employee
Voronezh, Russian Federation
employee
Voronezh, Voronezh, Russian Federation
UDK 504.38 Климат
In the context of climate change, it became necessary to take this factor into account when choosing areas and forest crops during reforestation. To assess the influence of climatic factors on the effectiveness of the reforestation process, it is necessary first of all to collect and analyze information on changes in temperature, precipitation and their impact on the ontogenesis of both juvenile and mature woody plants in order to effectively manage reforestation.
reforestation, temperature change, climate, management
Научные достижения в области сенсорных технологий, дистанционного зондирования, робототехники, спутниковых технологий, машинного обучения, анализа больших данных и геномики используются учеными для высокопроизводительного фенотипирования, точного земледелия и платформ для планирования посевных площадей и прогнозирования сбора урожая в условиях изменения климата. Более того, сопоставление темпов изменения климата с фенотипической пластичностью лесных культур будет способствовать адаптивному восстановлению лесных полезащитных ландшафтов.
Темпы изменения климата, характеризуемые увеличением среднемесячной температуры за декаду 2010-2020, представленные в таблице 1 и на рисунке 1 для 15 стран с наибольшей мощностью публикационной активности в области изменения климата, не сопоставимы с адаптивными возможностями многих культур.
Таблица 1 – Изменение температурного режима в странах, входящих в ТОП-10 (по версии поискового агрегатора LENS) с учетом R&D в области изменения климата.
|
Страна |
Изменение температуры к 2020 году, °С |
Количество статей, возвращаемых по LENS-запросу |
|
|
среднее |
± СКО |
||
|
Великобритания |
1.392 |
0.444 |
20 146 |
|
США |
1.331 |
0.303 |
15 616 |
|
Нидерланды |
2.482 |
0.616 |
12 991 |
|
Германия |
2.521 |
0.614 |
4923 |
|
Швейцария |
2.503 |
0.458 |
3 907 |
|
Китайская Народная Республика |
1.703 |
0.251 |
914 |
|
Канада |
1.158 |
0.643 |
763 |
|
Индия |
0.461 |
0.25 |
471 |
|
Австралия |
1.404 |
0.351 |
452 |
|
Италия |
1.903 |
0.318 |
443 |
|
Российская Федерация |
3.699 |
0.659 |
269 |
|
Бразилия |
1.449 |
0.223 |
220 |
|
Япония |
1.413 |
0.358 |
216 |
|
Швеция |
2.938 |
0.851 |
204 |
|
Франция |
2.478 |
0.427 |
201 |
Примечание – Количество статей, возвращаемых по LENS-запросу = Title: {ClimateChange} AND (Country), режим доступа 02 марта 2023 года, показывает потенциальный интерес исследователей из конкретной страны к изучению изменения климата.
Средние значения изменения температуры за декаду адаптированы из FAOSTAT (https://www.fao.org/faostat/en/). Строки таблицы отсортированы по убыванию значений в поле «Количество статей».
Рисунок 1 – Наибольшее количество статей, связанных с изменением климата, возвращается по запросу в странах с умеренными изменениями распределения среднемесячных температур
Одним концептуальным примером принятия решений на уровне лесхоза является анализ, основанный на сценариях «продукт-среда-менеджмент». Исторически такие исследования были сосредоточены на взаимодействии между исходными ресурсами (такими как конкретная порода) и окружающей средой (такими как наличие определенного профиля питательных веществ в почве, температура и ожидаемые осадки [1-3]). Можно было бы назвать это анализом генетики по окружающей среде. Включение в большие данные результатов различных стратегий управления из многочисленных областей, использующих различные исходные данные и условия окружающей среды, могло бы позволить оценивать управленческие решения также, как переменную величину. Традиционные исследования сосредоточены на фенотипическом взаимодействии продукта и окружающей среды, а не на включении предприятия лесного хозяйства и его методов управления в качестве переменной в анализ. Использование данных, полученных в результате применения точных аналитических приборов и информационных технологий, определяет решения не только на уровне лесхозов, но и для производителей оборудования и технических средств для мониторинга, процесса восстановления лесных ландшафтов, ухода за лесными культурами и т.д. Все это открывает бесчисленные возможности для исследований влияния методов управления [7,9] на результаты лесовосстановления и может оказать глубокое влияние на такую дисциплину, как управление лесным хозяйством.
Для структуризации последовательности этапов управления процессом лесовосстановления в части планирования посадки (посева) лесных культур предложен алгоритм на рисунке 2.
Алгоритм для структуризации последовательности этапов управления процессом лесовосстановления в части планирования посевных площадей с учетом применения современных средств статистической обработки информации. Таким образом, эффективное управление предприятием лесного хозяйства учитывает специфику отрасли и базируется на научных достижениях.
Рисунок 2 – Алгоритм управления процессом лесовосстановления в части планирования посадки (посева) лесных культур
Данный алгоритм помимо стандартных этапов планирования посевных площадей включает предложенные методы оценки, планирования и прогнозирования [4-6,8] на базе кластерного анализа, дескриптивной статистики и регрессионного анализа.
1. Svidetel'stvo o gosudarstvennoy registracii programmy dlya EVM № 2020618694 Rossiyskaya Federaciya. Informacionnaya sistema dlya malyh predpriyatiy rastenievodstva : № 2020617959 : zayavl. 20.07.2020 : opubl. 03.08.2020 / T. V. Novikova, T. P. Novikova, A. I. Novikov ; zayavitel' FGBOU VO VGLTU.
2. Keith H. Coble, Ashok K. Mishra, Shannon Ferrell, Terry Griffin. Big Data in Agriculture: A Challenge for the Future // Applied Economic Perspectives and Policy. 2018. Vol. 40, Iss. 1. P. 79-96. DOIhttps://doi.org/10.1093/aepp/ppx056.
3. Lee, Soo-Jin & Kim, Nari & Lee, Yangwon. Development of Integrated Crop Drought Index by Combining Rainfall, Land Surface Temperature, Evapotranspiration, Soil Moisture, and Vegetation Index for Agricultural Drought Monitoring // Remote Sensing. 2021. DOI:13.1778.https://doi.org/10.3390/rs13091778.
4. Boikov, A.V. DEM Calibration Approach: Random Forest / A.V. Boikov, R.V. Savelev, V.A. Payor // Journal of Physics: Conference Series, Saint-Petersburg, 17–19 July 2018. Vol. 1118. Saint-Petersburg: Institute of Physics Publishing, 2018. P. 012009. DOI:https://doi.org/10.1088/1742-6596/1118/1/012009.
5. Novikov A.I. Non-Destructive Quality Control of Forest Seeds in Globalization: Problems and Prospects of Output Innovative Products / A. I. Novikov, T. P. Novikova // Globalization and its socio-economic consequences: Proceedings, Rajecke Teplice, Slovak Republic, 10–11 oktyabrya 2018 goda / Edited by prof. Ing. Tomas Kliestik. Vol. Part I-VI. – Rajecke Teplice, Slovak Republic: University of Zilina, 2018. P. 1260-1267.
6. Novikova, T. P. Razrabotka algoritma i modeli funkcionirovaniya informacionnoy sistemy dlya malogo sel'skohozyaystvennogo predpriyatiya / T. P. Novikova, T. V. Novikova, A. I. Novikov // Modelirovanie sistem i processov. – 2020. – T. 13, № 4. – S. 53-58. – DOIhttps://doi.org/10.12737/2219-0767-2021-13-4-53-58.
7. Novikova, T. P. The choice of a set of operations for forest landscape restoration technology / T. P. Novikova // Inventions. – 2022. – Vol. 7, No. 1. – DOIhttps://doi.org/10.3390/inventions7010001.
8. Regressionnyy analiz dannyh dlya planirovaniya posevnyh ploschadey v usloviyah izmeneniya klimata / T. P. Novikova, D. N. Afonichev, T. V. Novikova [i dr.] // Nauchno-tehnicheskiy vestnik Povolzh'ya. – 2023. – № 5. – S. 151-154.
9. Novikova, T. P. K voprosu vybora metodov prinyatiya upravlencheskih resheniy v social'no-ekonomicheskih sistemah / T. P. Novikova // Al'ternativnye istochniki energii v transportno-tehnologicheskom komplekse: problemy i perspektivy racional'nogo ispol'zovaniya. – 2015. – T. 2, № 1(2). – S. 286-289. – DOIhttps://doi.org/10.12737/14053.
