Леса лр 10: Рамные леса ЛР-10 — ООО «КСК»

Интенсивность физиологической реакции на стресс засухи в течение целевого засушливого года. Среднее ± SE увеличения изотопного состава углерода на уровне древостоев (Δδ ¹³ C _S , ‰) между засушливым годом и годом отсутствия водного стресса показано для всех древостоев со всеми уровнями разнообразия древесных пород для данного леса. тип.Увеличение Δδ ¹³ C _S между сухими и влажными условиями характеризует интенсивность стресса засухи, которому экосистемы подвергались.

Увеличение изотопного состава углерода на уровне древостоев по отношению к видовому разнообразию деревьев для каждого типа леса. Связь между увеличением изотопного состава углерода на уровне древостоев (Δδ ¹³ C _S , ‰) и индексом разнообразия Шеннона для полубореального, горного бука, бука умеренного пояса, теплолюбивых лиственных и средиземноморских лесов.Сплошные линии показывают статистически значимые отношения ( P <0,05). Соответствующие уравнения, значения R ² и P даны для каждого значимого отношения.

Обсуждение

Положительная взаимосвязь между Δδ ¹³ C _S и разнообразием видов деревьев, которая ранее наблюдалась для бореальных лесов (10), указала на более высокую подверженность засухе в более разнообразных насаждениях. Это предыдущее исследование показало, что стресс от засухи может обострить конкуренцию за воду между соседними породами деревьев.Однако в настоящем исследовании мы нашли доказательства того, что такое пагубное влияние разнообразия древесных пород не может быть распространено на европейские типы лесов. Действительно, мы не наблюдали никакой связи (гемибореальный, горный бук, средиземноморские леса) или отрицательной связи (умеренный бук, теплолюбивые лиственные леса) между Δδ ¹³ C _S и разнообразием древесных пород (рис. 2).

Отрицательная связь между Δδ ¹³ C _S и разнообразием древесных пород, которую мы наблюдали для бука умеренного пояса и теплолюбивых лиственных лесов, означает, что доступность воды была выше в разнообразных насаждениях, чем в чистых в условиях засухи.Эти наблюдения согласуются с другими исследованиями, в которых было обнаружено, что разнообразие видов деревьев снижает стресс от засухи (8, 9). Более высокая доступность воды в более разнообразных насаждениях предполагает разделение ниш и / или процессы облегчения между взаимодействующими видами. Подземное разделение может происходить, когда виды, которые распространяют свою корневую систему на более глубокие слои почвы, сосуществуют с другими видами, которые занимают поверхностные слои. В смешанных лесных экосистемах также известны механизмы облегчения, такие как гидравлический подъемник, при котором более глубоко укоренившиеся породы деревьев поглощают воду и перераспределяют ее через свою корневую систему в более сухие поверхностные слои почвы (18).Более высокое функциональное разнообразие грибного сообщества также может частично улучшить доступность воды в более разнообразных насаждениях (19). Тем не менее, эти основные процессы остаются спекулятивными, и необходимы дальнейшие исследования, чтобы пролить свет на относительный вклад этих потенциальных процессов (20).

Для трех других типов леса (гемибореальный, горный буковый и средиземноморский) связь между Δδ ¹³ C _S и разнообразием древесных пород была несущественной (рис.2), предполагая, что никаких процессов разделения или упрощения сетевых ресурсов не происходило. Для этих трех типов леса разнообразие видов деревьев не играло важной роли в модулировании реакции экосистемного уровня на стресс от засухи, несмотря на сильные функциональные различия между видами в их реакции на засуху (рис. S3). Таким образом, внутривидовые и межвидовые взаимодействия, по-видимому, в равной степени влияют на уровень подверженности засухе в этих экосистемах. Виды деревьев, из которых состоят эти леса, могут быть «экологическими эквивалентами» (21), которые используют аналогичные конкурентные стратегии для борьбы со стрессом от засухи.Однако как для гемибореальных, так и для горных буковых лесов изменчивость древостоев в Δδ ¹³ C _S частично объяснялась интенсивностью конкуренции (т. Е. Базальной площадью; Рис. S4). Древостои с более высокой базальной площадью показали наибольшее увеличение Δδ ¹³ C _S и, следовательно, самое сильное ограничение влажности почвы. Таким образом, в этих типах леса методы лесоводства, контролирующие базальную площадь древостоев, могут быть одним из вариантов управления для повышения устойчивости к засухе.

Условия окружающей среды сильно различаются вдоль градиента север-юг, рассматриваемого в этом исследовании, и могут объяснить несогласованность реакции между различными типами леса.Отрицательные отношения наблюдались в буковых лесах умеренного пояса и теплолюбивых лиственных лесах, двух участках, которые показали самую высокую среднюю интенсивность стресса от засухи и самую высокую частоту стресса от засухи за последние 14 лет (Таблица S3). Напротив, засухи в бореальных и гемибореальных лесах были умеренными и довольно редкими (Таблица S3), и это те участки, где мы наблюдали положительную взаимосвязь (10) или отсутствие эффекта взаимодействия видов. Таким образом, в целом глобальная картина, которую мы обнаружили, кажется совместимой с «гипотезой градиента напряжения» (22, 23), хотя наше исследование не было разработано для проверки этой гипотезы.Эта гипотеза действительно предполагает, что процессы содействия и взаимодополняемости должны происходить чаще и иметь большее значение в более засушливых условиях, тогда как конкуренция должна преобладать в благоприятных. Средиземноморский лес также характеризовался высокой интенсивностью и частотой стресса засухи (Таблица S3), но мы не обнаружили влияния взаимодействия видов. Мы подозреваем, что очень мелкие почвы, обнаруженные на этом участке, предотвратили любую возможность установления подземных процессов взаимодополняемости, таких как расслоение корней.

Мы пришли к выводу, что более высокое разнообразие древесных пород обеспечивает большую устойчивость к засухе в некоторых типах лесов, но эту закономерность нельзя распространить на все лесные экосистемы. Реакция леса, вероятно, будет зависеть от контекста. Ассоциации местных древесных пород, вероятно, взаимодействуют с местными условиями окружающей среды, и это могло бы объяснить сложность взаимосвязи между биоразнообразием и устойчивостью лесов к стрессу от засухи, который мы наблюдали по всей Европе. Управление лесными экосистемами с целью обеспечения высокого разнообразия видов деревьев не обязательно гарантирует повышение устойчивости к более суровым и частым засухам, прогнозируемым в будущем.

Материалы и методы

Экспериментальные площадки.

Участки, использованные в этом исследовании, включены в постоянную сеть древостоев, созданных в 2011–2012 годах в существующих спелых лесах в пяти европейских странах (Германии, Польше, Румынии, Италии и Испании) в рамках проекта FP7-FunDivEurope. (24). Районы исследования включают в себя сильно изменчивые климатические условия и вмещают самые важные европейские лиственные и хвойные породы деревьев ( SI Text ). На каждом участке было выбрано 21–42 лесных насаждения (30 × 30 м), всего 160 насаждений, покрывающих градиент разнообразия древесных пород, от чистого до местного максимума, составляющего от трех до пяти видов на древостой ( SI Text ).Каждый уровень разнообразия видов деревьев был воспроизведен примерно 10 раз, но с разным видовым составом: экспериментальная установка не была предназначена для разделения эффекта присутствия определенных видов или определенных комбинаций видов от влияния разнообразия видов деревьев. Чтобы минимизировать мешающие факторы среди насаждений в пределах данного участка, насаждения были выбраны по аналогичной стадии развития, характеристикам почвы, уклону, высоте, прошлым практикам управления и характеристикам структуры растительного покрова (24).Этот выбор фокусирует исследование на довольно средних условиях участка и не подходит для оценки влияния видового разнообразия на более широкий спектр факторов окружающей среды. Однако с помощью этого дизайна мы стремились устранить другие местные факторы, которые могли повлиять на функционирование экосистемы в такой же степени, как и на разнообразие древесных пород. Тем не менее, нельзя было избежать некоторой изменчивости между насаждениями в пределах данного участка, и характеристики насаждений были включены в статистический анализ как искажающие факторы.Подробное описание выбора и характеристик стенда можно найти в SI Text и исх. 24. Чтобы охарактеризовать видовое разнообразие каждого древостоя, мы рассчитали индекс разнообразия Шеннона для каждого древостоя с базальной площадью вида в качестве суррогата численности в уравнении ( SI Text ).

Выбор целевых лет.

Чтобы выбрать год с неограничивающими условиями воды в почве в течение вегетационного периода и год с сильной почвенной засухой в течение вегетационного периода, мы использовали модель водного баланса BILJOU (25) для оценки суточного REW (без единиц измерения) для каждого участка в течение периода роста. период с 1997 по 2010 гг. (рис.S1). На основе REW был рассчитан индекс водного стресса (25), который использовался для выбора 2 y (рис. S2).

Подготовка и анализ проб древесины.

Мы выбрали подвыборку доминантных и кодоминантных деревьев для каждого вида и для каждого древостоя, чтобы избежать мешающих факторов, связанных с перехватом света ( SI Text ). Для каждого дерева мы извлекли одну древесную сердцевину на уровне груди и тщательно извлекли позднюю древесину для каждого выбранного года. Срезы поздней древесины данного вида, данного года и данного насаждения собирали и анализировали на δ 9 1018 13 9 10 19 ° С с помощью масс-спектрометра.Выбирая только позднюю древесину, δ ¹³ C которой в основном характеризует функционирование деревьев во второй части вегетационного периода, мы избежали потенциальных эффектов, связанных с ремобилизацией сохраненных фотосинтатов из предыдущего вегетационного периода (26) или с благоприятный весенний климат.

Стоячий изотопный состав углерода.

Мы рассчитали уровень насаждения δ ¹³ C для каждого года, используя уровень δ ¹³ C на уровне вида, с суммой базальной площади каждого вида в каждом насаждении в качестве весового коэффициента для вклада каждого вида ( SI текст ).Δδ ¹³ C _S затем была определена как увеличение δ ¹³ C на уровне древостоя между засушливыми и влажными условиями и, следовательно, характеризует физиологический ответ на уровне экосистемы на почвенную засуху.

Характеристика смешивающих факторов.

Для учета в статистической модели были измерены следующие характеристики насаждений: индекс площади листьев (т. Е. Световые режимы), C / N почвы (т. Е. Доступность питательных веществ), базальная площадь древостоя (интенсивность конкуренции) и высота ( местные климатические условия).

Анализ данных.

Для каждого участка использовались линейные смешанные модели для определения фиксированных эффектов индекса разнообразия Шеннона и смешивающих факторов на Δδ ¹³ C _S (таблица S4). Взаимодействие между индексом Шеннона и смешивающими факторами первоначально было интегрировано в модель, но затем было удалено, поскольку ни одно из них не было значимым.

Благодарности

Мы благодарим Богдана Ярошевича, Филлипо Буссотти, Тимо Домиша и всех технических специалистов на объекте за установку стендов для исследований и за материально-техническую помощь; Даниэль Авакэрицей, Юлиан Данила, Габриэль Дудуман, Адам Беннетер, Томмазо Юкер и Ионуц Бэрноайя за помощь в отборе проб древесины; Франсуа Геремия за подготовку образцов древесины; Пьеру Монпье за ​​советы по статистическому анализу; и техническая платформа изотопов Национального института агрономических исследований в Нанси и изотопный комплекс Калифорнийского университета в Дэвисе для анализа изотопов углерода.Два анонимных рецензента внесли значительный вклад в улучшение предыдущей рукописи. Исследование, приведшее к этим результатам, финансировалось Седьмой рамочной программой Европейского Союза (FP7 / 2007-2013) в рамках гранта 265171. Это исследование проводилось в рамках Лаборатории передового опыта ARBRE (Recherches Avancées sur la Biologie de l’Arbre et al. les Ecosystémes Forestiers; ANR-12- LABXARBRE-01) при поддержке Французского национального исследовательского агентства. A.G. благодарит за финансовую поддержку Deutsche Forschungsgemeinschaft (GE 1090 / 8-1).E.C. благодарит Министерство науки и высшего образования Польши за финансовую поддержку.

Сноски

• Вклад авторов: А. Гранье, Д. Б. и А. Гесслер разработали исследование; C.G., A. Granier, S.M.D., M.P., D.B. и A. Gessler проводили исследования; К.Г., А. Гранье, Д. Б. и А. Гесслер проанализировали данные; C.G., A. Granier, S.R., O.B., H.B., E.C., D.I.F., S.M.D., L.F., M.P., M.S.-L., F.V., D.B. и A. Gessler написали статью; и O.B., H.B., E.C., L.F., M.P., М.С.-Л., Ф.В. выбрал сайты.

• Авторы заявляют об отсутствии конфликта интересов.

• Эта статья представляет собой прямое представление PNAS.

• Эта статья содержит вспомогательную информацию на сайте www.pnas.org/lookup/suppl/doi:10.1073/pnas.1411970111/-/DCSupplemental.

Оценка наземной биомассы леса с использованием данных Landsat 8 и Sentinel-1A с алгоритмами машинного обучения

Важность процесса настройки

Благодаря процессу настройки мы улучшаем наше понимание выбора параметров для моделей RF и XGBoost.В процессах моделирования иногда упускают из виду настройку. Также использовалось значение параметров по умолчанию, игнорируя разницу наборов данных между разными областями исследования. Для непараметрических моделей особенно важна оптимизация параметров модели. Результаты наших исследований показывают, что оптимизация параметров особенно важна для моделей XGBoost.

Модели XGBoost имеют большое количество параметров, и производительность моделей может сильно различаться в зависимости от выбранных значений этих параметров.Модели XGBoost также более подвержены переобучению, если не выбраны правильные значения параметров. Для моделей XGBoost более глубокие деревья создают более сложную модель, захватывают слишком много деталей и избыточно подходят для обучающего набора данных, что приводит к снижению способности модели к обобщению. Модель не может делать хорошие прогнозы на новом наборе данных. Мы обнаружили, что для того, чтобы модели достигли точки увеличения отдачи, требовался больший вес ребенка (дополнительный рис. S2). Таким образом, выбор подходящих комбинированных значений глубины дерева и веса потомков был важным шагом для улучшения качества моделей.Минимальное сокращение потерь, гамма , управляет сложностью разделения листового узла дерева, который разделяется только тогда, когда результирующее разделение дает положительное уменьшение функции потерь, а большее значение гамма делает модели более устойчивыми к Избегайте переобучения ³² . гамма является очень важным параметром модели XGBoost, хотя его влияние не было значительным в этом исследовании (дополнительный рисунок S2).

Как правило, более низкая скорость обучения обычно улучшает производительность моделей, но есть точка уменьшения отдачи, и после этой точки производительность модели постепенно стабилизируется.В определенной степени скорость обучения отрицательно связана с количеством итераций, поэтому моделям требуется больше итераций, чтобы достичь той же точности с более низким значением скорости обучения (дополнительный рисунок S3). При более высокой скорости обучения производительность моделей может быстро достигать оптимальной точки, а затем быстро снижаться с увеличением числа итераций. Следовательно, увеличение количества итераций за пределами надлежащего диапазона с выбором более высокой скорости обучения не улучшает качество модели и увеличивает стоимость вычислений.Более низкая скорость обучения снижает влияние каждого отдельного дерева и оставляет место для деревьев признаков, чтобы улучшить производительность модели.

Для частоты субдискретизации Freeman et al . ²³ обнаружили, что лучшая модель имеет частоту подвыборки около 0,5, а Elith et al . ³⁹ предложил выбрать значение от 0,5 до 0,75. Напротив, значения частоты подвыборки были выше, чем предполагаемые значения для оптимизированных моделей в этом исследовании (дополнительная таблица S6).Меньший коэффициент подвыборки, который также может собрать достаточно выборок из большого набора обучающих данных, может добавить в модель больше стохастичности, чтобы компенсировать переобучение. Однако для небольшого набора данных производительность модели будет снижаться при очень низком коэффициенте подвыборки, который не может предоставить достаточно информации для построения деревьев. Кроме того, модель XGBoost поддерживает подвыборку столбцов (то есть подвыборку переменных), которая также используется в модели RF. Согласно отзывам пользователей, использование подвыборки столбцов предотвращает переоснащение даже в большей степени, чем подвыборка строк, а также ускоряет вычисления параллельного алгоритма, описанного позже ³² .

Количество итераций повышения ( около ) особенно важно в XGBoost. Дерево повышения модели строится последовательно, где каждое новое дерево пытается исправить ошибку, допущенную предыдущими деревьями. Модель может быстро достичь точки убывающей отдачи. Следовательно, производительность модели не улучшится, когда будет добавлено больше деревьев сверх установленного лимита (дополнительный рисунок S3).

XGBoost имеет множество параметров помимо параметров, представленных в этом исследовании, и взаимосвязь между этими параметрами является сложной.Несомненно, сложно полностью понять взаимодействие между этими параметрами. Тем не менее, мы все рады значительному улучшению оценки с помощью XGBoost, и это тоже то, чего мы хотели, хотя настройка параметров занимает много времени. Мы также заметили, что в XGBoost нужно настроить многие параметры. Для исследователей, которые не знакомы с тем, как работает XGBoost и значением параметров, потребуется много времени, чтобы найти оптимальные значения параметров, которые могут повлиять на применение XGBoost в оценке лесной биомассы на основе данных дистанционного зондирования.Из-за большого количества параметров и гибкости XGBoost не существует фиксированного шага оптимизации параметров для разных наборов данных. Поэтому мы ввели общий подход к настройке параметров: сначала выберите относительно высокую скорость обучения ( скорость обучения ). Как правило, скорость обучения 0,1 работает, но где-то от 0,05 до 0,3 должно работать для разных задач. Затем определите оптимальное количество деревьев ( вокруг ) для этой скорости обучения. Во-вторых, настройте параметры, специфичные для дерева, такие как max_depth , min_child_weight , gamma и подвыборка , для выбранной скорости обучения и количества деревьев.В-третьих, настройте параметры регуляризации для XGBoost, которые могут помочь повысить скорость работы, снизить сложность модели и повысить производительность. В-четвертых, снизьте скорость обучения и выберите оптимальные параметры. Кроме того, мы должны сбалансировать улучшение производительности модели и увеличение временных затрат на оптимизацию параметров в соответствии с фактическим спросом. Значения по умолчанию параметров XGBoost получены разработчиками путем повторных тестов. По сравнению с использованием оптимальных параметров, хотя модель со значениями параметров по умолчанию не может обеспечить лучшую производительность, это может значительно сэкономить время работы модели, особенно для больших наборов данных.Благодаря превосходной производительности XGBoost, используя значения параметров по умолчанию, мы можем быстро определить качество набора данных, производительность модели и определить, следует ли дополнительно оптимизировать параметры.

Напротив, модель RF имеет только два параметра, которые необходимо оптимизировать. Что касается количества деревьев, Probst et al . предложили установить этот параметр как можно выше ²⁴ и Liaw et al . предположил, что стабилизированная точность модели после определенного количества деревьев может надежно выразить производительность модели ⁴⁰ .На практике остается спорным, «следует ли просто установить количество деревьев на самое большое вычислительно управляемое значение или меньшее значение может в некоторых случаях быть лучше, и в этом случае количество деревьев в идеале должно быть тщательно настроено» ²⁴ . Результаты наших исследований показали, что результаты прогнозирования модели были стабилизированы после большего количества деревьев, что может реалистично выразить производительность модели. Кроме того, деревья модели RF независимы друг от друга, что отличалось от модели XGBoost; таким образом, модель RF менее подвержена переобучению, когда количество деревьев увеличивается ⁴¹ .На точность модели повлияло значение мтри , поэтому ее необходимо было тщательно настроить. Результаты трех значений mrty были четко идентифицированы. Однако мы выбрали только три предлагаемых значения для настройки, и другие значения также необходимо проверить. RF — очень важный и замечательный непараметрический метод, хотя в этом исследовании его производительность не превосходила XGBoost.

Эффективность методов машинного обучения

Самые ранние исследования оценки биомассы были основаны на классических подходах статистической регрессии, например.g., линейная регрессия, которая предполагает линейную связь между предсказателем и предсказанными переменными ^10,42 . Однако существует сложная взаимосвязь между лесными AGB и данными дистанционного зондирования, поэтому традиционный метод статистической регрессии не может полностью описать взаимосвязь между ними. Методы машинного обучения, такие как случайный лес и усиление градиента, могут устанавливать сложную нелинейную связь между информацией о растительности и изображениями дистанционного зондирования с неопределенным распределением данных и могут гибко комбинировать данные из разных источников для повышения точности прогноза ^{43, 44} .

В этом исследовании у нас есть 78 переменных-предикторов из различных изображений дистанционного зондирования (дополнительная таблица S2). Мы обнаружили, что синергия между алгоритмами машинного обучения и данными нескольких датчиков может предотвратить переоснащение и значительно повысить точность оценки по сравнению с традиционными моделями LR и RF. Результат показал, что модель XGBoost работает лучше, чем модель RF (рис. 3). Причина того, что XGBoost работал лучше, заключается в том, что помимо того, что XGBoost является более гибким алгоритмом и имеет возможность исправлять остаточную ошибку для создания нового дерева на основе предыдущего дерева, деревья независимы в модели RF ⁴⁵ .Модель XGBoost — это усовершенствованная система GB; он обеспечивает улучшения в обработке регуляризованной цели обучения, что позволяет избежать переобучения ³² . Отмечается, что проблемы переоценки и недооценки до сих пор полностью не устранены с помощью алгоритмов машинного обучения. Эта проблема также существовала в предыдущих исследованиях с непараметрическим алгоритмом оценки AGB ⁴⁶ . Это решает сам алгоритм. Деревья решений, которые являются ключевыми компонентами методов RF и XGBoost, не могут экстраполироваться за пределы обучающей выборки.Кроме того, существуют проблемы насыщения оценки биомассы при использовании набора данных дистанционного зондирования ⁴⁷ . И количество участков недостаточно велико, мы не сделали стратифицированную оценку на основе уровней биомассы или типов леса, что может уменьшить больше ошибок оценки.

Кроме того, необходимо учитывать вопрос переменной важности. Общеизвестно, что важность переменных-предикторов может варьироваться в разных средах. Большинство изучаемых районов являются гористыми и холмистыми с большим диапазоном перепадов высот.По мере изменения высоты температура и осадки также меняются, что приводит к появлению разнообразных форм растительности в районе исследования. Таким образом, текстурных особенностей было много, и их было легко идентифицировать на изображениях дистанционного зондирования. Несмотря на то, что важность переменных предиктора текстуры отличалась от предыдущих исследований, неоспоримую важность имеют изображения текстуры (дополнительный рисунок S5) ^3,18 . Кроме того, в зависимости от важности переменной, переменные могут быть выбраны из многомерного набора данных, который имеет сложную взаимосвязь между переменными ⁴⁸ .Выбор переменных, которые могут уменьшить влияние шума и избыточных переменных, является важным шагом в алгоритмах машинного обучения, но мы не выполняли этот процесс. Причина в том, что в нашем наборе данных не слишком много переменных, и, что более важно, наша цель — сравнить производительность моделей между набором данных с одним датчиком и комбинированным набором данных с несколькими датчиками, но все переменные Sentinel могут быть потеряны после нескольких раундов выбор переменных. Кроме того, параллельный ансамбль обычно устойчив к помехам; таким образом, на РЧ-алгоритм не влияет включение переменных-предикторов зашумленности модели ⁴⁹ ; Модель XGBoost может ограничивать переменные предсказателя шума с помощью цели регуляризации, хотя она более чувствительна к шуму, чем RF ⁵⁰ .

До этого исследования в нескольких исследованиях использовался алгоритм XGBoost для оценки AGB и описан процесс оптимизации параметров. Гао и др. . ⁵¹ использовал несколько алгоритмов машинного обучения (KNN, ANN, SVM, RF) для оценки AGB для субтропического леса, и результат показал, что алгоритмы машинного обучения имеют хорошую производительность для оценки AGB. Ли и др. . ¹⁸ использовал модель линейной фиктивной переменной и линейную модель смешанных эффектов для оценки AGB в западной провинции Хунань в Китае; ² рэндов от общей растительности были равны 0.41, а R ² модели LR с использованием объединенного набора данных составил всего 0,22. Напротив, результаты, полученные с помощью методов машинного обучения в этом исследовании, были лучше, а алгоритм XGBoost имел хорошую производительность при оценке AGB и мог в некоторой степени снизить недооценку и переоценку.

В этом исследовании мы обнаружили, что средний AGB исследуемой территории ниже, чем в типичном субтропическом лесу (рис. 1). На исследуемой территории большая доля вторичных лесов, а распределение по возрастным классам неравномерно; он состоял из молодых и средних лесов, с небольшим количеством доминирующих, спелых и перезрелых лесов.Для лесов с высоким значением AGB насыщенность является основной причиной недооценки AGB на основе данных дистанционного зондирования. Из-за небольшого количества участков с высоким значением AGB в данном исследовании эта проблема не отражена полностью. Как повысить точность оценки леса с высоким AGB — все еще важная тема, требующая рассмотрения в будущих исследованиях. Ли и др. . установили линейную модель с фиктивной переменной для повышения точности оценки AGB в соответствии с разницей плотности лесного покрова ¹⁸ ; Ли и др. .построила модель оценки на основе типа леса для повышения точности оценки AGB ²⁵ . Кроме того, данные дистанционного зондирования с более высоким пространственным и радиометрическим разрешением, такие как данные LIDAR и гиперспектральные данные, или подход смешанной разложения пикселей, очистки данных и выбора переменных, могут быть решениями для оценки AGB.

Возможности синергии оптических и SAR изображений для оценки AGB

Оптические изображения применялись для оценки AGB леса в более ранних исследованиях, но предыдущие результаты показали, что проницаемость оптических сигналов мала.Таким образом, оптические сигналы в основном регистрируют горизонтальную структуру леса ⁵² . Однако в AGB лесов преобладает биомасса стволов и ветвей, поэтому оптические данные, очевидно, показывают его недостатки для оценки AGB лесов. Для конкретной длины волны микроволнового излучения сигналы SAR могут проникать через лесной полог и записывать информацию о вертикальной структуре, особенно длинноволновый SAR, такой как L-диапазон и P-диапазон, имеет более высокую проникающую способность. Однако сигнал SAR чувствителен к местности и легко насыщается, когда плотность растительного покрова слишком высока или биомасса слишком велика, что снижает точность извлечения параметров структуры леса ^10,11 .Поэтому использование комбинации оптических данных и данных SAR для извлечения параметров для оценки AGB леса является новым подходом.

Недавнее исследование доказало, что это эффективный способ повышения точности синергии данных с нескольких датчиков для оценки AGB. Шен и др. . нанесли на карту данные AGB для субтропических лесов, объединив изображения SAR в L-диапазоне Landsat TM / ETM + и ALOS в провинции Гуандун, Китай, и результат показал, что AGB на основе мультисенсорных изображений хорошо коррелировал ⁵³ .Катлер и др. . использовали Landsat TM и SAR в L-диапазоне JERS-1 вместе для оценки биомассы тропических лесов в трех разных географических точках, и результат показал, что объединение данных может повысить точность оценки биомассы ⁵⁴ .

В этом исследовании результаты продемонстрировали, что объединенный набор данных работает лучше, чем отдельные данные дистанционного зондирования, несмотря на то, что данные Sentinel-1A не работают в качестве хорошей прогнозирующей переменной для исследуемой области из-за его относительно низкой проницаемости.Между тем, было также доказано, что возможности Landsat 8 и Sentinel-1A, которые являются двумя важными бесплатными системами дистанционного зондирования, используемыми для глобального мониторинга и наблюдения, могут быть объединены вместе для оценки AGB лесов. Оба они являются компонентом (последней или самой ранней) серии миссий, поэтому непрерывные данные могут помочь создать последовательный и долгосрочный архив для непрерывного наблюдения, поэтому мы выбрали эти два набора данных дистанционного зондирования в этом исследовании.

Ветер как естественный фактор нарушения лесов: синтез | Лесное хозяйство: Международный журнал исследований леса

» data-legacy-id=»s1″> Введение

В этом документе представлен комплексный обзор природы, факторов, способствующих этому, и воздействия ветрового нарушения в лесах, в том числе его воздействия на деревья, насаждения, ландшафты и почвы. По каждой из этих тем существует множество литературы, в том числе обзоры воздействия ветра на деревья, ^1,2 о факторах, способствующих повреждению и восстановлению на уровне древостоев, ³ по механике валковки, ^4–6 по моделированию ветровалов ⁷ и по экологическим воздействиям ветровалов в северных, умеренных и тропических лесах. ^8–11 Schaetzl ¹² и Šamonil et al. ¹³ рассматривает воздействие ветровалов на почвы, а Буге и Дуэлли ¹⁴ рассматривают воздействие ветровалов на сообщества насекомых.

Ветровая волна слишком часто рассматривается как исключительное, катастрофическое явление, а не как постоянный фактор, влияющий на структуру и процессы экосистемы, попадающий в спектр хронических и острых воздействий ветра на леса. Характер возмущения, наносимого ветром, сложен, и часто бывает трудно увидеть порядок после отдельного шторма.В то время как отдельные явления ветровалов имеют немедленные последствия, ученые и менеджеры часто не замечают долгосрочных и кумулятивных последствий повторяющихся ветровых выбросов. Кроме того, изучение ветровалив и управление ландшафтами, подверженными ветровым выбросам, охватывает многие научные и профессиональные дисциплины. Одна из моих целей в этой статье — устранить некоторые междисциплинарные пробелы. Вторая цель состоит в том, чтобы уменьшить кажущуюся сложность метания ветрового ветра путем представления набора интегрирующих концепций, знание которых помогает в интерпретации очевидных несоответствий в схемах метания ветровоза внутри и между событиями.В этой статье основное внимание уделяется метанию ветровалов как повторяющемуся процессу естественного нарушения лесов. Ветровал исследуется через интегрирующие концепции: способность деревьев к акклиматическому росту, ограничение акклиматического роста в условиях конкуренции между деревьями, повторяющийся характер суровых погодных условий, то, как ландшафт и почвенные условия влияют на уязвимость местных древостоев и эффект повторяющихся ветровалов. по динамике насаждения и почвам. Взаимодействие между деревьями, погодными условиями и условиями местности сформулировано с точки зрения диагностических соображений, которые должны способствовать большей ясности в прогнозировании и интерпретации характера и последствий ветровалов.Кратко обсуждаются последствия повторяющихся валков для управления лесонасаждениями и ландшафтами.

» data-legacy-id=»s2a»> Определение естественного нарушения

Grime ¹⁵ определяет нарушение как внешние факторы, ограничивающие биомассу растений, вызывая частичное или полное разрушение. Пикетт и Уайт ¹⁶ помещают это в контекст экосистем, определяя нарушение как дискретные события, которые нарушают экосистему, структуру сообщества или населения и изменяют доступность ресурсов или субстрата или физической среды.Форман и Годрон ¹⁷ рассматривают эти нарушения как отклонения от нормальных закономерностей или функционирования экосистемы. При установлении того, что является нормальным, полезно подумать о диапазоне естественной изменчивости, а также о временных и пространственных масштабах, в которых эта изменчивость возникает. ¹⁸ Обычно существует обратная зависимость между интенсивностью возмущения (энергия, выделяемая физическим процессом возмущения или, в случае ветра, пиковые скорости ветра во время шторма) и периодичностью (интервал между возмущениями), и положительное соотношение между интенсивностью нарушения и серьезностью (количество погибших среди древесных и других популяций растений) на пораженной территории. ¹⁰

» data-legacy-id=»s2c»> Острое воздействие ветра на деревья и насаждения

Если ветровые нагрузки превышают сопротивление систем ствола или корня / почвы, деревья ломаются (ломаются стволы, ломаются ветром) или вырываются с корнем. Эти способы отказа часто приводят к летальному исходу, но деревья могут выжить, особенно там, где они способны восстанавливать ростки. ³² В любом случае это нарушение влияет на состояние древостоя и почвы. Вырывание корня и поломка ствола включаются в термин «ветровая волна» или, в просторечии, «продувка» и «ветровал». ^4,6 В случае ураганов, есть градиенты скорости ветра на трассе урагана, что приводит к градиентам повреждения деревьев и насаждений. ³³ Эти градиенты дают представление об иерархии реакции деревьев и насаждений на увеличение скорости ветра. Во время экстремальных ветровых явлений отказу стебля или корневой системы может предшествовать частичная дефолиация или разрушение ветвей. ¹¹ Потеря листвы и опадания веток может быть адаптивной стратегией в подверженных штормам ландшафтах, так как это снижает сопротивление и вероятность поломки ствола и вырождения с корнем. ^34,35 Частичное или полное разрушение ветвей также происходит, когда кроны соседних деревьев сталкиваются во время более обычных ветровых явлений. Периодическая обрезка ветвей или кончиков ветвей из-за столкновения может привести к образованию промежутков между соседними кронами деревьев, что называется застенчивостью кроны, и влияет на рост деревьев и развитие подлеска. ^29,36,37 При более высоких скоростях ветра, когда деревья в насаждениях начинают вырываться с корнем или ломаются стволы, они могут сбивать ветви, ломать или выкорчевывать соседние деревья, когда они падают через крону.Сильные ветры и летающие обломки во время ураганов и торнадо могут сорвать кору со стеблей. ¹¹

Ущерб на уровне древостоя варьируется от создания небольших промежутков в кронах деревьев через разрушение отдельных или небольших групп деревьев, через промежуточные уровни разрушения верхних деревьев и до полного и обширного разрушения навеса над уровнем моря. Характер повреждений в насаждениях может быть переменным или однородным. Распространение повреждений через насаждение во время сильного ветра и равномерность этого повреждения частично зависят от однородности деревьев в насаждении, а также от однородности ландшафта и почвенных условий, которые влияют на воздействие ветра и закрепление корней. ^6,38

» data-legacy-id=»s3″> Факторы, способствующие валкованию

» data-legacy-id=»s3b»> Топографическая экспозиция

Движение крупномасштабных воздушных масс, создаваемых внетропическими и тропическими циклонами, изменяется региональной и местной топографией.Скорость ветра обычно увеличивается с высотой, а ветер может быстро усиливаться на возвышенностях, особенно в прибрежных районах. Ветры проходят через сужения местности и над ними, приводя к областям с более высоким или низким средним потоком и турбулентностью. Горные хребты, ущелья долин и обочины, где большие долины меняют направление, имеют скорость ветра выше средней. ⁶⁸ Численное моделирование воздушного потока становится все более сложным с точки зрения улавливания эффектов местности, но требует больших вычислительных ресурсов и зависит от точной характеристики поверхности и атмосферных условий. ^69,70 В отсутствие моделей воздушного потока было обнаружено, что топографические индексы, такие как topex, topex с ограниченным расстоянием ^68,71 и expose ⁷² , являются полезными предикторами воздействия ветра.

Различная топографическая экспозиция участков местности может привести к определенным режимам локального возмущения в ландшафте. ^56,72 Деревья и насаждения в наветренных местах акклиматизируются за счет формирования кроны и подавления роста высоты, ^19,28 и могут формироваться локальные линии деревьев. ^53,73 И наоборот, укрытие от обычных ветров может повысить уязвимость лесонасаждений на подветренном склоне перед штормовыми ветрами. ⁷³

Рекомендации по диагностике — При оценке ветровой нагрузки на сложной местности учитывайте, является ли данная единица местности открытой или защищенной от обычных ветров и как это повлияет на акклиматизацию деревьев и насаждений к ветру. Затем подумайте, как может измениться экспозиция в условиях сильного ветра. Наконец, рассмотрите влияние угла наклона и вогнутости грунта на дренаж, поскольку это повлияет на влажность почвы во время экстремальных погодных явлений .

» data-legacy-id=»s3d»> Условия на стоянке

Учитывая различия в климате, почве, ландшафте и условиях насаждений внутри и между лесными регионами, неудивительно, что наблюдения за взаимосвязью между деревьями и факторами насаждений и уязвимостью к повреждению ветром различаются между исследованиями.Everham and Brokaw ³ рассмотрели 119 отчетов о повреждениях, нанесенных ураганом со всего мира. Хотя результаты варьировались от отчета к отчету, они пришли к следующим общим выводам относительно размера дерева и уязвимости к повреждению ветром: в большинстве исследований было обнаружено одномодальное распределение повреждений относительно размера ствола, что свидетельствует о том, что самые маленькие деревья защищены от ветра, а самые высокие деревья лучше приживаются; доля сломанных (по сравнению с вырванными с корнем) деревьев выше у самых маленьких и самых больших классов размеров деревьев — меньшие деревья часто ломаются, когда на них падают большие деревья, тогда как большие деревья могут быть относительно хорошо закреплены и выходить из строя из-за разрыва кроны или ствола.Everham and Brokaw ³ обнаружили значительные различия во влиянии структуры, состава и возраста древостоя. Они обнаружили, что, как правило, сообщалось, что одновозрастные насаждения имеют больший ущерб, чем разновозрастные насаждения, но отмечают, что разновозрастные насаждения часто более старые и состоят из смешения видов и часто имеют естественное, а не посаженное происхождение.

Изучение тенденций в типах лесов и различие естественных и управляемых насаждений может обеспечить большую ясность. В европейских управляемых лесных ландшафтах, где преобладают одновозрастные насаждения, ущерб от урагана обычно увеличивается с увеличением высоты и возраста древостоя, а также с увеличением доли хвойных пород, особенно ели европейской ( Picea abies (L.) Карст), а недавнее прореживание или обнажение кромок в результате рубки является дополнительным фактором риска в этих лесах. ^75,84

Дополнительные сведения можно получить из моделей ветрового возмущения во влажных, ветреных ландшафтах с преобладанием естественных лесов. Rebertus et al. ⁵⁴ на Огненной Земле и Новаки и Крамер ⁵⁵ на прибрежной Аляске идентифицируют закономерность повторяющегося ветроваливания одновозрастных насаждений в ландшафтах, включающих более старые насаждения со сложной структурой.В то время как одновозрастные насаждения ветрового происхождения чаще встречаются в местах, подверженных воздействию ветра, наличие разновозрастных насаждений в подверженных ветру участках указывает на то, что они могут сохраняться после создания. Хотя деревья в плотных, однородных насаждениях с навесом могут испытывать относительно меньшую ветровую нагрузку, пока навес не поврежден, высокая степень однородности размера кроны и формы ствола может привести к значительному распространению повреждений от недавно обнаженных краев древостоя во время экстремальных ветровых явлений. И наоборот, неоднородность формы деревьев в насаждениях с неправильной структурой или смешанных видов приводит к более широкому диапазону устойчивости и возможности частичного выживания насаждений при любых скоростях ветра, кроме самых высоких.

Отчеты об относительной уязвимости различных пород деревьев сильно различаются. Everham and Brokaw ³ приходят к следующим выводам: различия в морфологии, свойствах древесины и устойчивости к болезням действительно приводят к некоторым различиям в уязвимости видов внутри насаждений и между ними; эти различия могут быть скрыты различиями в условиях участков и насаждений, а также за счет истории лесоводства для разных популяций одного и того же вида. Уязвимость к различным способам повреждения (корона, стебель, корни) также различается у разных видов, и это, наряду с реакцией поврежденных особей после повреждений, является ключевым фактором в последующей сукцессионной динамике.

Диагностические соображения — При оценке ветроустойчивости на уровне насаждений или проведении вскрытия ураганов следует учитывать, хорошо ли приспособлены отдельные деревья к ветру над пологом, и не упадут ли они в случае дестабилизации во время шторма и дестабилизируют соседние деревья, обеспечивая распространение повреждений через стенд во время шторма .

» data-legacy-id=»s4a»> Влияние на динамику и композицию стенда

Пятна ветровоза различаются по размеру в зависимости от интенсивности и продолжительности шторма, а также неоднородности участка и условий насаждения.В естественных лесных ландшафтах отдельные промежутки между ветвями могут превышать 100 га, но большинство из них меньше 8 га, а многие очень маленькие, размером с несколько деревьев. ^54,55 Точно так же уровни потери избыточности в промежутках различаются до такой степени, что трудно отличить большой промежуток с высокой долей уцелевших деревьев от мозаики небольших промежутков. Восстановление лесных экосистем после экстремальных погодных явлений зависит от серьезности и степени первоначального ущерба, последующего ущерба от других факторов возмущения, реакции роста уцелевших надземных деревьев, высвобождения подлеска и заселения доступного пространства для выращивания за счет новой регенерации, или расширение подлеска кустарников или лиан за счет деревьев.Эти альтернативные механизмы восстановления после повреждения ветром описаны Эверхэмом и Брокоу ³ как возобновление роста, высвобождение, вербовка и подавление. Если ветровало преимущественно удаляет непереносимые к тени ранние виды из надземных ярусов, и эти деревья заменяются отрастанием или высвобождением более теневыносливых видов поздних изоляторов, то вальцевание можно рассматривать как ускоряющуюся сукцессию. ^86,87

Нарушения на уровне насаждений можно в общих чертах классифицировать как приводящие к замене целого насаждения, когорты и разрыва (фаза разрыва) деревьев полога, и они становятся режимами возмущения, когда они повторяются в течение нескольких циклов развития древостоя.В течение очень длительного периода времени эти три режима могут взаимодействовать, и, конечно же, ветер является лишь одним из многих факторов естественного нарушения лесных ландшафтов. ¹⁰ В ландшафтах с ветровой динамикой возмущений возникают смешанные режимы замещения насаждений / когорт / зазоров, когда возмущения, такие как ураганы, вызывают градиент повреждений на их путях, ³³ или где конвективные штормы вызывают участки повреждений ландшафтов, которые также подвержены влиянию внетропических циклонов меньшей интенсивности. ^67,88 Местный рельеф и почвенные условия в сочетании с реакцией местных видов деревьев могут сделать данный режим более вероятным в определенных ландшафтных единицах, особенно в топографически сложной местности, где суровая погода связана с крупномасштабной, но умеренной погодой. такие системы, как внетропические циклоны. ^54,56

При замене целого насаждения практически все деревья, расположенные на участке, повреждаются во время шторма, и новая густая когорта деревьев высвобождается или быстро прирастает за счет засыпки семян.Это приводит к очень однородным насаждениям со свойствами, которые делают их уязвимыми для периодической замены целого насаждения по мере старения. ^54,55 Плотное возобновление, которое возникает на участках, поврежденных ветром, и последующая однородность насаждений предрасполагает эти насаждения к будущей нестабильности, приводящей к периодическим эпизодам замены целого насаждения. В районах с замещением целиком насаждениями существует возможность того, что ранние отдельные виды могут занять большие промежутки. Тем не менее, набор видов-первопроходцев зависит от их присутствия в ландшафте и их способности к регенерации на субстратах, имеющихся в заброшенных ветром районах.На прибрежных участках Аляски на участках замещения древостоя преобладают тсуги западные, теневыносливые виды, которые регенерируют из рассадных банок и засыпных семян, и ель ситкинская, полутолерантные виды, которые приживаются в основном за счет засева минеральных почв, связанных с вырванными с корнями. деревья. ^55,89 На Огненной Земле на участках замены насаждений преобладает бук южный, который восстанавливается в массе после ветровалов из банка недолговечных саженцев подлеска и семян для засыпки. ⁵⁴

При замещении когорты повреждается значительная часть основных деревьев полога, часто те, у которых с возрастом образовались большие кроны или дефектные стволы. Например, в лесах прибрежной Аляски болиголов карликовая омела ( Arceuthobium tsugense (Rosendahl) G.N. Jones) вместе с гниющими сердцами грибами ослабляет кроны и стволы старых деревьев болиголова. Периодическое повреждение ураганом приводит к появлению многокомпонентных насаждений, в которых преобладает этот теневыносливый вид с отдельными возрастными группами. ⁵⁵

При замещении щелей нарушения приводят к появлению щелей от одной до нескольких крон спелых деревьев. Это обычный вид ветрового возмущения в лесах, который особенно хорошо изучен в лиственных и смешанных лесах на востоке США. ^10,33,90 Например, вечнозеленые и широколиственные леса в районе Великих озер в Северной Америке периодически страдают от грозовых явлений и внетропических циклонов. ^85,88 Частичная потеря деревьев навеса во время этих штормов приводит к смешанному режиму замещения когорт и созданию небольших промежутков.Замена целого насаждения в районе Великих озер является редкостью, что приводит к появлению в лесах преобладающих теневыносливых видов, которые восстанавливаются в основном из берегов саженцев и повторного прорастания поврежденных стеблей. В отличие от этого, Уланова, ⁹ , работающая в бореальных лесах России, сообщила, что светолюбивая береза ​​( Betula pendula Roth.) Смогла прижиться на минеральных почвенных грядках вместе с более теневыносливой европейской елью, что привело к многолетнему возрасту. смешанные виды насаждений в лесах с периодическим ветровым образованием небольших промежутков.Модели разрыва, такие как SORTIE, использовались для моделирования сукцессионных траекторий в стендах смешанных видов для градиентов ураганного ущерба. ⁹¹

В холодном климате напряжения, вызванные низкими температурами, усугубляются воздействием ветра на осушение, ветровую нагрузку и истирание ветром снега, ледяного дождя или кристаллов льда. В районах с сильным ветровым воздействием эти комбинированные воздействия влияют на способность деревьев колонизировать или сохраняться в виде вертикальной формы роста, а также создавать и изменять локальные линии деревьев. ^73,92 Взаимодействие между ветровыми нагрузками и возрастом деревьев, а также последствия для развития древостоя изящно проиллюстрированы в волновых лесах. Волновые леса, как правило, представляют собой моноспецифические леса из относительно недолговечных деревьев, растущих в ветреных ландшафтах с преобладающими сильными направлениями ветра, о которых сообщалось на северо-востоке США, ⁹³ в Ньюфаундленде, ²⁹ в Японии ⁹⁴ и на Огненной Земле. ⁹⁵ Открытый фронт стареющих деревьев развивается перпендикулярно направлению ветра с синхронной гибелью, поскольку деревья вдоль этого фронта умирают от комбинированного воздействия возраста, воздействия и механических повреждений. ⁹⁶ Умирающие деревья заменяются новой когортой возобновления того же вида. Этот фронт стареющих деревьев и регенерации постепенно перемещается по ландшафту в направлении преобладающего ветра, как волна, и параллельные волны этих полос постепенно старых и молодых деревьев возникают по ландшафту. Ширина полосы отражает продолжительность жизни доминирующих пород деревьев — время, необходимое деревьям, чтобы вырасти в состояние фатальной уязвимости к ветру.

Диагностические соображения — При оценке воздействия местного сурового погодного режима на динамику древостоя учитывайте, повторяются ли суровые погодные условия с интервалами, меньшими, чем потенциальная продолжительность жизни местных древесных пород, когда режим местного возмущения попадает в спектр замены всего древостоя к созданию небольшого зазора, или представляет собой сочетание режимов и способа, которым особенности местности влияют на этот образец.Подумайте, восстанавливаются ли насаждения за счет привлечения видов, не переносящих тень, выпуска непереносимых теней или возобновления выживших деревьев. Учитывайте также древесный мусор и наследие почвы, оставленные ветровалкой, а также взаимодействие режима ветроэнергетики с другими возмущающими процессами .

» data-legacy-id=»s4c»> Воздействие на почву

Windthrow оказывает глубокое и долгосрочное воздействие на свойства почвы.В отличие от лесных пожаров, гибели деревьев, вызванной насекомыми или болезнями, деревья, вырванные с корнем, вызывают перевернутую корневую систему и обнажают и инвертируют объемы минеральной почвы и лесной подстилки. Этот процесс упоминается как пример биотурбации, цветочной или цветочной педотурбации и, по-видимому, является стандартной чертой лесов по всему миру, даже в ландшафтах с преобладанием огня. ^13,103,104 По мере разложения древесных компонентов остается комплекс ямы-насыпи с насыпью, образующейся на подветренной стороне ямы из почвы, которая была унесена перевернутой частью корневой системы.Размеры этих комплексов ямы-насыпи варьируются в зависимости от того, действует ли подветренная корневая система как шарнир (опускание шарнира) или подветренная часть корневой системы соскальзывает обратно в яму во время разрушения (вращательное падение), объема корневой системы и размеры, глубина почвы и сцепление с корневой системой во время разрушения. ¹⁰³ Ямочные насыпи могут сохраняться от сотен до потенциально тысяч лет после ветровоза. ¹³ Насыпи представляют собой микрорельефную и микроклиматическую сложность — курганы теплее и суше, чем ямы и прилегающие ненарушенные почвы в течение вегетационного периода.Эта неоднородность на уровне микросайтов способствует разнообразию флоры подлеска ¹⁰⁵ и влияет на сукцессионные пути в подверженных штормам ландшафтах. ^9,63

Характерные микросайты и повторяющийся круговорот почвы, вызванные повторяющимися ветровыми выбросами, влияют на характер и скорость почвообразования, особенно в климате, где происходят оподзоление и заболачивание. В масштабе микроплощадок ямы накапливают органическое вещество, и это в сочетании с более прохладными и влажными условиями приводит к усиленной иллювиации полуторных оксидов по сравнению с соседними насыпями. ¹³ На уровне участка пульсация опущенных ветвей и стеблей, инверсия почвы во время повторяющихся ветровалов обращает вспять оподзоление и влияет на динамику углерода и питательных веществ в почве, плодородие участков ¹⁰⁶ и микробные сообщества. ^107,108 В отсутствие периодической инверсии почвы в прохладном влажном климате накопление органического вещества на поверхности почвы и засветка оксидов железа и алюминия и органических веществ ухудшает дренаж почвы. ^104,106 Возникающее в результате накопление органического вещества, снижение продуктивности лесов и, в конечном итоге, образование болот на изначально хорошо дренированных участках были описаны Simard et al. ¹⁰⁹ как последовательное заболачивание. Bormann et al. ¹⁰⁴ предполагают, что ветроваль или возмущения, имитирующие ветроваль, могут быть необходимы с интервалами 200–400 лет для поддержания продуктивной способности почвы во влажных экосистемах с прохладным умеренным климатом.

Ветер деревьев на крутых склонах также может привести к постепенному переносу наносов вниз по склону. Потенциал постепенного движения вниз по склону возникает тогда, когда почва увлекается перевернутыми отложениями корневого слоя на нижней стороне развивающейся насыпи, а не в яме на подъеме, из которой она возникла. ^110,111 В областях с тонким покровом почвы, проникновение корней в трещиноватую коренную породу, а также унос и обнажение коренной породы в перевернутых корневищах способствует выветриванию и образованию почвы. ¹¹² Роль ветровалов в образовании и движении вниз по склону поверхностного почвенного покрова была явно включена в геоморфологические модели для процессов на склонах в лесных ландшафтах. ¹¹³

Диагностические соображения — При оценке роли ветрового выброса в местных почвенных процессах и плодородии участка следует учитывать количество, размер и долговечность насыпей, а также влияние периодической инверсии почвы на накопление органического вещества и дренаж почвы.Учитывайте взаимосвязь между плодородием почвы и стабильностью древостоя .

» data-legacy-id=»s6″> Заключение

Повторяющийся ветроваль — характерная черта многих лесных ландшафтов и относится к спектру ветровых воздействий на леса. Это сложный процесс возмущения, который возникает в результате взаимодействия региональных погодных систем с рельефом, состоянием древостоя и почвы и влияет на динамику древостоя и почвенные процессы.Изменчивость в схемах ветрового выброса можно лучше понять, если учесть характер регионального ветрового климата и взаимодействие с ландшафтом, если устойчивость насаждений будет оцениваться с точки зрения акклиматического роста, и если почвы будут исследованы через их влияние на продуктивность древостоя и закрепление. Многое можно извлечь из междисциплинарного общения о природе и последствиях повторяющихся повреждений ветром. У климатологов, инженеров, экологов, геоморфологов и других есть возможности для разработки интегративных моделей процессов в масштабах деревьев, насаждений и ландшафтов, которые улучшат наше коллективное понимание и будут способствовать принятию управленческих решений.

«> Список литературы

Ответ завода на ветер

1977

Лондон

Academic Press

Физиологические реакции, вызванные ветром

Ветер и повреждение деревьев ветром

1995

Кембридж, Великобритания

Cambridge University Press

237

263

Повреждение леса и восстановление после катастрофического ветра

Бот.Ред.

1996

62

113

185

Windthrow

Phil. Пер. R. Soc. Лондон. В

1989

324

267

281

Понимание силы ветра на деревьях

Ветер и деревья

1995

Кембридж, Великобритания

Cambridge University Press

133

164

Понимание того, как взаимодействие ветра и деревьев приводит к выбросу ветров, поломке ствола и образованию щелей в кроне деревьев

Экология нарушений растений: процесс и ответные меры

2007

Амстердам

Elsevier Academic Press

103

156

Обзор механистического моделирования риска повреждения лесов ветром

Лесное хозяйство

2008

81

447

463

Ветровые нарушения в лесах умеренной зоны

Экосистемы нарушенной земли

1999

Нью-Йорк, Нью-Йорк

Elsevier Science Press

187

263

Воздействие ветровалов на леса в различных пространственных масштабах: обзор

For.Ecol. Управлять.

2000

135

155

167

Режимы естественного нарушения в тсугово-лиственных лесах района Верхних Великих озер

Экол. Monogr.

1991

61

145

164

Видимое и невидимое воздействие ураганов на лесные экосистемы: международный обзор

Austral. Ecol.

2008

33

368

398

Выкорчевывание деревьев: обзор терминологии, процесса и воздействия на окружающую среду

Can. J. For. Res.

1989

19

1

11

Роль выкорчевывания деревьев в почвообразовании: критический обзор литературы

Geoderma

2010

157

65

79

Влияние ветровалов на сообщества лесных насекомых: обзор литературы

Биол.Консерв.

2004

118

281

299

Доказательства существования трех основных стратегий у растений и их значение для экологической и эволюционной теории

Am. Nat.

1977

111

1169

1194

Экология природных возмущений и динамика пятен

1985

Сан-Диего

Academic Press

472 п.

Landscape Ecology

1986

New York

Wiley

619 п.

Обзор использования концепций естественной изменчивости в управлении экологическими системами

Ecol. Прил.

1999

9

1179

1188

Является ли проявленный ветром рост деревьев отрицательным тигмотропизмом?

. Sci.

2012

184

20

28

Развитие симметрии, жесткости и закрепления в структурной корневой системе хвойных пород

Почва растений

1999

217

1

15

Крепление хвойных деревьев в зависимости от породы, типа почвы и глубины укоренения

Кан. J. For. Res.

2006

36

1871

1883

Влияние ветровой нагрузки на развитие и архитектуру корневой системы саженцев дуба ( Quercus robur L.)

Деревья

2005

19

374

384

Лесные экосистемы: концепции и управление

1985

Нью-Йорк

Academic Press

338 p

Механическое проектирование деревьев

Science

1973

233

92

102

Форма стволов деревьев — пересмотр гипотезы равномерного напряжения

Tree Physiol.

1994

14

49

62

Аллометрическая теория и механическая устойчивость больших деревьев: доказательство и гипотеза

Am. J. Bot.

2006

93

824

828

Реакция древесины и регулирование формы дерева

Am.J. Bot.

1952

39

69

78

Деревья как локальный климатический индикатор ветра

J. Appl. Meteorol.

1979

18

1182

1187

Центроид крон деревьев как индикатор абиотических процессов в бальзамическом пихтовом волновом лесу

Кан. J. For. Res.

1987

17

746

755

Адаптивный рост корневой системы деревьев в ответ на воздействие ветра и условия местности

Tree Physiol.

1996

16

891

898

Как растительность укрепляет почву на склонах

Устойчивость склонов и борьба с эрозией: экологические решения

2008

Нидерланды

Springer

65

118

Способность к прорастанию при различных нарушениях и типах растительности во всем мире

J. Ecol.

2004

92

310

320

Изменения на уровне ландшафта в реакции леса на нарушение ураганом через штормовой путь

Кан. J. For. Res.

2008

38

2942

2950

Моделирование влияния осыпания и обтекаемости кроны на выживаемость сосны лоблольной, подверженной сильному ветру

Can.J. For. Res.

1995

25

704

712

Измерения в аэродинамической трубе обтекаемости кроны и соотношения сопротивления для нескольких пород древесины

Can. J. For. Res.

2005

35

1238

1249

Измерение одновременных раскачиваний деревьев и оценка взаимодействий крон между группой деревьев

Деревья

2001

15

83

90

Предотвращение столкновений крон увеличивает покров кроны и площадь листьев созревающей сосны ложняковой

J. Ecol.

2006

94

681

686

WindFIRM-ForestGALES_BC: гибридно-механическая модель для прогнозирования ветрового выброса в частично вырубленных насаждениях

Forestry

Дифференциальное масштабирование в зависимости от размера в ветвях: пересмотр механического проектирования деревьев

Trees

1989

4

241

253

Измерения в аэродинамической трубе зависимости обтекания кроны и лобового сопротивления для трех пород хвойных пород

Can. J. For. Res.

2004

34

666

676

Механическая устойчивость деревьев при статических нагрузках

Ам. J. Bot.

2006

93

1501

1511

Сопротивление опрокидыванию красного кедра западного и болиголова западного в смешанных насаждениях в прибрежной Британской Колумбии

Кан.J. For. Res.

2007

37

931

939

Улучшение крепления, обеспечиваемое акклиматизацией лесных деревьев к ветровому стрессу

Лесное хозяйство

2008

81

389

398

Закрепление корней хиноки ( Chamaecyparis obtuse (Sieb. Et Zucc.Endl.)) При комбинированной нагрузке ветра и быстро подаваемой воды на почву: анализы на основе экспериментов по выдергиванию деревьев

Eur.J. For. Res.

2012

131

219

227

Механическая стабильность сосны обыкновенной, ели европейской и березы: анализ экспериментов по выдергиванию деревьев в Финляндии

For. Ecol. Управлять.

2000

135

143

153

Реакция роста стеблей пихты дугласской и ели ситкинской после прореживания: значение для оценки ветроустойчивости

For.Ecol. Управлять.

2000

135

105

114

Влияние соседей на форму дерева: влияние боковой тени и предотвращение колебания на аллометрию Liquidambar styraciflua (сладкая камедь)

Am. J. Bot.

1989

76

1740

1749

Влияние механических раздражителей, тени и азотных удобрений на морфологию и устойчивость к изгибу сеянцев пихты Дугласовой

Can.J. For. Res.

2003

33

1602

1609

Критические крутящие моменты и уравнения сопротивления хвойных пород Британской Колумбии

2005

Ванкувер, Британская Колумбия

Университет Британской Колумбии

Механическое моделирование ветрового выброса в пространственно сложных насаждениях смешанных пород в Британской Колумбии

2011

Ванкувер, Британская Колумбия

Университет Британской Колумбии

Классификация опасности ветрового выброса

1985

Механическая устойчивость черной ели в районе глинистого пояса северного Онтарио

Кан. J. For. Res.

1987

17

1080

1091

Ущерб от ветра как экологический процесс в горных буковых лесах Кентербери, Новая Зеландия

N. Z. J. For. Ecol.

1986

9

25

39

История продувок и ландшафтные особенности в Андах Огненной Земли, Аргентина

Ecology

1997

78

678

692

Влияние ветрового возмущения на структуру и динамику влажных лесов умеренного пояса на юго-востоке Аляски

1998

Абиотические меры по борьбе с долгосрочным ветровым воздействием и динамикой влажных тропических лесов на юго-востоке Аляски

Экология

2001

82

2749

2768

Определение ветра: шкала Бофорта и как адмирал девятнадцатого века превратил науку в поэзию

2004

Нью-Йорк

Three Rivers Press

290 p.

Ураганы: их природа и влияние на общество

1997

Нью-Йорк

Wiley

279 стр.

Сильные конвективные штормы

2001

Вашингтон

Американское метеорологическое общество

561 п.

Суточные вероятности скорости порывов ветра над Швейцарией по трем типам синоптической циркуляции

Int. J. Climatol.

2002

22

485

499

Катастрофическое ветровое возмущение в старовозрастном тсугово-лиственном лесу

Кан. J. Bot.

1983

61

211

217

Эффективность лесозаготовок в снижении последующей интенсивности пожаров в лесах с преобладанием хвойных пород Миннесоты, США

Ecol.Прил.

2011

21

1895

1901

Тип пятна влияет на регенерацию в западной Пенсильвании, США, катастрофический ветер. .

Ойкос

2000

90

489

500

Обзор последних достижений в понимании мезо- и микромасштабных свойств сурового ветра Бора

Tellus A

2009

61

1

16

Природные нарушения в лесах Европы в XIX и XX веках

Глоб. Сменить Биол.

2003

9

1620

1633

Экологические и природоохранные идеи, полученные в результате реконструктивных исследований старовозрастных лесов умеренного пояса

Tree

1996

11

419

424

Валикозаменитель в бореальных лесах восточного Квебека

Can. J. For. Res.

2009

39

481

487

Нанесение на карту ветровой нагрузки для степени опасности ветрового выброса

North J Appl For

2002

19

183

187

Ветровой поток над сложной местностью: историческая перспектива и перспективы моделирования крупных вихрей

Bound-Lay Meteorol.

2000

96

11

32

Численное моделирование ветрового потока над сложной топографией

Environ. Modell. Софтв.

2010

25

237

247

Прогнозирование скорости ветра для лесных участков на сложной местности

Ветер и деревья

1995

Кембридж, Великобритания

Cambridge University Press

113

132

Воздействие урагана на ландшафты тропических и умеренных лесов

Ecol. Monogr.

1994

64

369

400

Причины Treeline

Annu. Rev. Ecol. Syst.

1991

22

177

191

Ущерб от ветра и ответные меры в лесах Новой Зеландии: обзор

N. Z. J. Ecol.

2006

30

295

310

Влияние структуры стенда и факторов площадки на повреждение ветром при сравнении штормов Вивиан и Лотар

For. Snow Landsc. Res.

2002

77

187

205

Эмпирическое моделирование ветрового выброса кромки обрезного вала на острове Ванкувер, Канада, с использованием информации об уровне древостоя

Для. Ecol. Управлять.

2001

154

117

130

Восприимчивость древостоев к ветрованию в Южной Финляндии

Folia Forestalia.

1987

706

23

24

Вероятность ветрового выброса в зависимости от характеристик древостоя и укрытия

Scand. J. For. Res.,

1987

2

227

238

Факторы, влияющие на вероятность ветрового выброса на уровне древостоя в результате зимнего шторма Гудрун на юге Швеции

For.Ecol. Управлять.

2011

262

398

403

Влияние прореживания и азотных удобрений на рост ствола и форму ствола Pinus sylvestris деревьев

Scand. J. For. Res.

1992

7

219

228

Влияние прореживания и азотных удобрений на рост деревьев сосны обыкновенной: общий годовой прирост биомассы, продуктивность хвои и надземное распределение прироста биомассы

Can.J. For. Res.

1993

23

1639

1644

Влияние рубок ухода и азотных удобрений на частоту повреждений лесов, наносимых снегом и ветром

Scot. Для.

1992

46

311

320

Биомасса грубых корней для плантаций эвкалипта в Тасмании, Австралия: источники вариаций и методы оценки

Деревья

2003

17

389

399

Двенадцатилетняя реакция роста сосны обыкновенной на прореживание и азотные удобрения

Фор. Ecol. Управлять.

2000

134

45

53

Экологическое значение промежуточных ураганов соперничает с крупными, нечастыми нарушениями в северной части Великих озер

Экосфера

2011

2

1

21

Ураганное возмущение без динамики пятен: двенадцать лет изменений в лесу Миннесоты

Экология

2001

82

893

897

Смертность от ветров в южных бореальных лесах: влияние видов, диаметра и возраста древостоя

J. Ecol.

2007

95

1261

1273

Динамика лесов и режимы нарушений: исследования вечнозеленых и лиственных лесов умеренного пояса

2002

Кембридж, Великобритания

Cambridge University Press

266 стр.

Реконструкция смешанных насаждений из тсуги и ели на прибрежном юго-востоке Аляски

Кан. J. For. Res.

1991

21

643

654

Реакция лесов на хронические ураганы в прибрежных районах Новой Англии

J. Veg. Sci.

2009

20

487

497

Устойчивость видов и реакция сообщества на режимы ветрового возмущения в северных лесах умеренного пояса

J.Ecol.

2006

94

1011

1026

Обзор от теорий к теориям для объяснения арктических и альпийских лесов по всему миру

J. Sustain. Для.

2009

28

281

242

Динамическая структура восстановленных волнами лесов Abies balsamea на северо-востоке США

J. Ecol.

1976

64

889

911

Моделирование волнового возобновления в субальпийских лесах Abies : динамика популяций с пространственной структурой

Экология

1993

74

1538

1550

Полосатая растительность в субантарктическом лесу Огненной Земли как результат взаимодействия ветра и роста деревьев

Acta Oecol.

1999

20

135

146

Снижение прироста ветровой ели красной и пихты бальзамической в ​​Белых горах

Кан. J. For. Res.

1986

16

232

238

Обзор пороговых значений среды обитания для валежной древесины: исходный уровень для рекомендаций по управлению в европейских лесах

Eur. J. For. Res.

2010

129

981

992

Интегрированная модель для переходов классов гниения коряги и сбитого древесного мусора

For. Ecol. Управлять.

2006

234

48

59

Физические последствия крупных органических остатков в северо-западных потоках Тихого океана

1978

Послеуборочные валковки и пополнение крупных древесных остатков в прибрежных водах на острове Ванкувер

евро. J. For. Res.

2012

131

249

260

Экология елового короеда и борьба с ним Ips typographus — обзор последних исследований

For. Ecol. Управлять.

2004

202

67

82

Углеродный след урагана Катрина на территории США

Фор. Sci.

2007

318

1107

Выкорчевывание деревьев: обзор терминологии, процесса и воздействия на окружающую среду

Can.J. For. Res.

1989

19

1

11

Быстрое развитие почвы в девственных лесах после ветровалов

J. Ecol.

1995

83

747

757

Влияние микрорельефа и видов растительного покрова на пространственный характер подлеска лесов

Экология

1984

65

1406

1419

Динамика углерода почвы через последовательность ветрового возмущения на юго-востоке Аляски

Ecology

2004

85

2230

2244

Сообщества почвенной фауны в двух разных, но смежных типах лесов на севере острова Ванкувер, Британская Колумбия

Кан. J. For. Res.

1994

24

1557

1566

Характеристика гумусовых микробных сообществ двух смежных типов леса, различающихся по доступности азота

Microb.Ecol.

2004

48

29

40

Снижение продуктивности лесов из-за сукцессионного заболачивания бореальных почв

Экол. Прил.

2007

17

1619

1637

Влияние угла наклона на движение массы при выкорчевывании деревьев

Геоморфология

1995

14

19

27

Перенос отложений из-за выброса корней деревьев: интеграция динамики популяций деревьев, лесных пожаров и геоморфологической реакции

Earth Surf. Proc. Земля.

2009

34

1255

1269

Доказательства биотического контроля над топографией и производством почвы

Earth Planet Sci. Lett.

2010

298

183

190

Влияние биотурбации на почвенные процессы и перенос наносов

Annu.Преподобный «Планета Земля». Sci.

2003

31

249

273

Управление лесами для снижения риска абиотического ущерба — обзор с особым акцентом на последствиях сильных ветров

For. Ecol. Управлять.

2000

135

261

277

Лесозаготовки, экосистемные процессы и сохранение биоразнообразия

Conserv. Биол.

2006

20

949

958

Рекомендации по интеграции экологии восстановления и биологии сохранения в сосновых лесах пондероза на юго-западе США

Restor. Ecol.

2006

14

4

10

Министерство лесов Британской Колумбии и Министерство окружающей среды Британской Колумбии

Справочник по биоразнообразию

1995

Виктория, Британская Колумбия

Оценка исторической изменчивости природных нарушений в Британской Колумбии

2003

Области процессов и речной континуум

J. Am. Доц. Водных ресурсов

1999

35

397

410

Общие принципы управления и перечень стратегий по сохранению биоразнообразия лесов

Biol. Консерв.

2006

131

433

445

Общие сведения о валковании: значение лесоводства

For. Хрон.

1995

71

434

445

Сравнение двух моделей для прогнозирования критических скоростей ветра, необходимых для повреждения хвойных деревьев

Ecol. Модель.

2000

129

1

23

Воздействие изменения климата на производство древесины и региональные риски повреждения лесов ветром в Финляндии

For.Ecol. Управлять.

2010

260

833

845

Моделирование естественных нарушений в лесных экосистемах: обзор

Ecol. Модель.

2011

222

903

924

© Институт дипломированных лесников, 2012. Все права защищены. Для получения разрешений обращайтесь по электронной почте: [email protected]

Роль черной саранчи (Robinia Pseudo-Acacia) в сукцессии лесов в JSTOR

(1) В раннем лесовозобновлении в лиственных лесах южных Аппалачей преобладает древесная азотфиксирующая бобовая саранча (Robinia pseudo-acacia).Хотя он чаще всего растет на вырубленных территориях, заброшенных пастбищах или нарушенных обочинах дорог, он, возможно, исторически был важным колонизатором выгоревших участков. Хотя он обычно воспроизводится через прорастание семян, прорастание из пней и корней является наиболее распространенным средством его восстановления. Ранние побеги быстро растут, за 3 года достигают высоты до 8 м. (2) За исключением насаждений на участках с высоким содержанием питательных веществ, рост уменьшается через 10-20 лет. В менее сильнорослых насаждениях смертность стеблей может быть высокой из-за нападений стеблевой саранчи (Megacyllene robiniae).Высокая смертность черной акации — это ранний сукцессионный механизм, который высвобождает кодоминантные виды, такие как Liriodendron tulipifera, и создает пробелы в пологе, благоприятные для роста более долгоживущих особей. (3) Общий прирост биомассы в 4, 17 и 38-летних насаждениях черной акриды, произрастающих на плодородных, срединных участках, составил 33, 174 и 399 т га ^-1 , соответственно, по сравнению с 198 т га ^-1 для более старого, разновозрастного смешанного дубового леса с историей нарушения. (4) Накопление биомассы было преобладающей судьбой фиксированного N во всех трех насаждениях, с добавлением общего азота в почве, заметным только в 38-летнем насаждении.(5) Симбиотическая фиксация азота черной акой, по-видимому, увеличила концентрацию NO ₃ в почве. Предполагается, что источником повышенного содержания NO ₃ в почве являются высокие потоки азота из-за минерализации и нитрификации подстилки листьев и корней, а также, возможно, из фракции насекомых под пологом. (6) Общее количество азота насаждений увеличивалось при q чистом среднегодовом уровне в 48, 75 и 33 кг га ^-1 год ^-1 , соответственно, для возраста 4, 17 и 38 лет. Биомасса конкреций составляла 8, 106 и 4 кг. га ^-1 в насаждениях возрастом 4, 17 и 38 лет соответственно.(7) Эти модели аккреции N аналогичны тем, о которых сообщается для других древесных азотфиксирующих видов на вторичных сукцессионных участках. Они указывают на то, что пик фиксации азота приходился на период от ранней до промежуточной стадии сукцессии лесов и снижался с более поздним сукцессионным развитием.

Journal of Ecology публикует оригинальные исследовательские статьи по всем аспектам экологии растений (включая водоросли) как водных, так и наземных экосистемы.Исследования растительных сообществ, популяций или отдельных видов принимаются, а также исследования взаимодействий между растениями и животными, грибы или бактерии, при условии, что они ориентированы на экологию растений. Статьи необходимо передавать сильные и экологические идеи, которые способствуют нашему пониманию экологических принципов и представленные исследования должны выходить за рамки тематических исследований. Принимаются как экспериментальные, так и теоретические исследования, так как являются описательными или историческими отчетами, хотя они должны давать представление о вопросы, представляющие общий интерес для экологов.Журнал не публикует статьи. касается исключительно культурных растений и сельскохозяйственных экосистем. Журнал издается шесть раз в год. Более подробная информация доступна на сайте www.journalofecology.org. JSTOR предоставляет цифровой архив печатной версии журнала Journal of Экология. Электронная версия журнала Экология. доступно по адресу http://www3.interscience.wiley.com/journal/118509661/home. Авторизованные пользователи могут иметь доступ к полному тексту статей на этом сайте.

Британское экологическое общество — это гостеприимный и инклюзивный дом для всех, кто интересуется экологией. Общество было основано в 1913 году и насчитывает более 6000 членов по всему миру, объединяя людей в региональном, национальном и глобальном масштабах для продвижения экологической науки. Многие виды деятельности BES включают публикацию ряда научной литературы, в том числе семи всемирно известных журналов, организацию и спонсорство широкого спектра встреч, финансирование многочисленных схем грантов, образовательную работу и политическую работу.