Содержание сухого вещества во фракциях надземной фитомассы лесообразующих видов Евразии

Обложка

Цитировать

Полный текст

Аннотация

В условиях непрерывно возрастающей глобальной роли лесного покрова планеты исследование квалиметрических показателей деревьев и древостоев становится одним из приоритетных направлений. Содержание сухого вещества (ССВ) в тканях растений является важным, но недостаточно изученным фактором. Определение ССВ в фитомассе деревьев как меры концентрации в ней органического вещества и углерода является одним из составных этапов при исследовании биологической продуктивности, фитомассы и чистой первичной продукции деревьев и древостоев. Различные фракции фитомассы деревьев различаются по соотношению ССВ и влаги, что влияет на скорость естественного разложения и возврата углерода и элементов питания в окружающую среду. Поскольку CCВ во фракциях надземной фитомассы лесообразующих видов Евразии на трансконтинентальном уровне ранее не исследовалось, сформулирована цель исследования – выявить видовые особенности ССВ во фракциях надземной фитомассы, а также соотношения ССВ в различных её фракциях, для чего разработать видоспецифичные регрессионные модели ССВ в фитомассе, описывающие его зависимость от дендрометрических показателей деревьев на территории Евразии. Объекты и методы. Для осуществления поставленной цели из авторской базы данных о квалиметрических показателях основных пород Северной Евразии взяты 7 068 показателей ССВ в разных фракциях надземной фитомассы 14 лесообразующих видов. На их основе построены модели смешанного типа, в которых вклад дендрометрических показателей и фиктивных переменных, кодирующих видовую принадлежность ССВ, составил соответственно 8 и 92 %. Результаты. Установлено, что ССВ в древесине ствола изменяется от 72,5 % у ясеня до 42,7 % у пихты; ССВ в коре ствола – соответственно от 63,4 % у робинии до 44,3 % у ели; ССВ в хвое (листве) от 52,0 % у сосны чёрной до 28,4 % у липы; ССВ в ветвях – соответственно от 69,4 % у ясеня до 46,1 % у липы. Разность ССВ в коре ствола минус ССВ в древесине ствола изменяется от +11,6 % у сосны чёрной до -10,1 % у ясеня; разность ССВ в ветвях минус ССВ в древесине ствола изменяется от +10,1 % у пихты до -10,3 % у берёзы пушистой; разность ССВ в коре ствола минус ССВ в ветвях изменяется от +18,4 % у берёзы пушистой до -6,0 % у ясеня. Наконец, разность ССВ в ветвях минус ССВ в хвое (листве) изменяется от +31,4 % у ясеня до -1,2 % у сосны чёрной. Вывод. Разработанные регрессионные модели ССВ во фракциях фитомассы показали наличие существенных различий ССВ между фракциями и видами, что необходимо учитывать при оценках углероддепонирующей способности лесообразующих видов Евразии.

Об авторах

В. А. Усольцев

Уральский государственный лесотехнический университет

Автор, ответственный за переписку.
Email: Usoltsev50@mail.ru

Доктор сельскохозяйственных наук, профессор кафедры лесной таксации и лесоустройства,

Россия, 620100, Екатеринбург, Сибирский тракт, 37

Н. И. Плюха

Уральский государственный лесотехнический университет; Ботанический сад УрО РАН

Email: Usoltsev50@mail.ru

Аспирант, Институт леса и природопользования,
Уральский государственный лесотехнический университет; младший научный сотрудник,
Ботанический сад УрО РАН

Россия, 620100, Екатеринбург, Сибирский тракт, 37; 620144, Екатеринбург, ул. 8 Марта, 202а

Список литературы

  1. Morrow C. D., Gorman T. M., Evans J. W. et al. Prediction of Wood Quality in Small‑Diameter Douglas‑Fir Using Site and Stand Characteristics. Wood and Fiber Science. 2013;45(1):49–61.
  2. Williams T. G., Flanagan L. B. Effects of changes in water content on photosynthesis, transpiration and discrimination against ¹³CO₂ and C¹⁸O¹⁶O in Pleurozium and Sphagnum. Oecologia. 1996;108(1):38–46. DOI: 10.1007/BF00333212.
  3. Lawlor D. W., Cornic G. Photosynthetic carbon assimilation and associated metabolism in relation to water deficits in higher plants. Plant, Cell & Environment. 2002;25(2):275–294. DOI: 10.1046/j.0016‑8025.2001.00814.x.
  4. Lawlor D. W., Tezara W. Causes of decreased photosynthetic rate and metabolic capacity in water‑deficient leaf cells: a critical evaluation of mechanisms and integration of processes. Annals of Botany. 2009;103(4):561–579. DOI: 10.1093/aob/mcn244.
  5. Sibly R. M., Brown J. H., Kodric‑Brown A. (Eds.) Metabolic Ecology: A Scaling Approach. Chichester, UK: Wiley‑Blackwell Press; 2012. 392 p. DOI: 10.1002/9781119968535.
  6. Wilson P., Thompson K., Hodgson J. Specific leaf area and leaf dry matter content as alternative predictors of plant strategies. New Phytologist. 1999;143(1):155–162. DOI: 10.1046/j.1469‑8137.1999.00427.x.
  7. Breshears D. D., Myers O. B., Meyer C. W. et al. Tree die‑off in response to global change‑type drought: mortality insights from a decade of plant water potential measurements. Frontiers in Ecology and the Environment. 2009;7(4):185–189. DOI: 10.1890/080016.
  8. Anderson‑Teixeira K. J., Delong J. P., Fox A. M. et al. Differential responses of production and respiration to temperature and moisture drive the carbon balance across a climatic gradient in New Mexico. Global Change Biology. 2011;17(1):410–424. DOI: 10.1111/j.1365‑2486.2010.02269.x.
  9. Huang H., Ran J., Ji M. et al. Water content quantitatively affects metabolic rates over the course of plant ontogeny. New Phytologist. 2020;228(5):1524–1534. DOI: 10.1111/nph.16808.
  10. Wang Z., Huang H., Wang H. et al. Leaf water content contributes to global leaf trait relationships. Nature Communications. 2022;13(1):5525. DOI: 10.1038/s41467‑022‑32784‑1.
  11. Kumar H., Baredar P., Agrawal P. et al. Effect of moisture content on gasification efficiency in downdraft gasifier. International Journal of Scientific Engineering and Technology. 2014;3(4):411–413.
  12. Kirsanovs V., Žandeckis A., Blumberga D. et al. The influence of process temperature, equivalence ratio and fuel moisture content on gasification process: a review. In: 27th International Conference on Efficiency, Cost, Optimization, Simulation and Environmental Impact of Energy Systems (ECOS 2014): Proceedings (Finland, Turku, June 15–19, 2014). Turku: Abo Akademi University; 2014;1:1046–1060.
  13. Anderegg W. R. L., Kane J. M., Anderegg L. D. L. Consequences of widespread tree mortality triggered by drought and temperature stress. Nature Climate Change. 2013;3(1):30–36. DOI: 10.1038/nclimate1635.
  14. Chen R. F., Ran J. Z., Huang H. et al. Life history strategies drive size‑dependent biomass allocation patterns of dryland ephemerals and shrubs. Ecosphere. 2019;10(4):e02709. DOI: 10.1002/ecs2.2709.
  15. Tchebakova N. M., Parfenova E. I., Bazhina E. V. et al. Droughts are not the likely primary cause for Abies sibirica and Pinus sibirica forest dieback in the South Siberian Mountains. Forests. 2022;13(9):1378. DOI: 10.3390/f13091378.
  16. Shipley B., Vu T.‑T. Dry matter content as a measure of dry matter concentration in plants and their parts. New Phytologist. 2002;153(2):359–364. DOI: 10.1046/j.0028‑646X.2001.00320.x.
  17. Smart S. M., Glanville H. C., del Carmen Blanes M. et al. Leaf dry matter content is better at predicting above‑ground net primary production than specific leaf area. Functional Ecology. 2017;31(6):1336–1344. DOI: 10.1111/1365‑2435.12832.
  18. Korablev A. P., Sandalova E. V., Arapov K. A. et al. Biomorphological traits and leaf dry matter content are important to plant persistence in a highly unstable volcanic ground. Nature Conservation Research. 2024;9(2):73–89. DOI: 10.24189/ncr.2024.015.
  19. Hodgson J. G., Montserrat‑Martí G., Charles M. et al. Is leaf dry matter content a better predictor of soil fertility than specific leaf area. Annals of Botany. 2011;108(7):1337–1345. DOI: 10.1093/aob/mcr225.
  20. Li Y., Johnson D. A., Su Y. et al. Specific leaf area and leaf dry matter content of plants growing in sand dunes. Botanical Bulletin of Academia Sinica. 2005;46(2):127–134.
  21. Huet S., Forgeard F., Nys C. Above‑ and belowground distribution of dry matter and carbon biomass of Atlantic beech (Fagus sylvatica L.) in a time sequence. Annals of Forest Science. 2004;61(7):683–694. DOI: 10.1051/forest:2004063.
  22. Усольцев В. А., Цепордей И. С. Содержание сухого вещества в биомассе деревьев 13 видов Евразии: географические аспекты // Хвойные бореальной зоны. 2022;40(3):194–201. DOI: 10.53374/1993‑0135‑2022‑6‑194‑201.Usoltsev V. A., Tsepordey I. S. Dry matter content in the biomass of trees of 13 species of Eurasia: geographical aspects. Conifers of the Boreal Area. 2022;40(3):194–201. DOI: 10.53374/1993‑0135‑2022‑6‑194‑201. (In Russ.).
  23. Цепордей И. С. Биологическая продуктивность лесообразующих видов в климатическом контексте Евразии: монография. Екатеринбург: Учебно‑методический центр УПИ; 2023. 467 с. URI: https://elar.usfeu.ru/handle/123456789/12450.Tsepordey I. S. Biological productivity of forest‑forming species in the climatic context of Eurasia. Monograph. Yekaterinburg: Publishing House of the UPI Educational and Methodological Centre; 2023. 467 p. Availadle from: https://elar.usfeu.ru/handle/123456789/12450. (In Russ.).
  24. Windt C. W., Nabel M., Kochs J. et al. A mobile NMR sensor and relaxometric method to non‑destructively monitor water and dry matter content in plants. Frontiers in Plant Science. 2021;12:617768. DOI: 10.3389/fpls.2021.617768.
  25. Usoltsev V. A. Stem taper, density and dry matter content in biomass of trees growing in Central Eurasia. Monograph. Yekaterinburg: Ural State Forest Engineering University, Botanical Garden of Ural Branch of RAS; 2020. Availadle from: https://elar.usfeu.ru/handle/123456789/9649.
  26. Усольцев В. А., Плюха Н. И., Цепордей И. С. Региональные особенности содержания сухого вещества во фракциях фитомассы деревьев сосны обыкновенной // Вестник Поволжского государственного технологического университета. Сер.: Лес. Экология. Природопользование. 2024;(3):6–19. DOI: 10.25686/2306‑2827.2024.3.6. (In Russ.).Usoltsev V. A., Plukha N. I., Tsepordey I. S. Regional peculiarities of dry matter content in the phytomass fractions of Scots pine trees. Vestnik of Volga State University of Technology. Ser.: Forest. Ecology. Nature Management. 2024;(3):6–19. DOI: 10.25686/2306‑2827.2024.3.6. (In Russ.).
  27. Zeng W. S. Using nonlinear mixed model and dummy variable model approaches to construct origin‑based single tree biomass equations. Trees. 2015;29(1):275–283. DOI: 10.1007/s00468‑014‑1112‑0.
  28. Fu L., Sharma R. P., Hao K. et al. A generalized interregional nonlinear mixed‑effects crown width model for Prince Rupprecht larch in northern China. Forest Ecology and Management. 2017;389:364–373. DOI: 10.1016/j.foreco.2016.12.034.
  29. Baskerville G. L. Use of logarithmic regression in the estimation of plant biomass. Canadian Journal of Forest Research. 1972;2(1):49–53. DOI: 10.1139/x72‑009.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».