EXPERIMENTAL ALGORITHMS FOR IDENTIFICATION OF FOREST PATHOLOGICAL STATUS OF WOODY PLANTS

Research article
DOI:
https://doi.org/10.23649/JAE.2023.35.3
Issue: № 7 (35), 2023
Suggested:
02.06.2023
Accepted:
20.06.2023
Published:
19.07.2023
615
6
XML
PDF

Abstract

Visual signs allow to evaluate the condition of woody plants rather reliably and to forecast the dynamics of their condition. At the same time, retrospective assessment of the condition of woody plants is possible only if dendrochronological information is involved in the analysis of time series. At the same time, the width of the annual ring itself is an insufficiently reliable indicator of forest pathological condition. Variability indicators calculated on its basis are important. The development of algorithms for retrospective diagnostics of the state of trees and stands is urgent, as well as the development of new experimental algorithms for predicting the state of woody plants. Dendrochronological analysis is a single source of information for such developments.

1. Введение

Особый интерес с точки зрения оценки качественных и количественных характеристик лесов представляют алгоритмы оценки лесопатологического состояния и прогноза состояния (жизнеспособности) древесных растений на основе дендрохронологической информации

,
,
. Как было показано в нашей предыдущей работе, ширина годичного кольца как таковая является ненадежным индикатором оценки состояния дерева
. Текущая оценка лесопатологического состояния достаточно надежно устанавливается по критериям «Шкалы категорий состояния» на основе действующих правил санитарной безопасности в лесах РФ
.

Однако дендрохронологическая информация может быть востребована в рамках ретроспективной реконструкции динамики лесопатологического состояния (это может быть востребовано при экспертизе целесообразности назначения санитарных рубок, и в исследовательских работах), а также дендрохронологическая информация может быть задействована при прогнозе состояния (жизнеспособности) отдельных деревьев.

2. Методологические основы исследования

В основу прогноза состояния деревьев может быть положен тезис, сформулированный одним из основателей отечественной лесной таксации Д.И. Менделеевым

в работе посвященной изменчивости годичных колец: «Это же для высоких дерев наблюдается всегда, показывая, что рост (а потому и прирост) дерев стремится к некоторому конечному пределу дряхлости, когда легко наступает от случайности смерть или засыхание». Методологически аналогичный алгоритм прогноза жизнеспособности (старения) деревьев был сформулирован в работе Б.Б. Зейде
, пришедшего к выводу, что скорость падения прироста с возрастом является важным индикатором жизнеспособности дерева, а процесс старения может быть выражен элементарной степенной функцией. Таким образом, в целях прогноза состояния древесных растений может быть предложен следующий алгоритм анализа дендрохронологической информации.

Прогноз жизнеспособности дерева

Рисунок 1 - Прогноз жизнеспособности дерева

В апробации алгоритма исследовательская составляющая видится в подборе оптимального параметра Δt, характеризующего интервал изменения прироста. По-видимому, для апробации данного алгоритма необходимо вести работу и с образцами древесины сухостойных деревьев. Алгоритм ретроспективной реконструкции лесопатологического состояния может быть сконструирован исходя из следующих общих соображений. Ширина годичного кольца как таковая является ненадежным индикатором состояния, она сильно меняется с возрастом и по высоте ствола, Опыт работы с сухостоем свидетельствует, что усыхание дерева возможно при любой ширине годичного кольца. Однако локальные экстремумы прироста во временном ряду уже дают представление о благоприятности условий существования дерева и состоянии дерева в конкретный календарный год. Очевидно, что в годы локальных максимумов прироста дерево имело хорошее состояние, которое скорее соответствует баллу 1 (без признаков ослабления) шкалы категорий состояния деревьев, чем какому-то иному баллу. В то же время, в годы экстремально низких значений прироста очевидно, что дерево сильно ослаблено и его состояние соответствует баллу 3. Баллу 4 (усыхающее) его состояние соответствовать не может, так как в итоге неблагоприятного воздействия дерево сумело в последствии восстановится и дожило до момента отбора образца древесины. Выделив точки максимального прироста, возможно их аппроксимировать некоторой функцией (например, полиномом второго порядка) подобрав вариант с максимальными значениями коэффициента детерминации. Аналогично следует поступить с точками локальных минимумов прироста. Интервал между точками кривых в каждый конкретный календарный год должен быть ранжирован исходя из трехбалльной шкалы. Таким образом, зная ширину годичного кольца дерева для каждого календарного года и величину ранжированного интервала для каждого года, возможно вести ретроспективную идентификацию категории состояния дерева в каждом календарном году (рисунок 2).
Ретроспективная реконструкция лесопатологического состояния

Рисунок 2 - Ретроспективная реконструкция лесопатологического состояния

3. Объект исследований и методика исследований

Объектом исследования был заложенный в 2022 году исследовательский полигон площадью 9,02 га, расположенный на территории Фряновского участкового лесничества (Аксёновский лесохозяйственный участок) Московского учебно-опытного лесничества в выделе № 40 квартала № 25. Согласно таксационным данным 1974 года, выдел 40 квартала 25 занимал площадь 12 га. Тип лесорастительных условий С3, кисличный тип леса. Почва дерново-среднеподзолистая, среднесуглинистая на морене, мощность суглинков 41…80 см, глубина залегания грунтовых вод более 120 см, глубина залегания глея более 120 см. В 1953 года, после вырубки насаждения неустановленного породного состава, после предварительной обработки почвы была произведена посадка лесных культур сосны. Достоверных данных о подготовки почвы и схеме посадки не сохранилось. Но вполне вероятно, что в процессе подготовки почвы была поведена раскорчёвка и нарезка борозд. В гребень были посажены сеянцы сосны. В низких местах часть посаженых культур погибла, но в целом насаждение сохранилось. В 2020 году древостой имел состав 6С3Е3Б, средний диаметр 24 см и среднюю высоту 27 м. В таксационно описании 1984 года тип леса на данном выделе был диагностирован как сложно-широкотравный, эта же характеристика приводится в таксационных описаниях 1994, 2004, 2020 г. Согласно исследованиям 2022 года данный тип леса следовало бы диагностировать как разнотравно-кисличный.

В данном исследовании используется материал по сосне обыкновенной, полученный на основе отбора кернов древесины на двух участках полигона участок 7 (с рубками ухода) и участок 8 (без рубок ухода). Рубка ухода прочистка проводилась в 1975 году на площади 3,2 га и 8,2 га с интенсивностью 20%. Данные о лесопатологическом состоянии имелись только для 2022 года, средневзвешенный балл лесопатологического состояния учетных деревьев был равен 2. В дальнейшем на полигоне планируется вести регулярный лесопатологический мониторинг, что обеспечит удлинение временного ряда по средневзвешенной категории состояния древостоя.

На материале древесно-кольцевых хронологий из культур сосны обыкновенной был выполнен ряд экспериментальных исследований. Отбор кернов проводился по стандартной методике лаборатории дендрохронологии МФ МГТУ

. Измерения ширины годичных колец на кернах велись с использованием МБС-10 с точностью до 0,05 мм. Для контроля за правильностью измерений использовалась процедура перекрестной датировки в программе GROWLINE
.

4. Результаты исследования

В результате были получены обобщенные хронологии для двух участков, характеризующие погодичную динамику радиального прироста (рисунок 3.).

Выполненные нами расчеты проводились на основании изложенных выше теоретических предпосылок, модифицированных с учетом технических возможностей программы Microsoft Excel.
Динамика радиального прироста в двух исследуемых древостоях сосны

Рисунок 3 - Динамика радиального прироста в двух исследуемых древостоях сосны

На основе рассматриваемой хронологии на участке без рубок ухода было проведено выделение локальных экстремумов прироста (минимумов радиального прироста, максимумов радиального прироста). Для этого были использованы стандартные функции Microsoft Excel (МИН; МАКС). Выделение проводилось на 7-летнем временном интервале. Он соответствует минимально возможному циклу Солнечной активности, потенциально способной влиять на формирование экстремумов прироста. Кроме того, уменьшение длины временного интервала снижает удельный вес влияния долговременных тенденций изменчивости прироста при определении локальных экстремумов прироста. Полученные данные отражены на рисунке 4. Значение в точке 2022 г. на кривой максимального прироста соответствует максимальному значению ширины годичного кольца на временном интервале 2022-2012 гг., значение в точке 2021 г. соответствует значению ширины годичного кольца на временном интервале 2021-2011 гг. и так далее. Аналогично для кривой минимального прироста. Граница балла состояния один проходит по линии соответствующей разности максимального прироста и значения амплитуды радиального прироста (максимальное значение минус минимальное) в данном году, поделенного на три. Граница балла состояния 2 проходит по линии соответствующей разности максимального прироста и значения амплитуды радиального прироста (максимальное значение минус минимальное) в данном году, поделенного на три и умноженного на два. Граница балла состояния 3 проходит по линии минимального прироста.
Ширина годичного кольца в точках локальных экстремумов радиального прироста на 7-летнем временном интервале, значения радиального прироста по годам и границы интервалов для определения балла лесопатологического состояния древостоя

Рисунок 4 - Ширина годичного кольца в точках локальных экстремумов радиального прироста на 7-летнем временном интервале, значения радиального прироста по годам и границы интервалов для определения балла лесопатологического состояния древостоя

Далее велось сопоставление конкретных значений величины радиального прироста с конкретными значения интервалов колебания годичного кольца (меньше максимума до одной третьей значения включительно – балл 1, меньше максимума от одной трети до двух третей включительно – балл 2, меньше максимума от двух третей до минимума включительно – балл 3). Присваиваемые баллы согласно нашей гипотезе соответствующий средневзвешенному баллу лесопатологического состояния древостоя. Результаты выполненных преобразований отражает график на рисунке 5.
Динамика индекса состояния насаждений сосны на исследуемых участках

Рисунок 5 - Динамика индекса состояния насаждений сосны на исследуемых участках

Анализируя данные рисунка 5 следует заключить, что индекс состояния насаждений демонстрирует выраженную динамику. На данном этапе исследований авторы не берут на себя ответственность гарантировано объяснять конкретные причины изменения индекса состояния одного и того же насаждения. Однако давно и хорошо известно, что состояние насаждений динамично: периоды улучшения состояния сменяются периодами ухудшения, например под воздействием таких факторов как меняющиеся год от года метеопараметры, либо меняющиеся индексы солнечной активности
. Насаждения находившееся в более в худшем состоянии (например 3) достаточно часто способно переходить в более лучшую категорию состояния (например 1) в силу естественных закономерностей динамики данного показателя
.

Однако для уверенности в том, что исследуемый показатель действительно соответствует средневзвешенному балу лесопатологического состояния древостоя необходимо вести верификацию его значений с данными лесопатологического мониторинга. Пока это возможно сделать только относительно значений 2022 года, которые в нашем случае совпадают с результатами визуального обследования.

5. Заключение

Имея данные лесопатологического мониторинга древостоя хотя бы для пятилетнего временного интервала можно существенным образом скорректировать и повысить точность работы используемого алгоритма реконструкции индекса состояния насаждений на основе дендрохронологической информации.

Во-первых, этого можно достигнуть подбором оптимальных временных интервалов для определения локальных экстремумов прироста, так как разная длина временного интервала связана с разным вкладом долговременной изменчивости в формирование данных о значениях локальных экстремумов прироста.

Во-вторых, предположение о том, что дерево с баллом состояния 2 ровно на 33% менее здорово, чем дерево с баллом состояния 1 достаточно условно, границы этих интервалов также могут быть изменены с учетом эмпирических данных. Однако дальнейшее улучшение работы алгоритма возможно лишь итерационным методом на основе длительных стационарных лесоэкологических исследований.

Полученные результаты представляют собой концептуальную гипотетическую модель, уверенная апробация которой возможна только при условии консолидированных усилий ряда исследовательских коллективов. Как и любая гипотеза, сформулированная нами, концепция должна пройти ряд исследовательских этапов, по итогам которых, она, может быть, либо принята, либо отвергнута. В настоящее время теоретические предпосылки и первые предпринятые шаги апробации дают обнадеживающие результаты относительно ее познавательной ценности.

Article metrics

Views:615
Downloads:6
Views
Total:
Views:615