Исследование почвенных субстратов на основе отходов деревообработки для выращивания лесных сеянцев

Обложка

Цитировать

Полный текст

Аннотация

Низкая выживаемость сеянцев, снижение плодородия, нарушения лесных почв приводят к недостаточному уровню лесовосстановления в России. Решением данной проблемы может служить подготовка питательных субстратов, компенсирующих дефицит плодородных почв и повышающих устойчивость искусственных лесных насаждений. Почвенные субстраты производились из отходов лесопромышленных предприятий Карелии методом компостирования с добавлением осадка сточных вод близлежащих предприятий ЖКХ. Оценка плодородных свойств субстратов проверялась на всхожести семян и определении скорости роста овса (Avena sativa L.) и сосны обыкновенной (Pinus sylvestris L.). Субстраты сравнивались с торфосмесью заводского производства. Распределение вариант в выборках на соответствие нормальному закону проверяли критерием Шапиро — Уилка. Для статистической обработки данных использовали методы ресамплинга. Диапазон варьирования показателей оценивали посредством простого непараметрического бутстрепа, доверительные интервалы устанавливали методом процентилей. Для сравнений использовали рандомизационный тест MCR. Тренды изменчивости показателей во времени описывали логарифмическими моделями. Для производства субстратов были использованы опилки сосны (субстрат 1) и кора сосны (субстрат 2). Время производства субстратов отличалось: 5 месяцев и 1,5 года соответственно. Полученные субстраты отличались по химическому составу и морфологической консистенции. В обоих субстратах содержание тяжёлых металлов, отсутствие патогенных микроорганизмов и паразитов соответствовало санитарным нормам, что определяло безопасность их применения. Всхожесть овса варьировала от 0 до 100 %. Длина растений в контроле не отличалась существенно от субстрата 2, но была значимо больше, чем в субстрате 1. Всхожесть семян сосны составила от 20 до 100 %, по числу проросших семян сеянцы значимо не различались, самый медленный рост сеянцев наблюдали в субстрате 1, самый быстрый — в субстрате 2. Средние скорости роста растений в торфе и субстрате 2 значимо не различались. Таким образом, установлено отсутствие существенных различий, испытываемых субстратов для прорастания семян. Результаты исследований свидетельствуют о том, что плодородные свойства полученных субстратов значительно не отличаются от торфосмеси, подготовленной в заводских условиях. Субстраты, полученные при свежем и длительном сроках хранения древесных отходов, можно использовать для выращивания сеянцев в питомниках и повышения плодородия лесных почв при лесовосстановлении и для рекультивации нарушенных земель.

Об авторах

Елена Олеговна Графова

Петрозаводский государственный университет

Автор, ответственный за переписку.
Email: grafova.elena.karelia@gmail.com

Ольга Ивановна Гаврилова

Петрозаводский государственный университет

Email: ogavril@petrsu.ru

Вячеслав Васильевич Горбач

Петрозаводский государственный университет

Email: gorbach@petrsu.ru

Список литературы

  1. Андреев А. А. Ресурсосбережение и использование отходов заготовки и переработки древесного сырья // Фундаментальные и прикладные исследования: проблемы и результаты. 2014. № 10. С. 148–155.
  2. Веприкова Е. В., Кузнецова С. А., Чесноков Н. В. и др. Получение органоминеральных удобрений на основе древесной коры (обзор) // Журнал Сибирского федерального университета. Серия: Химия. 2016. Т. 9, № 4. С. 414–429. doi: https://doi.org/10.17516/1998‑2836‑2016‑9‑4‑414‑429.
  3. Галдаина Т. Е., Кулаков А. В., Ранцев‑Карти­нов В. А. Переработка отходов лесозаготовительных и деревообрабатывающих предприятий в нетрадиционный мелиоративный субстрат с применением экологически чистых технологий // Лесотехнический журнал. 2021. Т. 11, № 2 (42). С. 24–34. doi: 10.34220/issn.2222‑7962/2021.2/3.
  4. Графова Е. О., Паршин Н. В. Исследование методов обработки осадков сточных вод Петрозаводских очистных сооружений // Resources and Technology. 2019. Т. 16, № 4. С. 94–118.
  5. Дейнеко И. П., Фаустова Н. М. Элементный и групповой химический состав коры и древесины осины // Химия растительного сырья. 2015. Т. 1. С. 51–62.
  6. Залесов С. В., Фролова Е. А., Лисина Е. И. Возможность использования нетрадиционных удобрений при выращивании посадочного материала в лесных питомниках // Вестник Башкирского государственного аграрного университета. 2015. № 2 (34). С. 104–108.
  7. Кайгородов Р. В. Влияние кородревесных отходов на биологическую активность техногенных поверхностных образований придорожных пространств // Успехи современного естествознания. 2019. № 11. С. 83–88.
  8. Курило О. Н., Ширинкина Е. С., Вайсман Я. И. Способ использования ресурсного потенциала коры длительного срока хранения // Транспорт. Транспортные сооружения. Экология. 2014. № 1. С. 79–87.
  9. Мишустин О. А., Хантимирова С. Б., Желтобрюхов В. Ф. и др. Оценка уровня негативного воздействия на компоненты природной среды несанкционированной свалки у п. Самофаловка Волгоградской области // Инженерный вестник Дона. 2019. № 9. С. 50.
  10. Мохирев А. П., Безруких Ю. А., Медведев С. О. Переработка древесных отходов предприятий лесопромышленного комплекса как фактор устойчивого природопользования // Инженерный вестник Дона — Северо‑Кавказский научный центр высшей школы Южного федерального университета. 2015. № 2, ч. 2. 13 с.
  11. Мохирев А. П., Рубинская А. В., Мезенцева Н. В. Получение органических удобрений из отходов лесозаготовительной деятельности как способ повышения комплексного использования древесины // Международные научные исследования. 2015. № 3 (24). С. 147–151.
  12. Сергиенко А. В., Яцун И. В. Необходимость рационального использования отходов деревообработки // Наука и образование сегодня. 2017. № 1 (12). С. 12–13.
  13. Шитиков В. К., Розенберг Г. С. Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R. Тольятти: Кассандра, 2013. 314 с.
  14. Dossa G. G. O., Schaefer D., Zhang J.-L. et al. The cover uncovered: bark control over wood decomposition // Journal of Ecology. 2018. No. 106. P. 2147–2160.
  15. Palviainen M., Finér L. Decomposition and nutrient release from Norway spruce coarse roots and stumps — a 40‑year chronosequence study // Forest Ecology and Management. 2015. No. 358. P. 1–11. doi: https://doi.org/10.1016/J.FORECO.2015.08.036.
  16. R Core Team. R: A language and environment for statistical computing. R version 4.1.2. Vienna: R Foundation for Statistical Computing, 2021. Available at: http://www.r-project.org/(accessed 01.03.2022). Text. Image: electronic.
  17. van den Boogaart K. G., Tolosana‑Delgado R., Bren M. Package ‘composition’. Compositional data analysis. 2022. Version 2.0‑4. Available at: https://cran.microsoft.com/web/packages/compositions/compositions.pdf (accessed 10.04.2022). Text. Image: electronic.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Графова Е.О., Гаврилова О.И., Горбач В.В., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

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».