МОДЕЛИ ИЗМЕНЕНИЯ БИОСФЕРЫ НА ОСНОВЕ

УЧРЕЖДЕНИЕ РОССИЙСКОЙ АКАДЕМИИ НАУК
СИБИРСКОЕ ОТДЕЛЕНИЕ РАН
МОДЕЛИ ИЗМЕНЕНИЯ БИОСФЕРЫ НА ОСНОВЕ
БАЛАНСА УГЛЕРОДА (ПО НАТУРНЫМ И СПУТНИКОВЫМ
ДАННЫМ И С УЧЕТОМ ВКЛАДА БОРЕАЛЬНЫХ ЭКОСИСТЕМ)
Промежуточный отчет
по междисциплинарному интеграционному проекту № 50
за 2009 г.
Институты-исполнители
ИБФ СО РАН, ИВМ СО РАН, ИВТ СО РАН,
ИГ им. В.Б. Сочавы СО РАН, ИПА СО РАН,
ИЛ им. В.Н. Сукачева СО РАН, ИУУ СО РАН,
ИМКЭС СО РАН, ИЦиГ СО РАН,
ЦСБС СО РАН, СФУ, НГУ
Научные координаторы проекта:
академик Е.А. Ваганов (СФУ)
чл.-корр. РАН А.М.Федотов (ИВТ СО РАН)
Ученый секретарь проекта:
к.ф.-м.н. И.А. Пестунов
Новосибирск, 2009
Список исполнителей:
Исполнители:
ИБФ СО РАН:
Дегерменджи А. Г., чл.-кор. РАН, директор
Барцев С.И., д.ф.-м.н., зав. лаб. теоретической биофизики
Шевырногов А.П., д.т.н., зав. лаб. экологической информатики
Овчинникова Н.Ф., к.б.н., начальник Ермаковского опорного экспедиционного пункта
Бархатов Ю. В., к.ф.-м.н., с.н.с.
Иванова Ю.Д., к.т.н., н.с. лаб. теоретической биофизики
Ланкин Ю.П., к.т.н., н.с.
Почекутов А.А., к.ф.-м.н., н.с.
Ларько А.А., асп.
Чернецкий М.Ю., вед. математик
Щемель А.Л., к.ф.-м.н., вед. инж.
ИВТ СО РАН:
Федотов А.М., чл.-кор. РАН, зам. директора
Пестунов И.А., уч. секр., к.ф.-м.н.
Дубровская О.А., н.с, к.ф.-м.н.
Жижимов О.Л., д.т.н., зав. лаб.
Климова Е.Г., с.н.с, д.ф.-м.н.
Молородов Ю.И., с.н.с, к.ф.-м.н.
Синявский Ю.Н., м.н.с.
Смирнов В.В., инж.-иссл.
Добротворский Д.И., асп.
Куликова ЕА., асп.
Корсаков Е.В., асп.
Скачкова А.П., асп.
ЦСБС СО РАН:
Ермаков Н.Б., г.н.с., д.б.н.
Полякова М.А., м.нс., к.б.н.
ИМКЭС СО РАН:
Гордов Е.П., д.ф.-м.н., г.н.с.
Богомолов В.Ю. н.с.
Генина Е. Ю., к.ф.-м.н., с.н.с.
Окладников И.Г., к.т.н., с.н.с.
Титов А.Г., м.н.с.
Шульгина Т.М., асп.
ИПА СО РАН:
Байков К.С., д.б.н., директор
Титлянова А.А., г.н.с., д.б.н.
Кудряшова С.Я., с.н.с., к.б.н.
Дитц Л.Ю., с.н.с., к.б.н.
Косых Н.П., н.с., к.б.н.
Махатков И.Д., н.с., к.б.н.
Шибарева С.В., н.с., к.б.н.
ИВМ СО РАН:
Белолипецкий В.М., зав. отделом, д.ф.-м.н.
Белолипецкий П.В., н.с., к.ф.-м.н.
Генова С.Н., с.н.с., к.т.н.
2
ИГ СО РАН:
Черкашин А.К., зав. лаб., д.г.н.
Коновалова Т.И., с.н.с., к.г.н.
Китов А.Д., с.н.с., к.г.н.
Мясникова С.И., с.н.с., к.г.н.
Солодянкина С.В., н.с., к.г.н.
Истомина Е.А., н.с., к.г.н.
Владимиров И.Н., н.с., к.г.н.
Латышева А.В., н.с., к.г.н.
Фролов А.А., асп.
Павлова А.Ю., асп.
ИЦиГ СО РАН:
Ефимов В.М., в.н.с., д.б.н.
Мигинский Д.С., м.н.с.
Суслов В.В., н.с.
Тимонов В.С., м.н.с.
ИЛ СО РАН:
Ведрова Э.Ф., в.н.с., д.б.н.
Мухортова Л.В., н.с., к.б.н.
Верховец С.В., снс, к.с.-х.н.
Панов А.В., н.с.
Тимохина А.В., асп.
ИУУ СО РАН:
Потапов В.П., зав. лаб., д.т.н.
Счастливцев Е.Л, зав. лаб., д.т.н.
Тайлаков О.В., зав. лаб., д.т.н.
Попов С.Е., с.н.с., к.т.н.
Пястунович О.Л., м.н.с
Жукова И.А., ст. инж.
Харлампенков И.А., вед. инж.
НГУ:
Сергеев М.Г., зав. каф. общей биологии и экологии, д.б.н.
Молодцов В.В., ст. преп. каф. общей биологии и экологии
3
Введение
Экстраполяция наблюдаемых трендов глобальных параметров в будущее указывает на
возможность существенных изменений параметров биосферы и климата Земли. Проведенные за последнее время исследования показывают, что с вероятностью >90 % наблюдаемое с
середины ХХ столетия повышение глобальных средних температур большей частью вызвано
наблюдаемым увеличением концентраций антропогенных парниковых газов. Оценка темпов,
масштабов и степени необратимости этих изменений представляет собой, без сомнения, одну
из актуальнейших задач, стоящих перед современной наукой.
Для принятия каких-либо решений в области преодоления биосферного кризиса очень
важно знать не наиболее вероятный вариант биосферной динамики, а условия, приводящие к
ее наиболее опасному варианту и характерные времена его реализации. Концентрацию внимания на наиболее опасных или наихудших вариантах развития биосферных событий можно
назвать «принципом наихудшего сценария». Принцип наихудшего сценария позволяет отказаться от рассмотрения большого количества разнообразных компенсирующих и второстепенных механизмов, конструктивно способствуя построению так называемых минимальных
моделей биосферы.
Существующие данные указывают на значительный вклад бореальных лесов и почвы в
сезонную динамику углерода, а значит и во временные характеристики биосферы на «малых» (месяцы и годы) временах. В то же время, по оценкам МГЭИК именно бореальные леса
и тундра в наибольшей степени подвергнутся климатическим изменениям. Поэтому изучение
влияния бореальных лесов на динамику системы «биосфера-климат» находится на переднем
плане предлагаемого проекта.
Особенности экосистемного значения сибирских лесов определяются климатическими
условиями региона и выражаются в специфике углеродных и гидрологических циклов.
Вследствие особенностей климатических условий бореальные леса и болота аккумулируют
углерод не только в фитомассе, но и в фитодетрите и гумусовых компонентах почв, в результате чего его связывание в процессе фотосинтеза превышает эмиссию в атмосферу в ходе
процессов дыхания и минерализации органических остатков.
В Северной Евразии наблюдается наибольший рост температур, особенно в зимнее
время, поэтому ответная реакция лесных и сопутствующих им экосистем на изменение климата может быть очень значительной. Существует насущная необходимость оценки экологических последствий глобальных изменений климата, и одновременно, оценки обратного влияния изменений в бореальных лесах на динамику климатических изменений.
Согласно количественным оценкам, в том числе и в масштабах планеты, основным резервуаром органического углерода является почва, которая содержит около 80 % от его общих запасов в наземных экосистемах. Почвенный покров Западной Сибири, площадь которого составляет более 5% земельного фонда биосферы и большая часть которого занята бореальными экосистемами с высокими значениями плотности биомного углеродного баланса,
вносит значительный вклад в глобальный бюджет углерода. Количественное описание современного географического распределения запасов органического углерода в почвах бореальных экосистем на территории Сибири с использованием баз данных и геоинформационных технологий является актуальной научно-практической задачей.
Цели и задачи работ по проекту в целом
В ходе выполнения проекта предполагается использовать уникальные возможности Сибирского
отделения РАН, имеющего в своем составе институты различного профиля для решения следующих
фундаментальных и прикладных задач:
 Построение серии обоснованных (на основе корректного «сворачивания» (инкапсуляции) моделей нижнего иерархического уровня) минимальных моделей глобально4














го цикла углерода в системе «биосфера-климат» с различными вариантами обратных
связей вида «климатические изменения – углеродный цикл – климатические изменения» (ИБФ, СФУ).
Построение сценариев развития системы «биосфера-климат», с выбором наихудшего
из них, для оценки глобального экологического риска при различных вариантах ресурсопотребительской стратегии человечества (ИБФ).
Кросс-верификация оценок чистой первичной продукции, полученным по космическим снимкам, с данными полевых измерений в контексте глобальной динамики СО2
в атмосфере (СФУ, ИЛ, ИБФ).
Моделирование сезонных изменений потока углерода через бореальные леса,
являющиеся главными источниками сезонных изменений и наземными
аккумуляторами углерода. Оценка вклада бореальных лесов в биосферную динамику
углерода (ИВМ, ИЛ, ИБФ).
Калибровка локальной сезонной и поширотной модели почвенного дыхания на основе цифровых карт почв Сибири. Построение глобальной карты почв (экстраполяция известных на недоступные данные) для оценки глобальной сезонной динамики
почвенного дыхания (ИПА, ИВТ, ИБФ).
Сопоставление динамики климатических характеристик с динамикой баланса
углерода в прошлом и оценка обратного влияния изменений в биоте на
климатические характеристики. Прогноз возможных изменений системы климатбиосфера с учетом обратного влияния биоты (ИМКЭС, ИВТ, ИБФ, НГУ, ИЛ).
Оценка отклика локальных (бореальных) экосистем и биосферы в целом на изменения состава газовых примесей при масштабных пожарах и промышленных выбросах
с учетом влияния аэрозолей на ЧПП и на баланс потоков углерода в целом (ИЛ,
ИВТ, ИУУ, ИБФ).
Оценка влияния изменений показателей функционирования экосистем,
сопровождающих смещение зональных и высотно-поясных границ таежных
ландшафтов вследствие глобального изменения климата на глобальный баланс
углерода (СФУ, ИЛ, ИГ, ИБФ, НГУ).
Оценка изменений бюджета углерода при изменении типов экосистем вследствие
климатически обусловленного смещения границ биоценов с помощью ординационных моделей связей биотических, биокосных и абиотических компонентов экосистем и выявления ведущих факторов внешней среды (ЦСБС, ИВТ, ИБФ).
Прогноз
возможных
изменений,
предшествующих
сукцессионным
и
филоценогенетическим процессам, в балансе углеродных потоков в биомах в ответ
на климатические изменения (ИЦиГ, ИБФ, НГУ).
Создание серии мелкомасштабных пространственно-временнных картографических
моделей экосистем как основы оценки изменений бюджета углерода и моделирования на территории бореальной зоны (ЦСБС).
Создание серии прогнозных моделей «растительный покров-климат» для предсказания глобальной динамикой углерода (ЦСБС).
Верификация полученных моделей на отдельных типах экосистем различного порядка (СФУ, ИЛ, ИБФ, ИГ).
Приведение структур имеющихся баз данных к современным стандартам представления метаданных, разработка модулей визуализации и статистического анализа содержимого баз данных в рамках распределенной ГИС ИВТ СО РАН. (ИВТ, ИПА,
ЦСБС).
Комплексный анализ пространственных данных с помощью технологий Data Mining.
Интеграция созданных информационных ресурсов в единую среду (ИВТ, ИВМ).
5
План работ на 2009 г.













Кросс-верификация оценок чистой первичной продукции, полученных по космическим
снимкам, с данными полевых измерений в контексте глобальной динамики СО 2 в атмосфере (ИЛ и ИБФ).
Представление базы данных «Запасы растительного вещества в экосистемах Сибири»
(ИВТ, ИПА).
Создание открытой коллективной экспертно-аналитической ГИС «Пространственновременная организация экосистем северной Азии» (ЦСБС, ИВТ).
Отработка методологии создания тематических актуальных и прогнозных картографических моделей пространственной организации и динамики экосистем на основе современных методов дешифрирования космической информации на эталонных территориях
и в целом на территории Северной Азии (ЦСБС, ИВТ).
Обобщение данных по площадям основных типов лесных экосистем Средней Сибири
(ИЛ).
Разработка модели с пространственно-распределенными параметрами в виде сети клеточных автоматов, имитирующей картографическую структуру территории Юга Восточной Сибири. Геоинформационное картографирование динамики географических
условий и состояния фаций (ИГ).
Вычисление пространственно-временного поведения климатических характеристик,
контролирующих развитие бореальных экосистем и процессов их газообмена с атмосферой (ИМКЭС).
Создание базы данных по натурным характеристикам компонентов бореального леса в
контрольной зоне и по динамике распределения атмосферных газов (ИБФ, ИВМ, ИЛ).
Верификация по базе данных математической модели бореального леса, адаптированной
под условия Восточной Сибири (ИБФ).
Верификация математической модели распределения углерода в атмосфере по данным
высотной мачты (ИБФ, ИВМ, ИЛ, СФУ).
Отработка оптимальной процедуры ландшафтно-широтного суммирования пространственно распределенных компонентов биосферы при инкапсуляции компонентов биосферы (ИБФ).
Создание баз данных по консументам и оценка их роли в динамике углерода в основных
наземных и водных биомах мира (НГУ).
Адаптация информационно-компьютерного ресурса EcoNet для описания экосетей
бореальных лесов и сопутствующих экосистем. Создание онтологии элементарных
объектов и элементарных связей, лежащих в основе бореальных экосистем. Построение
описания сети взаимодействий (экосети) экосистем различного уровня иерархии и
описание их микро- и макродинамики для ряда сценариев изменения климата.
Адаптация алгоритмов моделирования и анализа графа для исследования таких сетей
взаимодействий (ИЦиГ, ИЛ, ИВТ).
6
Основные результаты работ по проекту
Кросс-верификация оценок чистой первичной продукции, полученных по космическим
снимкам, с данными полевых измерений в контексте глобальной динамики СО 2 в атмосфере (ИЛ СО РАН, ИБФ СО РАН).
Модель для оценки чистой первичной продукции (УПП) наземной растительности
GloPEM основана на спутниковых данных NOAA/AVHRR имеющих пространственное разрешение 1 км, что не подходит для локальных исследований. В свою очередь сканер MODIS
спутника Terra обладает более подходящим пространственным разрешением - 500м.
В качестве объекта исследования взята территория Ермаковского района Красноярского края, на которой Институт леса СО РАН проводит частые наземные измерения.
На рис. 1 представлена диаграмма, отражающая различные оценки ЧПП в лесных экосистемах трех высотно-климатических поясов. Оценка ЧПП по наземным данным показывает тесную связь продуктивности лесов с продолжительностью вегетационного периода развития и роста растений в различных высотных поясах. Например, в субальпийском поясе по
сравнению с черневым поясом этот период короче почти на два месяца, и соответственно
здесь самая низкая величина ЧПП.
Рис. 1. Сравнение значений ЧПП, по наземным и спутниковым данным.
Основным отличием оценок ЧПП в горно-таежном и субальпийском поясах является
более высокая продуктивность по спутниковым данным по сравнению с наземными. По
нашему мнению, это объясняется использованием при расчете ЧПП вегетационного индекса
NDVI, величина которого напрямую зависит от состояния листовых пластинок, хвои и наличия в них хлорофилла. В сумме, среднегодовое значение ЧПП за вегетационный период получается больше в горно-таежном и субальпийском поясах, чем при оценке ЧПП по наземным измерениям. В верхнем высотном поясе доминируют хвойные деревья, продуктивность
которых не подвержена резкому уменьшению NDVI в конце лета, что приводит к завышенным значениям оценок по спутниковой информации.
После корректировки рассчитанных значений ЧПП на 7 пробных площадях, проведено
сравнение усредненных по времени и пространству значений ЧПП, полученных на пробных
площадях с аналогично усредненными значениями на территориях с таким же видовым составом растительности. На рис. 2 видно, что откорректированные значения ЧПП на пробных
площадях совпадают со значениями, рассчитанными на более обширной территории. Это говорит о возможности корректировки значений при использовании точечных наземных данных.
Таким образом:
7
-
-
Модифицирована модель GloPEM, предназначенная для использования данных
NOAA/AVHRR. После модификации модель может использовать данные с коэффициентом отражения MODIS с пространственным разрешением 500 метров.
Показано, что при расчете ЧПП по спутниковым данным необходимо учитывать видовой состав и высотный пояс растительности.
Показано соответствие ЧПП, рассчитанного по спутниковым MODIS/Terra и подспутниковым данным в черневом и субальпийском поясах.
Выявлено, что корректировку значений ЧПП, полученных спутниковыми методами,
необходимо проводить с учетом типа растительности.
Рис. 2. Графики среднегодовой динамики ЧПП.
Создана база данных значений чистой первичной продукции, полученных на основе
спутниковой информации MODIS/Terra с пространственным разрешением 500 м2.
Рис. 3. Схема пространственного покрытия расчетными данными ЧПП. Координаты левого верхнего угла
70◦ 1’ с.ш,110◦ 30’ в.д., правого верхнего70◦ 1’ с.ш., 123◦ 30’ в.д., левого нижнего угла 45◦ 35’ с.ш.,
105◦ 30’ в.д., правого нижнего 45◦ 35’ с.ш., 113◦ 30’ в.д.
8
На рис. 3 показано пространственное покрытие данными. Данные представлены в универсальном формате GeoTiff. Временной ряд наблюдений составляет 7 лет (2000-2006 гг.).
База данных создана на основе операционной системы Windows, имеет функцию выборки данных по:
1. Дате.
2. Временному композиту (восьмидневные, среднемесячные, среднегодовые значения).
3. Координатам.
Размер данных на жестком диске 400 Гб, размер одного файла 65Мб.
Дополнительно в базе данных содержатся индексы и показатели, участвующие в модели расчета ЧПП, такие как:
1. NDVI (нормализованный дифференциальный вегетационный индекс).
2. LSWI (индекс влажности поверхности земли).
3. Температура подстилающей поверхности.
Представление базы данных «Запасы растительного вещества в экосистемах Сибири»
(ИВТ СО РАН, ИПА СО РАН).
В решении проблем глобальных изменений климата оценка функциональной роли почвенного покрова в биосфере относится к числу приоритетных и актуальных задач
(CLIMSOIL, 2008; ICDC, 2009). Почвы, так же как и растительный покров признаются
наиболее чувствительными к изменениям климата и, в свою очередь, сами могут оказывать
воздействие на климатические изменения по принципу обратной связи (Billings et all, 1982).
В значительной степени эти связи осуществляются через биогенный круговорот, масштабнее
всего выраженный в цикле углерода. Глобальный баланс углерода складывается из территориальных балансов, особенности которых определяются природно-климатическими условиями, формированием долговременных резервуаров углерода и соотношением стоков и источников СО2. Согласно современным данным в наземных биоценозах мира запасы Сорг
оцениваются в 550 Гт, а в экосистемах России – 40 Гт. Резервуары органического углерода
России составляют 39.8 Гт в фитомассе лесов и 296 Гт в гумусе почв, соответственно это
7.2% углерода фитомассы и 19.7% Гт почвенного углерода в мире (Орлов и др., 1995 Исаев
и др. 1999). На территории России, так же как и других стран севера Евразии, наибольший
сток углерода отмечается в почвах бореальной зоны, включающей обширные площади болотных и лесных экосистем (табл. 1).
Таблица 1. Запасы углерода в почвах различных климатических зон России (Заварзин, Кудеяров, 2006)
Климатическая зона
полярно-тундровая
лесотундровая-северотаежная
среднетаежная
южнотаежная
лесостепная
степная
сухостепная
полупустынная
горные области
всего
Площадь, Запасы Сорг в слое почвы 0-100 см
млн. га
т/га
Гт
181
106
19.2
233
168
39.4
238
219
52.0
237
262
61.9
126
304
38.4
80
267
21.3
28
100
2.8
15
73
1.1
576
н.д.
60.0
171.4
296.1
Значительный вклад в запас углерода бореального биома вносят лесо-болотные экосистемы Западной Сибири, почвенный покров которых характеризуется широким развитием
торфяных и торфяно-болотных почв содержащих до 40% почвенного углерода региона.
Оценка запасов углерода в почвах Западной Сибири в общем виде, может быть представлена на основании имеющихся баз данных по запасам углерода в почвенном покрове Сиби9
ри, картографических материалов и данных, обобщенных в ГИС для вычисления углеродного пула в болотах Западной Сибири (Вомперский и др., 1994; Титлянова и др., 1998; Атлас
ХМАО, 2004; Величко и др., 2007). Однако, большая часть этих оценок выполнена на основе
карт мелкого масштаба, поэтому расчеты площадей почвенных ареалов довольно часто
осложняются при выделении контурных границ или практических трудностей учета почвенных разностей, имеющих самостоятельное экологическое значение, но занимающих небольшие площади. Кроме того, эти оценки выполнены для болотных территорий (глубина торфяной залежи более 30 см), поэтому они практически не учитывают минеральные почвы, содержащие ниже торфа 3.9-10.7 кг/м2 органического углерода, что предполагает довольно высокое значение пула минеральных горизонтов в глобальном масштабе – 10 Gt ( Moore,
Turunen, 2004). Расчеты запасов углерода были проведены на основе базы данных «Органический углерод», которая включает величины содержания гумуса в 5850 и объемной массы в
2300 разрезах почвенного покрова Сибири. В связи с тем, что ее разработка была начата в
1993 году, когда доступность программных и аналитических средств была ограничена, то
для ее оформления использовались наиболее распространенные для того периода базовые
технологии. База данных «Органический углерод» реализована на платформе IBM совместимого компьютера. Для хранения информации был выбран формат файлов СУБД Paradox 5.0
for Windows. Программа работы с базой данных реализована на Borland Delphi 1.0 с использованием Borland Database Engine. В настоящее время, с учетом изменения характеристик
глобального климата, для детального прогнозирования и обоснования новых концептуальных схем углеродного цикла, необходимым условием является использование баз данных,
включающих как пространственные характеристики территории и свойства почв, так и программное обеспечение для цифрового отображения пространственно-временной динамики
почвенно-растительного покрова субрегионального и регионального уровней. Таким образом, учитывая высокую значимость компонентов бореальных экосистем Западной Сибири в
глобальном углеродном цикле, в рамках тематического задания были проведены исследования с целью создания информационного обеспечения для выполнения основных этапов
оценки запасов углерода в почвах бореальной зоны.
Рис. 4. Электронная карта «Почвы бореальной зоны Западной Сибири».
10
Создание электронной карты почвенного покрова бореальной зоны Западной Сибири
М:2500000. Основным источником органической части почвы является растительность. В
бореальной зоне количество почвенного органического вещества существенно зависит от
продуктивности растительного покрова и закономерно увеличивается от таежных подзолистых почв (2-3%) к дерново-подзолистым и серым лесным почвам (4-6%). Учитывая тесную
зависимость формирования запасов почвенного углерода от типа фитоценоза, электронная
основа тематического слоя «Почва», содержащая в настоящее время 20 единиц легенды, создана на основе генерализованной легенды карты «Растительность Западно-Сибирской равнины», 1976, предоставленной для использования ЦСБС СО РАН (рис. 4).
Среднемасштабное почвенное картографирование. Среднемасштабные почвенные
карты ключевых участков созданы по материалам дешифрирования космических снимков
LandSat. Основным методом интерпретации космических снимков служило классифицирование спектрального изображения в программной среде ERDAS Imagine с последующей векторизацией в ArcGIS. Инструментальным средствам для создания цифровых моделей рельефа являлся специальный модуль TOPOGRID, дающий возможность представлять рельеф в
виде триангуляционной модели (TIN) и сеточной модели (GRID). Отработка использования
дистанционной информации для оценки запасов Сорг проведена на ключевых участках таежной зоны Западной Сибири: Северо-Сосьвинской возвышенности, Кондинской и Приобской низменных равнин. Ключевые участки были выбраны на основании сопряженного анализа региональных структур, объективно отражающихся на космических снимках и фиксируемых на ландшафтно-типологических картах. Индивидуальные геоморфологические единицы выделены на космических снимках, как обособленные по закономерной композиции
структурных элементов и по отчетливо дешифрирующихся природных и антропогенных
факторах дифференциации почвенного покрова. Согласно современным оценкам в пределах
лесоболотной зоны Западной Сибири наиболее высокие запасы органического углерода (до
800 т/га) характерны для почв болотных экосистем средней тайги. Широкое распространение
болотных массивов, занимающих в ландшафтах средней тайги до 34% площади, обусловлено
особенностями геокриологических условий территории (табл. 2).
Таблица 2. Площади болотных экосистем бореальной зоны Западной Сибири
Биоклиматические
подзоны
северная тайга
средняя тайга
южная тайга
Площадь
млн.га
Площади, занятые болотами
млн. га
% от площади
подзоны
17.8
30.6
19.5
34
14.1
32
58.2
56.5
42.8
Согласно данным картографической оценки запасов органического углерода территории
Ханты-Мансийского АО, пул углерода, ассоциированный с почвенным органическим веществом, составляет 70.4% (Атлас ХМАО, 2004). Высоким и сверхвысоким уровнем запасов
углерода характеризуются болотные экосистемы, торфяные и торфяно-болотные почвы которых содержат 39% почвенного углерода региона. Почвы гидроморфного ряда – торфяноподзолы и аллювиально-болотные составляют группу почв со средним уровнем запасов. Зональные автоморфные глееподзолистые и подзолистые почвы, занимающие 8 и 12% территории, входят в группу с очень низким и низким уровнем запасов углерода – 0.3 и 8%.
Наиболее высокими запасами углерода характеризуется ключевой участок Приобской низменности, в почвенном покрове которой широко представлены торфяные и торфянистые
почвы, как правило, сформированные в условиях криогенеза (рис. 5).
Общий запас углерода в почвах ключевого участка – 751.2 т С на выдел. Почвы верховых торфяников занимают 53% от общей площади. Их вклад в бюджет углерода составляет
более 82%. Торфяные и торфянистые почвы низинных болот формируют 11% от общего запаса С орг. Вклад остальных почвенных типов около 3%. На ключевом участке Кондинской
11
низменности зональные подзолы иллювиально-железистые занимают 17% площади, но так
как характеризуются низкой продуктивностью, то формируют около 1% запаса углерода
(рис. 6).
Рис. 5. Почвенная карта ключевого участка Приобской низменной равнины,
созданная на основе дешифрирования космического снимка.
Рис. 6. Почвенная карта ключевого участка Кондинской низменной равнины,
созданная на основе дешифрирования космического снимка.
Рис. 7. Почвенная карта ключевого участка Северо-Сосьвинской возвышенности,
созданная на основе дешифрирования космического снимка.
12
Общий запас углерода составляет 395.4 т С на выдел из которых 72% формируют
торфяные и торфяно-болотные почвы, занимающие 38% площади. Значительно ниже запасы
углерода в почвах ключевого участка Северо-Сосьвинской возвышенности (163.3 т С на выдел), так почвы верховых торфяников, с высоким содержанием углерода занимают здесь небольшие площади на болотах вокруг озер, сформированных в криогенных формах рельефа
(рис. 7).
Отработка методологии создания тематических актуальных и прогнозных картографических моделей пространственной организации и динамики экосистем на основе современных методов дешифрирования космической информации на эталонных территориях и в целом на территории Северной Азии (ЦСБС, ИВТ).
В течение 2009 года создана открытая коллективная экспертно-аналитическая ГИС
«Пространственно-временная организация экосистем северной Азии» на базе локальной
версии ArcView 9.0. Основу ГИС составил ряд электронных карт на ключевые регионы
Северной Азии, среди которых наиболее важными выступили:
1. Созданные электронные версии существующих на бумажных носителях карт
растительности ключевых территорий Северной Азии: «Карта растительности
Якутии» и азиатская часть «Карты «Растительность СССР» (совместно с
ИПА СО РАН).
2. Интегрированная карта «Растительности бореальной зоны Западно-Сибирской
равнины» (1:7500000), разработанная на основе собственных данных и серии
опубликованных мелкомасштабных и среднемасштабных карт, а также и с
использованием космических снимков MODIS/Terra. Карта создана в качестве
основы для последующего моделирования первичной продукции экосистем
бореальной зоны и оценки запасов углерода.
3. Серия существующих электронных векторных и растровых карт растительности,
созданных институтами-участниками проекта и другими организациями: карты
растительности Иркутской области и Республики Бурятия (ИГ СО РАН), карта
растительности Северной Евразии (ИКИ РАН).
4. Синтезированный и трансформированный космический снимок MODIS с
разрешением 250 м на всю территорию бореальной зоны Северной Евразии.
5. Электронная растровая модель рельефа (разрешение 90 м) на всю территорию
бореальной зоны.
6. Серия географических карт с информационными слоями речной сети, водоемов,
административных подразделений.
Все созданные и собранные слои эколого-ботанической и географической информации
подготовлены в качестве основы для моделирования пространственно-временных
закономерностей первичной продукции экосистем и запасов углерода бореальной зоны,
предполагаемого на следующем этапе выполнения проекта.
Разработан
классификатор
легенды
мелкомасштабной
(1:7500000)
карты
растительности, базовой для предполагаемых исследований по моделированию баланса
углерода и динамики экосистем бореальной зоны. В основу методологии классификатора
положены принципы В.Б. Сочавы (1978) о размерности растительного покрова и иерархии
эколого-географических факторов, обусловливающих разнообразие и пространственную
структуру растительности на планетарном и региональном уровнях (зональность,
океаничность-континентальность климата, рельеф). Также для создания легенды
использованы подходы, реализованные для Карты растительности Европы.
1. Структурно-физиономические и экологические признаки растительного покрова.
2. Разделение растительности на 2 категории: зональные и незональные типы.
3. Биогеографические
принципы
(отражение
зональных,
подзональных,
географических секторных и биоклиматических закономерностей).
13
Видовой состав доминирующего (верхнего) яруса.
Флористический критерий. Характерные виды и комбинации, флористическая
дифференциация, отражающая эколого-географические различия подразделений
растительности.
6. Специфические комбинации растительных сообществ.
На высших уровнях иерархии легенда отражает наиболее существенные
закономерности общие для бореального биома в целом. Всего выделено 5 уровней иерархии.
На первом уровне иерархии легенды представлены наиболее крупные типы
растительности определенные по признакам структуры, физиономии, экологии, а также по
признаку зональности и незональности. Всего выделено 10 ведущих категорий,
объединенных в два раздела.
Зональная и экстразональная растительность
I. Бореальные и оро-бореальные хвойные и смешенные хвойно-мелколиственные леса.
II. Альпийская и субнивальная растительность в пределах бореальной зоны.
III. Гипактические редколесья, кустарниковые и кустарничковые сообщества.
IV. Субальпийские стланики, кустарниковые и высокотравные сообщества в пределах
бореальной зоны.
VI. Лесостепи в пределах бореальной зоны.
VII. Степи в пределах бореальной зоны.
Азональная растительность в пределах бореальной зоны
VIII. Болота.
IX. Заболоченные леса.
X. Растительность пойм.
На втором уровне иерархии отражены главные физиономические признаки
подразделений растительности
I. Бореальные и оро-бореальные хвойные и смешенные хвойно-мелколиственные леса.
I.I. Бореальные темнохвойные и темнохвойно-светлохвойные смешенные леса.
I.II. Бореальные светлохвойные леса.
I.III. Бореальные мелколиственные леса.
На третьем уровне иерархии отражены крупные географические секторные
подразделения, обусловленные фактором орографии и океаничности-континентальности
климата.
I.I.1. Уральско-Западно-Средне-Сибирские темнохвойные леса (Picea obovata, Pinus
sibirica, Abies sibirica), частично с Betula pubescens, B. pendula, Pinus sylvestris и Larix sibirica.
I.I.2. Восточноазиатские суб-океанические оро-бореальные темнохвойные леса (Picea
jezoensis, Abies nephrolepis).
На четвертом уровне иерархии отражены подзональные особенности лесной
растительности, распространенной на равнинах и низких плато.
I.I.1. Уральско-Западно-Средне-Сибирские темнохвойные леса (Picea obovata, Pinus
sibirica, Abies sibirica), частично с Betula pubescens, B. pendula, Pinus sylvestris и Larix sibirica.
I.I.2.1. Северо-таежный подзональный тип.
I.I.2.2. Средне-таежный подзональный тип.
I.I.2.3. Южно-таежный подзональный тип.
На пятом уровне иерархии легенды отражены базовые единицы региональной
размерности, представляющие доминирующие эколого-географические типы растительности
или характерные сочетания нескольких экологически различных типов.
На этапе 2009 года для одного их ключевых регионов подготовлена интегрированная
карта «Растительность бореальной зоны Западно-Сибирской равнины» (1:7500000).
Фрагмент электронной карты представлен на рис. 8. Подготовленная мелкомасштабная карта
передана в ИПА СО РАН для создания сопряженного слоя карты почвенного покрова на
даннуютерриторию. При разработки карты «Растительности бореальной зоны ЗападноСибирской равнины» использованы два базовых иерархических уровня легенды:
4.
5.
14
подзональные особенности лесной растительности, распространенной на равнинах и низких
плато и единицы региональной размерности, представляющие доминирующие экологогеографические типы растительности или характерные сочетания нескольких экологически
различных типов. Полная легенда включает 28 подразделений, объединенных в 5 категорий:
1. Гипактические (cубарктические) редколесья, кустарниковые и кустарничковые
сообщества.
1.1. Лиственничные и елово-лиственничные редколесья.
1.2. Ерниковые и ивняково-ерниковые и ерниково-ольховниковые кустарничковолишайниково-моховые тундры в сочетании с лиственничными редколесьями и
плоскобугристыми болотами.
2. Северо-таежный подзональный тип.
2.1. Лиственнично-еловые и еловые зеленомошно-лишайниковые и зеленомошные
редкостойные леса в сочетании с ерниково-сфагново-лишайниковыми
плоскобугристыми болотами.
2.2. Лиственнично-елово-кедровыелишайниково-зеленомошно-кустарничковые и
зеленомошно-кустарничковые леса в сочетании с кедрово-березовыми
вторичными лесами.
2.3. Сосновые с кедром и лиственницей лишайниковые и лишайниковокустарничково-сфагновые леса в сочетании с выпуклыми кустарничковосфагновыми и сосново-кустарничково-сфагновыми олиготрофными болотами.
2.4. Лиственничные
и
елово-лиственничные
кустарничково-лишайниководолгомошные, кустарничково-сфагновые редкостойные леса в сочетании с
плоско- и крупнобугристыми болотами.
2.5. Лиственничные и елово-лиственничные, местами с кедром и березой
лишайниково-мохово-кустарничковые и зеленомошные редкостойные леса.
2.6. Лиственнично-сосновые лишайниково-зеленомошно-кустарничковые леса в
сочетании с сосновыми лишайниковыми лесами и кустарничково-моховолишайниковыми крупнобугристыми болотами.
2.7. Кустарничково-мохово-лишайниковые, травяно-сфагновые, осоково-гипновые
и осоково-пушицево-сфагновые плоскобугристые комплексные болота.
2.8. Лишайниково-сфагновые плосковыпуклые олиготрофные болотно-озерные
комплексы.
2.9. Лугово-болотно-соровая растительность поймы нижнего течения р. Оби.
2.10. Кустарниково-лесная растительность долин притоков р. Оби.
3. Средне-таежный подзональный тип.
3.1. Елово-кедровые и темнохвойно-березовые с лиственницей и сосной
кустарничково-зеленомошные леса, местами в сочетании с кустарничковосфагновыми олиготрофными болотами.
3.2. Елово-кедровые с пихтой и темнохвойно-березовые мелкотравно-брусничнозеленомошные леса.
3.3. Елово-кедровые долгомошные и кустарничково-сфагновые леса в сочетании с
кустарничково-сфагновыми олиготрофными болотами.
3.4. Сосновые
бруснично-зеленомошные,
бруснично-лишайниковые
и
багульниково-бруснично-зеленомошные леса местами в сочетании с сосновокустарничково-сфагновыми олиготрофными болотами.
3.5. Сосновые и березово-сосновые долгомошно-сфагновые и кустарничковосфагновые леса в сочетании с кустарничково-сфагновыми олиготрофными
болотами.
3.6. Сфагновые сосново-кустарничковые олиготрофные выпуклые болота
(Багульниково-кассандрово-сфагновые с сосной и кедром на грядах, с
сфагновыми мочажинами, с периферийным рядом сосново-сфагновых мезо15
4.
5.
евтрофных ассоциаций и сосново-кустарничково-сфагновые олиготрофные
болота).
3.7. Лесо-кустарниково-сорово-луговая растительность поймы нижнего течения
р. Оби.
Южно-таежный подзональный тип.
4.8. Елово-пихтовые, пихтово-еловые и пихтово-елово-кедровые зеленомошномелкотравные и мелкотравно-осочковые с элементами широкотравья леса
местами в сочетании с кедровыми с пихтой и елью травяно-сфагновыми
заболоченными лесами.
4.9. Пихтово-еловые с участием березы и осины, местами с липой зеленомошнотравяные леса с участием неморальных видов в сочетании с влажными
широкотравными лесами.
4.10. Сосновые, местами с липой, травяно-кустарничковые с разреженным моховым
покровом леса местами в сочетании с березовыми, сосново-березовыми
осоково-сфагновыми и вейниково-осоковыми болотами.
4.11. Березовые с елью, сосной, кедром вейниково-хвощевые осоково-сфагновые
леса в сочетании с осоково-сфагновыми залесенными болотами.
4.12. Лесо-кустарниково-луговая растительность пойм среднего течения р. Оби.
Подтаежный подзональный тип.
5.1. Березовые и осиновые вейниковые и вейниково-разнотравные леса в сочетании
с лесными суходольными лугами: ежовыми, мятликовыми, овсянницевыми,
местами в сочетании с осоковыми и тростниково-осоковыми болотами.
5.2. Сосновые вейниковые и травяно-кустарничковые леса в сочетании с
сосновыми лишайниковыми лесами.
5.3. Осоково-гипновые и травяные евтрофные болота.
5.4. Лесо-кустарниково-луговая растительность пойм Оби.
Рис. 8. Фрагмент карты «Растительность бореальной зоны Западно-Сибирской равнины» (1:7500000).
Разработан оригинальный алгоритм процесса моделирования пространственновременной организации растительного покрова. Алгоритм включает серию этапов от
обработки полевых данных до синтеза представлений о разнообразии, экологии и структуре
растительности в финальной картографической модели. Каждый этап исследования
16
сопровождается количественной обработкой данных и построением вспомогательных
моделей (ординационные модели геоботанических описаний, ценофлор, крупномасштабные
модели организации растительности на ключевых полигонах, модели «растительностьклимат», «растительность-рельеф»), а также широким использованием данных
дистанционного зондирования и ГИС-технологий. Это позволяет не только создать серию
эколого-фитоценотических моделей, но и протестировать достоверность полученных
результатов. Схематически примененный алгоритм исследований представлен на рис. 9.
Полевой сбор геоботанических
описаний
Первичные данные полевых
исследований
Векторная геореляционная
модель рельефа (1:200000)
Формализация описаний и
введение в базу данных
3DКAnalyst
База данных
геоботанических описаний
Триангуляционная модель
(TIN) рельефа
База данных
синтаксономических единиц
ArcGIS, геостатистические (кригинг) методы
Непрямой градиентный
анализ (ординация)
синтаксономических единиц
с использованием Decorana
GRID-модель рельефа
Космический снимок (Landsat 7)
Классификация признаков
лесного покроа с использованием
ERDAS Imagine
Методы модуля
Spatial Analyst, ArcGis
GRID-модель
экспозиций склонов
GRID-модель
абсолютных высот
Растровый слой “лесной покров”
Ординационная модель
синтаксонов лесной
растительности
Выявление ведущих экологотопографическихфакторо в абсолютной высоты и экспозиции склонов методом корреляционного анализа,определение комбинаций типов
сообществ,совместно расположенных в определенных
диапазонах значений осей.
Таблица распределения комбинаций
типов лесной растительности в
диапазонах значений двух факторов абсолютной высоты и экспозиции
склонов
Вычисление нового GRID-слоя («лесной покров») с использованием
функции «Растр-калькулятора» в Spatial Analyst , ArcGis
Картографическая модель пространственных единиц лесного покрова,
созданная в результате преобразования ординационной модели лесного
покрова с использование двух слоев характеристик рельефа и слоя
дешифрирования данных дистанционного зондирования
Рис. 9. Схема алгоритма моделирования пространственной организации растительного покрова.
17
Рис. 10. Климатическая модель июльских температур на территорию Северной Азии.
Рис. 11. Климатическая модель индекса континетальности Конрада.
На основе цифровой модели рельефа, базы метеорологических данных и технологий
прикладного пакета ArcGIS создана серия картографических моделей климатических
условий на территорию Северной Азии. В исследование включены 28 климатических
параметров (среднемесячные и среднегодовые показатели осадков, температуры, индекс
континентальности Конрада, разница температур самого теплого и холодного месяцев).
Примеры результирующих климатических моделей представлены на рис. 10 и 11.
Предполагается, что полученные результаты выступят основой моделирования
биоклиматических закономерностей организации растительного покрова и климатической
обусловленности первичной продукции экосистем и запасов углерода.
Создание открытой коллективной экспертно-аналитической ГИС «Пространственновременная организация экосистем северной Азии» (ЦСБС, ИВТ).
На базе системы хранения данных Института вычислительных технологий СО РАН
объемом более 70 Тбайт создан каталог ННЦ СО РАН, который регулярно пополняется оперативными данными SPOT 2/4 (по прямому каналу из Зап-СибРЦПОД) и включает архивные
данные со спутников серии LandSat на территорию РФ за 1982-2002 гг. Кроме того, организовано взаимодействие с каталогом спутниковых данных Межинститутского спутникового
центра коллективного пользования ДВО РАН (http://www.satellite.dvo.ru).
Структура каталога и интерфейсные компоненты разработаны с учетом рекомендаций
OGC (Open Geospatial Consortium) (рис. 12). Каталог работает под управлением операционной системы семейства UNIX. В его основе лежит набор стандартных и специализированных
программных продуктов с открытым исходным кодом, распространяемых по лицензии GPL.
18
Доступ к нему осуществляется посредством стандартного веб-браузера (рис. 13), что
обеспечивает платформенную независимость. Доступ к каталогу реализован посредством
модуля Central Authentication Service (CAS). Он позволяет организовать многоуровневую систему разграничения прав доступа с централизованной базой пользователей на основе
LDAP-каталога Сибирского отделения РАН. Важной составляющей каталога являются картографические сервисы. Подсистема картографических сервисов состоит из двух продуктов,
распространяемых по лицензии GPL (GeoServer и UMN MapServer).
GeoServer предназначен для публикации набора векторных и растровых слоев, а также
для получения WMS/WFS-слоев с удаленных картографических серверов. Приложение взаимодействует непосредственно с СУБД PostgreSQL/PostGIS.
Картографический сервер UMN MapServer содержит все необходимое для разработки
картографических сервисов WMS/WFS. Он позволяет формировать карты, одновременно используя информационные слои как из локальных, так и из удаленных архивов.
В 2009 году на базе Каталога спутниковых данных ННЦ СО РАН (http://gisapp.ict.nsc.ru/catalogue) создан прототип модульной сервис-ориентированной ГИС для сбора,
хранения и обработки спутниковых и наземных данных. Разработанная система обеспечивает централизованный доступ к наборам векторных и растровых данных по протоколам
WMS/WFS (в виде картографических сервисов), поддерживаемым большинством современных настольных веб-ориентированные ГИС. Система позволяет публиковать пространственные данные как с локальных, так и распределенных источников. Для поиска данных по метаданным используется сервер GeoNetwork, обеспечивающий поддержку протокола Z39.50. В
качестве базового инструментария для обработки и анализа данных дистанционного зондирования используются пакеты программ ESRI ENVI 4.5 и GRASS GIS с модулями расширения, созданными в ИВТ СО РАН. В настоящее время пользователями системы являются сотрудники более 20 институтов и организаций СО РАН.
На базе свободно распространяемого программного обеспечения WordPress создан
ГИС-портал СО РАН (http://gis.sbras.ru). Он содержит информацию о геоинформационных
ресурсах, программах и проектах Сибирского отделения РАН. В настоящее время происходит информационное наполнение портала. На портале имеется форум, созданный на основе
ПО vBulletin. В ИВТ СО РАН создан геоинформационный сервер (http://gis.ict.nsc.ru), являющийся точкой доступа к различным информационным ресурсам.
Рис. 12. Структурная схема сервис-ориентированной ГИС ННЦ СО РАН
для сбора, хранения и обработки спутниковых и наземных данных.
19
Рис. 13. Главная страница каталога спутниковых данных ННЦ СО РАН.
Для поддержки междисциплинарного интеграционного проекта № 50 в ИВТ СО РАН
запущены в эксплуатацию несколько информационных ресурсов:
 опубликованы карта растительности Западной Сибири и ландшафтная карта Иркутской
области (рис. 14), созданные в Институте географии им. В.Б. Сочавы СО РАН;
 созданы (совместно с ИПА СО РАН и ЦСБС СО РАН) и опубликованы карта почв бореальной зоны Западно-Сибирской равнины (рис. 15) и карта растительности бореальной зоны Западно-Сибирской равнины, содержащая 28 типов растительности
(М 1:7 500 000) (рис. 16);
 создана и опубликована База данных по содержанию углерода в почвах Сибири (совместно с ИПА СО РАН) (рис. 17);
 создано хранилище ресурсов на основе технологий Dspace.
 создана электронная библиотека по тематике проекта (рис. 18), предназначенная для
описания публикаций, документов, карт и других медиа-данных.
Завешается работа над созданием тематической карты «Содержание углерода в почвах
Западно-Сибирской равнины» (М 1:7500000).
20
Рис. 14. Электронная карта растительности Иркутской области.
Рис. 15. Карта почв бореальной зоны Западно-Сибирской равнины (М 1:7 500 000).
Рис. 16. Карта растительности бореальной зоны
21
Западно-Сибирской равнины, содержащая 28 типов растительности (М 1:7 500 000).
Рис. 17. База данных по содержанию углерода в почвах Сибири.
Рис. 18. Библиографическая база данных по тематике
Междисциплинарного интеграционного проекта № 50.
Обобщение данных по площадям основных типов лесных экосистем Средней Сибири
(ИЛ).
Темнохвойные леса южной тайги. Исследования проведены на территории Большемуртинского лесхоза Красноярского края (57о с.ш., 93о в.д.) Кеть-Чулымского лесорастительного
округа. Растительность лесхоза отражает свойственную темнохвойным лесам южной тайги
мозаику экосистем ненарушенных, естественно развивающихся, и трансформированных хо22
зяйственной деятельностью и природными процессами (пожары и гибель от энтомовредителей), находящихся на различных стадиях разных типов сукцессий. Пробные площади закладывались в лесных экосистемах, характеризующих два варианта восстановления коренных
темнохвойных лесов. Три из них характеризуют коренные пихтовые насаждения: пихтач
разнотравно-осочковый в возрасте 170 лет представляет собой пример тех разновозрастных
древостоев, которые были вырублены или уничтожены шелкопрядом, пихтачи зеленомошные (возраст 50 и 90 лет) формируются после 30-летних рубок с сохранением темнохвойного подроста. Остальные три пробные площади характеризуют производные березняки: в 60и 65-летних березняках осочково-разнотравных второй ярус только намечается или начал
формироваться лишь в последние 20 лет. В 100-летнем березняке осочково-зеленомошном в
первый ярус вместе с березой вышел кедр, а пихта и ель сформировали второй ярус. Различия между одновозрастными (60 и 65 лет) березняками являются следствием разного исходного состояния местообитаний после лесохозяйственных работ. Ниже они рассматриваются
как варианты одновозрастных производных березняков на территории исследования. В
структуре почвенного покрова пробных площадей фоновыми служат темно-серые почвы со
вторым гумусовым горизонтом.
В качестве параметров круговорота углерода анализируется (1) запас элементов в фитомассе и органическом веществе почвы и (2) основные обменные потоки: ассимиляция углерода в чистой первичной продукции, возврат на поверхность и в толщу почвы с отмирающими органами растений, высвобождение при разложении фитодетрита, минерализационный возврат в атмосферу, синтез гумусовых веществ.
Восстановление коренных темнохвойных лесов через березняки сопровождается формированием в них меньшего пула углерода по сравнению с коренными насаждениями, восстанавливающимися без смены породного состава (табл. 3). Основным депо углерода служит
органическое вещество (ОВ) почвы.
На долю фитомассы в березняках приходится 32-41%, в пихтарниках – 15-26% пула углерода.
Пул углерода в органическом веществе почвы (СОРГ) изучаемых экосистем изменяется
от 139.7 до 292.7 т га-1. Основным его компонентом (55-75% пула) является гумус. Более
половины (60-80%) запаса Сгумус сосредоточено в слое 0-50 см. Доля стабильной фракции в
гумусово-аккумулятивном горизонте почв составляет 62-65% запаса СГУМУС и увеличивается
в нижележащих горизонтах до 72-79%.
Масса фитодетрита варьирует в зависимости от породного состава и возраста древостоев. В березняках она в 2 раза меньше, чем в пихтарниках. По соотношению компонентов
фитодетрит чистых березняков (50-60- летних) отличается от пихтарников большим участием ежегодно отмирающего материала (опад + отпад) и корневого детрита и меньшим - подстилки. В перестойном березняке с развитым вторым ярусом из хвойных долевое участие
свежеотмирающих фракций и корневого детрита снижается, а подстилки нарастает, соотношение компонентов приближается к свойственному коренным пихтарникам. Средние запасы углерода в подстилках березняков и пихтарников практически не отличаются, а аккумуляция в грубых древесных остатках (валеж, пни) в пихтарниках в 2-3 раза выше, главным образом, из-за неполной очистки участков после рубки с сохранением темнохвойного подроста.
Аккумуляция углерода в ОВ чистой первичной продукции практически не зависит от
типа формирования коренных насаждений, их состава и возраста (табл. 4). В производных
березняках она изменяется от 475-631 г С/(м2 год) в 60- и 65-летнем возрасте до
467 г С/(м2 год) в 100-летнем. В пихтарниках - составляет 405-439 г С/(м2 год). Основной
вклад в NPP принадлежит древостою. По мере формирования яруса хвойных под пологом
березы увеличивается его вклад в величину NPP с 8 до 39%. В перестойном пихтарнике второй ярус 100-летней пихты в равных долях со 170-летним участвует в формировании NPP.
23
Таблица 3. Пул углерода в органическом веществе, т С га-1
Производные березняки, возраст, лет
60
65
100
Компоненты ОВ
Фитомасса, всего
в т.ч.: надземная часть
Пихтачи,
возраст, лет
50
90
Коренной
тип леса
170
75.7
109.7
129.0
48.9
70.3
111.5
58.0
55.7
83.9
82.1
103.8
100.8
38.6
36,6
56.6
54.4
85.8
83.0
подрост+подлесок
1.9
1.6
2.5
1.6
1.7
1.8
мхи
0.1
0.03
0.2
0.3
0.2
0.6
0.3
0.2
0.3
0.1
0.2
0.3
17.7
25.80
25.3
10.3
13.7
25.8
16.9
24.0
24.6
9.4
12.7
24.4
0.3
0.3
0.2
0.5
0.4
0.3
0.5
38.4
1.5
39.1
0.5
67.2
0.4
79.5
0.6
94.4
1.0
112.5
22.3
2.7
10.5
0.8
1.3
0.3
6.7
16.1
1.0
1.9
2.1
11.1
101.3
28.3
73.1
215.5
19.8
3.3
2.7
1.3
4.5
1.7
6.3
19.3
1.5
3.4
0.6
13.8
117.2
29.5
87.7
266.0
42.9
3.3
15.0
5.1
4.8
0.7
14.0
24.3
0.8
6.9
1.4
15.2
177.6
55.1
122.5
373.8
50.9
2.0
27.5
7.7
1.5
1.3
10.9
28.6
0.5
8.1
0.6
19.4
192.7
54.2
138.5
321.1
69.4
2.3
42.1
13.1
2.0
1.5
8.4
25.0
0.8
12.5
0.4
11.3
115.9
33.1
82.8
280.6
76.3
3.7
32.2
14.8
13.7
3.0
8.9
36.2
0.9
17.1
1.1
17.1
180.2
51.5
128.7
404.2
в том числе: древостой
ТКЯ*
Биомасса подземная часть
в том числе: древостой
подрост+подлесок
ТКЯ
Фитодетрит, всего
на поверхности почвы, всего
в том числе: опад + отпад
валеж
пни
сухостой
тонкомерные древесные остатки
подстилка
в почве, всего
в том числе: опад корней
мертвые корни
фрагменты древесины
прочая мортмасса
Гумус почвы (0-100 см)
в том числе: подвижный
стабильный
Суммарный запас углерода
* травяно-кустарничковый ярус
Таблица 4. Интенсивность аккумуляции углерода в чистой первичной продукции, г С/(м2 год)
Компоненты фитомассы
Березняки, возраст (лет)
Пихтарники, возраст (лет)
60
65
100
50
90
170
Древостой
395
517
394
375
370
293
Подрост
10
9
8
13
9
2
Подлесок
6
1
1
6
3
3
Напочвенный покров
64
104
64
41
57
107
в т.ч.: ТКЯ
59
103
55
32
51
85
Мхи
5
1
9
9
6
22
475
631
467
435
439
405
Всего
За счет отмирания органов растений и стволового отпада на поверхность и в толщу
почвы в березняках поступает от 364 до 477 г С/(м2 год), в пихтарниках 50- и 90-летних - 254
и 311 г С м2, в 170-летнем контрольном варианте – 465 г С/(м2 год), что составляет 80-90% в
березняках и 60-80% в пихтарниках от затрат САТМ на NPP. Основная часть отмирающего ма24
териала формируется за счет надземной части фитомассы, главным образом, древесного яруса. На отмирание корневых систем древесного яруса в березняках приходится 53-72 г С/ (м2
год), в пихтарника – 33-54 гС/(м2 год). Участие тонких корней в массе опада древесных корней изменяется от 7 до 33 %.
Скорость разложения фитодетрита зависит от состава его компонентов (табл. 5-6). Разный состав опада и верхнего (OL, O1) слоя подстилок березняка и пихтарника в возрасте 50
и 60 лет обусловливает неодинаковую скорость разложения подстилки под их пологом
(табл. 5). Значительно более медленное разложение в березняке связано с быстрой трансформацией листовых пластинок березы (k = 0.90 год-1), относительным накоплением (до
70%) в слое OL черешков листьев, веточек, коры, тормозящих разложение.
Таблица 5. Константа разложения подстилки и корневого детрита (k, год-1)
Растительный материал
Подстилка
Корневой детрит
60 лет
0.159 ± 0.011
0.100 ± 0.006
Подстилка
Корневой детрит
50 лет
0.265 ± 0.013
0.061 ± 0.015
k,год-1
Березняки
65 лет
0.183 ± 0.026
0.100 ± 0.006
Пихтарники
90 лет
0.161 ± 0.018
не определяли
100 лет
0.121 ± 0.040
0.093 ± 0.004
170 лет
0.123 ± 0.011
0.073 ± 0.012
Таблица 6. Разложение древесины на поверхности почвы (k, год-1)
Растительный
материал
Валеж: хвойный
лиственный
Пни хвойных
лиственных
Березняки, возраст (лет)
60
65
100
0.0077
0.0076
0.0077
0.0218
0.0201
0.0218
0.0058
0.0053
0.0058
0.0218
0.0201
0.0218
Пихтарники, возраст (лет)
50
90
170
0.0092
Не опр.
0.0261
0.0056
0.0040
0.0069
Не опр.
0.0261
0.0038
0.0038
Неоднородность состава корневого детрита также сказывается на скорости его разложения. Древесные корни текущего опада разлагаются с константой 0.12-0.15 год-1, корни
опада прошлых лет – с k 0.093 год-1, а преобладающая в почве фракция прочего корневого
детрита размером от 0.5 до 10 мм - с k 0.088-0.099 и 0.037-0.050 год-1, соответственно в березняках и пихтарниках. Древесина лиственных пород по сравнению с хвойными разлагается
в 3-4 раза быстрее. Период её полураспада составляет 26-32 года, для хвойных он увеличивается до 90-124 лет.
Разный качественный состав разлагающегося фитодетрита подтверждается удельной
скоростью его разложения, различающийся между березняками и пихтарниками в 1.7-2.5 раза. Для березняков в возрасте 60, 65 и 100 лет она равна, соответственно, 100, 102 и 70 мг С
на 1г СФИТОДЕТРИТА в год , в пихтарниках 50-, 90- и 170-летнем – 63, 41 и 38 мг С на 1г
СФИТОДЕТРИТА в год.
Несмотря на двукратную разницу (в среднем по экосистемам) массы фитодетрита в березняках и пихтарниках, неодинаковая скорость разложения его компонентов обусловливает
практически одинаковую интенсивность высвобождения углерода в процессах деструкции
(табл. 7). В 60- и 65-летнем березняках около 40% высвобождающегося углерода («потери»
С при разложении, CD) обусловлено разложением свежеотмирающего материала. Такое же
количество приходится на долю корневого детрита, хотя его масса в 4 раза выше таковой
опада и отпада. Роль подстилки в этих березняках менее заметна по сравнению с опадом и
корневым детритом: в первом случае из-за значительно более низкой скорости разложения,
во втором – из-за в 2.2 раза меньших запасов. Внедрение хвойных видов, их выход во второй
ярус в 100-летнем березняке изменяет соотношение опада и подстилки по участию в «выходе» углерода при деструкции в пользу последней. Оно сохраняется в средневозрастном и
спелом пихтарниках. Несмотря на близкие запасы подстилки в спелом и перестойном 17025
летнем пихтарниках, скорость её разложения в последнем значительно ниже, соответственно
ниже участие в формировании «потери» СФИТОДЕТРИТА при разложении. Первые позиции переходят к корневому детриту. Минимальный вклад в величину CD во всех экосистемах вносят грубые древесные остатки.
Таблица 7. Интенсивность потоков углерода при разложении ОВ
в экосистемах березняков и пихтарников, г С/(м2 · год)
Процессы
1
2
3
4
5
6
7
8
9
Возраст, лет
Высвобождается при разложении, всего
в том числе: на поверхности почвы
в том числе: опад + отпад
подстилка
грубые древесные остатки
в толще почвы, всего
в том числе: корневой детрит
опад живых корней
Вымывание СН2О из подстилки
Новообразование гумуса
Аккумуляция нового гумуса в почве
Минерализация нового гумуса
Минерализация фитодетрита
Минерализация гумуса почвы
Суммарный минерализационный поток
Сгумуса , «сработка» или накопление
60
383
239
127
101
11
144
130
14
11
49
22
27
333
29
379
-7
Березняки
65
439
251
125
103
23
188
166
22
14
57
26
31
382
31
432
-5
100
471
257
63
172
21
214
202
12
10
62
43
19
410
68
464
-25
Пихтарники
50
90
170
500
387
429
349
218
185
46
61
62
258
121
82
45
36
41
151
170
244
144
159
231
7
11
13
13
16
11
83
64
74
66
51
60
17
13
14
417
323
357
58
43
64
446
382
390
8
8
-4
При разложении подстилки и опада в березняках от 4 до 6% его высвобождения приходится на водорастворимые С-содержащие соединения. В пихтарниках доля CH2O в продуктах
разложения опада и подстилки выше – 5-8.7%. По пути гумификации в березняках уходит
13% углерода, освободившегося при разложении, в пихтарниках – 16.6%. Синтез гумуса по
отношению к массе С в гумусе слоя 0-20 см почвы под пологом березняков составляет 0.91.5%, в пихтарниках – 1.1-1.5%.
Поскольку разложение фитодетрита представляет собой единство одновременно протекающих процессов минерализации и гумификации, разница углерода, освободившегося при
разложении и включившегося в новообразование гумусовых веществ, характеризует интенсивность минерализации фитодетрита. На её долю приходится 87 и 83%, соответственно в
березняках и пихтарниках. Часть «молодого» гумуса – 45-47% под березовыми древостоями
и 80% под пихтовыми - аккумулируется в почве, замещая минерализовавшееся подвижное
органическое почвы, обновляя периферическую часть молекулы гумусовых кислот: происходит матричная достройка гумуса продуктами разложения фитодетрита. Оставшийся синтезированный гумус в почве реутилизируется микрофлорой, присоединяясь к минерализационному потоку С в атмосферу. Как показали полевые эксперименты, в слое 0-20 см темносерой суглинистой почвы минерализуется 2.8% массы подвижного гумуса, что составило в
березняках от 0.29 до 0.68 т С га-1 год-1. Ни в одной из экосистем минерализационные «потери» гумуса не компенсируются аккумуляцией нового гумуса (табл. 7). Относительно запаса
СГУМУС в почве этого слоя дисбаланс потоков оценивается в 0.2-0.4%. В 50- и 90-летнем
пихтарниках наблюдается накопление Сгумус в почве, в перестойном – его «сработка» Эти
изменения относительно запаса Сгумус не превышают 0.1%.
Суммарный минерализационный поток складывается из минерализации фитодетрита,
новообразованного гумуса (СNewHUM-СHumAccum) и подвижной части собственно гумусовых
веществ почвы (С-СО2MobHum – СHumAccum). К этому потоку мы относим и углерод водорастворимых продуктов разложения, как наиболее доступных для микробиологической утили26
зации, с ограниченной миграцией в почвенном профиле почвы в связи с тяжелым гранулометрическим составом мелкозема.
Интенсивность минерализационного потока углерода в атмосферу при разложении
СОРГ в березняках и пихтарниках практически одинакова и изменяется, соответственно, в
пределах 378-464 и 382-446 гС/(м2 год). В формировании потока основная роль принадлежит
фитодетриту. Участие СГУМУС почвы в березняках увеличивается к возрасту распада основного древостоя с 8 до 15%. Поскольку часть минерализовавшегося гумуса почвы компенсируется «молодыми» гумусовыми кислотами, его участие в формировании потока ССО2 в атмосферу снижается до 2 и 6%, соответственно в 60-65-летних и 100-летнем березняке. В
пихтарниках, в отличие от березняков, уменьшения гумуса в почве не наблюдается: его минерализация компенсируется новообразованным гумусом (табл. 7). По-видимому, это объясняется, главным образом, разным составом новообразованных гумусовых продуктов и, как
следствие, их способностью аккумулироваться в почве. Для средневозрастного и спелого
пихтарников причиной также может быть исходно меньшая нарушенность верхней почвенной толщи при проведении рубки с сохранением подроста темнохвойных видов. За счет
минерализации новообразованного гумуса в березняках формируется 7 (в 60- и 65-летнем) и
4% (в 100-летнем), в пихтарниках – 3.4-3.8% потока ССО2 в атмосферу.
Анализ соотношения входного (CNPP) и выходного (CCO2) потоков углерода показал,
что экосистемы березняков до 100-летнего возраста служат стоком для CCO2 , удерживая 20 и
32% углерода атмосферы, аккумулированного в продукции. Чистая экосистемная продукция
(NEP) составляет 96 г С/(м2 год) и 199 г С/м2 год), соответственно в 60- и 65-летнем древостоях. В перестойном березняке потоки сбалансированы (рис. 19).
Пихтарники
170 лет
Березняки
NPP
100
Hr
90
50
65
60
0
100
200
300
400
500
600
700
С, г/(м2 год)
Рис. 19. Чистая первичная продукция и гетеротрофный поток.
Среди пихтарников средневозрастное насаждение характеризуется сбалансированностью потоков продуцирования органического вещества и его деструкции. Спелый пихтарник
служит стоком для 13% углерода, изъятого из атмосферы на формирование чистой первичной продукции, а в перестойном - интенсивности процессов продуцирования ОВ и его минерализации близки к равновесному состоянию.
Сосняки средней тайги. Исследования проведены на левобережной части Зотинского
полигона Енисейского меридионального трансекта, характеризующего подзону средней тайги. В растительном покрове преобладают сосняки лишайниковой и зеленомошной групп типов леса. Ниже приводятся результаты изучения основных параметров годичного круговорота углерода в зеленомошных сосняках, где такие исследования ранее не проводились. С
этой целью в бассейне реки Дубчес – (60053`с.ш., 89038`в.д.) заложены пробные площади,
насаждения которых в возрасте (по сосне, как эдификатору) 20, 55, 90 и 250 лет отражают
фитоценотическое разнообразие и возрастную структуру зеленомошной группы типов леса.
Молодое и средневозрастное сосновые насаждения восстанавливаются после сплошной руб27
ки. В пределах изучаемой территории ведется промышленная заготовка леса. Насаждения
периодически испытывают действие пожаров, следы которых в виде ожогов на стволах деревьев, углей и углистой пыли на границе подстилки и минерального слоя почвы обнаруживаются на всех пробных площадях. Почвенный покров в сосняках зеленомошной группы представлен подзолами разной степени оглеения.
После рубки древостои зеленомошных сосняков, как правило, возобновляются через
стадию мелколиственного (березового) молодняка, с формированием впоследствии березовососнового молодого древостоя, каковым и является фитоценоз 20-летнего молодняка с общим запасом углерода 131.6 т/га (табл. 8).
Таблица 8. Запас органического вещества в биомассе,
фитодетрите и гумусе почв зеленомошных сосняков, С, т/га
Возраст сосняков, лет
Показатели
20
55
90
250
131.6
166.5
150.9
200.4
60.8
107.5
102.9
136.7
46.99
104.53
98.2
130.3
подрост
0.55
0.01
0.51
0.21
подлесок
11.19
0.51
0.47
2.39
травяно-кустарничковый ярус
1.65
2.07
2.60
2.59
мохово-лишайниковый ярус
0.42
0.38
1.12
1.18
46.6
43.4
34.6
42.3
26.2
20.5
8.1
18.0
подстилка
8.6
12.5
18.8
18.7
корневой детрит
11.8
10.4
7.7
5.6
24.2
15.6
13.4
21.4
7.1
7.3
6.8
5.9
5.7
3.7
4.4
4.5
Общий запас органического вещества
в т.ч.: Фитомасса, всего
в т.ч.: древостой
Фитодетрит
в т.ч.: грубые древесные остатки
Гумус (слой 0-100 см)
в т.ч. (слой 0-20 см)
в т.ч. Сподв (слой 0-20 см)
При отсутствии пожаров высокой интенсивности формируются высоко сомкнутые
средневозрастные насаждения, примером которого является 55-летний сосняк. Долевое участие фитомассы в общем запасе углерода в молодняке составляет 46%, в средневозрастном –
увеличивается до 65% и практически не изменяется на следующих стадиях развития насаждений в приспевающем и перестойном сосняках. Большая часть (95-97%) углерода фитомассы закреплена древостоем. В напочвенном покрове масса углерода на 70-84% формируется
за счет травяно-кустарничкового, а не мохово-лишайникового яруса (табл. 8).
По запасу фитодетрита насаждения различаются незначительно (табл. 8). Его относительная доля снижается с возрастом, составляя в молодняке 35%, в средневозрастном сосняке 26%, приспевающем и перестойном – 23 и 21%.
Доля крупных древесных остатков (сухостойные деревья, валеж и пни) преобладающих
в составе фитодетрита молодого и средневозрастного насаждений (56 и 47%, соответственно), в приспевающем снижается до 23% и вновь увеличивается в перестойном сосняке до
43%. Анализ биометрических характеристик остатков показал, что почти весь запас крупных древесных остатков в молодняке унаследован от предшествующего вырубленного
насаждения. Диаметры валежника и пней значительно превосходят диаметры современного
древостоя. В структуре запаса средневозрастного насаждения доля крупных древесных
остатков современного древостоя увеличивается до 50%. В приспевающем и перестойном
сосняках участие «унаследованных» крупных древесных остатков незначительна.
28
Наличие «унаследованных» растительных остатков в почве, вошедших в состав корневой мортмассы, является причиной высокого её запаса в молодняке (11.8 т С/ га) и средневозрастном (10.4 т С/га) насаждении. Созревание древостоя сопровождается снижением запаса корневой мортмассы до 7.7 и 5.6 т С/га в приспевающем и перестойном сосняках, соответственно.
Масса подстилки нарастает от 8,6 тС/га в молодняке до 18,8 тС/га в приспевающем
сосняке, не изменяясь на следующих стадиях развития. В молодняке запасы фитодетрита на
поверхности и в толще почвы распределяются практически в равных долях. В средневозрастном и приспевающем сосняках запас фитодетрита на поверхности в 2 раза, а в перестойном – почти в 4 раза выше, чем в почве.
Легкий гранулометрический состав подзолов, крайне низкое содержание высокодисперсных частиц обусловливают низкие запасы гумуса. Участие гумуса метрового слоя почвы
в формировании запаса углерода насаждения не превышает 9-18%. Гумус характеризуется
значительной подвижностью. При последовательной обработке образцов верхнего слоя 020 см почв дистиллированной водой и слабым раствором щелочи в растворимое состояние
переходит 50-80% гумусовых веществ. Запас углерода в стабильном гумусе этого слоя изменяется от 1.4 до 3.6 т С/ га.
Фитодетрит и подвижная часть гумусовых веществ составляют легкоминерализуемую
фракцию органического вещества почвы. Её масса равна 39.0-52.3 т С/га или 73-81% углерода ОВ почвы. Это наиболее динамичный компонент лесной экосистемы, основной источник
формирования минерализационного потока углерода в атмосферу.
Таким образом, пул углерода в сосняках зеленомошной группы типов леса изменяется
в пределах 131.6-200.4 т/га. Его распределение между живым и мертвым органическим веществом нарастает от 0.9 в молодняке до 1.8 в средневозрастном сосняке и почти не изменяется на более поздних этапах развития.
Ассимиляция углерода атмосферы в приросте фитомассы (чистая первичная продукция) сосняков изменяется от 236 до 558 г С/( м2 ∙ год). Максимальный прирост фитомассы отмечен в
молодняке (табл. 9). По мере созревания интенсивность продуцирования снижется до
356 г С/(м2 год) в средневозрастном и до 288 г С/(м2 год) в приспевающем сосняках. Перестойное насаждение характеризуется самым низким показателем прироста фитомассы –
236 г С/(м2 год). Большая часть продукции (63-87%) создается древостоем. В течение года в
подстилку и почву с полностью или частично отмирающими фракциями фитомассы древесного полога и напочвенного покрова поступает от 296 до 318 г С/га или 2-5% запаса С в фитомассе (табл. 10). Свежеопавший растительный материал включается в процессы деструкции. Скорость разложения основных компонентов фитодетрита приведена в табл. 11.
Таблица 9. Ассимиляция углерода в чистой первичной продукции (NPP) сосняков, г С/(м2 год)
Компоненты
Средний возраст древостоев, лет
20
55
90
250
389
311
206
150
Подрост
6
0.1
9
3
Подлесок
124
6
6
27
Травяно-кустарничковый ярус
29
32
45
33
Мохово-лишайниковый ярус
10
7
22
23
Итого по насаждению
558
356
288
236
Древостой
В целом, при разложении опада, отпада и фитодетрита, накопленного за предшествующие этапы развития фитоценоза, в анализируемых сосняках ежегодно высвобождается
от 265 до 293 г С/(м2 год). Основная часть (87-92%) продуктов разложения минерализуется и
в форме углекислого газа возвращается в атмосферу, оставшаяся – вовлекается в гумифика29
цию. Интенсивность минерализационного потока (гетеротрофное дыхание) составляет 5-7%
от массы разлагающихся остатков и мало изменяется с возрастом сосняков. Гетеротрофный
поток С в атмосферу складывается из суммы интенсивности минерализации компонентов
фитотедрита, части вновь синтезированного и подвижного гумуса почв, за вычетом той части нового гумуса, которая в течение года аккумулируется почвой. В сосняках зеленомошных интенсивность гетеротрофного потока мало изменяется с возрастом и составляет 266281 г С/(м2 год).
Таблица 10. Интенсивность потоков углерода, г С/(м2 год)
Процесс
Ассимиляция в чистой первичной продукции (NPP)
Отмирание фитомассы (опад и отпад)
Гетеротрофное дыхание, всего
в т.ч. минерализация опада и подстилки
корневого детрита
отпада текущего и прошлых лет
свежесинтезированного гумуса
подвижного гумуса почвы
Аккумуляция в гумусе почвы
Чистая экосистемная продукция (NEP)
Возраст сосняков, лет
20
55
90
250
557
356
288
235
296
315
318
291
267
282
272
266
119
161
183
209
93
81
61
31
28
22
10
19
13
15
19
7
26
17
17
6
12
14
17
6
290
74
16
-31
Таблица 11. Скорость разложения компонентов фитодетрита (k, год-1)
Компоненты
Сосняк, 20 лет
Сосняк, 250 лет
Древесный опад
0.291
0.154
Подстилка
0.126
0.109
Опад + подстилка
0.147
0.112
Свежий опад корней
0.08
0.08
Прочий корневой детрит
0.084
0.061
Отпад
0.014
0.014
0.014
0.014
валежник
0.013
0.013
пни
0.004
0.004
-
0.012
Крупные древесные остатки:
в т.ч.: ветви
сухостой
Относительное участие опада и подстилки в формировании возвратного потока углерода в атмосферу возрастает с 50% в молодняке до 81% в перестойном сосняке. Доля свежеотмерших тонких корней и корневого детрита уменьшается в этом ряду от 39 до 12%, что является косвенным подтверждением предположения о наличии в почвенной толще остатков
корневой массы, «унаследованных» от предшествующего древостоя. Вклад крупных древесных остатков в молодняке достигает 12%, затем снижается до 8 и 4% в средневозрастном
и приспевающем насаждениях, соответственно, и вновь увеличивается до 7% в перестойном
сосняке. По мере снижения в общей массе фитодетрита участия крупных древесных остатков
удельная скорость его минерализации увеличивается с 52 до 73 мг С/(1 г С год).
В синтезе гумусовых веществ участвует 9-12% массы продуктов, высводившихся в течение года при разложении фитодетрита. Относительно запаса углерода в разлагающейся
органике фитодетрита новообразованные гумусовые вещества составляют от 0.3 до 1.0%.
Изменение удельной скорости гумусообразования носит схожую с минерализацией направленность - нарастает в ряду: молодняк (5.4 мг Cnew humus на 1 г С за год), средневозрастный
(6.7 мг) и приспевающий сосняк (10 мг) затем снижается в перестойном сосняке до 3.1 мг
Cnew humus на 1 г С за год.
30
Часть гумусовых веществ аккумулируется на поверхности почвенных частиц, оставшаяся – минерализуется и поступает в атмосферу. Согласно экспериментальным данным в
почвах сосновых насаждений 48% синтезируемого гумуса закрепляется в почве. В почвах с
ненарушенным профилем (приспевающие и перестойные насаждения) современные процессы почвообразования идут по пути обновления периферической части гумусовых молекул.
Новообразованные гумусовые вещества компенсирует минерализовавшийся подвижный углерод «старого» гумуса. Дополнительного накопления гумуса в почвах 90- и 250-ти летних
сосняков не происходит (табл. 10). В молодняке разница между годовой аккумуляцией молодого и минерализацией подвижного гумуса почвы в слое 0-20 см составляет 14 г С/(м2 год),
или 2% его запаса. В 55-ти летнем сосняке «сработка» запасов гумуса незначительна – 0.4%
запаса.
В целом, в сосняках зеленомошных интенсивность гетеротрофного потока мало изменяется с возрастом и составляет 266 -281 г С/(м2 год).
Анализ соотношения интенсивности процессов «изъятия» углерода атмосферы в процессе фотосинтетической ассимиляции в чистой первичной продукции и его возврата с гетеротрофным потоком показал, что 20-летнее сосновое насаждение является стоком (чистая
экосистемная продукция) для 290 гС/(м2 год), «удерживая» 52% углерода, изъятого из атмосферы при фотосинтезе (рис. 20).
Hr
NPP
250 лет
90
55
20
0
100
200
300
400
500
600
Углерод, г/(м2 год)
Рис. 20. Соотношение чистой первичной продукции и гетеротрофного потоков
в сосняках зеленомошных средней тайги.
В средневозрастном сосняке NEP равна 74 г С/(м2 год), или 21% от затрат углерода на
формирование продукции. Соотношение входного (NPP) и выходного (Rh) потоков углерода
в приспевающем насаждении указывает на их практическую сбалансированность. Перестойный сосняк характеризуется отрицательным балансом потоков: возврат углерода в атмосферу на 13% превышает ассимиляцию в NPP.
Вклад бореальных лесов Сибири (в границах Красноярского края) в динамику углерода
биосферы. Лесопокрытые земли края, объединяющие лесотундру, подзоны северной, средней и южной тайги, лесостепь и горные леса юга края, составляют 117.3 млн.га. Основную
их часть занимают бореальные леса, на леса лесостепи и гор юга приходится лишь 11% лесопокрытой площади. Среди лесообразователей высоких широт более половины площади
занимает лиственница. В южной тайге первые позиции переходят к сосне и березе, в горных
лесах – пихте и кедру. Возрастной состав лесообразователей почти на ¾ представлен спелыми и перестойными насаждениями.
Лесные экосистемы края аккумулируют в органическом веществе фитомассы и почвы
около 20687 млн. т углерода (С). Основным депо углерода служит почва, в ней сосредоточено почти 77% его пула- (рис. 21). В составе органического углерода почвы 18% приходится
на фитодетрит, остальное – на гумусовые вещества, 2/3 которых представляют стабильную
фракцию почвенного гумуса. Плотность основных составляющих пула С – фитомассы, фитодетрита и гумуса в лесных экосистемах составляет, соответственно 41, 24 и 111 т С га-1.
31
22500
20000
17500
15000
12500
10000
7500
5000
2500
0
Гумус
1
Фитодетрит
Фитомасса
Рис. 21. Пул углерода на лесопокрытой площади Красноярского края, млн.т.
Запасы углерода в фитомассе древостоев увеличиваются в направлении от лесотундры
к южной тайге от 21 до 55 т га-1, в лесостепной зоне и горных южных лесах составляют, соответственно 36 и 49 т га-1. Масса углерода гумуса в слое почвы 0-100см увеличивается от
лесотундры к южным бореальным лесам с 87 до 141 т га-1. В лесостепи и горных лесах юга
его плотность составляет, соответственно, 195 и 100 т С га-1 (рис. 22). Запасы и состав фитодетрита зависят от видового и возрастного состава лесообразователей, гидротермических
условий их функционирования, частоты и интенсивности лесных пожаров, интенсивности
лесохозяйственного пользования. В меридиональном направлении плотность фитодетрита,
рассчитанная с учетом покрытых лесом площадей лесотундры, северной, средней и южной
тайги, лесостепи и горных районов юга Сибири изменяется как 31.1; 30.6; 20.2; 30.0; 9.0 и
10.5 т С га-1. В лесах средней тайги при плотности фитомассы, близкой к северотаежным,
плотность фитодетрита ниже на 34%. Это связано с изменением эколого-почвенных условий
и, как следствие, увеличением скорости биотрансформации фитодетрита в 1.5-2 раза по
сравнению с северной тайгой и лесотундрой. Лесные экосистемы лесотундры, северной и
южной тайги, несмотря на близкую плотность фитодетрита, различаются по составу его
компонентов. В лесотундре и северной тайге масса лесной подстилки в результате заторможенной деструкции превышает или приближается к запасу живой фитомассы растительного
блока. В направлении к южнотаежным лесам усложнение состава лесообразователей, повышение продуктивности, активизация процессов биотрансформации растительного детрита
отражаются в двукратном превышении запаса углерода в живом растительном веществе над
мертвым. В южной тайге 40% запаса СФИТОДЕТРИТ сосредоточено в экосистемах с пихтой и
березой в роли эдификаторов. Интенсивная трансформация лесов при рубках и пожарах
приводит к аккумуляции в них медленно разлагающегося органического материала в виде
сухостоя, валежа, корневого детрита: его масса в 4-7 раз превышает массу углерода лесных
подстилок. В лесных экосистемах лесостепи запасы фитодетрита в несколько раз ниже, чем в
таежных, за счет значительного участия насаждений лиственных видов, преобладания разно–
и высокотравных типов леса, снижения доли перестойных древостоев. Горные леса, более
продуктивные, чем лесостепные, близкие по продуктивности к южнотаежным, мало отличаются от лесостепных по плотности фитодетрита. Несмотря на абсолютное преобладание в
составе лесообразователей хвойных видов, пышно развитое, обогащенное азотом, фосфором
и калием высокотравье, отмирая, увеличивает скорость разложения хвойного опада, исполняя в процессах деструкции роль затравочного эффекта.
32
Фитомасса
Фитодетрит
Гумус (0-100см)
200
Углерод, т / га
175
150
125
100
75
50
25
0
Лесотундра
Северная
тайга
Средняя
тайга
Южная
тайга
Лесостепь
Горы юга
Сибири
ВСЕГО
Рис. 22. Плотность углерода в компонентах органического вещества, т С/га.
Интенсивность продуцирования органического вещества фитомассы древесного яруса
и напочвенного покрова на лесопокрытой площади нарастает в широтном направлении от
1.49 до 2.99 т С га-1 год-1, составляя в среднем 2.31 т С га-1 год-1, рис. 23) . Суммарные затраты углерода на создание чистой первичной продукции за счет фотоавтотрофной ассимиляции СО2 атмосферы составляют около 271 млн.т · год-1. Почти 90% (87%) этого потока приходится на лесные экосистемы лесотундры и тайги. Притундровые и северотаежные леса, на
93-84% представленные лиственничниками зеленомошной и лишайниковой группами типов
леса, характеризуются преимущественным (до 60%) участием напочвенного покрова в продуцировании органического вещества растительной биомассы. В лесных экосистемах средней и южной тайги основная роль в продукционных процессах (70-80% углерода NPP) принадлежит древесному ярусу.
древостой
напочв.покров
2,5
2
1,5
1
0,5
0
I
II
III
IV
V
VI
Рис. 23. Чистая первичная продукция, т С/(га год).
I – лесотундра; II – северная тайга; III – средняя тайга;
IV – южная тайга; V – лесостепь; VI – горы юга Сибири.
Возврат в атмосферу углерода, изъятого из нее растениями на формирование NPP,
обеспечивает деструкционное звено углеродного цикла. Оно характеризуется одновременно
протекающими процессами минерализации органического вещества до конечных продуктов
окисления и гумификации, приводящей к синтезу гумусовых веществ. Минерализационный
поток (гетеротрофное дыхание) углерода в атмосферу формируется в почвенном блоке экосистемы при утилизации почвенными беспозвоночными и микроорганизмами подстилки,
корневого детрита, свежеобразованных гумусовых веществ, собственно гумуса почвы и корневых выделений растений. Возможность оценки роли корневых выделений ограничена
33
крайней малочисленностью и сложностью получения информации о количестве их поступления и последующей трансформации. Особенности деструкции фитодетрита в зональном
аспекте обусловлены как разной длительностью периода биологической активности деструкторов, так и разной массой и соотношением компонентов в составе разлагающегося фитодетрита.
Наличие данных о возрастном составе лесообразователей в пределах лесорастительных
округов и провинций, оценок плотности компонентов фитодетрита, скорости их деструкции
позволили рассчитать интенсивность минерализационного потока для лесных экосистем
каждого лесообразующего вида на лесопокрытой площади (рис. 24). При одинаковой плотности фитодетрита интенсивность высвобождения углерода в процессах разложения обусловлена концентрацией азота и минеральных элементов в разлагающемся материале: чем
выше запасы этих элементов, тем выше «выход» углерода с единицы площади в единицу
времени. Удельная скорость разложения контролируется качественным (биохимическим)
составом фитодетрита, показателем которого служат соотношения С- и N-содержащих соединений, органических и минеральных соединений. Чем ýже эти соотношения, тем выше
удельная скорость разложения (выше «выход» С-СО2 из единицы С-содержащего вещества в
единицу времени).
Увеличение скорости разложения фитодетрита в лесных экосистемах средней тайги по
сравнению с экосистемами более высоких широт связано со сменой экологических условий
(увеличение количества тепла, отсутствие вечной мерзлоты, снижение количества осадков,
улучшение дренированности территории). В составе лесообразователей увеличивается до
60% участие видов, сбрасывающих листву, обогащенную азотом, кальцием. В результате активизируются процессы биохимической переработки растительного детрита, увеличивается
удельная скорость разложения. В южной тайге удельная скорость разложения практически
остается на уровне условий средней тайги из-за высокой доли грубого, медленно разлагающегося древесного материала на поверхности и в толще почвы (валеж, корневой детрит). Их
разложение лимитируется особенностями химического состава (высокое содержание целлюлозы, лигнина, таннинов и флавоноидов). Мертвый органический материал лесных экосистем лесостепи, благодаря своему составу и свойствам (преобладание подстилки, в том числе
лиственно-травянистой, среди других компонентов, обогащенность азотом и др.), при минимальных запасах характеризуется максимальной удельной скоростью разложения.
3
Углерод, т/га год
2,5
2
1,5
NPP
Hr
1
0,5
0
Лесотундра
Северная
тайга
Средняя тайга Южная тайга
Лесостепь
Горы юга
Сибири
Рис. 24. Интенсивность чистой первичной продукции и гетеротрофного потока углерода
в атмосферу в лесах Красноярского края, т С/(га год)
Интенсивность минерализационного потока углерода практически на 90% определяется разложением фитодетрита. В течение года на территории края, покрытой лесом, «срабатывается» около 8% массы фитодетрита. Для бореальных лесов эта величина изменяется в
пределах 5-10%. Поступление свежеотмирающего растительного материала с ежегодным
34
опадом и отпадом составляет 3-5% от массы фитодетрита. В лесостепных и горных лесах
масса фитодетрита в течение года уменьшается на 25%, «новое» поступление составляет 1819%. Целый ряд факторов, в том числе высокая вариабельность массы фитодетрита в зависимости от состава и возраста лесообразователей, неодинаковая наполненность базы данных
по массе его компонентов, не позволяет однозначно оценить тренд изменения запаса пула
углерода фитодетрита на лесопокрытой территории края в годичном цикле его трансформации. Экспериментальные исследования в лиственничниках лесотундры и северной тайги показали, в последних отмирающие фракции фитомассы не только компенсируют углерод,
освобождающийся при разложении, но и способствуют накоплению запаса мертвых растительных остатков. В лесотундре наблюдается несбалансированность процессов формирования пула детрита и «сработка» его запасов в экосистемах автоморфных позиций. Сосняки
средней тайги характеризуются уравновешенностью процессов, контролирующих массу фитодетрита. Исследования, проведенные в южнотаёжных производных березняках и коренных пихтарниках, показали, что на современной стадии функционирования они также характеризуются устойчивым запасом углерода в фитодетрите. Активное накопление детрита,
составляющее 10-20% стока углерода, происходит в молодых формирующихся экосистемах
хвойных и лиственных лесообразующих видов.
Из разлагающихся компонентов фитодетрита основной вклад в гетеротрофный поток
углерода вносит подстилка. По мере накопления в составе фитодетрита валежа и корневой
мортмассы в направлении от лесотундры к южной тайге ее участие в формировании потока
снижается с 80 до 50% и увеличивается с изменением состава лесообразователей и гидротермических условий трансформации органического материала до 90% в лесных экосистемах лесостепи и гор юга Сибири. Вклад гумуса почвы в формирование потока С-СО2 в лесах
южной тайги не превышает 13%, в северных лесах – 3-6%.
С учетом площадей суммарный минерализационный выход углерода из лесных экосистем на территории края составляет 236 млн. т С-СО2 год-1. Анализ соотношения интенсивности двух основных потоков углеродного цикла – продуцирование ОВ в процессе фотосинтетической ассимиляции атмосферного С и его освобождение при разложении ОВ с возвратом в атмосферу (рис. 24) показал, что леса Красноярского края служат стоком для
34.6 млн. т С га-1 год-1, что составляет 13% годичной ассимиляции углерода атмосферы в
продукции. Притундровые леса на современном этапе функционирования практически не
накапливают углерод (3% от общего стока). Основной сток (NEP) приходится на таежные
леса – 78%, для лесов лесостепи и гор юга края он составляет 19% величины NEP.
Разработка модели с пространственно-распределенными параметрами в виде сети
клеточных автоматов, имитирующей картографическую структуру территории Юга
Восточной Сибири. Геоинформационное картографирование динамики географических
условий и состояния фаций (ИГ).
Наиболее значимые параметры воздействия, которые должны быть учтены в прогнозных моделях изменения биосферы на основе баланса углерода - это климатические характеристики, изменение которых во многом связано с эволюционного динамикой планеты в целом, а также с природными и техногенным процессами глобального и регионального уровней.
При моделировании природных процессов также необходимо учитывать, что отдельные геосистемы – это открытые системы, динамика которых определяется как состоянием
физико-географических условий среды, так и влиянием соседних аквальных и территориальных систем. По этой причине для математического описания подобных процессов и связей
необходима модель с распределенными параметрами, в которой главные характеристики
геосистем являются функциями пространственных координат и зависят от влияния окружающих элементов исследуемой системы.
35
Математической моделью географического процесса является его описание в математических терминах, адекватное исходным представлениям и данным. Простейшая модель – перечень свойств среды и ее динамических параметров, взаимосвязь которых описывает изучаемый процесс в заданном приближении к действительности.
Рабочей группой Института географии разрабатывается несколько типов моделей: модели динамики геосистем (И.Н. Владимиров), модели механизмов гомеостатического регулирования (С.И. Мясникова), факториальные модели и модели классификаций (С.В. Солодянкина), модели клеточных автоматов (А.А. Фролов), модели комплексов (Е.А. Истомина).
На рис. 25 проиллюстрировано применимость моделей для решения различных типов задач.
Модели динамики геосистем
Модели регулирования
Факториальные модели
Модели клеточных автоматов
Модели классификации
Модели
комплексов
Анализ взаимодействия
Прогноз
Идентификация
Оценка параметров
Рис. 25. Применение различных типов моделей для решения различных исследовательских задач.
В рамках проекта решается задача оценки параметров геосистем разного вида, в основном – определения содержания углерода в различных компонентах экосистем в современный
период и в прогнозируемой перспективе. Такая оценка осуществляется по признакам позиции (коду) показателей в классификационной системе показателей и коду типа геосистемы
(характерного местоположения и природного режима), поэтому в расчетах используются
классификационные модели, дискретные модели клеточных автоматов в форме p-адических
чисел. Эволюционные изменения рассчитываются с помощью сетей гибридных клеточных
автоматов, в моделях которых используются идеи динамического описания смены состояний, гомеостатического регулирования и экологических ниш (факториальные модели).
Идентификация моделей осуществляет по данным ГИС и на основе принципа подобия (существования геоинформационных комплексов).
В итоге разными моделями описывается пространственное и факторное взаимодействие геосистем, осуществляется идентификация моделей с учетом особенностей местоположения, дается оценка количественных параметров современного состояния геосистем,
осуществляется прогноз их динамики в виде прогнозной анимационной карты с последующей оценкой сопутствующих изменений выходных параметров. В итоге оцениваемые параметры не рассчитываются как переменные модели, а становятся следствием модельного
расчета изменений бореальных геосистем в целом, являющихся причиной изменения ее
многочисленных частных характеристик.
Модели динамики бореальных лесов. Чем более абстрагирована исходная система уравнений от конкретных ситуаций, тем обширнее описываемый ею класс явлений. Именно поэтому дифференциальные уравнения, описывающие динамические процессы, когда рассматривают не состояние системы в целом, а детальные балансы вещества и энергии, переход
объектов из состояния в состояние, являются основными математическими моделями в географии. К ним должны быть присоединены параметры, выделяющие из множества возможных конкретную ситуацию и называемые условиями однозначности. Свойства географической среды, отраженные в этих уравнениях, и условия однозначности задаются в виде констант или известных функций параметров состояния и влияющих факторов.
При исследовании и моделировании географических объектов для задания условий однозначности и выделения независимых переменных необходимо точно определить: 1) гео36
метрические и топологические свойства системы, в которой протекает процесс (характеристика рельефа, фациальная структура и т.д.); 2) существенные для этого процесса характеристики объектов, образующих систему, и их зависимость от параметров состояния и динамических воздействий (например, площади лесонасаждений, коэффициенты интенсивности перехода из состояния в состояние и т.д.); 3) начальное или конечное состояние системы; 4)
условия на границах системы в течение процесса (Кутателадзе, 1986). К этому необходимо
добавить характеристики среды протекания процессов, отражающих природные режимы исследуемого пространства (Владимиров, 2003).
Соответствующие этому перечню размерные величины и их значения определяют условия однозначности географического процесса, выделяют единичное явление данного класса
как географическую ситуацию. Величины, входящие в условия однозначности, задаются
внешним образом по отношению к основным уравнениям, и поэтому являются независимыми переменными, множество которых однозначно определяет протекание конкретного процесса. Все остальные переменные, входящие в основные уравнения, являются зависимыми
переменными (Владимиров, 2003).
На примере модели динамики лесных ресурсов, отражающей изменение распределения
площадей лесонасаждений по породам и классам возраста, проиллюстрировано задание
условий однозначности, в результате чего появляется модель конкретно определяющая процесс в некоторой географической ситуации.
Изменение структуры лесонасаждений с учетом смены пород представляется системой
дифференциальных уравнений вида
(1)
dS ij dt  pij1 i S ij1  pij i S ij   ij S ij  i I ij (t ) ,
где Sij(t) - площадь, занятая лесами с преобладанием i-й породы j-го класса возраста в момент
времени t (га);  ij  p ij i - интенсивность перехода площади лесов i-й породы j-го класса
возраста в площадь лесов той же породы (i + 1)-го класса возраста (1/год);  ij  p0ij i - коэффициент интенсивности смены i-й породы j-го класса возраста на леса других пород и возрастов (1/год); pij – доля площади, на которой в процессе восстановительно-возрастной динамики сохраняется лес данной породы, p 0 ij - где он замещается на лесонасаждения с преобладанием других пород ( pij  1  p0ij ); Iij - суммарная скорость перехода лесонасаждений
различного породного состава и возрастов в лесонасаждения i-й породы j- го возраста. Величина αi находится по формуле
 i  1 /  i ,
(2)
где Δτi соответствует шагу деления возраста на классы (для кедра – 40 лет, для остальных
хвойных пород – 20, для лиственных – 10 лет). Поскольку интенсивность и направление
процессов смены пород зависят от пространственного варьирования физико-географических
характеристик среды, значения переменных  ij определяется структурой ландшафта.
Подставим (2) в уравнение (1) и введем обозначение
S ij  S ij  S ij 1 , тогда
dS ij dt   S ij  i . При бесконечно малом шаге деления возраста на классы Δτi=Δτ→0 си-
стема уравнений (1) приводится к дифференциальному уравнению в частных производных
Si t ,  t   pi t , Si t ,     i  Si t ,   Ii (t , ) ,
(3)
где Si (t,τ) – площадь, покрытая лесонасаждениями с преобладанием i-й породы возраста τ в
момент t; γi(τ) – интенсивность перехода лесонасаждений с преобладанием i-й породы возраста τ в лесонасаждения других пород; pi(t,τ) – вероятность того, что в лесонасаждениях с
преобладанием i-й породы возраста τ в момент t не произойдет смены пород; Ii(t,τ) – суммарная скорость перехода лесонасаждений различного породного состава и возрастов в лесонасаждения i-й породы возраста τ в момент t.
Зависимыми переменными в модели являются площадь лесонасаждений (Si) и темпы
замещения лесов разных пород лесонасаждениями данного породного состава и возраста
37
(Ii). Независимые переменные – это прежде всего константы pi и γi , а также начальные
S i 0,   S Hi   и граничные условиях S i  ,0   i0 S 0i   решение (3). Вероятности pj и p0i задаются внешним образом по отношению к основным переменным уравнений модели и однозначно определяют динамику лесонасаждений в конкретных физико-географических условиях, от которых зависит интенсивность и направленность смены пород в различных местоположениях.
В качестве примера в рамках площадной модели восстановительно-возрастной динамики лесов (3) рассмотрим стационарный процесс ( S i t  0 ) разрушения спелых и перестойных лесонасаждений, когда увеличение площадей за счет смены лесов с преобладанием других пород и возрастов отсутствует (Ii=0):
( pi ( ) Si ( ))    i  Si   ,
где  i ( )  (1  pi ) /  i . Предположив, что p i не зависит от возраста, и, сделав замену
ni   /  i , т.е. перейдя от возраста τ к классам возраста ni, получим
S i (ni )
1  pi
. Решение этого дифференциального уравнения находится при
 ki S i ni , ki 
ni
pi
граничном условии S i (n0i )  S 0i :
(4)
S i (ni )  S 0i exp( k i (ni  n0i )) ,
где n0i  класс возраста начала разрушения древостоев (возраст спелости).
Коэффициенты ki и lnS0i рассчитываются методами линейной регрессии по схеме,
полученной из уравнения (4) после логарифмирования:
(5)
ln S i (ni )  ln S 0i  k i (ni  n0i ) ,
Расчет коэффициентов интенсивности разрушения перестойных лесов проводился для
лесхозов Иркутской области. Если S0i рассчитывать в долях от площади спелых и перестойных насаждений i-й породы, то значения коэффициентов ki и lnS0i в (5) оказываются коррелированны
ln S0i  ki ni 0  6,46ki  10,03 , R=-0.93
(6)
т.е. линейные зависимости (5) образуют конгруэнцию с узлом в точке ni  6,46, ln S 0i  10,03
(рис. 26). Уравнение (6) показывает, что процесс разрушения перестойных насаждений зависит только от одного показателя ki, который характеризует конкретные лесорастительные
условия, т.е. является индексом среды относительно рассматриваемого процесса, на основании которого рассчитывается значение pi  1 k i  1 – показатель надежности сохранения
лесов, т.е. чем больше ki, тем меньше доля площади, на которой в процессе восстановительно-возрастной динамики сохраняются леса данной породы. Знание значения индекса ki дает
возможность учитывать специфику условий и при моделировании динамики структуры лесонасаждений переходить от одних расчетных уравнений к другим,что обеспечивает однозначность расчетной схемы, комплексный учет физико-географических характеристик территории. Этот переход осуществляется простым поворотом линии зависимости (5) вокруг
точки узла конгруэнции (см. рис. 26): процессы в одной среде преобразуются (калибруются)
в процесс в других условиях по индексу ki.
Таким образом, при создании прогнозных динамических моделей таежных геосистем
появляется возможность добиться выполнения условия однозначности решения уравнений за
счет учета начальных и граничных условий решения и специфики условий географической
среды. В последнем случае это осуществляется с помощью индексов среды ki, определяющих
значения констант функциональных зависимостей параметров природной системы. Следовательно, существуют закономерности непрерывного перехода по индексу среды от моделей,
созданных для одних условий, к моделям для других условий.
38
40
30
20
ni
ln Si
10
0
0
2
4
6
8
10
12
14
16
18
20
22
24
-10
-20
-30
Рис. 26. График зависимости площади перестойных лесов (Si) от класса возраста (ni)
при разных ki в полулогарифмическом масштабе.
В модели субрегионального уровня отражена динамика лесного фонда лесосырьевой
базы по категориям земель и группам возраста: нелесной площади (SH), не покрытой лесом
площади (S0), покрытой лесом площади, в том числе молодняком и средневозрастным лесом
(S1), приспевающими (S2), спелыми и перестойными лесами (S3). Характеристики площади
S i t ,  1  пространственно распределены и изменяются во времени. Динамика этих показателей описывается формулами (Черкашин, 1984)
dS H dt  H 0 S H t , 1   0 H S0 t , 1   uH t , 1  ;
dS0 dt  01S0 t , 1   H 0 S H t , 1   0 H S0 t , 1    u j t , 1   u H 0 t , 1  ;
(9)
j
dS1 dt  01S0 t , 1   12S1 t , 1   u1 t , 1   uH 1 t , 1  ;
dS2 dt  12S1 t , 1   23S2 t , 1   u2 t , 1   uH 2 t , 1  ;
dS3 dt  23S2 t , 1   u3 t , 1   uH 3 t , 1  ,
где  - коэффициент интенсивности перехода площади из одной категории земель или группы возраста в другую; u j t ,  1  - ежегодная площадь рубок в лесонасаждениях j-и группы
возраста в момент времени t в единичной окрестности точки 1; u H t, 1  - увеличение нелесной площади в ходе капитального строительства за счет других категорий земель (uHi).
Предполагается, что древесина заготовляется в ходе рубок главного и дополнительного
пользования в лесонасаждениях разных возрастных групп. Динамика площади рубок
3
u p t ,  1    u j t ,  1  может быть представлена уравнением
j 1
u p
u p
u p
a
b
 U t ,  1 ;W  ,
(10)
t
x
y
где а, b – характеристики темпов перемещения рубок, зависящие от распределения запаса
W(t, τ, ξ1) лесонасаждений по площади лесосырьевой базы; U(t, ξ1; W) – централизованное
управление (функция лица, принимающего решения) территориальным распределением ресурсов производства (определяется пространственно-возрастной структурой запасов древесины, планируемыми объемами лесозаготовок, планом строительства дорог и т.д.).
В модели регионального уровня используются следующие переменные: общая нелесная площадь (Sн) территории, общая не покрытая лесом площадь (Si0), покрытая лесом площадь с преобладанием i-й породы, в том числе молодняками первого (Si1) и второго (Si2)
39
класса возраста, средневозрастными лесами (Si3), приспевающими (Si4), спелыми (Si5) и перестойными (Si6) лесонасаждениями. Все эти переменные зависят от времени. Динамика этих
показателей описывается формулами:
dS H dt  H 0 S H t   uH t  ;
dS0 dt  01S0 t   H 0 SH t   uP t   u Г t   u0 H t   uK t  ;
u P t    u Pij t  ; u K t    u Ki t  ; u H t    u Hij t    u Hoi t   u HKi t 
i, j
i, j
i
dS Ki dt  K1i S Ki t   uKi t   uKHi t   u ГKi t  ;
i
dSi1 dt  K1i S Ki t   01 p0i S0 t   12i Si1  uPi1 t   uHi1 t   u Гi 2 t  ;
dSi 2 dt  12i Si1 t   23i Si 2 t   uPi 2 t   uHi 2 t   u Гi 2 t  ;
(11)
dSi 3 dt  23i Si 2 t   34i Si 3 t   uPi3 t   uHi3 t   u Гi 3 t   I i ;
dSi 4 dt  34i Si 3 t   45i Si 4 t   uPi 4 t   uHi 4 t   u Гi 4 t  ;
dSi 5 dt  45i Si 4 t   56i Si 5 t   uPi5 t   uHi5 t   u Гi 5 t  ;
dSi 6 dt  56i Si 5 t   uPi6 t   uHi6 t   u Гi 6 t   I i ,
где λjKi – коэффициент интенсивности перехода площади из одной (j) категории земель или
группы возрастов в другую (K) для лесов с преобладанием i-породы или для определенной
категории земель (без индекса i); p0i – доля не покрытых лесом площадей, зарастающая
молодняками с преобладанием i-й породы; uрij(t) – ежегодная площадь лесозаготовок в
лесонасаждениях i-й породы j-й группы возраста в момент времени t; uH(t) – увеличение
нелесной площади в ходе капитального строительства за счет других категорий земель (uHij);
uK (t), uKi(t) – ежегодная площадь лесопосадок в целом и для культур i-й породы; uГ(t), uГKi(t),
uГij(t) – ежегодная выгораемая площадь в целом, культур i-й породы и лесов i-й породы j-го
возраста; Ii – темпы прироста площади средневозрастных лесов молодняков i-й породы в
результате смены пород; Ii – темпы уменьшения площади перестойных лесов в результате
смены пород.
Математическая модель реализована на персональном компьютере, решена задача ее
информационного обеспечения применительно к условиям области, использована лесоустроительная информация для решения прогнозных задач, проведена проверка адекватности модели по ретроспективному анализу. За начальный момент расчета по модели был выбран 1973 г., для которого имеется достоверная информация о состоянии лесного фонда, полученная на основе данных инвентаризации лесов.
Рис. 27. Графики а) естественной и антропогенной временной динамики лесных ресурсов (1973-2023 гг.),
б) естественной временной динамики лесных ресурсов (1973-2023 гг.)
(1- кедр, 2 –ель, 3 – пихта, 4 – сосна, 5 – лиственница, 6 – береза,
7 – осина, 8 - непокрытая лесом площадь, 9 – нелесная площадь)
40
На рис. 27,а изображен график временной динамики лесных ресурсов (1973-2023 гг.) с
учетом естественной смены пород, а также вырубок и пожаров (предполагается постоянное
увеличение рубки хвойных лесов), изъятия лесов лесного фонда в результате капитального
строительства, учитывается процесс создания лесных культур и их перевод в молодняки. В
качестве одного из вариантов прогнозного расчета рассматривалась естественная динамика
лесных массивов в отсутствии антропогенных воздействий (рис. 27,б). Особенностью поведения лесной системы в данном случае является рост площадей лесов светлохвойных пород
и кедра и снижение площади березовых лесов. Резко уменьшаются площади не покрытых
лесом земель. Это отражает естественную с экологической точки зрения и характерную для
Иркутской области динамику таежных лесов.
Тенденции изменения расчетных и наблюдаемых характеристик динамики площадей
лесов Иркутской области совпадают, что говорит об адекватной работе модели и возможности ее использования для прогнозных и оптимизационных расчетов (рис. 28). Из результатов
прогнозных расчетов, на период до 2023 г., следует, что наиболее динамично будут изменяться площади лесов с преобладанием лиственницы и березы: площади сосновых и лиственничных лесонасаждений уменьшаются в результате лесозаготовок, а березы и осины – за
счет преимущественного восстановления этой породы на вырубках и гарях. Площади сосновых лесов сохраняются на определенном уровне за счет лесовосстановления (в расчетах принималось увеличение создания лесных культур, при увеличении объемов рубок). Из расчетов
также наблюдается сильное увеличение нелесных площадей, что связано в основном с увеличением жилой застройки, увеличением площади сельскохозяйственных угодий, капитальным строительством и производственной деятельностью предприятий, и увеличение непокрытых лесом площадей за счет пожаров и рубок главного пользования.
Рис. 28. Сравнение расчетных и наблюдаемых характеристик динамики площадей лесов
Иркутской области (1- кедр, 2 –ель, 3 – пихта, 4 – сосна, 5 – лиственница, 6 – береза, 7 – осина,
8 - непокрытая лесом площадь, 9 – нелесная площадь)
Сценарии моделирования и многокритериальная оптимизация. При проведении расчетов по моделям пользователю доступны для изменения параметры объема рубок главного
пользования, рубок ухода, пожаров и лесопосадок. Каждый из этих параметров может принимать три значения: 0% (отсутствие), 50% (половина объема) и 100% (полный объем).
Результаты расчетов оцениваются по набору критериев:
j
1. maxj mini W j(ti), где W (ti) – запас древесины (по всем породам и возрастам), рассчитанный по j-му сценарию в году ti;
41
j
maxj mini S0 j(ti), где S 0(ti) – площадь «непокрытая лесом», рассчитанная по j-му сценарию в году ti, на которой лес может произрастать;
j
j
3. maxj (S4 j(ti) + S5 j (ti)), где S 4(ti), S 5(ti) – соответственно площадь спелых и перестойных лесов, рассчитанная по j-му сценарию за прогнозируемый период.
j
4. maxj mini S5 j(ti), где S 5(ti) – площадь перестойных лесов, рассчитанная по j-му сценарию в году ti.
Каждый расчетный сценарий оценивается по данному набору критериев. Многокритериальность является неотъемлемой чертой большинства реальных задач выбора и требует
специальных методов анализа. В теории принятия решений, когда допустимые решения оцениваются одновременно по нескольким показателям (критериям), широко используется
принцип Эджворта - Парето, согласно которому наилучшие решения следует выбирать среди
парето-оптимальных решений. Принцип Эджворта-Парето, который представляет собой
фундаментальный инструмент выбора решений при наличии нескольких критериев, вытекает из определения множества Парето. Решение x*  X называется оптимальным по Парето
(парето-оптимальным), если не существует такого возможного решения x  X , для которого имеет место неравенство f x   f x* . Все парето-оптимальные решения образуют множество Парето, обозначаемое Pf(X). Если в приведенном определении формально положить
число критериев равным единице, т.е. m =1, то оно превратится в определение максимального элемента функции f1 на множестве X. Это означает, что понятие парето-оптимальности
можно рассматривать как обобщение понятия максимального элемента на случай нескольких
критериев.
В
соответствии
с
приведенным
определением
*
*
*
Pf  X  x  X не существует такого x  X , что f x   f x  . Пусть x – некоторое парето2.
 


оптимальное решение и f(x*) – соответствующий ему парето-оптимальный вектор. В соответствии с парето-оптимальным определением, если для некоторого решения x*  X , отличного от x*, оказывается выполненным неравенство f i x   f i x*  , то обязательно должен быть
 
найден, хотя бы, один номер j, при котором верно неравенство f j x*  f j x  . На основании
этого можно сделать следующее заключение: парето-оптимальное решение – это такое допустимое решение, которое не может быть улучшено (увеличено) ни по одному из имеющихся
критериев без ухудшения (уменьшения) по какому-то, хотя бы одному, другому критерию.
Иначе говоря, предпочитая одному парето-оптимальному решению другое паретооптимальное решение необходимо идти на определенный компромисс, соглашаясь на некоторую потерю хотя бы по одному критерию (получая, разумеется, определенный выигрыш,
по крайней мере, по какому-то другому критерию).
Таблица 12. Результаты выделения парето-оптимальных решений из 10 сценариев моделирования.
№
Парето
1
2
3
4
5
6
7
8
9
10
1
0
1
0
1
1
0
0
1
0
Параметры
уход, %
100
0
0
0
50
0
50
0
50
0
рубки, %
100
100
100
50
50
50
0
50
0
50
42
пожары, %
100
50
50
100
100
50
100
100
0
50
посадки, %
100
0
50
0
0
100
0
0
100
0
В табл. 12 приведены результаты выделения множества парето-оптимальных решений
и значения параметров по 10 сценариям для всех лесхозов Иркутской области. В столбце
«Парето» значение 1 соответствует тому, что данный критерий вошел в это множество, значение 0 – не вошел.
Таким образом, из 10 сценариев было отброшено 5. Оптимальными сценариями для
управления лесными ресурсами являются: 1) проведение в полном объеме рубок главного
пользования, рубок ухода и лесопосадок, с учетом текущего числа пожаров в лесах области;
2) отсутствие рубок главного пользования, проведение рубок ухода в полном объеме, лесопосадок – в половине объема, уменьшение количества пожаров в 2 раза; 3) проведение рубок
главного пользования и рубок ухода в половине объема, отсутствие лесопосадок, при текущем числе пожаров; 4) отсутствие рубок главного пользования, проведение рубок ухода в
половине объема, лесопосадок – в полном объеме, уменьшение количества пожаров в 2 раза;
5) увеличение лесопокрытых площадей и запасов древесины по всем группам возраста - отсутствие рубок главного пользования, проведение рубок ухода в половине объема, лесопосадок – в полном объеме, отсутствие пожаров.
Программной системой для прогнозного картографирования динамики лесных ресурсов является интеллектная геоинформационная система, где тесно взаимодействуют следующие три подсистемы: ГИС, подсистема математического моделирования ДУД (динамика
управления древостоем) и система автоматизации логических рассуждений (система искусственного интеллекта) (Черкашин и др., 2004). Информация, используемая для идентификации модели ДУД и вычисления начальных условий, представляет собой базу данных с различными лесоустроительными характеристиками. Результаты моделирования отображаются
в виде картографических произведений ГИС, а также анимационных изображений.
Модель ДУД применяется для прогнозирования динамики лесных ресурсов на различных уровнях в ГИС – область, административные районы, лесхозы и кварталы. В качестве
исходной информации, хранимой в виде данных баз данных, используются данные учета
лесного фонда, содержащиеся в материалах лесоустройства, в которых отражается пространственное разнообразие леса. Основным источником информации о направлениях смены пород и возрастных циклах древостоев на всей территории лесхоза являются научные публикации, отражающие закономерности динамики леса в различных регионах. Эти материалы
корректируются в ходе специальных экспедиционных работ, а также по данным таксационных описаний. Они составляют информационную основу моделирования ДУД.
ГИС ДУД разрабатывается на основе программной технологии Java, выбор которой
обусловлен, в основном, реализованной в рамках этой технологии открытой библиотекой
(распространяется вместе с исходным кодом) OpenMap для создания ГИС (Владимиров,
Чудненко, 2005). Обзор, проведенный в рамках сети Internet, показал, что открытых аналогов
по уровню зрелости, вероятно, не существует. В основе OpenMap лежит технология JavaBeans, обеспечивающая интеграцию как в приложения, так и в Апплеты (Applets) Java.
Библиотека отображает картографические данные и осуществляет обработку запросов пользователей на модификацию этих данных (масштабирование, перемещение, добавление слоев,
сохранение и т.д.). Библиотека позволяет использовать данные форматов ESRI (шейпфайлы), данные из текстовых файлов CSV (comma-separated values) и некоторых других.
Кроме OpenMap, в разрабатываемой системе используются Java-библиотеки, представляющие в наглядном виде графы, диаграммы и результаты расчетов.
Модель динамики управления древостоем реализована в виде программного модуля,
связанного с ГИС-приложением на основе библиотеки OpenMap. Модуль реализует численное решение дифференциальных уравнений при помощи метода Рунге-Кутта. Данные модуль получает из базы данных, где содержится информация о состоянии лесного фонда, рубках, пожарах и т.д.
После импорта данных интерфейсным модулем программы производятся расчеты по
модели, при этом предварительно выбирается один из вариантов стратегии управления лесными ресурсами (естественная или антропогенная динамика). В последнем случае, как из43
вестно, человек воздействует на систему в целом, изменяя ее динамику, или на отдельные
элементы, влияя на их функционирование. Следовательно, в режиме моделирования с использованием антропогенной динамики можно воздействовать на ход развития древостоев
можно также двумя способами, изменяя начальное состояние леса (рубки ухода, рубки главного пользования и др.) или граничные условия (обилие всходов, темпы зарастания не покрытых лесом площадей и др.) (рис. 29). Смена характера развития моделируемой природной
системы отражается величиной коэффициентов модели, связанных со скоростью процессов
возобновления и роста деревьев.
Динамика
Естественная
Антропогенная
Изменение
Изменение динамики
функционирования
Влияние
на
возобновление
Влияние
на рост
и
отмирание
Изменение
начальных
состояний
Изменение
граничных
состояний
Рис. 29. Схема управляющих воздействий на лес (Черкашин, 1984).
Полученные в результате расчета данные (распределение площадей по породам и классам возраста, а также и по времени) формируют базу данных формата CSV, и по запросу
пользователя отображаются виде графиков. Пользователь сам задает, какие комбинации каких переменных модели необходимо отображать в виде графиков временных рядов, в т.ч.
возможно отображать данные как по каждой породе в отдельности, так и суммарно по всем
породам.
Для отображения результатов в виде картографического произведения данные из базы
данных расчета передаются в ГИС-подсистему, которая и производит их отображение на соответствующей основе. В качестве основы используется сетка границ лесхозов. Для создания
картографического произведения необходимо выбрать характеристику лесных ресурсов (переменную модели или некоторое математическое выражение над переменными), которая
должна быть отображена, например, доля площади лесов хвойных пород возраста спелости).
Система позволяет строить карты по моделям для любого момента расчетного времени.
При этом существует возможность экспортировать изображения в файл формата JPEG с последующим созданием анимационных изображений. Также система дает возможность для
каждой стадии расчета динамики лесов формировать новое изображение как новый слой тематической карты. Динамика объекта исследования представляется серией картографических слоев, помеченных соответствующим моментом времени. Эти слои при последовательном подключении формируют картографическую анимацию, отображающую изменение во
времени и в пространстве различных характеристик лесов.
На рис. 30 приведены результаты расчета по модели динамики лесного фонда лесхозов
Иркутской области с учетом распределения площади лесов по категориям, породам и группам возраста (модель регионального уровня).
Структура моделей динамики лесных ресурсов и методы их информационного обеспечения естественным образом вытекают из принципов описания лесных экосистем как систем
динамического типа (Черкашин, 1984, 1997; Vladimirov, 2007). Управляющие воздействия в
44
них вводятся в основном аддитивно (суммированием или вычитанием соответствующей
функции управления).
Проверка динамических моделей на массовом материале изменения состояния лесного
фонда Иркутской области продемонстрировала хорошее соответствие между расчетными и
наблюдаемыми характеристиками лесов. Это позволяет проводить прогнозные расчеты изменения состояния лесных ресурсов при разных естественных режимах восстановления и
разнообразных формах хозяйственного управления на различных уровнях.
При создании прогнозных динамических моделей появляется возможность добиться
выполнения условия однозначности решения уравнений за счет учета начальных и граничных условий решения и условий географической среды. В последнем случае это осуществляется с помощью гомотопического параметра, определяющего значения констант функциональных зависимостей параметров природной системы. Знание значения гомотопического
параметра дает возможность учитывать специфику условий и при моделировании динамики
переходить от одних расчетных уравнений к другим, что обеспечивает комплексный учет
физико-географических характеристик исследуемых территорий.
а
б
в
г
Рис. 30. Динамика естественного изменения распределения лесных ресурсов хвойных пород спелого и перестойного классов возраста (а – начальный момент времени, б – через 5 лет, в – через 22 года, г - через 30 лет).
Разным тоном зеленого цвета показаны запасы насаждений: от светлого к темному – в порядке
увеличения запасов.
45
а
б
в
Рис. 31. Относительная площадь спелых и перестойных лесов к общей площади квартала. Состояние лесов
а) на начало периода моделирования б) через 50 лет, б) через 100 лет
(1 – до 20%, 2 – 20-40%, 3 – 40-60%, 4 – 60-80%, 5 – более 80%, 6 – нет данных).
Прогнозное моделирование геосистем. Заключительным этапом в моделировании динамики лесных ресурсов является динамическое (эволюционное) картографирование с применением рассмотренных математических моделей, ГИС-технологий, космической информации и методов ее обработки.
Эволюция картографического изображения построена на пространственно распределенных математических моделях, учитывающих различные формы связности географических систем. Обычно эти модели создаются в виде систем дифференциальных уравнений
пространственно-временной динамики геосистемных характеристик или во многом аналогичных им сети клеточных автоматов или нейросетевых моделей. Клеточный автомат (КА)
является дискретной динамической системой, поведение которой полностью определяется в
терминах закономерностей локальных взаимодействий ячеек сети (Тоффоли, Марголус,
1977). Преимущества моделей сетей КА для эволюционного картографирования состоят в
учете пространственно-временной дискретности геоизображения территории, простран46
ственного взаимодействия выделов, изменения их индивидуальных характеристик и пороговых эффектов смены состояний.
КА задается геометрической и топологической структурой дискретного пространства,
элементами которого являются клетки, а связи определяются межклеточными взаимодействиями. Задаются пространственные координаты клеток и метрики межклеточного расстояния. Каждая клетка кодируется переменным значением, определяющим ее состояние. Совокупность состояний всех клеток структуры называется состоянием решётки и визуализируется картографически. Изменение состояния клеток задается правилами, реализуемыми с
дискретным шагом по времени в форме итераций. Правила определяют новое состояние
клетки в зависимости от ее текущего состояния и/или состояний клеток ее окружения.
ГИС-вариант фрагмента ландшафтной карты для горной территории южного Прибайкалья (рис. 32,а) (Ландшафты …, 1977) представлен дискретными элементами-контурами
групп фаций разной серийности (коренные, мнимокоренные и серийные), что характеризует
состояния клеток геоизображения. Соответствующие участки ландшафта на местности взаимодействуют по горизонтали, вертикали и по иерархии соподчинения. В модели КА совокупность картографируемых клеток формирует иррегулярную сеть соседства (рис. 32,б).
Граф соседства отражает топологию ландшафтного пространства взаимодействия: контуры
соответствую вершинам, связи – ребрам графа. Здесь два контура связаны ребром, если
имеют общую границу. Каждое ребро интерпретируется как пара обратно направленных
стрелок воздействия. Вес ребра характеризуется протяженностью общих границ пары соседних контуров, вес стрелки – доля этой протяженности в общей длине границы контура, куда
направлена стрелка.
а
б
Рис. 32. Фрагмент электронной карты ландшафтов Юга Восточной Сибири [10] (а) и граф смежности
картографических контуров (б). Цифрами указаны порядковые номера контуров групп фаций.
Помимо типологической принадлежности на уровне группы фаций каждый контур характеризуется длинной границ, общей площадью и переменными физико-географическими
показателями, например высотой положения над ур.м., комплексно отражающей влияние
разнообразных факторов.
Соседние контуры (ландшафтные выделы) взаимодействуют между собой латерально и
в системе иерархического подчинения. Изменение состояния каждого контура, например, в
условиях антропогенного воздействия, по цепи причинных связей сказывается на изменении
состояний соседних контуров. Климатические колебания на уровне глобальных систем влияют на характеристики региональных и локальных подразделений географической среды.
Подобные влияния реализуются поэтапно и проявляются индивидуально в зависимости от
особенностей латерально-иерархического окружения. На каждом шаге формируются новое
состояние решетки и адекватная ей прогнозная карта.
47
Такая картографическая модель обладает всеми свойствами КА: 1) она представлена
нерегулярной решёткой картографических контуров; 2) на решётке определена окрестность
каждого контура из примыкающих к нему контуров; 3) определено множество состояний
каждого контура; 4) описаны правила пространственной и иерархической связности, обладающие свойством локальности, когда на каждую клетку влияют только клетки окрестности;
5) автомат работает итерационно, и результат каждой итерации выводится в виде новой карты состояния.
Требования локальности взаимодействия делает необходимым задание граничных
условий на границе решетки контуров. Лучше, если внешние влияния будут минимальны
(равны нулю). Это достигается путем деления пространства территории на несколько несвязанных (автономных) районов, разграниченных естественными рубежами (водоразделами и
руслами рек). Тогда граф соседства распадается не несколько подграфов, не связанных ребрами. Участок южного Прибайкалья (см. рис. 32) разграничивается хребтами гор ХамарДабана и Восточных Саян (северные макросклоны), озером Байкал, руслами рек Ангары и
ее притоков. Здесь выделяется три относительно автономных района: 1) восточно-саянский;
2) хамар-дабанский; 3) верхнеангарский правобережный. Далее подробно исследуется второй из них.
Формализованная по критериям КА картографическое изображение представляет собой систему, развивающуюся по принципам эволюции географической среды, и чем более
точно эти принципы отображены в правилах КА, тем корректней имитирует реальные процессы такое геоизображение.
Клеточный конечный автомат – математический объект, заданный пятеркой множеств
КA=(X,Y,Z,F,G), где X – конечное множество входных сигналов xiX (i – номер клетки (картографического контура), i=1,..,n); Y – конечное множество выходных сигналов yiY; Z – конечное множество состояний контуров карты ziZ; F: X  Z → Z – функция перехода контуров карты (fiF), сопоставляющая каждому текущему сочетанию (xi, zi) контура новое значение zi; G: X  Z → Y – функция выходов карты (giG), преломляющая вход xi каждого контура через ее состояние zi в выход yi.
Все элементы множеств конечного автомата, а именно xi, yi, zi, fi, gi, могут являться
наборами (векторами) нескольких переменных, например, xi={xij}, где xij – вход в i-й картографический контур из j-х контуров окрестности. Далее рассматривается упрощенный вариант модели с одной переменной состояния, одной переменной выходного сигнала, одинаковой для конкретной клетки по всем направлениям воздействия.
Необходимы три вида переменных высоты Z : z() – абсолютная высота местоположения  геосистем в горном ландшафте, zi(t,) – текущее состояние геосистем i-й группы фаций в разных местопоположениях ; z0i - характеристика фаций i-й группы. На участке территории z() в зависимости от особенностей климатического фона могут размещаться разные фации i с индексом z0i, однозначно выделяющие группу фаций по условиям местоположения из множества других фаций. Это может быть, например, высота местоположения, характерная для группы фации в эпоху, предшествующую трансформации климата, - оптимуму ее существования в этот период, своеобразный эталон для сравнения, модальная величина
распределения этой группы фаций на территории. Текущее состояние геосистемы zi(t,) этого положения изменяется в результате изменения климатического фона и взаимодействия с
соседними участками ландшафта. В интервале значений zi = z0i  z0i геосистема сохраняет
природные режимы, свойственные фации группы i; за их пределами она переходит в фацию
другой группы. Ширина природной ниши группы фации zi(t,)  [zнi, zвi], где zнi = z0i - z0i нижняя граница, zвi = z0i + z0i - верхняя граница существования.
Конкретная геосистема имеет фиксированное положение z(), а в ходе эволюции перемещаются фации, занимая новые позиции в пространстве z, вытесняя другие фации. В результате происходит смена фациального состояния конкретных геосистем. Этот процесс будет продолжаться до тех пор, пока фация определенного типа не достигнет вершин горной
48
системы, а затем исчезнет из процесса, потеряв материальный носитель своего продвижения
(геосистему). Иными словами, эволюционный процесс ограничен сверху некоторым значением высоты местоположения zi(t,)  z=zm.
Текущее изменение состояния геосистемы zi(t) итеративно определяется функцией действия fi:
 zi(t) = zi(t+1) - zi(t) = fi[zi(t), xi(t)]
(12)
Действие fi() задается в форме:
(13)
f i ( zi , xi )   a ji z j  z0 j   b ji x j  x0 j  f 0i .
j
j
Коэффициенты aij и bij соответствуют весам воздействия окружающих геосистем (j) на
данную i-ю геосистему. Значение f 0 i учитывает влияние внешнего фона. Операция вида 
моделирует пороговое воздействие, например, zi  z0i равно zi  z 0i  в области существования zнi < zi < zвi геосистемы в состоянии i-типа; при выходе за указанные границы она существует и воздействует как геосистема другого типа. Здесь реализуется ситуация, как при
десятичном счете, когда в i-м разряде числа, прибавляя к 9 единицу получаем 10, т.е. увеличиваем следующий (i+1) разряд на 1, а, отнимая от 0 единицу, уменьшаем (i+1) разряд на 1;
в интервале значений zi  (0, 9) между –1 и 10 скачкообразных изменений нет. В случае геосистемной динамики процесс осложняется тем, что области существования различных типов
геосистем накладываются друг на друга и переплетаются в пространственных взаимодействиях, что заставляет различать движение «вправо» и «влево» и приводит к гистерезисному
эффекту – неэквивалентности пути изменений системы в разных направлениях.
При извлечении конкретных правил работы КА из пространственной информации используются топографические, палеогеографические и ландшафтные данные и геоинформационные технологии. В уравнении (13) свяжем функции входа-выхода только с состоянием
взаимодействующих геосистем zi, когда можно условно принять bij=0. Высотные характеристики выделов определяются в ГИС при совмещении контуров ландшафтной карты и цифровой карты рельефа. Значение zi(t,) рассчитывается как средняя высота каждого контура .
Величина z0i находится как модальное значение распределения площади геосистем i-й группы фаций в регионе (Прибайкалье) по высоте местоположения z (Фролов, Черкашин, 2007).
Упорядоченная последовательность значений z0i фаций одного типа серийности дает представление об допустимых интервалах изменчивости (zнi, zвi) каждой группы фаций. Коэффициент взаимодействия aji находится по формуле aji= aiPji(Sj /Si ), где Sj , Si – площади взаимодействующих картографируемых выделов j и i , Pji – доля длины общей границы j и i относительно общей протяженности границы выдела i (Pii=1).
Значение коэффициента влияния aii= ai=1/i отражает процесс саморегуляции геосистемы i-го типа и связан с характерным временем i самовосстановления. Его значение определяется по скорости смещения высоты положения снеговой линии h/t относительно ее современного уровня для хр. Хамар-Дабан – h=1630 м (примерно h = 650 м за t= 1,5 тыс.
лет) (Плюснин, 2003). Расчеты дают = ht/h=3761 лет. При этом скорость смещения границ по высоте равна f0i=h/t=0,43 м/год – оценка изменения регионального фона. При региональном температурном высотном градиенте T=0.6 С /100 м это соответствует потеплению на 0.26 С за сто лет. Эти значения определяют фоновое воздействие f 0 i , сила которого возрастает при увеличении темпов потепления.
В итоге оцениваются все коэффициенты соотношения (13), рассчитываются значения
изменений состояния геосистем zi для каждого контура и создаются прогнозные карты тенденций возможных изменений ландшафтной структуры при разной скорости роста регионального и глобального температурного фона (рис. 33). Прогноз строился на предположении,
что в предшествующий началу потепления период ландшафты находились в равновесном
49
состоянии
zi
 f   t
i
i
 0 . Реализация этой гипотезы достигается путем введения попра-
i
вок ki на значения нормы kiz0j. Провинциальный коэффициент для хр. Хамар-Дабан ki=1,055,
т.е. высотные границы для этой территории вследствие ее более южного положения находятся выше по склону гор, чем в среднем по Прибайкалью.
Расчеты показывают (см. рис. 33), что каждый ландшафтный выдел индивидуально реагирует на окружение и фоновое влияние. Гольцовые и подгольцовые геосистемы уступают
место таежным. Последние способны продвинуться в горы только при положительном изменении климатического фона на величину не меньше 0,1С за сто лет. Различие скорости изменений от местоположения наглядно прослеживается на выделах ареала склоновых альпинотипных геосистем (контуры 1, 11, 16, 18). Отмечается существенное отрицательное влияние на результаты расчета площади этих выделов (zi = -0,0028Si+1,026, R=-0,99). Отсюда
следует существование критической площади Siкр=364 км2, при которой наблюдается динамическое равновесие zi =0. Влияние текущего состояния геосистем на изменение состояния
менее значимо (zi = -0,00044zi+1,487, R=-0,73, ziкр=3380 м). Для всего многообразия контуров ландшафтной карты такие линейные зависимости не выполняются в силу многоаспектности влияния географического окружения на эти изменения.
Рис. 33. Эволюционная карта тенденций изменения состояния контуров (zi, м/год) групп фаций участка
северного макросклона хр. Хамар-Дабан при потеплении климата на 0.5С.
Клеточный автомат как математико-картографическая модель эволюции ландшафтов
методически оправдывает себя, отображая пространственное распределение и связи
контуров друг с другом и с изменениями климатического фона. Это инструмент для анализа
локальных особенностей взаимодействия геосистем, корректировки параметров модели с
учетом провинциальных особенностей. Такой подход позволяет перейти к эволюционному
картографированию, когда карта-геоизображение заменяется клеточным автоматом,
моделирующим природные взаимосвязи. Клеточная модель позволяет формализовать
дискретное геоизображение, рассматривая его как объект математических преобразований
при переходе от карты к карте не только в аспекте прогнозирования, но и в более широкой
интерпретации ландшафтной карты в карты нового тематического содержания, например,
при операционном картографировании, когда учитываются не только свойства геосистем
каждого контура, но и взаимодействие контуров (географическое положение).
На данном этапе исследования разрабатывается методология автоматического расчета
параметров динамики запаса углерода, азота и других веществ в геосистеме в зависимости от
ее положения в структуре ландшафтной классификации с учетом современного состояния. В
данной работе применяются модели классификации геосистем, функциональные модели и
50
модели географических комплексов. На ближайшую перспективу перед рабочей группой поставлена задача разработки алгоритма функциональной оценки участков территории с учетом классификационного положения геосистем и геоинформационное картографирование
результатов данной оценки в показателях углеродного баланса современного состояния территории и вариантов его климатического видоизменения.
Вычисление пространственно-временного поведения климатических характеристик,
контролирующих развитие бореальных экосистем и процессов их газообмена с атмосферой (ИМКЭС).
Получены количественные оценки для ежегодных изменений климатических характеристик на территории Сибири по данным метеостанций и Реанализов с пространственным
разрешением до 0.5 градуса. Вычисления выполнены на основе данных реанализа Европейского центра среднесрочных прогнозов погоды (температура воздуха и количество осадков,
усредненные за 10 дней, за период с 1974 по 2005 гг., http://agrifish.jrc.it/marsfood/ecmwf.htm)
и результаты измерений этих величин на метеостанциях СССР/России за этот же период.
Вычислены климатические характеристики, определяющие развитие лесных экосистем: продолжительность вегетационного периода, его средняя температура, количество осадков. Далее был проведен трендовый анализ их динамики и создана база климатических индикаторов.
В частности, для четырех представляющих интерес биоклиматических зон России (лесотундра, средняя тайга, южная тайга и зона умеренных лесов) вычисленные характеристики
ведут себя следующим образом.
Полученная картина (рис. 34) однородна для азиатской части России: увеличение вегетационного периода на 4-6 дней на территории Азиатской части за период с 1975 по 2005 гг.
(в среднем увеличение вегетационного периода составило 1-2 дня/10 лет для ее Азиатской
части).
Тот же анализ проведен и для ряда метеорологических станций, расположенных на
этой территории, представленной на рис. 35. Станции расположены в азиатской части России. Данные наблюдений рассмотрены за временной период 1958-2000 гг.
Построен тренд продолжительности вегетационного периода. На рис. 36 представлены
тренды изменения продолжительности вегетационного периода для отдельных станций.
На западной и центральной территории Сибири, покрываемой станциями, величины
трендов принимают положительные значения, что показывает среднее увеличение числа
дней со среднесуточной температурой, превышающей 5 °С, от 2 до 7 дней/10 лет. Тренды,
полученные на основе данных со станций Якутска и Олекминска, расположенных на территории восточной Сибири, наоборот дают отрицательные значения, что показывает уменьшение числа дней со среднесуточной температурой, превышающей 5 °С, в среднем на 2-3 дня /
10 лет. Если учесть распределение станций по биоклиматическим зонам, то можно отметить,
что большая часть рассматриваемых станций расположена в зоне средней тайги, где среднее
увеличение продолжительности вегетационного периода составило 1-2 дня / 10 лет.
Средняя температура воздуха для вегетационного периода имеет слабый положительный тренд, который составил 0.6° С (0.2 °С / 10 лет). Наибольший рост средней годовой температуры воздуха отмечен в зоне южной тайги, он составил 0.9° С за 32 года (0.3 °С / 10 лет)
для Азиатской части России (рис. 37).
Та же статистика наблюдается и на отдельных станциях, расположенных на территории
России (рис. 38).
Количество осадков в этот период вело себя более неоднородно (рис. 39).
Как следствие роста температуры и количества осадков, гидротермический коэффициент Селянинова, характеризующий влагообеспеченность почвы, существенно растет на юге
территории России, а именно в южной тайге.
51
Рис. 34. Число дней вегетационного периода для азиатской части России.
Рис. 35. Расположение исследуемых метеорологических станций на территории Сибири.
Рис. 36. Значения трендов числа дней вегетационного периода.
Рис. 37. Средняя температура вегетационного периода для азиатской части России.
52
Рис. 38. Средняя температура вегетационного периода по данным метеостанций на территории России.
Рис. 39. Количество осадков вегетационного периода для азиатской части России.
Приведенный выше анализ дает основу для грубых оценок динамики тех климатических характеристик, которые оказывают влияние на растительность. Однако, пространственное разрешение реанализов и небольшое количество метеостанций на территории не позволяет получить достаточно детальные и достоверные поля метеохарактеристик для Западной
Сибири. Получение полей данных с более мелким шагом возможно только при использовании современных региональных метеорологических моделей. Для этой цели была использована модель WRF, которая является мезомасштабной моделью прогноза погоды
(http://www.mmm.ucar.edu/modeling/wrf/index.php). Эта модель позволяет рассчитать различные атмосферные характеристики, важность которых для анализа изменения, как биосферы,
так и гидросферы Сибири неоценима. Кроме того, она может использоваться для климатического моделирования. Модель WRF и система усвоения данных WRF-VAR(WRFDA) установлена и отлажена на базе многоядерного вычислительного комплекса. Модель запущена в
режиме работы с реальными данными. Входными данными являются данные реанализа на
границе расчетной области, которая выбрана так, чтобы в нее попадала часть Западной Сибири. Ее координаты – от 54.7° до 66.3° с.ш. и от 64.7°30' до 77.7° в.\д.. В дальнейшем, при
формировании входных данных также будут использоваться метеорологические измерения
на станциях, размещенных внутри нее.
Вертикальные граничные условия, а также начальные условия формируются препроцесорной программой WPS на основе данных реанализа AMIP 2, данных NCEP и карты поверхности, построенной по результатам работы MODIS. В дальнейшем, программа WPS позволит усваивать данные измерений станций на этапе подготовки данных, а встроенная процедура усвоения данных позволит подтягивать решения модели на каждом временном шаге.
Функция усвоения данных использует метод «observation Nudging», представляющий собой
четырехмерное усвоение данных (FDDA). Этот метод эффективно управляет ростом ошибки
модели, в то время как модель генерирует детализированные мезомасштабные структуры,
53
которые могут не быть разрешены только на основе данных наблюдений. Результатом является улучшенная инициализация модели. «Nudging» (подтягивание) непрерывно на каждом
временном шаге используется для смягчения решения модели по отношению к наблюдениям
путем добавления к прогностическим уравнениям искусственных весовых слагаемых основанных на различии между двумя состояниями. В результате получается более точное решение, чем полученное без учета данных наблюдений. Решение модели может быть смягчено
по отношению как к сеточному анализу, основанному на наблюдениях (analysis nudging), так
и
к
отдельным
наблюдениям
(observation
nudging,
www.mmm.ucar.edu/wrf/users/workshops/WS2005/.../8-Stauffer.pdf). Проведена локализация
модели на территорию Западной Сибири и выполнен ряд вычислительных экспериментов.
Результатом работы вычислительной модели являются поля метеорологических величин, которые по сути являются проекциями полей реанализа на границе расчетной области с высоким пространственным шагом (15 км), «подтянутых» к реальности физической модели.
Рис. 40. Расположение 17 метеостанций на территории Западной Сибири.
Для сравнения получаемых различными способами средних характеристик выбран
июль 1990г. Сравнение результатов вычислений средней температуры проводилось на основе данных наблюдений метеостанций, ERA-40 Reanalysis, Reanalysis AMIP II и метеорологической модели WRF на территории Западной Сибири. Для определения средней температуры
июля на основе инструментальных наблюдений на той части территории Западной Сибири,
для которой выполнялось моделирование, выбрано 17 метеостанций, имеющих достаточно
непрерывные ряды наблюдений. Их расположение показано на рис. 40.
Поле средних температур, построенное с помощью встроенной в ГИС схемы интерполяций, имеет следующий вид (рис. 41).
Для той же территории поля средней температуры января 1990 г. были вычислены на
основе данных реанализов (рис. 42 и 43).
54
Рис. 41. Средняя температура июля 1990 г. на территории Западной Сибири по данным метеостанций.
Рис. 42. Средняя температура июля 1990 г. на территории Западной Сибири по данным Realalysis ERA-40.
Рис. 43. Средняя температура июля 1990 г. на территории Западной Сибири по данным Realalysis AMIP II.
Видно, что данные наблюдений и различных реанализов приводят к достаточно отличающимся результатам (отличия средней температуры лежат в диапазоне 0.4–0.7 °С). Кроме
того они имеют достаточно крупный шаг сетки (2.5°х2.5°), что не дает детального отражения
поведения метеорологических характеристик в данном регионе. Для решения этой задачи
необходимо получение поля данных с более мелким шагом, что возможно только при использовании региональной метеорологической модели.
55
Рис. 44. Средняя температура июля 1990 г. на территории Западной Сибири по данным метеорологической модели WRF(с использованием данных Realalysis AMIP II).
Поле средней температуры июля 1990 г., построенное на основе полученных в результате работы модели полей (8 значений за сутки), показано на рис. 44.
Результаты, приведенные на рис. 44, показывают на наличие локальных неоднородностей с линейными размерами до 20 км, в которых отклонения среднемесячной температуры
достигают одного градуса. Ясно, что такая пространственная неоднородность характеристик,
контролирующих ход биологических процессов на территории болота, будет сказываться и
на его вкладе в углеродный баланс региона.
В настоящее время расчет полей климатических характеристик с пространственным
разрешением 15 км начат для территории Западной Сибири на период 1958–2000 гг. Следует
добавить, что используемая нами модель содержит модель подстилающей поверхности, которая рассчитывает энергетические потоки, многоуровневые распределения температуры и
влажности в почве, уровень накопления осадков, гидрологическую составляющую поверхности. Все это, а также имеющиеся данные NCEP (карты типов поверхностей, сезонное изменения альбедо, профиль влажности почвы и т.д.), позволяет получить именно климатические
величины, учитывающие всю динамику подстилающей поверхности, индуцированную изменениями в атмосфере. Ясно, что для будущего подобных данных нет. Кроме того, в WRF отсутствует динамическая модель растительности. Поэтому запуск данной модели на большой
временной промежуток в будущее невозможен.
Создание базы данных по натурным характеристикам компонентов бореального леса в
контрольной зоне и по динамике распределения атмосферных газов (ИБФ, ИВМ, ИЛ,
ИУУ).
Оценка эмиссии метана при угледобыче (ИУУ). Подземная добыча угля сопровождается выделением метана из угленосных свит, который представляет технологическую опасность. Для обеспечения безопасности на угольных шахтах применяют проветривание горных
выработок с выводом разбавленного воздухом метана на поверхность, а также дегазацию
угольных пластов и выработанных пространств. При добыче угля открытым способом метан
выделяется в атмосферу из угольных пластов естественным образом.
Около 55% от объема подземной добычи угля в России приходится на Кузнецкий
угольный бассейн (Кузбасс), большая часть которого расположена в Кемеровской области.
При этом в регионе добывается почти 70% всех коксующихся углей. Обобщенная эмиссия
метана из угольных пластов может быть выполнена на основе применения методики
МГЭИК. В соответствии с методикой для определения общей эмиссии метана учитываются
его выбросы при:
56
добыче угля подземным способом;
добыче угля открытым способом;
последующей деятельности.
Из суммарной эмиссии метана вычитается объем метана извлеченного и использованного метана.
Оценка эмиссии метана при подземной добыче угля представляется наиболее важной,
т.к. добыча угля этим способом ведется на больших глубинах из угольных пластов, обладающих высокой газоносностью. Инженерные службы шахт постоянно контролируют метанообильность для предотвращения загазований горных выработок и обеспечения безопасной
работы. Как правило, эти данные доступны в региональных службах Госгортехнадзора. Поэтому оценка эмиссии шахтного метана может быть получена с высокой точностью, соответствующей Ряду 3 методики МГЭИК. Рассмотрим результаты применение методики МГИЭК
для оценки эмиссии метана на примере угледобывающих предприятий Кузбасса.
В табл. 13 представлен фрагмент данных, использовавшихся для оценки эмиссии метана при добыче угля подземным способом в Кузбассе в 1998 г. Изменение добычи угля подземным способом и снижение эмиссии метана, в 1990–1998 гг. приведено на рис. 45.
-
Таблица 13. Данные, использовавшиеся для оценки эмиссии метана из угольных шахт Кузбасса в 1998 г.
Шахта
Физкультурник
Сибирское
Первомайская
Берозовская
Волкова
Кирова
Кольчугинское
им. 7 Ноября
Ярославского
Комсомолец
н
н
о
т
.
н
л
м
,
я
л
г
у
а
ч
ы
б
о
Д
Добыча угля,
тыс. тонн
380
550
750
495
270
2119
815
1048
480
830
Абсолютная метанообильность, м3/мин.
0.86
1.94
15.85
18.41
7.03
60.4
6.5
32.6
17.1
85.8
Общая эмиссия
метана, м3
452016
1019664
8330760
9676296
3694968
31746240
3416400
17134560
8987760
45096480
Общая эмиссия
метана, тыс. тонн
0.30
0.68
5.58
6.48
2.48
21.27
2.29
11.48
6.02
30.21
100
1.4
90
1.2
80
1
Эмиссия
метана
70
3
0.8
60
0.6
Добыча угля
50
0.4
40
0.2
30
0
1990
1991
1992
1993 Год
1994
1995
1996
1997
1998
Рис. 45. Эмиссия метана и добыча угля подземным способом в Кузбассе в 1990-1998 гг.
Эмиссия метана при добыче угля открытым способом оценивалась по формуле:
Эмиссия (Гг СН4) = [Метаноносность (м3 СН4/т)
+ Предполагаемый коэффициент эмиссии для вмещающихпород (м3 СН4/т)]
 Объем добытого угля открытым способом (т)
 Переводной коэффициент (0,67 Гг/10 6 м3)].
57
м
.
д
р
л
м
,
а
н
а
т
е
м
я
и
с
с
и
м
Э
Анализ геофизических данных крупнейшей угледобывающей компании региона «Кузбассразрезуголь», в состав которой входит большая часть угольных разрезов Кузбасса, показал, что десорбционные свойства угольных пластов, отрабатываемых разрезами, исследованы недостаточно. Поэтому метаноносность определялась косвенно на основании данных о
марочном составе углей, добываемых разрезами, и известном соответствии газоносности марочному составу. При отсутствии данных газоносность полагалась равной среднему значению, найденному для разрезов Кузбасса – 8.50 м3/тонн.
75
н
н
о
т
.
н
л
м
,
я
л
гу
а
ч
ы
б
о
Д
0.7
Эмиссия метана
70
0.6 3м
.
65
0.5 др
60
0.4 м
,
55
0.3 ат
л
а
н
е
Добыча угля
50
0.2 м
я
45
и
0.1 сс
40
0
1990
1991
1992
1993
1994
Год
1995
1996
1997
и
м
Э
1998
Рис. 46. Добыча угля открытым способом и эмиссия метана в Кузбассе в 1990-1998 гг.
В табл. 14 приведены данные, которые использовались для расчета выбросов метана
при добыче угля открытым способом в Кузбассе в 1998 г. Изменение объемов добычи угля
открытым способом и связанное с ним изменение эмиссии метана приведено на рис. 46.
Таблица 14. Оценка эмиссии метана при добыче угля открытым способом
Угольный разрез
Кедровский
Моховский
Сартаки
Караканский
Бачатский
Красный Брод
Киселевский
Вахрушевразрезуголь
Талдинский
Ерунаковский
Листвянский
Калтанский
Осинниковский
Краногорский
Томусинский
Сибиргинский
Ольжерский
Барзаский
Шестаки
Прокопьевский
Талдинский –Северный
Березовкий
Междуреченский
Черниговский
Задубровский
Добыча угля,
тыс. тонн
5501.7
1538.5
1579.1
1775.0
6503.9
3235.0
1071.2
1612.5
2943.2
2311.7
1140.0
786.3
1448.8
3008.0
3223.0
2469.0
1303.0
219.0
185.0
530.0
487.0
141.0
4003.2
3429.3
500.0
Марка угля
C
Д
Д
Д
C
T
C
Ж, Д
Ж, Д
Ж
T
T
T
T
C
T
Ж,C,T
Нет данных
C
Нет данных
Нет данных
Нет данных
T,C,K
C
Нет данных
58
Газоносность,
м3/тонн
8.50
6.00
6.00
6.00
8.50
9.50
8.50
8.50
8.50
8.50
9.50
9.50
9.50
9.50
8.50
9.50
8.50
8.50
8.50
8.50
8.50
8.50
10.00
8.50
8.50
Эмиссия метана,
тыс. тонн
31.33
6.18
6.35
7.14
37.04
20.59
6.10
9.18
16.76
13.17
7.26
5.00
9.22
19.15
18.35
15.72
7.42
1.25
1.05
3.02
2.77
0.80
26.82
19.53
2.85
Эмиссии метана при последующей деятельности оценивалась по формуле:
Эмиссия (Гг СН4) = Метаноносность (м3 СН4/т)
 Объем угля, добытого подземным способом (т)
 Доля метана, высвободившегося при последующих операциях (%)
 Переводной коэффициент (Гг/106 м3).
Вычисления проводились в предположении, что метан из угля, добытого открытым
способом, выделился в атмосферу на стадии его извлечения из недр. Доля метана, высвободившегося при последующих операциях, принята 31%.
100.00
0.05
0.045
90.00
0.04
Добыча угля, млн. тонн
0.03
70.00
0.025
Эмиссия
метана
0.02
60.00
0.015
0.01
50.00
Добыча угля
0.005
40.00
Эмиссия метана, млрд. м.куб.
0.035
80.00
0
1990
1991
1992
1993
Год
1994
1995
1996
1997
1998
Рис. 47. Снижение добычи угля и эмиссия метана при последующей деятельности в 1990-1998 гг.
В табл. 15 приведен фрагмент исходных данных и оценка выбросов метана при последующей деятельности. Общая оценка эмиссии метана при последующей деятельности из угля, добытого подземным способом в 1990-1998 гг., приведена на рис. 47.
Таблица 15. Оценка эмиссии метана при последующей деятельности (транспортировка и обогащение угля)
Шахта
Физкультурник
Сибирское
Первомайская
Березовская
Волкова
Кирова
Кольчугинское
Им. 7 Ноября
Ярославского
Комсомолец
Газоносность, Добыча угля, Эмиссия Эмиссия метана,
м3/тонн
тыс. тонн метана, м3
тыс. тонн
14.5
380
179075
0.12
12
550
214500
0.14
25
750
609375
0.41
26
495
418275
0.28
13
270
114075
0.08
21
2119
1446218
0.97
17
815
450288
0.30
16
1048
544960
0.37
15
480
234000
0.16
20
830
539500
0.36
В Кузнецком угольном бассейне применяются системы дегазации угольных пластов.
Метан, каптируемый такими системами, имеет высокую концентрацию в метановоздушной
смеси (40-90%) и может быть эффективно использован для производства тепло- и электроэнергии. Изменение объемов каптированного метана в Кузнецком угольном бассейне за девять лет приведено на рис. 48. Однако в регионе не ведется утилизация метана в промышленных масштабах и поэтому объем использованного метана не учитывался при проведении
анализа.
Общая оценка эмиссии метана, полученная с учетом выбросов метана при добыче угля подземным и отрытым способами, а также при транспортировке и обогащении угля в
1990-1998 гг. представлена на рис. 48.
59
2
Объем метана, млрд. м
3
1.8
1.6
1.4
1.2
Общий объем
метана
1
0.8
Каптированный
метан
0.6
0.4
0.2
0
1990
1991
1992
1993
1994
Год
1995
1996
1997
1998
Рис. 48. Общая эмиссия и каптированный метана в Кузбассе в 1990-1998 гг.
Обобщая приведенные материалы, можно отметить, что общая эмиссия метана, обусловленная деятельностью угольных предприятий прямым образом зависит от обьемов добычи угля, однако это необходимо подтверждать инструментальными замерами. Кроме этого
необходимо также выяснить степень влияния метана на состояние растительного покрова
горных предприятий. Однако здесь имеются и чисто методологические трудности, связанные
с тем, что замеряемые концентрации каптированного метана обычно невысоки и требуется
специализированная аппаратоура с помощью которой можно производить такие замеры.
Институтом угля и углехимии совместно с Институтом экологии человека СО РАН и Институтом оптики атмосферы СО РАН в 2006 году была выполнена работа, краткие результаты
которой приводятся ниже.
Изучение влияния выброса метана на состояние растительного покрова горных предприятий. В полевой сезон 2006 г. выполнялись измерения эмиссии СН4 на горном отводе
шахты Комсомолец (рис. 49) с использованием средств автоматизированного высокоточного
контроля содержания этого газа в атмосфере с помощь современных приборов. Изучено влияние выбросов метана на состояние растительного покрова флористическими и геоботаническими методами. При выполнении работы решались задачи изменения морфометрических и
биологических особенностей растений, произрастающих вблизи выбросов метана. В качестве объекта исследования выбран горный отвод шахты «Комсомолец», расположенной в
г. Ленинск-Кузнецком Кемеровской области.
Влияние метана на растения изучается слабо, поскольку метан, выделяясь из глубин
горных пород, очень быстро улетучивается. Определить места его выброса в естественных
условиях чрезвычайно сложно. Поэтому исследуемый объект представляет уникальную модель воздействий метана на растительный покров.
На флористический состав и продуктивность в данном случае выбросы метана оказывают незначительное влияние. Это связано с тем, что метан, даже «прижимаемый» югозападными ветрами быстро улетучивается. Если бы метан проходил по трещинам в почве
эффект был бы во много раз больше.
На древесные растения метан оказывает большое влияние. В частности очень чувствительной оказалась сосна обыкновенная, чье жизненное состояние значительно ухудшилось
под воздействием метанового выброса, в частности уменьшился возраст хвои до трех лет,
масса и размеры хвои. У лиственных древесных растений достоверно уменьшилась площадь
листьев.
60
Рис. 49. Расположение источника выброса метана:
1 − вакуум-насосная станция; 2 − диспетчерский пункт.
Методики восстановления значений концентрации газовых составляющих на примере
СО2 (ИВТ). Разработан алгоритм восстановления значений концентрации газовых составляющих в заданном регионе по данным о лесных пожарах и метеорологической информации.
Концентрации СО2 в заданном регионе вычисляются с помощью построения обратных траекторий. В качестве источника данных дистанционного зондирования могут быть использованы материалы спутниковых съемок низкого и среднего пространственного разрешения
NOAA/AVRR/TOVS и Terra/MODIS.
Кроме того, оценка концентрации СО2 была сделана для массовых лесных пожаров
2006 г. имевших место на территориях Красноярского края и Иркутской области (рис. 50).
Комплексный анализ спутниковых снимков, метеорологических данных и результатов численного моделирования переноса примеси показал, что предложенная методика позволяет
получать качественную картину распространения СО2 в заданном регионе.
Выполнена оценка концентрации СО2 для массовых лесных пожаров 2006 г., имевших
место на территориях Красноярского края и Иркутской области с помощью алгоритма восстановления значений концентрации газовых составляющих в заданном регионе по данным о
лесных пожарах и метеорологической информации. Восстановление концентрации проводилось для различных регионов в узлах широтно-долготной сетки. Комплексный анализ спутниковых снимков (NOAA/AVRR/TOVS, Terra/MODIS), метеорологических данных и результатов численного моделирования переноса примеси показал, что предложенная методика
61
позволяет получать качественную картину распространения СО 2 в заданном регионе
(рис. 51).
Рис. 50. Спутниковый снимок территории Иркутской области и Красноярского края 21.07.2006 г. (слева),
 - долгота,  - долгота и Результаты расчетов распространения примеси и ее концентрации
для региона 90-152.50 в.д. и 63.5–73.50 с.ш в узлах сетки 2.5x2.50.
Рис. 51. Результаты расчетов распространения примеси и распределение концентрации
в регионах 73–111 в.д., 55–67 с.ш. (слева) и 60–120 в.д., 55–70 с.ш. (справа).
Верификация по базе данных математической модели бореального леса, адаптированной под условия Восточной Сибири (ИБФ).
Собрана база данных по натурным характеристикам компонентов бореального леса в
точках (56о с.ш., 92о в.д.), (57о с.ш., 93о в.д.), (60о с.ш., 89о в.д.), (65о с.ш., 89о в.д.), (68о с.ш.,
86о в.д.). В базе представлены следующие породы – сосна, лиственница, береза, пихта. Для
создания базы данных использовались следующие характеристики:
- Состав пород древостоя северной средней и южной тайги.
- Данные по запасу и структуре органического вещества биомассы древостоя.
- Данные полевых экспериментов по изменению содержания углерода в гумусе.
- Данные полевых экспериментов по интенсивности выхода СО2 при разложении подстилок.
Проведена верификация и точная настройка математической модели экосистемы бореальных лесов Восточной Сибири, представляющей собой систему дифференциальных уравнений. Модель описывает основные процессы в масообмене бореального леса, позволяющие
исследовать поведение системы, не превращая в то же время ее в сложную для анализа имитационную модель - фотосинтез, дыхание, сезонные изменения активной фитомассы. Кроме
62
данных по натурным характеристикам бореального леса использовались параметры из базы
данных метеорологической службы за период 1999-2009 годов (находящиеся в свободном
доступе) – годовая и суточная динамика температуры, освещенности и влажности. Эти факторы являлись входными параметрами модели, влияющими на ростовые характеристики
древостоя.
Модель бореального леса настроена для параметров температуры, освещенности и
влажности для пяти экспериментальных точек с различным составом пород древостоя по
данным ИЛ СО РАН. Для этих точек также рассчитана динамика баланса СО 2 в системе.
Пример модельных расчетов приведен на рис. 52. Верифицированная модель способна рассчитывать изменения фитомассы древостоя и запасов углерода почвы при возможных будущих изменениях температуры, влажности и освещенности, суточный и годовой баланс эмиссии и стока CO2. Изменяя состав пород древостоя и входные климатические параметры,
можно получить расчетный баланс динамики СО2 для любой точки бореальных лесов Восточной Сибири.
1
3.5
3
2
тонн СО2 га -1
т га -1 год -1
0.5
2.5
1
2
1.5
1
0.5
0
0.00
100.00
200.00
300.00
400.00
-0.5
-1
0
0
100
200
300
400
-1.5
сутки
сутки
а
б
Рис. 52. Пример модельных расчетов:
а – Динамика прироста общей фитомассы древостоя сосны за год. 1-56° с.ш. 92 ° в.д. 2-60° с.ш. 89 ° в.д.;
б – Баланс CO2 в системе бореального леса в пункте 65° с.ш. 89 ° в.д. Динамика за год.
Верификация математической модели распределения углерода в атмосфере по данным
высотной мачты (ИБФ, ИВМ, ИЛ, СФУ).
Упрощенная одномерная модель. После интегрирования трехмерного уравнения переноса и диффузии вещества по площади S , получим уравнение (Белолипецкий и др., 2004)


C 
C

Kz
R,
(14)
t  z
z
 1
здесь t – время, ось z направлена вверх, C   C dS , С – концентрация рассматриваемого
SS
вещества Кz – коэффициент вертикального турбулентного обмена, 2, L – характерный размер
по горизонтали, на входной границе C  C1 , u  u1 , на выходной границе u  u L .
Начальное условие для уравнения (1)


1
С
 С 0 ( z )   C 0 dS , С t 0  С 0 ( x, y, z) .
t 0
SS
Граничные условия для уравнения (1):


C
C
1
1
Кz
   QC dS  Qˆ C , К z
 Qˆ CH или С
 С H   C H dS ,
zH
 z z 0
SS
 z zH
SS
63
(15)
(16)
здесь С
zH
 СH , К z
C
z
 QCH , К z
zH
C
z
 QC .
z 0
Нульмерная (точечная) модель. Из уравнения (14) при u1  uL с учетом (16) получаем уравнение для определения средних концентраций парниковых газов в приземном слое
атмосферы (высотой H):
Qˆ  Qˆ CH
d
 a  a 1  C
,
(17)
dt
H
удовлетворяющее начальному условию

Здесь  
t 0
 0 .
(18)
H
H
2u
1 ˆ
1
Cd
z


C1 d z , a  L .
,
1


H 0
H 0
L
Решение задачи (17), (18) имеет вид
t


Qˆ  Qˆ CH
A  a1  C
.
(19)
  e at   0   A  ea d   ,
H
0


Для вычисления коэффициента вертикального обмена в приземном слое атмосферы
толщиной H ( H   ) предлагаются соотношения, полученные с использованием формулы
Прандтля-Кармана с поправкой из работы (Андерсон Д. и др., 1990), оценки толщины пограничного слоя по соотношению из (Доронин, 1981) и логарифмического закона вертикального
распределения скорости ветра (Матвеев, 1984):
0.1681 B ( z  z0 ) при 0  z   
Кz  
,
для   H
2
2
при
  z  H
0.089  B /( z  z0 )
0.1681 B ( z  z0 ) при 0  z   

К z  0.0892  2 B /( z  z0 )
при
  z   ,
для   H
(20)

2
2
0.089  B /( z  z0 )  K min при   z  H
где  - толщина пограничного слоя атмосферы,   1164  B / sin ,    0.089  /  ,  - широz  z0
та   0.41 - постоянная Кармана, B  W2 / ln 2
, W2 - скорость ветра на высоте z  z2 ,
z0
K min  2  105 м2/с.
Оценка потока СО2 на подстилающей поверхности с использованием измерений вертикальных распределений СО2. Из нульмерной модели в предположении горизонтальной однородности следует (из уравнения формулы (17) при а=0):
d
Qˆ CH  Qˆ C  H
.
(21)
dt
d
H
вычисляем по измеренным вертикальным распределениям СО2.
dt
Выделим два характерных периода: «день» и «ночь». Оценим средние значения QC
днем и средние значения QC ночью. Осредним соотношение (21) на интервале по времени
[0, T1] для дневного периода и на интервале [0, T 2] для ночного периода:
T
H
1 i i
i
(22)
QC   QCH dt  i i (Ti )  i (0) .
Тi 0
Ti
64
Здесь i=1, 2 для дневного и ночного периодов соответственно, i (0), i (Ti ) вычисляются по
данным натурных измерений.
C
i
 0 и из (9) сле 0 , то для Hi =H* QCH
Если существует уровень z=H*, на котором
z
дует формула для определения QC :
H
(23)
QCi  i i (Ti )  i (0) .
Ti
i
Найдем значения QCH
по известным значениям СО2 в окрестности уровня высоты
вышки (далее индекс «i» опускаем):

K
C 

QCH   K z
 zH (C H   z  C H ) .
(24)
 z  zH
z

Здесь C H  C (t , H ), C H   z  C (t , H   z ) .
T
K zH T
1
QCH (t ) d t 
(C H  z  C H ) d t .
T 0
T  z 0
Зная
CHn  C(t n , H ), CHn  z  C(t n , H   z)
в
(25)
моменты
времени
tn ,
где
t n1  t n   t , t 0  0, t N  T , можно приближенно вычислить интеграл:
T
1
QCH (t ) dt K zH  AC ,
T 0
(26)
где
N 1
t 

0
0
N
N
(27)
0.5
C

C

C

C

(CHn  z  CHn ) 


H  z
H
H  z
H 

T  z 
n 1

вычисляется по известным параметрам.
Из (22) и (26) получаем формулу для вычисления QC :
H
QC  K zH  AC   (T )   (0) .
(28)
T
Для устойчивой стратификации приземного слоя K zH определяется по формуле (20). В
дневное время (весной, летом, осенью) нижние слои атмосферы обычно более теплые и образуются конвективные течения в вертикальной плоскости, этому случаю соответствуют
большие значения коэффициента вертикального обмена Kz, которые можно оценить по формуле (20) для сильного ветра.
Среднесуточный поток вычисляется по формуле
Т  Q1  T2  Qc2
.
(29)
QCсут  1 c
T1  T2
AC 
По найденным значениям QCсут и Kz можно оценить динамику вертикальных распределений СО2 в приземном слое атмосферы из решения задачи (14)-(16).
Нульмерное приближение для слоя конвективного перемешивания (дневной период).
Рассмотрим случай горизонтальной однородности. Пусть Нк – высота слоя конвективного
перемешивания (считается известной), Н - высота вышки. Получаем задачу:
65
C 
C
,

Kz
t  z
z
Кz
С
C
z
t 0
(30)
ˆ
 Qˆ C , К z  C  0 при z=Hк
(31)
z
z 0
 С 0 ( z) .
(32)
Пусть
Hк
Hк
1
ˆ z , 0  1
(33)
 2
Cd
Cˆ 0 d z .
2


Hк 0
Hк 0
Проинтегрировав уравнение (30) по z от 0 до Нк с учетом граничных условий (32), получаем:
d 2
1
(34)

QC .
dt
Hк
Предположим, что в перемешанном слое H  z  H к
Сˆ (t , z )  Cˆ (t , H ) , тогда из
(33) находим
1
2 
Hк
2 
H
1 ˆ
С (t , H )( H к  H ) или
ˆ z
 Cd
H
0
к
Н
1 ˆ

С (t , H )( H к  H ) ,
Нк
Hк
H
(35)
1 ˆ
Cd z .
H 0
Предлагается следующий алгоритм определения потоков СО2 в приземном слое с использованием результатов измерений концентраций углекислого газа на вышке.
Выделяются ночной и дневной периоды. Характерные вертикальные распределения
СО2 в приземном слое атмосферы приведены на рис. 53. К ночному периоду отнесены данные, в которых наблюдается поток СО2 из наземного слоя в атмосферу, к дневному - когда
поток СО2 из атмосферы к поверхности земли. Пусть (0,Т1) – ночной интервал времени,
(0,Т2) – дневной интервал.
где  
66
Рис. 53. Вертикальные распределения СО2 в атмосфере (треугольники – натурные измерения,
сплошные линии – предполагаемые распределения в верхнем слое; 1 – «ночь», 2 – «день»).
Для ночного периода
H
1
QC1   (T1 )   (0)   QCH
,
T1
1
1
QCH
 K CH
 AC ,
(36)
1
– по формуле (20).
AC вычисляется по формуле (14), K CH
Для дневного периода
H
(37)
QC2  к  2 (T2 )   2 (0)  ,
T2
 2 вычисляется по формуле (35). Среднесуточный поток СО2 определяется по формуле (29).
Примеры расчетов. В табл. 16 приведены концентрации СО2 в приземном слое атмосферы для ночного периода, в табл. 17 – для дневного. К ночному периоду отнесены данные,
 Сˆ
в которых наблюдается поток СО2 из наземного слоя в атмосферу ( Сˆ
), к дневно-
я 30
му – когда поток СО2 из атмосферы к поверхности земли ( Сˆ
я 30
 Сˆ
я 11
я 11
). В последнем
столбце – вычисленные значения средней концентрации углекислого газа  в приземном
слое высотой H=396 м:
H 11
1
1

Cˆ (t , z ) d z 
9.5  Cˆ11  32.5  Cˆ30  46  Cˆ 76  84  Cˆ122  137  Cˆ 244  76  Cˆ396 .

H  11 11
385


Таблица 16. Измеренные концентрации углекислого газа на вышке (28 июля 2000 г., ночной период).
Ночь
28
28
28
28
28
28
28
28
28
Час
0
1
2
3
4
5
6
7
8
CO2,
11 m
361.6
368.5
372.1
377.6
375.5
373.4
373.8
373.3
375.4
CO2,
30 m
361.3
367
371.2
376
372.8
372.3
373.1
371.7
373.1
CO2,
76 m
360.6
365
369.3
374.5
372.1
370.8
371.2
370.5
372.8
CO2,
122 m
360.3
364.9
368
373
370.3
368.5
369.1
370
371.4
67
CO2,
244 m
356.66
363.5
363.4
366.8
367.8
365.7
367
367.4
370.9
CO2,
396 m
360.8
362.4
363.1
363.8
362.6
361.6
365.1
365.5
368.4

359.2558
364.1864
365.9225
369.5236
368.4448
366.8581
368.2677
368.4712
371.0394
28
28
28
9
10
11
375.1
377.6
376.8
373.9
376.1
375.1
372.9
374.7
373.9
371.6
373.5
372.9
370.4
371.6
370.2
368.5
368.8
366.2
370.9969
372.3601
371.0181
Таблица 17. Измеренные концентрации углекислого газа на вышке (28 июля 2000 г., дневной период).
День
28
28
28
28
28
28
28
28
28
28
28
28
28
29
CO2,
CO2,
CO2,
CO2,
CO2,
CO2,

Час
11 m
30 m
76 m
122 m
244 m
396 m
11
376.8
375.1
373.9
372.9
370.2
366.2
371.0181
12
372.5
371.7
370.6
369.7
367.2
364.4
368.1096
13
368
367.4
367
366.6
365.4
363
365.6122
14
365.1
364.9
365.1
365.1
363.6
361.7
363.8782
15
363.8
363.6
363.6
364.1
362.8
362.7
363.2517
16
364.1
363.4
362.5
362.6
361.2
362.6
362.1944
17
362.1
361.9
361.4
360.7
360.1
359.6
360.4888
18
356.1
356.5
356.6
357.5
357.2
357
357.0681
19
353.9
354.6
355.1
355.2
355.4
355.8
355.2949
20
352.7
352.6
353.2
353.2
353.7
353.6
353.3939
21
350.8
351.2
352.1
352
352.3
352.4
352.1005
22
348.9
349.6
350
350.5
350.8
351.2
350.5697
23
350.4
350.4
350.5
350.8
351.3
351.4
351.0169
0
353.2
353.1
353.2
353.6
353.6
353.8
353.5396
Данные измерений на вышке взяты с сервера ftp://ftp.cmdl.noaa.gov/ccg/towers/
В ночное время средняя скорость ветра была 2.4 м/сек, Т1=11 час. Поток СО2 для ночного периода QC1  0.25( ppm  м / сек ) .
Поток
днем
для
Нк=1500 м,
Т2=13 час.
QC2  0.3715( ppm  м / сек ) .
QCсут  0.0886 ( ppm  м / сек ) .
Предлагаемый метод позволяет оценить среднесуточный поток углекислого газа в приземном слое атмосферы по измеренным на вышке вертикальным распределениям СО2.
Динамика концентрации парниковых газов (СО2 и СН4) в атмосфере по данным наблюдений станции высотной мачты. В условиях бореальной зоны Сибири на базе высотной
мачты обсерватории ZOTTO (Среднесибирский ОЭП ИЛ СО ОАН) получены данные по изменению концентраций СО2 и СН4 в профиле атмосферы до 300 м (высоты: 4, 52, 92, 156,
228 и 302 м) за период май-сентябрь 2009 г. Поскольку наблюдения продолжаются, а полученный материал находится в камеральной обработке, в отчете приводятся данные по высотному градиенту углекислого газа и метана за прошедший сезон (рис. 54) и суточная динамика СО2 в июне-сентябре (рис. 55).
Анализ результатов осенне-зимних наблюдений 2008 г летне-осенних 2009 г показал,
что на высоте 50 м (отражающей газообмен на региональном уровне) концентрации СО2 в
зимний период находятся в диапазоне 395 ppm, достигая своего минимума в конце января
(рис. 56). По сравнению с Шетландскими островами данная величина выше на 7 ppm, отражая, вероятно, как антропогенный, так и биогенный характер происхождения СО 2 с европейского континента в сигнале ZOTTO. Линейный тренд концентрации СО2 за период наблюдений при использовании аппроксимирующей функции выявил возрастание уровня СО 2 в атмосфере на 2.2 ppm/год, что согласуется с данными Шетландских островов (2.17 ppm/год) и
«marine boundary layer reference» (2.0 ppm/год). Поглощение диоксида углерода атмосферы в
результате фотосинтетической активности на подстилающей поверхности обнаруживается со
второй декады мая, достигая максимума в конце июля, когда его концентрация снижается до
368 ppm. Таким образом, амплитуда сезонного цикла для диоксида углерода составляет на
территории охвата высотной мачты около 27 ppm, что согласуется с измерениями концентрации диоксида углерода (22 ppm) в авиационных экспериментах, выполненных в районе
68
обсерватории ZOTTO ранее. В сравнении с данными, полученными на высотной мачте на
Шетландских островах, сезонная амплитуда колебаний концентраций СО 2 в Средней Сибири
на 11 ppm выше. Наряду с градиентом в 7 ppm между этими станциями в летний период
наблюдений (июль) это также свидетельствует о континентальном поглощении диоксида углерода.
Установлено, что внутрисезонные колебания концентрации метана на территории охвата высотной мачты обсерватории ZOTTO составляли около 200 ppb, что отражает динамику
биологической активности метанотрофных и метаногенных микробных сообществ подстилающей поверхности. В изменении концентрации метана в ходе вегетационного сезона можно проследить четкую тенденцию снижения этого параметра с мая по июнь и устойчивое повышение в конце лета и начале осени. Очевидно болотные экосистемы входящие, в зону
охвата высокой мачты, вносят существенный вклад в эмиссию метана за счет процессов
анаэробной декомпозиции органического вещества, имеющих максимальные значения в
конце вегетационного сезона. Напротив, явное снижение концентрации метана с начала мая
по июнь происходит, в первую очередь, за счет процессов снеготаяния, которые вызвали одномоментное высвобождение метана в первой декаде мае. Тогда как постепенное снижение
этого показателя к июню можно отнести к нарастанию метанотрофной активности болотных
экосистем, связанное с повышением температуры и аэрации болотных почв.
Высотный градиент концентрации СН4
2400
2250
2100
50
1950
300
1800
1.5
4.5
7.5
10.5
13.5
16.5
19.5
22.5
25.5
28.5
31.5
3.6
6.6
9.6
12.6
15.6
18.6
21.6
24.6
27.6
30.6
3.7
6.7
9.7
12.7
15.7
18.7
21.7
24.7
27.7
30.7
2.8
5.8
8.8
11.8
14.8
17.8
20.8
23.8
26.8
29.8
1.9
4.9
7.9
10.9
13.9
16.9
19.9
22.9
CH4 ppb
2550
Дата измерения
Высотный градиент концентрации СО2
400
380
50
360
340
300
1.5
4.5
7.5
10.5
13.5
16.5
19.5
22.5
25.5
28.5
31.5
3.6
6.6
9.6
12.6
15.6
18.6
21.6
24.6
27.6
30.6
3.7
6.7
9.7
12.7
15.7
18.7
21.7
24.7
27.7
30.7
2.8
5.8
8.8
11.8
14.8
17.8
20.8
23.8
26.8
29.8
1.9
4.9
7.9
10.9
13.9
16.9
19.9
22.9
CO2 ppm
420
Дата
Рис. 54. Высотный градиент концентрации СН4 и СО2.
08.06.2009
PAR mmol/m2/s2
4м
390
385
время
69
0:00
21:36
19:12
16:48
14:24
12:00
9:36
7:12
4:48
2:24
380
0:00
CO2 ppm
395
2000
1500
50м
1000
500
0
156м
92м
228м
302м
PAR
4м
PAR
50м
92м
156м
227м
0:00
21:36
19:12
16:48
14:24
12:00
9:36
7:12
4:48
2000
1500
1000
500
0
2:24
410
400
390
380
370
360
0:00
СО2 ppm
18.07.09
302
PAR
время
20.08.2009
4М
CO2 ppm
440
1500
420
92м
500
156м
0
227м
400
380
0:00
21:36
19:12
16:48
14:24
12:00
9:36
7:12
4:48
2:24
0:00
360
50м
1000
302м
PAR
Время
10.09.2009
4м
CO2 ppm
400
1500
390
92м
500
156
м
227
м
302
м
PAR
380
370
360
0:00
4:48
9:36
14:24
19:12
Время
Рис. 55. Суточная динамика концентрации СО2.
70
50м
1000
0
0:00
А
Ноя Дек Янв Фев Мар Апр Май Июн Июл Авг Сен Окт Ноя Дек Янв Фев Мар Апр Май
2005
2006
2007
420
Б
CO2 [ppm]
410
400
390
380
370
360
350
Октябр Ноябрь Декабр Январь Феврал Март
ь
ь
ь
Апрель
Май
Июнь
Июль
Август Сентяб Октябр Ноябрь Декабр Январь
Март
Апрель
Май
Март
Апрель
Май
Ноя Дек Янв Фев Мар Апр Май Июн Июл Авг СенрьОкт ьНоя Дек ь Янв Фев Мар Апр Май
2008
2009
2010
2050
2025
CH4 [ppb]
2000
1975
1950
1925
1900
1875
1850
1825
1800
Октябр Ноябрь Декабр Январь Феврал Март
ь
ь
ь
Апрель
Май
Июнь
Июль
Август Сентяб Октябр Ноябрь Декабр Январь
Ноя Дек Янв Фев Мар Апр Май Июн Июл Авг Сен
рь Окть Ноя Декь Янв Фев Мар Апр Май
2008
2009
2010
Рис. 56. Сезонные циклы концентрации СО2 и СН4 на высоте 52 м высотной мачты обсерватории ZOTTO, расположенной около п. Зотино (Красноярский край). На рисунке представлены результаты измерений (А) 20052007 гг. (Kozlova et al., 2008) и (Б) текущих измерений 2009 г. после замены оборудования. Аппроксимирующие
функции (красная линия) рассчитаны по дневным значениям концентраций в период максимального перемешивания слоя (11:00-17:00). Для сравнения на рис. (А) приведены циклы концентрации СО2 на высотной мачте
расположенной на Шетландских островах (60.28 о с.ш., 1.28о в.д.) (синяя линия) и концентрации
«marine boundary layer reference» на широте 60о с.ш. согласно базе данных GLOBALVIEW-CO2.
Отработка оптимальной процедуры ландшафтно-широтного суммирования пространственно распределенных компонентов биосферы при инкапсуляции компонентов биосферы (ИБФ).
Прежде чем использовать феноменологическое суммирование функциональных характеристик пространственно распределенных компонентов биосферы необходимо оценить
осуществимость формальной процедуры осреднения.
В распределенных моделях биосферы поверхность Земли разбита на ячейки и динамика
биоты в каждой из них расписывается соответствующей системой уравнений. Совокупная
активность биоты в ячейках задает динамику глобальных параметров, в частности динамику
концентрации углекислого газа в атмосфере.
Поскольку данные по биоте в каждой ячейке отсутствуют, и все равно приходится
экстра- и интерполировать данные по известным участкам, то расчет динамики в огромном
количестве ячеек представляется избыточным. Возникает вопрос о возможности прямого использования экстра- и интерполяций в модели биосферы. А поскольку нас интересует динамика глобальных параметров биосферы, то возникает вопрос об условиях представления
71
этой динамики с помощью малоразмерных моделей или, по-другому, об условиях формального перехода от распределенных моделей к малоразмерным.
Какие факторы способствуют этому переходу?
В первую очередь, взаимодействием биоты между ячейками можно пренебречь. Миграция животных, конечно, приводит к взаимодействию, но биомассой животных по сравнению с биомассой почв и растений можно пренебречь. Тогда динамика биоты, находящейся в
пространственных ячейках модели, описывающей динамику углерода, может описываться
независимо в каждой ячейке, а взаимодействуют они только через общий атмосферный резервуар углерода (рис. 57).
Углерод в атмосфере
X1
X2
Xi
XN
Y1
Y2
Yi
YN
Рис. 57. Схема взаимодействия пространственных ячеек распределенной модели через атмосферу.
На схеме буквами X с индексами обозначается биомасса растений, а буквой Y – мертвая органика в почве. Разные индексы соответствуют разному географическому местоположению ячейки, а значит и различным условиям роста биоты и распада органики.
Чтобы сделать первый шаг к суммированию моделей нужно принять предположение,
что вид зависимости скоростей потоков между блоками (скоростей роста и распада) во всех
ячейках одинаков и ячейки различаются только значениями кинетических констант. Это не
представляется слишком серьезным допущением, в какой-то мере оно даже естественно.
Сложность состоит в том, что поскольку и величины кинетических констант и величины переменных у каждой ячейки свои, то просто просуммировать дифференциальные уравнения для перехода к общим (интегральным, суммарным) значениям биомассы в качестве
переменных не представляется возможным даже для линейных уравнений, не говоря уже об
уравнениях нелинейных. Это может означать, что либо искомый формальный переход от
распределенной модели к минимальной модели вообще невозможен, либо он допустим при
наложении на переменные и параметры определенных ограничений. Говорить о реализуемости второго варианта можно только после обнаружения таких ограничений, хотя бы для конкретной модели, и оценки экологической корректности этих ограничений.
Для определенности предположим, что поведение ячейки пространственной ячейки
описывается следующей простой моделью (Барцев, Дегерменджи, Ерохин, 2005; Bartsev, Degermendzhi, Erokhin, 2008):
 dX i
max
 dt  Ai (C ) X i X i  X i  ki X i

 dYi
 ki X i  Bi (C )Yi
i  1, 2,  N
(38)

dt

C  C0   X i   Yi

i
i

где Xi – количество углерода в растительной биомассе; Yi – количество углерода в мертвой
органике почвы; C – концентрация (количество) углерода в атмосфере; Ai(C) – нелинейная
зависимость скорости роста растений от концентрации углерода, включая зависимость от
температуры, которая, вследствие парникового эффекта также зависит от концентрации углерода; Bi(C) – аналогичная зависимость скорости распада органики.


72
Нужно отметить, что N – это количество ячеек, которое по величине может достигать
1000 и более.
Каждому значению i соответствуют широта долгота и высота расположения ячейки на
земной поверхности. В принципе с i можно связать величины, оказывающие непосредственное влияние на биологические процессы: среднегодовую и максимальные летние/зимние
температуры, влажность, длительность вегетации, освещенность и пр.
Чтобы сделать суммирование более наглядным и технически легче осуществимым перейдем к описанию системы обыкновенных дифференциальных переменных в виде уравнений в частных производных. Вместо индекса i введем вторую переменную s, которая соответствует совокупности параметров, определяющих скорости процессов в биоте, которые, в
свою очередь, зависят от географических координат:
 X (t , s )
 A(C , s) X (t , s ) X max ( s)  X (t , s )  k ( s) X (t , s)
 t

 Y (t , s)
(39)
 k ( s) X (t , s )  B(C , s)Y (t , s)

 t
C  C0  X (t , s)ds  Y (t , s)ds
S
S


Для того чтобы получить уравнения для количества углерода в суммарной биомассе и
органике почв нужно взять интегралы по s от левых и правых частей уравнений. Однако для
этого нужно конкретизировать вид переменных – наложить на них ограничение. Воспользуемся часто используемым при решении уравнений в частных производных подходом и представим переменные в виде: X (t , s)   (t ) ( s) и Y (t , s)   (t ) ( s) . Этот шаг предполагает, что
и количество биомассы и органики в почве «модулированы» условиями существования.
В этом случае систему (26) можно записать уже в виде:
 (t )

max
 ( s) t  A(C , s) (t ) ( s ) X ( s)   (t ) ( s)  k ( s) (t ) ( s)

 (t )

(40)
 k ( s) (t ) ( s)  B(C , s) (t ) ( s)
 ( s)
t

C  C0   (t )  ( s)ds   (t )  ( s)ds
S
S


Если сделать совершенно естественное предположение, что емкость среды тоже завиmax
сит от географических условий, и принять X ( s)  D ( s) , то появляется возможность разделить переменные описывающие динамику и переменные, зависящие от географических
условий и выделить интеграл по s:
  (t )
2
 t  ( s )ds   (t )D   (t ) A(C , s ) ( s )ds   (t )  k ( s ) ( s )ds
S
S
S

  (t )
(41)

 (s)ds   (t )S k (s) (s)ds   (t )S B(C , s) (s)ds
 t S

C  C0   (t )  ( s )ds   (t )  ( s )ds
S
S

Или окончательно, поскольку X (t )   (t )  ( s)ds, Y (t )   (t )  ( s)ds , то получаем




S
S
уравнения на суммарное (интегральное) количество углерода в биомассе и органике почв в
том же виде, что и в отдельной ячейке:
73

A(C , s) 2 ( s)ds

S k (s) (s)ds

S
 dX (t )
 X (t )
 dt  X (t )  D  ( s)ds  X (t )
2


 S

S  (s)ds

  ( s)ds 



S



S k (s) (s)ds
S B(C , s) (s)ds
 dY (t )
 X (t )
 Y (t )


(
s
)
ds
 dt
S
S  (s)ds

и, плюс закон сохранения для стационарного случая C  C0  X (t )  Y (t ) .
(42)
Для привязки полученной системы к имеющимся данным и более удобной ее интерпретации можно использовать эквивалентную форму записи этой системы (43). Функции (t)
и (t) описывают синхронное изменение биомассы и органики в одинаковых (или пренебрежимо различных) природных условиях. Функции, описывающие пространственное распределение (или, точнее, распределение по условиям существования) присутствуют в отношениях интегралов, соответствующих коэффициентам скоростей соответствующих стадий превращения углерода в данном природном компартменте.
Требование синхронности, сразу задает пространственные масштабы применимости
этой системы. Так, например, для описания динамики всей биосферной биомассы мы можем
использовать в качестве значений переменной (t) только средние за год величины биомассы, а в качестве показателя скорости ее прироста суммарной годовое значение чистой первичной продукции фотосинтеза. Если необходимо описывать сезонные изменения с месячным, то в качестве областей интегрирования S нужно выбирать области с незначительными в
масштабах месяца, различиями в вегетационных периодах.


A(C , s ) 2 ( s )ds

S k (s) (s)ds
 d (t )
S
  (t )D   (t )
  (t )

dt

(
s
)
ds

S
S  (s)ds


S k (s) (s)ds S  (s)ds
S B(C , s) (s)ds
(43)
 d (t )


(
t
)


(
t
)

 dt
S  (s)ds S  (s)ds
S  (s)ds


C  C 0   (t )  ( s )ds   (t )  ( s )ds
S
S


Следует сразу отметить, что в предложенном виде модель способна описывать динамику биосферы или какого-либо из ее компартментов только в случае неизменного вида функций (s) и (s). Вид этих функций из уравнений никак не следует, он связан с характеристиками земного ландшафта и климата. Поэтому для описания совместных глобальных биосферных и климатических изменений необходимо дополнить данную систему уравнениями,
которые бы описывали изменение самих переменных s, что соответствовало бы изменениям
климата. То есть, для того, чтобы модель стала замкнутой необходимо дополнить данную,
или подобную ей систему уравнений, моделью климата, желательно, соответствующего
уровня сложности, т.е. минимальной моделью климата.
Таким образом, на данном этапе проекта проиллюстрирована возможность прямого перехода от уравнений, описывающих фрагменты биосферы к уравнениям, описывающим биосферу в целом с сохранением вида исходных уравнений. То есть можно говорить об определенной степени структурного подобия биосферы и экосистем ее составляющих. Кроме того,
74
стали более оформленными требования к минимальной модели климата, сопряжение с которой позволит получить замкнутую целостную модель изменений в системе «биосфераклимат».
Создание баз данных по консументам и оценка их роли в динамике углерода в основных
наземных и водных биомах мира (НГУ).
Понятийно-терминологическая база для задач, связанных с балансом углерода. Понятийно-терминологическая база, характеризующая круговорот углерода, отличается высокой
степенью упорядоченности. Основная часть терминов стандартизована, в том числе на международном уровне, в частности в рамках проекта «Человек и биосфера».
Блоки, в которых в той или иной степени фиксируется углерод: литомассы, педомассы,
мортмассы, биомассы, аэромассы и гидромассы (по Беручашвили) – сопряжены друг с другом функционально (процессами – продукционным, деструкционным, депонирования) , а
также в пространстве и во времени. Очевидно, что в большинстве случаев эти блоки целесообразно разбивать на отдельные подблоки (например, по функциональной специфике: те же
биомассы объединяют столь разнородные группы организмов, как продуценты, консументы
и редуценты). Необходим учет вертикальной структурированности экосистемы, в общем виде – выделение геогоризонтов, в том числе характеристика взаимодействия между ними.
Взаимодействие между блоками носит – по Ляпунову – в том числе и сигнальный характер.
Круговорот вещества и энергии внутри геосистемы (экосистемы) можно обозначить как ее
метаболизм.
Любая экологическая система (в широком смысле) динамична. Но основная масса
имеющихся в распоряжении исследователей характеристик по существу статична. Более того, данные для различных участков земной поверхности обычно получены в разные периоды.
Вместе с тем – с учетом рассчетного характера большинства имеющихся оценок запасов и
потоков углерода – представляется целесообразным в данном случае рассматривать в качестве отдельных состояний достаточно длительные временные промежутки, ограниченные
крупными перестройками на биосферном уровне, в том числе и в результате воздействия со
стороны человека. Такой подход в общем виде соответствует определению термина «состояние системы» в форме набор числовых значений переменных, зафиксированных для определенного момента времени и в фиксированной точке (части) пространства. Каждое состояние
проявляется на каком-то минимальном участке и в пределах какого-то определенного временного промежутка. Описание состояний можно рассматривать как хроноструктуру объекта, которая применительно к круговороту углерода может быть частично описана на основании существующих палеоэкологических карт, а также карт восстановленной растительности.
Первые вариант базы, разработанной в рамках проекта, включает более 110 терминов с
определениями и характеристикой связей между ними (синонимия, включение, соподчиненность и т.п.).
Животные в круговороте углерода в наземных экосистемах. Ведущую роль в биологическом круговороте углерода в наземных экосистемах играют настоящие растения, а также
другие фотосинтезирующие организмы. Кроме того, велико значение таких групп редуцентов, как бактерии и грибы. Естественно, встает вопрос о месте в данном круговороте настоящих животных (Metazoa) (конечно, за исключением человека) – группы живых существ, характеризующейся самым высоким уровнем выявленного таксономического разнообразия.
Согласно классическим экологическим представлениям, восходящим к работам первой половины XX в., роль консументов-фитофагов незначительна: судя различным данным, они
потребляют не более 10% чистой первичной продукции, при этом одна часть углерода выделяется при дыхании в виде углекислого газа, а другая – либо входит в состав мортмасс, либо
может накапливаться в виде карбонатных скелетных образований. Непосредственные оценки
для ряда почвообитающих животных показывают, что потребляемый ими углерод затрачива75
ется на формирование продукции (0.6 г/м2), дыхание (0.9 г/м2), выделение (2.8 г/м2). Суммарный вклад животных в так называемое дыхание почвы оценивается всего в 3%.
Достаточно сложно оценить косвенный вклад животных в круговорот углерода в
наземных экосистемах. Разрушение фитомассы во многих случаях облегчает доступ бактерий и грибов и, соответственно, влияет на скорость оборота. Более того, известно, что в пищеварительных трактах некоторых животных растительные остатки обогащаются витаминами группы B. Деятельность животных-педобионтов способствует фиксации углерода в почве. Некоторые из них (главным образом дождевые черви) могут обеспечивать его перенос в
более глубокие почвенные горизонты. Продемонстрированы существенные различия между
разными группами животных: так, дождевые черви утилизуют органику медленнее, но эффективнее, чем другие группы почвообитающих животных (ногохвостки и клещи). Прослеживается и ярко выраженная видовая специфика. Кроме того, поступление углекислого газа
в почвы (в том числе за счет дыхания животных) и его последующее растворение приводит к
разрушению некоторых типов подстилающих горных пород и накоплению (и частичному
выносу в водоемы) карбонатов.
Массовые размножения вредителей могут существенно модифицировать перераспределение углерода на обширных территориях. Имеющиеся оценки показывают, что вклад таких
вспышек в эмиссию углекислого газа невелик (для России – около 0.5%). Вместе с тем быстрое разрушение значительной часть зеленой фитомассы (в некоторых случаях до 100% на
протяжении недель) должно приводить к интенсификации накопления мортмасс и последующему выведению углерода в почвенный пул.
Анализ созданной ранее базы данных по биомассам живых организмов в основных типах наземных экосистем мира позволяет выделить основные закономерности распределения
запасов углерода в животных, обитающих в экосистемах суши. Принято, что содержание
углерода в воздушно-сухой биомассе животных составляет 50%.
Значительные количества углерода в биомассе животных свойственны лесным суббореальных и субтропическим экосистемам, а также некоторым типам прерий (420-560 кг/га),
несколько меньшие запасы типичны для остальных лесных экосистем, еще меньше углерода
сосредоточено в животных, обитающих в степях, на болотах и в поймах. Минимальные значения выявлены в пустынных экосистемах (5-6 кг/га).
По соотношению углерода в фито- и зоомассе основные типы экосистем в первом приближении могут быть разделены на три группы: 1) доля углерода, запасенного в зоомассе,
превышает 1% (это в первую очередь степные и прерийные экосистемы, а также некоторые
варианты пустынь); 2) эта величина значительно меньше 1%, но больше или равна 0.1% (основная часть экосистем); 3) доля углерода существенно меньше 0.1% (бореальные, суббореальные и тропические леса, а также некоторые пойменные, болотные и пустынные экосистемы). Такое распределение представляется естественным, поскольку в первом случае многолетние запасы биомассы минимальны, а в последнем – максимальны.
Интересно также соотношение по запасам углерода почвообитающих и надземных
групп животных. Значительная часть наземных экосистем характеризуется господством почвообитающих форм. Противоположная ситуация типична для болот и пойм, а также некоторых вариантов степей и сухих лесов. Вероятнее всего, в данном случае проявлется неблагоприятность условий для развития педобионтов. Есть и экосистемы, в которых соотношение
запасов углерода в почвенно-подстилочных и надземных горизонтах примерно одинаково.
Это в первую очередь леса суббореального, тропического и экваториального поясов, а также
саванны.
Таким образом, роль животных в круговороте углерода в общем незначительна. Вместе
с тем побочные эффекты их участия в переработке фитомассы могут быть гораздо более существенными, хотя и трудно оцениваемыми с количественной точки зрения. Особенно заметной роль животных может быть в некоторых типах наземных экосистем, которые и заслуживают более тщательного исследования в этом аспекте.
76
Хортобионтные членистоногие в наземных экосистемах Западно-Cибирской равнины:
оценки запасов углерода. Кроме беспозвоночных, участвующих в деструкционных процессах, очевидно, во многих экосистемах заметную роль играют членистоногие, обитающие в
травяном ярусе (хортобионтов). Основные особенности оценки воздушно-сухой биомассы
животных, характер и объем использованных оригинальных и опубликованных материалов
описаны ранее. По сравнению с созданной на предыдущем этапе базой данных по экосистемам Западно-Сибирской равнины выделены членистоногие-хортобионты. В связи с имеющимися лакунами в исходных материалах при расчетах доступные оценки использовались в
следующей последовательности: 1) при наличии использовались оценки для конкретной растительной формации, выделенной на карте растительности Западно-Сибирской равнины; так
как материалов по собственно биомассам сравнительно мало, то в основном использовались
результаты кошений сачком; 2) при отсутствии подобных величин производилась экстраполяция по близким формациям в пределах природной подзоны в границах Западно-Сибирской
равнины; 3) наконец, экстраполировались данные по близким формациям в пределах соседних подзон. Оценки обилия, полученные методом кошения сачком, пересчитывались с использованием следующих коэффициентов: для большинства групп – 50 взмахов соответствуют 1 кв.м (коэффициент 1), для отдельных таксонов: Aranei – 0,5, Coleoptera – 0.78,
Diptera – 0.31, Hemiptera – 1.06, Homoptera – 0.74, Hymenoptera – 0.25, Lepidoptera – 0.66,
Neuroptera – 0.59, Odonata – 0.66, Thysanoptera – 1.45. Для прямокрылых использовались ранее полученные оценки, базирующиеся на плотности и среднем весе особей. Принято, что
содержание углерода в воздушно-сухой биомассе животных составляет 50%.
Анализ созданной базы данных по биомассам живых организмов в основных типах
наземных экосистем Западно-Сибирской равнины позволяет выделить основные закономерности распределения запасов углерода, накапливаемого местными членистоногимихортобионтами.
В зональных экосистемах прослеживается довольно четкая тенденция нарастания средних запасов углерода с юга на север, причем она прослеживается как для всех членистоногих, так и только для прямокрылых насекомых (рис. 58, табл. 18). Вместе с тем в первом случае картина отклоняется от идеальной: максимальное значение (98 кг C/га) этого показателя
выявляется в подтайге. Судя по всему, в этой полосе условия для существования хортобионтов в целом оптимальны: богатый и нередко высокий травостой, сравнительно длинный теплый сезон, достаточное для развития таких животных количество тепла и осадков.
Рис. 58. Распределение запасов углерода в наземных беспозвоночных
(без учета дендро- и тамнобионтов) в Западной Сибири.
77
Таблица 18. Оценки запасов углерода (кг C/га) в хортобионтных членистоногих
основных экосистем Западно-Сибирской равнины
—
—
—
—
—
0.2
0.4
0.5
0.6
0.8
—
—
—
—
—
0.2
0.2
0.1
0.1
0.1
—
—
—
—
—
4.0
109.18
62.92
70.7
78.4
только прямокрылые
все членистоногие
0.2
0.6
2.6
0.3
0.3
3.2
35.8
29.9
10.8
10.8
Сельскохозяйственные угодья
все членистоногие
0.6
0.5
2.6
2.6
2.0
5.1
98.0
11.4
33.3
78.4
Азональные
экосистемы
только прямокрылые
Арктическая
Субарктическая
Лесотундра
Северная тайга
Средняя тайга
Южная тайга
Подтайга
Лесостепь
Луговостепная
Степь
только прямокрылые
Зона или подзона
все членистоногие
Зональные
экосистемы
—
—
—
—
—
—
0.4
0.4
0.4
0.4
В азональных экосистемах (главным образом пойменные луга и болота) ситуация более
сложная: на севере равнины запас углерода несколько увеличивается в лесотундрах, затем он
уменьшается и снова увеличивается в подтайге. В лесостепных и степных районах данный
показатель уменьшается. В то же время запас углерода в прямокрылых практически не изменяется.
В сельскохозяйственных угодьях (преимущественно различные поля) прослеживается
максимум в подтайге, южнее (в лесостепи) запасы углерода сокращаются, а затем увеличиваются. Вклад прямокрылых в эти запасы, по-видимому, остается неизменным.
Судя по соотношению запасов углерода в травостое (оцененного по соответствующим
величинам фитомассы) и в хортобионтных членистоногих, участие последних в круговороте
этого элемента можно считать сравнительно незначительным: их доля в большинстве сопоставляемых зон и подзон значительно меньше 0.01. Только в степях, подтайге и тундрах данный показатель выше, причем если в первом и последнем случае он составляет 0.01-0.03, то в
подтайге он весьма значителен (0.16).
Вклад прямокрылых насекомых сравнительно невелик. Только в районах с преобладанием различных типов степей, в том числе луговых, на них приходится несколько процентов
суммарного содержания углерода в хортобионтных членистоногих. В общем это соответствует характеру распределения их численности и биомассы. Вместе с тем в годы подъема
численности запасы углерода, накапливающиеся в этих насекомых, могут значительно увеличиваться. Так, расчеты для лугово-степного участка, расположенного на юго-западе Новосибирской области (окрестности с. Александровский), показывают, что этот показатель в годы вспышки массового размножения итальянской саранчи может достигать 32-33 кг C/га,
причем 2/3 этой величины обеспечено данным видом.
Таким образом, роль хортобионтных членистоногих в формировании пула углерода в
экосистемах Западно-Сибирской равнины невелика. Ее обширная территория может быть
расчленена на две большие части: северную и южную, граница между которыми проходит по
стыку южной тайги и подтайги. В первом случае (т.е. в тундре и тайге) запасы углерода, содержащиеся в этих животных, обычно не превышают 10 кг C/га, во втором – они часто существенно больше этой величины. Судя по имеющимся данным, эта картина справедлива и для
полевых ценозов. На юге Западно-Сибирской равнины довольно значительна роль прямокрылых насекомых, особенно саранчовых. На их примере хорошо прослеживаются возможные последствия резких нарастаний численности в годы вспышек массового размножения,
78
когда в биомассе накапливаются значительные количества углерода. Это, в частности, может
приводить к его перераспределению между экосистемами, поскольку нередко происходят
перемещения стай насекомых на разные расстояния и в разных направлениях.
Вместе с тем сопоставление содержания углерода в биомассе трав и хортобионтных
членистоногих не позволяет выявить всю специфику участия последних в круговороте данного химического элемента. Необходимо также сопоставление продукционных процессов, а
также учет косвенных эффектов участия этих животных в переработке фитомассы (особенно
ее разрушения). Подобное воздействие может быть очень существенным, хотя и трудно оцениваемым с количественной точки зрения.
Адаптация информационно-компьютерного ресурса EcoNet для описания экосетей бореальных лесов и сопутствующих экосистем. Создание онтологии элементарных объектов и элементарных связей, лежащих в основе бореальных экосистем. Построение описания сети взаимодействий (экосети) экосистем различного уровня иерархии и описание
их микро- и макродинамики для ряда сценариев изменения климата. Адаптация алгоритмов моделирования и анализа графа для исследования таких сетей взаимодействий
(ИЦиГ, ИЛ, ИВТ).
Информационная модель. Любая информационная система должна обеспечивать в
первую очередь формализованное и интегрированное представление всех необходимых
и/или доступных данных по рассматриваемой проблематике. Без этого комплексный анализ
проблемы с использованием средств компьютерной поддержки не представляется возможным.
В данном случае речь идет в первую очередь о представлении данных о бюджете и динамике углерода с географической привязкой. В связи с тем, что круговорот углерода не может рассматриваться как замкнутая система даже в грубом приближении, требуется рассматривать также комплекс других факторов, как то климат, рельеф, типы экосистем и др. Необходимо построение онтологии, т.е. модели представления данных, которая обеспечивала бы
решение как минимум следующих задач в рамках рассматриваемой проблематики: 1) выявление статистических закономерностей между бюджетом/динамикой углерода и другими параметрами (посредством корреляционного, кластерного анализа и др.); 2) моделирование динамики углерода различными методами (имитационное моделирование, клеточные автоматы, сети Петри и т.д.) 3) интеграция данных, необходимых для решения вышеперечисленных
задач.
Построение онтологии требует, в частности, ответов на следующие вопросы: 1) какова
классификация изучаемых объектов, 2) какова структура состояния этих объектов. С учетом
того, что все исходные данные необходимо рассматривать в географической привязке, разумно выбирать в качестве основного класса объектов географические (пространственные)
объекты. Два наиболее распространенных способа – это клеточное и компартментное разбиение рассматриваемой территории.
Клеточное представление информации с географической привязкой (рис. 59) подразумевает разбиение территории на клетки одинаковой формы (как правило, прямоугольники
или гексагоны). При этом изменением параметров в рамках одной клетки можно пренебречь.
Такого рода представление обладает высокой гибкостью, т.к. состояние всех клеток может
меняться независимо. Для задач, связанных с анализом баланса и динамики углерода в региональном масштабе оценка приемлемого размера клетки составляет ~1 км. Таким образом,
вся модель будет содержать десятки миллионов клеток, что порождает высокую параметрическую сложность такой модели, являющуюся ее главным недостатком.
Компартментное разбиение – это альтернатива клеточной модели, в которой рассматриваемые области могут иметь относительно произвольную форму и размер. Это позволяет
рассматривать существенно более крупные области с линейными размерами в десятки и сотни километров. При этом параметрическая сложность модели становится существенно ниже.
79
Однако, в отличие от клеточной модели, моделирование изменения формы компартментов (а
это необходимо при прогнозировании динамики на 10 лет и более, таким образом, отражаются климатические изменения, изменения растительного покрова и т.д.) затруднено.
Предлагается использование гибридного подхода (рис. 60): состояние привязывается к
компартментам, при этом компартмент рассматривается, как набор клеток, не имеющих собственного состояния кроме принадлежности к компартменту. Этот подход позволяет устранить перечисленные недостатки как клеточной, так и компартментной модели.
Рис. 59. Клеточное представление данных с географической привязкой.
80
Рис. 60. Гибридное клеточно-компартментное представление данных с географической привязкой.
Состояние. С учетом того, что значительную часть исходных экспериментальных данных для расчета баланса углерода придется экстрагировать из различных тематических карт
и ГИС, в онтологии разумно сохранить географическую привязку: выбирать в качестве элементарных объектов географические (пространственные) объекты, но абстрагироваться от
конкретных классификаций этих объектов. Компартменту может соответствовать биогеоценоз, его компоненты (фитоценоз, почвенный ареал, блок аэромасс, блок подстилающих пород) или его элементы (парцелла, синузия), геомеры и территориальные единицы (ландшафт,
географическая область, агроценоз), климатические области и зоны, элементы биогеографии
(ареалы видов, ареалы сообществ, биомы), иными словами, любые базовые понятия экосистемного уровня организации биоразнообразия, имеющие свойство протяженности и непрерывности (то есть два одинаковых фитоценоза, разделенных третьим будут описываться как
разные компартменты). В зависимости от поставленной задачи, а также характера доступных
данных компартменты могут выделяться не только из географических соображений, но и,
например, исходя из размера территории, необходимой для оценки того или иного параметра
(при условии сохранения свойств протяженности и непрерывности).
Состояние, которым описывается компартмент, предположительно включает в себя
следующие параметры:
1. Дифференцированный бюджет углерода. Следует рассматривать отдельно запасы
углерода в фитомассе, мортмассе, почве и др.
2. Климатические и метеорологические параметры.
3. Динамические параметры, влияющие на микродинамику внутри комрпартмента
(NPP и др.)
4. Параметры границ компартментов (например, характеристики естественных географических границ), определяющие динамику обменных процессов между ними.
Возможные динамические модели. При построении динамических моделей, основанных на представленной модели данных возможно (хотя и не обязательно) учитывать три типа динамики: 1) «вертикальная» микродинамика, т.е. перераспределение параметров внутри
одного компартмента; 2) «горизонтальная» микродинамика, т.е. обменные процессы между
соседними компартментами (рис. 61); 3) макродинамика – изменение компартментной
структуры (формы и набора компартментов) (рис. 62).
Рис. 61. Гибридное клеточно-компартментное представление данных с географической привязкой:
81
микродинамика.
Рис. 62. Гибридное клеточно-компартментное представление данных с географической привязкой:
макродинамика.
Вертикальная микродинамика рассматривает обменные процессы внутри компартмента
и отражает количественное изменение параметров, в первую очередь дифференцированного
бюджета углерода (в мортмассе, почве и т.д.). Для разных типов компартментом могут использоваться принципиально разные динамические модели (например, модель лесного массива будет принципиально отличаться от модели водоема).
Горизонтальная микродинамика описывает количественное изменение параметров
компартментов при обменных взаимодействиях между ними. Например, к этому типу относятся процессы перераспределения углерода за счет животных или атмосферного CO2. В общем случае для каждой пары типов компартментов можно использовать отдельную модель
взаимодействия (хотя на практике таких моделей необходимо значительно меньше).
Макродинамики определяет качественное изменение элементов модели (компартментов) – изменение почвенного и растительного покрова, климата. При моделировании это выглядит как «переключение» отдельных клеток модели – переход в другие компартменты или
образование новых. Модель макродинамики должна быть пространственно-дискретной с
дискретизацией в клетку. Однако, при адекватном выборе размера клетки, погрешностью,
связанной с дискретизацией можно пренебречь (отметим, что в отличие от клеточной модели
изменение размера клетки в данном случае практически не влияет на параметрическую
сложность).
Перспективы применения сетевых моделей для описания микродинамики. В
ИЦиГ СО РАН более 10 лет ведутся работы, связанные с сетевым моделированием молекулярно-генетических систем (генных сетей). Разработан комплекс программных средств по
реконструкции и анализу сетевых моделей, получивший название ARANEUS. Впоследствии
он был адаптирован применительно к экосистемам. Здесь необходимо отметить особенность
экосистем по сравнению с молекулярно-генетическими системами. Она проявляется в нечетко определенной терминологической базе.
82
На рис. 63 представлена реконструированная, с помощью данных средств, сетевая модель, отражающая вертикальную микродинамику в рамках одного компартментам.
Рис. 63. Пример сетевой модели экосистемы.
Онтология для данной сетевой модели включает в себя следующие объекты (использована иерархическая компартментная структура):
1.
Окружающая среда.
2.
Растительный покров (как компартмент).
3.
Мортмасса.
4.
Почва.
5.
Отдельные растения.
6.
Процессы переноса углерода внутри рассматриваемого компартмента.
7.
Обменные процессы с другими компартментами.
В частности, одним из перспективных методов анализа, основанных на теории графов,
является поиск регуляторных контуров (или циклов). Основной идеей данного метода является выявление циклических зависимостей в сетевых моделях, которые образуют положительные и отрицательные обратные связи, и влияющие на режим функционирования таких
моделей. В свою очередь, сами регуляторные контуры сетевой модели состоят из элементов
сети, а также направленных взаимодействий между ними. Проведена работа по адаптации
метода применительно к анализу сетевых моделей экологических систем.
Другим перспективным методом анализа экологических систем является использование аппарата, сетей Петри, которые применяются для дискретного моделирования динамики
систем. Как и в случае с поиском регуляторных контуров, данный метод успешно применятся при анализе молекулярно-генетических систем. В данном случае, наибольший интерес
представляют временные сети Петри, которые описывают позиции (элементы сетевой модели) и переходы между ними (взаимодействия и трансформации), обладающие весом, определяющим продолжительность срабатывания (задержку). Также интерес представляют
83
иерархические сети Петри, которые могут учитывать, в том числе, и компартментную
структуру.
84
Список использованной литературы
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
Андерсон Д., Таннехилл Дж., Плетчер Р. Вычислительная гидромеханика и теплообмен.
– Т. 1. – М.: Мир. – 1990. – 384 с.
Белолипецкий В.М., Белолипецкий П.В., Дегерменджи А.Г. Одномерная модель вертикального распределения углерода в атмосфере // Сиб. экологич. журн. – 2004. – Т. 11. –
№ 5. – С. 789-792.
Ваганов Е.А., Ведрова Э.Ф., Верховец С.В. и др. Леса и болота Сибири в глобальном
цикле yглерода // Сиб. экологич. журн. – 2005. – № 4. – С. 631-649.
Доронин Ю.П. Взаимодействие атмосферы и океана. – Л.: Гидрометеоиздат – 1981. –
288 с.
Матвеев Л.Т. Курс общей метеорологии. Физика атмосферы. – Л.: Гидрометеоиздат. –
1984. – 751 с.
Владимиров И.Н. Однозначность прогнозных динамических моделей как географическая
проблема // Матер. XV конф. молодых географов Сибири и Дальнего Востока «География: новые методы и перспективы развития». Иркутск: Изд-во Ин-та географии СО
РАН. – 2003. – С. 155-157.
Владимиров И.Н., Чудненко А.К. Прогнозирование пространственно-временной динамики лесных ресурсов Иркутской области с использованием ГИС-технологий // Солнце,
Земля, вода и энергия / Тр. Восточно-Сиб. отд-я АПВН. Вып. 2. – Новосибирск: Наука. –
2005. – С. 61-68.
Кутателадзе С.С. Анализ подобия и физические модели. – Новосибирск: Наука. –
1986. – 296 с.
Черкашин А.К. Модель динамики лесонасаждений лесхоза и ее применение для решения
прогнозных задач // Планирование и прогнозирование природно-экономических
систем. – Новосибирск: Наука. – 1984. – С. 69-81.
Тоффоли Т., Марголус Н. Машины клеточных автоматов. – М.: Мир. – 1991. – 280 с.
Михеев В.С., Ряшин В.А. Ландшафты юга Восточной Сибири (карта). – М.: ГУГК. –
1977. – 4 л.
Фролов А.А., Черкашин А.К. Эволюционное картографирование изменчивости геосистем
Предбайкалья // Устойчивое развитие территорий: теория ГИС и практический опыт. –
Т. II. – Ханты-Мансийск. – 2007. – С. 177-184.
Плюснин В.М. Ландшафтный анализ горных территорий. – Иркутск: Изд-во Ин-та географии СО РАН. – 2003. – 257 с.
Vladimirov I.N. Mapping of regenerative and age dynamics of taiga forests on the basis of remote sensing data, geographical knowledge and mathematical models // J. of Remote Sensing
(published by Chinese Acad. of Sci.). – 2007. – Vol. 11. – № 5. – P. 732-744.
85
Полный список публикаций за 2009 г.
Центральная печать
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
Равкин Ю.С., Чеснокова С.В., Юдкин В.А., Ермаков Н.Б. и др. Северо-Восточный Алтай: животный мир и среда (аннотированный атлас) // Отв. Ред.: Л.Г. Вартапетов. – Новосибирск: Изд-во СО РАН.– 2009. – 154 с.
Ермаков Н.Б., Полякова М.А., Сморгов А.Е. Ассоциации петрофитных степных сообществ из Алтае-Саянской горной области. 1. Сообщества Selaginella sanguinolenta Западного Саяна и Тувы // Вест. Новосибирского гос. унив-та. Сер.: биология, клиническая медицина. – 2009. –Т. 7. – Выпуск 4. – С. 35-42.
Ермаков Н.Б., Полякова М.А. Ассоциации петрофитных степных сообществ из АлтаеСаянской горной области. 2. Сообщества из Центрального и Восточного Алтая // Вест.
Новосибирского гос. унив-та. Сер.: биология, клиническая медицина. – 2009. –Т. 7. –
Выпуск 4. – С. 43-49.
Ермаков Н.Б., Николин Е.Г., Троева Е.И., Черосов М.М. Классификация светлохвойных
лесов южного Верхоянья (Якутия) // Вест. Новосибирского гос. унив-та. Сер.: биология, клиническая медицина. – 2009. – Т. 7. – Выпуск 4. – С. 7-15.
Ермаков Н.Б. Растительные сообщества бассейна р. Танмалыг (Государственный природный заповедник «Убсунурская котловина») // Природа Заповедника «Убсунурская
котловина». – Красноярск: Дарма-печать. – 2009. – Выпуск 1. – С. 105-126.
Ермаков Н.Б., Крестов П.В. Ревизия высших единиц луговой растительности юга
Дальнего Востока // Растительность России. СПб. – 2009.
Полякова М.А. Ассоциации петрофитных степных сообществ из Алтае-Саянской горной области. 3. Сообщества с хребта Западный Танну-Ола (Тува): Nanophyto erinacei–Caricetum
pediformis, Caragano bungei–Thymetum mongolici, Stellario dichotomae–Artemisietum
santolinifoliae // Вест. Новосибирского гос. унив-та. Сер.: биология, клиническая меди-
цина. – 2009. – Т. 7. –Выпуск 4. – С. 50-56.
Сергеев М.Г. Хортобионтные членистоногие в наземных экосистемах ЗападноСибирской равнины: оценки запасов углерода // Вестн. НГУ. Сер.: Биология, клиническая медицина. – 2009. – Т. 7. – Выпуск 4. – С. 71–74.
Фролов А.А. , Черкашин А.К. Эволюционное геоинформационное моделирование и картографирование // Геодезия и картография. – 2009. –№ 6. – С. 39-45.
Жижимов О.Л., Мазов Н.А. Об использовании географических координат при поиске
библиографической информации // Научные и технические библиотеки. – 2009. –
№ 1. – С. 54-60.
Мазов Н.А., Жижимов О.Л. Использование технологии XML в информационных системах // Информационные технологии в гуманитарных исследованиях. Новосибирск:
ИАЭ СО РАН. – 2009. – № 13. – С. 88-90.
Жижимов О.Л., Мазов Н.А. Географические координаты в НТИ как основа интеграции
АБИС и ГИС // Информационные технологии в гуманитарных исследованиях. Новосибирск: ИАЭ СО РАН. – 2009. – № 13. – С. 90-93.
Кудряшова С.Я., Дитц Л.Ю. Дистанционное исследование природно-антропогенной
трансформации почвенного покрова межгорных котловин юга Сибири // Сибирский
экологический журнал. – 2009. – № 2. – С. 223-230.
Принятые в печать
14.
Дегерменджи А.Г., Барцев С.И. Принцип наихудшего сценария в моделировании
прошлого и будущего биосферной динамики, Биофизика. – 2009. (в печати).
86
15.
16.
17.
18.
Шокин Ю.И., Пестунов И.А., Смирнов В.В., Синявский Ю.Н., Добротворский Д.И.,
Скачкова А.П. Корпоративная информационная система СО РАН сбора, хранения и
обработки спутниковых данных // Горный информационно-аналитический
бюллетень. – 2009. – № 12. (в печати).
Смирнов В.В., Пестунов И.А., Добротворский Д.И., Синявский Ю.Н. Корпоративные
картографические сервисы Сибирского отделения РАН // Горный информационноаналитический бюллетень. – 2009. – № 12. (в печати).
Молородов Ю.И. Разработка баз данных для ботанического разнообразия // Хвойные
бореальной зоны. – 2009. (в печати).
Ведрова Э.Ф., Мухортова Л.В., Иванов В.В., Кривобоков Л.В., Болонева М.В. Восстановление запасов органического вещества после рубок в лесных экосистемах Восточного Прибайкалья // Изв. РАН. Сер.: биологическая. – 2010. – №1. (в печати).
Зарубежная печать
19.
20.
21.
22.
Krestov P., Ermakov N., Osipov S., Nakamura Yu. A phytosociological study of Larix cajanderi and Larix gmelinii forests of Northeast Asia // Folia Geobotanica. – 2009. –
Vol. 4(44). – P. 24.
Ermakov N. Corresponding geographical types of hemiboreal forests in North Asia: peculiarities of ecology and genesis // Phytocoenologia. – 2009. – P. 156-168.
Vladimirov I.N. and Chudnenko A.K. Multilevel Modeling of the Forest Resource Dynamics //
Mathematical Modelling of Natural Phenomena. – 2009. – Vol. 4. – № 5. – P. 72-88.
Myasnikova S.I. System analysis and mapping of interaction mechanisms of natural processes
in mountainous-taiga landscapes // Mathematical Modelling of Natural Phenomena. – 2009. –
Vol. 4. – № 5. – P. 53-71.
Труды международных конференций
23.
24.
25.
26.
27.
28.
29.
Okhonin V.A., S.I. Bartsev, A.L., Shchemel and Ivanova J.D. Scenario analysis of long-term
biosphere dynamics on human quality of life // Conference «Ecological Modelling for Enhanced Sustainability in Management» ISEM 2009. Quebec City, PQ, Canada. – 2009.
Гордов Е.П., Федотов А.М., Шокин Ю.И. Развитие информационно-вычислительной
инфраструктуры Интегрированного регионального исследования Сибири // Тез. Междунар. конф. по вычислительным технологиям для наук об окружающей среде «CITES2009» (Россия, Красноярск, июль 2009 г.). – Томск. – 2009. – C. 24.
Окладников И.Г., Гордов Е.П., Шульгина Т.М., Титов А.Г. Разработка веб-системы для
обработки и визуализации метеорологических и климатических данных // Proc. of
Young Scientists School and Intern. conf. «CITES-2009» (Россия, Красноярск, июль
2009 г.). – Томск. – 2009. – C. 25.
Bogomolov V.Yu., Gordov E.P. High spatial resolution retrieval of meteorological fields on
the basis of WRF model and meteorological stations datasets // Proc. of Young Scientists
School and Intern. conf. «CITES-2009» (Russia, Krasnoyarsk, 2009). – Tomsk. – 2009. –
P. 72.
Gordov E.P., Kabanov M.V., Lykosov V.N., Vaganov E.A. SIRS NEESPI megaproject results
and perspectives // Proc. of Young Scientists School and Intern. conf. «CITES-2009» (Russia, Krasnoyarsk, 2009). – Tomsk. – 2009. – P. 88.
Gordov E.P., Vaganov E.A. Siberia Integrated Regional Study: the state of the art // Proc. of
Young Scientists School and Intern. conf. «CITES-2009» (Russia, Krasnoyarsk, 2009). –
Tomsk. – 2009. – P. 66.
Shulgina T., Bogomolov V., Genina E., Gordov E., Nikitchuk K., Okladnikov I., Titov A. Studying climate change in Siberia based on climatic indices assessment // Geophysical Research
Abstracts (Vienna, Austria, 2009). – Vol. 11. – EGU2009-2285.
87
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
Shulgina T.M., Genina E. Yu., Gordov E.P. Studying of temperature behavior dynamics in
Siberia based on in-situ data and reanalysis data // Proc. of Young Scientists School and Intern. conf. «CITES-2009» (Russia, Krasnoyarsk, 2009). – Tomsk. – 2009. – P. 70.
Shulgina T.M., Shchepasshchenko D., Shvidenko A., Gordov E.P. Climate change dynamics
and its impact on productivity of the Russian forest ecosystems // Proc. of Young Scientists
School and Intern. conf. «CITES-2009» (Russia, Krasnoyarsk, 2009). – Tomsk. – 2009. –
P. 77.
Путилин А.Ф., Дитц Л.Ю., Кудряшова С.Я., Шкаруба А.М., Чичулин А.В. Пространственная дифференциация почвенного покрова Приобья на основе цифровой модели
рельефа // Матер. V Междунар. науч. конгресса «ГЕО-Сибирь-2009». – Новосибирск:
СГГА. – 2009. – Т. 4. – С. 54-56.
Белолипецкий П.В. Оценка потока углерода между атмосферой и наземной экосистемой
по измерениям СО2 на высоких вышках // Матер. Нац. конф. с междунар. участием
«Математическое моделирование в экологии» (1-5 июня 2009 г.). – Пущино: ИФХиБПП РАН. – 2009. – С. 33.
Шокин Ю.И., Пестунов И.А., Смирнов В.В., Синявский Ю.Н., Скачкова А.П.,
Дубров И.С. Система сбора, хранения и обработки данных дистанционного зондирования для исследования территорий Западной и Восточной Сибири // Сб. материалов V
Междунар. научн. конгресса «ГЕО-Сибирь-2009» (Новосибирск, Россия, 20-24 апреля
2009 г.). – Новосибирск. – 2009. – Т. 4. – Ч. 1. – С. 165-170.
Degermendgi A., Fedotov A., Pestunov I., Vaganov E. Models of biosphere change based on
the carbon balance due to boreal ecosystems using field and satellite data observations // Abstracts of International conference on computational information technologies for environmental sciences (Russia, Krasnoyarsk, 11-15 July 2009). – Krasnoyarsk. – 2009. – P. 81.
Pestunov I.A., Smirnov V.V., Sinyavskiy Yu.N. Satellite data catalogue of the Novosibirsk scientific center SB RAS // Тезисы III Международной конференции «Космическая съемка
– на пике высоких технологий» (Россия, Москва, 15-17 апреля 2009 г.). –
Москва. –
2009. http://www.sovzondconference.ru/pdf_2009/062_eng.pdf
Молородов Ю.И., Писаренко О.Ю., Шергунова Н.А. Гис-портал ИВТ СО РАН – как
информационный ресурс удаленного доступа к ботаническим данным // Матер. Междунар. науч.-практич. конф. «Формирование баз данных по биоразнообразию – опыт,
проблемы, решения» (Россия, Барнаул, 15 мая 2009 г.). – Барнаул. – 2009. –
С. 166187.
Dubrovskaya O.A., Klimova E.G. Monitoring of an environment in a zone of forest fires on
the satellite data and meteorological information // Тр. Междунар. конф. по вычислительно-информационным технологиям для наук об окружающей среде «CITES-2009». –
Красноярск. – 2009. – С. 61.
Ведрова Э.Ф. Формирование минерализационного потока в почвах Средней Сибири //
Тр. III Междунар. конф. по лесному почвоведению «Продуктивность и устойчивость
лесных почв» (Петрозаводск, Карелия). – Петрозаводск. – 2009. – С. 144-146.
Мухортова Л.В., Ведрова Э.Ф. Влияние рубки на запасы органического вещества в лесных экосистемах // Тр. III Междунар. конф. по лесному почвоведению «Продуктивность и устойчивость лесных почв» (Петрозаводск, Карелия). –
Петрозаводск. –
2009. – С. 281-283.
Мухортова Л.В., Ведрова Э.Ф. Органическое вещество почвы лесных экосистем лесотундры Центральной Сибири // Мат. V Междунар. конф. по криопедологии «Разнообразие мерзлотных и сезонно-промерзающих почв и их роль в экосистемах». – УланУдэ. – 2009. – С. 237-238.
Кудряшова С.Я., Дитц Л.Ю. Геоинформационное обеспечение для экологоэкономической оценки эффективности использования земельных ресурсов // Сб. материалов V междунар.научного конгресса «ГЕО-Сибирь-2009». – Новосибирск: СГГА. –
Т. 3. – 2009. – С.61-65.
88
43.
44.
45.
Путилин А.Ф., Дитц Л.Ю., Кудряшова С.Я., Шкаруба А.М., Чичулин А.В. Пространственная дифференциация почвенного покрова Приобья на основе цифровой модели
рельефа // Сб. материалов V междунар.научного конгресса «ГЕО-Сибирь-2009». –
Новосибирск: СГГА. – 2009. – Т. 4. – С 54-56.
Кудряшова С.Я., Дитц Л.Ю. Природная и антропогенная трансформации типологического разнообразия почвенного покрова сухостепных котловин гор юга Сибири по данным дистанционных исследований // Материалы международной конференции «Природные условия и культура Западной Монголии и сопредельных регионов». – Т. 1. –
Ховд-Томск. – 2009. – С. 207-212
Кудряшова С.Я., Дитц Л.Ю. Оценка запасов углерода в почвах таежной зоны на южном пределе криолитозоны Западной Сибири с использованием баз данных и дистанционных исследований // Материалы V Международной конференции по криопедологии «Разнообразие мерзлотных и сезонно-промерзающих почв и их роль в экосистемах». – Улан-Удэ. – 2009. – С. 231.
В трудах Всероссийских конференций
46.
47.
48.
49.
50.
51.
52.
53.
Бархатов Ю.В., Дегерменджи А.Г. Математическая модель экосистемы бореальных
лесов Восточной Сибири // Тр. нац. конф. с междунар. уч. по мат. моделированию в
экологии ЭкоМатМод 2009 / под ред. А.С. Комарова. – Пущино: Изд-во ИФХиБПП
РАН. – 2009. – С. 22-23.
Барцев С.И., Почекутов А.А. Математическое моделирование дыхания почвы и динамики углерода в почве с учетом ее температуры и влажности // Тр. нац. конф. с междунар. уч. по мат. моделированию в экологии ЭкоМатМод 2009 / под ред.
А.С. Комарова. – Пущино: Изд-во ИФХиБПП РАН. – 2009. – С. 27-28.
Барцев С.И., Щемель А.Л., Иванова Ю.Д. Оценка неопределенности прогноза биосферной динамики в минимальной биосферной модели, построенной по принципу наихудшего сценария // Тр. нац. конф. с междунар. уч. по мат. моделированию в экологии
ЭкоМатМод 2009 / под ред. А.С. Комарова. – Пущино: Изд-во ИФХиБПП РАН. –
2009. – С. 29-30.
Ларько А.А., Иванова Ю.Д., Овчинникова Н.Ф. Сравнение наземной и спутниковой оценок чистой первичной продукции на примере лесных экосистем Западного Саяна // Тр.
нац. конф. с междунар. уч. по мат. моделированию в экологии ЭкоМатМод 2009 / под
ред. А.С. Комарова. Пущино: Изд-во ИФХиБПП РАН. – 2009. – С. 157-158.
Ларько А.А., Шевырногов А.П., Чернецкий М.Ю. Чистая первичная продукция Красноярского края на основе использования космических и наземных данных (как экспериментальная основа для глобального экологического моделирования) // Тр. нац. конф. с
междунар. уч. по мат. моделированию в экологии ЭкоМатМод 2009 / под ред.
А.С. Комарова. – Пущино: Изд-во ИФХиБПП РАН. – 2009. – С. 159-160.
Иванова Ю.Д., Ларько А.А., Тасейко О.В. Оценка воздействия добычи нефти и газа на
лесную экосистему с помощью спутниковых данных // Тр. Всерос. конф. с междунар.
уч. «Эколого-географические аспекты лесообразовательного процесса». – Красноярск:
Изд-во ИЛ СО РАН. – 2009. – С. 295-296.
Ларько А.А., Иванова Ю.Д., Овчинникова Н.Ф. Использование модели оценки чистой
первичной продукции по спутниковым данным (на основе GLO-PEM) для лесных экосистем Западного Саяна // Тр. Всерос. конф. с междунар. уч. «Эколого-географические
аспекты лесообразовательного процесса». – Красноярск: Изд-во ИЛ СО РАН. – 2009. –
С. 309-311.
Ермаков Н.Б. Мелкомасштабное картографирование циркумбореальной растительности: методологические и методические аспекты // Матер. Всерос. конф. «Проблема и
стратегия сохранения биоразнообразия растительного мира Северной Азии» (Россия,
Новосибирск, 9-11 сентября 2009 г.). – Новосибирск. – 2009. – С. 67-68.
89
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
Ермаков Н.Б. Моделирование пространственной организации растительного покрова с
использованием космических снимков и ГИС-технологий // Матер. Межрегион. научно-практич. конф. «Роль ботанических садов в сохранении биоразнообразия горных
территорий», посвященной 15-летию Горно-Алтайского ботанического сада (Россия, с.
Камлак, 23-25 июля 2009 г.). – Горно-Алтайск. – 2009. – С. 40-50.
Богомолов В.Ю., Гордов Е.П. Восстановление региональных полей метеорологических
величин с высоким пространственным шагом на основе реанализа и измерений метеостанций // Матер. всерос. конф. «Восьмое сибирское совещание по климатоэкологическому мониторингу» (Томск, 8-10 октября 2009 г.). – Томск: Аграф-Пресс. –
2009. – C. 335-336.
Гордов Е.П., Богомолов В.Ю., Генина Е.Ю., Шульгина Т.М. Пространственновременное поведение климатических характеристик, контролировавших развитие бореальных экосистем России в конце ХХ века // Матер. Всерос. конф. с участием иностр.
уч. «Эколого-географические аспекты лесообразовательного процесса»
(Россия,
Красноярск, 2009 г.). – C. 58-61.
Гордов Е.П., Богданова Ю.В., Родимова О.Б. Проявления внутренней нелинейности в
рядах данных метеорологических наблюдений // Матер. всерос. конф. «Восьмое сибирское совещание по климато-экологическому мониторингу» (Россия, Томск,
8-10
октября 2009 г.). – Томск: Аграф-Пресс. – 2009. – C. 74-75.
Окладников И.Г., Богомолов В.Ю., Гордов Е.П., Титов А.Г., Шульгина Т.М. Система обработки и анализа климатических данных // Матер. всерос. конф. «Восьмое сибирское
совещание по климато-экологическому мониторингу» (Россия, Томск,
8-10 октября 2009 г.). – Томск: Аграф-Пресс. – 2009. – C. 336–337.
Шульгина Т.М., Генина Е.Ю., Гордов Е.П. Динамика температурного режима Сибири во
второй половине ХХ века по данным наблюдений и реанализа // Матер. всерос. конф.
«Восьмое сибирское совещание по климато-экологическому мониторингу» (Россия,
Томск, 8-10 октября 2009 г.). – Томск: Аграф-Пресс. – 2009. – C. 171–173.
Солодянкина С.В. Билинейная алгебра структурирования и обработки запросов // Матер. X Всерос. конф. молодых ученых по мат. моделированию и вычисл. технологиям
(Ханх, Монголия 8-11 июня 2009 г).
Черкашин А.К. Экологические модели катастрофической перестройки структуры сообщества в процессе синантропизации // Матер. X Всерос. конф. «Проблемы мониторинга
окружающей среды» (Россия, Кемерово, 27–30 октября 2009 г.). – Кемерово: Изд-во
Инс-та угля и углехимии СО РАН. – 2009.
Мясникова С.И. Использование свойств уравнений огибающих при прогнозном картографировании средствами ГИС-технологий // Матер. Всерос. конф. «Математическое
моделирование и вычислительно-информационные технологии в междисциплинарных
научных исследованиях» (Россия, Иркутск, 6-7 июня 2009 г.). – CD-версия.
Молородов Ю.И., Федотов А.М. Информационно-аналитические системы для задач биоразнообразия // Матер. всерос. конф. «Проблема и стратегия сохранения биоразнообразия растительного мира Северной Азии» (Россия, Новосибирск,
9-11 сентября 2009 г.). – Новосибирск. – 2009. – С. 175-178.
Молородов Ю.И., Смирнов В.В., Федотов А.М. Сервисы геоинформационной системы
сбора, хранения и обработки данных натурных наблюдений // Тр. 11-ой Всерос. науч.
конф. «Электронные библиотеки: перспективные методы и технологии, электронные
коллекции – RCDL’2009» (Россия, Петрозаводск, 17-21 сентября 2009 г.). –
Петрозаводск. – 2009. – С. 419-424.
Мухортова Л.В. Особенности процесса разложения стволового валежа в лесных экосистемах Центральной Сибири // Мат. Всерос. конф. с участием иностр. уч. «Экологогеографические аспекты лесообразовательного процесса». Красноярск: Институт леса
им. В.Н. Сукачева СО РАН. – 2009. – С. 265-268.
90
66.
Ведрова Э.Ф. Бюджет углерода лесов Средней Сибири // Мат. Всерос. конф. «Экологогеографические аспекты лесообразовательного процесса». – Красноярск. – 2009. –
С. 242-245.
Публикации в тематических сборниках
67.
68.
69.
70.
71.
72.
Фролов А.А., Черкашин А.К. Гомология в моделировании эволюции геосистем // Гомология и гомотопия географических систем. – Новосибирск: Академическое изд-во
«Гео». – 2009. – С. 250-260.
Солодянкина С.В. Черкашин А.К. Гомологические модели функциональных связей //
Гомология и гомотопия географических систем. – Новосибирск: Академическое изд-во
«Гео». – 2009. – С. 222-228.
Мясникова С.И. Модели механизмов взаимодействия / Гомология и гомотопия географических систем. – Новосибирск: Академическое изд-во «Гео». – 2009. – С. 280-296.
Мясникова С.И. Проективная гомотопия моделей/ Гомология и гомотопия географических систем. – Новосибирск: Академическое изд-во «Гео». – 2009. – С. 296-301.
Пестунов И.А., Смирнов В.В., Шокин Ю.И. Сервис-ориентированная информационная
система сбора, хранения и обработки спутниковых и наземных данных // Сб. тр. регионального семинара «Базовые и приоритетные направления научно-технической политики МЧС России на 2009-2010 годы» под ред. В.М. Грузнова (Россия, Новосибирск,
17 сентября 2009 г.). – 2009. – С. 48-51.
Молородов Ю.И., Федотов А.М. Информационно-аналитические системы для задач биоразнообразия // Растительный мир Азиатской России. – 2009. – № 2 (4). – С. 1-25.
Принятые в печать
73.
Барцев С.И., Дегерменджи А.Г., Иванова Ю.Д., Щемель А.Л. Влияние неопределенности оценки параметров минимальной биосферной модели на прогноз биосферной динамики // Сборник материалов Всероссийской конференции «ЭкоМатМод-2009». –
Пущино. –2009. (в печати).
Авторефераты диссертаций
74.
Мигинский Д.С.. Методы и средства реконструкции сетевых моделей сложных биологических систем: Автореф. дис. к.ф.-м.н.: 05.13.11. – Новосибирск. – 2009.
Зарегистрированные программы
75.
Библиотека для разработки сетевых редакторов (АРАНЕУС) / А.с. № 2009610949,
зарег. 03.04.09.
91
Словарь терминов
Термин
агробиогеоценоз
Определение
биогеоценоз, измененный или созданный в результате земледельческой деятельности
аккумуляция
накопление (в том числе накопление [углерода] в виде рыхлых
минеральных материалов и органических остатков на поверхности Земли)
анаболизм геосистемы
преобразование вещества и энергии внутри геосистемы в процессе обмена со средой и деятельности живых организмов и
направленное на формирование и поддержание равновесного
состояния ее частей
анаболизм особи
совокупность химических процессов в живой особи, направленных на формирование и поддержание ее частей
ассимиляция
совокупность химических процессов в живой особи, направленных на формирование и поддержание ее частей
аэромассы
сухой воздух в пределах геосистемы
баланс
разность массы/ энергии на входе и выходе (для блоков)
баланс углерода чистый чистая первичная продукция экосистемы (NEP) +/- обмен абиоэкосистемы
генным углеродом
барьер геохимический
структура геосистемы, на которой происходит существенное
изменение скорости миграции химического элемента
биогеоценоз
сформировавшаяся в ходе эволюции элементарная экологическая система, состоящая из функционально взаимосвязанных
живых организмов и окружающей их абиотической среды, характеризующаяся относительной однородностью, определенным энергетическим состоянием, типов и скоростью обмена веществом, энергией и информацией и не пересекаемая ни одним
существенным природным рубежом
биогеоцикл
биогеохимический круговорот веществ в пределах геосистемы
любого
биомасса (как мера)
суммарная масса живого вещества на единицу площади или
объема либо в пределах геосистемы
биомассы (как блок)
совокупность живых организмов
биосфера
нижняя часть атмосферы, вся гидросфера и верхняя часть литосферы Земли, населенные живыми организмами и(или) находящиеся под их влиянием
биоценоз
совокупность взаимосвязанных растений, животных, грибов,
простейших и прокариот, населяющих участок земной поверхности с однородными абиотическими факторами
бюджет
разность массы/ энергии на входе и выходе (для блоков)
вещество биокосное
совокупность неорганических и неживых органических тел,
сформировавшихся в результате взаимодействия живого и косного вещества
вещество живое
совокупность всех живых организмов на Земле
вещество косное
совокупность всего неорганического вещества, не связанного по
происхождению с живыми организмами
время полное
непрерывный и достаточно представительный ряд характерных
времен
92
время пребывания
время характерное
выветривание
выветривание физическое
выветривание химическое
вымывание
вынос
газ парниковый
геогоризонт
геосистема
гидромассы
гумификация
депозит
депонирование
деструкция
детрит
диссимиляция
дыхание
дыхание почвы
запас
зоомасса
изменение интенсивности (для потоков)
инвариант
каскадность процессов
катаболизм геосистемы
период нахождения [углерода] в пуле
время возвращения к равновесному состоянию после отклонения от него (для равновесных систем), полный период колебания (для колебательных систем)
разрушение и изменение горных пород приповерхностного слоя
земной коры под воздействием компонентов биосферы
выветривание, обусловленное физическим воздействием, как
правило, без изменения химического состава горных пород
выветривание, обусловленное химическим воздействием и связанное с изменением химического состава горных пород
выведение водных растворов химических элементов из геосистемы
выведение химических элементов из геосистемы
газ, присутствие которого в тропосфере обеспечивает поглощение длинноволнового излучения, идущего от земной поверхности
сравнительно однородный слой геосистемы, характеризующихся целым рядом ландшафтно-геофизических признаков и часто
играющий вполне определенную функциональную роль
земное пространство всех размерностей, где отдельные компоненты природы находятся в системной связи друг с другом и как
определенная целостность взаимодействуют с космической сферой и человеческим обществом
вся вода в свободном состоянии
превращение мортмассы в гумусовые вещества
количество [углерода] в данной геосистеме
формирование запасов [углерода] в геосистеме
разрушение биомассы и мортмассы
разрушающаяся мортмасса
совокупность химических процессов в живой особи, направленных на разрушение сложных органических соединений
поступление в живую особь кислорода и его использование в
окислении, сопряженное с выведением углерода
суммарная продукция углекислого газа в результате дыхания
корней растений и почвообитающих живых существ
количество [углерода] в данной геосистеме
суммарная масса животных на единицу площади или объема
либо в пределах геосистемы
неизменная на протяжении определенного отрезка времени
структурная часть системы
постепенное освоение энергии при ее переходе от одного трофического уровня на другой
преобразование вещества и энергии внутри геосистемы в процессе обмена со средой и деятельности живых организмов и
направленное на разрушение органических соединений
93
катаболизм особи
катастрофа
катена (1)
катена (2)
кларк
кларк концентрации
климакс (а)
климакс (б)
комплекс антропогенный экологический
компонент (а)
компонент (б)
консумент
кора выветривания
круговорот биологический
круговорот веществ
круговорот веществ
ландшафт (а)
совокупность химических процессов в живой особи, направленных на разрушение сложных органических соединений
скачкообразные изменения, обычно связанные с внешними воздействиями
ряд геосистем, связанных стоком
группа почв, объединенных в залегании условиями рельефа
среднее содержание (%) химического элемента в земной коре, ее
части, в биосфере или в ее части
отношение содержания данного химического элемента в конкретном природном объекте в кларку земной коры
относительно устойчивое состояние геосистемы, соответствующее завершающему этапу сукцессионного ряда
терминальная, относительно устойчивая и длительно существующая стадия развития геосистемы с установившимися внутренними и внешними связями, как правило, соответствующая природным условиям данного района
система из преобразованных и искусственных компонентов и
элементов, существование которых полностью или почти полностью обусловлено деятельностью
совокупность (вещественных) элементов экосистемы, характеризующихся определенной массой, специфическим назначением, а также скоростью изменения во времени и(или) перемещения в пространстве
вещественная составляющая системы, объединяющая элементы,
выполняющие сходные функции
живая особь, питающаяся другими живыми особями и(или) их
частями
преобразованные горные породы, формирующиеся на поверхности суши в результате процесса выветривания
явление непрерывного, циклического, но неравномерного во
времени и пространстве и сопровождающегося более или менее
значительными потерями закономерного перераспределения
вещества, энергии и информации в пределах экологических систем различного иерархического уровня организации - от биогеоценоза до биосферы
относительно повторяющиеся взаимосвязанные физические,
химические и биологические процессы превращения и перемещения вещества в природе
многократно повторяющиеся процессы превращения и перемещения веществ в природе, имеющие разный масштаб и циклический характер
система, объединяющая соседние геосистемы, закономерно повторяющиеся и связанные как переносом вещества и энергии,
так и динамическими особенностями
94
ландшафт (б)
ландшафт антропогенный
литомассы
метаболизм геосистемы
метаболизм особи
миграция химических
элементов
минерализация
модель резервуарнопотоковая
мортмассы
окисление абиотическое
отмирание
педомассы
педон
подблок функциональный
порода осадочная
поток
потребление
почва
привнос
продукция (1)
продукция (2)
продукция валовая первичная
продукция вторичная
продукция чистая первичная
продукция чистая экосистемы
генетически целостная геосистема, неделимая по зональным и
азональным признакам, с единым геологическим фундаментом и
однотипным рельефом, общим климатом, единообразным сочетанием гидротермических условий, почв, биоценозов, специфическим планом внутреннего строения и со свойственным только ему набором динамически сопряженных и закономерно повторяющихся в пространстве основных и второстепенных урочищ
ландшафт, измененный тем или иным способом в результате
прямого или косвенного воздействия со стороны человека
часть горных пород, затронутая выветриванием
круговорот вещества и энергии внутри геосистемы
общий обмен веществ живой особи
перенос и перераспределение химических элементов в земной
коре и на поверхности Земли
преобразование органических соединений в неорганические
модель геосистемы (круговорота), включающая пулы (резервуары) и связывающие их потоки
всё накапливающееся и разрушающееся мертвое органическое
вещество
химическая реакция соединения какого-либо вещества с кислородом
формирование мортмассы
органо-минеральная часть почв и илов
наименьший объем, который может быть назван почвой
горная порода, формирующаяся путем осаждения вещества на
поверхности суши либо на дне водоема
перенос вещества, энергии и информации из одной экосистемы
в другую либо внутри экосистемы от одного блока к другому
использование продукции, создаваемой другими живыми особями
верхний слой земной коры, сформировавшийся в результате
преобразования коры выветривания совместной деятельностью
аэро-, гидро- и биомасс
поступление химических элементов в геосистему
создание живыми особями органического вещества из неорганических и(или) других органических соединений
общий прирост биомассы в геосистеме за единицу времени
общий прирост биомассы продуцентов за единицу времени,
включая ту органику, которая была израсходована на дыхание за
этот промежуток времени.
общий прирост биомассы консументов и редуцентов
общий прирост биомассы продуцентов за единицу времени за
вычетом органики, израсходованной ими на дыхание
чистая первичная продукция за вычетом органики, израсходованной консументами и редуцентами на дыхание, и абиотически
окисленной органики.
95
продуцент
процесс (а)
процесс (б)
процесс внешний (по
отношению к экосистеме)
процесс внутренний (по
отношению к экосистеме)
процесс трансграничный (по отношению к
экосистеме)
пул
развитие
разомкнутость круговорота
редуцент
резервуар
ресинтез
ресурс
седиментация
серия стоковая
сеть трофическая
сеть трофическая детритная
сеть трофическая пастбищная
скорость процесса
состояние (природного
территориального комплекса)
состояние системы
состояние физикохимическое
сток углерода фотосинтетический
живая особь, использующая энергию солнечного излучения или
энергию химических связей неорганических соединений для создания органики
последовательная смена состояний во времени
пространственно-временное изменение блока или потока
процесс, протекающий за пределами геосистемы
процесс, протекающий в пределах геосистемы
процесс, пересекающий границу геосистемы
количество [углерода] в данной геосистеме
последовательность состояний
наличие путей вывода углерода в долговременные запасы
живая особь, питающаяся мортмассами
количество [углерода] в данной геосистеме
формирование в почве органических соединений из низкомолекулярных соединений
изменяющийся во времени и в пространстве фактор, количество
которого может уменьшиться в результате жизнедеятельности
организма
процесс образования всех видов отложений путем перехода
осаждаемого материала из подвижного, взвешенного или растворенного состояния в неподвижное (осадок); то же, что и
осадконакопление
ряд геосистем, связанных стоком
пищевые взаимоотношения между живыми особями в геосистеме
сеть трофическая, в которой основным источником энергии являются мортмассы
сеть трофическая, в которой основным источником энергии является солнечное излучение
измениние параметров процесса в единицу времени
некоторое соотношение параметров, характеризующих его в какой-то промежуток времени, в котором конкретные входные
воздействия трансформируются в выходные функции
система в фиксированный момент времени или в фиксированной точке пространства. Состояние системы, формальное охарактеризованное, представляет собой набор числовых значений
переменных состояния, отвечающих определенному моменту
времени.
фазовое, молекулярное и(или) изотопное состояние вещества
связывание углерода биологическим или химическим путем
96
сток углерода фотосинтетический
стратосфера
сукцессия
тропосфера
устойчивость
фация
филоценогенез
фитомасса
флуктуация
фотосинтез
функция живого вещесвта концентрационная
функция живого вещества деструктивная
функция живого вещества транспортная
функция живого вещества энергетическая
хемосинтез
валовая первичная продукция за вычетом эмиссионных потерь
углерода, связанного за текущий год
слой атмосферы, расположенный выше тропосферы на высотах
от 8-16 до 45-55 км
направленное постепенное изменение в результате внешних и
внутренних причин, при котором не возникает принципиально
новая экосистема, однако биотические компоненты могут меняться
нижий слой атмосферы, расположенный на высотах от поверхности Земли до 8-16 км
способность системы противостоять внешним и внутренним
возмущениям с сохранением равновесного состояния, а также
структуры и направления движения в течение относительно
продолжительного времени, сравнимого с характерным временем изменяющих систему процессов
элементарная геосистема, сформированная на одинаковой литологической основе, на однородном рельефе, с одним микроклиматом, увлажнением, почвой и биоценозом и не пересекаемая
ни одним географическим рубежом
направленное постепенное изменение, приводящее к формированию принципиально новых экосистем
суммарная масса растений на единицу площади или объема либо в пределах геосистемы
ненаправленное и сравнительно краткосрочное изменение без
смены элементов системы
образование некоторыми живыми особями органических соединений за счет использования энергии солнечного излучения
избирательное накопление определенных химических элементов
минерализация органического вещества и разложение неорганического вещества
перенос организмами химических элементов при миграциях
поглощение солнечной энергии при фотосинтезе и химической
энергии при разложении вещества
образование некоторыми живыми особями органических соединений за счет использования энергии связей химических веществ (окислительно-восстановительных реакций)
хроноструктура объекта описание состояний
ценоэкосистема
сформировавшаяся в ходе эволюции элементарная экологическая система, состоящая из функционально взаимосвязанных
живых организмов и окружающей их абиотической среды, характеризующаяся относительной однородностью, определенным энергетическим состоянием, типов и скоростью обмена веществом, энергией и информацией и не пересекаемая ни одним
существенным природным рубежом
97
цикл биогеохимический обмен веществом и энергией между различными компонентами
биосферы, обусловленный жизнедеятельностью организмов и
носящий циклический характер
эдафон
совокупность живых особей, заселяющих почвы
экосистема
любое определенное во времени и пространстве сообщество живых существ и его среда обитания, объединенные в единое
функциональное целое, возникающее на основе внутренних и
внешних связей
экскреция
выведение из особи конечных продуктов обмена веществ, других соединений, в том числе чужеродных
эмиссия
поступление [углекислого газа] в атмосферу в результате жизнедеятельности живых существ, разложения органических соединений и освобождения из растворов
эпиморфа
сформировавшаяся в ходе эволюции элементарная экологическая система, состоящая из функционально взаимосвязанных
живых организмов и окружающей их абиотической среды, характеризующаяся относительной однородностью, определенным энергетическим состоянием, типов и скоростью обмена веществом, энергией и информацией и не пересекаемая ни одним
существенным природным рубежом
98