ЗАКОНОМЕРНОСТИ РАСПРЕДЕЛЕНИЯ ЗАПАСОВ УГЛЕРОДА В ПОЧВАХ И ЛЕСНОЙ ПОДСТИЛКЕ ВОЛЖСКО-КАМСКОГО ЗАПОВЕДНИКА Текст научной статьи по специальности «Науки о Земле и смежные экологические науки»

ISSN 2411-7374 (print) ISSN 2782-6643 (online)

Учредитель

Государственное научное бюджетное учреждение «Академия наук Республики Татарстан»

Издатель

Институт проблем экологии и недропользования АН РТ

Главный редактор

Заместители главного редактора

Редакция

Ответственный секретарь: старший научный сотрудник,

к.с.-х.н.

Адрес издателя:

420111, Республика Татарстан, г. Казань, ул. Баумана, 20

Адрес редакции:

Р.Р. Шагидуллин

д.х.н., член-корреспондент АН РТ, директор Института проблем экологии и недропользования АН РТ

В.З. Латыпова

д.х.н., профессор, член-корреспондент АН РТ, профессор кафедры прикладной экологии Казанского (Приволжского) федерального университета

Д.В. Иванов

д.г.н., заместитель директора по научной работе Института проблем экологии и недропользования АН РТ

Рупова, проблем

Э.Х. Институт экологии и недропользования АН РТ Компьютерная верстка: А.Ю. Бородовская Фото на обложке: Э.Х. Рупова

Журнал зарегистрирован Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций. Свидетельство о регистрации в СМИ ПИ № ФС77-67305 от 30.09.2016

Журнал входит в перечень рецензируемых научных изданий, рекомендованных ВАК РФ, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, ученой степени доктора наук.

Журнал включен в систему Российского индекса научного цитирования (РИНЦ)

Периодичность выпуска: 4 раза в год

Электронная версия журнала содержится на сайте

eLIBRARY.ru

Подписной индекс ПМ018 в каталоге «Почта России». Цена свободная

420087, Республика Татарстан, г. Казань, ул. Даурская, 28 тел./факс: +7 (843) 275-96-95 e-mail: rjaeco@mail.ru www.rjae.ru

Ответственность за содержание статей несут авторы. Перепечатка допускается только с разрешения редакции и с обязательной ссылкой на «Российский журнал прикладной экологии»

Редакционная коллегия

В.И. Бармин - д.г.н., профессор, декан геолого-географического факультета, заведующий кафедрой экологии, природопользования, землеустройства и БЖД Астраханского государственного университета В.Д. Богданов - д.б.н., член-корреспондент РАН, зав. лабораторией экологии рыб и биоразнообразия водных экосистем Института экологии растений и животных УРО РАН

Ю.А. Горшков - д.б.н., ведущий научный сотрудник Волжско-Камского государственного природного биосферного заповедника

В.А. Даувальтер - д.г.н., профессор, главный научный сотрудник лаборатории водных экосистем Института проблем промышленной экологии Севера РАН

B.В. Законнов - д.г.н., главный научный сотрудник лаборатории гидрологии и гидрохимии Института биологии внутренних вод им. А.Д. Папанина РАН

Е.Ю. Колбовский - д.г.н., профессор, ведущий научный сотрудник кафедры физической географии материков и геоэкологии Московского государственного университета им. М.В. Ломоносова

Ю.П. Переведенцев - д.г.н., профессор кафедры метеорологии, климатологии и экологии атмосферы Казанского (Приволжского) федерального университета

C.А. Поддубный - д.г.н., зав. лабораторией гидрологии и гидрохимии Института биологии внутренних вод им.

A.Д. Папанина РАН

Ш.Р. Поздняков - д.г.н., директор Института исследований континентальных водных объектов Российского государственного гидрометеорологического университета

B.А. Румянцев - д.г.н., профессор, академик РАН, советник по науке Санкт-Петербургского научного Центра РАН

Р.Н. Салиева - д.ю.н., профессор, зав. лабораторией правовых проблем недропользования, экологии и топливно-энергетического комплекса Института проблем экологии и недропользования АН РТ В.И. Сафарова - д.х.н., профессор, начальник управления государственного аналитического контроля Министерства природопользования и экологии Республики Башкортостан, профессор кафедры безопасности производства и промышленной экологии Уфимского государственного авиационного университета В.В. Снакин - д.б.н., профессор, зав. сектором музея землеведения Московского государственного университета им. М.В. Ломоносова, г. Москва; зав. лабораторией ландшафтной экологии Института фундаментальных проблем биологии РАН

А.М. Смирнов - д.б.н., академик РАН, научный руководитель Всероссийского научно-исследовательского института ветеринарной санитарии, гигиены и экологии; Т.Х. Спаркс - PhD, профессор, Институт зоологии По-знаньского университета естественных наук (Польша); Музей зоологии Кембриджского университета (Великобритания)

Ю.А. Тунакова - д.х.н., профессор, зав. кафедрой общей химии и экологии Казанского национального исследовательского технического университета им. А.Н.Туполева - КАИ.

Подписано в печать 25.09.2024. Дата выхода в свет 30.09.2024.

Общий тираж 1000 экз. Первый завод 100 экз. Отпечатано в типографии издательства АН РТ 420111, Республика Татарстан, г. Казань, ул. Баумана, 20

ISSN 2411-7374 (print) ISSN 2782-6643 (online)

Founder

State Institution «Tatarstan Academy of Sciences»

Publisher

Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences

Chief Editor

R.R. Shagidullin

Doctor in Chemistry, Corresponding Member of the Academy of Sciences of the Republic of Tatarstan, Director, Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences

Deputy Chief Editors

V. Z. Latypova

Doctor in Chemistry, Corresponding Member of the Academy of Sciences of the Republic of Tatarstan, Professor of the Department of Applied Ecology of Kazan (Volga) Federal University D.V. Ivanov

Doctor in Geography, Deputy Director, Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences

Executive secretary

E.H. Rupova - PhD in Agriculture, Senior Researcher, Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences

Designer: A.Yu. Borodovskaya Cover photo: E.H. Rupova

The journal is registered by Federal service for supervision in the sphere of telecom, information technologies and mass communications. Registration number: series PI №FS77-67305 on September 30, 2016.

The journal is indexed in Russian Science Citation Index (RSCI)

Frequency: 4 issues per year

The electronic version of the journal is available on the website eLIBRARY.ru.

Subscription index PM018 in catalogue of «Pochta Possii». Free price.

Publisher's address:

20, Bauman st., Kazan, Republic of Tatarstan, 420111, Russia

Editorial address

28, Daurskaya st., Kazan, Republic of Tatarstan, 420087, Russia Phone: +7 (843) 275-96-95

E-mail: rjaeco@mail.ru www.rjae.ru

Editorial board

A.N. Barmin - Doctor in Geography, Professor, Dean of Geological and Geographical Faculty, Head of the Department of Ecology, Nature Management, Land Management and Life Safety, Astrakhan State University V.D. Bogdanov - Doctor in Biology, Corresponding Member of RAS, Head Laboratory of Fish Ecology and Biodiversity of Aquatic Ecosystems, Institute of Plant and Animal Ecology of the Ural Branch of RAS Y.A. Gorshkov - Doctor in Biology, Leading Researcher, Volga-Kama State Natural Biosphere Reserve V.A. Dauvalter - Doctor in Geography, Professor, Chief Researcher, Institute of the Industrial Ecology Problems of the North of the Kola Science Center of RAS V.V. Zakonnov - Doctor in Geography, Leading Researcher, I.D. Papanin Institute for Biology of Inland Waters RAS E.Yu. Kolbovsky - Doctor in Geography, Professor, Leading Researcher of the Department of Physical Geography of Continents and Geoecology, Lomonosov Moscow State University

Yu.P. Perevedentsev - Doctor in Geography, Professor, Head of the Department of Meteorology, Climatology and Ecology of the Atmosphere, Kazan (Volga) Federal University

S.A. Poddubny - Doctor in Geography, Head of the laboratory of hydrology and hydrochemistry, I.D. Papanin Institute for Biology of Inland Waters RAS Sh.R. Pozdnyakov - Doctor in Geography, Director, Institute of Inland Waters Research, Russian State Hydrometeorological University

V.A. Rumyantsev - Doctor in Geography, Professor, Academician of RAS, Scientific Advisor, St. Petersburg Scientific Center of the Russian Academy of Sciences R.N. Salieva - Doctor in Law, Professor, Head of the Laboratory of Legal Problems of Mineral Wealth Use, Ecology and Fuel and Energy Complex, Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences

V.I. Safarova - Doctor in Chemistry, Professor, Head of the Department of State Analytical Control, Ministry of Natural Resources and Ecology of the Republic of Bashkortostan; Professor of the Department of Production Safety and Industrial Ecology, Ufa State Aviation University V.V. Snakin - Doctor in Biology, Professor, Head of the Sector of the Museum of Geography, Lomonosov Moscow State University; Head of the Laboratory of Landscape Ecology, Institute of Fundamental Problems of Biology of RAS

A.M. Smirnov - Doctor in Biology, Academician of RAS, Scientific Director, All-Russian Research Institute of Veterinary Sanitation, Hygiene and Ecology T.H. Sparks - T.H. Sparks - PhD, Professor, Institute of Zoology, Poznan University of Life Sciences (Poland); Museum of Zoology, University of Cambridge (UK) Yu.A. Tunakova - Doctor in Chemistry, Professor, Head of the Department of General Chemistry and Ecology, Kazan National Research Technical University named after A.N. Tupolev - KAI

The authors are responsible for the content of the articles. Reprint without permission of the publisher is prohibited, links to the journal are obligatory when citing.

„ „ ,T - „t^,, , Signed for printing: 25 September 2024. Release date: 30 September 2024.

Bauman st., Kazan, Republic of Tatarstan, 420111, Russia

CONTENTS

Экология природных систем

Н.А. Пронович, С.И. Красовская, Л. Александрова, П.А. Курынцева

Оценка влияния температуры вегетации на эффективность улавливания атмосферного углерода растениями вики яровой (Vicia sativa L.) .........4

Гидроэкология

Л.Л. Капустина

Санитарно-экологическая оценка качества вод восточной части Финского Залива по результатам микробиологических исследований ............11

И.И. Зиганшин, Д.В. Иванов, Р.Р. Хасанов Динамика озерности Волго-Мешинского междуречья .................................21

Экология почв

В.И. Кулагина, А.Б. Александрова, С.С. Рязанов, Р.Р. Шагидуллин, Л.М. Сунгатуллина, Э.Х. Рупова Закономерности распределения запасов углерода в почвах и лесной подстилке Волжско-Камского заповедника ...............28

Ecology of natural systems

Pronovich N.A., Krasovskaya S.I., Aleksandrova L., Kuryntseva P.A.

Assessment of vegetation temperature impact on the efficiency of atmospheric carbon capture in spring vetch (Vicia sativa L.) ..............

Hydroecology

Kapustina L.L.

Sanitary and ecological assessment of water quality

in the eastern part of Finland Gulf according

to the results of microbiological investigations .....11

Ziganshin I.I., Ivanov D.V., Khasanov R.R. Analysis of the Volgo-Mesha interfluve lakeness dinamic.....................

. 2l

Soil ecology

Kulagina V.I., Alexandrova A.B., Ryazanov S.S., Shagidullin R.R., Sungatullina L.M., Rupova E.H. Carbon stocks distribution patterns in soils and forest litter

of Volga-Kama Reserve ...................

.28

К.А. Гордеева, Т.Г. Кольцова, В.И. Кулагина, Л.М. Сунгатуллина, А.М. Хайруллина Влияние различных систем земледелия на агрохимические и биохимические показатели серой лесной почвы ......................

.34

Gordeeva K.A., Koltsova T.G., Kulagina VI., Sungatullina L.M., Khairullina A.M. Impact of various farming systems on agrochemical and biochemical characters in gray forest soil .....................

.34

С. А. Ермолов

Вертикальное распределение дождевых червей в почве сосняков и березово-осиновых лесов (на примере лесостепного Приобья Новосибирской области) ....................

.39

Ermolov S.A.

The earthworm vertical distribution in pine forests and birch-aspen forests soils (the case study of the forest-steppe region in Novosibirsk area) ....................

.39

Экологический мониторинг

В.С. Валиев, Р.Р. Хасанов, Д.В. Иванов Сравнение методов сегментации растровых изображений и их нейросетевая классификация .......................

.49

Ecological monitoring

Valiev VS., Khasanov R.R., Ivanov D.V. Comparison of raster image segmentation methods and their neural network classification ......................

.49

Экологическая безопасность

Р.А. Шагидуллина, В.А. Нурмехамитова,

А.Р. Шагидуллин, А.Ф. Гилязова, Р.Р. Шагидуллин,

Д.Ф. Валиуллин, В.З. Латыпова

Развитие механизмов управления качеством

атмосферного воздуха в Республике Татарстан ... 55

Ю.А. Тунакова, С.В. Новикова, Р.А. Шагидуллина, А.Р. Шагидуллин, В.А. Нурмехамитова Способ расчёта концентраций диоксида углерода, поступающего в атмосферный воздух города с выбросами промышленных предприятий ......61

Ecological safety

Shagidullina R.A., Nurmekhamitova V.A., Shagidullin A.R., Gilyazova A.F., Shagidullin R.R., Valiullin D.F., Latypova VZ. Development of air quality management mechanisms in Tatarstan Republic ...........

.55

Tunakova Y.A., Novikova S.V, Shagidullina R.A., Shagidullin A.R., Nurmekhamitova V.A. Method for calculating the concentrations of carbon dioxide entering the atmospheric air of a city with emissions from industrial enterprises............

6l

Правила для авторов

67

Rules for authors

67

УДК 57.084.1, 631.8

Н.А. Пронович, С.И. Красовская, Л. Александрова, П.А. Курынцева

Казанский (Приволжский) федеральный университет, polinazwerewa@yandex.ru

ОЦЕНКА ВЛИЯНИЯ ТЕМПЕРАТУРЫ ВЕГЕТАЦИИ НА ЭФФЕКТИВНОСТЬ УЛАВЛИВАНИЯ АТМОСФЕРНОГО УГЛЕРОДА РАСТЕНИЯМИ ВИКИ ЯРОВОЙ (VICIA SATIVA L.)

Исследование посвящено изучению влияния температуры вегетации на рост и развитие растений вики яровой, а также на дыхательную активность почвенного микробного сообщества с точки зрения оценки потенциала вики яровой как сидеральной культуры, улавливающей СО2 из атмосферы. Для этого был проведен лабораторный вегетационный эксперимент длительностью 63 дня при трех температурах вегетации - 20 °C (базовая) и 25 °C, 30 °C (повышенные). Результаты показывают, что максимальная фитомасса была достигнута при температуре вегетации 25 °C, без существенных различий в длине побегов при разных температурах. Однако длина корней увеличилась в 1.9 раза при 30 °C по сравнению с 25 °C и в 1.4 раза по сравнению с 20 °C. Содержание углерода в фитомассе увеличивалось с ростом растений, но не менялось значительно с температурой. Дыхательная активность почвы была выше при повышенных температурах, вероятно, из-за увеличения корневой экссудации. Расчеты показывают, что выращивание вики яровой в течение 63 дней может способствовать улавливанию 119, 166 и 97 кг С/га при 30 °C, 25 °C и 20 °C, соответственно, с наиболее эффективным улавливанием при 25 °C. Полученные результаты свидетельствуют о том, что вика яровая может быть полезной зеленой культурой и поглотителем атмосферного углерода, при этом оптимальный вегетационный период составляет 56 дней, что позволяет максимально улавливать углерод и при этом предотвращать образование семян.

Ключевые слова: парниковые газы; улавливание углерода; вика яровая; почвенная респираторная активность; изменение климата.

DOI: https://doi.Org/10.24852/2411-7374.2024.3.04.10

Введение

За последнее столетие увеличение концентрации CO2 в атмосфере привело к глобальному изменению климата и, как следствие, увеличению частоты и интенсивности экстремальных климатических явлений. Это окажет сильное влияние на цикл углерода в биосфере в целом и в отдельных экосистемах в частности (Frank et al., 2015). Почвы являются вторым крупнейшим пулом углерода после мирового океана, они сохраняют больше углерода, чем атмосфера (в 2 раза) и растительная биомасса (в 3-5 раз) (Wang, 2019), поэтому небольшие изменения в этом резервуаре могут оказать серьезное влияние на концентрацию CO2 в атмосфере (Reinthaler et al., 2021). В последние столетия было зафиксировано увеличение выбросов CO2 в атмосферу более чем в пять раз при гораздо меньшем увеличении объемов поглощения СО2 природными средами, что обусловлено, например, максимальной растворимостью СО2 в воде. Так, поглощение CO2 почвой возросло только в три раза (Федоров, 2013). Установлено, что общий выброс CO2 в

атмосферу составляет 6.3 млрд тС/год, из которых почвенные экосистемы поглощают около 23% (Федоров, 2004).

Согласно данным разных источников, на выбросы от сельского хозяйства, лесного хозяйства и землепользования приходится от 13 до 21% мировых выбросов парниковых газов, что соответствует 12 ГтСО2-экв (Climate ..., 2020; Nabuurs et al., 2022). Эмиссия парниковых газов в сельском хозяйстве происходит при энтеральной ферментации в животноводстве, при обращении с отходами животноводства, в частности навозами и пометами, при обработке почвы (вспашка, боронование, внесение минеральных и органических удобрений), использовании энергии (электричество, топливо) (Столбовой, 2020; Agricultural .., 2023; Golasa, 2021; Greenhouse ..., 2024; Soil-based ..., 2021).

Увеличение эмиссии СО2 из сельскохозяйственных почв при их обработке приводит к еще одному негативному последствию, а именно к снижению содержания почвенного органического вещества и, как следствие, к потере почвенного плодородия. Вспашка приводит к повышению

активности почвенных микроорганизмов - бактерий, высвобождению СО2 из почвы и поступлению его в приземный слой атмосферы. Кроме того, высвобождается диоксид углерода, накапливающийся в почвенной пористой структуре. Известно, что максимальная доля парниковых газов, содержащихся в почве, сконцентрирована в верхних горизонтах, так как там наблюдаются наиболее активные процессы жизнедеятельности бактерий и микромицет (Александрова и др., 2023). Кроме того установлено, что базальное дыхание зависит от температуры и влажности почвы. Поэтому существует множество исследований, направленных на оценку дыхания почвы при воздействии различных внешних факторов. По результатам таких исследований можно построить глобальные экологические модели изменения углеродного баланса.

На данный момент активно разрабатываются методы, увеличивающие сохранение почвенного углерода, в частности минимальная или нулевая обработка почвы, использование почвопокров-ных культур, мульчи, использование бобовых вместо чистого пара, использование лесополос и многолетних культур (Mattila et al., 2022; Sources ..., 2019). При этом стоит упомянуть, что большинство данных методов давно известно и применяется, однако получили они широкое освещение именно в контексте углеродсберегающего земледелия. Так, одним из популярных агротехнических приемов является использование сиде-ральных культур. Под сидерацией понимают особый метод удобрения почвы, подразумевающий высадку специальных растений для борьбы с сорняками, для интенсификации процесса азотфик-сации (в случае использования бобовых культур) с последующим запахиванием их биомассы, что обеспечит дополнительное поступление органического вещества в почву (Борисова, 2015). При выращивании сидератов растения запахивают в почву до фазы созревания семян, что позволяет внедрять их как промежуточную культуру в севообороте, например, после озимых. Применение сидерации способствует фиксации атмосферного углерода с последующим возвращением его в почву. Кроме того, происходит улучшение структуры почвы за счет развития корневой системы, снижение ветровой и водной эрозии, подавление сорных растений, обеспечение среды обитания опылителей, повышение разнообразия и активности почвенного микробного сообщества (Lei et al., 2022; Valizadeh et al., 2023).

Целью данной работы было оценить потенциальную возможность использовать вику яровую как сидеральную культуру с целью улавливания и

сохранения в почве атмосферного углерода.

Материалы и методы исследования

В условиях теплицы был проведен вегетационный эксперимент длительностью 63 дня при трех температурных режимах: 20 °С, 25 °С и 30 °С. Условия оставались неизменными на протяжении эксперимента: содержание СО2 в воздушной среде - от 390 до 420 ppm, режим освещенности - l6 часов световая фаза, 8 часов темнота, интенсивность освещения - от 400 до 500 Вт/м2, относительная влажность воздуха -от 50 до 55 %, влажность почвы - от 55 до 60% от общей влагоемкости. Выращивание растений вики яровой (Vicia sativa L.) осуществляли в контейнерах размером 30^40^20 см, в которые были помещены l0 кг серой лесной почвы. В начале эксперимента определяли рН почвы, содержание подвижного фосфора (Рподв), подвижного калия (Кподв), общего азота (No&4), общего (Собщ) и органического углерода (Сорг), гранулометрический состав. Содержание общего углерода и общего азота в почвенных и растительных образцах определяли методом сухого сжигания согласно DIN/ISO l3878 на анализаторе Elementar Vario MAX Cube (Germany) (Борисова, 20l5), подвижные формы фосфора и калия в почве были определены методом спектрометрии с индуктивно связанной плазмой на анализаторе ICPE 9000 Shimadzu (Japan). Экстракцию подвижных форм макроэлементов осуществляли с использованием ацетатно-аммонийного буферного раствора с рН 4.8 согласно ГОСТ Р ИСО 27085-20l2. Гранулометрический состав определяли с использованием лазерного дифракторметра Blue Wave Microtrack (USA) согласно ISO l3320:2020. Исходная почва характеризовалась следующими показателями: рН 6.7±0.2, С, 4.l4±0.ll%, С

общ орг

3.4l±0.l2 %, N fi 0.2l±0.0l%, P 0.03±0.0l мг/

общ подв

кг, Кподв 0.07±0.0l мг/кг, гранулометрический состав по Ферре - пылевато-глинистый суглинок (глина 30.5%, пыль 75.4%, песок 0%).

На !4-е, 2Ье и 40-е сутки определяли морфо-метрические показатели растений (длина корня и побега, биомасса корня и побега), а также содержание углерода в фитомассе методом сухого сжигания (Борисова, 20l5). Суммарное содержание углерода в фитомассе определяли на основании данных сухой биомассы растений и содержания в ней С .

общ

Эмиссию СО2 из почвы оценивали по уровню респираторной активности почвы согласно ISO l6072: 2002 c окончанием на газовом хроматографе Nexis GC-2030 Shimadzu (Япония). Далее

была определена кумулятивная эмиссия СО2 из почвы с растениями.

Для расчета баланса углерода для всех температурных режимов была установлена разница между количеством углерода, уловленного фито-массой растений вики яровой за 40 суток вегетации, и количеством углерода, выделенным из почвы за счет ее респираторной активности.

Все измерения проводились не менее трех раз. Статистическую обработку полученных результатов выполняли с использованием Microsoft Excel. Все данные, представленные на рисунках и в таблице, содержат средние значения и стандартные ошибки. Достоверность различий оценивали с использованием критерия Фишера при а=0.05 в пакете Statistka 13.0.

Результаты и их обсуждение

Эффективность фиксации СО2 из атмосферы в углерод фитомассы при разных температурных режимах зависит от интенсивности физиологических процессов, в частности, процессов фотосинтеза и дыхания. Косвенными критериями, позволяющими оценить влияние температуры на развитие растения, являются морфометрические характеристики, такие как длина корня, длина побега, длина стебля, биомасса (рис. 1).

Показано, что с 7-х по 14-е сутки эксперимента прирост биомассы корня и побега вики яровой по всем показателям составил в среднем 84-143% и 115-162%, соответственно. При 30 °С прирост биомассы корня был максимальным на 28-49 сутки эксперимента. Начиная с 35-х суток скорость прироста биомассы растений уменьшалась, достигнув минимальных значений на 56-63 сутки эксперимента. Установлено, что прирост биомассы не менее чем в 2 раза превышает изменения остальных морфометрических характеристик. Это согласуется с формой растения - невысокое, кустистое. На 63 сутки эксперимента биомасса растений, выращенных при 30 °С, составила 3.1±1.2 г, при 25 °С 4.1±0.9 г, при 20 °С 2.4±1.6 г. Таким образом, максимальная фито-масса установлена при температуре вегетации 25 °С. Длины корня и побега в конце вегетационного эксперимента составили 8.8-16.7 см и 58.0-62.0 см, соответственно. Не установлено достоверного различия (p<0.05) в длинах побегов растений, выращенных при разных температурах, при этом выращивание растений при повышенной температуре 30 °С привело к увеличению длины корня в 1.9 раз по сравнению с температурой вегетации 25 °С и в 1.4 раза по сравнению с температурой вегетации 20 °С. В качестве сидеральных культур и фиксаторов CO2 предпочтительно использовать

200 £ 180

g 1б0 &

5 140

0 120

й

1 100

к

80

§ б0

6

& 40

20 0

28 35 42 сутки

a

н б0 о

! 40

& 20

0

80 70 б0 50 40 30 20 10 0

35 42 сутки

b

Корень

Побег

Рис. 1. Изменение морфометрических показателей растений вики яровой, выращиваемой при разных

температурах а - изменение прироста биомассы корня, b - изменение прироста биомассы стебля, c - длины корня и побега на 63-и сутки эксперимента Fig. 1. Changes in morphometric parameters of spring vetch plants grown at different temperatures a - change in root biomass growth, b - change in stem biomass growth, c - root and shoot length on the 63rd day of the experiment

растения, которые обладают высоким приростом фитомассы в начале вегетации.

Увеличение биомассы растений происходит за счет процесса фотосинтеза, в ходе которого из атмосферного углерода (диоксида углерода) синтезируются органические молекулы. Соответственно, углерод биомассы растений является углеродом, уловленным из атмосферы. Показано, что содержание углерода в фитомассе вики яровой увеличивается со временем вегетации растения (рис. 2), при этом достоверных различий в количестве углерода в зависимости от температуры вегетации не установлено (p<0.05). Наименьшим

14

21

49

5б

б3

30°С

25°С

20°С

c

Рис. 2. Содержание углерода в биомассе вики яровой, выращиваемой в разных температурных условиях

Fig.2. Carbon content in the biomass of spring vetch grown under différent temperature conditions

содержанием углерода с 28 по 63 сутки характеризовались растения, которые выращивались при повышенной температуре - 30°С.

Корни растений, особенно бобовых, выделяют экссудаты, которые в свою очередь могут стимулировать активность микробного сообщества ризосферы. С одной стороны, ризосфера представлена достаточно тонким (2.. .3 мм) слоем почвы, с другой стороны экссудация корней может стимулировать гетеротрофное дыхание в ризосферной почве, на долю которого приходится до 20% от общего дыхания почвы. Для этого была оценена респираторная активность почвы в динамике вегетационного эксперимента (рис. 3). Показано, что базальная респираторная активность почвы при вегетации вики яровой изменялась в диапазоне 0.16-0.23 мгСО2/гч при 30°С, 0.14-0.21 мг-СО2/гч при 25°С, 0.23-0.19 мгСО2/гч при 25°С. В целом, базальная респираторная активность почвенного микробного сообщества всегда выше при повышенных температурах, однако достоверные различия установлены только на 21, 28 и 35

35

Рис. 3. Респираторная активность почвенного микробного сообщества при выращивании вики яровой в разных температурных режимах Fig. 3. Respiratory activity of the soil microbial community during the cultivation of spring vetch in different temperature regimes

сутки (р<0.05). Вероятно, в данный период идет активное развитие корневой системы вики яровой, активное выделение экссудатов, что в совокупности с повышенной температурой приводит к увеличению активности почвенных гетеротрофных микроорганизмов. При этом стоит отметить, что значения респираторной активности являются типичными для серой лесной почвы, на которой произрастали растения (Иващенко и др., 2014; Мамаева и др., 2012; Blagodatskaya et а1., 2006) и выше значений полученных в лабораторных экспериментах при ингибировании почвы без растений (Вершинин и др., 2021), что подтверждает стимулирующее действие почвенных растительных экссудатов. Так же стоит отметить, что данные по кумулятивной эмиссии СО2 за вегетационный сезон, рассчитанные на основе респираторной активности почвенного микробного сообщества, соотносятся с данными других исследователей ^агюпоуа et а1., 1998).

На следующем этапе были рассчитаны эмиссия углерода за счет респираторной активности и объем его улавливания в фитомассе растений. Разница в данных показателях позволяет оценить эффективность использования вики яровой с точки зрения улавливания углерода из атмосферы с последующим внесением его в почву (рис. 4). Однако стоит отметить, что при расчете баланса углерода было допущено упрощение, и анализ улавливания СО2 из атмосферы базировался только на данных углерода, уловленного в фитомас-се. При этом известно, что в растительных организмах одновременно происходят фотосинтез, дыхание, выделение экссудатов, отмирание частей корня/побега и т.д. Показано, что выращивание вики яровой в течении 63 суток позволяет уловить 119, 166 и 97 кг С/га при температурах вегетации 30, 25 и 20°С, соответственно. Наиболее эффективно использование вики яровой в качестве сидеральной культуры и возможного поглотителя атмосферного углерода (СО2) при 25°С, так данная температура характеризовалась невысокой эмиссией СО2 за счет респираторной активности и максимальной биомассой растений. Увеличение температуры на 5°С приводит к снижению эффективности в 1.4 раза, а снижение на 5°С - к снижению эффективности в 1.7 раза. Еще одним важным параметром, который необходимо установить при разработке технологий улавливания атмосферного углерода в фитомассе растений, является минимальный достаточный срок вегетации. Полученные результаты показывают, что вегетация растений вики яровой в течение 56 суток является оптимальной, что в свою очередь приведет к высокому улавливанию углерода и не-

20°С

25°С

30°С

14

28

42

63

7

14

21

28

42

49

56

63

Рис. 4. Улавливание углерода при выращивании вики яровой в разных температурных режимах

Fig. 4. Carbon capture during the cultivation of spring vetch in different temperature regimes

допущению формирования семян.

Заключение

Результаты данного исследования показывают, что оптимальная температура для выращивания яровой вики в качестве сидерата и потенциального поглотителя углерода составляет 25 °C. При этой температуре растения демонстрируют максимальный рост фитомассы и улавливание углерода, в то время как выбросы CO2 от дыхания почвы сводятся к минимуму. Повышение или понижение температуры на 5 °C приводит к значительному снижению эффективности, что подчеркивает необходимость подбора оптимальных сидеральных культур для разных климатических зон. Было установлено, что оптимальный вегетационный период составляет 56 дней, что обеспечивает высокий уровень улавливания углерода и не позволяет растениям сформировать семена. Полученные результаты могут в дальнейшем быть использованы для разработки эффективных технологий улавливания атмосферного углерода и увеличения почвенного плодородия.

Благодарность: Работа выполнена при финансовой поддержке Российского научного фонда, грант № 23-26-00275.

Список литературы

1. Александрова Л., Гордеев А.С., Бабичук В.Р., Ку-рынцева П.А., Селивановская С.Ю. Оценка запасов углерода в почве на территории карбонового полигона «Карбон - Поволжье» // Российский журнал прикладной экологии. 2023. C. 12-21. https://doi.Org/10.24852/2411-7374.2023.4.12.21.

2. Борисова Е. Е. Применение сидератов в мире // Вестник НГИЭИ. 2015. №1. C. 24-33.

3. Вершинин А.А., Утомбаева А.А., Петров А.М., Богданова О.А., Князев И.В. Влияние аммофоски на дыхательную активность нефтезагрязненной серой лесной почвы // Экология родного края: проблемы и пути их решения / Материалы XVI Всероссийской научно-практической с международным участием конференции. Киров: ВятГУ, 2021. С. 110-114.

4. ГОСТ Р ИСО 27085-2012. Корма для животных. Определение содержания кальция, натрия, фосфора, магния, калия, железа, цинка, меди, марганца, кобальта, молибдена, мышьяка, свинца и кадмия методом ИСП-АЭС.

5. Иващенко К.В., Ананьева Н.Д., Васенев В.И., Куде-яров В.Н., Валентини Р. Биомасса и дыхательная активность почвенных микроорганизмов в антропогенно-измененных экосистемах (Московская область) // Почвоведение. 2014. №9. С. doi: 10.7868/S0032180X14090056.

6. Мамаева Е.В., Галицкая П.Ю., Шафигуллин Б.У., Селивановская С.Ю. Агрохимические и биологические характеристики склоновых почв // Ученые записки Казанского университета. Естественные науки. 2012. Т. 154. С. 148-157.

7. Столбовой В.С. Регенеративное земледелие и смягчение изменений климата // Земледелие и растениеводство.

2020. C. 19-26. doi: 10.24411/0235-2451-2020-10703.

8. Федоров Б.Г. Выбросы углекислого газа: углеродный баланс России // Проблемы прогнозирования. 2013. №1.

C. 63-78.

9. Федоров Б.Г. Экономико-экологические аспекты выбросов углекислого газа в атмосферу // Проблемы прогнозирования. 2004. №5. C. 86-101.

10. Agricultural greenhouse gas emissions 101. Resources for the future // URL: https://www.rff.org/publications/explain-ers/agricultural-greenhouse-gas-emissions-101/ (дата обращения: 15.02.2024).

11. Blagodatskaya E., Pampura T., Myakshina T., Dem'yanova E. The Influence of lead on the respiration and biomass of microorganisms in grey forest soil in a long-term field experiment // Soil biology. 2006. №5. P. 498-506.

12. Climate change and land. Intergovernmental panel on climate change // URL: https://www.ipcc.ch/site/assets/uploads/ sites/4/2020/02/SPM_Updated-Jan20.pdf (дата обращения: 07.07.2023).

13. Frank D., Reichstein M., Bahn M., Thonicke K., Frank

D. Effects of climate extremes on the terrestrial carbon cycle: Concepts, processes and potential future impacts // Global change biology. 2015. №8. P. 2861-2880. doi: 10.1111/gcb.12916.

14. Golasa P., Wysoki'nski M., Bie'nkowska-Golasa W., Gradziuk P., Golonko M., Gradziuk B., Siedlecka A., Arcadi-usz G. Sources of greenhouse gas emissions in agriculture, with particular emphasis on emissions from energy used // Energies.

2021. № 14. P. 1-20.

15. Greenhouse gas emissions: agriculture. Agriculture and horticulture development board // URL: https://ahdb.org. uk/knowledge-library/greenhouse-gas-emissions-agriculture (дата обращения: 15.02.2024).

16. ISO 13320:2009. Particle size analysis - Laser diffraction methods.

17. ISO 16072. Soil quality - Laboratory methods for determination of microbial respiration.

18. Larionova A. A., Yermolayev A. M., Blagodatsky S., Rozanova L. N., Yevdokimov I., Orlinsky D.B. Soil respiration and carbon balance of grey forest soils as affected by land use // Biology and fertility of soils. 1998. №27. P. 251-257. doi: 10.1007/s003740050429.

19. Lei B., Wang J., Yao H. Ecological and environmental benefits of planting green manure in paddy fields // Agriculture.

2022. №13. P. 1-15. doi: 10.3390/agriculture12020223.

20. Mattila T.J., Hagelberg E., Soderlund S., Joona J. How farmers approach soil carbon sequestration? Lessons learned from 105 carbon-farming plans // Soil and tillage research. 2022. Vol. 215. P. 1-9. doi: 10.1016/j.still.2021.105204.

21. Nabuurs G.-J., Mrabet R., Abu Hatab A., Bustamante M., Clark H., Havlik P., House J.I., Mbow C., Ninan K.N., Popp A., Roe S., Sohngen B., Towprayoon S., Steinfeld J.P. Agriculture, forestry and other land uses (AFOLU) // Climate Change 2022: Mitigation of climate change. Contribution of working group III to the Sixth assessment report of the intergovernmental panel on climate change. Cambridge, New York: Cambridge University Press, 2022. P. 747-860. doi: 10.1017/9781009157926.009.

22. Reinthaler D., Harris E., Potsch E. M., Herndl M., Richter A. Responses of grassland soil CO2 production and fluxes to drought are shifted in a warmer climate under elevated CO2 // Soil biology and biochemistry. 2021. №163. P. 1-11. doi: 10.1016/j.soilbio.2021.108436.

23. Soil-based carbon sequestration. MIT climate portal / URL: https://climate.mit.edu/explainers/ soil-based-carbon-sequestration (дата обращения: 16.03.2024).

24. Sources of agricultural greenhouse gases. The livestock and poultry environmental learning community // https:// lpelc.org/sources-of-agricultural-greenhouse-gases/ (дата обращения: 15.02.2024).

25. Valizadeh N., Jalilian S., Hallaj Z., Bayat S.E. Hayati D., Bazrafkan K. Kianmehr N., Akbari M. Encouraging adoption of green manure technology to produce clean rice product // Scientific Reports. 2023. №13. P. 1-15. doi: 10.1038/s41598-023-35964-1.

26. Wang Z. Estimating of terrestrial carbon storage and its internal carbon exchange under equilibrium state // Ecological modelling. 2019. №401. P. 94-110. doi: 10.1016/j. ecolmodel.2019.03.008.

References

1. Alexandrova L., Gordeev A.S., Babichuk V.R., Kuryntseva P.A., Selivanovskaya S.Yu. Otsenka zapasov ugleroda v pochve na territorii karbonovogo poligona «Karbon - Povolzhye» [The estimation of carbon content in soil on the territory of the carbon polygon «Carbon - Povolzhye»] // Rossijskij zhurnal prikladnoj ekologii [Russian journal of applied ecology]. 2023. P. 12-21. https://doi.org/10.24852/2411-7374.2023.4.12.21

2. Borisova Y.Y. Primeneniye sideratov v mire [The use of green manures in the world] // Bulletin NGIEI. 2015. No 1. P. 24-33.

3. Vershinin A.A., Utombayeva A.A., Petrov A.M., Bogdanova O.A., Knyazev I.V. Vliyaniye ammofoski na dykhatel'nuyu activnost' neftezagryaznennoy seroy lesnoy pochvy [The effect of ammophosca on the respiratory activity of oil-contaminated grey forest soil] // Ekologiya rodnogo kraya: problemy i puti ih resheniya [Ecology of the native land: problems and ways to solve them]. Kirov, 2021. P. 110-114.

4. GOST R ISO 27085-2012. Korma dlya zhivotnykh. Opredeleniye soderzhaniya caltsiya, natriya, phosphora, magniya, kaliya, zheleza, tsynka, medi, margantsa, cobal'ta, molibdena, mysh'yaka, svintsa i kadmiya metodom ISP-AES [Animal feeding stuffs. Determination of calcium, sodium, phosphorus, magnesium, potassium, iron, zinc, copper, manganese, cobalt, molybdenum, arsenic, lead and cadmium by ICP-AES].

5. Ivaschenko K.V., Anan'yeva N.D., Vasenyev V.I., Kudeyarov V.N., Valentini R. Biomassa i dykhatel'naya activnost'pochvennykh microorganismov v antropogenno-izmenyennykh ecosistemakh (Moskovskaya oblast') [Biomass and respiratory activity of soil microorganisms in anthropogenic-modified ecosystems (Moscow region)] // Eurasian soil science. 2014. No 9. P. 1077-1088. doi: 10.7868/S0032180X14090056.

6. Mamayeva Ye.V., Galitskaya P.Yu., Shafigullin B.U., Selivanovskaya S.Yu. Agrokhimicheskiye i biologicheskiye kharakteristiki sklonovykh pochv [Agrochemical and Biological Properties of Hillslope Soils] // Uchenye zapiski Kazanskogo universiteta. Estestvennye nauki [Proceedings of Kazan university. Natural sciences Series]. 2012. Vol. 154. P. 148-157.

7. Stolbovoy V.S. Regenerativnoye zemledelie i smagcheniye izmeneniy climata [Regenerative agriculture and mitigation of climate change] // Zemledelie i rastenievodstvo [Crop farming and plant growing]. 2020. P. 19-26. doi: 10.24411/0235-2451-2020-10703.

8. Fyedorov B.G. Vybrosy uglekislogo gaza: uglerodnyi balans Rossii [Carbon dioxide emissions: Russia's carbon balance] // Studies on Russian economic development. 2013. No 1. P. 63-78.

9. Fyedorov B.G. Ekonomiko-ecologicheskiye aspekty vybrosov uglekislogo gaza v atmospheru [Economic and eTOlogical aspects of carbon dioxide emissions into the atmosphere] // Studies on Russian economic development. 2004. No 5. P. 86-101.

10. Agricultural greenhouse gas emissions 101. Resources for the future // URL: https://www.rff.org/publications/explainers/ agricultural-greenhouse-gas-emissions-101/(accessed: 15.02.2024).

11. Blagodatskaya E., Pampura T., Myakshina T., Dem'yanova E. The Influence of lead on the respiration and biomass of microorganisms in grey forest soil in a long-term field experiment // Soil biology. 2006. No 5. P. 498-506.

12. Climate change and land. Intergovernmental panel on climate change // https://www.ipcc.ch/site/assets/uploads/ sites/4/2020/02/SPM_Updated-Jan20.pdf (дата обращения: 07.07.2023).

13. Frank D., Reichstein M., Bahn M., Thonicke K., Frank D. Effects of climate extremes on the terrestrial carbon cycle: Concepts, processes and potential future impacts // Global change biology. 2015. No 8. P. 2861-2880. doi: 10.1111/gcb.12916.

14. Golasa P., Wysoki'nski M., Bie'nkowska-Golasa W., Gradziuk P., Golonko M., Gradziuk B., Siedlecka A., Arcadiusz G. Sources of greenhouse gas emissions in agriculture, with particular emphasis on emissions from energy used // Energies.

2021. No 14. P. 1-20.

15. Greenhouse gas emissions: agriculture. Agriculture and horticulture development board // URL: https://ahdb.org. uk/knowledge-library/greenhouse-gas-emissions-agriculture (accessed: 15.02.2024).

16. ISO 13320:2009. Particle size analysis - Laser diffraction methods.

17. ISO 16072. Soil quality - Laboratory methods for determination of microbial respiration.

18. Larionova A. A., Yermolayev A. M., Blagodatsky S., Rozanova L. N., Yevdokimov I., Orlinsky D.B. Soil respiration and carbon balance of gray forest soils as affected by land use // Biology and fertility of soils. 1998. No 27. P. 251-257. doi: 10.1007/s003740050429.

19. Lei B., Wang J., Yao H. Ecological and environmental benefits of planting green manure in paddy fields // Agriculture.

2022. No 13. P. 1-15. doi: 10.3390/agriculture12020223.

20. Mattila T. J., Hagelberg E., Soderlund S., Joona J. How farmers approach soil carbon sequestration? Lessons learned from 105 carbon-farming plans // Soil and tillage research. 2022. Vol. 215. P. 1-9. doi: 10.1016/j.still.2021.105204.

21. Nabuurs G.-J., Mrabet R., Abu Hatab A., Bustamante M., Clark H., Havlik P., House J.I., Mbow C., Ninan K.N., Popp A., Roe S., Sohngen B., Towprayoon S., Steinfeld J.P. Agriculture, forestry and other land uses (AFOLU) // Climate Change 2022: Mitigation of climate change. Contribution of working group III to the Sixth assessment report of the intergovernmental panel on climate change. Cambridge, New York: Cambridge university press, 2022. P. 747-860. doi: 10.1017/9781009157926.009.

22. Reinthaler D., Harris E., Potsch E. M., Herndl M., Richter A. Responses of grassland soil CO2 production and fluxes to drought are shifted in a warmer climate under elevated CO2 // Soil biology and biochemistry. 2021. No 163. P. 1-11. doi: 10.1016/j.soilbio.2021.108436.

23. Soil-Based carbon sequestration. MIT climate portal / URL: https://climate.mit.edu/explainers/ soil-based-carbon-sequestration (accessed: 16.03.2024).

24. Sources of agricultural greenhouse gases. The livestock

and poultry environmental learning community // https://lpelc. org/sources-of-agricultural-greenhouse-gases/ (accessed:

15.02.2024).

25. Valizadeh N., Jalilian S., Hallaj Z., Bayat S. E., Hayati D., Bazrafkan K. Kianmehr N., Akbari M. Encouraging adoption of green manure technology to produce clean rice product // Scientific reports. 2023. No 13. P. 1-15. doi: 10.1038/s41598-023-35964-1.

26. Wang Z. Estimating of terrestrial carbon storage and its internal carbon exchange under equilibrium state // Ecological modelling. 2019. No 401. P. 94-110. doi: 10.1016/j. ecolmodel.2019.03.008.

Pronovich N.A., Krasovskaya S.I., Aleksandrova L., Kuryntseva P.A. Assessment of vegetation temperature impact on the efficiency of atmospheric carbon capture in spring vetch (Vicia sativa L.).

This article is devoted to the study of the influence of vegetation temperature on the growth and development of spring vetch plants, as well as on the respiratory activity of the soil microbial community from the point of view of assessing the potential of spring vetch as a green manure that captures CO2 from the atmosphere. For this purpose, a vegetation

experiment lasting 63 days was conducted at three vegetation temperatures - 20 °C (base) and 25 °C, 30 °C (elevated). The results showed that the maximum phytomass was achieved at a vegetation temperature of 25 °C, without significant differences in the length of shoots at different temperatures. However, the length of the roots increased 1.9 times at 30 °C compared to 25 °C and 1.4 times compared to 20 °C. The carbon content in the phytomass increased with plant growth, but did not change significantly with temperature. The respiratory activity of the soil was higher at elevated temperatures, probably due to an increase in root exudation. Calculations showed that growing spring vetch for 63 days could contribute to the capture of 119, 166 and 97 kg C/ha at 30 °C, 25 °C and 20 °C, respectively, with the most effective capture at 25 °C. We assume that spring vetch can be a useful green crop and an absorber of atmospheric carbon, while the optimal growing season is 56 days, which makes it possible to capture carbon as much as possible and at the same time prevent the formation of seeds.

Keywords: greenhouse gases; carbon capture; spring vetch; soil respiratory activity; climate change.

Раскрытие информации о конфликте интересов: Aвтор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию / Entered the editorial office: 28.08.2024

Одобрено рецензентами / Approved by reviewers: 03.09.2024

Принята к публикации / Accepted for publication: 10.09.2024

Сведения об авторах

Пронович Наталия Aндреевна, научный сотрудник, аспирант, Казанский (Приволжский) федеральный университет, 420008, Россия, г. Казань, ул. Кремлевская, 18, E-mail: pronovich.natascha@yandex.ru.

Красовская Софья Игоревна, студент, Казанский (Приволжский) федеральный университет, 420008, Россия, г. Казань, ул. Кремлевская, 18, E-mail: sophia@krasovsky.me.

Aлександрова Людмила, студент, Казанский (Приволжский) федеральный университет, 420008, Россия, г. Казань, ул. Кремлевская, 18, E-mail: LDAleksandrova@stud.kpfu.ru.

Курынцева Полина Aлександровна, кандидат биологических наук, доцент, доцент, Казанский (Приволжский) федеральный университет, 420008, Россия, г. Казань, ул. Кремлевская, 18, E-mail: polinazwerewa@yandex.ru.

Information about the authors

Nataliya A. Pronovich, researcher, postgraduate, Kazan Federal University, 18, Kremlyovskaya st., Kazan, 420008, Russia, E-mail: pronovich.natascha@yandex.ru.

Sofia I. Krasovskaya, student, Kazan Federal University, 18, Kremlyovskaya st., Kazan, 420008, Russia, E-mail: sophia@ krasovsky.me.

Lyudmila Aleksandrova, student, Kazan Federal University, 18, Kremlyovskaya st., Kazan, 420008, Russia, E-mail: LDAleksandrova@stud.kpfu.ru.

Polina A. Kuryntseva, Ph.D. in Biology, Associate Professor, Kazan Federal University, 18, Kremlyovskaya st., Kazan, 420008, Russia, E-mail: polinazwerewa@yandex.ru.

Si ® ©

УДК 579.68:556.55

Л. Л. Капустина

Институт озероведения РАН - СПб ФИЦ РАН, larisa.kapustina@mail.ru

САНИТАРНО-ЭКОЛОГИЧЕСКАЯ ОЦЕНКА КАЧЕСТВА ВОД ВОСТОЧНОЙ ЧАСТИ ФИНСКОГО ЗАЛИВА ПО РЕЗУЛЬТАТАМ МИКРОБИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ

По результатам исследований Восточной части Финского залива 2011-2012 гг. и 2020, 2022 гг. водные массы в районах с существенной антропогенной нагрузкой (северный берег восточной части залива, вблизи курортных городов) выделялись высокими значениями микробиологических параметров. На этих участках акватории наблюдалось значительное превышение нормативов численности санитарно-показательных микроорганизмов, что позволяло предположить наличие здесь свежего фекального загрязнения. В других районах исследованной акватории роста данных групп бактерий либо не отмечалось, либо их численность была крайне мала. На основании данных, полученных в 2011-2012 гг., выяснилось, что загрязнение могло попадать на акваторию курортной зоны с малыми водотоками, впадающими в залив, и с загрязненными водами Невской Губы, поступающими через северные судопропускные ворота комплекса защитных сооружений от наводнений. В 2020 г. количественный уровень развития бактериопланктона был выше, чем в 2022 г., что, по-видимому, было связано с различными метеорологическими условиями разных лет. Тем не менее, средние за сезон величины общей численности микроорганизмов, как в 2020 г., так и в 2022 г., укладывались в интервал значений, свойственных эвтрофным водоемам. При сравнении вышеуказанных величин с осенними данными за период 1994-1996 гг. не прослеживается четкой тенденции изменения трофического уровня восточной части Финского залива за последние десятилетия. По соотношению общей численности бактериопланктона и численности сапрофитных бактерий качество вод у северного берега в курортной зоне соответствовало условным категориям «умеренно загрязненные» (Р-мезосапробные) и «загрязненные» (а-мезосапробные), на основной части исследованной акватории отмечалось высокое качество вод - «особо чистые» и «чистые» (ксено- и олигоспробные) в 2020 г. и «чистые» в 2022 г.

Ключевые слова: Финский залив; бактериопланктон; сапрофитные бактерии; общие коли-формные бактерии; термотолерантные колиформные бактерии.

DOI: https://doi.Org/10.24852/2411-7374.2024.3.11.20

Введение

Акватория р. Невы, Невской губы и восточной части Финского залива представляет собой сложную самостоятельную экосистему со своеобразными природными процессами, подверженную значительному антропогенному воздействию. Основной особенностью Невской губы и восточной части Финского залива является их высокая проточность и сравнительная мелководность. Благодаря интенсивному переносу водных масс, ресуспензии донных отложений, а также сбросу промышленных, сельскохозяйственных и бытовых сточных вод, для этих водоемов характерна высокая нагрузка по органическим веществам. После окончательного завершения в 2011 г. строительства комплекса защитных сооружений (КЗС) Санкт-Петербурга от наводнений, антропогенный пресс на Невскую губу и восточную

часть Финского залива усилился из-за ухудшения водообмена. Неоднократно указывалось, что поступление органического вещества в Невскую губу и в восточную часть Финского залива значительно превышает количество органического вещества, образованного здесь в процессе фотосинтеза (Винберг, Гутельмахер, 1987; Шишкин и др., 1989). Микроорганизмы играют первостепенную роль в процессах естественного самоочищения вод, за счёт их деструкционной деятельности происходит трансформация большей части энергии, поступающей в водные экосистемы с автохтонным и аллохтонным органическим веществом (Кузнецов, 1970; Pomeroy, 1974; Cole et al., 1988; Копылов, Косолапов, 2011). Количественные характеристики бактериопланктона являются показателями не только содержания органического вещества, но и санитарно-гигиенического состо-

яния водной среды. Поэтому оценка качества вод по результатам микробиологических исследований представляется очень важной.

Цель работы: оценить трофический статус и качество вод восточной части Финского залива по результатам сезонных микробиологических исследований.

Материалы и методы исследования

Материалами послужили результаты сезонных микробиологических исследований воды в восточной части Финского залива. В июле, октябре 2011 г. были проведены съемки на акватории курортной зоны северного берега восточной части Финского залива (г. Сестрорецк, п. Репино, п. Комарово, г. Зеленогорск) (рис. 1) и обследование 29 малых водотоков, впадающих в залив (июль). В июле 2012 г. было проведено обследование малых водотоков. Определялись следующие са-нитарно-микробиологические показатели: численность общих колиформных бактерий (ОКБ), интегрального показателя степени фекального загрязнения; численность термотолерантных колиформных бактерий (ТКБ), входящих в группу общих колиформных и являющихся показателем свежего фекального загрязнения (МУК 4.2. 188404).

В июне и сентябре 2020 г. и в июне, августе

Рис. 1. Схема расположения станций у северного берега восточной части Финского залива в 2011 г. Кружками обозначены выпуски очистных сооружений городов

Fig. 1. Scheme of station locations on the northern shore of the eastern part of the Gulf of Finland in 2011. The circles indicate water outlets of treatment facilities

Рис. 2. Схема расположения мониторинговых станций в восточной части Финского залива в 2020 и 2022 гг.

Fig. 2. Scheme of environmental monitoring stations in the eastern part of the Gulf of Finland

и сентябре 2022 г. отбор проб производился на стандартных станциях комплексных гидробиологических съемок в восточной части Финского залива. Стандартная сетка станций включала 15 станций (рис. 2). Пробы отбирали из поверхностного слоя воды. В 2020 г. определялись следующие показатели: общая численность бактерио-планктона (Porter, Feig, 1980; Кузнецов, Дубинина, 1989), численность сапрофитов, растущих при двух температурных режимах - 22 °С и 37 °С (ОМЧ 37 °С), численность ОКБ и ТКБ. В июне 2022 г. определяли общую численность бактерио-планктона и численность сапрофитных микроорганизмов, растущих при двух температурных режимах - 22 °С (ОМЧ 22 °С) и 37 °С (ОМЧ 37 °С). В августе и сентябре определяли только общую численность бактериопланктона.

Трофический статус исследованных акваторий Финского залива оценивался, основываясь на средних за сезон величинах общей численности микроорганизмов в соответствии с классификацией водоёмов по этому параметру (Сорокин, 1973; Копылов, Косолапов, 2007). Качество воды и сапробность оценивали по соотношениям общей численности микроорганизмов и численности сапрофитов, растущих при 22 °С (ОЧБ/ОМЧ 22 °С) (ГОСТ 17.1.3.07-82; Руководство по методам ..., 1982; Романенко, 1979; Копылов, Косолапов, 2007; Перетрухина и др., 2011).

Результаты и их обсуждение

В 2011 г. в разное время были проведены исследования у северного берега восточной части Финского залива в курортной зоне (рис. 1) с целью оценки качества воды по санитарно-микробио-логическим параметрам. По результатам летних

Таблица 1. Общая численность бактериопланктона (млн кл/мл), ОМЧ(x 103 КОЕ/мл), ОКБ и ТКБ

(x 103 КОЕ/100 мл) в восточной части Финского залива в разные годы Table 1. Total number of bacterioplankton (million cells/ml), total microbial count (TMC), total coliform bacteria (TCB) and thermotolerant coliform bacteria (TCB) (x 103 CFU/100 ml) in the eastern part of the

Gulf of Finland in different years

Годы Years Показатель Indicator Июнь June Июль July Август August Сентябрь - октябрь September -October Среднее за вегетационный сезон Average for vegetative season

1994 ОЧБ/TMC 3.60 ± 0.76

1995 ОЧБ/TMC 4.54 ± 1.06

1996 ОЧБ/TMC 3.31 ± 1.29

2011 залив gulf ОКБ/ССВ 1.8 ± 3.3 н.р - 11.0 13.6 ± 14.3 н.р. - 43.6 2.3 ± 1.7 1.0 - 6.0 8.2 ± 11.2 н.р. - 43.6

ТКБ/ТСВ 0.7 ± 0.8 н.р - 2.2 4.1 ± 7.3 н.р - 21.8 1.0 ± 1.7 н.р - 5.0 2.9 ± 5.9 н.р - 21.8

2011 водотоки watercourses ОКБ/ССВ 3.7 ± 4.9 0.3 - 14.0

ТКБ/ТСВ 2.0 ± 3.6 н.р - 12.0

2012 водотоки watercourses ОКБ/ССВ 4.1 ± 5.2 н.р - 16.0_

ТКБ/ТСВ 2.2 ± 3.3 н.р - 11.8

2020 ОЧБ/ТМС 10.52 ± 2.10 6.33 ± 2.25 8.42 ± 3.02

ОМЧ 22 °С / TMC 22 °С 3.2 ± 3.1 23.1 ± 39.6 13.1 ± 29.4

ОМЧ 37 °С / TMC 37 °С 0.2 ± 0.3 2.9 ± 4.1 1.5 ± 3.2

ОКБ/ССВ 0.63 ± 1.1 0.07 ± 0.08 0.36 ± 0.9

ТКБ/ТСВ 0.5 ± 1.1 0.07 ± 0.08 0.29 ± 0.8

2022 ОЧБ/TMC 2.32 ± 0.76 3.74 ± 0.33 3.46 ± 0.49 2.94 ± 0.89

ОМЧ 22 °С / TMC 22 °С 13.0 ± 24.1

ОМЧ 37 °С / TMC 37 °С 0.02 ± 0.01

Примечание. н.р. — нет роста, т. е. на питательной среде не вырастает ни одной колонии. Note: n.r. — no growth, i.e. not a single colony grows on the nutrient medium.

(июнь-июль) исследований на всем протяжении побережья от г. Сестрорецка до г. Зеленогорска качество воды не отвечало установленным санитарным нормам. Численность ОКБ и ТКБ колебалась от отсутствия роста бактерий до 43.6*103 и 21.8 КОЕ/100 мл, соответственно (в среднем 13.6±14.3 *103 и 4.1±7.3 КОЕ/100 мл, соответственно) (табл. 1) и превышала установленные нормативы в 1.8-72 и 9-218 раз, соответственно. Судя по очень высокой численности ТКБ, в разгар рекреационного сезона в этом районе наблюдалось значительное свежее фекальное загрязнение. Можно было предположить, что причиной этого могли быть не полностью очищенные коммунальные стоки, поступающее в залив через водовыпуски очистных сооружений курортных городов (рис. 1). Оказалось, однако, что в районах

водовыпусков загрязнения либо нет вообще, либо численность санитарно-показательных микроорганизмов не превышает установленных нормативов.

Для более надежного установления генезиса загрязнения определялось качество воды большинства малых водотоков, впадающих в залив на этой территории. Выяснилось, что во всех водотоках (за исключением одного) наблюдалось очень сильное загрязнение, превышающее допустимые нормы во много раз. Так, численность ОКБ в малых водотоках летом 2011 г. варьировала в интервале 0.3-16.0*103 К0Е/100 мл, а численность ТКБ колебалась в пределах 0.13-12.0*103 КОЕ/100 мл (табл. 1). Большинство ручьев расположено в непосредственной близости к жилым кварталам, санаториям и домам отдыха и, по всей

Таблица 2. Оценка качества воды и сапробности по значениям соотношений общей численности бактериопланктона (ОЧБ) и численности сапрофитных микроорганизмов, растущих при 22о С

(ОМЧ 22о С)

Table 2. Assessment of water quality and saprobity based on the ratios of the total number of bacterioplankton (TNB) and the number of saprophytic microorganisms growing at 22°C (SMN 22°C)

Год/ месяц Year/ month Станция Station ОЧБ, х106 кл/мл TNB, х106 cells/ ml ОМЧ 22о С, х103 КОЕ/мл SMN 22°C х103 CFU/100 ml ОЧБ / ОМЧ 22о С TNB / SMN 22°C Качество воды / сапробность

А 13.51 0.75 >104 очень чистая / ксеносапробная

1 8.77 3.1 > 03 чистая / олигосапробная

2 9.68 0.87 >104 очень чистая / ксеносапробная

3 11.98 5.4 >103 чистая / олигосапробная

4 11.29 0.31 >104 очень чистая / ксеносапробная

19 12.46 8.1 >103 чистая / олигосапробная

2020/ июнь 20 11.43 7.3 >103 чистая / олигосапробная

21 8.68 9.4 <103 умеренно загрязненная /

22 14.1 2.2 >103 чистая / олигосапробная

24 11.66 0.44 >104 очень чистая / ксеносапробная

26 7.65 0.93 >103 чистая / олигосапробная

3К 9.29 0.43 >104 очень чистая / ксеносапробная

6К 7.58 4.2 >103 чистая / олигосапробная

6Л 8.27 1.1 >103 чистая / олигосапробная

18Л 11.50 2.8 >103 чистая / олигосапробная

А 8.12 12.0 <103 умеренно загрязненная / р-мезосапробная

1 10.02 160.0 <102 загрязненная / а-мезосапробная

2 4.60 4.2 >103 чистая / олигосапробная

3 3.79 7.1 <103 умеренно загрязненная / р-мезосапробная

4 5.21 7.7 <103 умеренно загрязненная / р-мезосапробная

19 5.50 7.3 <102 загрязненная / а-мезосапробная

2020/ 20 11.18 46.0 <103 умеренно загрязненная / р-мезосапробная

сентябрь 21 5.83 25.0 <103 умеренно загрязненная / р-мезосапробная

22 4.83 21.0 <103 умеренно загрязненная / р-мезосапробная

24 4.83 2.7 >103 чистая / олигосапробная

26 4.93 2.3 >103 чистая / олигосапробная

6К 8.18 12.0 <103 умеренно загрязненная / р-мезосапробная

6Л 3.72 14.0 <103 умеренно загрязненная / р-мезосапробная

18Л 6.33 2.6 >103 чистая / олигосапробная

1 2.62 0.88 >103 чистая / олигосапробная

2 2.73 0.32 >103 чистая / олигосапробная

3 1.90 0.02 >104 очень чистая / ксеносапробная

4 1.64 0.03 >104 очень чистая / ксеносапробная

19 1.94 87.0 <102 загрязненная / а-мезосапробная

20 2.31 20.0 <103 умеренно загрязненная / р-мезосапробная

2022/ 21 2.42 24.0 <103 умеренно загрязненная / р-мезосапробная

июнь 22 2.60 35.0 <102 загрязненная /а-мезосапробная

24 2.35 1.6 >103 чистая / олигосапробная

26 2.27 1.9 >103 чистая / олигосапробная

3К 1.76 11.0 <103 умеренно загрязненная» / р-мезосапробная

6К 1.83 0.15 >104 очень чистая / ксеносапробная

6Л 1.55 0.02 >104 очень чистая / ксеносапробная

18Л 1.68 0.03 >104 очень чистая / ксеносапробная

видимости, туда могут попадать плохо очищенные хозяйственно-бытовые стоки. Скорее всего, загрязнение попадает на акваторию курортной зоны с ручьями, впадающими в залив, и может переноситься на значительные расстояния течениями. Для проверки предположения о загрязнении акватории курортной зоны водами ручьев, в июле 2012 г. была проведена аналогичная съемка. Судя по полученным данным, наше предположение о

существенной роли малых водотоков, впадающих в залив, в загрязнении акватории курортной зоны подтвердилось. В это время в ручьях, так же как летом 2011 г., наблюдалось сильное загрязнение, так как численность ОКБ и ТКБ значительно превышала, установленные нормативы. Численность ОКБ варьировала в интервале 1.0-16.0*103 КОЕ/100 мл (в среднем 4.1±5.2 * 103 КОЕ/100 мл), численность ОКБ колебалась от 0.09 до 11.8*103

К0Е/100 мл (в среднем 2.2±3.3х103 К0Е/100 мл) (табл. 1).

В октябре 2011 г. была проведена очередная съемка акватории вблизи курортных городов и поселков. В это время рост санитарно-показатель-ных микроорганизмов отмечался на всех станциях. Их численность была ниже таковой в летний период и колебалась в пределах 0.2-6.0х103 К0Е/100 мл для ОКБ и от 0.15 до 4.8х103 К0Е/100 мл для ТКБ (табл. 1). Можно было предположить, что в данном случае, в связи с большей интенсивностью гидродинамических процессов, осенью проявлялось очищающее действие водных масс открытой части Финского залива. Тем не менее, несмотря на снижение абсолютных величин показателей, почти на всех станциях отмечалось значительное превышение санитарных норм: в 1.5-12 раз и 1.5-47.5 раз для ОКБ и ТКБ, соответственно. То есть кардинального улучшения санитарного состояния акватории курортной зоны осенью по сравнению с периодом интенсивной рекреации не происходило. В октябре в районе северных судопропускных ворот КЗС отмечалась высокая численность ОКБ и ТКБ - 1.23 и 0.36 Х103 КОЕ/100 мл, что существенно превышало установленные нормативы (в 2.5 и 3.6 раз, соответственно). По-видимому, через ворота поступала загрязненная вода Невской губы, в связи с чем санитарно-гигиеническая ситуация у северного берега ухудшалась. Степень разбавления и направление потока загрязненных вод, в основном, зависят от направления ветра и локальной гидрологической обстановки. Поэтому качество воды в этом районе может меняться довольно быстро.

В 2020 г. уровень развития бактериопланктона был очень высоким, по-видимому, в связи с климатическими особенностями этого года. Во время июньского отбора проб отмечались необычно высокие температуры воды и высокая численность фитопланктона (весенний пик), являющегося источником органического вещества для бактерий. В это время общая численность микроорганизмов колебалась от 7.58х106 кл/мл в Копорской губе до 14.1х106 кл/мл на акватории курортной зоны у северного берега (в среднем 10.52±2.10 х106 кл/мл). В сентябре отмечалась некоторое закономерное снижение ОЧБ с колебаниями в диапазоне 3.72х106 кл/мл в Лужской губе - 11.18х106 кл/мл вблизи г. Зеленогорска (в среднем 6.33±2.25 х106 кл/мл) (табл. 1). Наиболее высокие концентрации микроорганизмов как в июне, так и в сентябре 2020 г. наблюдались в курортной зоне у северного берега залива и при входе в Выборгский залив (ст. А). Вполне вероятно, что это результат воздействия не полностью очищенных комму-

нальных стоков курортных городов на прилегающие акватории.

Общая численность бактерий в воде является одним из показателей трофического статуса водоёмов (Кузнецов, 1970; Сорокин, 1973; Романенко, 1979; Копылов, Косолапов, 2007). Определение трофического уровня производится в первую очередь по концентрации фосфора и уровню развития фитопланктона и может не всегда совпадать с таковым по микробиологическим параметрам. Тем не менее, натурные микробиологические данные хорошо согласуются с величинами численности микроорганизмов, рассчитанными по уравнению зависимости между концентрациями хлорофилла и бактериопланктона (Bird, Kalff, 1984; Currie, 1990; Boulion, Hakanson 2003). Вероятно, степень совпадения оценки уровня трофии по различным показателям зависит от конкретных сроков проведения исследований, определяющих различные стадии развития альгоценозов и, соответственно, численность бактериопланктона, прямо зависящую от органического вещества фитопланктона. Концентрация бактериопланктона обычно подвержена значительным сезонным колебаниям. Тем не менее, средние значения ОЧБ за вегетационный период или за год в стабильных водных экосистемах достаточно постоянны и обладают наибольшей надёжностью для определения трофического статуса.

Средняя за сезон общая численность бактери-опланктона в 2020 г. характеризует трофический статус исследованной акватории как эвтрофный (Сорокин, 1973; Копылов, Косолапов, 2007).

По значениям соотношений ОЧБ и ОМЧ 22 °С водные массы исследованных участков акватории в июне 2020 г. относились к категории «чистые» (олигосапробные) и «очень чистые» (ксеносапробные) (ГОСТ 17.1.2.04-77; ГОСТ 17.1.3.07-82; Руководство ..., 1982) (табл. 2). Категории «очень чистые» соответствовали водные массы в глубоководной пелагической части и в достаточно глубоководной (до 20 м) Копорской губе. В сентябре большая часть водных масс относилась к «умеренно загрязненным» ф-мезоса-пробным) и «загрязненным» (а-мезосапробным). Категории олигосапробных («чистых») вод соответствовали только участки акватории у южного берега восточной части залива (ст. 24, 26), участок акватории в устье р. Луга (ст. 18Л) и часть глубоководной зоны (ст. 2). Наиболее загрязненными (Р- и а-мезосапробными), как в начале лета, так и осенью, были водные массы у северного берега в курортной зоне, где отмечались максимальные концентрации сапрофитных микроорганизмов (табл. 2).

Численность сапрофитных микроорганизмов используется в качестве косвенного показателя присутствия в воде легкоусвояемых органических веществ, причём, не только и не столько в абсолютном, но и в относительном исчислении (Ро-маненко 1979; Копылов, Косолапов, 2007). Соотношение численности гетеротрофов при разных температурах инкубации позволяет судить об интенсивности и степени завершённости процессов самоочищения. Разница между ОМЧ при 22 °С и при 37 °С более выражена при завершении процесса самоочищения. Сближение численности сапрофитов обеих групп свидетельствует о существенном загрязнении водоёма органическим веществом (Корш, Артемова, 1978; МУК 4.2.188404). Для определения степени завершённости процессов самоочищения был введён коэффициент самоочищения Кс (ОМЧ 22 °С / ОМЧ 37 °С). Считается, что при завершении процессов самоочищения коэффициент равен 4 и выше (Перетру-хина, Блинова, 2011; Перетрухина и др., 2011). В 2020 г. на всех станциях в июне и на большинстве станций в сентябре величины ОМЧ при 22 °С существенно (на 1-2 порядка) превышали таковые при 37 °С, значения Кс варьировали в интервале 5.1-45.8, что свидетельствовало о завершенности процессов самоочищения. Исключением являлась часть акватории у южного берега (ст. 24 и 26), где концентрации сапрофитов при двух температурных режимах различались только в 3 раза, что подразумевает незавершенность процессов самоочищения. Возможно, это является результатом негативного влияния очень загрязненной Невской губы и г. Ломоносова, вблизи которого находится одна из станций.

В июне 2020 г. рост ОКБ и ТКБ обнаруживался только на станциях у северного берега в курортной зоне (средняя численность - 0.63±1.1 и 0.50±1.0 х103 КОЕ/100 мл, соответственно). При этом большинство общих колиформных бактерий являлись термотолерантными. Везде, кроме станции вблизи п. Ушково (ст. 22) у северного берега, не входящей в курортную зону, наблюдалось значительное превышение (в 3.4-7 раз для ОКБ и в 17-35 раз для ТКБ) установленных для этих показателей нормативов - 500 и 100 КОЕ/100 мл, соответственно (СанПиН 2.1.5.980-2000). В сентябре 2020 г. рост обеих групп бактерий отмечался на всех станциях, однако количественный уровень их развития был одинаков и существенно ниже, чем в начале лета (средняя численность для ОКБ и ТКБ - 0.07±0.08 х103 КОЕ/100 мл) (табл. 1). Так же как в июне почти все общие колиформные бактерии являлись термотолерантными, их максимальная численность наблюдалась в курорт-

ной зоне (0.18-0.22 х103 КОЕ/100 мл), превышая установленный для ТКБ норматив в 1.8-2.2 раза. Превышение норматива по численности санитар-но-показательной микрофлоры и, в частности, по численности термотолерантных бактерий, свидетельствует о наличии фекального загрязнения воды, в том числе свежего.

В 2022 г. уровень развития бактериопланктона в исследуемых районах был значительно ниже, чем в 2020 г. Величины общей численности бак-териопланктона в июне колебались от 1.5х106 кл/ мл в Лужской губе до 4.0х106 кл/мл у северного берега и в пелагиали (в среднем 2.32±0.76 х106 кл/мл) (табл. 1). Судя по средним за июнь величинам ОЧБ в 2020 и в 2022 гг., интенсивность развития бактериального сообщества в 2022 г. была в 4.5 раза ниже, чем в 2020 г. По-видимому, это объясняется различными погодными условиями в эти годы. Если 2020 г. был аномально жарким, то в 2022 г. метеорологические условия в северо-западном регионе в целом соответствовали среднестатистическим, однако май был аномально холодным.

В августе 2022 г. размах колебаний ОЧБ был невелик - 3.20-4.10 х106 кл/мл (в среднем 3.74±0.33 х106 кл/мл) (табл. 1). Это свидетельствует о равномерном пространственном распределении бактериопланктона в поверхностном слое воды, что характерно для многих крупных водоемов в летний период (Тимакова, 2010; Капустина, 2013; Белозерова, Капустина, 2021). Максимальные величины наблюдались в пелагической части акватории и на одной из станций Копорской губы. Количественный уровень развития бактериального сообщества в конце лета (конец августа) превышал таковой в начале лета (июнь) примерно в 1.6 раз, что связано с повышением температуры воды и интенсивным развитием фитопланктона в качестве источника органического вещества.

В начале сентября 2022 г. так же, как в начале лета, интенсивность развития бактериального сообщества была значительно ниже (почти в 2 раза), чем в сентябре 2020 г. В это время концентрация микроорганизмов в воде варьировала в пределах 2.90-4.20 х106 кл/мл, средняя величина ОЧБ составляла 3.46±0.49 х106 кл/мл и была лишь немногим ниже аналогичной величины в конце августа (табл. 1). Это неудивительно, так как в начале сентября охлаждение водных масс только начинается, а при разрушении летнего пика развития фитопланктона концентрация легкоокис-ляемого органического вещества в воде, обычно, достаточно высока, что стимулирует развитие бактериопланктона. Минимальные величины общей численности микроорганизмов отмечались

на наиболее мелководных участках исследованной акватории (Лужская губа, акватория вблизи г. Сестрорецк), которые охлаждаются быстрее, чем глубоководные районы.

Средняя за сезон общая численность бактери-опланктона в 2022 г. характеризует трофический статус исследованной акватории как эвтрофный (Сорокин, 1973; Копылов, Косолапов, 2007).

В июне 2022 г. водные массы восточной части Финского залива по сравнению с началом лета 2020 г. отличались худшим качеством. Воды курортной зоны (вблизи северного берега) относились к условным категориям «умеренно загрязненные» ф-мезосапробные) и «загрязненные» (а-мезосапробные) (ст. 19, 20, 21, 22). Водные массы на одной из станций Копорской губы (3К) также соответствовали категории «умеренно загрязненные». Воды остальной исследованной акватории характеризовались как «чистые» (олиго-сапробные) и «очень чистые» (ксеносапробные) (пелагиаль и Лужская губа) (табл. 2). В это время на большинстве станций численность сапрофитных микроорганизмов, культивируемых при 22 °С, превышала аналогичную величину при 37 °С более чем на порядок (табл. 1), что свидетельствовало о интенсивности и завершенности процессов самоочищения. Однако в Лужской губе и в пелагиали (ст. 3, 4) величины численности са-профитов обоих температурных режимов были очень близки. В Лужской губе на станциях 6L и 18L ОМЧ при 22 °С и при 37 °С и составляли 22 и 25 КОЕ/мл и 20 и 20 КОЕ/мл, соответственно. В пелагиали ОМЧ при 22 °С и при 37 °С были равны 24 и 25 КОЕ/мл и 20 и 20 КОЕ/мл на станциях 3 и 4, соответственно. Это, скорее всего, связано не с загрязнением, а с интенсивным развитием на этих акваториях фитопланктона и выделением в воду значительного количества легкоокисляемого органического вещества, как это наблюдалось в Ладожском озере (Белозерова, Капустина, 2020).

Нами было проведено сравнение современных данных по общей численности бактериопланкто-на с ретроспективными, относящимися к периоду 1994-1996 гг., когда Институтом озероведения РАН проводились микробиологические исследования в восточной части Финского залива в осенний период (Драбкова и др., 1999). Причем исследования 1994-1996 гг. и 2020, 2022 гг. проводились по одной и той же сетке станций. Средняя за сентябрь величина численности микроорганизмов в 2020 г. превышала аналогичное значение за 1994-1996 гг. в 1.7 раза (6.33±2.25 *106 кл/мл и 3.82±0.64 *106 кл/мл, соответственно). Однако, в 2022 г. средние сентябрьские величины ОЧБ были на уровне и даже немного ниже таковых в

1994-1996 гг. (3.46±0.49 *106 кл/мл и 3.82±0.64 *106 кл/мл, соответственно). Необходимо заметить, что уровень трофии водоема наиболее адекватно оценивается по средним за вегетационный сезон величинам, либо по летним величинам, полученным в период максимального развития всех биологических сообществ. Кроме того, количественный уровень развития бактериопланктона существенно зависит от метеорологических условий отдельных лет. Исходя из этого, на основе осенних данных 1994-1996 гг., к сожалению, нельзя с уверенностью судить об изменении трофического статуса восточной части Финского залива за последние десятилетия.

Заключение

В 2020 и 2022 гг. трофический статус исследованной акватории Финского залива по средним за вегетационный сезон величинам общей численности бактериопланктона характеризовался как эвтрофный. При сравнении вышеуказанных величин с осенними данными за период 1994-1996 гг. четкой тенденции изменения трофического уровня восточной части залива за последние два десятилетия не прослеживалось. Судя по значениям количественных соотношений общей численности микроорганизмов и численности сапрофитных микроорганизмов, растущих при 22 °С, на основной части исследованной акватории отмечалось высокое качество вод - «особо чистые» и «чистые» (ксено- и олигоспробные) в 2020 г. и «чистые» (олигоспробные) в 2022 г., тогда как качество водных масс у северного берега в эти годы соответствовало условным категориям «умеренно загрязненные» ф-мезосапробные) и «загрязненные» (а-мезосапробные), соответственно.

По результатам проведенных исследований водные массы в районах с существенной антропогенной нагрузкой (северный берег восточной части залива, вблизи курортных городов) выделялись высокими значениями микробиологических параметров. В этих зонах наблюдалось значительное превышение установленных нормативов численности санитарно-показательных микроорганизмов, что позволяло предположить здесь наличие фекального загрязнения, в том числе и свежего. В других районах исследованной акватории роста данных групп бактерий либо не отмечалось, либо их численность была крайне мала. По данным 2011-2012 гг. выяснилось, что загрязнение может попадать на акваторию курортной зоны с мелкими водотоками, впадающими в залив

и с загрязненными водами Невской губы, поступающими, через северные судопропускные ворота комплекса защитных сооружений от наводнений.

Судя по значениям микробиологических параметров, в настоящее время можно оценить экологическое состояние основной акватории восточной части Финского залива как благополучное. Однако участки акватории у северного берега вблизи курортных городов по санитарно-микробиологическим показателям являются зонами повышенного экологического риска.

Автор выражает признательность старшим научным сотрудникам лаборатории географии и гидрологии ИНОЗ РАН - СПб ФИЦРАН к.г.н. С.Г. Каретникову и к.г.н. В.В. Гузиватому за помощь в создании иллюстраций.

Работа выполнена в рамках государственного задания Института озероведения РАН, обособленного структурного подразделения СПб ФИЦ РАН, по теме FMNG-2019-0001 «Комплексная оценка динамики экосистем Ладожского озера и водоёмов его бассейна под воздействием природных и антропогенных факторов».

Список литературы

1. Белозерова Д.В., Капустина Л.Л. Санитарно-микро-биологическая характеристика среды обитания водных биоресурсов в Ладожском озере // Труды ВНИРО. 2021. Т. 185. С. 94-104. doi: 10.36038/2307-3497-2021-185-94-104.

2. Винберг Г.Г., Гутельмахер Б.Л. Современное состояние экосистемы Невской губы // Невская губа. Гидробиологические исследования. Л.: Наука, 1987. С. 198-205.

3. ГОСТ 17.1.2.04-77. Показатели состояния и правила таксации рыбохозяйственных водных объектов

4. ГОСТ 17.1.3.07-82. Охрана природы. Гидросфера. Правила контроля качества воды водоемов и водотоков.

5. Драбкова В.Г., Капустина Л.Л., Каурова З.Г., Таматори-на Н.Л. Бактериопланктон и его гетеротрофная активность // Финский залив в условиях антропогенного воздействия. СПб, 1999. С. 138-161.

6. Капустина Л.Л. Бактериопланктон Ладожского озера // Ладога. СПб.: Нестор-История, 2013. С. 289-298.

7. Копылов А.И., Косолапов Д.Б. Микробиологические индикаторы эвтрофирования пресных водоемов // Биоиндикация в мониторинге пресноводных экосистем. СПб: ЛЕМА, 2007. С. 176-181.

8. Корш Л.Е., Артемова Т.3. Ускоренные методы санитар-но-бактериологического исследования воды. М.: Медицина, 1978. 272 с.

9. Кузнецов С.И. Микрофлора озёр и её геохимическая деятельность. М: Наука, 1970. 440 с.

10. Кузнецов С.И., Дубинина Г.А. Методы изучения водных микроорганизмов. М.: Наука, 1989. 285 с.

11. МУК 4.2.1884-04. Санитарно-микробиологический и санитарно-паразитологический анализ воды поверхностных водных объектов.

12. Перетрухина А.Т., Блинова Е.И. Бактериальное са-

моочищение озер г Мурманска // Международный журнал экспериментального образования. 2011. №6. С. 12.

13. Перетрухина А.Т., Богданова О.Ю., Макаревич Е.В., Мищенко Е.С., Новикова А.Н. Разработка методологии микробиологического мониторинга водных экосистем бассейна Кольского залива // Фундаментальные исследования. 2011. №1. С. 22-28.

14. Романенко В.И. Микробиологические показатели качества воды и методы их определения // Водные ресурсы.

1979. №6. С. 140-153.

15. Руководство по методам гидробиологического анализа поверхностных вод и донных отложений. Л.: Гидрометео-издат, 1983. 240 с.

16. СанПиН 4631-88. Санитарные правила и нормы охраны прибрежных вод морей от загрязнения в местах водопользования населения.

17. СанПиН 2.1.5.980-00. Водоотведение населённых мест, санитарная охрана водных объектов.

18. Сорокин Ю.И. Бактериальная продукция в водоемах // Итоги науки и техники. Общая экология, биоценология, гидробиология. 1973. Т. 1. С. 47-101.

19. Тимакова Т.М. Бактериопланктон // Онежское озеро. Атлас. Петрозаводск: Карельский научный центр РАН, 2010. 151 с.

20. Шишкин Б.А., Никулина В.Н., Максимов А.А., Силина Н.И. Основные характеристики биоты вершины Финского залива и ее роль в формировании качества воды. Л.: Гидрометеоиздат, 1989. 95 с.

21. Bird D.F., Kalff J. Empirical relationship between bacterial abundance and chlorophyll cocentrations in fresh and marine waters // Canadian journal of fisheries and aquatic sciences. 1984. Vol. 41. P. 1015-1023.

22. Boulion V.V., Hakanson L.A. A new general dynamic model to predict biomass and production of bacterioplankton in lakes // Ecological modelling. 2003. Vol. 160. P. 91-114.

23. Cole J.J., Findlay S., Pace M.L. Bacterial production in fresh and saltwater ecosystems: A cross-system overview // Marine ecology-progress series. 1988. Vol. 43. P. 1-10.

24. Currie D.J. Large-scale variability and interactions among phytoplankton, Bacterioplankton, and phosphorus // Limnology and oceanography 1990. Vol. 35, iss. 7. P. 1437-1450. https://doi. org/10.4319/lo.1990.35.7.1437.

25. Pomeroy L.R. The ocean's food web, a changing paradigm // Bioscience. 1974. Vol. 24. P. 499-504.

26. Porter K.G., Feig Y.S. The use of DAPI for identifying and counting aquatic microflora // Limnology and oceanography.

1980. №25. Р. 943-948.

References

1. Belozerova D.V., Kapustina L.L. Sanitarno-mikrobiologicheskaya xarakteristika sredy' obitaniya vodny'x bioresursov v Ladozhskom ozere [Sanitary and microbiological characterization of aquatic bioresources habitat in Lake Ladoga] // Trudy' VNIRO [Proceedings of VNIRO]. 2021. Vol. 185. P. 94-104. doi: 10.36038/2307-3497-2021-185-94-104.

2. Vinberg G.G., Gutel'maher B.L. Sovremennoe sostoyanie ekosistemy Nevskoj guby [Current state of the Nevskaya Bay ecosystem] // Nevskaya guba. Gidrobiologicheskie issledovaniya [Nevskaya Bay. Hydrobiological studies]. Leningrad, Nauka. 1987. P. 198-205.

3. GOST 17.1.2.04-1977. Pokazateli sostoyaniya i pravila taksacii rybohozyajstvennyh vodnyh ob"ektov [Status indicators and rules of taxation of fishery water bodies].

4. GOST 17.1.3.07-1982. Ohrana prirody. Gidrosfera. Pravila kontrolya kachestva vody vodoemov i vodotokov [Nature protection. Hydrosphere. Water quality control rules for water

bodies and watercourses].

5. Drabkova V.G., Kapustina L.L., Kaurova Z.G., Tamatorina N.L. Bakterioplankton i ego geterotrofnaya aktivnost' [Bacterioplankton and their heterotrophic activity] // Finskij zaliv v usloviyah antropogennogo vozdejstviya [The Gulf of Finland under anthropogenic impact]. Saint-Petersburg, 1999. P. 138-161.

6. Kapustina L.L. Bakterioplankton Ladozhskogo ozera [Bacterioplankton of Lake Ladoga] // Ladoga [Lake Ladoga]. Saint-Petersburg: Nestor-Istoriya, 2013. P. 289-298.

7. Kopylov A.I., Kosolapov D.B. Mikrobiologicheskie indikatory evtrofirovaniya presnyh vodoemov [Microbiological indicators of eutrophication of freshwater bodies] // Bioindikaciya v monitoringe presnovodnyh ekosistem [Bioindication in monitoring of freshwater ecosystems]. Saint-Petersburg: LEMA, 2007. P. 176-181.

8. Korsh L.E., Artemova T.Z. Uskorennye metody san-itarno-bakteriologicheskogo issledovaniya vody [Accelerated methods of sanitary and bacteriological examination of water]. Moscow: Medicina, 1978. 272 p.

9. Kuznetsov S.I. Mikroflora ozyor i eyo geohimicheskaya deyatel'nost' [Microflora of lakes and its geochemical activities]. Moscow: Nauka, 1970. 440 p.

10. Kuznetsov S. I., Dubinina G.A. Metody izucheniya vodnyh mikroorganizmov [Methods of studying aquatic microorganisms]. Moscow: Nauka, 1989. 285 p.

11. MUK 4.2.1884-07. Sanitarno-mikrobiologicheskij i sanitarno-parazitologicheskij analiz vody poverhnostnyh vodnyh ob"ektov [Sanitary-microbiological and sanitary-parasitological analysis of water of surface water bodies].

12. Peretruhina A.T., Blinova E.I. Bakterial'noe samoochishchenie ozer g. Murmanska [Bacterial self-purification of Murmansk lakes] // Mezhdunarodnyj zhurnal eksperimental'nogo obrazovaniya [International journal of experimental education]. 2011. No 6. P. 12.

13. Peretruhina A.T., Bogdanova O.Yu., Makarevich E.V., Mishchenko E.S., Novikova A.N. Razrabotka metodologii mikrobiologicheskogo monitoringa vodnyh ekosistem bassejna Kol'skogo zaliva [Development of methodology of microbiological monitoring of aquatic ecosystems of the Kola Bay basin] // Fundamental'nye issledovaniya [Fundamental Research]. 2011. No 1. P. 22-28.

14. Romanenko V.I. Mikrobiologicheskie pokazateli kachestva vody i metody ih opredeleniya [Microbiological indicators of water quality and methods of their determination] // Vodnye resursy [Water Resources]. 1979. No 6. P. 140-153.

15. Rukovodstvo po metodam gidrobiologicheskogo analiza poverhnostnyh vod i donnyh otlozhenij [Manual on methods of hydrobiological analysis of surface waters and bottom sediments]. Leningrad: Gidrometeizdat, 1982. 240 p.

16. SanPiN 4631-88. Sanitarnye pravila i normy ohrany pribrezhnyh vod morej ot zagryazneniya v mestah vodopol'zo-vaniya naseleniya [Sanitary rules and norms for the protection of coastal sea waters from pollution in places of water use by the population].

17. SanPiN 2.1.5.980-00. Vodootvedenie naselyonnyh mest, sanitarnaya ohrana vodnyh ob"ektov. Gigienicheskie trebovaniya k ohrane poverhnostnyh vod. Sanitarnye pravila i normy [Water disposal of inhabited areas, sanitary protection of water bodies. Hygienic requirements for the protection of surface water. Sanitary rules and regulations].

18. Sorokin Yu.I. Bakterial'naya produkciya v vodoemah [Bacterial production in water bodies] // Itogi nauki i tekhniki. Obshchaya ekologiya, biocenologiya, gidrobiologiya [Results of science and technology, general ecology, biocenology, hydrobi-ology]. 1973. Vol. 1. P. 47-101.

19. Timakova T.M. Bakterioplankton // Onezhskoe oze-

ro. Atlas [Onega Lake. Atlas] Petrozavodsk: Karelian Scientific Center of RAS, 2010. 151 p.

20. Shishkin B.A., Nikulina V.N., Maksimov A.A., Silina N.I. Osnovnye harakteristiki bioty vershiny Finskogo zaliva i ee rol' v formirovanii kachestva vody [Main characteristics of the biota of the top of the Gulf of Finland and its role in the formation of water quality]. Leningrad: Gidrometeoizdat, 1989. 96 p.

21. Bird D.F., Kalff J. Empirical relationship between bacterial abundance and chlorophyll cocentrations in fresh and marine waters // Canadian journal of fisheries and aquatic sciences. 1984. Vol. 41. P. 1015-1023.

22. Boulion V.V., Hakanson L.A. A new general dynamic model to predict biomass and production of bacterioplankton in lakes // Ecological modelling. 2003. Vol. 160. P. 91-114.

23. Cole J.J., Findlay S., Pace M.L. Bacterial production in fresh and saltwater ecosystems: A cross-system overview // Marine ecology-progress series. 1988. Vol. 43. P. 1-10.

24. Currie D.J. Large-scale variability and interactions among phytoplankton, Bacterioplankton, and phosphorus // Limnology and oceanography 1990. Vol. 35, iss. 7. P. 1437-1450. https://doi.org/10.4319/lo.1990.357.1437.

25. Pomeroy L.R. The ocean's food web, a changing paradigm // Bioscience. 1974. Vol. 24. P. 499-504.

26. Porter K.G., Feig Y.S. The use of DAPI for identifying and counting aquatic microflora // Limnology and oceanography. 1980. No 25. P. 943-948.

Kapustina L.L. Sanitary and ecological assessment of water quality in the eastern part of Finland Gulf according to the results of microbiological investigations.

According to the results of studies in 2011-2012 and 2020, 2022, water masses in areas with significant anthropogenic load (northern shore of the eastern part of the bay, near resort cities) were distinguished by high values of microbiological parameters. In those parts of the water area a significant excess of the established sanitary norms was observed, which suggested the presence of fresh fecal contamination. In other areas of the investigated water area the growth of those groups of bacteria was either not observed or their numbers were extremely low. Based on the data obtained in 2011-2012, it was found out, that pollution could have entered the water area of the resort zone with small watercourses flowing into the bay and with polluted waters of the Nevskaya Guba, coming through the northern ship gate of the Flood Protection Complex (FPC). The quantitative level of bacterioplankton development was higher in 2020 than in 2022, which was apparently due to different meteorological conditions in those years. Nevertheless, the seasonal means of total bacterial abundance in both 2020 and 2022 fell within the range of values typical for eutrophic water bodies. When comparing the above-mentioned values with the fall data for the period 1994-1996 there was no clear trend in the change of trophic level of the eastern part of the Finland Gulf over the last decades. According to the ratio of total bacterioplankton counts and the

number of saprophytic bacteria, water quality near the northern shore in the resort area corresponded to the reference categories of «moderately polluted» (P-mesosaprobic) and «polluted» (a-mesosaprobic), the main part of the studied water area showed high water quality - «especially clean» and «clean2 (xeno- and oligosaprobic) in 2020 and «clean» (oligosaprobic) in 2022.

Keywords: Finland Gulf; bacterioplankton; saprophytic bacteria; total coliform bacteria; thermotolerant coliform bacteria.

Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию / Entered the editorial office: 03.05.2024 Одобрено рецензентами / Approved by reviewers: 20.05.2024 Принята к публикации / Accepted for publication: 07.06.2024

Сведения об авторах

Капустина Лариса Леонидовна, кандидат биологических наук, старший научный сотрудник, Институт озероведения РАН-Санкт-Петербургский ФИЦ РАН, Россия, 196105, г. Санкт-Петербург, ул. Севастьянова, 9, E-mail: larisa.kapustina@mail.ru.

Information about the author

Larisa L. Kapustina, PhD in Biology, Senior Researcher, Institute of Limnology of the Russian Academy of Sciences, St. Petersburg FITZ RAS, 9, Sevast'yanova st., Saint-Petersburg, 196105, Russia, E-mail: larisa.kapustina@mail.ru.

УДК 556.55

И.И. Зиганшин, Д.В. Иванов, Р.Р. Хасанов

Институт проблем экологии и недропользования АН РТ, water-rf@mail.ru

ДИНАМИКА ОЗЕРНОСТИ ВОЛГО-МЕШИНСКОГО

МЕЖДУРЕЧЬЯ

На основе ретроспективного анализа показано изменение озерности и основных морфоме-трических характеристик озер на территории Волго-Мешинского возвышенного ландшафтного района Республики Татарстан. В качестве материалов для морфометрического анализа использовались топографические карты масштаба 1:500 000 издания 1939 г., крупномасштабные планы масштаба 1:10000, 1968-1969 гг., космические снимки высокого пространственного разрешения, 1980-2023 г., данные полевых исследований озер 2021-2023 гг. Результаты анализа показывают, что общее количество озер, расположенных в границах района, с 1939 по 2023 гг. увеличилось с 178 до 225. При этом отмечена тенденция к сокращению площади акватории озер (суммарно на 57%). В качестве ведущего фактора изменения озерности района рассматривается создание в 1955-1957 гг. Куйбышевского водохранилища. На сокращении площади акватории ряда озер сказалась застройка водосборной территории и загрязнение озер хозяйственно-бытовыми стоками, забор воды на питьевые и хозяйственные нужды, мелиоративные и сельскохозяйственные работы, рекреационная деятельность. При сохранении текущего уровня антропогенной нагрузки на озера и их водосборные территории прогнозируется развитие процессов эвтрофирования, обмеления, потеря водности, вплоть до полного исчезновения.

Ключевые слова: озера; дистанционное зондирование; мониторинг; морфометрические характеристики; Волго-Мешинский возвышенный ландшафтный район; Республика Татарстан.

DOI: https://doi.Org/10.24852/2411-7374.2024.3.21.27

Введение

Интенсивность антропогенного воздействия на водные объекты, включая озера, продолжает возрастать по мере урбанизации ранее не освоенных территорий. Озерные воды отличает медленная скорость возобновления, они более чувствительны к изменениям естественного гидрологического цикла (Антропогенное ..., 1980).

На территории Российской Федерации насчитывается 3,8 млн озер различного генезиса (Измайлова, 2016). По состоянию на 2018 г. в Республике Татарстан (РТ) зафиксировано 6621 озеро (Водные ..., 2018). Озера занимают 0.1% площади территории республики. За последние десятилетия в регионе исчезло более 3100 озер (Горшкова и др., 2019), не менее велико количество озер, которые находятся на грани исчезновения (Иванов и др., 2016; Горшкова и др., 2019; Зиганшин и др., 2017, 2018, 2021, 2023; Зиганшин, Иванов, 2020). Объективные данные о фактическом состоянии озерного фонда региона необходимы для принятия решений в сфере управления региональными водными ресурсами, при рекреационном освоении территорий, а также при планировании работ по благоустройству и экологической реабилитации водных объектов.

В настоящей статье представлен анализ изменения величины озерности территории Вол-го-Мешинского возвышенного ландшафтного района РТ, который отличает высокий уровень рекреационного освоения и урбанизации.

Материалы и методы исследования

Волго-Мешинский возвышенный ландшафтный район (Волго-Мешинское междуречье) располагается в западном Закамье РТ, юго-восточнее г. Казани и включает территории Лаишевского и Пестречинского муниципальных районов общей площадью 787.9 км2 (Ермолаев и др., 2007) (рис. 1).

При оценке озерности территории района учитывались все озера, площадь водной поверхности которых превышает 0.1 га, что соответствует минимальной величине акватории водоема, при которой его относят к озеру (Захаренков, 1964). Изменения озерности рассчитывали в программном комплексе Mapinfo Pro 16.0 на основе карт густоты озерной сети с использованием регулярной сетки квадратов. Вся территория исследования была разбита на равные ячейки размером 1*1 км. Для каждой ячейки рассчитывали величину озерности.

Рис. 1. Границы и месторасположение Волго-Мешинского возвышенного

ландшафтного района Fig. 1. The boundaries and location of Volga-Mesha elevated landscape area

В качестве базовых материалов для анализа динамики морфометрических параметров озер использовали топографические карты масштаба 1:500000 1939 г., планы озер 1:10000 1968-1969 гг., а также космические снимки высокого пространственного разрешения 1975-2023 гг. В работе также использовались материалы обследования озер региона 1969 г. и 1999-2023 гг. из фондов Института проблем экологии и недропользования АН РТ.

Результаты и их обсуждение

Территория Волго-Мешинского ландшафтного района характеризуется величиной озерности 0.8%, которая существенно превышает среднее значение по РТ (0.1%) (Горшкова и др., 2019). Анализ космических снимков и данных натурных обследований озер за 2021-2023 гг. показал, что на данной территории в настоящее время расположено 225 озер различного генезиса с общей площадью водной поверхности 633.6 га, из них 12 имеют особый природоохранный статус (Государственный ..., 2007).

По площади акватории (ГОСТ Р 59054-2020) озера ландшафтного района относятся к категории «малые водоемы» с площадью водной поверхности менее 1000 га.

Более детальное распределение озер по площади акватории дает классификация И.С. Заха-ренкова (1964), согласно которой исследуемые водоемы по площади водного зеркала относятся к четырем классам: небольших (100-1000), малых (10-100), маленьких (1-10 га) озер и озерков (0.11 га) (табл. 1). Преобладают озерки и маленькие озера. К малым озерам можно отнести только шесть водоемов, из которых пять - отчленившиеся заливы р. Волга и одно - карстовое (оз. Архиерейское). Наибольшие размеры имеют озера Ковалинское (100.8 га) и Орлова лощина (115.6 га). По площади водной поверхности они входят в категорию небольших озер.

На территории Волго-Мешинского возвышенного ландшафтного района встречаются 4 типа озер: карстово-суффозионные, старич-ные, искусственные и выделяемый нами (Зиган-шин, Иванов, Хасанов, 2021) новый тип водоемов - отчленившиеся от основной акватории заливы Куйбышевского водохранилища, которых в пределах района насчитывается 56 (рис. 2). Как правило, это крупные мелководные водоемы (средняя глубина не более 2 м), которые активно используются в хозяйственных (рыбоводство) и рекреационных целях. В 1955-1957 гг. преобладающая часть пойменных озер была затоплена водами Куйбышевского водохранилища, поэтому сейчас этот тип водоемов встречается начиная со среднего течения р. Меши (29 озер). Искусственное происхождение имеют 49 водоемов, в их числе пруды, озера-копани, а также выработанные карьеры нерудных ископаемых, заполнившиеся неглубоко залегающими грунтовыми водами.

Коэффициент удлиненности, определяемый как отношение длины водоема к средней ширине и характеризующий вытянутость озерной котловины, в водоемах Волго-Мешинского возвышенного ландшафтного района меняется в широком диапазоне значений (табл. 2). Из всех водоемов по этому показателю следует выделить отчленившийся залив Куйбышевского водохранилища - оз. Карташихинское с коэффициентом удлиненности 83.5.

Большая часть озер района относится к водо-

Классы озер Lakes range Площадь, га Area, ha Количество Number % от общего числа озер % from total number of lakes

Озерки 0.1-1 га 156 69

Маленькие 1-10 га 61 27

Малые 10-100 га 6 3

Небольшие 100-1000 га 2 1

Таблица 1. Распределение озер по площади акватории Table 1. Lakes ranging by water surface area

емам со слабой изрезанностью береговой линии (табл. 3). Наименьший коэффициент изрезан-ности (Кизр) у карстовых водоемов провального типа, имеющих плавную береговую линию, наибольший имеют озера - отчлененные заливы (Кизр>3). Крупные озера старичного типа, часто осложненные несколькими карстовыми провалами, например, такие как оз. Ковалинское (Кизр 3.6), также отличает сильная изрезанность берегов.

Озерный фонд Волго-Мешинского возвышенного ландшафтного района отличает пространственная неоднородность. Если проанализировать количество озер в разрезе административно-территориальных единиц, то в большей части муниципальных образований их число не превышает 10 (рис. 3). В Никольском и Нармонском сельских поселениях расположено по 48 озер, в основном суффозионно-карстового генезиса. При этом нельзя не отметить отсутствие прямой связи между количеством озер и величиной озерности (рис. 4). Так, в Песчано-Ковалинском сельском поселении насчитывается всего 6 озер, при этом его озерность достигает 3.46%, что обусловлено как незначительной площадью поселения, так и наличием на его территории одного из наиболее крупных озер республики - Ковалинского.

Ретроспективный анализ картографических Таблица 2. Распределение озер по показателю удлиненности Table 2. The distribution of the lakes by the elongation index

Форма озера Shape of the lake Коэффициент удлиненности Elongation index Количество Number % от общего числа озер % from total number of lakes

Озера округлой формы <1.5 10 4.5

Озера, близкие к округлой форме 1.5-3 73 32.4

Озера, близкие к овальной форме 3-5 42 18.7

Овально-удлиненные 5-7 23 10.2

Удлиненные 7-10 24 10.7

Вытянутые в виде «борозды» >10 53 23.5

Таблица 3. Распределение озер по изрезанности береговой линии Table 3. Lakes ranging by shoreline indentation

Степень изрезанности Indentation degree Коэффициент изрезанности Indentation coefficient Количество Number % от общего числа озер % from total number of lakes

Слабоизрезанные <1.5 117 52

Среднеизрезанные 1.5-2 49 22

Сильноизрезанные >2 59 26

■ Суффозионно-карстовые

■ Отчленившиеся заливы

■ Искусственные

■ Старичные

Рис. 2. Распределение озер по генезису озерных котловин Fig. 2. Lakes ranging by genesis

I S !

Рис. 3. Распределение количества озер по муниципальным образованиям Fig. 3. Distribution of lakes over municipalities

60

50

« 40

30

20

10

Рис. 4. Озерность территорий муниципальных образований Fig. 4. Lakeness of the municipal territories

Густота озерной сети, %\ 30-40

110-20 I I о-ю

b

Рис. 5. Густота озерной сети в 1939 (а) и 2023 (b) гг. Fig. 5. Lake network density in 1939 (a) and 2023 (b)

данных показал, что в 1939 г. на территории Вол-го-Мешинского возвышенного ландшафтного района насчитывалось 178 озер общей площадью 1157.7 га. Таким образом, за прошедшие 85 лет число озер в районе увеличилось более чем на 20%. При этом относительная величина озерно-сти обнаружила тенденцию к снижению: с 1.3% в 1939 г. до 0.8% в 2023 г. Это в первую очередь связано с динамикой водного зеркала озер: суммарная площадь акваторий озер с 1939 по 2023 гг. сократилась на 524 га (57%). Так, водная поверхность оз. Ковалинское в 1939 г. составляла 152 га,

в 2023 г. - немногим более 100 га. Главная причина сокращения озерности Волго-Ме-шинского возвышенного ландшафтного района - образование в 1955-1957 гг. Куйбышевского водохранилища, в результате чего были затоплены поймы Волги, Камы и Меши с многочисленными старичными озерами (рис. 5). До создания водохранилища только в левобережной пойме Волги на участке от г. Казани до п. Камское Устье насчитывалось 140 озер общей площадью более 772 га.

За указанный период также произошло уменьшение средней длины (на 37%), средней ширины (на 41%) и длины береговой линии (на 36 %) озер (табл. 4).

Для объективной оценки динамики озерности проведен попиксельный анализ изменений площадных характеристик озер. Для каждой ячейки рассчитывали разность современной и исторической площади, занимаемой озерами (рис. 6). Высокая плотность красных пикселей в пойменной части Волги и в устье Меши указывает на убыль площади акватории озер при затоплении водами Куйбышевского водохранилища. В то же время, на второй надпойменной террасе р. Волги выделяются новообразованные озера, возникшие в результате отчленения вдающихся в сушу заливов.

Заключение

Территорию Волго-Мешинского возвышенного ландшафтного района отличают высокие показатели озерности - 0.8%, это одно из самых высоких значений данного показателя по Республике Татарстан. В настоящее время на территории района зафиксировано 225 озер с общей площадью водной поверхности 633.6 га. По сравнению с 1939 г. количество озер в границах исследуемой территории выросло на 21%. При этом суммар-

a

Таблица 4. Морфометрические показатели озер в 1939 и 2023 гг. ная площадь водного зеркала всех Table 4. Morphometric traits of lakes area in 1939 and 2023 озер района уменьшилась более

чем в 2 раза.

Изменения озерности ландшафтного района в основном связаны с созданием в 1955-1957 гг. Куйбышевского водохранилища, когда было затоплено 140 озер в пойме р. Волги. Создание водохранилища привело к образованию нового типа озер - отчленившихся заливов. На сокращение общей площади озер непосредственное влияние оказывают застройка и сельскохозяйственная деятельность в границах их водосборных бассейнов, забор воды на хозяйственно-бытовые и мелиоративные нужды, рекреационное освоение территории. При сохранении темпов антропогенной нагрузки прогнозируется усиление процессов деградации озерных экосистем.

Проведенный ретроспективный анализ изменения озерности и основных морфометрических характеристик озер имеет важное значение для понимания состояния озер и оценки их устойчивости в долгосрочной перспективе. Для дальнейшего выявления изменений в состоянии озерных экосистем необходима организация системы постоянного наблюдения за состоянием основных морфометрических показателей водных объектов РТ.

Список литературы

1. Антропогенное воздействие на малые озера. Л.: Наука, 1980. 174 с.

2. Водные объекты Республики Татарстан: Гидрографический справочник. Казань: Фолиант, 2018. 512 с.

3. ГОСТ Р 59054-2020. Охрана окружающей среды. Поверхностные и поземные воды. Классификация водных объектов.

4. Горшкова А.Т., Урбанова О.Н., Борт-никова Н.В., Горбунова Ю.В. Анализ гидрографических изменений озер Республики Татарстан // Российский журнал прикладной экологии. 2019. №3. С. 8-13.

5. Государственный реестр особо охраняемых природных территорий в Республике Татарстан. Казань: Идел-Пресс, 2007. 407 с.

6. Ермолаев О.П., Игонин М.Е., Бубнов А.Ю., Павлова С.В. Ландшафты Республи-

Показатель Indicator Среднее Mean Meдиана Median Min Max

1939 год (178 озер)

Площадь, га 6.5 1.8 0.2 152.6

Длина, м 521 241 47 5308

Ширина, м 111 97 29 570

Длина береговой линии, м 1208 623 165 13049

2023 год (225 озер)

Площадь, га 2.8 0.5 0.1 115.6

Длина, м 331 150 38 7617

Ширина, м 66 50 13 728

Длина береговой линии, м 778 381 123 12658

Рис. 6. Оценка изменения площади акватории озер с 1939 по 2023 гг. Fig. 6. Assessment of changes in lake water area from 1939 to 2023

ки Татарстан. Региональный ландшафтно-экологический анализ / Под ред. О.П. Ермолаева. Казань: Слово, 2007. 411 с.

7. Захаренков И.С. О лимнологической классификации озер Белоруссии // Биологические основы рыбного хозяйства на внутренних водоемах Прибалтики / Труды X научной конференции по внутренним водоемам Прибалтики. Минск: Наука и техника, 1964. С. 175-176.

8. Зиганшин И.И., Иванов Д.В., Хасанов Р.Р. Динамика морфометрических показателей особо охраняемых водоемов Лаишевского района Республики Татарстан // Российский журнал прикладной экологии. 2017. №1. С. 38-43.

9. Зиганшин И.И., Иванов Д.В., Хасанов Р.Р. Анализ динамики морфометрических показателей озер-памятников природы на территории Республики Татарстан // Российский журнал прикладной экологии. 2018. №2. С. 17-20.

10. Зиганшин И.И., Иванов Д.В. Антропогенное воздействие на озера-особо охраняемые природные территории регионального значения Республики Татарстан // Науки о Земле: от теории к практике (Арчиковские чтения - 2020) / Материалы Всероссийской научно-практической конференции с международным участием. Чебоксары: Чувашский государственный ун-т, 2020. С. 176-181.

11. Зиганшин И.И., Иванов Д.В., Хасанов Р.Р. Генезис и морфометрическая характеристика озер охранной зоны Са-ралинского участка Волжско-Камского заповедника // Российский журнал прикладной экологии. 2021. №1. С. 36-43. doi: 10.24411/2411-7374-2020-10039..

12. Зиганшин И.И., Иванов Д.В., Хасанов Р.Р., Александрова А.Б. Мониторинг морфометрических характеристик особо охраняемых озер Предволжья Республики Татарстан // Российский журнал прикладной экологии. 2023. №3. С. 34-41. doi: 10.24852/2411-7374.2023.3.34.41.

13. Иванов Д.В., Зиганшин И.И. Анализ причин обмеления озер в селе Три озера (Республика Татарстан) // Российский журнал прикладной экологии. 2016. №2. С. 8-12.

14. Иванов Д.В., Зиганшин И.И., Горшкова А.Т., Пайми-кина Э.Е., Сибгатуллина М.Ш. Динамика морфометриче-ских показателей и оценка параметров заиления озера Пи-голи (Республика Татарстан) // Российский журнал прикладной экологии. 2016. №4. С. 23-28.

15. Измайлова А.В. Водные ресурсы озер России // География и природные ресурсы. 2016. №4. С. 5-14.

References

1. Antropogennoe vozdejstvie na malye ozera [Anthropogenic impact on small lakes]. Leningrad: Nauka, 1980. 174 p.

2. Vodnye ob'ekty Respubliki Tatarstan: Gidrograficheskij spravochnik [Water bodies of the Republic of Tatarstan: Hydrographic Directory]. Kazan': Foliant, 2018. 512 p.

3. GOST R 59054-2020. Ohrana okruzhajushhej sredy. Pov-erhnostnye i pozemnyevody. Klassifikacija vodnyh ob'ektov [GOST R 59054-2020. Environmental protection. Surface and underground water. Classification of water bodies].

4. Gorshkova A.T., Urbanova O.N., Bortnikova N.V., Gor-bunova Yu.V. Analiz gidrograficheskih izmenenij ozer Respubliki Tatarstan [Analysis of hydrographic changes in the lakes of the Republic of Tatarstan] // Rossijskij zhurnal prikladnoj ekologii [Russian journal of applied ecology]. 2019. No 3. P. 8-13.

5. Gosudarstvennyj reestr osobo ohranjaemyh prirodnyh territory v Respublike Tatarstan [State register of specially protected natural areas in the Republic of Tatarstan]. Kazan': Idel-Press, 2007. 407 p.

6. Ermolaev O.P., Igonin M.E., Bubnov A.Yu., Pavlova S.V. Landshafty Respubliki Tatarstan. Regional'nyj landshaftno-ekologicheskij analiz [Landscapes of Tatarstan Republic. Regional landscape and ecological analysis] / Ed. O.P. Ermolaev.

Kazan': Slovo, 2007. 411 p.

7. Zaharenkov I.S. O limnologicheskoj klassifikacii ozer Belorussii // Biologicheskie osnovy rybnogo hozjajstva na vnutrennih vodoemah Pribaltiki [On the limnological classification of lakes in Belarus] // Trudy X nauchnoi konferencii po vnutrennim vodoemam Pribaltiki [Proceedings of the tenth scientific conference on inland waters of the Baltic states]. Minsk: Nauka i tehnika, 1964. P. 175-176.

8. Ziganshin I.I., Ivanov D.V., Hasanov R.R. Dinamika morfometricheskih pokazatelej osobo ohranjaemyh vodoemov Laishevskogo rajona Respubliki Tatarstan [Dynamics of morphometric parameters of protected lakes located in Laishevo district of the Republic of Tatarstan] // Rossijskij zhurnal prikladnojj ekologii [Russian journal of applied ecology]. 2017. No 1. P. 38-43.

9. Ziganshin I.I., Ivanov D.V., Hasanov R.R. Analiz dinamiki morfometricheskih pokazatelej ozer-pamjatnikov prirody na territorii Respubliki Tatarstan [Analysis of the dynamics of morphometric parameters of protected lakes of the Republic of Tatarstan] // Rossijskij zhurna lprikladnojj ekologii [Russian journal of applied ecology]. 2018. No 2. P. 17-20.

10. Ziganshin I.I., Ivanov D.V. Antropogennoe vozdejstvie na ozera-osobo ohranjaemye prirodnye territorii regional'nogo znachenija Respubliki Tatarstan [Anthropogenic effects on lakes - specially protected natural areas of regional significance in the Republic of Tatarstan] // Nauki o Zemle: otteorii k praktike [Geosciences: from theory to practice] / Materialy Vserossijskoj nauchno-prakticheskoj konferencii s mezhdunarodnym uchastiem [Materials of the All-Russian scientific and practical conference with international participation]. Cheboksary, 2020. P. 176-181.

11. Ziganshin I.I., Ivanov D.V., Hasanov R.R. Genezis i mor-fometricheskaja harakteristika ozer ohrannoj zony Saralinskogo uchastkaVolzhsko-Kamskogo zapovednika [Genesis and mor-phometric characteristics of lakes in the protected zone of the Saralinsky area of the Volzsko-Kamsky reserve] // Rossijskij zhurnal prikladnojj ekologii [Russian journal of applied ecology]. 2021. No 1. P. 36-43. doi: 10.24411/2411-7374-2020-10039.

12. Ziganshin I.I., Ivanov D.V., Hasanov R.R., Aleksandrova A.B. Monitoring morfometricheskih harakteristik osobo ohran-jaemyh ozer Predvolzh'ja Respubliki Tatarstan [Monitoring of morphometric characteristics of specially protected lakes in the Pre-Volga region of the Republic of Tatarstan] // Rossijskij zhur-nal prikladnoj jekologii [Russian journal of applied ecology]. 2023. No 3. P. 34-41. doi: 10.24852/2411-7374.2023.3.34.41.

13. Ivanov D.V., Ziganshin I.I. Analiz prichin obmelenija ozer v sele Tri ozera (Respublika Tatarstan) [Analysis of the lake shoaling causes in the village of Tri Ozera (Republic of Tatarstan)] // Rossijskij zhurnal prikladnoj jekologii [Russian journal of applied ecology]. 2016. No 2. P. 8-12.

14. Ivanov D.V., Ziganshin I.I., Gorshkova A.T., Pajmikina Je.E., Sibgatullina M.Sh. Dinamika morfometricheskih pokazatelej i ocenka parametrov zailenija ozera Pigoli (Respublika Tatarstan) [Dynamics of morphometric characteristics and estimation of siltation parameters of the Pigoli lake (The Republic of Tatarstan)] // Rossijskij zhurnal prikladnoj jekologii [Russian journal of applied ecology]. 2016. No 4. P. 23-28.

15. Izmajlova A.V. Vodnye resursy ozer Rossii [Water resources of the lakes of Russia] // Geografiya i prirodnye resursy [Geography and natural resources]. 2016. No 4. P. 5-14.

Ziganshin I.I., Ivanov D.V., Khasanov R.R. Analysis of the Volgo-Mesha interfluve lakeness di-namic.

Based on a retrospective analysis, changes in lake content and the main morphometric characteristics of lakes on the territory of the Volga-Meshinsky elevated landscape region of the Republic of Tatarstan were shown. The main materials for morphometric analysis were topographic maps of 1:100 000 scale of 1939 edition, large-scale plans of 1:10000 scale, 1968-1969, space images of high spatial resolution, 1980-2023, as well as data of field studies of lakes in 2021-2023. The results of the analysis showed that the total number of lakes in the region had increased from 178 to 225 over the 85-year time period. At the same time, there was the tendency to decreasing in the water area of lakes (by 57%) and to disappear-

ance of larger water bodies in terms of water area. The creation of the Kuibyshev Reservoir in 19551957 was considered as the main factor of lake area change. The reduction of the total water area was also affected by active development and pollution of the lakes' coastal territories, water intake for drinking and household needs, land reclamation and agricultural works, and intensification of recreational activities. If the rates of anthropogenic load are maintained, it is possible to predict further shallowing and loss of water content of lakes in the region under consideration.

Keywords: lakes; remote sensing; monitoring; lake morphometry; Volgo-Meshinsky upland landscape region; Republic of Tatarstan.

Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию / Entered the editorial office: 23.08.2024 Одобрено рецензентами / Approved by reviewers: 02.09.2024 Принята к публикации / Accepted for publication: 09.09.2024

Сведения об авторах

Зиганшин Ирек Ильгизарович, кандидат географических наук, доцент, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: irek_ziganshin@mail.ru.

Иванов Дмитрий Владимирович, доктор географических наук, зам. директора по научной работе, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: water-rf@mail.ru.

Хасанов Рустам Равилевич, научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: rustamkhasanov88@gmail.com.

Information about the authors

Irek I. Ziganshin, Ph.D. in Geography, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: irek_ziganshin@mail.ru.

Dmitrii V. Ivanov, D.Sci. in Geography, Deputy Director, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: water-rf@mail.ru.

Rustam R. Khasanov, Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya St., Kazan, 420087, Russia, E-mail: rustamkhasanov88@gmail.com.

[СС/ ® ©

m

УДК 631.417.1:502.4

В.И. Кулагина, А.Б. Александрова, С.С. Рязанов, Р.Р. Шагидуллин, Л.М. Сунгатуллина, Э.Х. Рупова

Институт проблем экологии и недропользования АН РТ, viksoil@mail.ru

ЗАКОНОМЕРНОСТИ РАСПРЕДЕЛЕНИЯ ЗАПАСОВ УГЛЕРОДА В ПОЧВАХ И ЛЕСНОЙ ПОДСТИЛКЕ ВОЛЖСКО-КАМСКОГО

ЗАПОВЕДНИКА

Выполнена оценка запасов углерода в почвах (слой 0-30 см) и лесных подстилках Саралин-ского и Раифского участков Волжско-Камского биосферного заповедника, расположенных в разных биоклиматическим зонах. На территории участков было заложено по 6 пробных площадок под лесами одинакового породного состава и возраста. Показано, что корреляционная взаимосвязь между запасами углерода в лесной подстилке и почвах носит обратный характер. Установлена тенденция к увеличению запасов углерода в почвах Саралинского участка, при этом статистически значимые различия между участками отмечены только для березняков перестойных. Средние запасы углерода в лесной подстилке выше в лесах Раифского участка.

Ключевые слова: почва; лесная подстилка; запасы углерода; секвестрация углерода; лесные экосистемы.

DOI: https://doi.Org/10.24852/2411-7374.2024.3.28.33

Введение

Определение запасов углерода в компонентах лесных биогеоценозов необходимо для подсчета секвестрации парниковых газов из атмосферы. В «Методических указаниях по количественному определению объема поглощения парниковых газов» (2017) (далее - Методические указания) при подсчете общих запасов углерода на залесенных территориях рекомендуется учитывать запасы углерода в почвах и лесной подстилке. В них приведены справочные данные о запасах углерода в лесных подстилках и почвах в зависимости от породного состава и возраста леса по 12 макрорегионам России. Однако в настоящее время появляется все больше работ, подтверждающих, что в пределах макрорегиона запасы углерода в этих пулах могут значительно отличаться от справочных (Кузнецова и др., 2020; Иванов и др., 2022; Кулагина и др., 2023; Кулагина и др., 2024; Александрова и др., 2023; Александрова и др., 2024; Осипов и др., 2023). Неточность региональных оценок запасов углерода может привести к необъективной оценке запасов углерода в целом по РФ (Чернова и др., 2020). Для более точного определения запасов углерода в лесных массивах необходима разработка региональных нормативов, основанных на закономерностях распределения запасов углерода в почвах и подстилках в зависимости от различных факторов.

При проведении подобного рода оценочных

работ авторы рассматривают воздействие локальных условий увлажнения на запасы углерода в рассматриваемых пулах (Бахмет, 2018; Бобкова и др., 2013 Рыжова и др., 2022; Чернова и др., 2020). В частности, А.И. Кузнецова (Кузнецова и др., 2020) отмечает, что в сосновых лесах северо-запада России существенное воздействие на запасы углерода в почве и лесной подстилке оказывают климатические условия, при этом большую роль играет среднегодовая температура. Д.Г. Шепа-щенко (Щепащенко и др., 2013) предложены поправочные регионально-зональные коэффициенты по запасам углерода для почвенных разностей, находящихся в не характерной для них зоне. Ведущую роль климата, в том числе среднегодовой температуры, при региональных оценках запасов углерода подчеркивают и зарубежные исследователи (Wiesmeier et а1., 2019).

Территория Республики Татарстан пересекает несколько биоклиматических зон, в связи с чем изучение воздействия климатического фактора на запасы углерода в почвах одинаковой таксономической принадлежности и под лесами одного породного состава является актуальным.

Цель данной работы - сравнительная оценка запасов углерода в дерново-подзолистых почвах и лесных подстилках Саралинского и Раифского участков Волжско-Камского биосферного заповедника.

Рис. 1. Местоположение Раифского и Саралинского участков Волжско-Камского государственного природного биосферного заповедника

Fig. 1. Location of Raifsky and Saralinsky sections of the Volzhsko-Kamsky state nature biosphere reserve

Материалы и методы исследования

Раифский участок Волжско-Камского государственного природного биосферного заповедника расположен в 40 км от г. Казани в зоне хвойно-ши-роколиственных лесов; коэффициент увлажнения территории >1, среднегодовая температура воздуха +3.8 °С. Саралинский участок расположен на побережье Куйбышевского водохранилища, в районе слияния Волги и Камы, в зоне широколиственных лесов, коэффициент увлажнения <1, среднегодовая температура воздуха +4.2 °С (рис. 1).

В составе лесных насаждений сосняки, липняки и березняки на обоих участках занимают более 90%. В структуре почвенного покрова преобладают дерново-подзолистые почвы.

В 2022-2023 гг. на территории Раифского и Саралинского участков было заложено по 6 пробных площадок размером от 0.16 до 0.36 га под лесами преобладающего породного состава и возраста: сосняками, березняками, липняками средневозрастными и перестойными.

Образцы почв отбирали в 5-кратной повторно-сти по генетическим горизонтам. Запасы органического углерода в почвах (без учета подстилки) рассчитывали для слоя 0-30 см по формуле: C = ОВ * н * V X 0.58,

где C - запасы углерода, т/га; ОВ - содержание органического вещества, %; H - мощность горизонта, см; V - объемный вес, г/см3; 0.58 - коэффициент пересчета органического вещества на углерод.

Лесную подстилку отбирали с каждой пробной площадки в 24-кратной повторности при помощи рамки размером 20*30 см. После высушивания до воздушно-сухого состояния в пробах определяли коэффициент гигроскопии Кгигр.

Запасы углерода в подстилке рассчитывали по формуле:

С = В * К * 0.4 * 108 / (S*106),

лп вс гигр 4 ''

где Слп - запас углерода в лесной подстилке, т/га; Ввс - вес воздушно-сухой подстилки в пределах рамки, г; Кгигр - коэффициент гигроскопии, для пересчета на абсолютно сухой вес; 0.4 - коэффициент для пересчета на углерод (Методические ..., 2017); 108 - пересчет с см2 на 1 га; S - площадь рамки, см2; 106 - пересчет с г на т.

Оценка разницы в запасах углерода при соблюдении внутригруппового нормального распределения рассматриваемых параметров проводилась с применением параметрического теста Welch Two Sample t-test с поправкой Бонферрони. При нарушении нормального распределения сравнение проводилось с использованием непараметрического теста Wilcoxon Rank Sum test также с поправкой Бонферрони.

Результаты и их обсуждение

Сравнение запасов углерода в слое почв 0-30 см под одинаковыми по породному и возрастному составу лесами участков Волжско-Камского заповедника позволяет заметить относительное увеличение их средних значений на территории Саралинского участка под березняками средневозрастными и перестойными, липняками перестойными и сосняками средневозрастными (рис. 2а). При этом только для почв березняков перестойных указанные различия были статистически значимы.

Средние запасы углерода в подстилках березняков перестойных, липняков средневозрастных и перестойных, сосняков перестойных в Саралин-ском участке в целом имеют тенденцию к уменьшению по сравнению с Раифским. Статистически значимая разница в запасах углерода отмечена для трех типов леса: липняков перестойных и средневозрастных и у сосняков средневозрастных. Под

100

90

80

р 70

s 60

л

I4 50

>у

40

О

С 30

со

20

10

0

ill III ill!

1 2 3 4 5 6 7 8 9 10 11 12

а

5 6 b

10

11 12

Рис. 2. Запасы углерода в почвах (а) и в лесной подстилке (b) лесов Волжско-Камского заповедника (M±m) Нечетные номера - Раифский участок, четные -Саралинский участок: 1,2 - березняки средневозрастные; 3,4 - березняки перестойные, 5,6 - липняки средневозрастные; 7,8 - липняки перестойные; 9,10 - сосняки средневозрастные; 10,11 - сосняки перестойные

Fig. 2. Carbon stocks in soils (a) and forest litter (b) of Volga-Kama Reserve (M±m) Odd numbers - Raifa site, even numbers - Saralinsky site: 1,2 - middle-aged birch forests; 3,4 - overmature birch forests, 5,6 - middle-aged linden forests; 7,8 - overmature linden forests; 9,10 - middle-aged pine forests; 10,11 - overmature pine forests

липняками средневозрастными и перестойными Саралинского участка запасы углерода оказались статистически значимо меньше.

Фактически запасы углерода в лесных подстилках и почвах двух участков Волжско-Камско-го заповедника находятся в «противофазе». Статистическая обработка показала отрицательную взаимосвязь между запасами углерода в подстилке и 30-см слое почвы (r=-0.62).

Полученные нами результаты согласуются с данными А.И. Кузнецовой (Кузнецова и др., 2020), изучавшими запасы углерода в песчаных почвах сосновых лесов северо-запада России, и отмечавшими, что влияние климатических условий проявляется в уровнях аккумуляции углерода в подстилке и верхних гумусовых горизонтах почв. В сосняках черничных при движении с се-

вера на юг запасы углерода в подстилке уменьшались от 47 т/га до 8 т/га, а в почвах в слое 0-10 см, соответственно, увеличивались с 8 до 18 т/га. По мнению авторов, климатический фактор оказывает воздействие на активность микробиоты, скорость разложения органического вещества и гумификации. Микробное разложение органических веществ в почвах отличается высокой чувствительностью к температурам, при этом среднегодовая температура является параметром, тесно связанным с запасами углерода в почвах (Wiesmeier et а1., 2019). При достаточном увлажнении активность микробиоты выше там, где теплее климат. В европейской части России от подзоны северной тайги до подзоны хвойно-широко-лиственных лесов активность разложения лесной подстилки увеличивается, а запасы углерода в ней уменьшаются (Кузнецова, 2021). С процессами гумификации и закрепления гумусовых веществ в почве тенденция обратная: по мере роста температуры воздуха улучшаются условия для гумификации, а уменьшение количества осадков только усиливает этот эффект.

Подобные закономерности в целом прослеживаются для пулов углерода в почвах Саралинско-го и Раифского участков Волжско-Камского заповедника, хотя и не так заметно. Причиной, по-видимому, является менее существенная разница в климатических условиях между кластерами заповедника. Если отличия среднегодовых температур между участками исследований, выполненных А.И. Кузнецовой (Кузнецова и др., 2020) для лесов северо-западной части РФ, достигали 2.8-5.9°С, то между Раифским и Саралинским участками заповедника - всего 0.4°С.

По данным Д.Г. Щепащенко (Щепащенко и др., 2013), содержание гумуса в почвах одного и того же типа увеличивается при переходе от более северной зоны к соседней более южной по крайней мере вплоть до лесостепи, запасы углерода в подстилке, наоборот, уменьшаются от средней тайги к лесостепной зоне.

Средние запасы углерода в 30-см слое дерново-подзолистых почв Раифского и Саралинского участков Волжско-Камского заповедника отличаются в 1.6 раза, при этом в разных биотопах соотношение запасов существенно варьирует.

Заключение

По результатам исследований разнотипных лесных экосистем Волжско-Камского государственного природного биосферного заповедника выявлена тенденция к уменьшению запасов углерода в лесной подстилке и росту их запасов в почвах при переходе от зоны хвойно-широко-

2

3

4

7

8

9

лиственных (Раифский участок) к зоне широколиственных лесов (Саралинский участок), однако установленная разница в запасах углерода между северным и южным кластерами оказалась статистически значима для меньшей части исследованных биотопов. Одной из вероятной причин наблюдаемого явления может служить небольшая разница в среднегодовых температурах воздуха, характерных для территорий Раифского и Сара-линского участков заповедника.

Список литературы

1. Александрова А.Б., Кулагина В.И., Иванов Д.В., Ма-ланин В.В., Марасов А.А Оценка запасов углерода в лесных подстилках Раифского участка Волжско-Камского заповедника // Российский журнал прикладной экологии. 2023. №2. С. 57-62. doi: 10.24852/2411-7374.2023.2.57.62.

2. Александрова А.Б., Кулагина В.И., Иванов Д.В., Со-лодникова О.М., Марасов А.А., Маланин В.В. Оценка запасов углерода в лесных подстилках Саралинского участка Волжско-Камского заповедника // Российский журнал прикладной экологии. 2024. №2. С. 58-62. doi: 10.24852/24117374.2024.2.58.62.

3. Бахмет О.Н. Запасы углерода в почвах сосновых и еловых лесов Карелии // Лесоведение. 2018. №1. С. 48-55. doi: 10.7868/30024114818010047.

4. Бобкова К.С., Осипов А.Ф., Галенко Э.П. Пул углерода фитомассы древостоев сосняков чернично-сфагновых средней тайги европейского северо-востока // Хвойные бореаль-ной зоны. 2013. Т. 31, №1-2. С. 42-45.

5. Иванов Д.В., Александрова А.Б. Предварительные оценки запасов углерода в почвах лесных экосистем Республики Татарстан // Российский журнал прикладной экологии. 2022. №2. С. 56-60. https://doi.org/10.24852/2411-7374.2022.2.56.60.

6. Кузнецова А.И. Влияние растительности на запасы почвенного углерода в лесах (обзор) // Вопросы лесной науки. 2021. Т. 4, №4. С. 1-54. doi: 10.31509/2658-607х-2021-44-95.

7. Кузнецова А.И., Лукина Н.В., Горнов А.В., Горнова М.В., Тихонова Е.В., Смирнов В.Э., Данилова М.А., Тебень-кова Д.Н., Браславская Т.Ю., Кузнецов В.А., Ткаченко Ю.Н., Геникова Н.В. Запасы углерода в песчаных почвах сосновых лесов на западе России // Почвоведение. 2020. №8. С. 959969. doi: 10.31857/30032180X20080109.

8. Кулагина В.И., Александрова А.Б., Рязанов С.С., Ша-гидуллин Р.Р., Андреева А.А., Кольцова Т.Г. Запасы органического углерода в почвах Раифского участка Волжско-Кам-ского заповедника // Ученые записки Крымского федерального университета им. В.И. Вернадского. Биология. Химия. 2023. Т. 9, №1. С. 143-158. doi: 10.29039/2413-1725-2023-91-143-158.

9. Кулагина В.И., Александрова А.Б., Рязанов С.С., Ша-гидуллин Р.Р., Гордеева К.А., Рупова Э.Х. Запасы углерода в почвах Саралинского участка Волжско-Камского заповедника // Российский журнал прикладной экологии. 2024. №1. С. 50-56. doi: 10.24852/2411-7374.2024.1.50.56.

10. Методические указания по количественному определению объема поглощения парниковых газов. Утв. распоряжением Минприроды России от 30.06.2017 №20-р.

11. Осипов А.Ф., Старцев В.В., Прокушкин А.С., Дымов А.А. Запасы углерода в почвах лесов Красноярского края: анализ роли типа почвы и древесной породы // Теоретическая и прикладная экология. 2023. №1. С. 67-74. doi:

10.25750/1995-4301-2023-1-067-074.

12. Рыжова И.М., Подвезенная М.А., Кириллова Н.П. Вариабельность запасов углерода в автоморфных и полугидро-морфных почвах лесных экосистем европейской территории России: сравнительный статистический анализ // Вестник Московского университета. Сер. 17. Почвоведение. 2022. №2. С. 20-27.

13. Чернова О.В., Рыжова И.М., Подвезенная М.А. Оценка запасов органического углерода лесных почв в региональном масштабе // Почвоведение. 2020. №3. С. 140-150. doi: 10.31857/S0032180X20030028.

14. Щепащенко Д.Г., Мухортова Л.В., Швиденко А.З., Ве-дрова Э.Ф. Запасы органического углерода в почвах России // Почвоведение. 2013. №2. С. 123-132.

15. Wiesmeier M., Urbanski L., Hobley E., Lang B., von Luetzow M., Marin-Spiotta E., van Wesemael B., Rabot E., Ließ M., Garcia-Franco N., Wollschläger U., VogelfIngrid H.-J., Kögel-Knabner I. Soil organic carbon storage as a key function of soils - a review of drivers and indicators at various scales // Geoderma. 2019. Vol. 333. P. 149-162. https://doi.org/10.1016/). geoderma.2018.07.026.

References

1. Alexandrova A.B., Kulagina V.I., Ivanov D.V., Malanin V.V., Marasov A.A. Otsenka zapasov ugleroda v lesnykh pod-stilkakh Raifskogo uchastka Volzhsko-Kamskogo zapovedni-ka [Assessment of carbon reserves in forest litter of the Raifa area of Volzhsko-Kamsky state natural biosphere reserve] // Rossiyskiy zhurnal prikladnoy ekologii [Russian Journal of Applied Ecology]. 2023. No 2. P. 57-62. doi: 10.24852/24117374.2023.2.57.62.

2.Alexandrova A.B., Kulagina V.I., Ivanov D.V., Solodniko-va O.M., Marasov A.A., Malanin V.V. Otsenka zapasov ugleroda v lesnykh podstilkakh Saralinskogo uchastka Volzhsko-Kamsk-ogo zapovednika [Assessment of carbon stocks in forest litter of the Saralinsky section of the Volzhsko-Kama Nature Reserve] // Rossiyskiy zhurnal prikladnoy ekologii [Russian Journal of Applied Ecology]. 2024. No 2. P.58-62. doi: 10.24852/24117374.2024.2.58.62.

3. Bakhmet O.N. Zapasy ugleroda v pochvakh sosnovykh i yelovykh lesov Karelii [Carbon Storages in Soils of Pine and Spruce Forests in Karelia] // Lesovedenie [Forestry]. 2018. No 1. P. 48-55. doi: 10.7868/S0024114818010047.

4. Bobkova K.S., Osipov A.F., Galenko E.P. Pul ugleroda fitomassy drevostoyev sosnyakov chernichno-sfagnovykh sred-ney taygi yevropeyskogo severo-vostoka [Phytomass carbon pool of bilberry-sphagnum pine forest stands in the middle taiga of the European northeas] // Khvoynyye boreal'noy zony [Conifers of the boreal zone]. 2013. Vol. 31, No 1-2. P. 42-45.

5. Ivanov D.V., Alexandrova A.B. Predvaritel'nyye otsen-ki zapasov ugleroda v pochvakh lesnykh ekosistem Respubliki Tatarstan [Preliminary estimations of carbon stocks in soils of forest ecosystems of the Republic of Tatarstan] // Rossiyskiy zhurnal prikladnoy ekologii [Russian Journal of Applied Ecology]. 2022. No 2. P. 56-60. https://doi.org/10.24852/2411-7374.2022.2.56.60.

6. Kuznetsova A.I. Vliyaniye rastitel'nosti na zapasy poch-vennogo ugleroda v lesakh (obzor) [Influence of vegetation on soil carbon stocks in forests (review)] // Voprosy lesnoy nau-ki [Issues of forest science]. 2021. Vol. 4, No 4. P. 1-54. doi: 10.31509/2658-607x-2021-44-95.

7. Kuznetsova A.I., Lukina N.V., Gornov A.V., Gornova M.V., Tikhonova E.V., Smirnov V.E., Danilova M.A., Tebenko-va D.N., Braslavskaya T. Yu., Kuznetsov V.A., Tkachenko Yu.N., Genikova N.V. Zapasy ugleroda v peschanykh pochvakh sos-novykh lesov na zapade Rossii [Carbon stock in sandy soils of

pine forests in west Russia] // Pochvovedeniye [Soil science]. 2020. No 8. P. 959-969. doi: 10.31857/S0032180X20080109.

8. Kulagina V.I., Aleksandrova A.B., Ryazanov S.S., Shagid-ullin R.R., Andreeva A.A., Koltsova T.G. Zapasy organicheskogo ugleroda v pochvakh Raifskogo uchastka Volzhsko-Kamskogo zapovednika [Organic carbon stocks in soils of the Raifa section of the Volzhsko-Kamsky Reserve] // Uchenyye zapiski Krymsk-ogo federal'nogo universiteta imeni V.I. Vernadskogo. [Scientific notes of the Crimean Federal University named after V.I. Ver-nadsky]. Biologiya. Khimiya. 2023. Vol. 9, No 1. P. 143-158. doi: 10.29039/2413-1725-2023-9-1-143-158.

9. Kulagina V.I., Aleksandrova A.B., Ryazanov S.S., Shagid-ullin R.R., Gordeeva K.A., Rupova E.H. Zapasy ugleroda v pochvakh Saralinskogo uchastka Volzhsko-Kamskogo zapovednika [Carbon stocks in soils of the Saralinsky section of the Volz-hsko-Kamsky reserve] // Rossiyskiy zhurnal prikladnoy ekologii [Russian Journal of Applied Ecology]. 2024. No 1. P. 50-56. doi: 10.24852/2411-7374.2024.1.50.56.

10. Metodicheskiye ukazaniya po kolichestvennomu opre-deleniyu ob"yema pogloshcheniya parnikovykh gazov. Utver-zhdeny rasporyazheniyem Minprirody Rossii ot 30.06.2017 №20-r [Guidelines for quantitative determination of the volume of greenhouse gas absorption. Approved by order of the Russian Ministry of Natural Resources dated June 30, 2017 №20-r.]

11. Osipov A.F., Startsev V.V., Prokushkin A.S., Dymov A.A. Zapasy ugleroda v pochvakh lesov Krasnoyarskogo kraya: analiz roli tipa pochvy i drevesnoy porody [Carbon stocks in forest soils of the Krasnoyarsk Region: analysis of soil and tree species role] // Teoreticheskaya i prikladnaya ekologiya [Theoretical and applied ecology]. 2023. No 1. P. 67-74. doi: 10.25750/1995-43012023-1-067-074.

12. Ryzhova I.M., Podvezennaya M.A., Kirillova N.P. Varia-bel'nost' zapasov ugleroda v avtomorfnykh i polugidromorfnykh pochvakh lesnykh ekosistem yevropeyskoy territorii Rossii: srav-nitel'nyy statisticheskiy analiz [A comparative statistical analysis of the variability of carbon stock in automorphic and semihydro-morphic soils of forest ecosystems in European Russia] // Vestnik Moskovskogo universiteta. Seriya 17: Pochvovedeniye [Bulletin of Moscow University. Episode 17: Soil Science]. 2022. No. 2. P. 20-27.

13. Chernova O.V., Ryzhova I.M., Podvezennaya M.A. Otsenka zapasov organicheskogo ugleroda lesnykh pochv v re-

gional'nom masshtabe [Assessment of organic carbon stocks in forest soils on a regional scale] // Pochvovedenie [Soil science]. 2020. No 3. P. 140-150. doi: 10.31857/S0032180X20030028.

14. Schepaschenko D.G., Mukhortova L.V., Shvidenko A.Z., Vedrova E.F. Zapasy organicheskogo ugleroda v pochvakh Rossii [The pool of organic carbon in the soils of Russia] // Pochvovedenie [Soil Science]. 2013. No 2. P. 123-132. doi: 10.7868/ S0032180X13020123.

15. Wiesmeier M., Urbanski L., Hobley E., Lang B., von Luetzow M., Marin-Spiotta E., van Wesemael B., Rabot E., Ließ M., Garcia-Franco N., Wollschläger U., VogelfIngrid H.-J., Kögel-Knabner I. Soil organic carbon storage as a key function of soils - a review of drivers and indicators at various scales // Geoderma. 2019. V. 333. P. 149-162. https://doi.org/10.1016/). geoderma.2018.07.026.

Kulagina V.I., Alexandrova A.B., Ryazanov S.S., Shagidullin R.R., Sungatullina L.M., Rupova E.H. Carbon stocks distribution patterns in soils and forest litter of Volga-Kama Reserve.

An assessment of carbon reserves in soils (layer 0-30 cm) and forest litter of the Saralinsky and Raif-sky sections of the Volga-Kama Biosphere Reserve, located in different bioclimatic zones, was carried out. On the territory of the plots, 6 test plots were established under forests of the same species composition and age. It has been shown that the correlation between carbon reserves in forest litter and soils was inverse. A tendency towards an increase in carbon reserves in the soils of the Saralinsky site was established, while statistically significant differences between sites were noted only for overmature birch forests. Mean carbon stocks in the forest floor were higher in the forests of the Raifa area.

Keywords: soil; forest litter; carbon stocks; carbon sequestration; forest ecosystems.

Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию I Entered the editorial office: 08.04.2024 Одобрено рецензентами I Approved by reviewers: 22.04.2024 Принята к публикации I Accepted for publication: 13.05.2024

Сведения об авторах

Кулагина Валентина Ивановна, кандидат биологических наук, ведущий научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: viksoil@mail.ru.

Александрова Асель Биляловна, кандидат биологических наук, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, Россия, 420087, г. Казань, ул. Даурская, 28, E-mail: adabl@mail.ru.

Рязанов Станислав Сергеевич, кандидат биологических наук, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: RStanislav.soil@yandex.ru.

Шагидуллин Рифгат Роальдович, член-корреспондент АН РТ, доктор химических наук, директор, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: shagidullin_@mail.ru.

Сунгатуллина Люция Мансуровна, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: sunlyc@yandex.ru.

Рупова Эльмира Ханисовна, кандидат сельскохозяйственных наук, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: elmira.rupova@mail.ru.

Information about the authors

Valentina I. Kulagina, Ph.D. in Biology, Leading Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: viksoil@mail.ru.

Asel B. Alexandrova, Ph.D. in Biology, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use ofTatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: adabl@mail.ru.

Stanislav S. Ryazanov, Ph.D. in Biology, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: RStanislav.soil@yandex.ru.

Rifgat R. Shagidullin, D.Sci. in Chemistry, Corresponding Member of Tatarstan Academy of Sciences, Director, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: shagidullin_@mail.ru.

Lutsia M. Sungatullina, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, Russia, 420087, e-mail: sunlyc@yandex.ru.

Elmira H. Rupova, Ph.D. in Agriculture, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: elmira.rupova@mail.ru.

УДК 631.46:574.21

К.А. Гордеева, Т.Г. Кольцова, В.И. Кулагина, Л.М. Сунгатуллина, А.М. Хайруллина

Институт проблем экологии и недропользования АН РТ, karina_869@mail.ru

ВЛИЯНИЕ РАЗЛИЧНЫХ СИСТЕМ ЗЕМЛЕДЕЛИЯ НА АГРОХИМИЧЕСКИЕ И БИОХИМИЧЕСКИЕ ПОКАЗАТЕЛИ

СЕРОЙ ЛЕСНОЙ ПОЧВЫ

В статье приведены результаты агрохимического и биохимического обследования серых лесных почв одного из фермерских хозяйств Республики Татарстан, используемых в органическом и традиционном земледелии. Показано, что в весенний и осенний периоды в почвах органической системы земледелия содержание гумуса, подвижных форм фосфора и азота выше, чем при традиционной. Активность каталазы выше в почвах при традиционном и органическом земледелии, активность инвертазы и уреазы увеличивается на фоновых участках. В пахотных и целинных почвах между содержанием гумуса, азота, рН и ферментативной активностью присутствует статистически значимая корреляционная связь.

Ключевые слова: органическое земледелие; серые лесные почвы; ферментативная активность; агрохимические показатели.

DOI: https://doi.Org/10.24852/2411-7374.2024.3.34.38

Введение

Современное сельскохозяйственное производство основано на широком применении минеральных удобрений. Однако в последнее время в связи со складывающейся экологической ситуацией во многих странах возрождаются принципы и технологии органического земледелия (Мерзлая, Афанасьев, 2020), которые исключают применение удобрений, полученных искусственным путем.

Законы об органической продукции приняты в более чем 80 странах. В 2020 г. вступил в силу Федеральный закон «Об органической продукции и о внесении изменений в отдельные законодательные акты РФ». Предполагается, что его реализация будет способствовать поступательному росту рынка органической продукции до 25% (Максимов и др., 2020). В задачи органического земледелия входит сохранение и улучшение плодородия почвы, учет местных условий и экологических циклов, сохранение биологического разнообразия (Кулагина и др., 2021).

Важным элементом в организации органического производства является экологическая оценка качества почв. При этом оценивание исключительно по критериям плодородия, с позиции получения максимальной продуктивности, является не вполне корректным, так как органическое земледелие предполагает учет широкого спектра показателей (Семенов и др., 2016). Поэ-

тому подбор наиболее информативных показателей, объективно отражающих эколого-биологи-ческое состояние почв при различных системах земледелия, продолжает оставаться актуальной задачей. В частности, при проведении комплексных экологических исследований для оценки эко-лого-биологического состояния агрогенных почв было предложено анализировать несколько групп почвенных ферментов и агрохимические показатели (Зинченко, Зинченко, 2023).

Цель работы - оценить воздействие органического и традиционного земледелия на экологическое состояние почв по агрохимическим и биохимическим показателям.

Материалы и методы исследования

Объектом исследования являлись серые лесные среднесуглинистые почвы полей одного из фермерских хозяйств Высокогорского района Республики Татарстан, вблизи с. Большие Ковали и с. Чувашли. Хозяйство осуществляет переход с традиционной системы земледелия на органическую. В хозяйстве 6 полей (рис. 1): на полях 1, 2, 4 применяется органическая система земледелия; на 3, 5, 6 - традиционная.

Отбор смешанных почвенных образцов проводился стандартными методами в весенний и осенний периоды 2023 г. На органических полях засеян яровой ячмень, вспашка проводилась плугом ПЛН-5-35 с полувинтовыми отвалами на

Рис. 1. Схема расположения полей

Fig. 1. Fields location

глубину до 22 см, минеральные удобрения и пестициды не вносились. На традиционных полях засеяна озимая рожь, вспашка также проводилась плугом ПЛН-5-35 на глубину до 22 см, весной в качестве подкормки внесено 100 кг/га аммиачной селитры. Фоном служили следующие участки: фон 1 - залуженный участок возле лиственничной лесополосы, расположенный рядом с полями 1 и 2; фон 2 - березовая лесополоса, проходящая вдоль 3 и 4 поля; фон 3 - смешанная широколиственная лесополоса, расположенная вблизи 5 и

6 полей.

В образцах почв определяли содержание гумуса по методу Тюрина в модификации Симакова, подвижные формы фосфора и калия по методу Чирикова, щелочногидролизуемый азот по методу Корнфилда, валовый азот по методу Мещерякова, рН солевой вытяжки по методу ЦИНАО. Ферментативную активность почв определяли с применением следующих методов: каталазную -по Джонсону и Темпле, уреазную - по А.Ш. Гал-стяну в модификации Ф.Х. Хазиева, инвертазу -по Т.А. Щербаковой.

Результаты и их обсуждение

Реакция среды серых лесных почв варьирует от среднекислой до нейтральной (табл. 1). Содержание гумуса в почвах при органическом земледелии выше, чем при традиционном. Полученные данные указывают на низкую гумусированность пахотных почв, характерную для серых лесных почв региона, используемых в земледелии (Александрова и др., 2015). Весной содержание в почвах подвижного фосфора при органическом земледелии было заметно выше, чем при традиционном, и оценивалось как высокое, калия - как очень высокое, тогда как осенью содержание обо-

Характер использования почв Nature of soil use pH Гумус, % Humus, % N^ мг/кг N,„> mg/kg NB„, % N™, % tot' Р2О5, мг/100 г Р2О5, mg/100 g К2О, мг/100 г К2О, mg/100 g

Весна / Spring

Органическое земледелие Organic farming 5.7 2.1 28 0.06 18.7 27.4

Традиционное земледелие Conventional farming 6.2 1.6 28 0.03 12.7 46.3

Фон 1 Background 1 5.3 3.4 35 0.05 11.5 55.0

Фон 2 Background 2 5.6 3.2 35 0.06 17.1 22.0

Фон 3 Background 3 4.6 2.7 42 0.05 6.8 10.2

Осень / Autumn

Органическое земледелие Organic farming 6.1 2.4 23 0.06 8.9 10.3

Традиционное земледелие Conventional farming 6.4 2.1 23 0.06 9.1 10.6

Фон 1 Background 1 5.5 3.3 28 0.07 8.2 26.9

Фон 2 Background 2 5.5 4.2 35 0.09 12.1 23.1

Фон 3 Background 3 5.9 3.8 49 0.09 12.4 17.4

Таблица 1. Агрохимические свойства серых лесных почв при органическом и традиционном

земледелии

Table 1. Agrochemical properties of gray forest soils under organic and conventional farming

Таблица 2. Ферментативная активность серых лесных почв при органическом и традиционном

земледелии

Table 2. Enzymatic activity of gray forest soils under organic and conventional farming

Характер использования почв Nature of soil use Каталаза, мл O2 на 1 г почвы за 1 мин Catalase, ml O2 per 1 g of soil for 1 min Инвертаза, мг глюкозы на 1 г почвы за 4 ч Invertase, mg glucose per 1 g of soil for 4 hours Уреаза, мкг/г NH3 за 1 ч Urease, mcg/g NH3 for 1 hour

Весна Spring Осень Autumn Весна Spring Осень Autumn Весна Spring Осень Autumn

Органическое земледелие Organic farming 1,00 0,96 4,77 9,90 14,75 10,13

Традиционное земледелие Conventional farming 1,19 1,39 6,43 9,47 18,19 9,80

Фон 1 Background 1 0,81 0,70 7,80 10,70 30,94 14,84

Фон 2 Background 2 0,90 0,92 8,40 11,50 23,36 30,29

Фон 3 Background 3 0,92 1,51 6,20 14,80 19,14 16,65

их элементов питания соответствовало повышенному. Почвы фоновых участков отличала низкая степень гумусированности, содержание подвижного фосфора варьировало от среднего до высокого, обменного калия - от повышенного до очень высокого.

Пахотные и целинные почвы характеризуются низким содержанием щелочногидролизуемого и валового азота. Наибольшая обеспеченность серых лесных почв валовым азотом наблюдается в осенний период на фоновых участках. Как правило, более низкое содержание азота в агроцено-зах связано с тем, что не происходит восполнение данного элемента питания растений из-за ежегодного отчуждения с урожаем.

Ферментативная активность почв характеризует интенсивность происходящих в них биохимических процессов (Хазиев, 2018).

Каталаза разрушает перекись водорода, образующуюся в процессе дыхания растений, в результате биохимических реакций окисления органических соединений, а также в процессе метаболизма аэробных организмов (Безуглова и др., 2019). Максимального значения каталазная активность достигает на фоновом участке 3 в осенний период (табл. 2), но в целом в агроценозах активность каталазы остается выше, особенно в осенний период. Это связано с поступлением в почву пожнивных остатков, что приводит к стимулированию микробиологических процессов. Наиболее тесная корреляционная связь наблюдается между каталазной активностью и гумусом (весна: г=0.80,

р=0.029; осень: г=0.58, р=0.004; тест Стьюдента, р<0.05), обменным калием (весна: г=0.99, р=0.05; осень: г=0.52, р=0.003), кислотностью почв (весна: г=0.97, р=0.000; осень: до г=0.28, р=0.000).

Инвертаза участвует в расщеплении углеводов. Активность инвертазы в лучшей степени характеризует уровень плодородия и биологическую активность почв (Ямалтдинова и др., 2019; Романов и др., 2019; Поволоцкая, 2020). В осенний период на обрабатываемых и фоновых участках инвертазная активность была выше, чем весной, при этом наибольшие ее значения наблюдались на фоновых участках. Отмечена корреляционная связь между инвертазной активностью и содержанием гумуса (весна: г=0.54, р=0.001; осень: г=0.38, р=0.000), величиной рН (весна: г=0.69, р=0.017; осень: г=0.50, р=0.004), щелочно-гидролизуемого (осень: г=0.87, р=0.011).

Уреаза катализирует разложение мочевины на угольную кислоту и аммоний. В результате этой реакции аммоний служит непосредственным источником азотного питания растений (Калашников и др., 2020). Наибольшая активность уреазы наблюдается на фоновых участках 1 и 2. В почвах при традиционном земледелии активность уреазы выше, чем при органическом. Это может быть связано, как и с их низкой гумусиро-ванностью, так и с тем, что на поля с традиционной системой земледелия вносилась аммиачная селитра, которая могла способствовать увеличению активности ферментов, участвующих в азотном обмене. Статистическая обработка показала

наличие значимой корреляционной зависимости между уреазной активностью и рН почв (весна: r=1.00, p=0.003; осень: r=0.77, p=0.012), содержанием гумуса (весна: r=0.94, p=0.001; осень: r=0.94, p=0.002), щелочногидролизуемого азота (весна: r=0.89, p=0.027; осень: r=0.35, p=0.013).

Вероятно, более высокое содержание некоторых агрохимических показателей осенью связано с возрастанием ферментативной активности в этот период, что в свою очередь говорит о высокой интенсивности микробиологических процессов, связанных с большим поступлением пожнивных остатков в почву и с благоприятными погодными условиями (средняя температура воздуха в августе 22.5 °C, осадки 21 мм).

Заключение

Органическое земледелие оказывает положительное воздействие на эколого-биологическое состояние и агрохимические параметры серых лесных почв. В почвах органической системы земледелия содержание гумуса, азота и фосфора возрастает относительно традиционной. От весны к осени наблюдаются изменения как агрохимических, так и биохимических показателей состояния. Корреляционный анализ указывает на наличие статистически значимых положительных связей между агрохимическими показателями и ферментативной активностью почв, в особенности уреазы и инвертазы.

Список литературы

1. Александрова А.Б., Иванов Д.В., Маланин В.В., Хаса-нов Р.Р., Марасов А.А., Паймикина Э.Е., Рупова Э.Х. Динамика содержания гумуса и его запасов в почвах Республики Татарстан // Российский журнал прикладной экологии. 2015. №3. С. 13-17.

2. Безуглова О.С., Наими О.И., Полиенко Е.А., Лыхман В.А., Дубинина М.Н., Поволоцкая Ю.С., Патрикеев Е.С. Ферментативная активность чернозема обыкновенного при разложении соломы в почве // Успехи современного естествознания. 2019. №12. С. 199-204. doi: 10.17513/use.37289.

3. Зинченко М.К., Зинченко С.И. Биологическая диагностика экологического состояния серой лесной почвы в условиях интенсивной агрогенной нагрузки // Земледелие. 2023. №1. С. 14-18. doi: 10.24412/0044-3913-2023-1-14-18.

4. Калашников Р.П., Семенова Е.А., Фокин С.А., Захарова Е.Б. Влияние минеральных удобрений на ферментативную активность чернозёмовидной почвы под посевами кукурузы // Дальневосточный аграрный вестник. 2020. №3. С. 26-34.

5. Кулагина В.И., Сунгатуллина Л.М., Рязанов С.С., Ша-гидуллин Р.Р., Андреева А.А. Информативность микробиологических и биохимических параметров для мониторинга почв при органическом земледелии // Региональные геосистемы. 2021. №4. С. 459-470.

6. Максимов Д.А., Валкама Е., Минин В.Б., Ранта-Кор-хонен Т., Захаров А.М. Подходы к освоению органического земледелия // АгроЭкоИнженерия. 2020. №4. С. 101-113.

7. Мерзлая Г.Е., Афанасьев Р.А. Эффективность органического земледелия // Плодородие. 2020. №5. С. 56-60. doi:

10.25680/S19948603.2020.116.16.

8. Романов В.Н., Заушинцена А.В., Кожевников Н.В. Применение показателей активности ферментов для оперативной диагностики экологического состояния агрогенных почв // Достижения науки и техники АПК. 2019. №7. С. 44-47.

9. Поволоцкая Ю.С. Общее представление о почвенных ферментах // Международный журнал гуманитарных и естественных наук. 2020. №1-1. С. 21-23. doi: 10.24411/2500-1000-2020-10005.

10. Семенов А.М., Глинушкин А.П., Соколов М.С. Органическое земледелие и здоровье почвенной экосистемы // Достижения науки и техники АПК. 2016. №8. С. 5-8.

11. Хазиев Ф.Х. Экологические связи ферментативной активности почв // Экобиотех. 2018. №2. С. 80-92. doi: 10.31 163/2618-964X-2018-1-2-80-92.

12. Ямалтдинова В.Р., Завьялова Н.Е., Субботина М.Г. Влияние длительного применения систем удобрений на агрохимические и биологические показатели дерново-подзолистой почвы Среднего Предуралья // Пермский аграрный вестник. 2019. №3. С. 95-102.

References

1. Aleksandrova A.B., Ivanov D.V., Malanin V.V., Hasanov R.R., Marasov A.A., Pajmikina E.E., Rupova E.H. Dinamika soderzhaniya gumusa i ego zapasov v pochvah respubliki Tatarstan [Dynamics of humus content and its reserves in soils of the Republic of Tatarstan] // Rossijskij zhurnal prikladnoj ekologii [Russian journal of applied ecology]. 2015. No 3. P. 13-17.

2. Bezuglova O.S., Naimi O.I., Polienko E.A., Lyhman V.A., Dubinina M.N., Povolockaya Yu.S., Patrikeev E.S. Fermentativnaya aktivnost' chernozema obyknovennogo pri razlozhenii solomy v pochve [Enzymatic activity of ordinary chernozem during the decomposition of straw in the soil] // Uspekhi sovremennogo estestvoznaniya [Advances in modern natural science]. 2019. No 12. P. 199-204. doi: 10.17513/ use.37289.

3. Zinchenko M.K., Zinchenko S.I. Biologicheskaya diagnostika ekologicheskogo sostoyaniya seroj lesnoj pochvy v usloviyah intensivnoj agrogennoj nagruzki [Monitoring of urease enzymatic activity in gray forest soils of the Upper Volga region] // Zemledelie [Agriculture]. 2023. No 1. P. 14-18. doi: 10.24411/0044-3913-2020-10605.

4. Kalashnikov R.P., Semenova E.A., Fokin S.A., Zaharova E.B. Vliyanie mineral'nyh udobrenij na fermentativnuyu aktivnost' chernozyomovidnoj pochvy pod posevami kukuruzy [The influence of mineral fertilizers on the enzymatic activity of chernozem-like soil under corn crops] // Dal'nevostochnyj agrarnyj vestnik [Far Eastern agrarian bulletin]. 2020. No 3. P. 26-34.

5. Kulagina V.I., Sungatullina L.M., Ryazanov S.S., Shagidullin R.R., Andreeva A.A. Informativnost' mikrobiologicheskih i biohimicheskih parametrov dlya monitoringa pochv pri organicheskom zemledelii [Information content of microbiological and biochemical parameters for soil monitoring in organic farming] // Regional'nye geosistemy [Regional geosystems]. 2021. No 4. P. 459-470.

6. Maksimov D.A., Valkama E., Minin V.B., Ranta-Korhonen T., Zaharov A.M. Podhody k osvoeniyu organicheskogo zemledeliya [Approaches to the development of organic farming] // AgroEkolnzheneriya [AgroEcoEngineering]. 2020. No 4. P. 101-113.

7. Merzlaya G.E., Afanas'ev R.A. Effektivnost' organicheskogo zemledeliya [Efficiency of organic farming] // Plodorodie [Fertility]. 2020. No 5. P. 56-60. doi: 10.25680/

S19948603.2020.116.16.

8. Romanov V.N., Zaushincena A.V., Kozhevnikov N.V. Primenenie pokazatelej aktivnosti fermentov dlya operativnoj diagnostiki ekologicheskogo sostoyaniya agrogennyh pochv [Application of enzyme activity indicators for rapid diagnostics of the ecological state of agrogenic soils] // Dostizheniya nauki i tekhniki APK [Achievements of science and technology of the agro-industrial complex]. 2019. No 7. P. 44-47.

9. Povolockaya Yu.S. Obshchee predstavlenie o pochvennyh fermentah [General idea of soil enzymes] // Mezhdunarodnyj zhurnal gumanitarnyh i estestvennyh nauk [International journal of humanities and natural sciences]. 2020. No 1-1. P. 21-23. doi: 10.24411/2500-1000-2020-10005.

10. Semenov A.M., Glinushkin A.P., Sokolov M.S. Organicheskoe zemledelie i zdorov'e pochvennoj ekosistemy [Organic farming and soil ecosystem health] // Dostizheniya nauki i tekhniki APK [Achievements of science and technology of the agro-industrial complex]. 2016. No 8. P. 5-8.

11. Haziev F.H. Ekologicheskie svyazi fermentativnoj aktivnosti pochv [Ecological connections of enzymatic activity of soils] // Ekobiotekh [Ecobiotech]. 2018. No 2. P. 80-92. doi: 10.31163/2618-964X-2018-1-2-80-92.

12. Yamaltdinova V.R., Zav'yalova N.E., Subbotina M.G. Vliyanie dlitel'nogo primeneniya sistem udobrenij na agrohimicheskie i biologicheskie pokazateli dernovo-podzolistoj pochvy Srednego Predural'ya [The influence of long-term use of fertilizer systems on agrochemical and biological parameters of sod-podzolic soil of the Middle Urals] // Permskij agrarnyj

vestnik [Perm agrarian bulletin]. 2019. No 3. P. 95-102.

Gordeeva K.A., Koltsova T.G., Kulagina V.I., Sungatullina L.M., Khairullina A.M. Impact of various farming systems on agrochemical and biochemical characters in gray forest soil.

The article presents the results of agrochemical and biochemical examination of gray forest soils of the Republic of Tatarstan used in organic and conventional farming.

In spring and autumn periods the content of humus, mobile forms of phosphorus and nitrogen was higher in the soils of the organic farming system if compared with conventional one. Catalase activity was higher in soils under conventional and organic farming, the activity of invertase and urease increased in background areas. In arable and virgin soils there was statistically significant correlation between the content of humus, nitrogen, pH and enzymatic activity.

Keywords: organic farming; gray forest soils; enzymatic activity; agrochemical characters.

Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию / Entered the editorial office: 19.08.2024 Одобрено рецензентами / Approved by reviewers: 29.08.2024 Принята к публикации / Accepted for publication: 06.09.2024

Сведения об авторах

Гордеева Карина Андреевна, научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: karina_869@mail.ru.

Кольцова Татьяна Геннадьевна, кандидат биологических наук, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: t@koltcov.com.

Кулагина Валентина Ивановна, кандидат биологических наук, ведущий научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: viksoil@mail.ru.

Сунгатуллина Люция Мансуровна, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: sunlyc@yandex.ru.

Хайруллина Алина Маратовна, младший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: his.alina94@mail.ru.

Information about the authors

Karina A. Gordeeva, Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: karina_869@mail.ru.

Tatiana G. Koltcova, Ph.D. in Biology, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: t@koltcov.com.

Valentina I. Kulagina, Ph.D. in Biology, Leading Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: viksoil@mail.ru.

Lutsia M. Sungatullina, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: sunlyc@yandex.ru.

Alina M. Hairullina, Junior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, Russia, 420087, E-mail: his.alina94@mail.ru.

УДК 574.3 (592)

С. А. Ермолов

Центр по проблемам экологии и продуктивности лесов РАН, ermserg96@gmail.com

ВЕРТИКАЛЬНОЕ РАСПРЕДЕЛЕНИЕ ДОЖДЕВЫХ ЧЕРВЕЙ В ПОЧВЕ СОСНЯКОВ И БЕРЕЗОВО-ОСИНОВЫХ ЛЕСОВ (НА ПРИМЕРЕ ЛЕСОСТЕПНОГО ПРИОБЬЯ НОВОСИБИРСКОЙ ОБЛАСТИ)

В работе представлен сравнительный анализ вертикального распределения дождевых червей в почве сосняков разнотравных и березово-осиновых папоротниковых лесов. Исследование проводили на территории лесостепного Приобья Новосибирской области, где данные группы типов леса считаются наиболее распространенными. При сборе материала была использована стандартная методика послойного отбора почвенно-зоологических проб с учетом региональной специфики почв и лесной мозаичности. Оценку вариантов вертикального распределения дождевых червей в почве мы проводили по следующим параметрам: онтогенетическое состояние, принадлежность к жизненной форме, плотность населения и биомасса. Нами учитывались различия в видовом составе комплексов дождевых червей, почвенные и лесорастительные условия. В сосняках разнотравных основу населения составляют подстилочные и собственно-почвенные среднеярусные черви, в березово-осиновых папоротниковых лесах - почвенно-подстилочные и собственно-почвенные верхнеярусные черви. Норные черви в обоих группах типов леса немно-гочислены. В сосняках наибольшие показатели плотности населения дождевых червей отмечены в слое почвы 0-2 см, с глубиной их значение резко уменьшается; в березово-осиновых лесах наибольшая плотность населения червей также в слое 0-2 см, но в остальных слоях почвы ее значения практически одинаковы. Общие показатели биомассы дождевых червей в одной группе типов леса примерно одинаковы в каждом слое, но показатели в березово-осиновых лесах существенно выше таковых в сосняках. В пределах лесных микроместообитаний одной группы типов леса значимых различий в закономерностях вертикального распределения дождевых червей не выявлено. Наибольший вклад в общую плотность населения комплексов дождевых червей вносят ювенильные особи, в общую биомассу - взрослые, даже при сравнительно невысокой численности. Установлено, что у подстилочных и норных дождевых червей не наблюдается приуроченности разных онтогенетических стадий к определенным слоям почвы, в то время как у почвенно-подстилочных и собственно-почвенных верхне- и среднеярусных дождевых червей были выявлены четкие закономерности в вертикальном распределении особей разных возрастов по глубине.

Ключевые слова: дождевые черви; вертикальное распределение; жизненные формы; онтогенетические стадии; лесостепное Приобье.

DOI: https://doi.org/10.24852/2411-7374.2024.3.39.48

Введение

Большая часть отечественных исследований биологии и экологии дождевых червей посвящена изучению их биотопической приуроченности и географического распространения (Малевич, 1976; Перель, 1979). Немаловажную роль сыграли комплексные исследования люмбрикофауны в лесных, степных и интразональных местообитаниях (Гриб, 1950; Рапопорт, 2013; Гераськина, Шевченко, 2018; Ермолов, 2020; Ким-Кашмен-ская, 2020), а также эксперименты, позволившие выявить весьма примечательные физиологические характеристики отдельных видов, например, способность к холодо- и засухоустойчивости

(Берман и др., 2001, 2019; Кудряшева, 2003; Мещерякова, 2011), особенности питания и пищевые предпочтения (Курчева, 1971). На основании совокупности анатомо-морфологических описаний, генетического разнообразия и обнаруженных различий в образе жизни у дождевых червей были выделены жизненные формы (Перель, 1975) и описан внутривидовой полиморфизм (Шеховцов и др., 2020а, б; Zhang et al., 2020).

Однако лишь в немногих работах рассматривалась одна из ключевых особенностей образа жизни дождевых червей, а именно, их вертикальное распределение в почве. Вертикальное распределение в почве учитывалось в качестве одного из

признаков при первых попытках создания классификации жизненных форм дождевых червей (Балуев, 1950). М.Н. Горизонтова (Горизонтова и др., 1957) изучала сезонные и годовые миграции дождевых червей в почвенном профиле с помощью анализа вертикального распределения отдельных видов. Оценка вертикального распределения плотности населения и биомассы почвенных беспозвоночных в разных типах леса Беловежской пущи представлена Г.А. Козулько (1998). В последние десятилетия фаунистические сборы и количественные учеты дождевых червей в основном проводили методом разбора почвенных монолитов, глубина которых зачастую не превышала 10-15 см (Гончаров, 2014; Geraskina, Ки-ргт, 2021). В них не учитывалось вертикального распределения биомассы и плотности населения дождевых червей в почве, которое взаимосвязано с онтогенетическим состоянием червей и их принадлежностью к определенной жизненной форме.

Одним из наиболее своеобразных местообитаний для дождевых червей являются лесные экосистемы, которым свойственны не только различия почвенных и растительных условий в разных типах леса, но и структурная неоднородность в пределах одного типа, обусловленная лесной мозаичностью, то есть наличием отдельных микроместообитаний: подкроновых и межкроновых пространств и «окон» - больших прорывов в пологе (Смирнова, 1998). В ряде исследований установлено, что в разных лесных микроместообитаниях нередко наблюдались существенные различия в таксономическом и функциональном разнообразии почвообитающих беспозвоночных, в том числе дождевых червей (Гончаров, 2014; Shevchenko et а1., 2021). Вертикальное распределение дождевых червей в почвах лесных микроместообитаний ранее не исследовали.

Цель данной работы - сравнительный анализ вертикального распределения дождевых червей с учетом их функционального разнообразия и онтогенетического состояния в почве микроместообитаний двух разных групп типов леса.

Материалы и методы исследования

Исследование проводили в летние сезоны 2021-2022 гг. на территории лесостепного Приобья Новосибирской области, где наиболее распространенными группами типов леса являются сосняки разнотравные (окрестности д. Бурмистрово, Кудряшовский бор, Заельцовский бор) и березово-осиновые папоротниковые леса (окрестности п. Каменушка, п. Морозово, с. Быково) (Таран и др., 1979). Во всех лесах заклады-

вали по три площадки 10^10 м для исследования подкронового и межкронового пространства и выделяли три «окна», согласно классификации О.В. Смирновой (1998). В каждом выделенном микроместообитании отбирали по пять почвен-но-зоологических проб по методике М.С. Гиляро-ва (Методы ..., 1975) в обработке И.В. Стебаева (1995), предложенной для оценки вертикального распределения педобионтов с учетом специфики почвенно-зоологических комплексов региона: на участке почвы 25x25 см послойно выкапывали слои 0-2 см, 2-5 см, 5-10 см и 10-30 см и разбирали вручную, извлекая дождевых червей, которых фиксировали этанолом. В лабораторных условиях зафиксированные черви были взвешены и определены до видов и жизненных форм, принадлежность к онтогенетическому состоянию (взрослые или ювенильные особи) определяли по степени развития пояска, пубертатных валиков и, при наличии, железистых полей (Перель 1975; Всеволодова-Перель 1997); значения плотности населения и биомассы дождевых червей рассчитывали на единицу площади (экз./м2, г/м2). Статистическую обработку и графическое представление полученных данных проводили с помощью программ Microsoft Office Excel 2019 и Past 3.24 (критерий Краскела-Уоллиса).

Всего было отобрано 270 почвенно-зоологиче-ских проб на общей площади 16.9 м2 и определено 3825 особей дождевых червей.

Результаты и их обсуждение

В ходе работы были обнаружены дождевые черви (Lumbricidae) следующих видов, подвидов и жизненных форм:

• подстилочные: Dendrobaena octaedra (Savigny, 1826), Dendrodrilus rubidus (Eisen, 1874), Eisenia sibirica Perel et Graphodatsky, 1984;

• почвенно-подстилочные: Eisenia nor-denskioldi nordenskioldi (Eisen, 1873), Lumbricus rubellus Hoffmeister, 1843;

• собственно-почвенные верхнеярусные: Octolasion lacteum (Orley, 1885);

• собственно-почвенные среднеярусные: Aporrectodea caliginosa (Savigny, 1826), Eisenia nordenskioldipallida Malevic, 1956;

• норные: Eisenia nordenskioldi nordenskioldi (Eisen, 1873).

Следует отметить, что азиатский подвид Eise-nia nordenskioldi nordenskioldi (Eisen, 1873) считается полиморфным. Изначально было установлено, что в пределах подвида существует несколько полиплоидных рас, различающихся по числу хромосом — 24 у диплоидной, 144 у октоплоидной (Перель, Графодатский, 1983). В дальнейших

исследованиях на территории Сибири у E. n. nor-denskioldi были обнаружены мелкая и крупная размерные формы, впоследствии отнесенные к разным жизненным формам при детальном изучении их образа жизни — почвенно-подстилоч-ной и норной, соответственно, которые в свою очередь, почти не различались при сравнении по биохимическим маркерам (Перель, 1994; Всево-лодова-Перель, Лейрих, 2014; Ермолов, 2020). Также при изучении разнообразия фрагмента гена cox I у E. n. nordenskioldi было выявлено девять генетических линий (Шеховцов и др., 2017), однако, среди них нет четкой приуроченности к определенной жизненной форме.

Основу населения разнотравных сосняков составляют подстилочные и собственно-почвенные среднеярусные черви, большая часть которых представлена D. octaedra и E. n. pallida, соответственно. В березово-осиновых папоротниковых лесах преобладают почвенно-подстилочные и собственно-почвенные верхнеярусные черви с доминированием L. rubellus и O. lacteum, соответственно, также обильны собственно-почвенные среднеярусные A. caliginosa. Норные черви в каждой группе типов леса представлены E. n. nordenskioldi. Почти все почвенно-подстилочные черви сосняков относятся к соответствующей форме E. n. nordenskioldi; подстилочные D. rubi-dus и E. sibirica немногочислены в почве обоих групп типов леса, так как в основном населяют валежник (Ермолов, 2024).

Из полученных результатов следует, что в разнотравных сосняках дождевые черви сосредоточены в верхнем слое почвы 0-2 см, который населяют представители всех обнаруженных жизненных форм (рис. 1): у подстилочных червей, доми-нантов этого слоя, в подкроновом и межкроновом пространствах преобладают взрослые формы, в «окнах» численность возрастов сопоставима. В слое 2-5 см подстилочных червей обоих возрастов заметно меньше, глубже они встречаются единично и крайне редко. Плотность населения ювенильных и взрослых особей почвенно-под-стилочных форм в слоях 0-2 и 2-5 см невысока; ювенильные особи собственно-почвенных верхнеярусных червей в подкроновом и межкроновом пространствах также населяют слои 0-2 и 2-5 см, взрослые особи единично встречаются по всем слоям почвы, в окнах данная форма почти отсутствует. Взрослые особи собственно-почвенных среднеярусных дождевых червей единично встречаются в слое 0-2 см, в остальных слоях почвы значения их плотности населения почти одинаковы и довольно низки; ювенильные особи наиболее обильны в слое 2-5 см, с глубиной их

плотность населения уменьшается. Наибольшие суммарные значения плотности населения дождевых червей отмечены в слоях почвы 0-2 и 2-5 см, наименьшие - в слоях 5-10 и 10-30 см. Эти закономерности наблюдались во всех микроместообитаниях сосняков, но статистически значимые различия между показателями в некоторых слоях почвы были выявлены только в подкроновом и межкроновом пространствах (рис. 1).

В березово-осиновых папоротниковых лесах плотность населения дождевых червей значительно выше, чем в сосняках. Дождевые черви практически равномерно распределены в каждом микроместообитании по слоям почвы 2-5, 5-10 и 10-30 см, а наибольшие значения их плотности населения отмечены в слое 0-2 см, что обусловлено высокой численностью ювенильных особей, особенно почвенно-подстилочных и собственно-почвенных верхнеярусных форм, однако статистически значимых различий между показателями в разных слоях почвы не наблюдалось (рис. 1). Для данной группы типов леса характерны следующие закономерности распределения онтогенетических стадий дождевых червей: у почвенно-подстилочных форм наибольшая плотность населения ювенильных особей сосредоточена в слое 0-2 см, значения которой с глубиной уменьшаются, а взрослые особи чаще встречаются в слоях 2-5 и 5-10 см. Собственно-почвенные верхне- и среднеярусные черви «пронизывают» все слои почвы, но с увеличением глубины прослеживается увеличение плотности населения взрослых и уменьшение таковой ювенильных особей. Плотность населения подстилочных червей довольно низкая, особи всех возрастов главным образом населяют слой 0-2 см (рис. 1).

Показатели вертикального распределения биомассы дождевых червей весьма наглядно дополняют полученные закономерности (рис. 2). Ввиду небольшого размера и малого веса подстилочных червей и низкой плотности населения представителей прочих форм, в сосняках значения общей биомассы дождевых червей как бы «выравниваются» по всем слоям почвы в каждом микроместообитании — показатели невысокие и статистически значимо не отличаются друг от друга. В березово-осиновых папоротниковых лесах также наблюдается некая «выравненность»; показатели общей биомассы выше, чем в сосняках, но при этом статистически значимо не различаются между собой в пределах микроместообитания (рис. 2). Ювенильные особи в данной группе типов леса вносят весомый вклад в значение показателей общей плотности населения дождевых червей, в то время как вклад в общую биомассу в

Подкроновое пространство

77 экз./м2

Подкроновое пространство

10-30 см ВЭ

126 экз./м2

0 20 40 60 80 100 120 140

Межкроновое пространство

1 9 111 i ¿ 85 экз./мг

О 20 40 60 80 100 120 140

Межкроновое пространство

48 ЭКЗ./М2

78 ЭКЗ./м2

104 экз./м2

]ns

100 120

100 120

1 74 экз./м2

2-5 см

llM

19 ЭКЗ./м2

10-30 см РШ; 1 о ЭКЗ./М2

100 120 140 0 20

Плотность населения, экз./м2

- 1

- 3 -4l -5S-6Í-71-8Í-9

10

Рис. 1. Вертикальное распределение плотности населения дождевых червей в микроместообитаниях

сосняков (слева) и березово-осиновых лесов (справа) Условные обозначения: 1 - подстилочные (adult); 2 - подстилочные (juv); 3 - почвенно-подстилочные (adult); 4 - почвен-но-подстилочные (juv); 5 - собственно-почвенные верхнеярусные (adult); 6 - собственно-почвенные верхнеярусные (juv); 7 -собственно-почвенные среднеярусные (adult); 8 - собственно-почвенные среднеярусные (juv); 9 - норные (adult); 10 - норные (juv); a,b,c,d - статистически значимые различия (p <0.05), одинаковыми буквами отмечены различающиеся показатели;

Отсутствие подписей - плотность населения менее 4 экз./м2 ns — отсутствие статистически значимых различий.

Fig. 1. Vertical distribution of earthworm population density in microsites ofpine forests (at left) and

birch-aspen forests (at right) Graphical symbols: 1 - epigeic (adult); 2 - epigeic (juv); 3 - epi-endogeic (adult); 4 - epi-endogeic (juv); 5 - upper-soil-layer en-dogeic (adult); 6 - upper-soil-layer endogeic (juv); 7 - middle-soil-layer endogeic (adult); 8 - middle-soil-layer endogeic (juv); 9 - anecic (adult); 10 - anecic (juv); a,b,c,d - statistically significant differences (p <0.05), different values are marked with the same letters. The absence of caption means the population density of less than 4 ind./m2 ns — absence of statistically significant differences.

основном приходиться на взрослых особей; ведь в самых населенных слоях почвы 0-2 см показатели биомассы меньше, чем в остальных слоях (межкроновое пространство и «окна») или сопоставимы с ними (подкроновое пространство). Закономерности вертикального распределения биомассы дождевых червей у разных возрастов отдельных жизненных форм полностью совпадают с таковыми, выявленными при анализе плотности населения: наибольшие значения биомассы ювенильных особей почвенно-подстилочных и собственно-почвенных верхнеярусных форм отмечены в слое почвы 0-2 см; наибольшие значения биомассы взрослых особей почвенно-подсти-

лочных форм наблюдаются в слоях 2-5 и 5-10 см, собственно-почвенных верхнеярусных — 5-10 и 10-30 см. У собственно-почвенных среднеярус-ных форм схожая закономерность распределения биомассы более четко прослеживается только в «окнах», так как в подкроновом и межкроновом пространствах плотность населения взрослых червей довольно низка и показатели их биомассы сопоставимы с таковыми у ювенильных, которые несмотря на высокую численность имеют сравнительно малый вес. У подстилочных форм заметный вклад в общую биомассу прослеживается только у взрослых особей (рис. 2).

Отдельно следует отметить роль норных чер-

Рис. 2. Вертикальное распределение биомассы дождевых червей (г/м2) в микроместообитаниях сосняков (слева) и березово-осиновых лесов (справа) Отсутствие подписей - биомасса менее 1 г/м2 Условные обозначения: см. на рисунке 1 Fig. 2. Vertical distribution of earthworm biomass in microsites of pine forests (at left) and birch-aspen

forests (at right) The absence of captions means a biomass less than 1 g/m2 Symbols: see figure 1

вей E. n. nordenskioldi. В отдельных микроместообитаниях обоих групп типов леса плотность населения ювенильных особей очень низкая, а взрослые зачастую встречаются единично, но при этом вклад последних в общую биомассу комплекса дождевых червей довольно существенен из-за крупных размеров. Поскольку представители этой жизненной формы обитают в продольных вертикальных ходах и питаются растительным опадом (Перель, 1975, 1979), то обнаружить их можно в любом слое почвы, что и наблюдалось в данном исследовании (рис. 1, 2).

В имеющихся работах по оценкам вертикального распределения педобионтов дождевые черви рассмотрены исключительно на уровне семейства, видов или в составе группы почвенных сапрофагов (Горизонтова и др., 1957; Гришина, 1968; Волковинцер, 1973; Козулько, 1998). Наше исследование показало, что в каждом лесном микроместообитании закономерности вертикального распределения дождевых червей в почве схожи, однако, они существенно различаются в двух

контрастных группах типов леса. Полученные различия обосновываются взаимосвязью некоторых экологических факторов лесных биотопов с принадлежностью дождевых червей к определенной жизненной форме, их онтогенетическим состоянием, а также показателями плотности населения и биомассы.

В сосняках разнотравных с дерново-слабоподзолистыми песчаными почвами подстилка мощная (до 8 см), а гумусовый горизонт слаборазвитый (Таран и др., 1979), что обуславливает высокую численность дождевых червей в верхних слоях почвы (0-2 см), среди которых преобладает D. octaedra - широко распространенный в бореальной и лесостепной зоне подстилочный вид, приспособленный к обитанию в кислых и слабогумусированных почвах (Берман, 2001; Мещерякова, 2011). В свою очередь, в березово-осиновых лесах подстилка маломощная (2-4 см) и подстилочные черви по большей части обитают в валежнике (Ермолов, 2024). Подстилочные чер-

ви не расселяются на большие глубины, поэтому у них не наблюдается четкого разделения разных возрастов по конкретным слоям почвы в обоих группах типов леса.

Поскольку дождевые черви откладывают яйцевые коконы ближе к поверхности почвы (Пе-рель, 1979), то в каждой группе типов леса в слое 0-2 см у прочих жизненных форм преобладают ювенильные особи.

Лиственная подстилка березово-осиновых лесов более питательна для почвенно-подстилоч-ных червей, в частности, зачастую единственного, но обильно встречающегося представителя этой формы L. rubellus, в то время как в сосняках кислую хвойную подстилку с примесью листвы подлеска населяет более выносливый и немногочисленный E. n. nordenskioldi (почвенно-подсти-лочная форма) (Берман и др., 2019). Наибольшая численность ювенильных особей этой формы отмечена в слое почвы 0-2 см (в сосняках значение ниже, в березово-осиновых лесах выше). Взрослые особи, питающиеся на поверхности, обычно населяют гумусовый горизонт (Перель, 1975), поэтому в сосняках они практически не встречаются глубже 2-5 см, а в березово-осиновых лесах с темно-серыми лесными почвами, которые умеренно увлажнены и имеют сравнительно мощный гумусовый горизонт (Таран и др., 1979), могут достигать слоя 10-30 см, но чаще всего обитают в слоях 2-5 и 5-10 см. Также темно-серые лесные почвы березово-осиновых лесов благоприятствуют обилию собственно-почвенного верхнеярусного O. lacteum - влаголюбивого калькофильно-го гумуспотребителя, столь редкого в сосняках и изобилующего в речных поймах и мелколиственных лесах лесостепного Приобья Новосибирской области (Ермолов, 2020, 2024). В нашем случае, вид является одним из доминантов березово-оси-новых папоротниковых лесов, ювенильные особи которого, особенно мелкие, недавно вышедшие из коконов, преобладают в слое почвы 0-2 см; с глубиной их численность уменьшается, при этом чаще встречаются ювенильные особи более крупных размеров, а численность взрослых растет и достигает максимума в слоях 5-10 и 10-30 см. Гумусовый горизонт в темно-серых лесных почвах может достигать 15-25 см, а представители данной жизненной формы не только питаются в гумусовом горизонте, но и населяют его (Перель, 1975). Такую же закономерность распределения мы наблюдаем и у группы собственно-почвенных среднеярусных червей, питающихся в гумусовом горизонте и прокладывающих ходы в минеральном (Перель, 1979). В сосняках они практически полностью представлены E. n. pallida, для кото-

рого характерны холодо- и засухоустойчивость (взрослые и ювенильные особи были обнаружены в слое 10-30 см, где уже начинался песчаный горизонт), но при этом сравнительной небольшой размер и вес по сравнению с обитающим в березово-осиновых папоротниковых лесах A. caliginosa, взрослые особи которого, несмотря на низкую численность, вносят значительный вклад в общую биомассу комплекса, нередко превосходя по весу ювенильных, численность которых намного выше (рис. 1, 2).

Норные черви E. n. nordenskioldi ввиду своей экологической пластичности населяют практически все типы лесов Западной Сибири (Всеволодо-ва-Перель, Лейрих, 2014). Иногда представители данной группы откладывают коконы не у поверхности почвы, а в ответвлениях своих ходов (Перель, 1975; Гераськина, Шевченко, 2018), поэтому ювенильных особей, как и взрослых, возможно обнаружить на разных глубинах. Следовательно, у норных форм, как и у подстилочных, не наблюдается четких закономерностей в вертикальном распределении возрастов по слоям почвы.

Таким образом люмбрикофауна в разных группах типов леса различается не только по видовому и функциональному разнообразию, но и по особенностям вертикального распределения отдельных жизненных форм в почве.

Заключение

В ходе исследования выявлены закономерности вертикального распределения дождевых червей в почве лесов, обусловленные их онтогенетической стадией и принадлежностью к определенной жизненной форме. У подстилочных и норных форм не наблюдается приуроченности разных возрастов к определенной глубине почвы: взрослые и ювенильные подстилочные черви изобилуют в слое 0-2 см, норные - встречаются на разных глубинах. Напротив, у почвенно-под-стилочных и собственно-почвенных верхне- и среднеярусных дождевых червей были выявлены четкие закономерности в вертикальном распределении возрастов по конкретным слоям почвы: у всех трех форм ювенильные особи преобладают в слое 0-2 см; взрослые особи почвенно-подсти-лочных червей в основном сосредоточены в слое 2-5 и 5-10 см, собственно-почвенных - в слоях 5-10 и 10-30 см (особенно ярко это прослеживается в березово-осиновых лесах).

На территории лесостепного Приобья Новосибирской области различия в вертикальном распределении комплексов дождевых червей в почве разных групп типов леса объясняются их видовым и функциональным разнообразием,

что, в свою очередь, зависит от почвенных и ле-сорастительных условий. При этом в почве разных микроместообитаний одной группы типов леса не наблюдается различий в закономерностях вертикального распределения дождевых червей. Показатели плотности населения и биомассы дождевых червей во всех слоях почвы березово-осиновых папоротниковых лесов были выше, чем в сосняках разнотравных. Наибольший вклад в общие показатели плотности населения комплексов вносят ювенильные дождевые черви, в общие показатели биомассы — взрослые.

Работа выполнена в рамках проекта «Кли-маторегулирующие функции и биоразнообразие лесов» (рег. номер НИОКТР 122111500023-6). Автор выражает благодарность старшему научному сотруднику ЦЭПЛ РАН, к.б.н. А.П. Ге-раськиной, старшим преподавателям Кафедры общей биологии и экологии НГУ М.Н. Ким-Каш-менской и В.В. Молодцову за консультации по вопросам определения, экологии и биологии дождевых червей и помощь в обработке данных.

Список литературы

1. Балуев В.К. Дождевые черви основных почвенных разностей Ивановской области // Почвоведение. 1950. №4. С. 219-227.

2. Берман Д.И., Мещерякова Е.Н., Алфимов А.В., Лейрих А.Н. Распространение дождевого червя Dendrobaena octae-dra (Oligochaeta, Lumbricidae) из Европы в Северную Азию ограничено недостаточной морозостойкостью // Доклады Академии наук. 2001. Т. 377, №3. С. 415-418.

3. Берман Д.И., Булахова Н.А., Мещерякова Е.Н., Ше-ховцов С.В. Холодоустойчивость и распространение генетических линий дождевого червя Eisenia nordenskioldi (Oligochaeta, Lumbricidae) // Известия РАН. Серия биологическая. 2019. №5. С. 457-465. doi: 10.1134/S0002332919050047.

4. Волковинцер В.В. Структура животного населения почв высотно-поясных ландшафтов Горного Алтая // Экология и структура населения почвообитающих животных Алтая. Новосибирск: Изд-во НГУ, 1973. С. 195-222.

5. Всеволодова-Перель Т.С. Дождевые черви фауны России. Кадастр и определитель. М.: Наука, 1997. 102 с.

6. Всеволодова-Перель Т.С., Лейрих А.Н. Распространение и экология дождевого червя Eisenia nordenskioldi pallida (Oligochaeta, Lumbricidae), массового на юге Сибири и Дальнего Востока // Зоологический журнал. 2014. Т. 93, №1. С. 45-52. doi: 10.7868/S0044513414010206.

7. Гераськина А.П., Шевченко Н.Е. Биотопическая приуроченность дождевых червей в малонарушенных лесах Те-бердинского биосферного заповедника // Лесоведение. 2018. №6. С. 464-478. doi: 10.1134/S0024114818060037.

8. Гончаров А.А. Структура трофических ниш в сообществах почвенных беспозвоночных (мезофауна) лесных экосистем: Дисс. ... канд. биол. наук. М., 2014. 177 с.

9. Горизонтова М.Н., Красная Л.А., Перель Т.С. Наблюдения над распределением и численностью дождевых червей в почве в течение года // Ученые записки МГПУ им. Потемкина. 1957. Т. LXV, №6. С. 161-178.

10. Гриб А.В. Дождевые черви - Lumbricidae / Животный

мир СССР. Т. 3. Зона степей. М., Л.: Изд-во АН СССР, 1950. С. 471-477.

11. Гришина Л.Г. Животное население черноземов и сопутствующих им почв Горного Алтая и его изменение под влиянием сельскохозяйственного использования // Животное население почв в безлесных биогеоценозах Алтае-Са-янской горной системы. Новосибирск: Изд-во НГУ, 1968. С. 209-239.

12. Ермолов С.А. Сообщества дождевых червей (Oligochaeta, Lumbricidae) хвойных и мелколиственных лесов лесостепного Приобья // Вопросы лесной науки. 2020. Т. 3, №2. С. 1-24. doi: 10.31509/2658-607x-2020-3-2-1-24.

13. Ермолов С.А. Влияние лесной мозаичности на функциональное разнообразие дождевых червей (Oligochaeta, Lumbricidae) (на примере лесостепного Приобья Новосибирской области) // Сибирский экологический журнал. 2024. №4. С. 612-624. doi: 10.15372/SEJ20240408.

14. Ким-Кашменская М.Н. Оценка сообществ дождевых червей лесных природных зон юга Западной Сибири // Научные основы устойчивого управления лесами / Материалы Всероссийской научной конференции. М.: ЦЭПЛ РАН, 2020. С. 53-55.

15. Козулько Г.А. Почвенные беспозвоночные ясеневых лесов Беловежской пущи как показатель режима их почв // Весшк Вщебскага дзяржаунага унгверсггэта. 1998. Т. 4, №10. C. 78-82.

16. Кудряшева И.В. Изменение массы тела дождевых червей (Oligochaeta, Lumbricidae) в связи с особенностями их водной регуляции в почвах южной лесостепи // Зоологический журнал. 2003. Т. 82, №5. С. 558-566.

17. Курчева Г.Ф. Роль почвенных животных в разложении и гумификации растительных остатков. М.: Наука, 1971. 155 с.

18. Малевич И.И. Распространение семейства Lumbri-cidae в Европейской части СССР (по картографическим материалам) // Фауна и экология беспозвоночных животных / Сборник трудов. М., 1976. Ч. 1. С. 3-11.

19. Методы почвенно-зоологических исследований / Под ред. М.С. Гилярова. М.: Наука, 1975. 281 с.

20. Мещерякова Е.Н. Устойчивость дождевых червей (Oligochaeta, Lumbricidae, Moniligastridae) к отрицательным температурам // Автореф. дисс. ... канд. биол. наук. СПб, 2011. 19 с.

21. Перель Т.С. Жизненные формы дождевых червей (Lumbricidae) // Журнал общей биологии. 1975. Т. 36, №2. С. 189-202.

22. Перель Т.С. Распространение и закономерности распределения дождевых червей фауны СССР. М.: Наука, 1979. 272 с.

23. Перель Т.С. Дождевые черви (Oligochaeta, Lumbricidae) в лесах Западного Саяна (с описанием нового вида) // Зоологический журнал. 1994. Т. 73, №2. С. 18-22.

24. Перель Т.С., Графодатский А.С. Полиморфизм Eisenia nordenskioldi (Eisen) // Доклады АН СССР. 1983. Т. 269, №4. С. 1019-1021.

25. Рапопорт И.Б. Высотное распределение дождевых червей (Oligochaeta, Lumbricidae) в центральной части Северного Кавказа // Зоологический журнал. 2013. Т. 92, №1. С. 3-10. doi: 10.7868/S0044513413010108.

26. Смирнова О.В. Популяционная организация биоце-нотического покрова лесных ландшафтов // Успехи современной биологии. 1998. Т. 118, вып. 2. С. 148-165.

27. Стебаев И.В., Колпаков В.Э. Экоморфы почвооби-тающих личинок насекомых с полным превращением как биоиндикационные элементы экологического мониторинга. Новосибирск: Редакционно-издательский отдел НГУ, 1995. 93 с.

28. Таран И.В., Кабалин С.И., Бех И.А., Платаис А.Э. Леса и лесное хозяйство Новосибирской области. Новосибирск: Наука, 1979. 269 с.

29. Шеховцов С.В., Берман Д.И., Голованова Е.В., Пель-тек С.Е. Генетическое разнообразие дождевого червя Eisenia nordenskioldi (Lumbricidae, Annelida) // Вавиловский журнал генетики и селекции. 2017. Т. 21, №5. С. 588-595.

30. Шеховцов С.В., Ермолов С.А., Держинский Е.А., По-лубоярова Т.В., Ларичева М.С., Пельтек С.Е. Генетическая и размерная изменчивость Octolasion tyrtaeum (Lumbricidae, Annelida) // Письма в Вавиловский журнал генетики и селекции. 2020a. Т. 6, №1. С. 5-9. doi: 10.18699/Letters2020-6-01.

31. Шеховцов С.В., Рапопорт И.Б., Полубоярова Т.В., Ге-раськина А.П., Голованова Е.В., Пельтек С.Е. Морфотипы и генетическая изменчивость Dendrobaena schmidti (Lumbricidae, Annelida) // Вавиловский журнал генетики и селекции. 2020б. Т. 24, №1. С. 48-54. doi: 10.18699/VJ20.594.

32. Geraskina A., Kuprin A. Functional diversity of earthworm communities in forests in the south of the Russian Far East // Ecological questions. 2021. Vol. 32, iss. 2. P. 81-91. doi: 10.12775/EQ.2021.016.

33. Shevchenko N., Geraskina A., Kuprin A., Grabenko E. The role of canopy gaps in maintaining biodiversity of plants and soil macrofauna in the forests of the northwestern Caucasus // Ecological questions. 2021. Vol. 32, iss. 2. P. 93-110. doi: 10.12775/EQ.2021.017.

34. Zhang Y.F., Ganin G.N., Atopkin D.M., Wu D.H. Earthworm Drawida (Moniligastridae) Molecular phylogeny and diversity in Far East Russia and Northeast China // The European zoological journal. 2020. Vol. 87, iss. 1. P. 180-191. doi:10.1080 /24750263.2020.1741705.

References

1. Baluev V.K. Dozhdevye chervi osnovnyh pochvennyh raz-nostej Ivanovskoj oblasti [Earthworms of the main soil differences of Ivanovo region] // Pochvovedenie [Eurasian soil science]. 1950. No 4. P. 219-227.

2. Berman D.I., Meshcheryakova E.N., Alfimov A.V., Lei-rikh A.N. Rasprostranenie dozhdevogo chervja Dendrobaena oc-taedra (Oligochaeta, Lumbricidae) iz Evropy v Severnuju Aziju ogranicheno nedostatochnoj morozostojkost'ju [Distribution of the earthworm Dendrobaena octaedra (Lumbricidae, Oligochae-ta) from Europe to Asia is restricted by its insufficient freeze tolerance] // Doklady Akademii Nauk [Reports of the Academy of Sciences]. 2001. Vol. 377, No 3. P. 415-418.

3. Berman D.I., Bulahova N.A., Meshherjakova E.N., She-hovcov S.V. Holodoustojchivost' i rasprostranenie geneticheskih linij dozhdevogo chervja Eisenia nordenskioldi (Oligochaeta, Lumbricidae) [Cold resistance and distribution of genetic lines of earthworm Eisenia nordenskioldi (Oligochaeta, Lumbricidae)] // Izvestija RAN. Serija biologicheskaja [News of the Russian Academy of Sciences. Biology series]. 2019. No 5. P. 457-465. doi: 10.1134/S0002332919050047.

4. Volkovintser V.V. Struktura zhivotnogo naselenija pochv vysotno-pojasnyh landshaftov Gornogo Altaja [The animal population structure in soils of high-altitude landscapes of mountain Altai] // Ekologija i struktura naselenija pochvoobitajushhih zhivotnyh Altaja [Ecology and population structure of the Altai soil-dwelling animals]. Novosibirsk, 1973. P. 195-222.

5. Vsevolodova-Perel' T.S. Dozhdevye chervi fauny Rossii: Kadastr i opredelitel' [Earthworms of Russian fauna: inventory and key]. Moscow: Nauka, 1997. 101 p.

6. Vsevolodova-Perel' T.S., Leirikh A.N. Rasprostranenie i jekologija dozhdevogo chervja Eisenia nordenskioldi pallida (Oligochaeta, Lumbricidae), massovogo na juge Sibiri i Dal'ne-go Vostoka [Distribution and ecology of the earthworm Eisenia

nordenskioldi pallida (Oligochaeta, Lumbricidae) dominant in Southern Siberia and the Russian Far East] // Zoologicheskij zhurnal [Russian journal of zoology]. 2014. Vol. 93, No 1. P. 45-52. doi: 10.7868/S0044513414010206.

7. Geraskina A.P., Shevchenko N.E. Biotopicheskaja priu-rochennost' dozhdevyh chervej v malonarushennyh lesah Te-berdinskogo biosfernogo zapovednika [Biotopic association of earthworms in intact forests of Teberda nature reserve] // Lesove-denie [Russian journal of forest science]. 2018. No 6. P. 464-478. doi: 10.1134/S0024114818060037.

8. Goncharov A.A. Struktura troficheskih nish v soobshhest-vah pochvennyh bespozvonochnyh (mezofauna) lesnyh eko-sistem [The structure of trophic niches in the communities of soil invertebrates (mesofauna) of forest ecosystems]: PhD (Cand. of Biol.) thesis. Moscow, 2014. 177 p.

9. Gorizontova M.N., Krasnaja L.A., Perel' T.S. Nabljudenija nad raspredeleniem i chislennost'ju dozhdevyh chervej v pochve v techenie goda [Observations on the distribution and abundance of earthworms in the soil during the year] // Uchenye zapiski MGPU imeni Potemkina [Scientific notes of Moscow State Pedagogical University named after Potemkin]. 1957. Vol. LXV, No 6. P. 161-178.

10. Grib A.V. Dozhdevye chervi - Lumbricidae [Erathworms - Lumbricidae] / Zhivotnyj mir SSSR. Vol. 3. Zona stepej [Fauna of USSR. Vol. 3. Steppe zone]. Moscow, Leningrad: Academy of sciences of USSR, 1950. P. 471-477.

11. Grishina L.G. Zhivotnoe naselenie chernozemov i soput-stvujushhih im pochv Gornogo Altaja i ego izmenenie pod vli-janiem sel'skohozjajstvennogo ispol'zovanija [The animal population of chernozemic soil with accompanying soils in Mountain Altai and its changes due to their agricultural use] // Zhivotnoe naselenie pochv v bezlesnyh biogeocenozah Altae-Sajanskoj gornoj sistemy [The animal population of soils in treeless bio-geocenoses of the Altai-Sayan Mountain system]. Novosibirsk, 1968. P. 209-239.

12. Ermolov S.A. Soobshhestva dozhdevyh chervej (Oligo-chaeta, Lumbricidae) hvojnyh i melkolistvennyh lesov lesostep-nogo Priob'ja [Earthworm communities (Oligochaeta, Lumbricidae) of pine and small-foliage forests in the forest-steppe Ob' region] // Voprosy lesnoj nauki [Forest science issues]. 2020. Vol.

3, No 2. P. 1-24. doi: 10.31509/2658-607x-2020-3-2-1-24.

13. Ermolov S.A. Vlijanie lesnoj mozaichnosti na funkcio-nal'noe raznoobrazie dozhdevyh chervej (Oligochaeta, Lum-bricidae) (na primere lesostepnogo Priob'ja Novosibirskoj oblasti) [Influence of the forest mosaic on functional diversity of earthworms (Oligochaeta, Lumbricidae) (on the example of forest-steppe Ob region in Novosibirsk area)] // Sibirskij jekolog-icheskij zhurnal [Contemporary problems of ecology]. 2024. No

4. P. 612-624. doi: 10.15372/SEJ20240408.

14. Kim-Kashmenskaja M.N. Ocenka soobshhestv dozh-devyh chervej lesnyh prirodnyh zon juga Zapadnoj Sibiri [Assessment of the difference in earthworm communities in forest vegetation zones in the south of Western Siberia] // Nauchnye osnovy ustojchivogo upravlenija lesami [Scientific foundations of sustainable forest management / Materials of the All-Russian scientific conference]. Moscow, 2020. P. 53-55.

15. Kozul'ko G.A. Pochvennye bespozvonochnye jasenevyh lesov Belovezhskoj pushhi kak pokazatel' rezhima ih pochv [Soil invertebrates of ash forests in Belovezhskaya Pushcha as an indicator of its soil regime] // Vesnik Vicebskaga dzjarzhaynaga yniversitjeta [Bulletin of Vitebsk State University]. 1998. Vol. 4, No 10. P. 78-82.

16. Kudrjasheva I.V. Izmenenie massy tela dozhdevyh chervej (Oligochaeta, Lumbricidae) v svjazi s osobennostjami ih vodnoj reguljacii v pochvah juzhnoj lesostepi [Changes in earthworm (Oligochaeta, Lumbricidae) body mass related to their specific water regulation in soils of southern forest-stepppe] //

Zoologicheskij zhumal [Russian journal of zoology]. 2003. Vol. 82, No 5. P. 558-566.

17. Kurcheva G.F. Rol' pochvennyh zhivotnyh v razlozhenii i gumifikacii rastitel'nyh ostatkov [The role of soil animals in decomposition and humification of plant residues]. Moscow: Nauka, 1971. 155 p.

18. Malevich I.I. Rasprostranenie semejstva Lumbricidae v Evropejskoj chasti SSSR (po kartograficheskim materialam) [Distribution of family Lumbricidae in European part of USSR (according to cartographic materials)] // Fauna i ekologija be-spozvonochnyh zhivotnyh. Sbornik statei [Fauna and ecology of invertebrate animals. Collection of articles]. Moscow, 1976. Vol.

1. P. 3-11.

19. Metody pochvenno-zoologicheskih issledovanij [Researching methods of soil zoology]. Moscow: Nauka, 1975. 281 p.

20. Meshherjakova E.N. Ustojchivost' dozhdevyh chervej (Oligochaeta, Lumbricidae, Moniligastridae) k otricatel'nym temperaturam [Earthworms resistance (Oligochaeta, Lumbrici-dae, Moniligastridae to the low temperatures]: Summary of PhD (Cand. of Biol.). Saint-Petersburg, 2011. 19 p.

21. Perel' T.S. Zhiznenye formy dozhdevyh chervej (Lum-bricidae) [Earthworm's (Lumbricidae) living forms] // Zhurnal obshhej biologii [Journal of general biology]. 1975. Vol. 36, No

2. P. 189-202.

22. Perel' T.S. Rasprostranenie i zakonomernosti raspredele-nija dozhdevyh chervej fauny SSSR [Distribution and distribution patterns of earthworm fauna in the USSR]. Moscow: Nauka, 1979. 272 p.

23. Perel' T.S. Dozhdevye chervi (Oligochaeta, Lumbricidae) v lesah Zapadnogo Sajana (s opisaniem novogo vida) [Earthworms (Oligochaeta, Lumbricidae) of the forests of Western Sayan with the description of a new species] // Zoologicheskij zhur-nal [Russian journal of zoology]. 1994. Vol. 73, No 2. P. 18-22.

24. Perel' T.S., Graphodatsky A.S., Polimorfizm Eisenia nordenskioldi (Eisen) [Polymorphism of Eisenia nordenskioldi (Eisen)] // Doklady Akademii Nauk SSSR [Doklady of the Academy of Sciences of the USSR. Earth Science Sections]. 1983. Vol. 269, No 4. P. 1019-1021.

25. Rapoport I.B. Vysotnoe raspredelenie dozhdevyh chervej (Oligochaeta, Lumbricidae) v central'noj chasti Severnogo Ka-vkaza [Vertical distribution of earthworms (Oligochaeta, Lum-bricidae) in the central part of the North Caucasus] // Zoologich-eskij zhurnal [Russian journal of zoology]. 2013. Vol. 92, No 1. P. 3-10. doi: 10.7868/S0044513413010108.

26. Smirnova O.V. Populjacionnaja organizacija bioceno-ticheskogo pokrova lesnyh landshaftov [Population organization of biocenosis design of forest landscapes] // Uspehi sovremennoj biologii [Advances in current biology]. 1998. Vol. 118, No 2. P. 148-165.

27. Stebaev I.V., Kolpakov V.E. Ekomorfy pochvoobitajush-hih lichinok nasekomyh s polnym prevrashheniem kak bioind-ikacionnye jelementy ekologicheskogo monitoringa [Ecomorphs of soil-dwelling holometabola insect larvae as bioindicative elements of environmental monitoring.]. Novosibirsk, 1995. 93 p.

28. Taran I.V., Kabalin S.I., Beh I.A., Platais A.E. Lesa i les-noe hozjajstvo Novosibirskoj oblasti [Forests and forestry of the Novosibirsk area]. Novosibirsk: Nauka, 1979. 269 p.

29. Shekhovtsov S.V., Berman D.I., Golovanova E.V., Peltek S.E. [Genetic diversity of the earthworm Eisenia nordenskioldi (Lumbricidae, Annelida)] // Vavilovskii zhurnal genetiki i selekt-sii [Vavilov journal of genetics and breeding]. 2017. Vol. 21, No 5. P. 588-595. doi: 10.18699/VJ17.24-o.

30. Shekhovcov S.V., Ermolov S.A., Derzhinskij E.A., Pol-ubojarova T.V., Laricheva M.S., Pel'tek S.E., Geneticheskaja i razmernaja izmenchivost' Octolasion tyrtaeum (Lumbricidae, Annelida) [The genetic and dimensional variability of Octola-

sion tyrtaeum (Lumbricidae, Annelida)] // Pis'ma v Vavilovskij zhurnal genetiki i selekcii [Letters to the Vavilov journal of genetics and breeding]. 2020a. Vol. 6, No 1. P. 5-9. doi:10.18699/ Letters2020-6-01.

31. Shekhovcov S.V., Rapoport I.B., Polubojarova T.V., Geras'kina A.P., Golovanova E.V., Pel'tek S.E., Morfotipy i ge-neticheskaja izmenchivost' Dendrobaena schmidti (Lumbricidae, Annelida) [Morphotypes and genetic diversity of Dendrobaena schmidti (Lumbricidae, Annelida)] // Vavilovskij zhurnal gene-tiki i selekcii [Vavilov journal of genetics and breeding]. 2020b. Vol. 24, No 1. P. 48-54. doi: 10.18699/VJ20.594.

32. Geraskina A., Kuprin A. Functional diversity of earthworm communities in forests in the south of the Russian Far East // Ecological questions. 2021. Vol. 32, iss. 2. P. 81-91. doi: 10.12775/EQ.2021.016.

33. Shevchenko N., Geraskina A., Kuprin A., Grabenko E. The role of canopy gaps in maintaining biodiversity of plants and soil macrofauna in the forests of the northwestern Caucasus // Ecological questions. 2021. Vol. 32, iss. 2. P. 93-110. doi: 10.12775/EQ.2021.017.

34. Zhang Y.F., Ganin G.N., Atopkin D.M., Wu D.H. Earthworm Drawida (Moniligastridae) Molecular phylogeny and diversity in Far East Russia and Northeast China // The European zoological journal. 2020. Vol. 87, iss. 1. P. 180-191. doi: 10.1080/24750263.2020.1741705.

Ermolov S.A. The earthworm vertical distribution in pine forests and birch-aspen forests soils (the case study of the forest-steppe region in Novosibirsk area).

The paper presents a comparative analysis of the earthworm vertical distribution in soils of mixed-grass pine forest and birch-aspen fern forest as one of the characteristics of earthworm complexes. The study took place in the forest-steppe Ob region of the Novosibirsk area where those groups of forest types were most common. In process of sampling the standard method of layered selection of soil-zoological pits was used taking into account the regional specificity of soils and forest mosaic. When evaluating the variants of the earthworm vertical distribution the following parameters were considered: ontogenetic stage, the living form, population density and biomass. Differences in the species composition of earthworm complexes, soil and forest conditions were also taken into account. In the mixed-grass pine forest the main part of earthworm population consisted epigeic and middle-soil-layer endogeic earthworms, in birch-aspen fern forest — epi-endogeic and upper-soil-layer endogeic earthworms. Anecic earthworms were few in both groups of forest types. In pine forests the highest population densities of earthworms were noted in the 0-2 cm layer decreasing sharply with increasing depth; in birch-aspen forests the highest population density of earthworms was also in the 0-2 cm layer but in other layers its values were almost the same. The total biomass of earthworms within one group of forest types was approximately the same in each layer but its values

in birch-aspen forests were significantly higher than those in pine forests. There were no differences in the characteristics of earthworm vertical distribution in forest microsites of the one forest types group. The greatest contribution to the total population density of the earthworm complex was made by juvenile individuals and adults to the total biomass even with the relatively low population density. Different onto-genetic stages of epigeic and anecic earthworms were not confined to certain soil layers while epi-endogeic and endogeic earthworms had certain features in vertical distribution of its individuals of different ontogenetic stages.

Keywords: earthworms; vertical distribution; living forms; ontogenetic stages; forest-steppe Ob region.

Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию / Entered the editorial office: 10.06.2024 Одобрено рецензентами / Approved by reviewers: 21.06.2024 Принята к публикации / Accepted for publication: 04.07.2024

Сведения об авторах

Ермолов Сергей Александрович, аспирант, научный сотрудник, Центр по проблемам экологии и продуктивности лесов РАН (ЦЭПЛ РАН), 117997, Россия, Москва, ул. Профсоюзная, 84/32, стр. 14, E-mail: ermserg96@gmail.com.

Information about the author

Sergey A. Ermolov, post-graduate student, researcher, Center for Forest Ecology and Productivity RAS, 84/32, build. 14, Profsou-znaya st., Moscow, 117997, Russia, E-mail: ermserg96@gmail.com.

УДК 528.88

В.С. Валиев, Р.Р. Хасанов, Д.В. Иванов

Институт проблем экологии и недропользования АН РТ, podrost@mail.ru

СРАВНЕНИЕ МЕТОДОВ СЕГМЕНТАЦИИ РАСТРОВЫХ ИЗОБРАЖЕНИЙ И ИХ НЕЙРОСЕТЕВАЯ КЛАССИФИКАЦИЯ

В статье анализируются методы и алгоритмы компьютерного зрения, применяемого для распознавания растровых изображений, дана их характеристика и проведено сравнительное исследование эффективности при распознавании отдельных объектов на аэрофотоснимках ландшафтов. Рассмотрены методы классификации и сегментации: кластеризация методом k-средних, простая линейная итеративная кластеризация (SLIC), кластеризация минимально охватывающего дерева, нейросетевая MLP модель классификации и адаптивно-вероятностная модель классификации. Результаты исследования послужили основой для разработки программного комплекса по распознаванию ландшафтных объектов на растровых изображениях.

Ключевые слова: геоэкологический мониторинг; пространственный анализ; компьютерное зрение; нейросетевая классификация; кластерная сегментация.

DOI: https://doi.Org/10.24852/2411-7374.2024.3.49.54

Введение

Важнейшим быстро развивающимся направлением в области геоэкологического мониторинга и пространственного анализа является компьютерное зрение (œmputer vision), непосредственно связанное с алгоритмами машинного обучения и представляющее собой развитие технологии автоматизации получения и обработки визуальной информации. Алгоритмы компьютерного зрения представляют собой особые модели машинного обучения, позволяющие получать информацию из изображения и использовать ее при принятии решений (чтение, распознавание образов, идентификация объектов и т.д.) (Форсайт, Понс, 2004). Особенно востребованы алгоритмы обработки изображений, полученных беспилотными летательными аппаратами (БПЛА), эти средства мониторинга в последнее время получили широкое развитие. При этом эффективных методов обработки видео или отдельных изображений, полученных с помощью этих средств, специализированных для целей геоэкологического мониторинга, крайне недостаточно.

Современные методы геоэкологического пространственного анализа используют сложные алгоритмы, реализованные, как правило, в составе мощных геоинформационных систем, позволяющих автоматически классифицировать изображенные на фотоснимках земной поверхности объекты, проводить оценку изменчивости их положения в пространстве, динамики площадей, качественных и количественных характеристик (Martin et al., 2001).

В рамках цифровой трансформации сферы геоэкологического мониторинга компьютерное зрение является уже достаточно развитой технологией, которую, тем не менее, необходимо адаптировать под конкретные задачи и обучить. В общем случае, технология компьютерного зрения обеспечивается препроцессингом (сокращение размерности данных и извлечение из изображения дополнительной информации), сегментацией (выделение отдельных участков изображения) и классификацией (распознавание выделенных участков изображения).

Использование тех или иных алгоритмов и методов машинного обучения зависит при этом от конкретных целей обработки изображения. В тех случаях, когда требуется скорость обработки изображения с быстрым выделением объектов, используются адаптивные поблочные методы (например, HOG - гистограммы направленных градиентов), как правило, с выравниванием палитры RGB (в оттенках серого) и c использованием сверхточных нейросетей (CNN). При тщательной детализации изображений с максимальным выводом информации используют полноцветные (многоканальные) попиксельные методы обработки и нейронные сети самых различных типов. Особенностью обработки растровых изображений является использование алгоритмов, извлекающих дополнительную аналитическую информацию из закономерностей распределения пикселей различного цвета в пространстве изображения, которая используется в виде дополнительных параметров при распознавании образов.

Целью исследования явилось объединение различных методов обработки изображений в единый универсальный алгоритм оценки аэрофотоснимков, изображений, полученных БПЛА, либо иной пространственной картографической информации, представленной в виде растровых изображений. В результате предполагалось создание системы чтения этих изображений, их сегментации и нейросетевой классификации выделенных участков.

Материалы и методы исследования

Материалом исследования явились изображения различных участков земной поверхности, полученные с помощью сервиса «Яндекс Карты» (URL: https://yandex.ru/maps/). Обработка изображений осуществлялась алгоритмами, реализованными на языке Python (URL: https://www.python. org/) с использованием библиотек Scikit-learn, PIL, NumPy, Skimage.

Для оценки изображений использовались по-пиксельные методы обработки. На первом этапе формировалась матрица изображения, включающая информацию о RGB палитре каждого пикселя. По необходимости уменьшение размерности первичной матрицы осуществлялось выравниванием цветовых каналов с переводом изображения в оттенки серого с помощью функции Image.con-vert библиотеки PIL: from PIL import Image img = Image.open("color.bmp") img = img.convert("L") img.save("gray.bmp")

Извлечение дополнительной информации осуществлялось сверткой изображения с помощью ядра в виде шаблона 3^3 px, состоящего из значений цветовых каналов соседних пикселей.

Для каждого цветового канала искомого пикселя по цветовому паттерну соседних пикселей вычислялось нормализованное значение плотности вероятности:

, St (Q — С™)

ехр(--nrr дг-)

R

рх

255-N

где Ci - значение цветового канала i-го пикселя шаблона, Срх - значение цветового канала текущего пикселя, N - число пикселей в шаблоне.

В результате формировалась матрица, включающая значения RGB каналов и их плотности вероятности для каждого пикселя. Был также использован вариант с расчетом общей вероятности, при этом использовалось средневзвешенное

по всем каналам значение R .

px

Описанный способ использовался для создания классификатора изображения методом обуче-

ния с учителем, с помощью MLP-классификатора библиотеки Scikit-learn:

sklearn.MLPClassifier(hidden_layer_siz-es=(15,15,15), activation-relu', solver='adam', alpha=0.0001, learning_rate_init=0.001, max_ iter=100000, momentum=0.9, nesterovs_momen-tum=True)

Кроме того, была реализована сегментация изображений, которая заключалась в разделении исходного изображения на несколько сегментов (суперпикселей). Пиксели, группирующиеся в сегмент, схожи по определенным характеристикам, при этом резко отличаются по этим характеристикам от пикселей из соседних сегментов, что позволяет быстро разделить изображение на различные по свойствам участки. Существует множество способов сегментации изображений (Jaehne et al., 1999), из которых мы использовали следующие:

1) классический сегментатор на основе кластерного анализа матрицы RGB пикселей изображения методом k-средних. Метод k-средних был реализован с помощью класса:

sklearn.cluster.KMeans(n_clusters=5, init='k-means++', n_init='warn', max_iter=300, tol=0.0001, verbose=0, random_state=None, copy_x=True, algorithm='lloyd');

2) с помощью библиотеки scikit-image на основе простой линейной итеративной кластеризации (SLIC) (Achanta et al., 2012):

segmentation.slic(Image, n_segments=2000, compactness=10, max_num_iter=30, sigma=0.8, spacing=None, convert2lab=True, enforce_con-nectivity=True, min_size_factor=0.5, max_size_ factor=3, slic_zero=False, start_label=1, mask=-None, channel_axis=-1);

3) кластеризация минимально охватывающего дерева (minimum-spanning tree clustering) (Fel-zenszwalb, Huttenlocher, 2004):

segmentation.felzenszwalb(imag, scale=250, sigma=0.7, min_size=150,channel_axis=-1) На основе алгоритма оценки распределения плотности вероятности цветов соседних пикселей был разработан способ классификации и сегментации изображения, использующий сопоставление отдельных фрагментов исследуемого изображения с матрицей эталонных участков.

Принцип разработанного метода заключается в разбиении изображения на множество фрагментов одинакового размера и вычислении в каждом фрагменте паттерна, состоящего из следующих 6 параметров: среднего значения каналов R, G, B и вероятности соответствия каждого цвета цветовой палитре эталонного изображения. Пиксели, принадлежащие фрагменту с наиболее высоким

значением вероятности соответствия, классифицируются в соответствии с обозначением эталонного образца, с которым сопоставлялся фрагмент. Граница сегмента формируется на участках изображения, разделяющих фрагменты, относящиеся к разным эталонным образцам.

Эталоны формировались путем выделения однородных участков на изображении, расчете эталонных паттернов (средние значения И, G, В и плотности вероятностей этих цветовых значений по всему эталонному участку) и присуждении им кодового обозначения-идентификатора. Из полученных эталонных паттернов формировался массив, который сохранялся в виде файла. При необходимости в массив добавлялись новые паттерны и таким образом алгоритм «запоминал» стандартные участки, которые мог затем идентифицировать.

Результаты и их обсуждение

В качестве тестовых изображений использовались небольшие фрагменты снимков сервиса «Яндекс Карты» различного приближения с раз-

решением 1600x900 px. Экспериментальная задача состояла в распознании на изображениях 6 классов объектов (кластеров): деревья, кусты, трава, земля, вода, иное. Для сравнительной оценки эффективности различных алгоритмов использовался один и тот же цветовой набор пикселей. Все рассмотренные в работе алгоритмы выполняли одно и то же задание: оценивали принадлежность каждого пикселя изображения к тому или иному кластеру с последующим выделением объектов, которые должны быть представлены разными цветами.

Оценка эффективности и точности разных алгоритмов осуществлялась как путем визуального сопоставления исходного и моделированного изображения, так и с помощью специальных метрик оценки классификаций: sklearn.metrics.accuracy_ score и sklearn.metrics.balanced_accuracy_score. Скорость оценивалась в относительных единицах, при этом за 1 было принято средневзвешенное время выполнения задачи всеми алгоритмами на одном и том же компьютере. Эффективность (Е) определялась как отношение точности ко вре-

Рис. 1. Исходное изображение (а) и результат его классификации с помощью многослойного персептрона (MLP-классификатор) c 45 нейронами (b), с 150 нейронами (с) и адаптивного

вероятностного алгоритма (d) Fig.1. The original image (a) and the result of its classification using the multilayer perceptron (MLP classifier) with 45 neurons (b), with 150 neurons (c) and the adaptive probabilistic algorithm (d)

c d

Рис. 2. Исходное изображение (а) и результат его сегментации методом k-средних (b), методом SLIC (с) и методом минимально охватывающего дерева (d) Fig. 2. The original image (a) and the result of its segmentation using the k-means method (b), the SLIC

method (c) and the minimum spanning tree method (d)

мени выполнения алгоритма:

E = accuracy /1.

Результаты расчетов точности различных алгоритмов свидетельствуют о том, что относительно наиболее быстрым и достаточно точным классификатором изображения (после обучения) является MPL-классификатор, который осуществил идентификацию 1440000 пикселей (рисунок 1600x900) с точностью 90.7% за t=1.18 (E=0.77). Следует отметить, что повышение точности этой нейросетевой модели за счет увеличения числа ее элементов приводит к наибольшим значениям точности, отмеченным для решения данной экспериментальной задачи - 97.5%, но при этом наблюдается снижение скорости классификации в 2 раза - до t=2.36 (E=0.42).

Вероятностный алгоритм, использующий сопоставление паттернов тестовых и эталонных участков изображения, также показал неплохой результат. Идентификацию 1440000 точек этот алгоритм на эталонах размером 3x3 пикселя осуществил с точностью 78.2% за t=1.26 (E=0.62). При этом вероятностный алгоритм практически не уступает MLP-классификатору при исполь-

зовании большего количества точек в эталонной матрице. Так, при использовании эталонов размером 10x10 пикселей точность классификации возрастает до 97%, а скорость при этом снижается до t=2.5 (Е=0.39) (рис. 1). Тем не менее, если учесть время, необходимое для обучения MLP-классификатора (а тестировалась уже обученная нейросеть), то адаптивная вероятностная модель оказывается наиболее эффективной при использовании матрицы 10x10 пикселей, так как не требует времени на обучение.

Точность кластерных алгоритмов сегментации не оценивалась, а их скорость зависела от стартовых параметров (число кластеров, максимальный размер сегментов, число итераций и т.д.), поэтому их эффективность оценивалась визуально, сопоставлением тестовых и модельных изображений (рис. 2).

Следует отметить, что скорость алгоритмов кластерной сегментации была значительно выше классификаторов: для к-средних t=0.95, для SLIC t=0.32; для метода минимально охватывающего дерева t=0.44. По результатам тестов удовлетворительных результатов удалось достичь при ис-

пользовании сегментации методом k-средних и минимально охватывающего дерева. При этом метод k-средних обеспечивал оптимально детализированную картину, а методом минимально охватывающего дерева удалось получить наилучшие границы (контуры) объектов. Несмотря на впечатляющую скорость обработки, простая линейная итеративная кластеризация (SLIC) формирует либо излишне детализированную, либо слишком упрощенную картину, что требует избыточных усилий для подгонки модели под каждое изображение.

Заключение

Таким образом, метод адаптивной вероятностной оценки показывает результаты распознавания изображений, сопоставимые с результатами классических нейросетевых методов, и, несмотря на то что также является методом оценки «с учителем», имеет преимущество перед MLP в связи с отсутствием отдельной процедуры обучения. Данное обстоятельство создает предпосылки для его эффективного использования при потоковой оценке растровых фотографий природных ландшафтов. Классический кластерный анализ методом k-средних является наиболее быстрым способом выделения на растровых изображениях отдельных площадей ландшафтных элементов, а метод минимально охватывающего дерева позволяет эффективно определять границы этих элементов. Хорошо обученные (accuracy >0.95) нейронные классификаторы на парадигме MLP также могут быть полезны при проведении углубленных исследований изображений, однако необходимость постоянного дообучения снижает эффективность их применения при быстрых оценках изображений в режиме реального времени.

Список литературы

1. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. М.: Вильямс, 2004. 928 с.

2. Яндекс Карты. Электронный ресурс. URL: https://yan-dex.ru/maps/ (дата обращения 7.11.2023).

3. Achanta R., Shaji A., Smith K., Lucchi A., Fua P., Süsstrunk S. SLIC superpixels compared to state-of-the-art superpixel methods // IEEE transactions on pattern analysis and machine intelligence. 2012. Vol. 34, №11. Р. 2274-2282. doi: 10.1109/TPAMI.2012.120.

4. Felzenszwalb P.F., Huttenlocher D.P. Efficient graph-based image segmentation // International journal of computer vision. 2004. P. 1014-1038.

5. Jäehne B., Scharr H., Köerkel S., Jäehne B., Haußecker

H., Geißler P. Principles of filter design // Handbook of computer vision and applications. San Diego, London: Academic Press, 1999. Р 125-151.

6. Martin D., Fowlkes C., Tal D., Malik J. A Database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics // Proceeding of IEEE International conference on computer vision. 2001. July. P. 156-184.

7. Python. Электронный ресурс. URL: https://www.python. org/ (дата обращения: 7.11.2023).

References

1. Forsythe D., Pons J. Computer vision. Modern approach. Moscow: Williams, 2004. 928 p.

2. Yandex Maps. Electronic resource. URL: https://yandex. ru/maps/ (accessed: 7.11.2023).

3. Achanta R., Shaji A., Smith K., Lucchi A., Fua P., Süsstrunk S. SLIC superpixels compared to state-of-the-art superpixel methods // IEEE transactions on pattern analysis and machine intelligence. 2012. Vol. 34, No 11. Р 2274-2282. doi: 10.1109/TPAML2012.120.

4. Felzenszwalb P.F., Huttenlocher D.P. Efficient graph-based image segmentation // International journal of computer vision. 2004. P. 1014-1038.

5. Jäehne B., Scharr H., Köerkel S., Jäehne B., Haußecker H., Geißler P. Principles of filter design // Handbook of computer vision and applications. San Diego, London: Academic Press, 1999. Р 125-151.

6. Martin D., Fowlkes C., Tal D., Malik J. A Database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics // Proceeding of IEEE International conference on computer vision. 2001. July. P. 156-184.

7. Python Electronic resource. URL: https://www.python. org/ (accessed: 7.11.2023).

Valiev V.S., Khasanov R.R., Ivanov D.V. Comparison of raster image segmentation methods and their neural network classification.

The article analyzed various methods and algorithms of computer vision used for recognizing raster images, gave their characteristics and conducted the comparative study of their effectiveness in recognizing individual objects in aerial photographs of landscapes. Classification and segmentation methods were considered: k-means clustering, simple linear iterative clustering (SLIC), minimum spanning tree clustering, neural network MLP classification model and adaptive probabilistic classification model. The results of the study formed the basis for the developed software package for recognizing landscape objects in raster images.

Keywords: geoecological monitoring; spatial analysis; computer vision; neural network classification; cluster segmentation.

Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию / Entered the editorial office: 01.08.2024

Одобрено рецензентами / Approved by reviewers: 14.08.2024

Принята к публикации / Accepted for publication: 28.08.2024

Сведения об авторах

Валиев Всеволод Сергеевич, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, Е-mail: podrost@mail.ru.

Хасанов Рустам Равилевич, научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, Е-mail: rustamkhasanov88@gmail.com.

Иванов Дмитрий Владимирович, доктор географических наук, зам. директора по научной работе, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, Е-mail: water-rf@mail.ru.

Information about the authors

Vsevolod S. Valiev, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, Russia, 420087, E-mail: podrost@mail.ru.

Rustam R. Khasanov, Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya St., Kazan, 420087, Russia, E-mail: rustamkhasanov88@gmail.com.

Dmitrii V. Ivanov, D.Sci. in Geography, Deputy Director, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, Russia, 420087, E-mail: water-rf@mail.ru.

УДК 528.88

13Р.А. Шагидуллина, 1В.А. Нурмехамитова, 1А.Р. Шагидуллин, 1А.Ф. Гилязова,

1Р.Р. Шагидуллин, 2Д.Ф. Валиуллин, 1,3В.З. Латыпова

1Институт проблем экологии и недропользования АН РТ, Raisa.Shagidullina@tatar.ru

Министерство экологии и природных ресурсов РТ 3Казанский (Приволжский) федеральный университет

РАЗВИТИЕ МЕХАНИЗМОВ УПРАВЛЕНИЯ КАЧЕСТВОМ АТМОСФЕРНОГО ВОЗДУХА В РЕСПУБЛИКЕ ТАТАРСТАН

Цифровая трансформация в сфере государственного управления позволяет повысить эффективность регулирования негативного воздействия на окружающую среду. Особую актуальность в этой сфере имеют вопросы охраны атмосферного воздуха - жизненно важного компонента для человека и окружающей среды в целом. Для эффективного обеспечения необходимого качества воздуха в Республике Татарстане обеспечивается создание и ведение систем сводных расчетов загрязнения атмосферного воздуха, основанных на цифровых технологиях. Организованные в республике работы по автоматизации выполнения сводных расчетов позволят обеспечить дальнейшее проведение цифровизации в сфере управления качеством воздуха для эффективного нормирования негативного воздействия на атмосферный воздух, а также для оперативного обнаружения источников загрязнения и принятия необходимых мер реагирования.

Ключевые слова: сводные расчеты загрязнения атмосферы; качество атмосферного воздуха; источник загрязнения; цифровые технологии; автоматизация.

DOI: https://doi.Org/10.24852/2411-7374.2024.3.55.60

Введение

Сводные расчеты загрязнения атмосферного воздуха, выполняемые на основе созданных электронных баз данных о всех городских стационарных и передвижных источниках загрязнения атмосферы, признаны одним из основных инструментов управления качеством воздуха (Указ Президента РФ, 2017). Создание и внедрение в практику данного инструмента должно основываться на правилах, методе и методике, утвержденных Минприроды России (Приказ ..., 2017, 2019а,б).

Целью данной публикации является анализ проводимых в Республике Татарстан работ, направленных на повышение эффективности выполнения сводных расчетов загрязнения атмосферного воздуха.

Результаты и их обсуждение

В Республике Татарстан (РТ) с 2008 г. организация проведения сводных расчетов обеспечивается Министерством экологии и природных ресурсов РТ. На практике, для обеспечения экологического благополучия, результаты таких расчетов применяются для (Шагидуллина и др., 2017, 2023; Шагидуллин и др., 2019):

- оценки качества воздуха по всему перечню загрязняющих веществ, поступающих

в атмосферный воздух от стационарных и передвижных источников;

- распределения территорий поселений, исходя из уровня загрязнения по максимально разовым концентрациям загрязняющих веществ и по уровням риска, а также исходя из долгопериодных уровней загрязнения атмосферы;

- оценки качества атмосферного воздуха в случае увеличения мощности или создания новых производственных объектов - источников загрязнения атмосферы;

- развития сети станций контроля загрязнения атмосферы по итогам определения наиболее приоритетных зон для размещения станций, а также определения приоритетного перечня загрязняющих веществ, подлежащих системному экологическому контролю;

- установления нормативов допустимых выбросов (или временно разрешенных выбросов) загрязняющих веществ в атмосферный воздух в соответствии с требованиями воздухоохранного законодательства России;

- оценки перечня потенциальных источников выбросов, работа которых приводит к превышениям предельно допустимых концентраций загрязняющих веществ в воздухе.

Последнее из перечисленных направлений по-

зволяет обеспечить повышение эффективности государственного экологического контроля (надзора), так как для эффективного реагирования на выявляемые превышения предельно допустимых концентраций загрязняющих веществ в воздухе необходима идентификация источника загрязнения атмосферы, работа которого привела к нарушению воздухоохранного законодательства. На городских территориях с наличием большого количества источников загрязнения воздуха со сходным составом выбросов решение такой задачи без использования сводных расчетов крайне затруднительно. Сводные расчеты, проводимые ответственными специалистами с использованием Унифицированной программы расчетов загрязнения атмосферы (УПРЗА) «Эколог-город» (фирма «Интеграл», г. Санкт-Петербург) позволяют определить перечень конкретных источников выбросов, работа которых может приводить к превышениям предельно допустимых концентраций загрязняющих веществ в атмосферном воздухе (Шагидуллина и др., 2023).

Министерством экологии и природных ресурсов РТ разработана и с 2012 г. эффективно используется ГИС «Экологическая карта Республики Татарстан» (https://eco.tatarstan.ru/opisanie-sistemi.htm), позволяющая, в том числе, с использованием Системы экологического мониторинга окружающей среды (ОАО «Лига», г. Саратов), включенной Министерством цифрового развития, связи и массовых коммуникаций РФ в реестр программ, предназначенных для непрерывного, круглосуточного, автоматизированного мониторинга за состоянием атмосферного воздуха, отражать на ней все результаты измерений приземных концентраций загрязняющих веществ, проводимых в непрерывном режиме автоматическими станциями контроля загрязнения атмосферы (АСКЗА) и передвижными экологическими лабораториями (ПЭЛ), а также количественного химического анализа (КХА) проб воздуха, отобранных лабораторными подразделениями.

Для повышения эффективности вышеуказанных работ, направленных на управление качеством атмосферного воздуха, особую значимость имеет повышение оперативности проведения расчетов, необходимых для выявления источников загрязнения атмосферы, работа которых приводит к ухудшению качества атмосферного воздуха. Одним из путей решения этих вопросов может являться автоматизация выполнения сводных расчетов при непосредственной передаче данных измерений АСКЗА и ПЭЛ в используемый расчетный комплекс УПРЗА «Эколог-город» (Манидичева и др., 2022).

Не менее важной задачей является также автоматизация сводных расчетов в целях определения расчетного фонового загрязнения атмосферного воздуха, необходимого для нормирования выбросов, в соответствии с требованиями законодательства РФ, предусматривающими обязательность учета совокупного влияния на атмосферный воздух всех функционирующих источников загрязнения атмосферы. Согласно воздухоохранному законодательству (Федеральный закон ..., 1999), фоновый уровень загрязнения атмосферного воздуха должен учитываться как для действующих производств, так и для проектируемых объектов. По данным государственного мониторинга атмосферного воздуха фоновый уровень загрязнения атмосферного воздуха определяется только для очень ограниченного перечня загрязняющих веществ. При наличии сводных расчетов загрязнения атмосферного воздуха на территории поселений, в отношении загрязняющих веществ, по которым не осуществляется государственный мониторинг атмосферного воздуха, фоновый уровень загрязнения атмосферного воздуха определяется на основании данных сводных расчетов загрязнения атмосферного воздуха. Учитывая, что фоновое загрязнение по данным натурных наблюдений может быть оценено в среднем не более, чем для 10 % загрязняющих веществ, поступающих в атмосферу, значимость определения расчетных фоновых концентраций для эффективного обеспечения экологического благополучия территорий абсолютно очевидна.

Для реализации необходимых работ Министерством экологии и природных ресурсов РТ обеспечено создание системы «Экомониторинг», предназначенной для автоматизации процессов, связанных с выполнением сводных расчетов, хранением полученных результатов и дальнейшим принятием мер административного реагирования, в целях:

- сокращения до минимума времени, необходимого на проведение расчетов;

- повышения эффективности работ по охране атмосферного воздуха.

В систему «Экомониторинг» предусмотрено включение автоматизированных расчетных модулей («Расчет рассеивания», «Расчет фонового уровня загрязнения», «Лаборатория», «Личный кабинет внешнего пользователя»). Последние два модуля предназначены для автоматизации работы с протоколами в лаборатории и формирования заданий для внешних пользователей на расчет фонового уровня загрязнения атмосферного воздуха.

Системой предусмотрено автоматическое

поступление в подразделения, обеспечивающие проведение государственного экологического контроля (надзора), данных о зафиксированных превышениях предельно допустимых

концентраций загрязняющих веществ в атмосферном воздухе с информацией о возможных источниках, внесших вклад в неудовлетворительное состояние атмосферного воздуха.

Предусмотрено взаимодействие системы со следующими информационными системами:

- подсистемой электронного документооборота для работы с входящей/ исходящей корреспонденцией по вопросам, касающимся расчетов фонового загрязнения атмосферного воздуха;

- подсистемой, связанной с проведением государственного экологического контроля (надзора);

- УПРЗА «Эколог-город»;

- системой экологического мониторинга окружающей среды;

- ГИС «Экологическая карта Республики Татарстан».

Система экологического мониторинга окружающей среды осуществляет передачу данных о превышениях нормативов допустимого содержания загрязняющих веществ в воздухе в модуль «Расчет рассеивания». Модуль «Расчет рассеивания» обрабатывает полученные из системы данные посредством интеграции и актуализирует реестр «Задания на расчет рассеивания». В реестре «Задания на расчет рассеивания», на основании данных, полученных из системы экологического мониторинга окружающей среды, автоматически формируется карточка задания на расчет рассеивания. Карточка задания на расчет рассеивания затем автоматически передается в УПРЗА «Эколог-город», осуществляющую передачу данных о результатах расчетов рассеивания в модуль «Расчет рассеивания». Модуль «Расчет рассеивания» актуализирует реестр «Результаты расчетов рассеивания». В реестре «Результаты расчетов рассеивания» автоматически формируется и наполняется данными карточка «Результат расчетов рассеивания».

По результатам расчета рассеивания в системе формируется отчет. Предусмотрена автоматическая расшифровка системой занумерованных в сводной базе данных предприятий, их площадок, цехов и источников с указанием их конкретных наименований для последующей передачи в адрес соответствующих подразделений или ведомств для принятия мер административного реагирования.

В системе предусмотрено также определение отнесения предприятий к федеральному и региональному государственному экологическому контролю (надзору). Кроме этого, предусмотрены исключительные права ответственных пользователей системы на ручной ввод данных для автоматического определения потенциальных источников загрязнения воздуха на месте выявления превышений допустимого содержания загрязняющих веществ в реестр «Задания на расчет рассеивания».

При автоматическом поступлении из системы экологического мониторинга окружающей среды данных о превышениях предельно-допустимых концентраций загрязняющих веществ в атмосферном воздухе формируется уведомление, содержащее следующую информацию:

- метрические координаты изучаемой точки местности;

- код и наименование интересующего вещества;

- концентрация вещества;

- данные о метеоусловиях на момент замера (скорость и направление ветра).

При автоматическом запуске расчета рассеивания задаются параметры:

- город;

- координаты (требуется перевод в систему МСК);

- новый расчет;

- направление и скорость ветра;

- наименование загрязняющего вещества.

Реализована функция проверки параметра

«скорость ветра». Для начала выполнения расчета, в соответствии с установленными в РФ требованиями (Приказ Минприроды России ..., 2017), скорость ветра в момент фиксации превышения должна быть не менее 0.5 м/с.

Формирование отчета по результатам расчета рассеивания предусматривает автоматическую расшифровку системой занумерованных предприятий, их площадок, цехов и источников с указанием их конкретных наименований для последующей передачи в адрес соответствующего территориального управления Министерства экологии и природных ресурсов РТ, территориальных органов по РТ Федеральной службы по надзору в сфере природопользования и Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека для принятия мер административного реагирования.

Функциональные возможности модуля «Расчет фонового уровня загрязнения» заключаются в: синхронизации с модулем «Личный кабинет внешнего пользователя»; получении запроса на

расчет фонового уровня загрязнения; отправке задания на выполнение расчета; интеграции с УПРЗА «Эколог-город»; обеспечении выгрузки результатов расчета фонового уровня загрязнения в формате справки, формируемой подведомственным Министерству экологии и природных ресурсов РТ учреждением - ГБУ «НПО Геоцентр РТ» с возможностью подписания справок усиленной квалифицированной электронной подписью; отправке внешнему пользователю (заявителю) подписанных ГБУ «НПО Геоцентр РТ» результатов расчета фонового уровня загрязнения в личный кабинет; формировании реестра «Результаты расчетов фонового уровня загрязнения».

В задании на расчет фонового уровня загрязнения предусматривается учет таких параметров, как координаты точек, в которых необходимо рассчитать фоновый уровень загрязнения атмосферного воздуха. Предусмотрена реализация функции перехода по ссылке на Google карту для возможности самостоятельного ввода заявителем: координат точек; наименования загрязняющих веществ, по которым необходимо рассчитать фоновый уровень загрязнения атмосферного воздуха; наименования объекта, для которого необходимо провести расчеты.

Задание на расчет фонового уровня загрязнения автоматически передается модулем «Расчета фонового уровня загрязнения» посредством интеграции в УПРЗА «Эколог-город». Автоматический расчет запрошенных данных в указанной программе предусматривает, исходя из требований воздухоохранного законодательства РФ, необходимость исключения из созданных баз данных источников загрязнения атмосферы данных о выбросах по запрошенному объекту.

Модуль «Личный кабинет внешнего пользователя» предназначается для онлайн-доступа заявителей к модулю «Расчет фонового уровня загрязнения» путем формирования заданий на выполнение соответствующего расчета. Доступ в указанный модуль предусмотрен с сайта Министерства экологии и природных ресурсов РТ. В модуле реализован также реестр, предназначенный для хранения заданий на расчет фонового уровня загрязнения. Также предусмотрены права внешнего пользователя (заявителя) на экспорт файлов с результатами расчета фонового уровня загрязнения.

К настоящему времени завершается тестирование системы «Экомониторинг», в дальнейшем планируется ее использование в практической деятельности в рамках работ, направленных на обеспечение необходимого качества атмосферного воздуха.

Результаты работ, выполняемых в автоматическом режиме на базе сводных расчетов загрязнения атмосферного воздуха с максимальным исключением человеческого фактора, позволят существенно сократить сроки и, одновременно, повысить качество принимаемых решений, направленных на обеспечение экологического благополучия территорий.

Заключение

Автоматизация процессов в модулях системы «Экомониторинг» позволит существенно сократить время поиска источников негативного воздействия на атмосферный воздух, повысить скорость принятия необходимых мер реагирования при обнаружении данных о превышениях предельно допустимых концентраций загрязняющих веществ в атмосферном воздухе. Автоматизация расчетов фонового загрязнения атмосферного воздуха позволит повысить эффективность работ по установлению обоснованных нормативов предельнодопустимыхвыбросовдлядействующих источников загрязнения атмосферы, а также работ, касающихся необходимости выполнения прогноза изменения качества атмосферного воздуха при проектировании строительства объектов, являющихся источниками поступления загрязняющих веществ в атмосферный воздух.

Список литературы

1. ГИС «Экологическая карта Республики Татарстан» // URL: https://eco.tatarstan.ru/opisanie-sistemi.htm (дата обращения: 06.06.2024).

2. Манидичева О.В., Шагидуллина Р.А., Богатырев С.А. Цифровизация в сфере управления качеством атмосферного воздуха // Международный форум «Kazan Digital Week -2022» / Сборник материалов. Казань: ГБУ «НЦБЖД», 2022. С. 136-139.

3. Приказ Минприроды России от 06.06.2017 №273 «Об утверждении Методов расчетов рассеивания выбросов вредных (загрязняющих) веществ в атмосферном воздухе».

4. Приказ Минприроды России от 29.11.2019а г. №813 «Об утверждении Правил проведения сводных расчетов загрязнения атмосферного воздуха, включая их актуализацию».

5. Приказ Минприроды России от 27.11.2019б №804 «Об утверждении Методики определения выбросов загрязняющих веществ в атмосферный воздух от передвижных источников для проведения сводных расчетов загрязнения атмосферного воздуха».

6. Указ Президента Российской Федерации от 19.04.2017 №176 «Об утверждении Стратегии экологической безопасности Российской Федерации на период до 2025 года».

7. Федеральный закон «Об охране атмосферного воздуха» от 04.05.1999 № 96-ФЗ.

8. Шагидуллин Р.Р., Гилязова А.Ф., Магдеева А.Р., Туна-кова Ю.А., Шагидуллин А.Р. Метод определения приоритетности зон размещения станций контроля загрязнения атмосферы // Экология урбанизированных территорий. 2019. №3.

С. 6-14.

9. Шагидуллина Р.А., Шагидуллин А.Р. Цифровые технологии на основе сводных расчетов загрязнения атмосферы как эффективный механизм управления качеством воздуха // Международный форум «Kazan Digital Week - 2023» / Сборник материалов. Казань: ГБУ «НЦБЖД», 2023. Ч. 1. С. 268-273.

10. Шагидуллина Р.А., Шагидуллин А.Р. О системе инструментального и расчетного экологического мониторинга // Безопасность жизнедеятельности. 2017. №5. С. 44-46.

References

1. GIS «Ekologicheskaya karta Respubliki Tatarstan» [GIS «Ecological map of the Republic of Tatarstan»]. URL: https:// eco.tatarstan.ru/opisanie-sistemi.htm (access: 06.06.2024).

2. Manidicheva O.V., Shagidullina R.A., Bogatyrev S.A. Tsifrovizatsiya v sfere upravleniya kachestvom atmosfernogo vozdukha [Digitalization in the field of air quality management] // Mezhdunarodnyy forum «Kazan Digital Week - 2022» [International Forum «Kazan Digital Week - 2022». Kazan', 2022. Р. 136-139.

3. Prikaz Minprirody Rossii ot 06.06.2017 №273 «Ob utverzhdenii Metodov raschetov rasseivaniya vybrosov vrednykh (zagryaznyayushchikh) veshchestv v atmosfernom vozdukhe» [Order of the Ministry of Natural Resources of Russia dated June 6, 2017 No 273 «On approval of methods for calculating the dispersion of emissions of harmful (pollutant) substances in the atmospheric air»].

4. Prikaz Minprirody Rossii ot 29.11.2019 №813 «Ob utverzhdenii Pravil provedeniya svodnykh raschetov zagryazneniya atmosfernogo vozdukha, vklyuchaya ikh aktualizatsiyu» [Order of the Ministry of Natural Resources of Russia dated November 29, 2019 No 813 «On approval of the Rules for conducting consolidated calculations of atmospheric air pollution, including their updating»].

5. Prikaz Minprirody Rossii ot 27.11.2019 №804 «Ob utverzhdenii Metodiki opredeleniya vybrosov zagryaznyayushchikh veshchestv v atmosfernyy vozdukh ot peredvizhnykh istochnikov dlya provedeniya svodnykh raschetov zagryazneniya atmosfernogo vozdukha» [Order of the ministry of natural resources of Russia dated November 27, 2019 No 804 «On approval of the Methodology for determining emissions of pollutants into the atmospheric air from mobile sources for conducting summary calculations of atmospheric air pollution»].

6. Ukaz Prezidenta Rossiyskoy Federatsii ot 19.04.2017 №176 «Ob utverzhdenii Strategii ekologicheskoy bezopasnosti Rossiyskoy Federatsii na period do 2025 goda» [Decree of the President of the Russian Federation dated April 19, 2017 No 176 «On approval of the Environmental Safety Strategy of the Russian Federation for the period until 2025»].

7. Federal'nyy zakon «Ob okhrane atmosfernogo vozdukha» ot 04.05.1999 № 96-FZ [Federal Law «On the protection of

atmospheric air» dated May 4, 1999 No 96-FZ].

8. Shagidullin R.R., Gilyazova A.F., Magdeeva A.R., Tunakova Yu.A., Shagidullin A.R. Metod opredeleniya prioritetnosti zon razmeshcheniya stantsiy kontrolya zagryazneniya atmosfery [Method for determining the priority of location zones for air pollution control stations] // Ekologiya urbanizirovannykh territoriy. [Ecology of urbanized territories]. 2019. No 3. P. 6-14.

9. Shagidullina R.A., Shagidullin A.R. Tsifrovyye tekhnologii na osnove svodnykh raschetov zagryazneniya atmosfery kak effektivnyy mekhanizm upravleniya kachestvom vozdukha [Digital technologies based on consolidated calculations of air pollution as an effective mechanism for managing air quality] // Mezhdunarodnyy forum «Kazan Digital Week - 2023» [International forum «Kazan Digital Week - 2023»]. Kazan', 2023. Part 1. P. 268-273.

10. Shagidullina R.A., Shagidullin A.R. O sisteme instrumental'nogo i raschetnogo ekologicheskogo monitoringa [About the system of instrumental and computational environmental monitoring] // Bezopasnost' zhiznedeyatel'nosti [Life safety]. 2017. No 5. P. 44-46.

Shagidullina R.A., Nurmekhamitova V.A., Shagidullin A.R., Gilyazova A.F., Shagidullin R.R., Valiullin D.F., Latypova V.Z. Development of air quality management mechanisms in Tatarstan Republic.

Digital transformation in public administration makes it possible to increase the efficiency of regulating negative impacts on the environment. Of particular relevance in this area are the issues of protecting atmospheric air - a vital component for humans and the environment as a whole. To effectively ensure the required air quality in Republic of Tatarstan, the creation and maintenance of systems for summary calculations of atmospheric air pollution based on digital technologies is ensured. The work organized in the republic to automate the execution of summary calculations will ensure further digitalization in the field of air quality management to effectively regulate the negative impact on atmospheric air, as well as to quickly detect sources of pollution and take the necessary response measures.

Keywords: summary calculations of air pollution; ambient air quality; source of pollution; digital technologies; automation.

Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию / Entered the editorial office: 29.07.2024

Одобрено рецензентами / Approved by reviewers: 08.08.2024

Принята к публикации / Accepted for publication: 21.08.2024

Сведения об авторах

Шагидуллина Раиса Абдулловна, доктор химических наук, доцент, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28; профессор, Казанский (Приволжский) федеральный университет, 420008, Россия, г. Казань, ул. Кремлевская, 18; E-mail: Raisa.Shagidullina@tatar.ru.

Нурмехамитова Виолетта Алмазовна, младший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: violka9641@gmail.com.

Шагидуллин Артур Рифгатович, доктор технических наук, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: Artur.Shagidullin@tatar.ru.

Гилязова Алия Фаратовна, младший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: aliya020@mail.ru.

Шагидуллин Рифгат Роальдович, член-корреспондент АН РТ, доктор химических наук, директор, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: shagidullin_@mail.ru.

Валиуллин Дамир Фаргатович, начальник управления, Министерство экологии и природных ресурсов РТ, 420049, Россия, г. Казань, ул. Павлюхина, 75, E-mail: Damir.Valliullin@tatar.ru.

Латыпова Венера Зиннатовна, доктор химических наук, профессор, член-корреспондент АН РТ, профессор, Казанский (Приволжский) федеральный университет, 420008, Россия, г. Казань, ул. Кремлевская, 18; ведущий научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, г. Казань, ул. Даурская, 28, E-mail: ecoanrt@yandex.ru.

Information about the authors

Raisa A. Shagidullina, D.Sci. in Chemistry, Associate Professor, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences,28 Daurskaya st., Kazan, 420087, Russia; Professor, Kazan Federal University, 18, Kremlyovskaya st., Kazan, 420008, Russia, E-mail: Raisa.Shagidullina@tatar.ru.

Violetta A. Nurmehamitova, Junior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: violka9641@gmail.com.

Artur R. Shagidullin, Doctor of Technical Sciences, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: Artur.Shagidullin@tatar.ru.

Aliya F. Gilyazova, Junior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: aliya020@mail.ru.

Rifgat R. Shagidullin, D.Sci. in Chemistry, ^trespo^^ Member of Tatarstan Academy of Sciences, Director, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: shagidullin_@mail.ru.

Damir F. Valiullin, Head of the Department, Ministry of Ecology and Natural Resources of the Republic of Tatarstan, 75, Pavly-ukhina st., Kazan, 420049, Russia, E-mail: Damir.Valliullin@tatar.ru.

Venera Z. Latypova, D.Sri. in Chemistry, Professor, Corresponding Member of Tatarstan Academy of Sciences, Professor, Kazan Federal University, 18, Kremlyovskaya st., Kazan, 420008, Russia; Leading Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: ecoanrt@yandex.ru.

УДК 504.3.054

12Ю.А. Тунакова, 12С.В. Новикова, 12Р.А. Шагидуллина, 1,2А.Р. Шагидуллин, 1,2В.А. Нурмехамитова

1Казанский национальный исследовательский технический университет

им. А.Н. Туполева - КАИ, ^Нарт/@таИ.ги 2Институт проблем экологии и недропользования АН РТ

СПОСОБ РАСЧЁТА КОНЦЕНТРАЦИЙ ДИОКСИДА УГЛЕРОДА, ПОСТУПАЮЩЕГО В АТМОСФЕРНЫЙ ВОЗДУХ ГОРОДА С ВЫБРОСАМИ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ

Увеличение количества парниковых газов, особенно диоксида углерода, неизбежно приводит к климатическим рискам и имеет серьезные последствия для биосферы в целом. В статье приведены результаты применения нейросетевых технологий для определения приземных концентраций парникового газа диоксида углерода в условиях невозможности применения регламентированных методик расчета. В отличие от регламентированных расчетных методик, нейронная сеть в процессе обучения позволяет проводить расчеты в отсутствие данных о параметрах источников выбросов в атмосферу, определяющих приземные концентрации примесей. Показана возможность проведения расчетов приземных концентраций диоксида углерода по значениям концентраций оксида углерода, на основании учета вторичных химических реакций в атмосфере. Установлено, что использование коэффициента трансформации, концентраций озона и значений гамма-фона в качестве предикторов повышает точность расчета приземных концентраций диоксида углерода. На примере выбросов предприятия химической промышленности, расположенного на территории г. Казани, проведена апробация предлагаемого нейросетевого способа расчета. Погрешность расчетов с использованием спроектированной и обученной нейросетевой каскадной модели, составляющая менее 1%, показывает эффективность предложенного подхода.

Ключевые слова: выбросы в атмосферу; парниковый газ; диоксид углерода; нейросетевой расчет; приземные концентрации.

DOI: https://doi.Org/10.24852/2411-7374.2024.3.61.66

Введение

Глобальное изменение климата превратилось в одну из наиболее острых проблем мировой экономики и политики. Прошедшая в 2015 г. в Париже конференция по изменению климата и принятое на ней соглашение призваны перейти от Ки-отского протокола к «Рамочной конвенции ООН об изменении климата», которое обязывает государства сократить или стабилизировать выбросы парниковых газов. Установлено введение углеродного налога на импортируемую продукцию, получение которой связано с выбросами парниковых газов. На международном, национальном, региональном и локальном уровнях разрабатываются методы и средства для снижения выбросов парниковых газов в атмосферу, в основе которых лежит количественное определение выбросов парниковых газов (Андрусевич и др., 2020; Пахо-мова и др., 2021; Ермакова, 2020).

В Российской Федерации принят ряд нормативных правовых документов для снижения выбросов парниковых газов и климатических ри-

сков. Среди них «Климатическая доктрина Российской Федерации», утвержденная Указом Президента РФ от 16.10.2023 г., являющаяся основой формирования и реализации политики в области климата. Приняты распоряжения Правительства РФ, регламентирующие порядок формирования системы мониторинга, отчетности и проверки объема выбросов парниковых газов (Распоряжение ..., 2015, 2018). В 2021 г. принят Федеральный закон «Об ограничении выбросов парниковых газов». Национальные стандарты РФ детализируют требования по количественному определению парниковых газов и углеродного следа продукции, соответствующие международным стандартам (ГОСТ Р ИСО 14064-1-2021; ГОСТ Р ИСО 14067-1-2021). В 2021 г. принят Указ Президента РФ, утвердивший стратегию национальной безопасности, включающую меры по снижению климатических рисков.

Измерения концентраций СО2 в крупных городах страны имеют значительные количественные и пространственные ограничения. Так, измерения

концентраций СО2 на территории г. Казани проводятся только на двух автоматических станциях контроля загрязнения атмосферы Министерства экологии и природных ресурсов Республики Татарстан (АСКЗА).

Нормативным документом, регламентирующим количественное определение приземных концентраций примесей из источников загрязнения расчетным путем, является методика расчета концентраций в атмосферном воздухе загрязняющих веществ, поступающих с выбросами предприятий (Методы ..., 2017). Использование указанной методики ограничено наличием данных о техногенных параметрах выбросов (качественный и количественный состав выбросов, высота источника выброса, скорость выхода газовоздушной смеси из источника выбросов, температура выброса). Рассчитать приземные концентрации диоксида углерода по указанной нормативной методике не представляется возможным, поскольку отсутствуют данные по инвентаризации источников выбросов СО2, включающие указанные параметры.

Использование нейросетевых подходов для расчета концентраций примесей в приземном слое атмосферного воздуха позволяет нивелировать ограничения, связанные с отсутствием исходных данных по техногенным параметрам источников выбросов (Нечаев, 2018).

Нами разработан принципиально новый подход, основанный на расчете концентраций С02 с учетом процессов трансформации в атмосфере. В состав выбросов, образующихся при неполном сжигании топлива, входит оксид углерода СО -угарный газ. Он выбрасывается совместно с СО2 в промышленных процессах сжигания топлива, что обусловливает взаимосвязь между концентрациями данных газов. В экспериментально измеряемых на АСКЗА концентрациях СО2 есть его доля, образовавшаяся в ходе химической трансформации из СО. Таким образом, концентрации СО могут использоваться в качестве предикторов для расчета концентраций СО2. Преимуществом данного подхода является возможность непосредственного расчета концентраций СО в любой точке при помощи регламентированной методики расчета рассеивания, реализованной в программном комплексе УПРЗА «Эколог-Город».

Повышение точности расчетов может быть обеспечено применением нейросетевых технологий. Точность нейросетевых моделей, в свою очередь, определяется адекватным выбором значимых предикторов (Григорьева и др., 2015). Установлено наличие тесных связей между приземными концентрациями компонентов выбро-

сов, коэффициентами трансформации и концентрациями озона, характеризующими интенсивность вторичных химических реакций в атмосфере (Тунакова и др., 2021, 2023). Поэтому данные предикторы были выбраны в качестве входов проектируемой нейросети. Наряду с данными предикторами исследовалась эффективность использования в качестве предиктора гамма-фона, измеряемого на АСКЗА.

Материалы и методы исследования

Одним из основных стационарных источников поступления СО2 в атмосферу является химическая промышленность. На территории г. Казани функционирует ПАО «Казаньоргсинтез» - крупнейшее предприятие химической отрасли промышленности РФ, основной отечественный производитель полимеров и сополимеров этилена. Для расчета эмиссий парникового газа СО2 от источников выбросов данного предприятия была поставлена задача проектирования нейросете-вой модели, нивелирующей отсутствие данных о техногенных параметрах источников загрязнения атмосферы. При этом в модели необходимо было учесть процессы химической трансформации СО в СО2 в атмосфере. Описание процессов вторичных химических реакций в атмосфере требует учета множества факторов (интенсивность солнечной радиации, облачность, интенсивность осадков, тип подстилающей поверхности или альбедо и т.д.), что усложняет модель, снижая ее точность. Для расчетов необходимо сократить число значимых факторов, оставив основные.

Для учета вторичных химических реакций в атмосфере учитывались три предиктора.

Предиктор №1: коэффициент трансформации (КТ), определяется расчетным путем по соотношению экспериментально измеренных на АСКЗА концентраций оксидов азота. Данный коэффициент характеризует способность атмосферы к окислительным реакциям.

Предиктор №2: концентрация озона (О3), измеренная на АСКЗА. Использование концентраций озона позволяет учесть интенсивность фотохимических реакций.

Предиктор №3: гамма-фон, измеренный на АСКЗА, характеризующий активацию молекул в результате поглощения электромагнитного излучения. Информативность и пространственная локализация указанных характеристик позволяет адекватно оценивать интенсивность вторичных химических реакций в атмосфере на локальных участках территории города.

Для проведения расчета приземных концентраций СО, поступающих с выбросами указанно-

Рис. 1. Карта расположения расчетных точек Fig. 1. Location of calculation points

го предприятия, был использован программный комплекс УПРЗА «Эколог-Город», версия 4.70. Расчет произведен с использованием результатов измерений концентраций СО и СО2 АСКЗА-1 и АСКЗА-2 г. Казань. В качестве исходных данных для расчета использованы техногенные параметры источников выбросов СО. Учитывались следующие метеоусловия: температура воздуха, скорость и направление ветра. Для каждой расчетной точки проведены расчеты концентраций СО с перебором скорости ветра с шагом 1 м/с от скорости 0.5 м/с до наибольшей, фиксируемой на АСКЗА, скорости 8.5 м/с и направления ветра по 8-румбовой шкале с шагом 10°. С помощью программного комплекса в точках жилой зоны были рассчитаны максимально разовые концентрации

СО (мг/м3), соответствующие проектным параметрам выбросов ПАО «Казаньоргсинтез».

Расположение расчетных точек представлено на рисунке 1.

Результаты и их обсуждение

Максимальные значения концентраций оксида углерода в расчетных точках составили 0.61 мг/ м3, среднегодовая концентрация - 0.05 мг/м3. Для повышения сходимости измеренных на АСКЗА концентраций СО2 и расчетных нейросетевых концентраций парникового газа спроектированные искусственные нейронные сети обучались на массиве экспериментально измеренных концентраций СО2, получаемых ежедневно с 20-минутным осреднением.

Для расчета концентраций СО2 рассчитанные программным комплексом УПРЗА «Эколог-Город» концентрации СО использовались в качестве предиктора в разработанной нейросетевой модели типа многослойный персептрон, количество входных нейронов определяется числом учитываемых предикторов; количество выходных нейронов - 1; количество скрытых слоев - 1; количество нейронов в скрытом слое - 4; функция активации нейронов скрытого слоя - гиперболический тангенс; функция активации нейрона выходного слоя - линейная. Использовались полные кортежи данных, содержащих одновременно измерения всех трех характеристик, использованных в качестве предикторов, для учета вторичных химических реакции в атмосфере. Непосредственно моделирование производилось в пакете Deductor Аcаdemic версии 5.3.

Итоговая модель нейросетевого расчета концентраций углекислого газа с каскадной последо-

Скорость и направление ветра, сезонная температура

Параметры выбросов предприятий

Координаты расчетной точки

Классическая расчетная модель

Нормативная методика расчета рассеивания (УПРЗА «Эколог-Город»)

Нейросетевая модель №1

Давление

Осадки

Направление ветра

Влажность Скорость ветра

Температура

Рассчитанная концентрация СО(

Коэффициент трансформации

Концентрация О,

Гамма-фон

Скорректированная концентрация СО

Концентрация СО,

Нейросетевая модель №2

Рис. 2. Алгоритм нейросетевого расчета концентраций углекислого газа Fig. 2. Algorithm for neural network calculation of carbon dioxide concentrations

А* .А ____^^

\ -Углерода диоксид (измерение) -Углерод диоксид (расчет)

15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127 134 141 148 Номер кортежа данных

чительным увеличением точности расчетов концентрации СО. На третьем этапе используются разработанные нейронные сети, рассчитывающие непосредственно концентрацию СО2. Вычислительные эксперименты продемонстрировали высокую точность предложенного подхода. Использование коэффициента трансформации, концентраций озона и гамма-фона в качестве предикторов для учета вторичных химических реакций в атмосфере дает наиболее точные результаты расчетов. Средняя погрешность модели по всему набору данных составила 0.9%.

Рис. 3. Результаты моделирования концентраций СО2 нейросетевой моделью в сравнении с экспериментально измеренными эталонными значениями Fig. 3. Results of modeling CO2 concentrations using the neural network model in comparison with experimentally measured reference values

вательностью вычислений показана на рисунке 2.

Абсолютная точность прогноза для каждого обучающего и тестового примера вычислялась как модуль разности реального и прогнозного значений. Относительная погрешность определялась как процент отклонения расчетного значения от экспериментально измеренного. В качестве дополнительного параметра точности использована мера АCCURАCY, отражающая относительный процент правильно распознанных кортежей данных. Графическое представление фрагмента результатов моделирования концентраций СО2 нейросетевой моделью в сравнении с экспериментально измеренными эталонными значениями показано на рисунке 3.

Заключение

В результате проведенных исследований разработан способ получения расчетных значений приземных концентраций СО2 в условиях отсутствия данных о техногенных параметрах источников выбросов данного парникового газа. В качестве предикторов обосновано использование концентрации угарного газа СО, рассчитываемой в УПРЗА «Эколог-город» с использованием базы данных параметров выбросов химического предприятия, метеорологических условий, определяющих процессы распространения примесей, коэффициента трансформации, гамма-фона и концентрации озона. Разработана каскадная методика расчета. На первом этапе используется регламентированный расчет концентраций СО. Вторым этапом является нейросетевая коррекция результатов, полученных на первом этапе, со зна-

Список литературы

1. Климатическая политика и гражданское общество: Будущее стран Восточного партнёрства в контексте Европейского зелёного курса. Аналитический документ. 2020. 60 с.

2. Григорьева И.Г., Тунакова Ю.А., Валиев В.С., Александрова А.К., Кузнецова О.Н. Оценка коэффициента трансформации оксидов азота в приземном слое атмосферы Нижнекамского промышленного

узла // Вестник Казанского технологического университета. 2015. №19. С. 242-244.

3. Ермакова Е.П. О проекте общеевропейского закона о климате и проблемах нормативного регулирования «зеленого» финансирования в Европейском Союзе // Государство и право. 2020. С. 96-107. doi: 10.31857^013207690009682-2.

4. Методы расчетов рассеивания выбросов вредных (загрязняющих) веществ в атмосферном воздухе (утв. приказом Минприроды России от 6.06.2017 №273).

5. ГОСТ Р ИСО 14064-1-2021. Газы парниковые. Ч. 1. Требования и руководство по количественному определению и отчетности о выбросах и поглощении парниковых газов на уровне организации.

6. ГОСТ Р ИСО 14067-2021. Газы парниковые. Углеродный след продукции. Требования и руководящие указания по количественному определению».

7. Нечаев Ю.И. Нейронечеткое моделирование активных динамических систем // Нейрокомпьютеры: разработка, применение. 2018. №1. С. 3-12.

8. Пахомова Н.В., Рихтер К.К., Автончук Г. А., Малышков Г.Б. Трансформация глобальных экологических рисков в экономические риски российских предприятий и управление их минимизацией // Проблемы современной экономики. 2021. С.159-166.

9. Распоряжение Президента РФ от 17.12.2009 г. №861-рп «О Климатической доктрине Российской Федерации».

10. Распоряжение Правительства РФ от 22.04.2015 г. №716-р «О Концепции формирования системы мониторинга, отчетности и проверки объема выбросов парниковых газов в Российской Федерации».

11. Распоряжение Правительства РФ от 30.04.2018 г. №842-р «О внесении изменений в Концепцию формирования системы мониторинга, отчетности и проверки объема выбросов парниковых газов в Российской Федерации».

12. Тунакова Ю.А., Новикова С.В., Шагидуллин А.Р., Ва-лиев В.С. Нейросетевой алгоритм и гибридная модель для расчета концентраций парникового газа диоксида углерода // Системы контроля окружающей среды. 2023. Вып. 3. С. 133-140. doi: 10.33075/2220-5861-2023-3-133-140.

13. Тунакова Ю.А., Новикова С.В., Шагидуллин А.Р., Валиев В.С. Нейросетевой расчет концентраций диоксида

углерода // Южно-Сибирский научный вестник. 2021. №6. С. 18-23.

14. Указ Президента РФ от 2.07.2021 г №400 «О Стратегии национальной безопасности Российской Федерации».

15. Указ Президента РФ от 26.10.2023 г. №812 «Об утверждении Климатической доктрины Российской Федерации».

16. Федеральный закон от 2.07.2021 г. №296-ФЗ «Об ограничении выбросов парниковых газов».

References

1. Klimaticheskaya politika i grazhdanskoe obshchestvo: Budushchee stran Vostochnogo partnyorstva v kontekste Evrope-jskogo zelyonogo kursa [Climate policy and civil society: the future of the eastern partnership countries in the context of the European green deal] // Analiticheskij document [Policy Paper]. 2020. 60 p.

2. Grigor'eva I.G., Tunakova Yu.A., Valiev V.S., Aleksan-drova A.K., Kuznecova O.N. Ocenka koefficienta transformacii oksidov azota v prizemnom sloe atmosfery Nizhnekamskogo promyshlennogo uzla [Evaluation of the efficiency of transformation of nitrogen oxides in the ground layer of the atmosphere of the Nizhnekamsk industrial association] // Vestnik Kazansko-go tekhnologicheskogo universiteta [News of the Kazan technological university]. 2015. No 19. P. 242-244.

3. Ermakova E.P. O proekte obshcheevropejskogo za-kona o klimate i problemah normativnogo regulirovaniya «zel-enogo» finansirovaniya v Evropejskom Soyuze [On the draft pan-European law on climate and the problems of regulatory framework for «green» financing in the European Union] // Go-sudarstvo i pravo [State and law]. 2020. P. 96-107. doi:10.31857/ S013207690009682-2.

4. Metody raschetov rasseivaniya vybrosov vrednyh (za-gryaznyayushchih) veshchestv v atmosfernom vozduhe [On approval of methods for calculating the dispersion of emissions of harmful (pollutant) substances in the atmospheric air]. Approved by order of the Ministry of natural resources of Russia Federation dated 6.06.2017 No 273.

5. GOST R ISO 14064-1-2021. Gazy parnikovye. CHast' 1. Trebovaniya i rukovodstvo po kolichestvennomu opredeleni-yu i otchetnosti o vybrosah i pogloshchenii parnikovyh gazov na urovne organizacii [Greenhouse gases. Part 1. Requirements and guidance for quantification and reporting of greenhouse gas emissions and absorptions at the organization level]. Approved by the decree of the Federal agency for technical regulation and metrology dated 30.09.2021 No 1029-st.

6. GOST R ISO 14067-2021. Gazy parnikovye. Uglerodnyj sled produkcii. Trebovaniya i rukovodyashchie ukazaniya po ko-lichestvennomu opredeleniyu [Greenhouse gases. Carbon footprint of products. Requirements and guidelines for quantitative determination]. Approved by the decree of the Federal agency for technical regulation and metrology dated 30.09.2021 No 1032-st.

7. Nechaev Y.I. Nejronechetkoe modelirovanie aktivnyh di-namicheskih system [Neuro-fuzzy modeling of active dynamic systems] // Nejrokomp'yutery: razrabotka, primenenie [Neurocomputers: development, application]. 2018. No 1. P. 3-12.

8. Pahomova N.V., Rihter K.K., Avtonchuk G.A., Malysh-kov G.B. Transformaciya global'nyh ekologicheskih riskov v ekonomicheskie riski rossijskih predpriyatij i upravlenie ih min-imizaciej [Transformation of global environmental risks into economic risks of Russian enterprises and management of their minimization] // Problemy sovremennoj ekonomiki [Problems of the modern economy]. 2021. P. 159-166.

9. O klimaticheskoj doktrine Rossijskoj Federacii [On the climate doctrine of the Russian Federation]. Approved by order of the President of the Russian Federation dated 17.12.2009 No

861-rp.

10. O Koncepcii formirovaniya sistemy monitoringa, otchet-nosti i proverki ob"ema vybrosov parnikovyh gazov v Rossijskoj Federacii [ [On the concept of forming a system for monitoring, reporting and verification of greenhouse gas emissions in the Russian Federation»]. Approved by order of the Government of the Russian Federation dated 22.04.2015 No 716-r.

11. O vnesenii izmenenij v Koncepciyu formirovaniya sistemy monitoringa, otchetnosti i proverki ob"ema vybrosov parnikovyh gazov v Rossijskoj Federacii [utv. rasporyazheniem Pravitel'stva Rossijskoj Federacii [On amendments to the concept of forming a system for monitoring, reporting and verification of greenhouse gas emissions in the Russian Federation]. Approved by order of the Government of the Russian Federation dated 30.04.2018 No 842-r.

12. Tunakova Y.A., Novikova S.V., Shagidullin A.R., Valiev V.S. Nejrosetevoj algoritm i gibridnaya model' dlya rascheta kon-centracij parnikovogo gaza dioksida ugleroda [Neural network algorithm and hybrid model for calculating the concentration of carbon dioxide greenhouse gas] // Sistemy kontrolya okruzhay-ushchej sredy [Environmental control systems]. 2023. Iss. 3. P. 133-140. doi: 10.33075/2220-5861-2023-3-133-140.

13. Tunakova Y.A., Novikova S.V., Shagidullin A.R., Valiev V.S. Nejrosetevoj raschet koncentracij dioksida ugleroda [Neural network calculation of carbon dioxide concentration] // Uzh-no-Sibirskij nauchnyj vestnik [South Siberian scientific bulletin]. 2021. No 6. P. 18-23.

14. O strategii nacional'noj bezopasnosti Rossijskoj Feder-acii [On the national security strategy of the Russian Federation]. Approved by order of the President of the Russian Federation dated 02.07.2021 No 400.

15. Ob utverzhdenii Klimaticheskoj doktriny Rossijskoj Federacii [On Approvals of the climate doctrine of the Russian Federation]. Approved by order of the President of the Russian Federation dated 26.10.2023 No 812.

16. Ob ogranichenii vybrosov parnikovyh gazov [On limiting greenhouse gas emissions]. Federal Law dated 2.07.2021 No 296-FZ.

Tunakova Y.A., Novikova S.V., Shagidullina R.A., Shagidullin A.R., Nurmekhamitova V.A. Method for calculating the concentrations of carbon dioxide entering the atmospheric air of a city with emissions from industrial enterprises.

Increases in greenhouse gases, especially carbon dioxide, inevitably lead to climate risks and have serious consequences for the biosphere as a whole. The article presents the results of using neural network technologies to determine ground-level concentrations of the greenhouse gas carbon dioxide in the conditions where it is impossible to use regulated calculation methods. In contrast to the latter a neural network during the learning process makes it possible to carry out calculations in the absence of data on the parameters of atmospheric emission sources that determine ground-level concentrations of impurities. The possibility of calculating surface concentrations of carbon dioxide from the values of carbon monoxide concentrations based on taking into account secondary chemical reactions in the atmosphere was

shown. We argue that using transformation ratio, ozone concentrations, and background gamma values as predictors increases the accuracy of calculating ground-level carbon dioxide concentrations. Using the example of emissions from a chemical industry enterprise located in the city of Kazan, the proposed neural network calculation method was tested. The

error of calculations using the designed and trained neural network cascade model, which is less than one percent, showed the effectiveness of the proposed approach.

Keywords: emissions into the atmosphere; greenhouse gas; carbon dioxide; neural network calculation; ground-level concentrations.

Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest

Информация о статье / Information about the article

Поступила в редакцию / Entered the editorial office: 29.07.2024

Одобрено рецензентами / Approved by reviewers: 07.08.2024

Принята к публикации / Accepted for publication: 20.08.2024

Сведения об авторах

Тунакова Юлия Алексеевна, доктор химических наук, профессор, заведующая кафедрой, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ, Россия, 420126, г. Казань, ул. Четаева, 18; старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: julia-prof@mail.ru

Новикова Светлана Владимировна, доктор технических наук, профессор, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ, Россия, 420015, г. Казань, ул. Большая Красная, 55; старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: swe-ta72@bk.ru

Шагидуллина Раиса Абдулловна, доктор химических наук, доцент, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28; профессор, Казанский национальный исследовательский технический университет им. А. Н. Туполева, E-mail: Raisa.Shagidullina@tatar.ru.

Шагидуллин Артур Рифгатович, доктор технических наук, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28; старший преподаватель, Казанский национальный исследовательский технический университет им. А. Н. Туполева, E-mail: Artur.Shagidullin@tatar.ru.

Нурмехамитова Виолетта Алмазовна, младший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, аспирант, Казанский национальный исследовательский технический университет им. А. Н. Туполева, E-mail: violka9641@gmail.com.

Information about the authors

Yulia A. Tunakova, D.Sci. in Chemistry, Professor, Head of Department, Kazan National Research Technical University named after A.N. Tupolev - KAI, 18, Chetaeva st., Kazan, 420126, Russia; Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences,28 Daurskaya st., Kazan, 420087, Russia, E-mail: juliaprof@mail.ru

Svetlana V. Novikova, D.Sci. in Technic, professor, Kazan National Research Technical University named after A.N. Tupolev -KAI, 55, Bolshaya Krasnaya st., Kazan, 420015, Russia; Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28 Daurskaya st., Kazan, 420087, Russia, E-mail: sweta72@bk.ru.

Raisa A. Shagidullina, D.Sci. in Chemistry, Associate Professor, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28 Daurskaya st., Kazan, 420087, Russia; Professor, Kazan National Research Technical University named after A.N. Tupolev - KAI, 18, Chetaeva st., Kazan, 420126, Russia, E-mail: Raisa.Shagidullina@tatar.ru.

Artur R. Shagidullin, Doctor of Technical Sciences, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia; Senior Lecturer, Kazan National Research Technical University named after A.N. Tupolev - KAI, 18, Chetaeva st., Kazan, 420126, Russia, E-mail: Artur.Shagidullin@tatar.ru.

Violetta A. Nurmehamitova, Junior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia; Graduate student, Kazan National Research Technical University named after A.N. Tupolev - KAI, 18, Chetaeva st., Kazan, 420126, Russia, E-mail: violka9641@gmail.com.

ПРАВИЛА ДЛЯ АВТОРОВ

К публикации в «Российском журнале прикладной экологии» принимаются научные статьи, сообщения, рецензии, обзоры по всем разделам экологической науки. В журнале печатаются не публиковавшиеся ранее материалы. В предлагаемых для публикации научных статьях должно содержаться обоснование актуальности, четкая постановка целей и задач исследования, научная аргументация, обобщения и выводы, представляющие интерес своей новизной, научной и практической значимостью.

Для публикации статьи автору (авторам) необходимо представить в редакцию следующие материалы:

1) направление от организации (в 1 экз.);

2) электронную версию статьи по фамилии первого автора (например, ivanov.doc)

3) сведения об авторах: имя, отчество и фамилия, должность, ученая степень и ученое звание, место работы и адрес электронной почты - на русском и английском языках.

4) Сканированная копия подписанного Лицензионного договора с каждым автором (форма договора размещена на сайте журнала).

Указанные файлы следует переслать в адрес редакции по электронной почте rjaeco@mail.ru или заполнить непосредственно на сайте журнала www.rjae.ru.

Требования к тексту рукописи:

Статьи публикуются на русском и английском язы-

Объем рукописи не должен превышать 20 страниц, для рецензий и сообщений - до 5 страниц, для обзоров

- до 30 страниц.

Текст статьи должен быть набран в формате MS Word 1997-2003, шрифт Times New Roman, кегль 14, через 1.5 интервала. Поля рукописи 20 мм, абзацный отступ 0.5 см. Текст набирается без переносов.

Текст статьи должен быть разбит на разделы. Рекомендуется использовать стандартные рубрики: «Введение», «Материалы и методы исследования», «Результаты и их обсуждение», «Выводы» или «Заключение», «Список литературы».

При оформлении статьи следует соблюдать приведенные ниже правила.

1-я строка - УДК (выравнивание по левому краю);

2-я строка - инициалы и фамилии автора (авторов), место работы, e-mail (курсив, выравнивание по правому краю);

3-я строка - название статьи - на русском и английском языках (прописными буквами, полужирный шрифт, выравнивание по центру);

4-я строка - аннотация (не менее 200 слов) и ключевые слова (не более 5, отделяются точкой с запятой)

- на русском и английском языках (выравнивание по ширине);

5-я строка - текст статьи (выравнивание по ширине).

Заголовки таблиц приводятся курсивом на русском и английском языках. Таблицы могут быть книжной

или альбомной ориентации.

Рисунки к статье должны быть сохранены в отдельных файлах с соответствующим расширением (xls, jpg, tiff). Растровые изображения должны иметь разрешение не менее 300 dpi. Все указанные материалы могут быть представлены в цветном или черно-белом вариантах. Подписи к рисункам приводятся курсивом на русском и английском языках; аббревиатуры расшифровываются в подрисуночных подписях. Все обозначения на рисунках выполняются шрифтом Times New Roman.

Математические формулы должны быть набраны в MS Equation. Пояснения значений символов и числовых коэффициентов необходимо давать непосредственно под формулой в последовательности, в которой они приведены в формуле.

Химические формулы следует набирать с помощью специализированных программ (Chem Draw, HyperChem, Isis Draw). Все элементы химической формулы должны быть хорошо различимы.

Все физические величины должны быть даны в системе единиц «СИ».

В десятичных дробных числах целая часть отделяется от дробной точкой.

Латинские названия видов печатаются курсивом.

Ссылки на литературные источники в тексте даются в круглых скобках, например: (Иванов и др., 2019; Методические ..., 2001; Одум, 2007; Тихомиров, Марков, 2009; Ferrand et al., 2012).

Список литературы составляется в алфавитном порядке и нумеруется в ручном режиме (сначала приводятся отечественные источники, затем иностранные).

Транслитерированный список литературы (References) приводится отдельно. Русскоязычные работы указываются в латинской транслитерации, рядом в квадратных скобках приводится их перевод на английский язык. Библиографические описания прочих работ приводятся на языке оригинала.

Обязательным условием является указание в списке литературы DOI (уникальный идентификационный номер цифрового объекта) тех работ, у которых он есть.

Образец оформления списка литературы:

1. ГОСТ Р ИСО 22033-2009. Качество почвы. Биологические методы. Хроническая токсичность в отношении высших растений.

2. Григорьян Б.Р., Кольцова Т.Г., Сунгатуллина Л.М., Сахабиев И.А. Оценка соответствия сельскохозяйственных предприятий Республики Татарстан требованиям органического агропроизводства // Российский журнал прикладной экологии. 2016. №3. С. 40-45.

3. Зиганшин И.И., Зиганшина Д.И. Лекарственные растения островов Казанского района переменного подпора Куйбышевского водохранилища // Биоразнообразие и рациональное использование природных ресурсов / Материалы докл. VII Всерос. научно-практ. конф. Махачкала: Изд-во ДГПУ, 2019. С. 18-20.

4. Иванчева Е.Ю. Сравнительный анализ видовой структуры рыбного населения малых рек Рязанской области: Автореф. дис. ... канд. биол. наук. Борок, 2008. 25 с.

5. Сафонов А.Ф. Системы земледелия. М.: Колос, 2006. 447 с.

6. Спирина Е.В. К вопросу о биологии форели ручьевой Salmo trutta morpha fario // Природа Симбирского Поволжья. Ульяновск, 2002. Вып. 3. С. 154-157.

7. Яковлев В.А. Изменение структуры зообентоса северо-восточной Фенноскандии под влиянием природных и антропогенных факторов: Дисс. ... докт. биол. наук. Казань, 1999. 436 с.

8. Hanson M.J., Stefan H.G. Side effects of 58 years of copper sulphate treatment of the Fairmount lakes, Minnesota // Water Resour. Bull. 1984. V. 20. P. 889-900. doi: 10.nn/j.1752-1688.1984.tb04797.x.

9. WoRMS Editorial Board (2016). World Register of Marine Species // URL: http://www.marinespecies.org (дата обращения: 20.05.2016).

Образец оформления транслитерированного списка литературы:

1. GOST R ISO 22033-2009. Kachestvo pochvy. Bio-logicheskie metody. Hronicheskaya toksichnost' v otnos-henii vysshih rastenij [Soil quality. Biological methods. Chronic toxicity to higher plants].

2. Grigor'yan B.R., Kol'tsova T.G., Sungatullina L.M., Sakhabiyev I.A. Otsenka sootvetstviya sel'skokhozyayst-vennykh predpriyatiy Respubliki Tatarstan trebovaniyam organicheskogo agroproizvodstva [Assessment of the conformity of agricultural enterprises of the Republic of Tatarstan with the requirements of organic agricultural production] // Rossiyskiy zhurnal prikladnoy ekologii [Russian jornal of applied ecology]. 2016. No 3. P. 40-45.

3. Ziganshin I.I., Ziganshina D.I. Lekarstvennye ras-tenija ostrovov kazanskogo rajona peremennogo podpora Kujbyshevskogo vodohranilishha [Medicinal plants of the islands of Kazan area of the variable subpropt of the Kuibyshev reservoir] // Bioraznoobrazie i racional'noe ispol'zo-vanie prirodnyh resursov [Biodiversity and natural resource

management] / Materialy dokl. VII Vseros. nauchno-prakt. konf. Mahachkala: DGPU, 2019. P. 18-20.

4. Ivancheva E.Yu. Sravnitel'nyj analiz vidovoj struktury rybnogo naseleniya malyh rek Ryazanskoj oblasti [Comparative analysis of the species structure of the fish population of small rivers in the Ryazan region]: Summary of PhD (Cand. of Biol.) Borok, 2008. 25 p.

5. Safonov A.F. Sistemy zemledeliya [Farming systems]. M.: Kolos, 2006. 447 p.

6. Spirina E.V. K voprosu o biologii foreli ruch'evoj Salmo trutta morpha fario [On the biology of brook trout Salmо trutta morpha fario] // Priroda Simbirskogo Povo-lzh'ya [Nature of the Simbirsk Volga]. Ul'yanovsk, 2002. 3. P. 154-157.

7. Yakovlev V.A. Izmenenie struktury zoobentosa seve-ro-vostochnoj Fennoskandii pod vliyaniem prirodnyh i antropogennyh faktorov [Changes in the structure of zoo-benthos in northeastern Fennoscandia under the influence of natural and anthropogenic factors]: DSc (Dr. of Chem) thesis. Kazan', 1999. 436 p.

8. Hanson M.J., Stefan H.G. Side effects of 58 years of copper sulphate treatment of the Fairmount lakes, Minnesota // Water Resour. Bull. 1984. V. 20. P. 889-900. doi: 10.1111/j.1752-1688.1984.tb04797.x.

9. WoRMS Editorial Board (2016). World Register of Marine Species // URL: http://www.marinespecies.org (accessed: 20.05.2016).

Принятая к рассмотрению статья направляется рецензенту, при наличии замечаний она отсылается авторам на доработку. Окончательное решение о принятии статьи к публикации принимается редколлегией журнала.

Верстка статьи для окончательной проверки и утверждения высылается авторам по электронной почте.

Российский журнал прикладной экологии

420087 г. Казань, ул. Даурская, 28 www.rjae.ru