1. Введение

Горные леса Дальнего Востока, части Сибири и Краснодарского края составляют значительную долю лесного фонда России, однако их восстановление после рубок и пожаров сопряжено с ограничениями, отсутствующими на равнине: крутизна, экспозиция и высота над уровнем моря сужают выбор техники и усложняют схему работ [1], [2].

Действующие нормативы для горных условий разрабатывались хронометражными методами, изначально отработанными на равнинных участках. С.С. Морковина с соавторами [3] показали, что эти нормы устарели практически по всем видам лесохозяйственных работ, причем в горных районах расхождение с фактическими затратами достигает максимальных значений. И.Н. Назаренко [4] продемонстрировала, что нормативный расчет, игнорирующий рельеф, параметры агрегата и объем дерева, дает систематическую ошибку, что ведет к искажению экономического обоснования мероприятий и перерасходу ресурсов.

Основой нормирования служит сборник 1993 года, охватывающий 15 видов лесокультурных операций на склонах 15–35° [5]. Однако нормативный материал представлен исключительно в табличной форме, без объяснения факторной структуры разброса значений. Как отмечают Е.А. Панявина и К.А. Осипова [6], нормировочные расчеты в лесном хозяйстве остаются трудоемкими и слабо автоматизированными, что требует перехода от табличных норм к расчетным формулам на основе математико-статистического анализа [7].

Зарубежные исследования преимущественно фокусируются на механизированной заготовке древесины в горах. Р. Виссер и Х. Беркетт [8] установили, что реальный угол наклона машин систематически отличается от угла склона. А. Энаке с соавторами [9] показали, что немеханизированные системы уступают механизированным по эффективности. С. Эззати и др. [10] доказали, что работа на уклонах свыше 35% экономически и экологически нецелесообразна, а Р. Кавалли и Д. Амишев [11] описали технологии освоения крутосклонных участков. При этом ручной труд при лесокультурных работах в этих работах не рассматривается, поскольку за рубежом он практически заменен машинным. В России ручное лесовосстановление сохраняет значимый объем, а его нормативная база требует факторного обоснования.

Цель настоящего исследования — установить ведущие нормообразующие факторы, оценить прогностическое качество регрессионных моделей норм выработки для лесокультурных работ в горных условиях и сформулировать рекомендации по их использованию при актуализации нормативной базы. Для достижения поставленной цели необходимо:

1) выполнить регрессионный и корреляционный анализ табличных нормативов по 15 технологическим процессам;

2) оценить силу влияния крутизны склона и иных факторов на нормы выработки;

3) рассчитать интегральные показатели качества моделей;

4) сформулировать рекомендации по актуализации нормативной базы.

2. Методы и принципы исследования

Исходными данными в качестве объекта исследования послужили табличные нормативы из Межотраслевых типовых норм выработки на лесокультурные работы, выполняемые в горных условиях [5].

Выборка исследования включает 15 видов работ и 2500 нормативных наблюдений. Для каждого наблюдения зафиксированы: норма выработки, крутизна склона, высота над уровнем моря и 2–6 технологических параметров в зависимости от вида работ (табл. 1).

Основной метод множественная линейная регрессия (МНК). Мультиколлинеарность контролировалась фактором инфляции дисперсии (VIF > 5). Качество оценивалось по R2, R2adj, t- и F-критериям; проверялись предпосылки МНК (тесты Шапиро-Уилка, Бройша-Пагана, Дарбина-Уотсона).

Интегральная оценка качества (0–100 баллов) складывалась из четырех равнозначных критериев: скорректированный R2, значимость F-критерия, доля значимых коэффициентов и выполнение предпосылок МНК. Модели с оценкой > 75 баллов признаны высококачественными, 50–75 удовлетворительными, < 50 требующими доработки.

Уровень значимости принят равным 0,05. Расчеты выполнены в Python 3.10 (pandas, statsmodels, scikit-learn).

3. Основные результаты

Сводная характеристика уравнений множественной регрессии нормы выработки по видам работ в горных условиях представлена в таблице 2.

Регрессионные модели построены для 14 из 15 видов работ. Для операции «устройство ловчих и заградительных канав на почве» модель не построена, поскольку присутствует только один категориальный фактор (тип почвы). Наибольшее число предикторов (6) зафиксировано для операции «Проведение полос» (табл. 2).

Сводная характеристика всех видов лесокультурных работ в горных условиях представлена в таблице 3.

Значения R2 варьируют от 0,19 (сбор и уничтожение яйцекладок непарного шелкопряда) до 1,00 (перечет зараженных деревьев; сбор и уничтожение насекомых в ловчих канавках). Интегральная оценка качества моделей колеблется от 29 до 86 баллов. Три модели превышают порог «хорошо» (> 75 баллов): отбор ловчих деревьев (86), сбор фисташки (77), сбор грецкого ореха (77). Четыре модели не достигают порога 40 баллов: корчевка пней (35), развешивание гнездовий (33), сбор и уничтожение яйцекладок (29), уничтожение яйцекладок нефтеванием (29).

Распределение ведущих факторов, характера влияния крутизны и средних показателей качества моделей по четырем укрупненным группам работ представлено в таблице 4.

Средний R2 возрастает от 0,36 в механизированных подготовительных работах до 0,95 в ручном сборе урожая. Средняя интегральная оценка изменяется от 37 до 77 баллов соответственно. Крутизна склона статистически значима во всех группах, кроме механизированных подготовительных работ, однако сила ее влияния варьирует от r = -0,09 (корчевка пней) до r = -0,96 (отбор ловчих деревьев).

4. Обсуждение

Наиболее устойчивые модели (оценка > 75 баллов) получены для заготовки лесосеменного сырья и учетных операций. В первом случае определяющим оказывается биологический фактор: урожайность заранее задает объем продукции. В учетных работах на первый план выходит крутизна склона, поскольку исполнитель вынужден постоянно перемещаться по пересеченной местности. Это согласуется с выводами С. Эззати и соавторов [10] о снижении производительности на крутых склонах, а также с данными А. Энаке и соавторов [9] о преимуществе механизированных систем над немеханизированными в горных условиях. Хуже всего описываются расчистка коридоров, корчевка пней, развешивание гнездовий и сбор яйцекладок. Здесь производительность определяется локальными условиями (густота кустарника, неравномерность распределения пней, степень заселенности), которые либо не вошли в анализ, либо учтены слишком грубо. Это подтверждает выводы С.С. Морковиной и соавторов об устаревании действующих норм [3].

Несколько моделей построены по выборкам объемом в единицы наблюдений. Формально высокие R2 (вплоть до 1,00) в таких случаях свидетельствуют о переобучении, и уравнения можно рассматривать лишь как ориентировочные.

Рельеф влияет на производительность неодинаково. Для учетных операций крутизна склона выступает прямым ограничителем; для механизированных работ она статистически значима, но уступает технологическим параметрам. Это согласуется с данными Р. Виссера и Х. Беркетта [8] о систематическом расхождении угла наклона машины и склона, а также с выводами Р. Кавалли и Д. Амишева [11] о комплексном характере ограничений при освоении крутосклонных участков.

Категориальные предикторы порой перевешивают непрерывные: наибольшая доля объясненной дисперсии приходится на состав работы при окорке ловчих деревьев и на категорию заселенности при сборе яйцекладок. Технология выполнения и биологическое состояние объекта способны «перекрыть» эффект рельефа, что требует раздельного нормирования по категориям. Это согласуется с позицией И.Н. Назаренко [4] о необходимости учета характеристик рельефа и параметров агрегата, а также с выводами Е.А. Панявиной и К.А. Осиповой [6] о трудоемкости существующих процедур нормирования.

Из данных таблицы 3 и таблицы 4 вытекают достаточно конкретные практические выводы:

–

модели с оценкой свыше 60 баллов пригодны для расчета норм при условии ввода поправки на локальные особенности;

–

–

модели с оценкой ниже 40 баллов не рекомендуется использовать без дополнительных хронометражных замеров;

–

для подготовительных и санитарно-защитных операций необходимо расширять перечень учитываемых переменных, а для работ с малым числом наблюдений — наращивать выборки.

5. Заключение

Крутизна склона является универсальным нормообразующим фактором (значима для 14 из 15 операций), однако сила ее влияния варьирует, что исключает применение единого поправочного коэффициента. Ведущие факторы дифференцированы: для механизированных операций — технологические параметры, для ручных санитарно-защитных — биометрические характеристики объекта труда, для сбора урожая — балл урожайности.

Определены практические пороги применимости моделей: свыше 60 баллов — пригодны для расчета норм; в диапазоне —ниже 40 баллов — требуют дополнительных наблюдений. Для значительной части ручных операций объем выборки не превышает 10 наблюдений, что ограничивает статистическую достоверность. Категориальные предикторы способны оказывать большее влияние, чем непрерывные переменные, что указывает на необходимость раздельного нормирования.

Можно определить следующие перспективные направления исследований

: расширение набора учитываемых переменных (захламленность, плотность древостоя, почвенные характеристики), наращивание выборок по учетным работам, применение нелинейных методов моделирования для санитарно-защитных операций. Для актуализации нормативной базы целесообразно дополнить нормативные документы методическими указаниями по применению расчетных формул.

The additional file for this article can be found as follows: