CC BY
13
Научни трудове на Съюза на учените в България - Пловдив. Серия В. Техника и технологии. Том XVII, ISSN 1311 -9419 (Print); ISSN 2534-9384 (Online), 2019. Scientific Works of the Union of Scientists in Bulgaria - Plovdiv. Series C. Technics and Technologies. Vol. XVII., ISSN 1311 -9419 (Print); ISSN 2534-9384 (Online), 2019
ГИС МОДЕЛ ЗА ОЦЕНКА НА ЗАВИСИМОСТТА ПОЛЕН-РАСТИТЕЛНОСТ В АГРОЦЕНОЗИ Стоян Вергиев, Драгомир Пламенов,ПавлинаНаскова, Руска Тнмиврова Каттдра„Растениевъдство", Технически университет - Варна
GIS-BASED MODEK FORANALYHIS HFMHDERN POLLEN-VEGETATION RELATIONSHIP IN AGROCENOSES Stoyan Vergiev, Dragomir Plamenov, Pavlina Naskova, Ruska Dimitrova Department оГ Plant Production, TechnicalUniversity c^f Varna
Abstract
The aim of the present paper is to present a GIS-based model for analysis of modern pollen- vegetation relationship in order to define the Relevant Source Area of Pollen (RSAP) for agrocenosеs in northeastern Bulgaria. A dataset of pollen counts from 4 modern pollen samples together with corresponding vegetation data, measured around each sample point in concentric rings, were collected in 2018 yr. The plant abundance of each pollen type was weighed by distance in GIS environment in order to test and validate an adequate methodology for measurement of goodness-of-fit between pollen and vegetation data in agrocenoses and to create a calibrated model which can be used for quantitative interpretation of fossil pollen data in palaeoecological reconstructions. Three submodels of the ERV model are tested and show similar results but ERV 3 was selected and gives an RSAP of 4300 m for agricultural landscapes.
Keywords: Мodern pollen data, Pollen-vegetation relationship, distance-weighted plant abundance, Relevant Source Area of Pollen.
Въведение
Спорово-поленовият анализ е един от основните методи, прилаган при палеоекологични реконструкции (Overpeck et al., 2013), като прецизността му зависи до голяма степен от създаването на съвременни калибрирани модели, които отразяват съотношението между съвременното поленово натоварване и съвременната растителност (Sugita, 1994; Vergiev, 2014). За разлика от класическите качествени интерпретации на поленовите спектри, математическото моделиране предлага възможности за сравнително точни количествени реконструкции на палеорастителността на база на съвременните зависимости, като са изведени редица модели, основаващи се на съотношението полен-растителност в съвременни условия (Vergiev et al., 2014). Тази връзка се разкрива при анализ на поленовите спектри от съвременни повърхностни проби, като данните се съпоставят с растителните съобщества, произвели съответното количесто полен (Andersen, 1970). От голямо значение за получаването на точни количествени реконструкции на палеорастителността при математическото моделиране в ГИС среда, е да се получат точни данни за един от ключовите параметри - прилежащата зона източник на полен (ПЗИП).
ПЗИП отразява територията около точката на вземане на пробата, от която е възможно да бъде продуциран полен от съответен таксон и той да се приеме за локален, т. е.
се продуцира от растителността, разположена в непосредствена близост до пробата (Sugita, 1994). Другата част е резултат от далечен пренос, приема се за поленово фоново натоварване и неговото количество е константно (Sugita, 1994; Vergiev et al., 2014).
За разлика от другите необходими при реконструкциите параметри, ПЗИП варира в зависимост от географската ширина и типовете растителни съобщества произвели полена. Това налага този показател да бъде изчислен за всяка една територия (Vergiev, 2014). За разлика от получените и валидирани чрез симулации данни от естествени растителни съобщества (Vergiev, 2014; Vergiev et al., 2014; Vergiev, 2018), все още не е получена ПЗИП за обработваеми площи за територията на България.
Целта на настоящото изследване е да се изготви ГИС модел, който да интегрира масивите от поленови данни от съвременни повърхностни проби и произвелата ги растителност в агроценози, като по този начин се определи ПЗИП за североизточна България за вегетационен период 2018 г.
Материал и методика
Определянето на връзката полен - растителност за 2018 г. беше осъществено на база 4 съвременни повърхностни почвени проби (ППП) в обработваеми площи засети с пшеница. За анализ бяха събрани на случаен принцип 5 подпроби от почвения субстрат на дълбочина максимум до 5 ст в рамките на пробна площадка с размери 1 х 1 m, подпробите са смесени в една и от нея е взето количество от 3 ст3.
Лабораторната обработка на пробите е извършена в Лабораторията по базови биологични дисциплини към катедра „Растениевъдство" при Технически университет -Варна в съответствие със стандартния ацетолизен метод на Faegri & Iversen (1989) и Birks & Birks (1980). За определяне на поленовите спектри са изготвени нетрайни глицеринови микроскопски препарати, в които са изброявани всички срещащи се в пробите поленови зърна и спори, като са определени до най-ниско таксономично ниво и отнесени към определен поленов тип.
Фитоценологичното обследване на растителността около пробите беше извършено през 2018 г. в съответствие с методиката на Bunting et al. (2013), модифицирана за големи изследвани площи (Vergiev, 2014) (фиг. 4). Количественото участие на видовете е описано в 4 концентрични пръстена, по 8 равноотдалечени трансекта, започващи от точката на пробовземане и насочени навън и е оценено визуално в пробни площадки от 1 х 1 m по скалата на Braun-Blanquet (1964). Пробните площадки са разположени в съответствие с методиката на Broström et al. (2004) (фиг. 4).
Получените данни за разпространението и покритието са дигитализирани във векторен формат с помощта на софтуерния продукт QGIS 3.0 Girona. Поленовите данни са обработени с програмата PolERV v.4.0 (HUMPOL v. 3.1) (Bunting & Middleton, 2005), основаваща се на трите подмодела на Модела ERV (Extended R-value model) (Parsons & Prentice, 1981; Prentice & Parsons, 1983; Sugita et al., 1999).
Резултати и обсъждане
С цел да се интегрират масивите от поленови данни от съвременните повърхностни проби и да се изчисли степента на тежест на фактора отстояние от вземане на пробата беше изграден и приложен ГИС базиран модел (фиг. 1).
Получените данни за разпространението на съвременната растителност бяха осреднени за всеки изследван периметър и дигитализирани във векторен формат в GIS среда. Бяха тествани няколко постановки за описание на растителността (фиг. 4), при които обработваемите площи съставляват съответно 0%, 25%, 50% и 100% от общата изследвана площ. Изчислено е процентното покритие на всеки растителен, както в естествената растителност, така и в агроценозите.
При спорово-поленовия анализ на съвременните повърхностни проби е отчитан броя на поленовите зърна на 30 ключови таксона, като процентното им участие във всеки поленов
Фиг. 1. Алгоритъм на моделирането в ГИС среда
спектър е преизчислено до 100% (фиг. 2). Ограничението за 30 таксона се обуславя от параметъра скорост на утаяване на поленовите зърна, който се определя експериментално (Broström et al., 2004; Sugita et al., 1999; Fredh et al., 2012).
Фиг. 2. Поленови спектри на съвременните повърхностни проби.
Извършеният многовариантен анализ на данните за растителността и процентното участие на всеки поленов тип в поленовите спектри определи съответствието между двата набора от данни. Анализът на остатъците (RDA) показа висока корелация и силна връзка между стойностите на полена и растителността (фиг. 3). Математически това сходство се изчислява чрез ъгъла на общата насоченост между двата вектора и значението на двете оси.
Фиг. 3. Ординационна диаграма на анализ на остатъците (RDA). Биплот на съотношението растителност-полен в рамките на различните зони от точката за вземане на пробата.
Пермутациите на стохастичният статистически метод „Монте Карло" демонстрират малък ъгъл и съответно ниска стойност (р = 0,01). Най-голяма степен на съответствие показват Poaceae, Carpinus betulus, Fraxinus, Quercus и Betula. Големи отклонения се отбелязват за Artemisia, Plantago lanceolata, Aster-type и Cichoriceae.
ПЗИП е разстоянието при което, съотношението между представянето в растителността и поленовите спектри на всички таксони има линейна намаляваща зависимост, която е определена и от теоретичните постановки в модела ERV (Sugita, 1994). След това разстояние тази зависимост остава линейна, но кривата изпада в асимптота и осцилира около една стойност, т. е. не се подчинява на фактора тежест (Jackson & Lyford, 1999).
Използвайки алгоритъма заложен в програмата PolERV v.4.0 (HUMPOL v. 3.1) бяха изчислени стойностите на функцията на максималната вероятност между поленовите спектри и реалната растителност. След нанасяне на XY диаграма, спрямо разстоянието от точката на вземане на пробата, беше изчертана крива и определен радиусът на зоната, оценен на разстоянието на което функцията наближи асимптота. Тествани са и трите подмодела на ERV. Те дават близки стойности, но за радиус беше приета най-ниската стойност при балансираната по отношение на стойностите логаритмична крива.
Оценката на ПЗИП в настоящото изследване, варира между 4300 m и 4860 m, в зависимост от използвания подмодел. ERV1 показва най-висока стойност, както на функцията на максималната вероятност (43820), така и на радиуса - 4860 m. При ERV2 най-ниската и най-високата стойности на функцията са между 28510 и 37330. Моделът показва малка разлика, но дава сравнително голям радиус - 4600 m. Подмодел 3 показва сравнително закономерно логаритмично намаляване на кривата до достигане на асимптота. Този модел демонстрира по-добър баланс на кривата и показва най-малкия радиус - 4300 m (фиг. 4). Основавайки се на теоретичните постановки, за радиус на ПЗИП трябва да се избере 4300 m. Това е идентична стойност с предходни изследвания в естествени растителни съобщества в североизточна България (Vergiev, 2014, Vergiev, 2018).
Изводи
Радиусът на Прилежащата зона източник на полен за изследваните агроценози е оценен на 4300 m, което показва ниска степен на тежест на фактора отстояние от вземане на пробата, и е съпоставим с предходни изследвания на естествени растителни съобщества.
Фиг. 4. Методика за описание на растителността около точката на вземане на пробата (по Bunting et al. (2013) и Vergiev (2014) и схема на местоположението на пробните площадки (по Broström et al., 2004), щрихованата площ отразява агроценозите; Съотношение на AP/NAP (Полен от дървесни таксони/полен от тревисти таксони); Криви на Функцията на максималната вероятност, съотнесена към отстоянието от точката на
вземане на пробата.
Подмодел ERV3 демонстрира по-добър баланс на кривата и показва най-малък радиус. Същото се отнася и за методиката за описание на растителността с участие на 50% естествена растителност и 50% агроценози.
Благодарности
Научните изследвания, резултатите от които са представени в настоящата публикация, са извършени по проект НП11/2018 „Създаване на ГИС модел за оценка на зависимостите полен-растителност и полен-климат в агроценози" в рамките на присъщата на ТУ-Варна научноизследователска дейност, финансирана целево от държавния бюджет.
References
Andersen, S. 1970. The relative pollen productivity and pollen representation of North European trees and correction factors for tree pollen spectra. Danm. Unders., 96(2):1-99.
Birks, H., Birks, H. 1980. Quaternary Palaeoecology, Edward Arnold, London.
Braun-Blanquet, J. 1964. Pflanzensociologie: Grundzuge der Vegetationskunde. 3te aufl. Springer-Verlag, Wein.
Brostrom, A., Sugita, S., Gaillard, M. 2004. Pollen productivity estimates for reconstruction of past vegetation cover in the cultural landscape of Southern Sweden, Holocene. 14:371-384.
Bunting, M., Middleton, R. 2005. Modelling pollen dispersal and deposition using HUMPOL software, including simulating windroses and irregular lakes. Rev Palaeobot Palynol, 134:185-196.
Bunting, M., Farrell, M., Brostrom, A., Hjelle, K., Mazier, F., Middleton, R., Nielsen, A., Rushton, E., Shaw, H., Twiddle, C. 2013. Palynological perspectives on vegetation survey: a critical step for model-based reconstruction of Quaternary land cover. Quaternary Science Reviews, 82:41-55.
Faegri, K., Iversen, J. 1989. Textbook of pollen analysis, John Wiley, Sons, Chichester.
Fredh, D., Brostrom, A., Zillen, L., Mazier, F., Rundgren, M., Lageras, P. 2012. Floristic diversity in the transition from traditional to modern land-use in southern Sweden A.D. 18002008. Vegetation History and Archaeobotany, 21(6):439-452.
Jackson, S., Lyford, M. 1999. Pollen dispersal models in quaternary plant ecology: assumptions, parameters, and prescriptions. Bot. Rev., 65:39-75.
Overpeck, J., Webb III, T., Prentice, I. 1985. Quantitative interpretation of fossil pollen spectra: dissimilarity coefficients and the method of modern analogs. Quat. Res., 23(1): 87-108.
Parsons, R., Prentice, I. 1981. Statistical approaches to R-values and the pollen-vegetation relationship. Rev. Palaeobot. Palynol., 32:127-152.
Prentice, I., Parsons, R. 1983. Maximum likelihood linear calibration of pollen spectra in terms of forest composition. Biometrics, 39:1051-1057.
Sugita, S. 1994. Pollen representation of vegetation in quaternary sediments: theory and method in patchy vegetation. J. Ecol., 82:881-897.
Sugita, S., Gaillard, M., Brostrom, A. 1999. Landscape openness and pollen records: a simulation approach. Holocene, 9:409-421.
Vergiev, S., 2014. Palaeoecology and geoarchaeology of upper Pleistocene and Holocene sediments from the Black Sea deep water zone and the Varna Lake. PhD Thesis. IO-BAN, Varna, AI "prof. M. Drinov", BAN, Sofia (in Bulgarian).
Vergiev, S., 2018. Holocene palaeofloristic reconstructions in the northern Black Sea coast. Neofeedback, Varna.
Vergiev, S., Filipova-Marinova, M., Giosan, L., Pavlov, D., Slavchev, V. 2014. Pollenbased quantitative reconstruction of holocene vegetation in Varna Lake area (Northeastern Bulgaria) using modelling and simulation approach. Comptes Rendus de L'Academie Bulgare des Sciences, 67(6):831-834.
Corresponding author:
e-mail: [email protected]
