Модели для оценки биомассы и объема коры деревьев липы мелколистной (Tilia cordata Mill.). С.21-36

УДК

630*524.39:630*523:630.526.5

DOI:

10.37482/0536-1036-2022-5-21-36

Аннотация

Цель исследования – анализ изменчивости и разработка математических моделей оценки биомассы и объема коры, объема ствола в коре, доли коры деревьев липы мелколистной (Tilia cordata Mill.), произрастающих в естественных порослевых и искусственных древостоях. Модели основаны на данных 107 и 95 деструктивно отобранных деревьев соответственно в естественных порослевых и искусственных древостоях – по 10 пробных площадей на каждый тип древостоев, представляющих различные стадии роста. Модельные деревья были распилены на 2-метровые секции, объемы которых в коре и без коры рассчитаны с использованием формулы Губера. Общий объем ствола дерева в коре и без коры получен суммированием объемов всех секций и конического объема вершины дерева. Разница двух этих параметров составила объем коры. Биомасса коры определена непосредственным взвешиванием с последующим переводом в абсолютно сухую массу. Оценены корреляционные связи дендрометрических параметров и выбранных характеристик дерева. В сравнительном аспекте изучена эффективность 3 моделей регрессии с использованием в качестве независимых переменных диаметра на высоте 1,3 м и высоты дерева. Биомасса и объем коры, объем ствола в коре сильно зависят от данных величин. Для объемной доли коры в естественных порослевых липняках эта корреляция очень слабая, в искусственных – незначимая. Объемная доля коры для каждого дерева рассчитана как отношение разности объема ствола в коре и без коры к объему ствола в коре. Для прогнозирования биомассы и объема коры, объема стволов в коре деревьев липы мелколистной выбрано уравнение, показавшее лучшие статистические характеристики с точки зрения соответствия. Модели оценены с использованием метода взвешенных наименьших квадратов,с учетом присущих ошибок, гетероскедастичности, путем придания каждой модели своей весовой функции отдельно для естественных порослевых и искусственных древостоев, существенно различающихся между собой по морфометрическим признакам.

Сведения об авторах

А.К. Габделхаков^1*, канд. с.-х. наук, доц.; ResearcherID: G-3023-2018, ORCID: https://orcid.org/0000-0001-7129-880X
В.Ф. Коновалов¹, д-р с.-х. наук, проф.; ResearcherID: G-2775-2018, ORCID: https://orcid.org/0000-0003-2020-5540
З.З. Рахматуллин¹, канд. с.-х. наук; ResearcherID: G-2247-2018, ORCID: https://orcid.org/0000-0002-3223-6726
Л.Н. Блонская¹, канд. биол. наук, доц.; ResearcherID: G-4819-2018, ORCID: https://orcid.org/0000-0002-7007-1643
И.И. Фазлутдинов², вед. специалист; ResearcherID: C-9581-2019, ORCID: https://orcid.org/0000-0003-0327-3752
¹Башкирский государственный аграрный университет, ул. 50-летия Октября, д. 34, г. Уфа, Республика Башкортостан, Россия, 450001; aliya201199@mail.ru, konovalov-48@mail.ru, zagir1983@mail.ru, l.n.blonskaya@mail.ru
²Министерство лесного хозяйства Республики Башкортостан, ул. Ленина, д. 86, г. Уфа, Республика Башкортостан, Россия, 450006; solnc2007@yandex.ru

Ключевые слова

диаметр ствола на высоте 1, 3 м, высота дерева, биомасса коры, объем ствола, объем коры, доля коры, липа мелколистная, моделирование, ошибки модели, оценка биомассы коры

Для цитирования

Габделхаков А.К., Коновалов В.Ф., Рахматуллин З.З., Блонская Л.Н., Фазлутдинов И.И. Модели для оценки биомассы и объема коры деревьев липы мелколистной (Tilia cordata Mill.) // Изв. вузов. Лесн. журн. 2022. № 5. С. 21–36. https://doi.org/10.37482/0536-1036-2022-5-21-36

Литература

1. Габделхаков А.К., Рахматуллин З.З., Мартынова М.В., Фазлутдинов И.И., Муллагалеев И.А. Процент коры деревьев липы мелколистной (Tilia cordata Mill.) по сортиментным таблицам // Рос. электрон. науч. журн. 2021. № 2(40). С. 121–130. Gabdelkhakov A.K., Rakhmatullin Z.Z., Martynova M.V., Fazlutdinov I.I., Mullagaleev I.A. Percentage of Bark of Small-Leaved Linden (Tilia cordata Mill.) Trees According to Yield Tables. Russian electronic scientific journal, 2021, vol. 2(40), pp. 121–130. (In Russ.). https://doi.org/10.31563/2308-9644-2021-40-2-121-130
2. Орлова И.В., Филонова Е.С. Выбор экзогенных факторов в модель регрессии при мультиколлинеарности данных // Междунар. журн. прикладных и фундаментальных исследований. 2015. № 5, ч. 1. С. 108–116. Orlova I.V., Filonova E.S. The Choice of Exogenous Factors in the Regression Model with Multicollinearity in the Data. International Journal of Applied and Fundamental Research, 2015, no. 5, part 1, pp. 108–116. (In Russ.).
3. Орловская Т.В., Гюльбякова Х.Н., Гужва Н.Н., Огурцов Ю.А. Изучение коры липы сердцелистной с целью создания новых лекарственных средств // Современные проблемы науки и образования. 2013. № 2. C. 427. Режим доступа: https://science-education.ru/ru/article/view?id=8561 (дата обращения: 31.03.22). Orlovskaya T.V., Gulbjakova C.N., Gujva N.N., Ogurtcov Y.A. Studying the Tilia cordata L. Bark with the Purpose of Creation the New Medicines. Modern problems of science and education, 2013, no. 2, p. 427. (In Russ.).
4. Хасанова З.Ф. Лесные промыслы башкир Инзерского бассейна (конец XIX в. – начало XXI в.) // История, археология и этнография Кавказа. 2018. Т. 14, № 1. С. 105–112. Hasanova Z.F. Forest Works of the Bashkir of the Inzerian Basin (End of the 19th – the Beginning of the 21st Centuries). History, Archeology and Ethnography of the Caucasus, 2018, vol. 14, no. 1, pp. 105–112. (In Russ.). https://doi.org/10.24411/2618-6772-2018-10113
5. Akintunde M.O., Olawale A.O., Amusan A.S., Azeez A.I.A. Comparing Two Classical Methods of Detecting Multicollinearity in Financial and Economic Time Series Data. International Journal of Applied Mathematics and Theoretical Physics, 2021, vol. 7, no. 3, pp. 62–67. https://doi.org/10.11648/j.ijamtp.20210703.11
6. Avila A.L., Albrecht A. Alternative Baumarten im Klimawandel: Artensteckbriefe – eine Stoffsammlung. Baden-Württemberg, Forstliche Versuchsund Forschungsanstalt (FVA), 2018. 123 p. (In Ger.). Available at: https://www.fva-bw.de/fileadmin/publikationen/ sonstiges/180201steckbrief.pdf (accessed 31.03.22).
7. Bauer R., Billard A., Mothe F., Longuetaud F., Houballah M., Bouvet A., Cuny H., Colin A., Colin F. Modelling Bark Volume for Six Commercially Important Tree Species in France: Assessment of Models and Application at Regional Scale. Annals of Forest Science, 2021, vol. 78, art. 104. https://doi.org/10.1007/s13595-021-01096-7
8. Bijak S., Bronisz A., Bronisz K., Tomusiak R., Wojtan R., Baran P., Czemiel T., Zasada M. Models to Estimate the Bark Volume for Larix sp. in Poland. Environmental Sciences Proceedings, 2021, vol. 3, iss. 1, art. 71. https://doi.org/10.3390/IECF2020-07915
9. Božić M., Čavlović J., Vedriš M., Jazbec M. Modeling Bark Thickness of Silver Fir Trees (Abies alba Mill.). Šumarski list, 2007, vol. 131, no. 1-2, pp. 3–12. (In Croat.). https://doi.org/10.31298/sl
10. Breusch T.S., Pagan A.R. A Simple Test for Heteroscedasticity and Random Coefficient Variation. Econometrica, 1979, vol. 47, no. 5, pp. 1287–1294. https://doi. org/10.2307/1911963
11. Canga E., Diéguez-Aranda U., Elias A.K., Cámara A. Above-Ground Biomass Equations for Pinus radiata D. Don in Asturias. Forest Systems, 2013, vol. 22, no. 3, pp. 408–415. https://doi.org/10.5424/fs/2013223-04143
12. Cellini J.M., Galarza M., Burns S.L., Martinez-Pastur G.J., Lencinas M.V. Equations of Bark Thickness and Volume Profiles at Different Heights with Easy-Measurement Variables. Forest Systems, 2012, vol. 21, no. 1, pp. 23–30. https://doi.org/10.5424/fs/2112211-01963
13. Chen D., Huang X., Zhang S., Sun X. Biomass Modeling of Larch (Larix spp.) Plantations in China Based on the Mixed Model, Dummy Variable Model, and Bayesian Hierarchical Model. Forests, 2017, vol. 8, iss. 8, art. 268. https://doi.org/10.3390/f8080268
14. Diamantopoulou M.J., Özçelik R., Yavuz H. Tree-Bark Volume Prediction via Machine Learning: A Case Study Based on Black Alder’s Tree-Bark Production. Computers and Electronics in Agriculture, 2018, vol. 151, pp. 431–440. https://doi.org/10.1016/j.compag.2018.06.039
15. Eaton E., Caudullo G., de Rigo D. Tilia cordata, Tilia platyphyllos and Other Limes in Europe: Distribution, Habitat, Usage and Threats. European Atlas of Forest Tree Species. Ed. by J. San-Miguel-Ayanz, D. de Rigo, G. Caudullo, T. Houston Durrant, A. Mauri. Luxembourg, Publications Office of the EU, 2016, pp. 184–185. Available at: https://forest. jrc.ec.europa.eu/media/atlas/Tilia_spp.pdf (accessed 31.03.22).
16. Guéguen F., Stille P., Lahd Geagea M., Boutin R. Atmospheric Pollution in an Urban Environment by Tree Bark Biomonitoring – Part I: Trace Element Analysis. Chemosphere, 2012, vol. 86, iss. 10, pp. 1013–1019. https://doi.org/10.1016/j.chemosphere.2011.11.040
17. Heath L.S., Hansen M., Smith J.E., Smith B.W., Miles P.D. Investigation into Calculating Tree Biomass and Carbon in the FIADB Using a Biomass Expansion Factor Approach. Forest Inventory and Analysis (FIA) Symposium 2008. Park City, UT, USDA, 2009. 26 р.
18. Hemery G., Spiecker H., Aldinger E., Kerr G., Collet C., Bell S. COST Action E42: Growing Valuable Broadleaved Tree Species. Final Report. 2008. 40 p.
19. Kim J.H. Multicollinearity and Misleading Statistical Results. Korean Journal of Anesthesiology, 2019, vol. 72(6), pp. 558–569. https://doi.org/10.4097/kja.19087
20. Kohnle U., Hein S., Sorensen F.C., Weiskittel A.R. Effects of Seed Source Origin on Bark Thickness of Douglas-fir (Pseudotsuga menziesii) Growing in Southwestern Germany. Canadian Journal of Forest Research, 2012, no. 42(2), pp. 382–399. https://doi. org/10.1139/X11-191
21. Laasasenaho J., Melkas T., Aldén S. Modelling Bark Thickness of Picea abies with Taper Curves. Forest Ecology and Management, 2005, vol. 206, iss. 1-3, pp. 35–47. https://doi.org/10.1016/j.foreco.2004.10.058
22. Lestander T.A., Lundström A., Finell M. Assessment of Biomass Functions for Calculating Bark Proportions and Ash Contents of Refined Biomass Fuels Derived from Major Boreal Tree Species. Canadian Journal of Forest Research, 2012, vol. 42, no. 1, pp. 59–66. https://doi.org/10.1139/x11-144
23. Liepiņš J., Liepiņš K. Evaluation of Bark Volume of Four Tree Species in Latvia. Research for Rural Development, 2015, vol. 2, pp. 22–28.
24. Magalhães T.M. Effects of Site and Tree Size on Wood Density and Bark Properties of Lebombo Ironwood (Androstachys johnsonii Prain). New Zealand Journal of Forestry Science, 2021, vol. 51, art. 3. https://doi.org/10.33494/nzjfs512021x32x
25. Meng S., Jia Q., Liu Q., Zhou G., Wang H., Yu J. Aboveground Biomass Allocation and Additive Allometric Models for Natural Larix gmelinii in the Western Daxing’anling Mountains, Northeastern China. Forests, 2019, vol. 10, iss. 2, art. 150. https://doi.org/10.3390/f10020150
26. Meng S., Yang F., Hu S., Wang H., Wang H. Generic Additive Allometric Models and Biomass Allocation for Two Natural Oak Species in Northeastern China. Forests, 2021, vol. 12, iss. 6, art. 715. https://doi.org/10.3390/f12060715
27. Myking T., Hertzberg A., Skrøppa T. History, Manufacture and Properties of Lime Bast Cordage in Northern Europe. Forestry, 2005, vol. 78, iss. 1, pp. 65–71. https://doi. org/10.1093/forestry/cpi006
28. Neumann M., Lawes M.J. Quantifying Carbon in Tree Bark: The Importance of Bark Morphology and Tree Size. Methods in Ecology and Evolution, 2021, no. 12, iss. 4, pp. 646–654. https://doi.org/10.1111/2041-210X.13546
29. Pásztory Z., Mohácsiné I.R., Gorbacheva G., Börcsök Z. The Utilization of Tree Bark. BioResources, 2016, vol. 11(3), pp. 7859–7888. https://doi.org/10.15376/biores.11.3
30. Radoglou K., Dobrowolska D., Spyroglou G., Nicolescu V.-N. A Review on the Ecology and Silviculture of Limes (Tilia cordata Mill., Tilia platyphyllos Scop. and Tilia tomentosa Moench.) in Europe. Die BodenKultur, 2009, vol. 60, no. 3, pp. 9–19.
31. Repola J. Biomass Equations for Scots Pine and Norway Spruce in Finland. Silva Fennica, 2009, vol. 43, no. 4, pp. 625–647. https://doi.org/10.14214/sf.184
32. Saint-Andre L., M’Bou A.T., Mabiala A., Mouvondy W., Jourdan C., Roupsard O., Deleporte P., Hamel O., Nouvellon Y. Age-Related Equations for Aboveand Below-Ground Biomass of a Eucalyptus Hybrid in Congo. Forest Ecology and Management, 2005, vol. 205, iss. 1-3, pp. 199–214. https://doi.org/10.1016/j.foreco.2004.10.006
33. Samojlik T. Drzewo wielce użyteczne – historia lipy drobnolistnej (Tilia cordata) w Puszczy Białowieskiej. Rocznik Dendrologiczny, 2005, vol. 53, pp. 55–64. (In Pol.).
34. Schmidt O., Buβler H. Die Winterlinde als Lebensraum für Tierarten. LWF Wissen, 2016, no. 78, pp. 60–65. (In Ger.).
35. Sedmíková M., Löwe R., Jankovský M., Natov P., Linda R., Dvořák J. Estimation of Overand Under-Bark Volume of Scots Pine Timber Produced by Harvesters. Forests, 2020, vol. 11, iss. 6, art. 626. https://doi.org/10.3390/f11060626
36. Sharma R.P., Bhandari S.K., BK R. Allometric Bark Biomass Model for Daphne bholua in the Mid-Hills of Nepal. Mountain Research and Development, 2017, vol. 37, no. 2, pp. 206–215. https://doi.org/10.1659/mrd-journal-d-16-00052.1
37. Sonmez T., Keles S., Tilki F. Effect of Aspect, Tree Age and Tree Diameter on Bark Thickness of Picea orientalis. Scandinavian Journal of Forest Research, 2007, vol. 22, iss. 3, pp. 193–197. https://doi.org/10.1080/02827580701314716
38. Stängle S.M., Sauter U.H., Dormann C.F. Comparison of Models for Estimating Bark Thickness of Picea abies in Southwest Germany: The Role of Tree, Stand, and Environmental Factors. Annals of Forest Science, 2017, vol. 74, art. 16. https://doi.org/10.1007/ s13595-016-0601-2
39. Subedi M., Sharma R.P. Allometric Biomass Models for Bark of Cinnamomum tamala in Mid-Hill of Nepal. Biomass and Bioenergy, 2012, vol. 47, pp. 44–49.
40. Temesgen H., Affleck D., Poudel K., Gray A., Sessions J. A Review of the Challenges and Opportunities in Estimating Above Ground Forest Biomass Using Tree-Level Models. Scandinavian Journal of Forest Research, 2015, vol. 30, iss. 4, pp. 326–335. https://doi.org/10.1080/02827581.2015.1012114
41. Vacek S., Vacek Z., Ulbrichová I., Bulušek D., Prokůpková A., Král J., Vančura K. Biodiversity Dynamics of Differently Managed Lowland Forests Left to Spontaneous Development in Central Europe. Austrian Journal of Forest Science, 2019, vol. 136, iss. 3, pp. 249–281.
42. Vezzola L.C., Muttoni G., Merlini M., Rotiroti N., Pagliardini L., Hirt A.M., Pelfini M. Investigating Distribution Patterns of Airborne Magnetic Grains Trapped in Tree Barks in Milan, Italy: Insights for Pollution Mitigation Strategies. Geophysical Journal International, 2017, vol. 210, iss. 2, pp. 989–1000. https://doi.org/10.1093/gji/ggx232
43. Wang X., Zhao D., Liu G., Yang C., Teskey R.O. Additive Tree Biomass Equations for Betula platyphylla Suk. Plantations in Northeast China. Annals of Forest Science, 2018, vol. 75, art. 60. https://doi.org/10.1007/s13595-018-0738-2
44. Wehenkel C., Cruz-Cobos F., Carrillo A., Lujan-Soto J.E. Estimating Bark Volumes for 16 Native Tree Species on the Sierra Madre Occidental, Mexico. Scandinavian Journal of Forest Research, 2012, vol. 27, iss. 6, pp. 578–585. https://doi.org/10.1080/02827581 .2012.661453
45. Wilhelmsson L., Arlinger J., Spångberg K., Lundqvist S.-O., Grahn T., Hedenberg Ö., Olsson L. Models for Predicting Wood Properties in Stems of Picea abies and Pinus sylvestris in Sweden. Scandinavian Journal of Forest Research, 2002, vol. 17, iss. 4, pp. 330–350. https://doi.org/10.1080/02827580260138080
46. Zeng W.S., Tang S.Z. Bias Correction in Logarithmic Regression and Comparison with Weighted Regression for Nonlinear Models. Nature Precedings, 2011. 11 p. https://doi.org/10.1038/npre.2011.6708.1