Типизация лесных территорий по природно-производственным условиям на основе кластерного анализа

УДК

630*3

DOI:

10.37482/0536-1036-2021-1-120-137

Аннотация

Степень адаптации лесозаготовительной техники к природно- производственным условиям (ППУ) характеризует ее эффективность и уровень негативного воздействия на окружающую среду. Для выбора техники необходимо выделение групп территорий с близкими ППУ. Цель исследования – формирование методологического инструментария для лесопромышленной типизации лесных территорий по ППУ. Решение задачи предложено осуществлять на основе кластерного анализа. Для этого разработана методология, включающая: постановку цели типизации территорий по ППУ; сбор данных о ППУ; проведение кластерного анализа; принятие решения по типизации территорий. Задача кластерного анализа заключается в разбиении (на основании некоторой совокупности данных) множества лесных территорий на группы со схожими ППУ. В качестве меры, указывающей на принадлежность к одной из групп, предложено использовать евклидово расстояние, а совокупность данных определять индикаторами, характеризующими ППУ. Предлагаемая методика апробирована на примере Европейского Севера России. Результаты исследования показали, что на этой территории могут быть выделены следующие зоны: А (Мурманская область); B (Республика Карелия, Республика Коми и Архангельская область); С (Вологодская область). Дополнительно в зоне B выделяются две подзоны: Западно- Карельская возвышенность и территории, относящиеся к Северному, Приполярному и Полярному Уралу. Предложенная методика позволяет повысить степень формализации и удобство процесса типизации лесных территорий по ППУ, учитывать широкий спектр различных аспектов ППУ, их вероятностный характер, а также гибко осуществлять типизацию территорий под конкретные цели. Результаты исследований могут быть применены при решении задач поиска эффективных технологий и рациональных параметров систем лесосечных машин.
Финансирование: Работа выполнена в рамках реализации гранта Президента Российской Федерации для государственной поддержки молодых российских ученых по проекту «Разработка среды конструкторского проектирования оптимальных параметров технологического оборудования лесных многооперационных машин» (МК-5321.2018.8).

Сведения об авторах

И.Р. Шегельман, д-р техн. наук, проф.; ResearcherID: P-9793-2019,
ORCID: https://orcid.org/0000-0001-5133-4586
П.В. Будник, канд. техн. наук, начальник отдела защиты интеллектуальной собственности и изобретательства; ResearcherID: E-1782-2015,
ORCID: https://orcid.org/0000-0002-8701-4442
Петрозаводский государственный университет, просп. Ленина, д. 33, г. Петрозаводск, Республика Карелия, Россия, 185910; e-mail: budnikpavel@yandex.ru

Ключевые слова

типизация лесных территорий, природно-производственные условия, лесосечные работы, кластерный анализ

Для цитирования

Шегельман И.Р., Будник П.В. Типизация лесных территорий по природно-производственным условиям на основе кластерного анализа // Изв. вузов. Лесн. журн. 2021. № 1. С. 120–137. DOI: 10.37482/0536-1036-2021-1-120-137

Литература

1. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов: статистические проблемы обучения. М.: Наука, 1974. 416 с. [Vapnik V.N., Chervonenkis A.Ya. Theory of Pattern Recognition: Theoretical Problems of Learning. Moscow, Nauka Publ., 1974. 416 p.].
2. Васильев А.А., Фрумин И.Л. Оценка эффективности применения Мивалагро на картофеле с использованием кластерного анализа // Перм. аграр. вестн. 2016. № 2(14). C. 16–22. [Vasiliev A.A., Frumin I.L. Evaluation of Agro Mival for Potatoes Using Cluster Analysis. Permskii Agrarnyi Vestnik [Perm Agrarian Journal], 2016, no. 2(14), pp. 16–22].
3. Виногоров Г.К. К методике обоснования расчетных деревьев при решении лесоэксплуатационных задач // Тр. ЦНИИМЭ. 1972. № 122. С. 52–64. [Vinogorov G.K. To the Methodology of Justification of Settlement Trees When Solving Forest Exploitation Problems. Trudy TsNIIME, 1972, no. 122, pp. 52–64].
4. Гитис Л.Х. Статистическая классификация и кластерный анализ: моногр. М.: Изд-во Моск. гос. горн. ун-та, 2003. 157 с. [Gitis L.Kh. Statistical Classification and Cluster Analysis: Monograph, Moscow, MSМИ Publ., 2003. 157 p.].
5. Зинчук Г.М., Яшкин А.В. Кластерный анализ аграрных территорий Центрального федерального округа // Вестн. ТвГУ. Сер.: Экономика и управление. 2016. № 4. С. 143–149. [Zinchuk G.M., Yashkin A.V. Cluster Analysis of Agrarian Territories in the Central Federal District. Vestnik Tverskogo gosudarstvennogo universiteta. Seriya: Ekonomika i upravleniye [Bulletin Tver State University. Series: Economics and Management], 2016, no. 4, pp. 143–149].
6. Игошин А.Н., Черемухин А.Д. Кластерный анализ зернового сектора региона // Вестн. НГИЭИ. 2015. № 7(50). С. 21–29. [Igoshin A.N., Cheryomukhin A.D. Cluster Analysis of the Grain Sector in the Region. Vestnik NGIEI [Vestnik NGIEI], 2015, no. 7(50), pp. 21–29].
7. Казаков Н.В., Рябухин П.Б., Садетдинов М.А. Метод типизации лесного фонда // Вестн. КрасГАУ. 2013. № 10. С. 157–161. [Kazakov N.V., Ryabukhin P.B., Sadetdinov M.A. The Method of the Forest Stock Typification. Vestnik KrasGAU [The Bulletin of KrasGAU], 2013, no. 10, pp. 157–161].
8. Лаптева Е.В. Статистический анализ и прогнозирование уровня доходов населения в Российской Федерации // Интеллект. Инновации. Инвестиции. 2016. № 12. С. 64–69. [Lapteva E.V. Statistical Analysis and Forecasting of Population Incomes in Russian Federation. Intellekt. Innovatsii. Investitsii [Intellect. Innovation. Investments], 2016, no. 12, pp. 64–69].
9. Люманов Р.А. Машинная валка леса. М.: Лесн. пром-сть, 1990. 280 с. [Lyumanov R. Machine Forest Felling. Moscow, Lesnaya promyshlennost’ Publ., 1990. 280 p.].
10. Обыдёнников В.И., Кожухов Н.И., Коротков С.А. Актуальные проблемы отечественной лесной типологии // Лесн. вестн. / Forestry Bulletin. 2019. Т. 23, № 2. С. 5–11. [Obydyonnikov V.I., Kozhukhov N.I., Korotkov S.A. Domestic Forest Typology Current Issues. Lesnoy vestnik [Forestry Bulletin], 2019, vol. 23, no. 2, pp. 5–11]. DOI: 10.18698/2542-1468-2019-2-5-11
11. Рябухин П.Б., Казаков Н.В., Бурлов А.Н. Метод лесопромышленной типизации лесосек по природно-производственным условиям на примере ельников Дальневосточного федерального округа // Системы. Методы. Технологии. 2010. № 2(6). С. 52–57. [Ryabukhin P.B., Cozakov N.V., Burlov A.N. Method of Timber Industry Typification of Cutting Areas According to Natural and Industrial Conditions (Spruce Forest of Far East Federal District as an Example). Sistemy. Metody. Tekhnologii [Sistemy. Methods. Technologies], 2010, no. 2(6), pp. 52–57].
12. Рябченко Н.А., Катермина В.В., Гнедаш А.А., Малышева О.П. Политический контент социальных движений в online-пространстве современных государств: методология анализа и исследовательская практика // Южно-рос. журн. соц. наук. 2018. Т. 19, № 3. С. 139–162. [Ryabchenko N.A., Katermina V.V., Gnedash A.A., Malysheva O.P. Political Content of Social Movements in the Online Space of Modern States: Methodology of the Analysis and Research Practices. Yuzhno-rossiyskiy zhurnal sotsial’nykh nauk [South Russian Journal of Social Sciences], 2018, vol. 19, no. 3, pp. 139–162]. DOI: 10.31429/26190567-19-3-139-162
13. Типизация природно-производственных условий лесозаготовительных районов: рекомендации. Химки: ЦНИИМЭ, 1986. 23 с. [Typification of the Natural-Production Conditions of Logging Areas: Recommendations. Khimki, TsNIIME Publ., 1986. 23 p.].
14. Фарбер С.К., Кузьмик Н.С. Лесная типология: теория и перспективы использования в лесах Сибири // Хвойные бореальной зоны. 2013. T. XXXI, № 1-2. С. 143–148. [Farber S.K., Kuz’mik N.S. Forest Typology: Theory and Prospects for Use in Siberian Forests. Hvojnye boreal’noj zony [Conifers of the boreal area], 2013, vol. 31, no. 1-2, pp. 143–148].
15. Феклистова И.С. Использование кластерного анализа при оценке эффективности стратегического управления предприятиями региона // Траектория науки. 2016. № 2(7). Режим доступа: https://cyberleninka.ru/article/n/ispolzovanie-klasternogo-analiza-pri-otsenke-effektivnosti-strategicheskogo-upravleniya-predpriyatiyami-regiona (дата обращения: 06.08.19). [Feklistova I.S. Using Cluster Analysis for the Estimation of Efficiency of Strategic Management of the Region Enterprises. Traektoria nauki [Path of Science], 2016, no. 2(7)].
16. Филипова А.Г., Еськова А.В., Инзарцев А.В. Социальный потенциал региона: опыт использования кластерного анализа // Регионология. 2017. Т. 25, № 3(100). С. 438–455. [Filipova A.G., Eskova A.V., Inzartsev A.V. Social Potential of a Region: Experience of Using Cluster Analysis. Regionologiya [Regionology], 2017, no. 3(100), pp. 438–455].
17. Хромушин В.А., Еськов В.М., Хетагурова А.К. Инновационные методы анализа, обработки и управления информацией в практике здравоохранения // Вестн. нов. мед. технологий. 2016. № 1. C. 15–21. Режим доступа: http://www.medtsu.tula.ru/VNMT/Bulletin/E2016-1/1-2.pdf (дата обращения: 06.08.19). [Khromushin V.A., Eskov V.M., Khetagurova A.K. Innovative Methods of Analyzing, Processing and Information Management in Health System. Vestnik novykh meditsinskikh tekhnologiy [Journal of New Medical Technologies], 2016, no. 1, pp. 15–21]. DOI: 10.12737/18446
18. Шегельман И.Р., Будник П.В., Баклагин В.Н. Минимизация техногенного воздействия лесных машин на экосистемы лесов на основе кластеризации природно-производственных условий лесозаготовок // Успехи современного естествознания. 2018. № 11(ч. 1). С. 72–78. [Shegelman I.R., Budnik P.V., Baklagin V.N. Minimization of Technogenic Effects of Forest Machines on Forest Ecosystems Based on the Clustering of Natural-Production Conditions for Forestry. Uspekhi sovremennogo estestvoznaniya [Advances in current natural sciences], 2018, no. 11 (part 1), pp. 72–78]. DOI: 10.17513/use.36908
19. Щемелева И.И. Социальная активность студенческой молодежи: факторный и кластерный анализ // Социол. исслед. 2019. № 4. С. 133–141. [Shchemeleva I.I. Social Activity of the Student Youth: Factor and Cluster Analysis. Sotsiologicheskie issledovaniya [Sociological Studies], 2019, no. 4, pp. 133–141]. DOI: 10.31857/S013216250004594-6
20. Ackerman P.A., Williams C., Ackerman S., Nathi C. Diesel Consumption and Carbon Balance in South African Pine Clear-Felling CTL Operations: A Preliminary Case Study. Croatian Journal of Forest Engineering, 2017, no. 38, iss. 1, pp. 65–72.
21. Alam M., Walsh D., Strandgard M., Brown M. A Log-by-Log Productivity Analysis of Two Valmet 475EX Harvesters. International Journal of Forest Engineering, 2014, vol. 25, iss. 1, pp. 14–22. DOI: 10.1080/14942119.2014.891668
22. Bergroth J., Palander T., Kärhä K. Excavator-Based Harvesters in Wood Cutting Operations in Finland. Forestry Studies, 2006, vol. 45, pp. 74–88.
23. Castro G.P., Nutto L., Malinovski J.R., Malinovski R.A. Harvesting Systems. Tropical Forestry Handbook. Berlin, Springer, 2016, pp. 2445–2485. DOI: 10.1007/978-3-642-54601-3_184
24. Häggström C., Lindroos O. Human, Technology, Organization and Environment – a Human Factors Perspective on Performance in Forest Harvesting. International Journal of Forest Engineering, 2016, vol. 27, iss. 2, pp. 67–78. DOI: 10.1080/14942119.2016.1170495
25. Jiroušek R., Klvač R., Skoupý A. Productivity and Costs of the Mechanised Cutto-Length Wood Harvesting System in Clear-Felling Operations. Journal of Forest Science, 2007, vol. 53, iss. 10, pp. 476–482. DOI: 10.17221/2088-JFS
26. Kärhä K., Rönkkö E., Gumse S.-I. Productivity and Cutting Costs of Thinning Harvesters. International Journal of Forest Engineering, 2004, vol. 15, iss. 2, pp. 43–56. DOI: 10.1080/14942119.2004.10702496
27. Kellogg L.D., Bettinger P. Thinning Productivity and Cost for Mechanized Cut-to-Length System in the Northwest Pacific Coast Region of the USA. Journal of Forest Engineering, 1994, vol. 5, iss. 2, pp. 43–52. DOI: 10.1080/08435243.1994.10702659
28. Klaes B., Struck J., Schneider R., Schüler G. Middle-Term Effects after Timber Harvesting with Heavy Machinery on a Fine-Textured Forest Soil. European Journal of Forest Research, 2016, vol. 135, iss. 6, pp. 1083–1095. DOI: 10.1007/s10342-016-0995-2
29. Kormanek M., Baj D. Analysis of Operation Performance in the Process of Machine Wood Harvesting with FAO FAR 6840 Mini-Harvester. Agricultural Engineering, 2018, vol. 22, iss. 1, pp. 73–82. DOI: 10.1515/agriceng-2018-0007
30. Laitila J., Väätäinen K. The Cutting Productivity in Integrated Harvesting of Pulpwood and Delimbed Energy Wood with a Forestry-Equipped Peat Harvesting Tractor. Suo, 2013, vol. 64(2-3), pp. 97–112.
31. McNeel J.F., Rutherford D. Modeling Harvester-Forwarder System Performance in a Selection Harvest. Journal of Forest Engineering, 1994, vol. 6, iss. 1, pp. 7–14. DOI: 10.1080/08435243.1994.10702661
32. Nurminen T., Korpunen H., Uusitalo J. Time Consumption Analysis of the Mechanized Cut-to-Length Harvesting System. Silva Fennica, 2006, vol. 40, no. 2, pp. 335–363. DOI: 10.14214/sf.346
33. Ovaskainen H. Comparison of Harvester Work in Forest and Simulator Environments. Silva Fennica, 2005, vol. 39, no. 1, pp. 89–101. DOI: 10.14214/sf.398
34. Palander T., Bergroth J., Kärhä K. Excavator Technology for Increasing the Efficiency of Energy Wood and Pulp Wood Harvesting. Biomass and Bioenergy, 2012, vol. 40, pp. 120–126. DOI: 10.1016/j.biombioe.2012.02.010
35. Pētersons J. Productivity of Harvesters in Commercial Thinnings in the Forest Stands of Different Composition of Species. Research for Rural Development, 2014, vol. 2, pp. 76–82.
36. Proto A.R., Macrì G., Visser R., Russo D., Zimbalatti G. Factors Affecting Forwarder Productivity. European Journal of Forest Research, 2018, vol. 137, iss. 2, pp. 143–151. DOI: 10.1007/s10342-017-1088-6
37. Rozītis A., Zimelis A., Lazdiņš А. Evaluation of Productivity and Impact on Soil of Tracked ProSilva F2/2 Forwarder in Forest Thinning. Research for Rural Development, 2017, vol. 1, pp. 94–100. DOI: 10.22616/rrd.23.2017.014
38. Schack-Kirchner H., Fenner P.T., Hildebrand E.E. Different Responses in Bulk Density and Saturated Conductivity to Soil Deformation by Logging Machinery on a Ferralsol under Native Forest. Soil Use and Management, 2007, vol. 23, iss. 3, pp. 286–293. DOI: 10.1111/j.1475-2743.2007.00096.x
39. Strandgard M., Mitchell R., Acuna M. Time Consumption and Productivity of a Forwarder Operating on a Slope in a Cut-to-Length Harvest System in a Pinus radiata D. Don Pine Plantation. Journal of Forest Science, 1972, vol. 63, iss. 7, pp. 324–330. DOI: 10.17221/10/2017-JFS
40. Syunev V., Sokolov A., Konovalov A., Katarov V., Seliverstov A., Gerasimov Y., Karvinen S., Välkky E. Comparison of Wood Harvesting Methods in the Republic of Karelia. Working Papers of the Finnish Forest Research Institute 120. Joensuu, MELTA, 2009. 117 p. Available at: http://www.metla.fi/julkaisut/workingpapers/2009/mwp120.htm (accessed 04.09.19)
41. Tiernan D., Zeleke G., Owende P.M.O., Kanali C.L., Lyons J., Ward S.M. Effect of Working Conditions on Forwarder Productivity in Cut-to-Length Timber Harvesting on Sensitive Forest Sites in Ireland. Biosystems Engineering, 2004, vol. 87, iss. 2, pp. 167–177. DOI: 10.1016/j.biosystemseng.2003.11.009
42. Tufts R.A. Productivity and Cost of the Ponsse 15-Series, Cut-to-Length Harvesting System in Southern Pine Plantations. Forest Products Journal, 1997, vol. 47, no. 10, pp. 39–46.

Ссылка на английскую версию:

Typification of Forest Areas by Natural-Production Conditions Based on Cluster Analysis

TYPIFICATION OF FOREST AREAS BY NATURAL-PRODUCTION CONDITIONS BASED ON CLUSTER ANALYSIS

Ilya R. Shegelman, Doctor of Engineering, Prof.; ResearcherID: P-9793-2019,
ORCID: https://orcid.org/0000-0001-5133-4586
Pavel V. Budnik, Candidate of Engineering, Head of the Department of Intellectual Property and Invention Protection; ResearcherID: E-1782-2015,
ORCID: https://orcid.org/0000-0002-8701-4442
Petrozavodsk State University, prosp. Lenina, 33, Petrozavodsk, Republic of Karelia, 185910, Russian Federation; e-mail: budnikpavel@yandex.ru

Abstract. The effectiveness of harvesting machines, their reliability, and the level of negative environmental impact depends on the degree of adaptation of the equipment to natural-production conditions (NPC). To choose the equipment it is necessary to allocate groups of areas with close NPC. The purpose of the study is to form methodological tools for forest industry typification of forest areas by NPC. It is proposed to carry out the typification of forest areas based on cluster analysis. For this purpose, a methodology has been developed, including: setting the goal of typing areas by NPC; data collection on NPC; conducting cluster analysis; decision making on typification of areas by NPC. The task of cluster analysis is to divide, on the basis of a certain set of data, the set of forest areas into groups with similar NPCs. It is proposed to use Euclidean distances as a measure of belonging to one of the groups, and to determine the data set by indicators describing the NPC. The proposed methodology has been tested on the example of the European North of Russia (ENR). The study showed that three zones can be distinguished in ENR: zone A, including the Murmansk region; zone B, including the Republic of Karelia, the Republic of Komi and the Arkhangelsk region; zone C, including the Vologda region. Additionally, two subzones are distinguished in zone B: the West Karelian Upland and the territories belonging to the Northern, Subpolar and Polar Urals. The proposed methodology allows to increase the degree of formalization and convenience of the typification process of forest areas by NPC, to take into account a wide range of various aspects of natural-production conditions, their probabilistic nature, as well as to flexibly carry out the typification of areas for specific purposes. The research results may be applicable in solving problems of searching for effective technologies and rational parameters of logging machine systems.
For citation: Shegelman I.R., Budnik P.V. Typification of Forest Areas by Natural-Production Conditions Based on Cluster Analysis. Lesnoy Zhurnal [Russian Forestry Journal], 2021, no. 1, pp. 120–137. DOI: 10.37482/0536-1036-2021-1-120-137
Funding: The work was carried out within the framework of the grant of the President of the Russian Federation for state support of young Russian scientists on the project “Development of the Environment for the Design of Optimal Parameters of Technological Equipment of Forest Multiple-Function Machines” (МК-5321.2018.8).

Keywords: typification of forest areas, natural-production conditions, logging operations, cluster analysis.

Авторы заявляют об отсутствии конфликта интересов
The authors declare that there is no conflict of interest

Поступила 04.09.19 / Received on September 4, 2019