CC BY
23
3. Baboshko, O. I. Tablicy hoda rosta robinii lzheakacii v smeshannyh po sostavu lesonasa-zhdeniyah Dono-Doneckogo lesomeliorativnogo rajona [Tekst] : rekomendacii / O. I. Baboshko, V. V. Tanyukevich. - Novocherkassk, 2015. - 16 s.
4. Bychkova, V. I. Kratkosrochnyj chislennyj prognoz metelej [Tekst] / V. I. Bychkova, K. G. Rubinshtejn // Trudy gidrometeorologicheskogo nauchno-issledovatel'skogo centra Rossijskoj Fed-eracii. - 2012. - №347. - S. 126-143.
5. Bychkova, V. I. Chislennoe modelirovanie vozniknoveniya i razvitiya snezhnoj meteli pri pomoschi modeli WRF-ARW [Tekst] / V. I. Bychkova, V. L. Petrov, K. G. Rubinshtejn // Trudy Gidrometcentra Rossii. - №353. - S. 46-62.
6. Garshinev, E. A. Jerozionno-gidrologicheskij process i lesomelioraciya. Jeksperimental'naya ocenka, raschet, proektirovanie [Tekst] / E. A. Garshinev. - Volgograd: VNIALMI, 2002. - 220 s.
7. Guterman, I. G. Raspredelenie vetra nad severnym polushariem [Tekst] / I. G. Guterman. -L.: Gidrometeoizdat, 1965. - 246 s.
8. Dyunin, A. K. V carstve snega [Tekst] / A. K. Dyunin. - M.: Nauka, 1983. - 161 s.
9. Martynov, A. N. Osnovy lesnogo hozyajstva i taksaciya lesa [Tekst] : ucheb. posobie / A. N. Martynov [i dr.]. - SPb.: OOO Izd-vo "Lan"', 2008. - 327 s.
10. Jeffrey S. Deems. Quantifying scale relationships in snow distributions. - Disserta-tion...Dr.(Phil.). - Colorado: Colorado State University, 2007. - 134 p.
11. Yang J., Yau M.K., Fang X., Pomeroy J.W. A triple-moment blowing snow-atmospheric model and its application in computing the seasonal wintertime snow mass budget / Hydrology and Earth System Sciences. - №14. - 2010. - P. 1063-1079.
E-mail: anastasiya-kulik@yandex.ru
УДК 519.237.8
ПРИМЕНЕНИЕ МЕТОДА РАСПОЗНАВАНИЯ ОБРАЗОВ ДЛЯ ВЫЧИСЛЕНИЯ ОЦЕНОК СОСТОЯНИЯ ЗАЩИТНЫХ ЛЕСНЫХ ПОЛОС
RECOGNITION METHOD FOR CALCULATION OF EVALUATIONS THE STATE OF SHELTERBELTS
К.А. Олейникова, аспирант X.A. Oleynikova
ФГБНУ «Федеральный научный центр агроэкологии, комплексных мелиораций и защитного лесоразведения Российской академии наук», г. Волгоград
Federal research centre of agroecology, comlex melioration and protective afforestation RAS,
Volgograd
Рассмотрена возможность применения метода распознавания образов, в частности алгоритма распознавания, основанного на вычислении оценок для определения состояния полезащитных лесных полос. В качестве объекта исследования выбраны полезащитные лесные полосы Михайловского района Волгоградской области. Для определения таксационных характеристик методом круговых реласкопических площадок заложены пять пробных площадей для ясеня зеленого и дуба черешчатого. Натурные измерения проводились согласно лесоустроительной инструкции. По полученным таксационным характеристикам лесных полос была сформирована матрица наблюдений. В качестве признаков были взяты средняя высота, средний диаметр, полнота, бонитет, запас, категории состояния насаждений. Однако количество показателей, характеризующих состояние данного объекта исследования, не является определяющим и может меняться. Значения признаков в матрице были стандартизированы для определения эталонного образа и интегрального показателя уровня развития (di) полезащитных полос. В результате были получены средние значения интегрального показателя уровня развития ясеня зеленого и дуба черешчатого. Применение интегрального показателя уровня развития при моделировании прогноза состояния полезащитных лесных полос позволит объективно оценивать состояние и продуктивность древесных пород в различных агроэкосистемах, в том числе с учетом временных факторов.
The article considers possibility of using recognition method, in particular the recognition algorithm for calculation of evaluations the state of shelterbelts. The study was carried out in the Mikhailovskiy district of the Volgograd region. To determine the inventories characteristics were laid five trial plots for ash green and oak tree by the method of circular platforms. All field measurements were carried out according to the forest management instructions. According to the received taxation characteristics of shelter-belts was formed a matrix of observations. As signs were taken mean height, mean diameter, density, bonitet, stock, categories of plantation status, however the number of indicators characterizing the state of the given research object is not determinative and may change. The values in the matrix were standardized for determine the reference image and integral index of development shelterbelts. As a result were obtained the average values of the integral of development (di) shelterbelts for ash green and oak tree. The application of the integral index of development di in the modeling of the forecast of the condition of shelterbelts makes it possible to objectively assess the condition and productivity of tree species in various agroecosys-tems, including taking into account temporal factors.
Ключевые слова: полезащитные лесные полосы, таксация, распознавание образов, оценка состояния защитных лесных полос, интегральный показатель уровня развития.
Key words: shelterbelts, inventory, recognition method, evaluation of shelterbelts, integral index of development.
Введение. При анализе состояния агроэкосистем, к которым относятся полезащитные лесные полосы, необходимо учитывать большое число разнородных показателей (параметров или признаков), характеризующих состояние объекта исследования. Из-за большого объема информации описать процессы, происходящие в объекте исследования, находящегося в состоянии динамического нестационарного равновесия, и дать строгое математическое описание изучаемого объекта не представляется возможным. Обращение к менее строгим в этом смысле методам многомерного сравнительного анализа, основанным на методе распознавания, вполне закономерно. Данные подходы используют в качестве исходной информации: наборы описаний-наблюдений объектов, предметов, ситуаций или процессов - при этом каждое отдельное наблюдение записывается в виде вектора значений отдельных от его свойств-признаков. Выборки признаковых описаний являются простейшими стандартизованными представлениями первичных исходных данных, которые возникают в различных предметных областях в процессе сбора однотипной информации. Первые работы в области теории распознавания и классификации появились в 30-х годах прошлого столетия и были связаны с байесовской теорией принятия решений (работы Неймана, Пирсона), применением разделяющих функций к задаче классификации (Фишер), решением вопросов проверки гипотез (Вальд) [2]. Значительный вклад в развитие таксономических методов внесли работы Вроцлавской школы математики [9]. Алгоритмы таксономии и анализа данных используются в различных исследованиях: в экономической географии, сельском хозяйстве [9], промышленности [1, 3, 10], радиофизике [13], молекулярной биологии [12], а также в педагогике [11], археологии [7], спорте [4], филологии [8] и других современных науках. В данной работе этот метод применен для расчета оценки состояния защитных лесных полос.
Материалы и методы. Наблюдения проводились на территории Михайловского района, расположенного в северо-западной части Волгоградской области. Выбор района исследований обусловлен достаточно благоприятными климатическими и почвенными условиями для выращивания древесных пород, в частности полезащитных лесных полос. Для определения таксационных показателей были выбраны чистые по составу полезащитные лесные полосы из ясеня зеленого (Fraxinus lanceolata), координаты 50o07'20.9'' с.ш., 43°15'50.3М в.д и дуба черешчатого (Quercus robur), координаты 50o08'28.9'' с.ш., 43o12'17.0'' в.д. Натурные измерения проводились согласно лесоустроительной инструкции
[6]. Состояние насаждения определялось по категориям состояния согласно приказу МПР РФ от 16.09.2016 №480. В каждой лесной полосе было заложено по 5 пробных площадей методом круговых реласкопических площадок полнотомером Биттерлиха. В процессе таксационных работ осуществлялись следующие измерения: координаты местоположения пробных площадок определялись с помощью GPS приемника GARMIN Oregon 650; высота дерева измерялась оптическим высотомером SUUNTO; диаметр измерялся мерной вилкой Haglof Sweden в двух взаимно перпендикулярных направлениях на высоте 1,3 м от корневой шейки; образцы (керны) для определения возраста деревьев и величины текущего прироста отбирались с помощью возрастного бура Haglof Sweden. Число годичных колец на кернах подсчитывалось с помощью определителя годичных колец Haglof Tree Core Reader. На основе этих данных определялась сумма площадей сечения, запас насаждения, полнота; класс бонитета - устанавливался по таблицам проф. М. М. Орлова в зависимости от возраста и высоты преобладающей породы. При определении класса бонитета учитывалось происхождение древостоя: семенное или порослевое. Состояние насаждения оценивалось по категориям состояния в процентах от запаса.
Таксационные данные являются признаками конкретной пробной площади, записываются в виде матрицы с неотрицательными элементами, в столбцах которой расположены одноименные показатели, в строках - все определяющие единичные показатели одного из образцов.
Поскольку данные имеют разную размерность и разные порядки величин необходимо стандартизировать значения признаков по формуле [5]:
^ = , k е{1,2,..., n }, (1)
где xik - значение признака k для единицы i; xk - среднее арифметическое значение признака k; Sk -стандартное отклонение признака k; zik - стандартизованное значение признака k для единицы i.
После стандартизации данных проводится построение эталонного образа (P0), относительно которого будет оцениваться состояние насаждений на пробных площадях. С этой целью все признаки делятся на стимуляторы и дестимуляторы. Стимуляторы - это признаки, высокие значения которых желательны для данного аспекта исследования, а дестимуляторы - признаки с противоположными свойствами. Наибольшие значения стимуляторов и наименьшие значения дестимуляторов образуют координаты искомого эталона [9]. В нашем исследовании к стимуляторам относятся такие показатели, как средняя высота, средний диаметр, полнота, бонитет, запас, категории состояния «здоровые», «ослабленные»; к дестимуляторам - категории состояния «сильно ослабленные», «усыхающие», «свежий сухостой», «старый сухостой».
Для сравнения пробных площадей с эталонным образом проводится процедура поиска ближайшей окрестности, которая основана на использовании метрики, заданной на множестве пар точек признакового пространства. Расстояние между отдельными точками-единицами (пробными площадями) и точкой P0, обозначается cio и рассчитывается следующим образом:
1
co
I (zts - z0s )2
s=1
2, i е{1,2.....m
{1,2,..., m}, (2)
где zls- стандартизированное значение признака к для единицы 1; z0s- эталонный образ развития признака к.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Оценка состояния лесной полосы проводится с использованием интегрального показателя уровня развития который зависит от расстояния пробной площади до эталонного образа [9]:
с
4 = 1 -—,
Сп
(3)
где:
Со Со + .
(4)
1 т
С0 = 1 С10 , т 1=\
1 т
— I (С0 - С0)
т 1=\
(5)
(6)
Данный показатель di является положительной величиной и с вероятностью, близкой к нулю, может оказаться больше единицы. Интерпретировать показатель следует так: объект находится на более высоком уровне развития (т.е. имеет лучшее состояние), чем ближе значение показателя di к единице.
Результаты и обсуждение. В результате обследования получено множество неоднородных признаков, описывающих состояние полезащитных лесных полос. В таблице 1 представлены данные измерений на каждой пробной площади, необходимые для расчета интегрального показателя уровня развития лесной полосы.
Таблица 1 - Таксационные характеристики полезащитных лесных полос
№ ПП Состав Возраст, лет Средние показатели Полнота Бонитет СО £ го Категории состояния
высота, м диаметр, см здоровые ослаблен-ные сильно ослаб-лен-ные усыхающие свежий сухостой старый сухостой
1 10 ЯЗ 44 16 16 0,9 1 140 29 39 20 12 - -
2 10 ЯЗ 42 11 12 0,5 3 50 - - 20 20 60 -
3 10 ЯЗ 44 15 16 0,8 1 120 36 47 15 2 - -
4 10 ЯЗ 44 17 16 0,8 1 140 57 38 5 - - -
5 10 ЯЗ 42 12 12 0,7 80 - 13 70 17 - -
6 10 Д 44 19 20 0,7 1 180 46 21 10 8 - 15
7 10 Д 44 18 20 0,6 1 140 - 18 24 21 - 37
8 10 д 44 18 20 0,7 1 160 34 32 20 5 - 9
9 10 д 44 19 20 0,7 1 180 30 25 22 16 - 7
10 10 д 44 18 16 0,7 1 160 13 15 30 21 - 21
Анализ показал, что средний возраст ясеня зеленого составляет 43 года, дуба че-решчатого - 44 года. Средняя высота ясеня зеленого достигает 14 м, дуба черешчатого -18 м. Средний диаметр составляет соответственно 14 и 20 см. Средний запас для насаждения из ясеня зеленого составляет 110 м3, для дуба черешчатого - 160 м3. На пробных площадях из ясеня зеленого преобладают ослабленные и сильно ослабленные деревья, на пробных площадях из дуба - здоровые и ослабленные.
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
На основании данных таблицы 1 сформирована матрица наблюдений. Количеству строк матрицы соответствует число пробных площадей, а количеству столбцов -число признаков каждой пробной площади (кроме возраста). В столбцах матрицы расположены одноименные показатели, а в строках - все определяющие единичные показатели пробных площадей.
Таблица 2 - Матрица наблюдений
Х=
16 16 0.9 1 140 29 39 20 12 0 0
11 12 0.5 3 50 0 0 20 20 60 0
15 16 0.8 1 120 36 47 15 2 0 0
17 16 0.8 1 140 57 38 5 0 0 0
12 12 0.7 3 80 0 13 70 17 0 0
19 20 0.7 1 180 46 21 10 8 0 15
18 20 0.6 1 140 0 18 24 21 0 37
18 20 0.7 1 160 34 32 20 5 0 9
19 20 0.7 1 180 30 25 22 16 0 7
18 16 0.7 1 160 13 15 30 21 0 21
В результате обработки матрицы по формулам (1) - (6) была составлена таблица 3. Обобщенный эталон развития для всех пробных площадей составил 9,025. Для отдельных пробных площадей эталон колеблется от 3,311 (ПП№4) до 9,000 (ПП№2). Следовательно, уровень развития изменяется в диапазоне от 0,003 до 0,633.
Ясень зеленый на пробных площадях №2 и №5 имеет самый низкий интегральный показатель уровня развития. Пробные площади с №3, №4, №8 имеют более высокий интегральный показатель уровня развития, по сравнению с другими пробными площадями.
Таблица 3 - Результаты вычисления оценок состояния
№ ПП Расстояние, сю Обобщенный эталонный образ, с0 Интегральный показатель уровня развития, ^
1 4,005 0,556
2 9,000 0,003
3 3,879 0,570
4 3,311 0,633
5 7,671 9,025 0,150
6 4,096 0,546
7 6,919 0,233
8 3,844 0,574
9 4,510 0,500
10 5,997 0,335
Полученные значения среднего интегрального показателя уровня развития di ясеня зеленого составляет 0,38, а среднее значение di дуба черешчатого - 0,44. Более высокий интегральный показатель развития дуба черешчатого определяется его более высокой продуктивностью в схожих лесорастительных условиях по сравнению с ясенем зеленым.
Заключение. Результаты проведенных исследований показали, что использование алгоритма распознавания, основанного на вычислении оценок, вполне оправдано, однако список таксационных показателей (признаков), описывающих состояние лесной полосы, приведенный в данной работе, не является исчерпывающим и может быть расширен. При-
менение метода распознавания образов позволит объективно оценивать состояние и продуктивность защитных лесных полос в агроэкосистемах, в том числе с учетом временных факторов. Интегральный показатель уровня развития di может быть использован при моделировании и прогнозировании состояния полезащитных лесных полос .
Библиографический список
1. Городнов, В.П. Таксономический анализ как метод оценки конкурентоспособности промышленной продукции [Текст]/ В.П. Городнов, Т.В. Романчик // Бизнесинформ. - 2010. -№2. - С. 24-28.
2. Журавлев, Ю.И. Распознавание. Математические методы. Программная система. Практические применения [Текст] / Ю.И. Журавлев, В.В. Рязанов, О.В. Сенько. - М.: Издательство Фазис, 2005. - 161 с.
3. Котеленец, А.А. Совершенствование методов оценки технического уровня угольных шахт и объединений [Текст] : дисс. к. э. н.: 08.00.05 / А.А. Котеленец. - М., 1984. -171 с.
4. Лебедь, Ф.Л. Метод построения двухмерного таксономического пространства для классификации игр и видов спорта [Текст]/ Ф.Л. Лебедь // Теория и практика физической культуры. - 2002. - №8. - С. 18-26.
5. Лепский, А.Е. Математические методы распознавания образов [Текст]/ А.Е. Лепский, А.Г. Броневич. - Таганрог: Изд-во ТТИ ЮФУ, 2009. - 155 с.
6. Лесоустроительная инструкция [Текст]. - М.: Рослесхоз, 2012. - 54 с.
7. Нестеров, С.П. Таксономический анализ минусинской группы погребений с конём [Текст]/ С.П. Нестеров // Проблемы реконструкций в археологии. - Новосибирск, 1985. - С. 111-121.
8. Новиков, Л.А. Таксономия языковых единиц. Опыт метаописания [Текст]/ Л.А. Новиков // Филологические науки. - 2002. - №6. - С. 36-46.
9. Плюта, В. Сравнительный многомерный анализ в экономических исследованиях. Методы таксономии и факторного анализа [Текст]/ В. Плюта. - М.: Статистика, 1980. - 151 с.
10. Саблина, Н.В. Использование метода таксономии для анализа внутренних ресурсов предприятия [Текст]/ Н.В. Саблина, В.А. Теличко // Бизнесинформ. - 2009. - №3. - С. 78-82.
11. Чошанов, М.А. Обзор таксономий учебных целей в педагогике США [Текст]/ М.А. Чошанов // Педагогика. - 2000. - №4. - С. 86-91.
12. Horton, P. Probablistic Classification System for Predicting the Cellular Localization Sites of Proteins Horton P., Nakai K.A // Intelligent Systems in Molecular Biology. 1996. - P. 109-115.
13. Ryazanov, V.V. One approach for classification (taxonomy) problem solution by sets of heuristic algorithms // Proceedings of the 9-th Scandinavian Conference on Image Analysis, Uppsala, Sweden, 6-9 June 1995. - Vol.2. - P.997-1002.
Reference
1. Gorodnov, V. P. Taksonomicheskij analiz kak metod ocenki konkurentosposobnosti promyshlennoj produkcii [Tekst]/ V. P. Gorodnov, T. V. Romanchik // Biznesinform. - 2010. - №2. -S. 24-28.
2. Zhuravlev, Yu. I. Raspoznavanie. Matematicheskie metody. Programmnaya sistema. Prakticheskie primeneniya [Tekst] / Yu. I. Zhuravlev, V. V. Ryazanov, O. V. Sen'ko. - M.: Izdatel'stvo Fazis, 2005. - 161 c.
3. Kotelenec, A. A. Sovershenstvovanie metodov ocenki tehnicheskogo urovnya ugol'nyh shaht i ob'edinenij [Tekst] : diss. k. je. n.: 08.00.05 / A. A. Kotelenec. - M., 1984. - 171 s.
4. Lebed', F. L. Metod postroeniya dvuhmernogo taksonomicheskogo prostranstva dlya klassifikacii igr i vidov sporta [Tekst]/ F. L. Lebed' // Teoriya i praktika fizicheskoj kul'tury. - 2002. -№8. - S. 18-26.
5. Lepskij, A. E. Matematicheskie metody raspoznavaniya obrazov [Tekst]/ A. E. Lepskij, A. G. Bronevich. - Taganrog: Izd-vo TTI YuFU, 2009. - 155 s.
6. Lesoustroitel'naya instrukciya [Tekst]. - M.: Roslesxoz, 2012. - 54 s.
7. Nesterov, S. P. Taksonomicheskij analiz minusinskoj gruppy pogrebenij s konjom [Tekst]/ S. P. Nesterov // Problemy rekonstrukcij v arheologii. - Novosibirsk, 1985. - S. 111-121.
8. Novikov, L. A. Taksonomiya yazykovyh edinic. Opyt metaopisaniya [Tekst]/ L. A. Novikov // Filologicheskie nauki. - 2002. - №6. - S. 36-46.
9. Plyuta, V. Sravnitel'nyj mnogomernyj analiz v jekonomicheskih issledovaniyah. Metody taksonomii i faktornogo analiza [Tekst]/ V. Plyuta. - M.: Statistika, 1980. - 151 s.
10. Sablina, N. V. Ispol'zovanie metoda taksonomii dlya analiza vnutrennih resursov predpriyatiya [Tekst]/ N. V. Sablina, V. A. Telichko // Biznesinform. - 2009. - №3. - S. 78-82.
11. Choshanov, M. A. Obzor taksonomij uchebnyh celej v pedagogike SShA [Tekst]/ M. A. Choshanov // Pedagogika. - 2000. - №4. - S. 86-91.
12. Horton, P. Probablistic Classification System for Predicting the Cellular Localization Sites of Proteins Horton P., Nakai K.A // Intelligent Systems in Molecular Biology. 1996. - P. 109-115.
13. Ryazanov, V.V. One approach for classification (taxonomy) problem solution by sets of heuristic algorithms // Proceedings of the 9-th Scandinavian Conference on Image Analysis, Uppsala, Sweden, 6-9 June 1995. - Vol.2. - P. 997-1002.
E-mail: foreigner-13@mail.ru
УДК 633.2.03
ВИДЫ И СОРТА ТРАВ ДЛЯ РЕСТАВРАЦИИ РАВНИННЫХ ПАСТБИЩ
ВОСТОЧНОГО ПРЕДКАВКАЗЬЯ
THE TYPES AND VARIETIES OF HERBS FOR THE RESTORATION OF LOWLAND GRASSLAND IN EASTERN CISCAUCASIA
С.Н. Сивцева1, Л.П. Рыбашлыкова2, кандидат сельскохозяйственных наук
S.N. Sivceva1, L. P. Rybashlykova2
1Северо-Кавказский филиал Федерального научного центра агроэкологии, комплексных мелиораций и защитного лесоразведения РАН, Ставропольский край с. Ачикулак, Россия
2ФГБНУ «Федеральный научный центр агроэкологии, комплексных мелиораций и защитного лесоразведения Российской академии наук», г. Волгоград
1North Caucasian branch of the Federal Research Centre ofAgroecology, amelioration and protective afforestation RAS, Stavropol Krai, Achikulak 2Federal Research Centre of Agroecology, amelioration and protective afforestation RAS,
Volgograd
В статье дана оценка экологического состояния деградированных пастбищ Восточного Предкавказья, приведены результаты исследований интродуцированных видов многолетних трав по адаптации, развитию, росту, урожайности фитомассы. Основной целью исследований было изучение видов и сортов пастбищных многолетних злаковых трав, выявление их продукционного потенциала и долголетия для использования в реставрации пастбищных земель. Для проведения исследований был заложен опытный участок с монокомпонентными посевами многолетних злаковых трав озимого типа развития. Способ посева многолетних трав - сплошной, широкорядный 45 и 70 см. Определение продуктивности кормовых трав проводили укосным методом в 3-х кратной по-вторности с 1 м2. Урожайность многолетних трав колебалась по годам в зависимости от вида растений, способа посева и фазы вегетации. Максимальная урожайность фитомассы была получена на 3-й год жизни при широкорядном способе посева. Высокую продуктивность зеленой массы обеспечивали пырей удлиненный Ставропольский 10 - 15,9-14,3 т/га, и пырей удлиненный солончаковый - 15,2-14,3 т/га, пырей средний Ставропольский 1 - 14,5-13,4 т/га, житняки и кострецы от 7,0 до 9,7 т/га. Несмотря на снижение продуктивности фитомассы, с четвертого года жизни урожайность остается высокой и имеет превосходство в 6-8 раз над аборигенными видами. Введение интроду-цируемых видов и сортов в широкое производство будет способствовать увеличению ассортимента кормовых трав, а также укреплению кормовой базы региона.
