CC BY
78
Новый междисциплинарный подход к изучению структуры и динамики лесных экосистем*
Н.С. Иванова, к.с.-х.н, Е.С. Золотова, аспирантка,
И.В. Петрова, дб.н, Ботанический сад УрО РАН
В целях организации рационального использования природных ресурсов необходимо учитывать закономерности развития природных систем. Множество работ посвящено этой проблеме. Однако ввиду чрезвычайного разнообразия, динамичности и поливариантности развития лесных экосистем сложно предложить универсальный подход для их описания, анализа и количественного прогнозирования [1]. Сложившаяся в науке ситуация привела к методологическому тупику, выразившемуся в
огромном разрыве между экспериментальной (полевой) и математической экологией [1]. Возникла острая необходимость совершенствования теоретико-методической основы для изучения и моделирования природных экосистем. Для этого необходима корректировка методов сбора и обработки информации о природных объектах, разработка принципов построения математических моделей.
В лесоведении, геоботанике, таксации леса, почвоведении досконально разработаны методы полевого изучения лесных экосистем и последующей обработки данных [2]. Для классификации растительности признан во всём мире
* Работа выполнена при поддержке программы Президиума РАН №. 12-П-4-1060
эколого-флористический подход. Он позволяет описать растительные сообщества на уровне международных стандартов, определить место объектов исследования в международной системе синтаксономических единиц. Для моделирования природных экосистем этого недостаточно. Необходим достоверный количественный прогноз состояния и динамики природных объектов, оценки их устойчивости. Сходные задачи по моделированию поведения сложных систем решаются в синергетике, теории фракталов, нейроинформатике. Генетическая типология с момента своего зарождения также ориентирована на прогнозирование динамики лесной растительности [3]. Поэтому её экспериментальный опыт чрезвычайно полезен. Она развивалась на результатах изучения сложных природных систем с постоянно меняющейся структурой взаимосвязей параллельно синергетике, рассматривающей процессы самоорганизации. В теории фракталов отражено самоподобие как сходство сложных структур на разных масштабах. Нейроинформатике принадлежит огромное число достижений в решении разнообразных задач науки и техники, она имеет солидный арсенал математических методов и не накладывает ограничений на максимально возможное число связей и элементов. Названные дисциплины очень удачно дополняют друг друга, их синтез позволит получить новые подходы к моделированию лесных экосистем и оценке их устойчивости.
Цель наших исследований — на основе подходов генетической лесной типологии, экологофлористического подхода, традиционных многомерных математических методов, подходов синергетики, теории фракталов, нейроинформатики разработать теоретико-методологическую основу для нелинейного количественного прогнозирования динамики биоразнообразия лесной растительности и дигрессивно-демутационных смен структуры лесов.
Научная новизна заключается в синтезе традиционных подходов лесоведения, геоботаники, почвоведения, генетической типологии, лесной таксации с методами синергетики, теории фракталов и нейроинформатики.
Для решения поставленных задач имеется два идеальных полигона исследований: Катав-Ивановский лесхоз Челябинской области (Южный Урал) и территория планируемого природного парка «Истоки Исети» в Зауральской холмистопредгорной провинции Свердловской области (Средний Урал). В этих районах гетерогенные в типологическом плане горные леса сильно фрагментированы рубками. На природную гетерогенность лесной растительности накладывается антропогенная. В итоге сформировался невероятно сложный мозаичный растительный покров, который идеален для целей наших исследований.
С 1991 г. нами проводятся детальные многоуровневые (ландшафты, экотопы, лесные фитоценозы, синузии, пространственные высечки 1 х 1 м) количественные исследования [2]. Изучается древостой, естественное возобновление видов-эдификаторов, травяно-кустарничковый ярус. Определяется обилие и фитомасса сосудистых растений. Закладываются полнопрофильные почвенные разрезы, описывается морфология, определяются основные физико-химические характеристики почв. Статистическая обработка данных выполняется традиционными методами (в т.ч. PCA, DCA, CCA) и методами нелинейной динамики. Для анализа сопряжённости динамики ярусов лесной растительности используются системы связанных дифференциальных уравнений.
Рассматриваются трудности формализации описания экосистем, существующие в математической экологии, обосновывается необходимость углубления анализа на основе синергетики, теории фракталов и нейроинформатики, намечаются основные направления совершенствования методов количественного прогнозирования [1].
В результате многолетних исследований в западных низкогорьях Южного Урала получены количественные данные восстановительновозрастной динамики лесной растительности для преобладающих типов леса и экодинами-ческих рядов развития сообществ, выполнен анализ сопряжённости динамики ярусов лесной растительности и отдельных видов в процессе восстановительно-возрастных смен древосто-ев [4]. Нами установлено, что использование систем зависимых дифференциальных уравнений позволяет количественно описывать восстановительно-возрастную динамику лесной растительности, определять динамические характеристики экосистем (характерные периоды динамики и моменты времени; время, необходимое для восстановления исходной структуры лесной экосистемы), характер и уровень взаимозависимостей между отдельными подсистемами, оценивать устойчивость развития и делать прогнозы на будущее [4].
Комплексное изучение структуры и динамики лесной растительности 10 типов леса и 11 типов вырубок-гарей на Среднем Урале позволило получить необходимые количественные данные для построения обобщённой математической модели формирования лесной растительности на вырубках и выявить возможности синтеза математической теории катастроф и лесной экологии для количественного прогнозирования состояния и динамики лесов. На конкретных примерах вводятся основные понятия и уравнения математической теории катастроф, разрабатывается схема анализа и построения количественной модели, выявляются возможности и преимущества но-
Рис. - Приведённые (безразмерные) потенциальные функции р) (точки - эмпирические данные, линии - результат
* 14 1*2 1*
решения уравнения: Г (п, а ,Ь ) = — п4 +—а п2 + Ь п, где д = р0/рс-Тр0/рс - параметр порядка, харак-
теризующий отклонение плотности растительности (древесной и травянистой) при фиксированной величине Т (характеристика интенсивности развития травяно-кустарничкового яруса), близкой к единице, от среднего значения плотности сосны и берёзы р0; рс - масштаб плотности; а*, Ь* - параметры; а - сосняки брусничниковые на
крутых склонах южной экспозиции с мелкими каменистыми почвами; Ь - березняки разнотравно-вейниковые в
нижних частях пологих склонов с мощными дренированными почвами
Показатель Хёрста для темпов роста Р1пш $у1уез1т и Ркеа оЬоу&а на сплошных вырубках Зауральской холмисто-предгорной провинции (Средний Урал)
Тип леса Вид Тип возобновления Показатель Хёрста (Н)
Сосняк лишайниково-брусничниковый Ртж зуЬезМз естественное 0,67±0,263
Сосняк брусничниковый Ртж зуЬезМз естественное культуры 0,58±0,356 0,77±0,074
Сосняк ягодниковый Ртж зуЬезМз естественное культуры 0,66±0,354 0,69±0,203
Ркеа оЬоуа1а культуры 0,74±0,218
Сосняк разнотравный Ртж зуЬезМз Ркеа оЬоуа1а культуры культуры 0,70±0,18 0,38±0,73
вого синтетического подхода. Разрабатываются объективные, количественные методы оценки устойчивости восстановительно-возрастной динамики, обеспечивающие обоснованное прогнозирование состояния описываемых объектов [5]. В качестве основных критериев устойчивости развития предлагаются: вид потенциальной функции (рис.), удалённость от сепаратрисы и величина восприимчивости [5, 6].
Изученные молодняки сосны обыкновенной (Р1пии зуЬез1т L.) и ели сибирской (Р1оеа оЪоуа1а Ledeb.) естественного и искусственного происхождения, произрастающие в широком спектре лесорастительных условий Зауральской холмисто-предгорной провинции, послужили модельными объектами для апробации фрактального подхода в лесоведении. На основе замеров приростов в высоту более чем у 1000 деревьев за 1998—2007 гг. определены темпы приростов для двух лесообразователей и двух типов воз-
обновления (естественного и искусственного). Впервые в лесотипологических исследованиях для оценки устойчивости роста древесных растений на вырубках использован R/S-метод (метод Хёрста) [7]. Нами выявлено, что он позволяет корректно проводить сравнения темпов роста древесных растений разных видов и происхождения, прогнозировать устойчивость роста (его персистентность) (табл.).
Свойства почв — обязательный компонент большинства имитационных моделей. Детальное изучение почв 10 типов леса и 11 типов вырубок Среднего Урала позволило получить количественные данные, необходимые для корректного моделирования растительных систем. Исследуется влияние характеристик почв на альфа- и бета-разнообразие растительности, естественное возобновление древесных видов на вырубках и на особенности дигрессивно-демутационных смен [5].
На основе оригинальной методики изучения смежных болотных и суходольных ценопопуля-ций сосны обыкновенной выявляются особенности современной микроэволюции эдификаторов лесных экосистем [8].
Наше исследование инициирует новое междисциплинарное научное направление, в основе которого лежит понимание нелинейности, аттрактивности, адаптивности, фрактальности и сетевой организации экологических систем. Это направление и разрабатываемые методы анализа открывают новые резервы для развития лесной науки.
Результаты исследований размещаются в свободном доступе на сайте «Генетическая типология и динамика леса»: www.dynfor.ru. Они необходимы для разработки сценариев устойчивого лесопользования, обоснованного планирования лесохозяйственных и природоохранных мероприятий.
Литература
1. Ланкин Ю.П., Иванова Н.С., БаскановаТ.Ф. Основы теории моделирования разнообразия экосистем биосферы на основе фундаментальных свойств живых систем // Современные проблемы науки и образования. 2012. № 1. // URL: www. science -education.ru/101-5144.
2. Методы изучения лесных сообществ. СПб.: НИИХимии СПбГУ, 2002. 240 с.
3. Колесников Б.П. Генетический этап в лесной типологии и его задачи // Лесоведение. 1974. № 2. С. 3—20.
4. ИвановаН.С. Сопряжённостивосстановительно-возрастной динамики древостоя и подчинённых ярусов в длительнопроизводных березняках западных низкогорий Южного Урала // Аграрный вестник Урала. 2009. № 2. С. 79-82.
5. Иванова Н.С., Быстрай Г.П., Охотников С.А. и др. Модель восстановительно-возрастной динамики лесов Зауральской холмисто-предгорной провинции // Современные проблемы науки и образования. 2011. № 4 // URL: www.science-education.ru/98-47 54.
6. Быстрай Т.П., Иванова Н.С. Подходы к моделированию динамики лесной растительности на основе теории катастроф // Аграрный вестник Урала. 2010. № 2. С. 75—79.
7. Иванова Н.С., Ермакова М.В., Быстрай Г.П. и др. Использование метода Хёрста в прогнозировании роста Pimms syhesltis L. и Picea obovata Lecleb. на вырубках Среднего Урала // Современные наукоёмкие технологии. Пенза, 2010. № 9. С. 143-144.
8. Петрова И.В., Санников С.Н. Изоляция и дифференциация популяций сосны обыкновенной. Екатеринбург, 1996. 141 с.
