CC BY
23
УДК 574.24, 574.45, 581.5, 630*181.351
БО!: 10.24412/1728-323Х-2022-1-29-36
ЭКОЛОГИЧЕСКАЯ ОЦЕНКА ВЛИЯНИЯ ФИЗИКО-ХИМИЧЕСКОГО СОСТАВА ПОЧВ НА РОСТ ЛЕСНЫХ НАСАЖДЕНИЙ
В. К. Хлюстов, с-х. н, профессор, Российский государственный аграрный университет — Московская ссельскохозяйственная академия имени К. А. Тимирязева, профессор кафедры сельскохозяйственных мелиораций, лесоводства и землеустройства, vitakhlustov@mail.ru. Москва, Россия,
А. М. Ганихин, Российский государственный аграрный университет — Московская сельскохозяйственная академия имени К. А. Тимирязева, аспирант кафедры экологии, ganikhin.timacad@mail.ru. Москва, Россия
Аннотация. Предметом исследования является выявление закономерностей влияния физико-химического состава почв на рост лесных насаждений. Н. Д. Смашевский в статье «Экология фотосинтеза» делит экологические факторы, влияющие на рост и развитие растений, на три группы: абиотические, биотические и антропогенные. В частности, абиотические факторы автором дифференцируются на физико-химические [1]. В последние десятилетия приняты значимые для мирового сообщества решения, связанные с экологическими проблемами планетарного уровня (Киотский протокол (1992 г.), Парижское соглашение (2015 г.)). Это вызывает необходимость решения лесных проблем на экосистемном уровне с учетом экологических факторов, характеризующих почвенно-климатические особенности произрастания лесов с целью устойчивого управления лесными ресурсами. Общеизвестно наличие взаимосвязи продуктивности лесных фитоценозов с почвенным плодородием, которое в значительной степени определяется рельефом местности и геоморфологией почв. Важным элементом оценки продуктивности лесов является обоснование методики моделирования роста древостоев с учетом почвенных условий. Решение этой методической задачи возможно только при наличии данных, представленных постоянными пробными площадями, и данных детального почвенного обследования. Выявление закономерностей роста древостоев под воздействием физико-химического состава почв возможно при использовании метода множественного регрессионного анализа. Задействованный в анализе комплекс переменных, характеризующих рост древостоев по средней высоте (Х1—¿3) и физико-химический состав почв (Х4—Хэд), является слабокоррелированным. В этом случае в теории статистики рекомендуется проведение факторного анализа методом главных компонент. В результате ва-римакс — вращения системы координат переменных скомпоновано 4 фактора (главных компонента), охвативших 59 % дисперсии 38 переменных. На следующем этапе были разработаны двухступенчатые регрессионные модели, включающие возрастное изменение средней высоты под воздействием значимых показателей физико-химического состава почв. Для каждого уравнения приведены характеристики его точности по коэффициенту детерминации (Я ), стан-
Введение
Общеизвестно наличие взаимосвязи продуктивности лесных фитоценозов с почвенным плодородием, которое в значительной степени определяется рельефом местности и геоморфологией почв. Важным элементом оценки продуктивности лесов является обоснование методики моделирования роста древостоев с учетом почвенно-грунтовых условий. Решение этой методической задачи возможно только при наличии данных, представленных постоянными пробными площадями, и данных детального почвенного обследования. Выявление закономерностей роста древостоев под воздействием физико-химического состава почв возможно при использовании метода множественного регрессионного анализа.
Обращаясь к действующим нормативам оценки продуктивности лесов, следует отметить их таксационную направленность, связанную со вспомогательными шкалами. Прежде всего, это шкалы с условной градацией высоты отдельных деревьев, составленные по разрядам высот (сортиментные таблицы), и шкалы, составленные для древостоев по классам бонитета (таблицы хода роста). Условность этих шкал и нормативов предопределена методически и не связана с экологическими показателями почв. Так, для таксации отдельных деревьев методика предполагает разработку шкал разрядов высот с 10-процентной градацией графиков высот деревьев. Для древостоев методика предусматривает использование обще-бонитеровочных шкал [2] или региональных шкал классов бонитетов с 4-метровой градацией средних высот в столетнем возрасте древостоев. Указанные шкалы получили признание среди лесоводов мира во второй половине XIX века [3—5]. В нашей стране широкомасштабное внедрение эти нормативы получили в 80-х годах прошлого века и до сих пор являются основой инвентаризации древостоев [6].
О. Н. Бахмет и Н. Г. Федорец при моделировании продуктивности скальных сосняков Карелии использовали морфологические и химические показатели почв. В результате было показано, что на продуктивность древостоев определяющее влияние оказывают как элементы минерального питания, так и характеристики органического профиля почв. Из характе-
дартной ошибке (±SE), показана статистическая значимость предикторов по t-критерию и достоверность уравнений по F-критерию.
Abstract. The subject of the study is to identify patterns of the influence of the physical and chemical composition of soils on the growth of forest plantations. N. D. Smashevsky in the article "Ecology of photosynthesis" divides environmental factors affecting the growth and development of plants into three groups : abiotic, biotic and anthropogenic. In particular, the abiotic factors are differentiated by the author into physical and chemical ones [1]. In recent decades, significant decisions have been taken for the world community related to environmental problems at the planetary level (the Kyoto Protocol (1992), the Paris Agreement (2015)). This makes it necessary to solve forest problems at the ecosystem level, taking into account environmental factors that characterize the soil and climatic features of forest growth in order to manage forest resources sustainably. It is well known that there is a relationship between the productivity of forest phytocenoses and soil fertility, which is largely determined by the terrain and soil geo-morphology. An important element of assessing the productivity of forests is the justification of the methodology for modeling the growth of stands, taking into account soil conditions. The solution of this methodological problem is possible only if there are the data provided by permanent sample areas and those from a detailed soil survey. The identification of stands growth patterns under the influence of the physical and chemical composition of soils is possible when applying the method of multiple regression analysis. The complex of variables involved in the analysis characterizing the growth of stands of average height (Xi—X3) and the physical and chemical composition of soils (X4—X38) is weakly correlated. In this case, in the theory of statistics, it is recommended to conduct factor analysis by the method of principal components. As a result of varimax rotation of the coordinate system of variables, 4 factors (main components) were composed, covering 59 % of the variance of 38 variables. At the next stage, two-stage regression models were developed, including age-related changes in average height under the influence of significant indicators of the physical and chemical composition of soils. For each equation, the characteristics of its accuracy by the coefficient of determination (R2), standard error (± SE) are given, the statistical significance of the predictors by the t-criterion and the reliability of the equations by the F-criterion are shown.
Ключевые слова: экологические закономерности роста древостоев, физико-химические показатели почв, факторный и регрессионный анализ, Лесная опытная дача РГАУ-МСХА имени К. А. Тимирязева.
Keywords: ecological regularities of stands growth, physical and chemical indicators of soils, factor and regression analysis, the Forest experimental station of the Russian State Agrarian University — Timiryazev Moscow Agricultural Academy.
ристик органогенного горизонта на продуктивность лесов большое влияние оказывает мощность лесной подстилки. Наряду с этим было указано, что продуктивность сосняков хорошо коррелирована с содержанием по горизонтам почвы натрия, магния и кальция. По утверждению авторов, им удалось при построении модели, включающей указанные характеристики, достичь наилучшего соответствия фактических и теоретических значений классов бонитета [7].
А. И. Русаленко отмечает, что минеральное питание является очень важной физиологической потребностью деревьев. Наряду с этим вопросы минерального питания древесных растений слабо изучены в сравнении с сельскохозяйственными культурами. В научной литературе отсутствуют конкретные сведения о динамике их продуктивности при недостатке либо избытке в почвах таких элементов питания, как калий, фосфор, азот и др. [8].
А. А. Гурским с соавторами рассмотрено применение методов корреляционного и регрессионного анализов для оценки продуктивности насаждений и лесопригодности почв. Среди наиболее информативных признаков, влияющих на продуктивность сосняков и березняков Казахского мелкосо-почника они выделяют: гумус, общий азот, кислотность почв, подвижный фосфор, скелет и объемный вес почвы. Наряду с этим отмечается, что не менее информативными признаками являются показатели, характеризующие зональное распределение почв и порой оказывающие негативное воздействие на продуктивность древесной растительности. В этой связи важным является то, что количество показателей в зависимости от почвенных условий меняется, при том что определенные оценочные критерии сохраняются. Так, например, при увеличении содержания в корнеобитаемом слое почвы (0—50 см) солей (сульфатов, соды и хлоридов) происходит угнетение и даже гибель культур сосны. То же самое происходит при увеличении глубины и мощности залегания карбонатов или плотности почв. Авторы указывают, что при использовании общих информативных признаков свойств почв для отдельных пород (или группы пород) может быть разработана единая регрессионная модель, позволяющая прогнозировать продуктивность лесных культур, оптимизировать их породный состав на различных почвах [9].
Методика
Следуя методическим указаниям статистического анализа слабокоррелированных комплексов, рекомендуется проведение классификации объектов с последующей обработкой полученных результатов для выявления взаимосвязей между переменными.
Исходные данные для моделирования возрастного изменения средней высоты древостоев от физико-химического состава почв получены с 38 постоянных пробных площадей. Почвенные разрезы в количестве 38 ед. были заложены в типичных местах постоянных пробных площадей на территории Лесной опытной дачи РГАУ-МСХА имени К. А. Тимирязева. Средняя высота древостоев на постоянных пробных площадях была приведена к трем условно заданным возрастам — 40, 70 и 100 лет.
Для определения физико-химического состава почв были отобраны образцы по генетическим горизонтам почвенных разрезов, расположенных в кварталах № 4, 5, 6, 7, 8, 11 (рис. 1).
В полевых и лабораторных условиях определены: верхняя граница горизонта В; гранулометрический состав почвенных горизонтов (А1, А1А2, А2, А2В, В, ВС, С); рН-водной вытяжки (max, min, ср. взвеш.); подвижный фосфор (P2O5), мг/100 г почвы (max, min, ср. взвеш.); обменный калий (К2О), мг/100 г почвы (max, min, ср. взвеш.); гумус, % (max, min, ср. взвеш.); степень насыщенности основаниями (СНОСН), % (max, min, ср. взвеш.); гидролитическая кислотность (ГК), мг* экв/100 г почвы (max, min, ср. взвеш.); рН-солевой вытяжки (max, min, ср. взвеш.); сумма поглощенных оснований, мг- экв/100 г почвы (max, min, ср. взвеш.); обменные основания Al (max, min, ср. взвеш.).
Для проведения статистического анализа данных была подготовлена матрица объектов, представленная 38 постоянными пробными площадями с развернутой характеристикой почвенных горизонтов. Всего в анализе задействовано 38 независимых переменных.
С целью выявления взаимосвязей между переменными проведен факторный анализ по методу главных компонент [10]. На основании критерия «каменистой осыпи Кеттела» было выделено ч етыре главных компонента, объясняющих 59 % общей дисперсии исходных данных. После варимакс-вращения системы координат главных компонент структура факторных нагрузок значительно упростилась. Состав главных компонент пред ставлен в таблице (табл. 1).
В результате удалось выяснить, что средняя высота древостоев для всех возрастных групп объединяется в первый главный компонент. Учет возрастных изменений средней высоты древостоев четырех древесных пород (сосна, береза, липа, дуб) осуществлен кодированием временных рядов фиктивными блоковыми переменными (табл. 2).
Моделирование возрастного изменения средней высоты древостоев со средневзвешенными значениями показателей — рН-водной вытяжки, подвижного — P2O5 и гранулометрического состава почвенного горизонта А2В проведено в рамках первого главного компонента (рис. 2).
Таблица 1
Автокоррелированные переменные, составляющие главные компоненты с указанием доли,
объясняемой ими дисперсии
1-й главный компонент 2-й главный компонент
Высота средняя в 40, 70 и 100 лет Гранулометрический состав почвенного горизонта А2В рН-водной вытяжки (max, min, средневзвеш.) Подвижный P2O5, мг/100 г почвы (min, средневзвеш.) Подвижный P2O5, мг/100 г почвы (max) Гумус, % (средневзвеш.) Гидролитическая кислотность, мг- экв/100г почвы (max, min, средневзвеш.) Сумма поглощенных оснований, мг - экв/100 г почвы (max, min)
3-й главный компонент 4-й главный компонент
Гранулометрический состав почвенного горизонта B, BC, C Степень насыщенности основаниями, % (max, min, средневзвеш.) рН-солевой вытяжки (max, min, средневзвеш.) Верхняя граница горизонта В, см Гранулометрический состав почвенного горизонта А2 Обменный К2О, мг/100 г почвы (max, средневзвеш.) Гумус, % (min) Сумма поглощенных оснований, мг - экв/100 г почвы (средневзвеш.) Обменные основания AI (max, min, средневзвеш.)
Модели влияния величины pH-водной вытяжки и величины подвижного фосфора (P2O5) были опубликованы ранее [11].
Далее рассмотрено моделирование возрастных изменений средней высоты с переменными, вошедшие во второй, третий и ч етвертый главные компоненты (табл. 1).
Для оценки точности моделей использованы: R2 — коэффициент детерминации; F — критерий Фишера достоверности модели; t-критерий Стью-дента значимости численных коэффициентов уравнения; SE — стандартная ошибка уравнения, %; А — систематическая ошибка уравнения, %; Оа — среднеквадратическая ошибка уравнения, %.
Расчет систематической (1) и среднеквадрати-ческой (2) ошибок уравнения осуществляется по следующим формулам:
А = - Z[(j/ - y)/y]-l00; (1)
n J J
Oa = ±J n !([( yi - yj )/yj ]• 100 - А}2 (2)
где n — число наблюдений; yi — значение функции по уравнению; yj — фактическое значение функции.
Таблица 2
Кодирование возрастных периодов роста древостоев фиктивными переменными
Результаты и их обсуждение
В результате регрессионного анализа была получена модель (3), учитывающая возрастные этапы определения средней высоты бинарными переменными X и Xj. Средние высоты, рассчитанные по модели (3), позволили получить данные для разработки модели (4), в которой возраст приобретает численное значение (А, лет). В модели наряду с возрастом были включены показатели гранулометрического состава почвенного горизонта А2В в разные возрастные этапы (X^, Xj) вида:
Hcp = exp(2,04775 + 0,232953ln(A2B) +
+ 0,126069X1 + 0,11776X2) (3)
R2 = 0,641; ES = ±17,8 %; t = 111,0; 3,8; 9,7; 13,3| > t05 = 1,96; F = 68,3 при Р < 0,05; A = 1,49 %; Ос = ±17,1 %; Нш(А2В) = песок — средний суглинок.
Значение коэффициента детерминации (R2) модели (3) указывает на то, что включенные в уравнение регрессии переменные отображают более 64,1 % дисперсии средней высоты древостоев. Статистическая значимость численных коэффициентов уравнения подтверждается расчетными значениями t-критерия Стьюдента. Значимость модели в целом подтверждается расчетным значением F-критерия Фишера, значения которого для модели больше табличного на 5 %-м уровне значимости. Погрешность уравнения оценена систематической ошибкой уравнения — A.
Окончательная модель изменения средней высоты древостоев от средневзвешенного значения гранулометрического состава почвенного горизонта А2В представлена уравнением (4), в ко-
Возраст, лет Фиктивные блоковые переменные
Xi X2
40 0 0
70 1 0
100 0 1
а
ч
« «
к
3
35 30 25 20 15 10 5
110
120
ср. суглинок лгк. суглинок супесь песок
о0^
10 20 30 40 50 60 70 80 90 100 110 120
песок 5,0 7,5 9,6 11,4 13,0 14,4 15,8 17,1 18,4 19,5 20,7 21,8
супесь 6,5 9,8 12,5 14,8 16,9 18,9 20,7 22,4 24,0 25,5 27,0 28,4
лгк. суглинок 7,4 11,1 14,2 16,8 19,2 21,3 23,4 25,3 27,1 28,9 30,6 32,2
ср. суглинок 8,0 12,1 15,4 18,2 20,8 23,2 25,4 27,5 29,4 31,3 33,2 34,9
Рис. 2. Плоскости регрессии возрастного изменения средней высоты древостоев, произрастающих на почвах различного
гранулометрического состава почвенного горизонта А2В
тором возраст представлен не бинарным кодом (X), а численной переменной (А, лет).
Нср = ехр(-0,14321 + 0,2429691п(Л2Б) + + 0,59161пА) (4)
Я2 = 0,612; ЕЯ = ±18,5 %; 1 = |0,5; 3,8; 12,9| > 105 = 1,96; ¥ = 90,2 при Р < 0,05; А = 1,64 %; Ос = ±18,0 %; Нш(Л2В) = песок — средний суглинок.
Модель (4) имеет немного низкий коэффициент детерминации по сравнению с моделью (3). Однако Б-критерий Фишера для модели (4) оказался выше, чем у модели (3), что подтверждает ее более высокую адекватность. Численные коэффициенты модели являются статистически значимыми, что подтверждается значениями 1-кри-терия Стьюдента (1 > 105 = 1,96). Полученная модель интерпретирована графически (рис. 2). Так, разница средних высот древостоев в возрасте 100 лет составляет 11,8 м с минимальной величиной средней высоты 19,5 м на песке и максимальной — 31,3 м на среднем суглинке. Указанная разница укладывает кривые средних высот в диапазон трех классов бонитета по шкале профессора М. М. Орлова.
Следующая группа моделей (5) и (6) учитывает возрастные этапы определения средней высо-
ты бинарными переменными Х1 и Х2. Средние высоты, рассчитанные по моделям (5) и (6), положены в основу разработки моделей (7) и (8), в которых возраст приобретает численное значение (Л, лет). Дополнительно к возрасту в регрессионный анализ включены следующие показатели: рН-водной вытяжки, гранулометрический состав почвенных горизонтов — В, ВС и С, гидролитическая кислотность (ГК) и степень насыщенности основаниями (СНОСН).
Нср = ехр(1,379115 + 0,6949681п(рНЕ8) + + 0,0507421п(В) + 0,1175161п(£С) - 0,068881п(С) + + 0,123661X1 + 0,116943Х2); (5)
Я2 = 0,775; ЕЯ = ±14,1 %; 1 = |9,0; 6,5; 2,2; 4,3; 3,2; 12,0; 16,7| > 105 = 1,96; ¥ = 65,9 при Р < 0,05; А = 0,92 %; Ос = ±13,6 %; Иш(рНвв) = 3,5—5,9;
Нш(В, ВС и С) = песок — средний суглинок
Нср = ехр(1,518898 + 0,623921п(рНЕ8) -- 0,047961п(ГК) + 0,0957561п(СН0СН) + + 0,124001X1 + 0,117059Х2) (6)
Я2 = 0,756; ЕЯ = ±14,6 %; 1 = |8,6; 5,8; 2,3; 3,4; 11,6; 16,1| > 105 = 1,96; ¥ = 71,2 при Р < 0,05; А = 0,99 %; Ос = ±13,9 %; Нш(рНвв) = 3,5—5,9; Иш(ГК) = 0,553—8,696; Нш(СНОСН) = 6,7—81,0
8 35 14
о
£ 30
о о
8 25 а ч Й 20 н
0
в 15
Л М
3 10
к
1 5
а О
ср. суглинок
^^/супесь песок
лгк. суглинок
10 20 30 40 50 60 70 80 90 100 110 120
3,5 4,9 7,4 9,4 11,2 12,8 14,2 15,6 16,8 18,1 19,2 20,3 21,4 песок
4,3 6,4 9,6 12,3 14,5 16,6 18,5 20,2 21,9 23,5 25,0 26,4 27,8 супесь
5,1 7,6 11,5 14,6 17,3 19,8 22,0 24,1 26,1 28,0 29,8 31,5 33,2 лгк. суглинок
5,9 8,8 13,2 16,8 19,9 22,8 25,4 27,8 30,1 32,2 34,3 36,3 38,2 ср. суглинок
Рис. 3. Плоскости регрессии возрастного изменения средней высоты древостоев, произрастающих на почвах различного гранулометрического состава почвенных горизонтов В, ВС, С и различных значений рН-водной вытяжки
40
а 35
я" е
О 30 с о
8 25 р
ч
£ 20
о с
3 15
я «
3 10
4 е
р5 О 5
0
рНвв ГК СНОСН 81,0
6,2
110
4,3 3,267 31,5 3,5 0,553 6,7
120
рНвв 10 20 30 40 50 60 70 80 90 100 110 120 ГК СНОСН
3,5 5,5 8,2 10,5 12,4 14,2 15,8 17,3 18,7 20,1 21,4 22,6 23,8 0,553 6,7
4,3 6,7 10,1 12,8 15,2 17,3 19,3 21,1 22,8 24,5 26,1 27,6 29,0 3,267 31,5
5,1 7,7 11,6 14,7 17,4 19,9 22,1 24,2 26,2 28,1 29,9 31,7 33,3 5,982 56,2
5,9 8,6 12,9 16,4 19,5 22,2 24,8 27,1 29,4 31,5 33,5 35,4 37,3 8,696
Рис. 4. Плоскости регрессии возрастного изменения средней высоты древостоев, произрастающих на почвах, имеющих различные значения рН-водной вытяжки, гидролитической кислотности и степени насыщенности основаниями
Нср = ехр(-0,84188 + 0,7235841п(рНЕЯ) + + 0,052741п(В) + 0,12251п(ВС) - 0,071631п(С) + + 0,591591пА) (7)
Я2 = 0,756; ЕЯ = ±14,7 %; 1 = |3,8; 6,5; 2,2; 4,3; 3,2; 16,2| > 105 = 1,96; ¥ = 71,01 при Р < 0,05; А = 1,01 %; Ос = ±14,4 %; НшрНвв = 3,5—5,9; НшВ, ВС и С = песок — средний суглинок
Нср = ехр(-0,69536 + 0,6494381п(рНЕ8) -- 0,050151п(ГК) + 0,0996811п(СН0СН) + + 0,5915911пА) (8)
Я2 = 0,736; ЕЯ = ±15,2 %; 1 = |2,9; 5,8; 2,3; 3,4; 15,6| > 105 = 1,96; ¥ = 79,8 при Р < 0,05; А = 1,1 %; Ос = ±14,6 %; Нш(рНвв) = 3,5—5,9; Нш(ГК) = 0,553—8,696; Нш(СНОСН) = 6,7—81,0.
Линии регрессии Нср, полученные по моделям (7), (8), представлены на рисунках 3 и 4. Так, разница средних высот по модели (7) в столетнем возрасте между древостоями, расположенными на почвах со значениями рН-водной вытяжки от 3,5 до 5,9, составляет 15,1 м. Аналогичная разница высот проявляется при изменении гранулометрического состава почвенных горизонтов В, ВС и С (песок, супесь, легкий суглинок и средний суглинок). Указанный диапазон Нср укладывает кривые роста в четыре класса бонитета в соответствии со шкалой профессора М. М. Орлова.
Разница средних высот в столетнем возрасте, полученная по модели (8) между древостоями, произрастающими на почвах с рН-водной вытяжки от 3,5 до 5,9, гидролитической кислотности от
0,553 до 8,696 мг- экв/100 г почвы и степени насыщенности основаниями от 6,68 до 81,03 %, насчитывает 12,1 м. Указанный диапазон высот укладывается в три класса бонитета.
Выводы
1. Обоснован научно-методический подход использования факторного анализа и множественной регрессии для моделирования возрастного изменения средней высоты древостоев под влиянием показателей физико-химического состава почв.
2. Факторизация физико-химических показателей почв и средних высот лесных насаждений позволила выделить четыре главных компонента, объясняющих 59 % дисперсии исходных данных, а также устранить явление мультиколлинеарно-сти между ними.
3. Методом множественной регрессии разработаны двухступенчатые модели влияния физико-химических показателей почв на рост лесных насаждений, в которых статистическая значимость включенных в модель предикторов подтверждена критериально (1 > 105 = 1,96), а статистическая достоверность уравнений подтверждена Б-критерием Фишера и значениями коэффициентов детерминации (Я2 = 0,612^0,775).
4. Предложенная методика моделирования возрастного изменения продуктивности лесных фитоценозов может быть рекомендована для разработки экологических нормативов инвентаризации лесов и перехода лесной отрасли на принципы экологизации и геоинформационной цифро-визации лесных ресурсов.
Библиографический список
1. Смашевский Н. Д. Экология фотосинтеза / Смашевский Н. Д. // Астраханский вестник экологического образования. 2014. № 2 (28). [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/ekologiya-fotosinteza (дата обращения: 06.03.2022).
2. Общесоюзные нормативы для таксации лесов / В. В. Загреев, В. И. Сухих, А. З. Швиденко, Н. Н. Гусев, А. Г. Мош-калев. — Москва: Колос, 1992. — 495 с.: ил. — ISBN 5-10-001344-3.
3. Рогозин М. В. Лесная селекция: Учебное пособие для студентов высших учебных заведений, обучающихся по направлениям подготовки (специальностям): 35.03.01 — «Лесное дело» (квалификация бакалавр), 35.04.01 — «Лесное дело» (квалификация магистр) / М. В. Рогозин // Москва: Издательский Дом «Академия Естествознания», 2018. — 298 с. — ISBN 978-5-91327-507-3.
4. Schwappach А. Die Kiefer. Wirtschaftlicheund statistischeUntersuchungen der forstlicheAbteilung derHauptstation des forstlichenVersuchwesens in Eberswalde. Neudam: Verlag von J. Neumann, 1908. — 108 s.
5. Schwappach А. Die Rotbuche. Wirtschaftlicheund statistische Untersuchungen der forstlicheAbteilung derHauptstation des forstlichen Versuchwesens in Eberswalde. Neudam: Verlag von J. Neumann, 1911. — 231 s.
6. Приказ Минприроды РФ от 29.03.2018 № 122 «Об утверждении лесоустроительной инструкции» (Зарегистрировано в Минюсте РФ 20.04.2018 № 50859) — 20 Апрель 2018 г. — 5 Май 2018 г. [Электронный ресурс.] URL: https:// minjust.consultant.ru/special/documents/document/39244?items=1&page=7 (дата обращения: 17.03.2022).
7. Бахмет О. Н. Использование морфологических и химических показателей почв для оценки продуктивности скальных сосняков Карелии / Бахмет О. Н., Федорец Н. Г. — Лесоведение. 2008. № 6. [Электронный ресурс]. URL: https://elibrary.ru/item.asp?id=11534188 (дата обращения 04.03.2022).
8. Русаленко А. И. Пространственное варьирование содержания фосфора и калия в почвах сосновых насаждений // Труды БГТУ. Серия 1: Лесное хозяйство, природопользование и переработка возобновляемых ресурсов. — 2008. — № 1. [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/prostranstvennoe-varirovanie-soderzhaniya-fosfora-i-kaliya-v-pochvah-sosnovyh-nasazhdeniy (дата обращения: 10.03.2022).
9. Гурский А. А. Совершенствование оценки продуктивности насаждений и лесопригодности почв / Гурский А. А., Танков А. А., Гурский А. А. — Известия ОГАУ. 2008. № 18-1. [Электронный ресурс]. URL: https://cyberleninka.ru/ article/n/sovershenstvovanie-otsenki-produktivnosti-nasazhdeniy-i-lesoprigodnosti-pochv (дата обращения: 15.03.2022).
10. Хлюстов В. К. Ресурсно-экологическое районирование и государственная инвентаризация лесов / В. К. Хлюстов, А. М. Ганихин, Д. В. Хлюстов. — Москва: Российский государственный аграрный университет — МСХА им. К. А. Тимирязева, 2018. — 185 с.
11. Хлюстов В. К. Взаимосвязь продуктивности лесных насаждений с возрастом и геоморфологией почв / В. К. Хлюстов, В. Д. Наумов, Н. Л. Каменных, А. М. Ганихин // Теория и практика современной аграрной науки: Сборник IV Национальной (всероссийской) научной конференции с международным участием. Новосибирск, 26 февраля 2021 года / Новосибирский государственный аграрный университет. — Новосибирск: Издательский центр Новосибирского государственного аграрного университета «Золотой колос», 2021. — С. 429—432.
ECOLOGICAL ASSESSMENT OF THE INFLUENCE OF THE PHYSICAL AND CHEMICAL COMPOSITION OF SOILS ON THE GROWTH OF FOREST PLANTATIONS
V. K. Khlyustov, Doctor of Agricultural Sciences, Professor, Russian State Agrarian University — Moscow Timiryazev Agricultural Academy (RSAU-MTAA), Professor of the Department of Agricultural Land Reclamation, Forestry and Land Management, vitakhlustov@mail.ru, Moscow, Russia,
A. M. Ganikhin, Russian State Agrarian University — Moscow Timiryazev Agricultural Academy (RSAU-MTAA), postgraduate student of the Department of Ecology, ganikhin.timacad@mail.ru, Moscow, Russia
References
1. Smashevskiy N. D. Ekologiya fotosinteza [Ecology of photosynthesis]. Astraxanskij vestnik ekologicheskogo obrazovaniya. 2014. No. 2 (28) [in Russian].
2. Zagreev V. V., Sukhikh V. I., Shvidenko A. Z., Gusev N. N., Moshkalev A. G. Obshhesoyuznye normativy dlya taksacii lesov [All-Union standards for forest taxation]. Moscow, Kolos. 1992. 495 p. [in Russian].
3. Rogozin M. V. Lesnaya selekciya: Uchebnoe posobie dlya studentov vysshix uchebnyx zavedenij, obuchayushhixsya po napravleniyam podgotovki (specialnostyam): 35.03.01 — "Lesnoe delo" (kvalifikaciya bakalavr), 35.04.01 — "Lesnoe delo" (kvalifikaciya magistr). [Forest selection: A textbook for students of higher educational institutions studying in the areas of training (specialties): 35.03.01 — "Forestry" (bachelor's degree), 35.04.01 — "Forestry" (master's degree)] Moscow: Izdatelskij Dom "Akademiya Estestvoznaniya", 2018. — 298 p. [in Russian].
4. Schwappach A. Die Kiefer. Wirtschaftlicheund statistischeUntersuchungen der forstlicheAbteilung derHauptstation des for-stlichenVersuchwesens in Eberswalde. Neudam: Verlag von J. Neumann, 1908, 108 s. [in German].
5. Schwappach A. Die Rotbuche. Wirtschaftlicheund statistische Untersuchungen der forstlicheAbteilung derHauptstation des forstlichen Versuchwesens in Eberswalde. Neudam: Verlag von J. Neumann, 1911. 231 s. [in German]
6. Prikaz Minprirody RF ot 29.03.2018 N 122 "Ob utverzhdenii lesoustroitelnoj instrukcii" (Zaregistrirovano v Minyuste RF 20.04.2018 N 50859) — 20 Aprel 2018 g. — 5 Maj 2018 g. [Order of the Ministry of Natural Resources of the Russian Federation dated 29.03.2018 N 122 "On approval of forest management instructions" (Registered with the Ministry of Justice of the Russian Federation on 20.04.2018 N 50859) — April 20, 2018 — May 5, 2018..] [Elektronnyj resurs]. URL: https://min-just.consultant.ru/special/documents/document/39244?items=1&page=7 (data obrashheniya: 17.03.2022) [in Russian].
7. Bakhmet O. N., Fedorets N. G. Ispolzovanie morfologicheskikh i ximicheskikh pokazatelej pochv dlya ocenki produktivnosti skalnykh sosnyakov Karelii. [The use of morphological and chemical indicators of soils to assess the productivity of rock pine forests of Karelia]. Lesovedenie. 2008. No. 6 [in Russian].
8. Rusalenko A. I. Prostranstvennoe varirovanie soderzhaniya fosfora i kaliya v pochvakh sosnovykh nasazhdenij [Spatial variation of phosphorus and potassium content in the soils of pine plantations]. Trudy BGTU. Seriya 1: Lesnoe khozyajstvo, pri-rodopolzovanie ipererabotka vozobnovlyaemykh resursov. 2008. No. 1 [in Russian].
9. Gurskiy A. Ak., Tankov A. A., Gurskiy A. An. Sovershenstvovanie ocenki produktivnosti nasazhdenij i lesoprigodnosti pochv [Improving the assessment of plant productivity and forest suitability of soils]. Izvestiya OGAU. 2008. No. 18-1 [in Russian].
10. Khlyustov V. K., Ganikhin A. M., Khlyustov D. V. Resursno-ekologicheskoe rajonirovanie i gosudarstvennaya inventarizaciya lesov [Resource-ecological zoning and state forest inventory]. Moscow, RGAU-MSKHA. 2018. 185 p. [in Russian]
11. Khlyustov V. K., Naumov V. D., Kamennykh N. L., Ganikhin A. M. Vzaimosvyaz produktivnosti lesnykh nasazhdenij s vozrastom i geomorfologiej pochv [The relationship of forest plantation productivity with age and soil geomorphology]. Vse-rossiyaskaya konferentsiya s mezhdunarodnym uchastiem — Teoriya i praktika sovremennoj agrarnoj nauki [All-Russian Conference with international participation — Theory and practice of modern agricultural science]. Novosibirsk, 2021. P. 429—432 [in Russian].
