сотрудник
Воронеж, Россия
сотрудник
Воронеж, Воронежская область, Россия
УДК 504.38 Климат
В условиях изменения климата возникла необходимость учитывать данный фактор при выборе площадей и лесных культур при лесовосстановлении. Для оценки влияния климатических факторов на эффективность процесса лесовосстановления необходим в первую очередь сбор и анализ информации об изменении температуры, количества осадков и их влиянии на онтогенез, как ювенильных, так и зрелых древесных растений с целью эффективного управления лесовосстановлением
лесовосстановление, изменение температуры, климат, управление
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. Свидетельство о государственной регистрации программы для ЭВМ № 2020618694 Российская Федерация. Информационная система для малых предприятий растениеводства : № 2020617959 : заявл. 20.07.2020 : опубл. 03.08.2020 / Т. В. Новикова, Т. П. Новикова, А. И. Новиков ; заявитель ФГБОУ ВО ВГЛТУ.
2. Keith H. Coble, Ashok К. 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 октября 2018 года / Edited by prof. Ing. Tomas Kliestik. Vol. Part I-VI. – Rajecke Teplice, Slovak Republic: University of Zilina, 2018. P. 1260-1267.
6. Новикова, Т. П. Разработка алгоритма и модели функционирования информационной системы для малого сельскохозяйственного предприятия / Т. П. Новикова, Т. В. Новикова, А. И. Новиков // Моделирование систем и процессов. – 2020. – Т. 13, № 4. – С. 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. Регрессионный анализ данных для планирования посевных площадей в условиях изменения климата / Т. П. Новикова, Д. Н. Афоничев, Т. В. Новикова [и др.] // Научно-технический вестник Поволжья. – 2023. – № 5. – С. 151-154.
9. Новикова, Т. П. К вопросу выбора методов принятия управленческих решений в социально-экономических системах / Т. П. Новикова // Альтернативные источники энергии в транспортно-технологическом комплексе: проблемы и перспективы рационального использования. – 2015. – Т. 2, № 1(2). – С. 286-289. – DOIhttps://doi.org/10.12737/14053.
