Лесоэксплуатационное районирование лесных субарктических территорий. C. 114-135

УДК

630*0

DOI:

10.37482/0536-1036-2023-6-114-135

Аннотация

Цель данного исследования – классификация территорий лесного фонда Республики Карелии и Мурманской области на уровне центральных лесничеств на основе многофакториальной оценки ресурсов древесины, природно-производственных условий и дорожной инфраструктуры. Проведено лесоэксплуатационное районирование с учетом 20 переменных. Для этого последовательно применены факторный и иерархический кластерный анализ, метод k-средних и дискриминантный анализ. При помощи статистических методов все центральные лесничества распределены по 9 кластерам: 4 крупных (№ 2, 3, 8, 9), включающих несколько лесничеств, и 5 (№ 1, 4–7), каждый из которых сформирован одним лесничеством. Лесничества кластера № 2 имели большую расчетную лесосеку, значительные запас леса на гектаре и запас лиственных пород. Лесничества кластера № 3 характеризовались малыми расчетной лесосекой и запасом леса на гектаре. Для лесничеств кластера № 8 отмечены средние по региону расчетная лесосека и запас леса на гектаре, высокая доля лесов, находящихся в условиях застойного увлажнения. Лесничества кластера № 9 по своим характеристикам занимали промежуточное положение между лесничествами кластеров № 2 и 8. Лесничество кластера № 1 по своим особенностям близко с лесничествами кластера № 2, но леса в нем продуктивнее. У лесничеств малых кластеров № 4, 6, 7 самый высокий запас леса на гектаре. Различия по некоторым переменным не позволили объединить их в один кластер. Лесничество кластера № 5 схоже по природно-производственным условиям с лесничествами кластера № 3, однако имело небольшую расчетную лесосеку по хвойному компоненту. Результаты исследования могут быть учтены при решении вопросов организации и развития лесного хозяйства и лесопромышленного комплекса в Республике Карелии и Мурманской области.

Сведения об авторах

П.В. Будник^1*, д-р техн. наук; ResearcherID: E-1782-2015,
ORCID: https://orcid.org/0000-0002-8701-4442
В.Н. Баклагин², канд. техн. наук, науч. сотр.; ResearcherID: M-2265-2016,
ORCID: https://orcid.org/0000-0002-0060-1653
О.Н. Галактионов¹, д-р техн. наук; ResearcherID: AAE-5888-2020,
ORCID: https://orcid.org/0000-0003-0768-3628

¹Петрозаводский государственный университет, просп. Ленина, д. 33, г. Петрозаводск, Россия, 185910; budnikpavel@yandex.ru*, ong66@mail.ru
²Институт водных проблем Севера Карельского научного центра РАН, просп. Александра Невского, д. 50, г. Петрозаводск, Россия, 185030; slava.baklagin@mail.ru

Ключевые слова

районирование, факторный анализ, кластерный анализ, метод k-средних, дискриминантный анализ, лесозаготовки, управление лесами

Для цитирования

Будник П.В., Баклагин В.Н., Галактионов О.Н. Лесоэксплуатационное районирование лесных субарктических территорий // Изв. вузов. Лесн. журн. 2023. № 6. С. 114–135. https://doi.org/10.37482/0536-1036-2023-6-114-135

Литература

1. Пасько О.А., Захарченко А.В., Ковязин В.Ф. Анализ землеустройства лесного фонда // Изв. ТПУ. Инжиниринг георесурсов. 2021. Т. 332, № 2. С. 127–138.
2. Сукачев В.Н. Избр. тр. Т. 1. Основы лесной типологии и биогеоценологии. Л.: Наука. Ленингр. отд-ние, 1972. 418 с.
3. Хлюстов В.К., Ганихин А.М., Короткая С.В. Ресурсно-экологическое районирование лесов Нижегородской области // Природообустройство. 2021. № 3. С. 128–136.
4. Coates A., Ng A.Y. Learning Feature Representations with K-Means. Neural Networks: Tricks of the Trade, Springer, Berlin, Heidelberg, 2012, vol. 7700, pp. 561–580. https://doi.org/10.1007/978-3-642-35289-8_30
5. Cochran W.G., Snedecor G.W. Statistical methods. Iowa State University Press, 1980. 507 p.
6. DeArmond D., Ferraz João B.S., Higuchi N. Natural Recovery of Skid Trails: a Review. Canadian Journal of Forest. Research, 2021, vol. 51, no. 7, pp. 948–961. https://doi.org/10.1139/cjfr-2020-0419
7. Eliasson L., Bengtsson J., Cedergren J., Lageson H. Comparison of Single-Grip Harvester Productivity in Clearand Shelterwood Cutting. Journal of Forest Engineering, 1999, no. 10, pp. 43–48.
8. Gendler S., Prokhorova E. Risk-Based Methodology for Determining Priority Directions for Improving Occupational Safety in the Mining Industry of the Arctic Zone. Resources, 2021, vol. 10, no. 3, art. 20. https://doi.org/10.3390/resources10030020
9. George A.K., Kizha A.R., Kenefic L. Economic Feasibility of Timber Harvesting in Lowlands. Exceeding the Vision: Forest Mechanisation of the Future. Proceedings of the 52nd International Symposium on Forestry Mechanization. Sopron, Hungary, University of Sopron Press, 2019, pp. 379–393.
10. Gerasimov Y., Sokolov A.P., Fjeld D. Improving Cut-to-Length Operations Management in Russian Logging Companies Using a New Decision Support System. Baltic Forestry, 2013, vol. 19, no. 1, pp. 89–105.
11. Goodsite M., Swanström N. Towards a Sustainable Arctic. World Scientific Publishing Europe Ltd., 2023. 280 p. https://doi.org/10.1142/q0390
12. Härdle W.K., Simar L. Applied Multivariate Statistical Analysis. Berlin, Germany, Springer Cham Publ., 2019. 559 p. https://doi.org/10.1007/978-3-030-26006-4
13. Hartwell C.A. In Our (Frozen) Backyard: the Eurasian Union and Regional Environmental Governance in the Arctic. Climatic Change, 2023, vol. 176, art. 45. https://doi.org/10.1007/s10584-023-03491-7
14. Hiesl P., Benjamin J.G. Applicability of International Harvesting Equipment Productivity Studies in Maine, USA: A Literature Review. Forests, 2013, vol. 4, iss. 4, pp. 898–921. https://doi.org/10.3390/f4040898
15. Ilintsev A., Nakvasina E., Högbom L., Bogdanov A. Influence of Ruts on the Physical Properties of Gleyic Retisols After Logging Machinery Passage. Scandinavian Journal of Forest Research, 2022, vol. 37, iss. 4, pp. 254–263. https://doi.org/10.1080/02827581.2022.2085785
16. Jaeger A., Banks D. Cluster analysis: A modern statistical review. WIREs Computational Statistics, 2023, vol. 15, iss. 3, art. 1597. https://doi.org/10.1002/wics.1597
17. Kaiser H.F. The Application of Electronic Computers to Factor Analysis. Educational and Psychological Measurement, 1960, vol. 20, iss. 1, pp. 141–151. https://doi.org/10.1177/001316446002000116
18. Kaiser H.F. The Varimax Criterion for Analytic Rotation in Factor Analysis. Psychometrika, 1958, vol. 23, pp. 187–200. https://doi.org/10.1007/BF02289233
19. Kaiser H.F., Rice J. Little Jiffy, Mark IV. Educational and Psychological Measurement, 1974, vol. 34, iss. 1, pp. 111–117. https://doi.org/10.1177/001316447403400115
20. 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. https://doi.org/10.1080/14942119.2004.10702496
21. Kellogg L.D., Bettinger P. Thinning Productivity and Cost for Mechanized CuttoLength System in the Northwest Pacific Coast Region of the USA. Journal of Forest Engineering, 1994, vol. 5, iss. 2, pp. 43–54.
22. Klaes B., Struck J., Schneider R., Schueler 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.
23. 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.
24. Labelle E.R., Soucy M. Effect of Tree Form on the Productivity of a Cut-to-Length Harvester in a Hardwood Dominated Stand. Croatian Journal of Forest Engineering, 2016, vol. 37, iss. 1, pp. 175–183.
25. Liubachyna A., Bubbico A., Secco L., Pettenella D. Management Goals and Performance: Clustering State Forest Management Organizations in Europe with Multivariate Statistics. Forests, 2017, vol. 8, iss. 12, art. 504. https://doi.org/10.3390/f8120504
26. Louis L.T., Kizha A.R., Daigneault A., Han H.S., Weiskittel A. Factors Affecting Operational Cost and Productivity of Ground-Based Timber Harvesting Machines: a Meta-analysis. Current Forestry Reports, 2022, vol. 8, pp. 38–54. https://doi.org/10.1007/s40725-021-00156-5
27. Meira Castro A.C., Nunes A., Sousa A., Lourenço L. Mapping the Causes of Forest Fires in Portugal by Clustering Analysis. Geosciences, 2020, vol. 10, iss. 2, art. 53. https://doi.org/10.3390/geosciences10020053
28. Melchiori L., Nasini G., Montagna J.M., Corsano G. A Mathematical Modeling for Simultaneous Routing and Scheduling of Logging Trucks in the Forest Supply Chain. Forest Policy and Economics, 2022, vol. 136, art. 102693. https://doi.org/10.1016/j.forpol.2022.102693
29. Mokhirev A., Medvedev S. Assessment of Road Density in Logging Areas Using Geographical Information Systems. IOP Conference Series: Earth and Environmental Science, All-Russian scientific-technical conference “Digital technologies in forest sector”, 26–27 March 2020, Saint Petersburg, Russian Federation, vol. 507, art. 012022. https://doi.org/10.1088/1755-1315/507/1/012022
30. Muttilainen H., Hallikainen V., Miina J., Vornanen J., Vanhanen H. Forest Owners’ Perspectives Concerning Non-Timber Forest Products, Everyman’s Rights, and Organic Certification of Forests in Eastern Finland. Small-scale Forestry, 2023, vol. 22, pp. 69–101. https://doi.org/10.1007/s11842-022-09528-6
31. Olivera A., Visser R., Acuna M., Morgenroth J. Automatic GNSS-enabled Harvester Data Collection as a Tool to Evaluate Factors Affecting Harvester Productivity in a Eucalyptus Spp. Harvesting Operation in Uruguay. International Journal of Forest Engineering, 2016, vol. 27, iss. 1, pp. 15–28. https://doi.org/10.1080/14942119.2015.1099775
32. Parente J., Pereira M.G., Tonini M. Space-Time Clustering Analysis of Wildfires: the Influence of Dataset Characteristics, Fire Prevention Policy Decisions, Weather and Climate. Science of the Total Environment, 2016, vol. 559, pp. 151–165. https://doi.org/10.1016/j.scitotenv.2016.03.129
33. Proto A.R., Macrì G., Visser R., Harrill Н., Russo D., Zimbalatti G. Factors Affecting Forwarder Productivity. European Journal of Forest Research, 2018, vol. 137, pp. 143–151. https://doi.org/10.1007/s10342-017-1088-6
34. Salimova G., Ableeva A., Lubova T., Sharafutdinov A., Araslanbaev I. Multidimensional Modeling of the Economy of Forest Management and Reforestation. Ecological Modelling, 2022, vol. 472, art. 110098. https://doi.org/10.1016/j.ecolmodel.2022.110098
35. Sccoti M.S.V., Mascarenhas A.R.P., Rebelo A.C., Fernandes I.M., Vendruscolo J., Rocha J.D.S., Moreto R.F. Current Practices of Conducting Forest Management Plans in the Amazon May Risk the Survival of Timber Species. Environmental Science and Pollution Research, 2023, vol. 30, pp. 82589–82600. https://doi.org/10.1007/s11356-023-28311-4
36. Schreiber J.B. Issues and Recommendations for Exploratory Factor Analysis and Principal Component Analysis. Research in Social and Administrative Pharmacy, 2021, vol. 17, iss. 5, pp. 1004–1011. https://doi.org/10.1016/j.sapharm.2020.07.027
37. Senko S. Nordic Forest Solutions as an Opportunity to Reform the Forestry Sector in Russia: A Case Study in the Republic of Karelia. Dissertationes Forestales, 2021, vol. 320. 61 p. https://doi.org/10.14214/df.320
38. Shabaev A., Sokolov A., Urban A., Pyatin D. Optimal Planning of Wood Harvesting and Timber Supply in Russian Conditions. Forests, 2020, vol. 11, iss. 6, art. 662. https://doi.org/10.3390/f11060662
39. Shegelman I., Budnik P., Baklagin V., Galaktionov O., Khyunninen I., Popov A. Analysis of Natural-Production Conditions for Timber Harvesting in European North of Russia. Central European Forestry Journal, 2019, vol. 65, iss. 2, pp. 81–91.
40. Spinelli К., Magagnotti N. The Effect of Harvest Tree Distribution on Harvesting Productivity in Selection Cuts. Scandinavian Journal of Forest Research, 2013, vol. 28, iss. 7, pp. 701–709. https://doi.org/10.1080/02827581.2013.821517
41. Tutmez B., Ozdogan M.G., Boran A. Mapping Forest Fires by Nonparametric Clustering Analysis. Journal of Forestry Research, 2018, vol. 29, pp. 177–185. https://doi.org/10.1007/s11676-017-0417-4
42. Varol T., Emir T., Akgul M., Ozel H.B., Acar H.H., Cetin M. Impacts of SmallScale Mechanized Logging Equipment on Soil Compaction in Forests. Journal of Soil Science and Plant Nutrition, 2020, vol. 20, pp. 953–963. https://doi.org/10.1007/s42729-020-00182-5
43. Zykov S.V., Dayneko D.V. The Analysis of the Russian Forest Industry. Forest Industry of Russia. Singapore, Springer Publ., 2022, pp. 17–103. https://doi.org/10.1007/978-981-16-9861-3_2