Содержание к диссертации
Введение
Глава 1. Круговорот углерода в лесных экосистемах: проблема определения запасов углерода и основные подходы к моделированию системы «лес - почва»
1.1. Баланс углерода в лесных экосистемах
1.1.1. Основные определения 13
1.1.2. Режимы биологического круговорота (БК) 14
1.1.3. Факторы, контролирующие цикл углерода в лесных экосистемах 16
1.1.4. Основные подходы к определению запасов углерода в лесных экосистемах 21
1.2. Подходы к моделированию лесных экосистем и классификация моделей 27
1.3. Модели динамики органического вещества в почве 37
Глава 2. Описание системы моделей EFIMOD 2 как метода исследования круговорота углерода
2.1. Основные особенности системы моделей 41
2.2. Основные уравнения 44
2.3. Расчет доступной солнечной радиации и доступного азота в случае конкуренции среди деревьев 46
2.3.1. Конкуренция за свет 46
2.3.2. Распределение доступного почвенного азота среди деревьев 4
2.4. Перевод дендрометрических характеристик в биомассу дерева как процедура инициализации модели 51
2.5. Отмирание 53
2.6. Моделирование разложения органического вещества в почве
2.6.1. Основные предположения и формулировка модели 54
2.6.2. Оценка скоростей трансформации органического вещества почвы 60
2.6.3. Поправочные коэффициенты 61
2.6.4. Определение минерализованного гумуса и доступного для растений азота 64
2.7. Генерирование климата при моделировании 66
2.7.1. Температура воздуха и осадки 67
2.7.2. Температура почвы 67
2.7.3. Влажность почвы 68
2.8. Статистическое моделирование методом Монте-Карло
2.8.1. Метод Монте-Карло 70
2.8.2. Влияние неопределенности входных параметров внутри почвенного блока 71
2.8.3. Влияние неопределенности входных параметров для модели экосистемы в целом 76
2.9. Программная реализация модели, версия для моделирования динамики больших территорий, использование системы CommonGIS
2.9.1 ScenBuilder и ScenEFIMOD - версия модели EFIMOD 2 для расчета динамики лесных экосистем на уровне лесхозов 78
2.9.2 Интеграция модели EFIMOD 2 с системой интерактивного пространственного анализа CommonGIS 82
Глава 3. Объект исследования и методика подготовки входных данных в систему моделей EFIMOD 2
3.1. Данковское лесничество ОЛХ «Русский лес» (Московская область) как объект исследования
3.1.1. Общие положения 86
3.1.2. Климат 87
3.1.3. Почвы 89
3.1.4. Растительность 89
3.1.4. История природопользования 91
3.2.Подготовка модели и входных данных для моделирования
3.2.1. Подготовка модели к работе 93
3.2.2. Параметризация роста биомассы дерева и соотношения между его органами (экологические параметры вида) 94
3.2.3. Параметризация древостоя 99
3.2.4. Генерация климатических данных 101
3.2.5. Параметризация почвенных характеристик 10
3.3. Калибрация модели 110
3.4. Верификация модели динамики органического вещества почвы ROMUL по лабораторным экспериментам 112
3.5. Верификация модели по независимым данным лесоустройства по Данковскому лесничеству ОЛХ «Русский лес» 114
Глава 4. Результаты исследования: оценка динамики пула углерода в системе «лес - почва» при различных режимах рубок
4.1. Модельные сценарии лесопользования 119
4.1.1. Сценарий А 119
4.1.2. Сценарий Б 119
4.1.3. Сценарий В 120
4.1.4. Сценарий Г 121
4.2. Результаты модельного эксперимента с разными сценариями лесопользования
4.2.1. Углерод почвы 122
4.2.2. Углерод сухостоя и валежа 125
4.2.3. Динамика углерода в древостое 126
4.2.4. Баланс углерода в лесной экосистеме при разных сценариях рубок 13 О
4.2.5. Динамика породного состава и возрастная структура древостоя 134
4.3. Динамика углерода в сосновых экосистемах при различном ведении лесного хозяйства и разных уровнях выпадений азота из атмосферы 140
4.4. Динамика углерода в хвойных экосистемах при различном ведении лесного хозяйства и климатических изменениях 148
Заключение 153
Выводы 159
Список литературы 161
- Основные подходы к определению запасов углерода в лесных экосистемах
- Перевод дендрометрических характеристик в биомассу дерева как процедура инициализации модели
- Калибрация модели
Введение к работе
Актуальность темы. Эффективное использование природных ресурсов планеты является актуальнейшим направлением исследований в науках об окружающей среде. Взаимодействие человека с природой необходимо строить, исходя из принципов устойчивого развития, декларированных на Конференции ООН по окружающей среде и развитию в Рио-де-Жанейро в 1992 году. В частности, управление лесами также должно опираться на принципы и критерии устойчивого развития.
Одно из определений устойчивости было сформулировано в проекте общей декларации Конференции министров по охране лесов в Хельсинки в 1995 г: "Устойчивое лесопользование означает управление лесами и лесными площадями и их использование таким образом и с такой интенсивностью, которые обеспечивают их биологическое разнообразие, продуктивность, способность к возобновлению, жизнеспособность, а также способность выполнять в настоящее время и в будущем соответствующие экологические, экономические и социальные функции на местном, национальном и глобальном уровнях, без ущерба для других экосистем".
Для реализации этих принципов в лесном хозяйстве необходима разработка методик прогноза развития лесной экосистемы в зависимости от реализации разных сценариев лесопользования. Необходимо всестороннее изучение влияния режимов рубок и возобновления на продуктивность леса и изменения почвы и биоразнообразия.
Проблема количественного описания биологического круговорота элементов в наземных экосистемах также всегда была важной в связи с биогеохимической активностью живого покрова Земли. Биогеохимические циклы биофильных элементов являются ключевыми для понимания эволюции и современного состояния биосферы (Вернадский, 1976; Ковда, 1976). Более того, незамкнутость биогеохимических циклов приводит к изменениям условий местообитаний и, в свою очередь, к изменению структуры растительности (Разумовский, 1981; Clements, 1916).
В последние годы интерес к этой проблеме усилился вследствие экономической заинтересованностью в оценке характера баланса углерода на территориях развитых промышленных стран. В результате возникло много работ, построенных на генерализации неполных экспериментальных данных, полученных в лесоведении и почвоведении. Оценки тенденций накопления или расходования углерода для различных масштабов и территорий в результате так часто противоречат друг другу, что порой дискутируется вопрос даже не о величине, а о знаке этого потока, т. е. неясно, является ли биота в конечном итоге источником или стоком для атмосферного СО2 (Кобак, 1988), в связи с чем совершенно очевидна необходимость использования подходов компьютерного и математического моделирования (Исаев, Коровин, 1998; Бегельман, Тарко, 1999; Apps, Kurtz, 1993 и др.).
Математическое моделирование представляет собой удобный инструмент проверки теоретических обобщений и их коррекции. Особенно не обойтись без применения математического и компьютерного моделирования для исследования таких объектов, над которыми трудно поставить прямой эксперимент или из-за пространственных характеристик, или вследствие характерных времен процессов, связанных с данным объектом.
Анализ динамики углерода в лесных экосистемах количественно может решаться на разных уровнях генерализации имеющихся экспериментальных данных, начиная от уровня лесотаксационного выдела и кончая объединением данных на региональном уровне разного масштаба. Соответствующим образом изменяется и характер используемого в моделях математического аппарата.
Модели, имитирующие развитие отдельного древостоя необходимы для оценки пулов углерода на уровне тестовых участков и описания роста деревьев с учетом их взаимодействия. Модели уровня конкретного древостоя должны включать систему уравнений, описывающую процессы роста деревьев, отпада деревьев, деструкцию валежа, динамику запасов почвенного гумуса.
Выходные данные этих моделей могут служить входными данными для моделей более высокого уровня или быть интегрированы в них (Bhatti et al., 2001). Региональные модели позволяют анализировать динамику углерода на территории от сотни до несколько миллионов гектар. Примером может служить модель CBM-CFS2 (Kurz, Apps, 1999), с помощью которой можно рассчитать углеродный баланс всех лесных массивов Канады.
Одной из первых глобальных моделей, описывающих круговорот веществ на планете, была модель В.А. Костицына (Костицын, 1984), эта модель была совершенно элементарной. Она состояла из простейших балансовых соотношений, в которых фигурировал расход кислорода, азота и углекислого газа, при этом основное внимание уделялось роли живой материи. В настоящее время наиболее известной отечественной моделью для баланса углерода на уровне биосферы является модель А. М. Тарко (2002).
В данной работе для анализа динамики углерода используется система моделей EFIMOD 2. Система моделей EFIMOD 2 состоит из модели древостоя, почвенной модели и климатического генератора. Модель древостоя - индивидуально ориентированная, пространственно-зависимая модель, а это означает, что моделируемый древостой состоит из отдельных деревьев, рост которых имитируется в зависимости от позиции дерева на участке и локально доступных ресурсов: света, воды и азота в усваиваемых формах. EFIMOD 2 позволяет провести прямую оценку роли климата, богатства почв и лесохозяйственных мероприятий на рост чистых и смешанных древостоев, круговорот углерода и азота в лесных экосистемах бореальной и умеренной зон. Знание точных позиций деревьев в древостое и индивидуально-ориентированный подход позволяют легко имитировать различные виды рубок и их возможные последствия. В модели используется так называемый имитационный подход. Имитационное моделирование стало впервые применяться в разных областях науки примерно три десятилетия назад. Сейчас резко возросшие возможности вычислительной техники позволяют получить решения достаточно сложных проблем (Компьютеры и суперкомпьютеры в биологии, 2002).
Цель работы состояла в анализе динамики продукционных характеристик и пулов углерода в системе "лес - почва" в сосновых лесах центра Европейской части России в зависимости от разных режимов рубок, при разных сценариях климатических изменений и разных уровнях выпадения атмосферного азота, с использованием компьютерного моделирования.
Задачи исследования:
1. Создать программный модуль, сопрягающий стандартные таксационные описания с системой моделей EFIMOD 2 и позволяющий провести модельный анализ разных лесохозяйственных сценариев на уровне лесоустроительного выдела и группы выделов (квартал, лесное хозяйство и т.д.).
2. Провести калибрацию и верификацию системы моделей EFIMOD 2 для центра Европейской части России.
3. Разработать методику оценки начальных данных для применения системы моделей EFIMOD 2.
4. Проанализировать влияние режимов рубок при долговременной имитации (несколько оборотов рубки) на аккумуляцию углерода лесными экосистемами.
5. Оценить возможные изменения аккумуляции углерода при разных сценариях климатических изменений и при разных уровнях выпадения атмосферного азота.
В данной работе под сценарием рубок понимаются срок, виды и приемы рубок ухода, их интенсивность по каждой лесообразующей породе; возраст рубки главного пользования; тип возобновления.
Для анализа углеродного баланса при разных сценариях лесопользования была проделана модельная имитация четырех лесохозяйственных сценариев:
Сценарий А. Сценарий без каких-либо рубок. Возобновление имитировалось с интервалом 30 лет (4000 деревьев на гектар) породами смешанного состава.
Сценарий Б. Сценарий предполагает две рубки ухода и затем следуют выборочные рубки каждые 30 лет в разновозрастном лесу с выборкой каждый раз 30% от суммы площадей сечения деревьев в древостое. Порубочные остатки остаются на территории. Происходит успешное возобновление основных видов деревьев. Этот сценарий близок к системе выборочных рубок, распространенных в Германии.
Сценарий В. В этом сценарии имитируются четыре рубки ухода и рубка главного пользования. Возраст рубки зависит от главной породы. Рубка главного пользования сплошная, порубочные остатки убираются с территории. Данный сценарий наиболее близок к системе рубок, принятой в России.
Сценарий Г. Одна рубка промежуточного пользования по верховому методу (вырубка до 50% по сумме площадей сечений). Рубка главного пользования без сохранения естественного возобновления, порубочные остатки убираются с территории. Этот сценарий имеет общие черты со скандинавской системой рубок.
При моделировании во всех сценариях не оценивались влияние ветровалов, болезней, повреждение скотом, насекомыми, а также не учитывалась вероятность возникновения пожаров.
В качестве модельной территории были взяты 104 выдела в 4 кварталах Данковского лесничества (общая площадь 273,4 Га). Данковское лесничество находится в составе опытного лесного хозяйства «Русский лес», расположенного в 100 километрах на юг от Москвы (Серпуховской район), на левом берегу Оки.
Научная новизна. Впервые количественно проанализирована долговременная динамика системы лес - почва в зависимости от разных сценариев лесохозяиственных мероприятий в хвойных лесах территории центра европейской части России. Показано, что наилучшими с позиций накопления углерода в лесной экосистеме являются выборочные рубки, причем наиболее консервативный пул органического вещества в минеральных горизонтах почвы при этом не убывает.
Практическая значимость работы. Предложен метод прогноза продуктивности лесных экосистем, позволяющий анализировать влияние различных сценариев лесохозяиственных мероприятий на процессы роста и видовой состав лесов бореальной и умеренной зон. В качестве входных данных используются стандартные данные лесной таксации и метеоданные.
Предложен модельный метод оценки тенденций динамики углерода и вычисления его распределения по основным компонентам лесных экосистем (древостой, сухостой и валеж, лесная подстилка, минеральные горизонты почвы) на уровне лесотаксационного выдела. Метод может быть использован для оценок динамики углерода в лесных экосистемах России в рамках Киотского протокола.
В ходе исследований по теме диссертации был создан программный модуль для работы модели EFIMOD 2 с разными лесохозяйственными сценариями, который может быть использован в лесном хозяйстве для прогноза динамики древостоев при разных режимах рубок и возобновления.
Работа не состоялась бы без чуткого руководства научного руководителя д.б.н. Александра Сергеевича Комарова и консультаций со стороны д.б.н. Олега Георгиевича Чертова. Выражается особая благодарность за помощь и консультации С.С.Быховцу, М,А.Надпорожской, С.Л.Зудину и В.Н.Короткову. Хочется выразить признательность всему коллективу лаборатории моделирования экосистем Института физико-химических и биологических проблем почвоведения РАН, преподавателям и студентам кафедры системной экологии Пущинского государственного университета. И, конечно, нельзя не поблагодарить мою жену Наталью за всевозможную помощь и поддержку.
Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка.
Первая глава посвящена проблемам анализа баланса углерода на лесных территориях, в ней дается характеристика основных подходов к моделированию древостоев и почв.
Вторая глава посвящена описанию системы моделей EFIMOD 2, здесь описываются основные компоненты системы: генератор почвенного климата SCLISS, модель разложения органического вещества почвы (почвенная модель) ROMUL, модель динамики древостоя. Описана методика статистического моделирования методом Монте-Карло. Далее приводятся принципы применения системы моделей EFIMOD 2 для моделирования больших территорий (размерность которых больше, чем один лесной выдел).
В третьей главе описывается объект исследования - Данковское лесничество ОЛХ «Русский лес», методика подготовки входных данных для моделирования, также описаны процедуры калибрации и верификации моделей.
В четвертой главе описываются лесохозяйственные сценарии , результаты моделирования: проводится анализ влияния сценариев рубок на баланс углерода в лесной экосистеме, оценены возможные влияния на продукционные процессы и динамику пулов углерода в лесных экосистемах при разных сценариях климатических изменений и разных уровней выпадений атмосферного азота.
Работа выполнена при финансовой поддержке: Минпромнауки РФ, Госконтракт № 43.016.11.1625, грантов ИНТАС: 97-30255 FORMOD; 01-0633 SILVIC; 01-0512 PODZOL
Основные подходы к определению запасов углерода в лесных экосистемах
Запасание атмосферного углерода в процессе фотосинтеза рассчитывают с помощью различных методов, определяя конечную фитомассу (нетто-фотосинтез): газометрически, используя интегральные расчеты результатов измерений в разные периоды с учётом сезонных и суточных факторов; аэродинамическими измерениями вертикального градиента концентраций С02 в ценозах; дистанционным зондированием состояния растительного покрова с помощью вегетационного индекса; хлорофилльным методом - по содержанию хлорофилла в единице площади фитоценоза (удельное содержание хлорофилла, или хлорофилльный индекс) и по хлорофилльному потенциалу (фотосинтетической продуктивности).
Сравнение этих методов позволяет оценить их эффективность. Поскольку газометрические измерения учитывают потерю 40-60 % углерода на дыхание растений только на ранних этапах его метаболизма, расчетные оценки потенциальной фотосинтетической продуктивности (NPP) по этому методу несколько занижены. Аэродинамический метод оценки NEP (Мокроносов, 1998) имеет некоторые ограничения, связанные с типом ценоза, его аэродинамическими характеристиками, а также со сложностью применяемой аппаратуры.
Основную группу составляют методы - весовой, лесоучетный, картографический - направленные на непосредственный расчет фитомассы насаждений. Самым трудоемким является весовой метод (Родин и др., 1969; Казимиров, Морозова 1973). В его основе лежит взвешивание по частям деревьев репрезентативной выборки. Данный метод является точечным, т.е. его применение возможно только на уровне тестовых участков конкретных насаждений, но результаты, полученные с использованием этого метода, могут быть использованы в других методах на региональном уровне.
Лесоучетный метод представляет собой пересчет данных лесной инвентаризации (Исаев и др., 1993, 1995; Алексеев, Бердси, 1994). Совмещение информации о фитомассе и годичной продукции насаждений с материалами инвентаризации, получаемой при государственных учетах лесов, в настоящее время остается наиболее простым и доступным способом расчета запаса на региональном, федеральном, зональном и биомном уровнях. Используется отношение фитомассы (Ph, тга"1) к запасу стволовой древесины (М, м3 га 1) -метод Ph/M конверсии. Недостатком этого метода, как и многих других, является то, что с его помощью невозможно точно оценить прирост подземной фитомассы (Voronin et al., 1995).
При использовании картографического метода территория подразделяется на определенное число лесных экологических районов (определяется территориальными контурами растительности, почв, ландшафтов), каждому из которых соответствует среднее значение запаса углерода, полученное за счет усреднения данных лесных обследований или на основании данных, собранных на лесных опытных участках (Базилевич, 1993). Перемножением площади экологических районов и среднего значения запаса углерода достигается оценка запасов фитомассы, углерода в почве, продукции или каких-либо других характеристик (Базилевич, 1993; Olson et al., 1983). Как правило, при таком подходе не учитывается структура земель в контурах, а также разнообразие лесов по составу и возрастной структуре.
Часть спектра радиационного потока Солнца из области поглощения хлорофилла (фотосинтетичесюи активная радиация) обеспечивает энергией продукционный процесс растительного покрова (Тооминг, Гуляев, 1967; Тооминг, Каллис, 1972). Учёт степени отражения солнечной энергии фитоценозом в диапазоне поглощения хлорофилла 600-700 нм служит дистанционным методом оценки стока углерода - методом вегетационного индекса (Кочубей и др., 1990). Однако неточность определения фотосинтетического стока углерода связана с трудностью выяснения вклада светорассеяния в формирование отраженного фитоценозом светового потока. Светорассеяние обусловлено в основном отражением света от структурных элементов фитоценоза. Его величина зависит от архитектурного строения конкретного типа фитоценоза. Учёт "архитектурной" компоненты светорассеяния в радиационном балансе фитоценоза требует построения сложных математических моделей (Росс, 1965; 1972). Кроме того, использование таких моделей на практике требует предварительной и трудоёмкой экспериментальной процедуры их настройки на конкретный тип фитоценоза (Лайск, 1965). Точность определения первичной биологической продуктивности фитоценоза по методам вегетационного индекса, как правило, не превышает 15 %. Другим принципиальным препятствием для развития описанного подхода является нелинейность зависимости отраженного светового потока фитоценозами с величинами листового индекса больше 5 (Андрианова, 1988). Фитоценоз с листовым индексом больше 15 представляет собой слой полного поглощения. Так для лесных массивов южной и средней тайги характерны значения листового индекса 10-15 (Бобкова, 1987, с. 39). Существенно, что именно эти ботанико-географические зоны России имеют наибольшее значение для формирования положительного ежегодного фотосинтетического нетто-стока углерода (Воронин и др., 1995). Для оценки продуктивности экосистем используется также хлорофиллъный метод (Мокроносов, 1998). Такой подход позволяет обойти трудности, связанные с индивидуальным определением параметров архитектуры конкретного типа фитоценоза. Метод требует знания величины проективного содержания хлорофилла. При этом точность определения первичной биологической продуктивности составляет 15-25 %.
Существуют и другие методы оценки углеродного стока в лесных экосистемах, например, дендрохронологические методы (Ваганов и др., 1998).
Количество углерода, которое аккумулируется в фитомассе лесной растительности России по состоянию на 1988 год, было оценено лесоучетным методом в 39,8 Гт, из которых 34,4 Гт сосредоточено в собственно лесах и 5,4 Гт содержится в растительных сообществах на непокрытых лесом и нелесных землях лесного фонда (Исаев и др., 1993). По уточненным оценкам с использованием данных государственного учета лесов 1993 года запасы углерода в фитомассе лесной растительности составляют 34,4 Гт, в том числе в собственно лесах 31,4 Гт. Запасы углерода в фитомассе лесов России по оценке других авторов варьируют от 28,0 Гт (Алексеев, Бердси, 1994) до 33,3 Гт (Lakida et al., 1997; Shepashenko et al., 1998).
Перевод дендрометрических характеристик в биомассу дерева как процедура инициализации модели
Биомассы листвы/хвои и других частей дерева являются основными переменными модели дерева. Мы используем основные характеристики таксационных описаний (высоту и диаметр) для вычисления биомассы составляющих частей дерева с использованием видоспецифичных уравнений регрессии (Marklund, 1988). В целом, общий вид уравнения Марклунда следующий:
Wd = exp(bo+blD/(D+g)+b2H+b3ln(H)) (8)
где Wd - вес сухого вещества составляющих дерева (кг), D - диаметр на высоте груди (DBH) (см), Н - высота (m), bo,...,b3 и g видоспецифичные коэффициенты. Значения параметров этого уравнения для бореальных древесных видов приведены в табл. 2.3. Мы считаем доли тонких корней и толстых корней следующими: на тонкие корни приходится 10% массы всей корневой системы, на долю толстых - оставшиеся 90%. На первом инициализационном шаге программы генерируется определенное число деревьев с координатами на решетке, используя начальные данные по высоте и диаметру с их стандартными отклонениями.
Для этой модели была разработана и включена процедура самоизреживания. Она основана на введении порогового (летального) отношения массы листвы к общей массе, ниже которого дерево отмирает:
r = gl-g2 НВТ), (9)
где г - отношение биомассы листвы к общей биомассе дерева В і /Вт, когда
дерево умирает, gl и g2 - видоспецифичные параметры. Это соотношение зависит от биомассы дерева, т.е. большее дерево имеет более низкое пороговое соотношение массы листвы к общей биомассе. Модель демонстрирует высокую чувствительность относительно изменений этих параметров, которые сильно влияют на скорость самоизреживания. Дополнительно вводится особая процедура вероятностного отмирания дерева в зависимости от возраста, вероятность отмирания достигает единицы при максимальном для данного вида возрасте дерева.
С точки зрения функционирования экосистемы подсистема трансформации органического вещества в почве крайне важна для лесных экосистем по трем причинам: 1) трансформация органического вещества является главным макропроцессом в почве, определяя практически все остальные почвенные процессы и свойства; 2) главным лимитирующим фактором, определяющим рост растений в среде существования лесных экосистем, является азот, чья кинетика тесно связана с органическим веществом почвы; 3) скорость преобразования органического вещества почвы соответствует динамике древостоев, совпадая с ней во времени; в то же время скорость выветривания минеральной фазы почвы оказывается сравнительно медленной, элементы, освобождаемые при выветривании минералов, в конечном итоге, также аккумулируются в органическом веществе.
Основным результатом модели является описание динамики разложения порции однородного по химическому составу поверхностного или внутрипочвенного опада вследствие ее последовательного разложения сообществами организмов-деструкторов, формирующих из различного сочетания порций опада разные типы гумуса (мор, модер и мулль). В модели отдельно рассматриваются процессы минерализации и гумификации опада, трансформации гумифицированной подстилки в гумус и высвобождения вследствие этих процессов элементов почвенного питания.
Основой предлагаемой модели является развитие представлений о формировании и функционировании грубого гумуса (Чертов, 1985; Chertov, 1990) в виде комплекса гумусовых веществ и неразложившихся растительных остатков (КГБ). Этот комплекс отвечает за фазу медленного разложения растительных остатков, которые при этом все еще содержат много легко минерализуемых веществ. Эта фаза происходит из-за того, что КҐВ, будучи пропитаны гумусовыми кислотами, преобразовываются со скоростью «истинного гумуса». Эта фракция соответствует гумифицированному органическому слою в подстилке и торфе, а также лабильной (активной) фракции органического вещества минеральной почвы. Главные особенности модели ROMUL:
1. Основным является предположение о последовательной смене комплексов организмов-деструкторов в процессе разложения органического вещества почвы в соответствии с типами гумуса, описанными ранее в лесном почвоведении ("грубый гумус", "модер", и "мулль" (Wilde, 1958; Duchaufour, 1961)). Такими комплексами являются: для грубого гумуса («мора») сообщество микро- и макромицетов с микроартраподами и почвенными клещами, для модера - бактерии и артроподы, а для мулля - сообщество дождевых червей.
2. Биомасса почвенных организмов представляет собой пренебрежимо малую часть по сравнению со всем органическим веществом почвы и имеет высокую скорость разложения; ее динамика в модели не рассматривается. Рассматривается только функциональная активность групп организмов-разлагателей.
3. Функциональная активность сообществ организмов-разлагателей зависит от биохимических свойств органических остатков и гидротермических условий. Мы предполагаем возможность быстрой инвазии новых организмов. Таким образом, коэффициенты разложения каждой порции опада зависят от биохимических свойств опада, температуры и влажности. Активация почвенной биоты после стресса (засуха, заморозки) предполагается без задержки.
Калибрация модели
Модель калибровалась по таблицам хода роста нормальных древостоев В.В. Загреева (1974), при этом задачей калибрации являлось сведение к минимуму расхождений между табличными данными и модельными данными для основных лесоустроительных величин: высоты, диаметра и запаса. Главными калибровочными параметрами были: перераспределение прироста по органам, процентное содержание азота в листьях и тонких корнях, т. к. данные параметры могут изменяться в определенных пределах в зависимости от конкретных условий местообитания. Необходимо отметить, что эти величины являются достаточно чувствительными, в особенности доли прироста, приходящиеся на листву/хвою и тонкие корни.
На рис 3.4 приведены значения средних высот и запасов для сосны, ели, дуба и березы. Калибрация была также проведена для липы и осины. На рисунке квадратиками обозначен рост высоты и запаса для наиболее распространенного в ОЛХ «Русский лес» второго бонитета. После определения почвенных характеристик по методике, описанной в предыдущем параграфе, они были зафиксированы и больше не менялись. Калибрация производилась по таблицам хода роста, принятым для центральной России; климатические характеристики были определены для ТУМа В2.
Замечено, что перераспределение прироста, по-видимому, является зависимым от ТУМа, так же как и от регионального климата, планируется дальнейшая разработка этой проблемы.
Калибрация велась в пределах возраста рубки. В более поздних возрастах при распаде древостоев и переходе их либо в разновозрастный, либо в смешанный древостой соответствие таблицам хода роста утрачивает смысл. Тем более, что и дальнейшее применение данной модели в рамках этой работы предполагает наличие рубок.
Как описано ранее, коэффициенты модели динамики органического вещества почвы ROMUL определялись по специально поставленным лабораторным экспериментам. Для того, чтобы проверить соответствие модели экспериментальным данным, модель была верифицирована по результатам независимых лабораторных экспериментам (Пестряков и др., 1990). Эксперимент представлял собой физическое моделирование преобразования органического вещества почвы при постоянных условиях: температура 28С (оптимальная температура для жизнедеятельности микроорганизмов) и влажности 60 % от полевой влагоемкости. Эксперимент продолжался 12 месяцев. Почвами в эксперименте были горизонты А1 кислых подзолистых песчаных почв на глинистой морене, взятые в Ленинградской области. Лесные почвы были модерного типа (органический углерод равен 5,1 %, C/N равно 11,1); сельскохозяйственные почвы были представлены двумя вариантами: бедные почвы с низким содержанием органического вещества и питательных элементов (органический углерод 1,61 %, C/N равно 16,2) и богатые почвы с большим запасом гумуса и содержанием питательных веществ (органический углерод 3,71 % C/N равно 9,5). Органические остатки были смешаны с образцами минеральной почвы. Органическими остатками являлись навоз с C/N = 15, торф с C/N = 17,8 и смесь клевера и тимофеевки с C/N = 12,9. Так как дождевые черви отсутствовали, то коэффициент Ks был приравнен нулю. Навоз и торф представлялись в модели как фракция лабильного гумуса. Дополнительно было произведено деление торфа на фракции лабильного и стабильного гумуса в пропорции 40/60, так как в хорошо разложившемся торфе присутствует значительная доля стабильного гумуса.
Результаты моделирования приведены в таблице 3.11. Легко увидеть, что измеренные и модельные результаты близки между собой. Средняя ошибка по минерализации органического вещества почвы равна 5,8 ± 3„3 % по 12 выборкам. Наилучшее совпадение получено при разложении навоза (ошибка 3,3 ± 2,32 %) и сена клевера-тимофеевки (ошибка 6,3 ± 1,15 %).
Моделирование динамики азота демонстрирует некоторую задержку его минерализации. Средняя ошибка равна 37,9 ± 35,03 % при числе выборок, равных 15. Наиболее близкие результаты получены в опытах с разложением сена (ошибка 3,84 ± 4,71 %). Минерализация азота во всех случаях происходит медленнее, чем органического вещества. Разница между измеренными и модельными значениями минерализации азота может быть вызвана нестандартной для подзолистых почв температурой, при которой проводился эксперимент.
Таким образом, результаты верификации модели ROMUL по кратковременным лабораторным экспериментам показывают достаточно хорошую адекватность модели по отношению к почвам: наилучшие результаты были достигнуты для трансформации сена, как наиболее типичного опада.
Данные, откалиброванные по таблицам хода роста В.В. Загреева, были верифицированы по независимым данным лесоустройства по Данковскому лесничеству ОЛХ «Русский лес». Для этого из таксационных описаний по породам были выбраны выделы, в которых верифицируемая порода составляла более 7 частей в формуле древостоя. Отбирались выделы, в которых порода имела наиболее распространенный в данных лесоустройства 2 бонитет с учетом ТУМов, на которых растут древостой 2 бонитета разных пород. Так, для сосны это был В2, ели - С2, березы - В2, осины - все выделы в пределах В (выделов с доминированием осины в Данковским лесничестве мало), липа -С2, дуб - все выделы в пределах В и С (также встречается редко). Использовались материалы лесоустройств 1979, 1990 и 2001 годов.
Далее строился возрастный ряд для средних высот, диаметров и запасов в пересчете на гектар и проводился прогон модели с учетом бонитета породы и соответствующего ТУМа. Начальные данные по почве выбирались с учетом методики, изложенной в параграфе 3.2. Прогон начинался с начальных данных в 10 лет, выбранных из таблиц хода роста для 2 бонитета, то есть ТУМы различались только почвенными и климатическими данными.
Результаты моделирования приведены на Рис. 3.5. Следует отметить, что модельные прогоны вполне удовлетворительно соответствуют экспериментальным данным.
