Исследование почвенных субстратов на основе отходов деревообработки для выращивания лесных сеянцев

Автор: Графова Е.О., Гаврилова О.И., Горбач В.В.

Журнал: Resources and Technology @rt-petrsu

Рубрика: Полная статья

Статья в выпуске: 2 т.20, 2023 года.

Бесплатный доступ

Низкая выживаемость сеянцев, снижение плодородия, нарушения лесных почв приводят к недостаточному уровню лесовосстановления в России. Решением данной проблемы может служить подготовка питательных субстратов, компенсирующих дефицит плодородных почв и повышающих устойчивость искусственных лесных насаждений. Почвенные субстраты производились из отходов лесопромышленных предприятий Карелии методом компостирования с добавлением осадка сточных вод близлежащих предприятий ЖКХ. Оценка плодородных свойств субстратов проверялась на всхожести семян и определении скорости роста овса ( Avena sativa L.) и сосны обыкновенной ( Pinus sylvestris L.). Субстраты сравнивались с торфосмесью заводского производства. Распределение вариант в выборках на соответствие нормальному закону проверяли критерием Шапиро - Уилка. Для статистической обработки данных использовали методы ресамплинга. Диапазон варьирования показателей оценивали посредством простого непараметрического бутстрепа, доверительные интервалы устанавливали методом процентилей. Для сравнений использовали рандомизационный тест MCR. Тренды изменчивости показателей во времени описывали логарифмическими моделями. Для производства субстратов были использованы опилки сосны (субстрат 1) и кора сосны (субстрат 2). Время производства субстратов отличалось: 5 месяцев и 1,5 года соответственно. Полученные субстраты отличались по химическому составу и морфологической консистенции. В обоих субстратах содержание тяжёлых металлов, отсутствие патогенных микроорганизмов и паразитов соответствовало санитарным нормам, что определяло безопасность их применения. Всхожесть овса варьировала от 0 до 100 %. Длина растений в контроле не отличалась существенно от субстрата 2, но была значимо больше, чем в субстрате 1. Всхожесть семян сосны составила от 20 до 100 %, по числу проросших семян сеянцы значимо не различались, самый медленный рост сеянцев наблюдали в субстрате 1, самый быстрый - в субстрате 2. Средние скорости роста растений в торфе и субстрате 2 значимо не различались. Таким образом, установлено отсутствие существенных различий, испытываемых субстратов для прорастания семян. Результаты исследований свидетельствуют о том, что плодородные свойства полученных субстратов значительно не отличаются от торфосмеси, подготовленной в заводских условиях. Субстраты, полученные при свежем и длительном сроках хранения древесных отходов, можно использовать для выращивания сеянцев в питомниках и повышения плодородия лесных почв при лесовосстановлении и для рекультивации нарушенных земель.

Еще

Почвенный субстрат, древесный субстрат, компостирование, биологическая обработка древесных отходов, лесовосстановление, выращивание сеянцев

Короткий адрес: https://sciup.org/147241387

IDR: 147241387   |   DOI: 10.15393/j2.art.2023.7143

Текст научной статьи Исследование почвенных субстратов на основе отходов деревообработки для выращивания лесных сеянцев

Одной из актуальных проблем, сдерживающих развитие лесного комплекса, является недостаточный уход за лесами, который не позволяет повышать плодородие лесных почв и обеспечивать максимальный прирост древесины, что, в свою очередь, ограничивает возможности увеличения объёмов заготовок. Интенсивность лесовосстановления не достигает высоких уровней и темпов воспроизводства хозяйственно ценных лесов на наиболее продуктивных лесных землях, что приводит к необходимости освоения новых лесных участков, не обеспеченных транспортной инфраструктурой. За последние 20 лет ежегодные объёмы лесовосстановления остаются на уровне 800—900 тыс. га, что в два раза меньше предыдущего периода. Несоблюдение агротехники выращивания созданных лесных культур приводит к их высокой гибели в период до перевода в покрытую лесом площадь. Возникает необходимость разработки специальных мер по сохранению созданных лесных культур, повышению эффективности агротехнического ухода. Стратегия развития лесного комплекса РФ направлена на появление новых технологий, увеличение доли искусственного возобновления леса, использования семян с улучшенными наследственными свойствами, возрастания доли лесных культур, созданных с использованием посадочного материала с закрытой корневой системой, увеличение разнообразия пород лесных культур, развитие материально-технической базы путём модернизации парка лесохозяйственных машин и оборудования. Данные направления развития лесопромышленного комплекса свидетельствует о необходимости разработки технологий, направленных на поиск решений, способствующих повышению плодородия лесных деградирующих и нарушенных почв, обеспечению стабильно высокой всходимости сеянцев, повышению продуктивности древостоя.

Многие исследователи рассматривали возможности повышения плодородия лесных почв путём внесения различных удобрений. Так, с точки зрения экономической целесообразности в качестве удобрения применяются лесосечные отходы. Отмечено, что процесс естественной минерализации древесины может занимать годы [1], [9], [12]. Оптимальной считается доза внесения удобрений 30 т/га, которая может быть достигнута при запасе отходов 240 м3/га. Исследованиями [3], [6] установлено, что поступление органических веществ в почву со временем меняется, несмотря на накопление отходов на лесосеке, поскольку изменяется их химический состав в процессе вымывания. Таким образом, необработанные и неподготовленные парубковые отходы, оставленные на лесосеке как плодородный компонент удобрения, не представляют интереса.

Другим источником органики могут служить кородревесные отходы, избыток которых образуется на деревообрабатывающих предприятиях. Проведение биотестирования при добавлении различных доз коры при проращивании кресс-салата (Lepidium sativum L.) свидетельствует о повышении биологической активности нарушенных почв при внесении дозировки 5—15 % отходов по массе [7]. Процессы разложения коры в естественных условиях описаны в работе [14]. Содержание азота в коре значительно выше, чем в древесине, что обусловлено бóльшим количеством живых клеток в составе флоэмы [4], [5]. Наибольшее содержание азота на единицу массы выявлено у берёзы (0,95 %). Распределение содержания азота в коре пород по убыванию показателя следующее: осина (0,74 %), сосна и ель (0,61 %), лиственница (0,20 %). Кора хвойных пород имеет меньшие концентрации азота по сравнению с корой лиственных пород [15]. Со временем химический состав коры, хранящейся в отвалах, также меняется (таблица 1). Наиболее пригодна для удобрения свежеобразованная кора, поскольку она содержит более высокие концентрации органического вещества, фосфора, калия.

Таблица 1. Химический состав кородревесных отходов различного срока хранения

Table 1. The chemical composition of bark and wood waste of various storage periods

№ п/п

Наименование показателя

Продолжительность хранения коры

Кора свежая

0—3 лет

3—5 лет

5—10 лет

более

10 лет

1

2

3

4

5

6

7

1

Азот общий, мас. %

0,015

0,008

0,020

0,015

0,550

2

Азот нитратный, мг/кг

4,1

3,0

2,3

1,0

1,40

3

Фосфор, мг/кг

4,4

3,0

3,2

2,0

0,8

4

Калий, мг/кг

41,0

14,0

25,0

11,0

3,0

5

Органическое вещество, мас. %

92,6

78,6

90,3

77,4

51,2

Для удобрения почвы необходимо ускорить процесс гумификации таким методом, как компостирование, которое является наиболее простым и дешёвым способом. В процессе компостирования происходит аэробная биодеструкция древесины, сопровождаемая экзотермическим процессом, способствующим гибели патогенной микрофлоры и паразитов, семян сорняков и пр. Для начала процесса компостирования необходимо обеспечить следующие условия: соотношение углерода (С) и азота (N), влажность, микробное дыхание, время обработки. Поскольку основным компонентом древесины является углерод, для начала биодеструкции необходимо добавить необходимое количество азота. Для интенсивного протекания микробиологических процессов оптимальным является соотношение С : N, равное 25. Содержание азота можно обеспечить внесением 0,5—1 % азотных удобрений, мочевины, аммиачной селитры и органических отходов, таких как навоз, помёт, осадки сточных вод и пр. По данным авторов публикаций [5], [8], соотношение С : N в зрелом компосте составляет 68, в свежей коре — 140, в коре с отвалов — примерно 70. По величине соотношения С : N кору с отвалов можно отнести к недозрелому компосту. Скорость и эффективность компостирования также зависит от вида используемых древесных отходов: осиновая кора разлагается быстрее, чем кора хвойных пород. Для ускорения разложения древесных отходов часто используется внесение специальных микроорганизмов — активаторов компостирования, которые имеют способность к деструкции целлюлозы и лигнина, трансформации продуктов их разложения в гумус [2]. В некоторых исследованиях [11] продемонстрирована эффективность предварительной сортировки отходов хвойных и лиственных пород, т. к. они отличаются по анатомическому строению, химическому составу, скорости разложения.

Согласно исследованиям публикации [10], получаемый после обработки субстрат может использоваться для повышения плодородия почв, в т. ч. лесных, улучшения её структуры и минеральных свойств. Разработкой и внедрением технологии получения почвенных субстратов и почвогрунтов занимались многие авторы [6], [11], [41]. В настоящее время существуют технологические средства и технологии, позволяющие провести компостирование отходов любых древесных пород с применением различных, доступных для предприятий органических добавок. Основное время биотермической подготовки компоста 3—6 мес., полное время дозревания компоста составляет от 1,5 до 2 лет. С точки зрения экономической целесообразности оптимальным периодом подготовки субстрата в условиях севера должен служить один летний период, поскольку для продолжительного производства требуются большие площади, уход и контроль за процессом, применение техники. Целью настоящих исследований является проверка свойств субстратов, полученных в результате биодеструкции методом компостирования двух наиболее типичных видов древесных отходов и разных периодов выдержки компостной смеси — полной выдержки и однолетней.

2.    Материалы и методы

Почвенные субстраты произведены из отходов лесопромышленных предприятий Соломенского и Сортавальского лесозаводов Карелии. Субстраты подготовлены методом компостирования. В качестве азотной составляющей использовался осадок сточных вод близлежащих предприятий ЖКХ — Петрозаводского и Сортавальского соответственно. Компостирование древесных отходов, в конкретном случае, основано на стимуляции естественной микробиоты компостной смеси. Технологические параметры производства субстратов и характеристики полученных субстратов представлены в таблицах 2 и 3. Для оценки пригодности полученных субстратов для выращивания сеянцев при лесовосстановлении проведены исследования всхожести семян и скорости роста овса ( Avena sativa L.) и сосны обыкновенной ( Pinus sylvestris L. ). Для сравнения в качестве контрольного субстрата выбрана торфосмесь (Фаско, Россия) заводского производства.

Проведено две серии экспериментов: первая серия — выращивание семян овса. Производилось в выбранных субстратах. Субстраты помещались в ёмкости для выращивания в объёме 250 мл по 15 шт. для каждого субстрата. В каждую ёмкость засеивалось по 5 семян. Вторая серия — выращивание семян сосны, проводилось таким же образом.

Таблица 2. Характеристики технологии производства субстратов

Table 2. Characteristics of substrate production technology

Наименование

Источник отходов

Вид отходов

Соотношение смеси

Время обработки

Субстрат 1

Сортавальский лесозавод; предприятие ЖКХ, г. Сортавала

Свежеобразованный осадок сточных вод, трёхлетний осадок сточных вод, опилки сосны

1 : 1 : 3

70 дней

Субстрат 2

Соломенский лесозавод; предприятие ЖКХ, г. Петрозаводск

Свежеобразованный осадок сточных вод, кора сосны

2 : 3

1,5 года

Таблица 3. Сравнение химических показателей полученных субстратов с контрольным

Table 3. Тhe chemical parameters сomparison of the obtained substrates with the control ones

Наименование показателя

Норма содержания

Субстрат 1

Субстрат 2

Торф (контроль)

Азот аммонийный, мг/кг

0,6

180

360

100—200

Азот нитритный, мг/кг

0,062

0,56

Фосфат-ион, не менее, мг/кг

1,5

25

25

80—150

Органическое вещество, не менее, мг/кг

20

60

63

Массовая доля подвижного калия, мг/кг почвы

> 250

472

951,0

200—300

Превышение содержания тяжёлых металлов, мг/кг

по ГОСТ Р 8.563

отсутствует

отсутствует

отсутствует

Присутствие патогенных микроорганизмов

по ГОСТ Р 8.563

отсутствует

отсутствует

отсутствует

Распределение вариант в выборках на соответствие нормальному закону проверили критерием Шапиро — Уилка. Установили, что в ряде случаев эмпирические распределения значимо отклоняются от теоретического и не могут быть нормализованы с помощью стандартных процедур. Поэтому для статистической обработки данных использовали методы ресамплинга, не требующие соответствия каким-либо теоретическим закономерностям [13]. Выборки сравнивали по трём показателям — средней арифметической ( M ), стандартному отклонению ( S ), измеряющему изменчивость признака, и медиане ( Me ), более адекватно описывающей величину признака в выборках, отклоняющихся от нормального распределения. Диапазон варьирования показателей оценивали посредством простого непараметрического бутстрепа с числом итераций B = 1000, достаточным для уровня вероятности P = 0.95, доверительные интервалы устанавливали методом процентилей.

Для сравнений использовали рандомизационный тест (MCR — Monte Carlo Randomization) с тем же числом итераций B . Значимость отличий p при таком подходе представляет собой скорректированную долю нуль-модельных комбинаций (эмпирическая разность показателей не больше рандомизированной, | d obs | ≤ | d ran |) от общего числа испытаний B . Критической величиной для p принято стандартное значение α = 0,05.

Тренды изменчивости показателей во времени описывали логарифмическими моделями вида y = a · ln ( T ) + b , где y — число проросших семян N или высота стеблей растений L (см), а T — время в днях, модельный параметр a определили в качестве средней скорости прорастания семян или скорости роста растений соответственно. Равенство условий старта процессов обеспечили назначением коэффициента b константой. Значения a подбирали, используя итеративную процедуру подгонки под требование b = const. Методом ресамплинга генерировали по 100 моделей для каждого исследуемого случая, доверительные интервалы возможных значений a устанавливали методом процентилей, сравнивали с помощью MCR-теста.

Данные обрабатывали в среде MS Excel и R 4.0.1 [16] с использованием базовых функций и функций пакета Composition [17].

3.    Результаты

Полученные методом компостирования и контрольный субстраты отличаются по химическому составу и морфологической консистенции. Торфяной субстрат является сбалансированным подготовленным продуктом, размеры частиц более 3 мм. Субстрат 2, полученный из отходов Соломенского лесозавода, обладает высоким содержанием азота и калия, более неоднородным морфологическим составом: встречаются размеры частиц до 16 мм в виде древесных включений. Субстрат 1, полученный из отходов Сортавальского лесозавода, имеет наиболее низкие характеристики содержания биогенных элементов и также обладает неоднородным морфологическим составом с включениями древесины размерами до 10 мм. Химический состав полученных субстратов соответствует современным требованиям, предъявляемым к почвогрунтам, подготовленным с применением осадков сточных вод. Во всех подготовленных субстратах содержание тяжёлых металлов в норме, патогенные микроорганизмы и паразиты отсутствуют, что определяет санитарную безопасность их применения.

Почти все семена овса взошли к концу первой недели наблюдений, дальнейший прирост составил менее 2 % (фото 1 а ). Всхожесть в пробах варьировала от 0 до 100 %. Наблюдаемые отличия по числу проросших семян для сравниваемых типов субстратов по всем показателям случайны (таблица 4). К концу эксперимента длина растений в контроле (торф) не отличалась существенно от субстрата 2, но была значимо больше, чем в субстрате 1. Вместе с тем больше была и изменчивость длины, измеряемая стандартным отклонением. Это указывает на задержку роста отдельных растений в торфе, проиллюстрированную на рисунке 1 отклонением маркеров от общего ряда. Сравнение средних скоростей роста

(таблица 5) поддерживает вывод о меньшей благоприятности для развития растений в субстрате 1.

Семена сосны прорастали больше месяца, итоговая всхожесть составила от 20 до 100 % (фото 1 б ).

С начала всхода активного роста ростков сосны ещё не наблюдали, он начался только через месяц и стал достаточным для выполнения корректных измерений. В то время как рост сеянцев овса был равномерным на протяжении всего периода выращивания.

а                                         б

Фото 1. Результаты всхожести семян на

подготовленных субстратах: а — овёс;

б — сосна: торф, субстрат 2, субстрат 1

Photo 1. The results of seed germination on prepared substrates: (a) oats; (b) pines: peat, substrate 2, substrate 1

По числу проросших семян испытываемые субстраты значимо не различались, лишь для торфа показана наиболее высокая изменчивость (таблица 6) — следствие большей неравномерности всхожести в разных пробах. Динамика прорастания семян дана на рисунке 2. Быстрее всего семена всходили в субстрате 2, тем не менее показанные отличия средних скоростей не существенны (таблица 7). Самый медленный рост сеянцев наблюдали в субстрате 1, самый быстрый — в субстрате 2 (рисунок 3). И если средние скорости роста растений в торфе и субстрате 2 значимо не различались, то для субстрата 1 установлено существенное отличие от базовой составляющей — торфа (таблица 8). Таким образом, установлено отсутствие существенных различий испытываемых субстратов для прорастания семян, но в торфе и субстрате 2 растения растут быстрее, чем в субстрате 1.

Таблица 4. Всхожесть семян и длина стеблей овса к концу эксперимента в разных видах субстрата

Table 4. Oats seed germination and stem length by the end of the experiment in different substrate types

Показатели

Торф

Субстрат 1

p

Субстрат 2

p

Число проросших семян

n a

10

10

10

lim

0—5

1— 4

0—4

M

3,4 (2,3—4,4)

2,6 (2,1—3,1)

0,297

1,8 (1,1—2,6)

0,071

S

1,8 (0,9—2,3)

0,8 (0,4—1,1)

0,056

1,3 (0,7—1,6)

0,419

Me

3,5 (2,0—5,0)

3,0 (2,0—3,0)

0,396

2,0 (1,0—3,0)

0,146

Длина стеблей растений, см

n b

34

26

18

lim

4,8—35,5

12,8—28,5

17,5—39,8

M

26,6 (24,1—28,6)

22,6 (21,4—23,7)

0,010

29,4 (26,6—32,2)

0,170

S

6,8 (4,2—9,0)

3,2 (1,7—4,3)

0,003

6,0 (4,2—7,4)

0,756

Me

28,2 (24,9—30,0)

23,3 (22,5—23,7)

0,003

29,4 (26,1—33,2)

0,650

Примечание: n a — число стаканчиков с 5 семенами в каждом; n b — число растений; lim — интервал варьирования; M — средняя арифметическая; S — стандартное отклонение; Me — медиана (в скобках указаны доверительный интервал показателя, полученный методом бутстрепа); p — значимость отличий показателей для КОС от торфа (MCR-тест), полужирным шрифтом указаны значимые отличия.

Таблица 5. Скорость роста стеблей овса, логарифмическая модель L = a ln(T)-15

Table 5. Oats halms growth rate, logarithmic model L= a ln(T)-15

Наименование среды

n

a

lim

t

p

R 2

p g

Торф

128

13,7

13,4—14,0

88,0

< 0,001

0,583

Субстрат 1

104

12,8

12,6—13,0

104,8

< 0,001

0,622

0,010

Субстрат 2

72

13,3

12,9—13,8

51,8

< 0,001

0,539

0,158

Примечание: a — средняя скорость роста стеблей; L — ожидаемая длина стебля (см); T — время (дни); n — число измерений растений; lim — доверительный интервал модельного параметра a (бутстреп-метод, процентили); t — значение критерия Стьюдента; p — значимость отличий a от нуля; R 2 — коэффициент детерминации, p g — значимость отличий a для КОС от торфа (MCR-тест), полужирным шрифтом указаны значимые отличия.

Примечание: маркеры указывают промеры стеблей, линии — тренды изменчивости показателя в каждом виде грунта, параметры моделей даны в таблице 5.

Рисунок 1. Динамика роста стеблей овса в разных видах субстрата: 1 — торф; 2 — субстрат 1; 3 — субстрат 2

Figure 1. Dynamics of oats halms growth in different substrates types: 1 – peat; 2 – substrate 1; 3 – substrate 2

Таблица 6. Всхожесть семян и длина стеблей сосны к концу эксперимента в разных видах субстрата

Table 6. Seeds germination and pine stems length by the end of the experiment in different substrate types

Показатели

Торф

Субстрат 1

p

Субстрат 2

p

Число проросших семян

n a

15

15

15

lim

1—5

2—5

2—5

M

3,6 (2,7—4,5)

3,3 (2,8—3,7)

0,591

4,2 (3,7—4,7)

0,294

S

1,7 (1,2—2,1)

0,9 (0,6—1,1)

< 0.001

0,9 (0,5—1,3)

0,013

Me

4,0 (2,0—5,0)

3,0 (3,0—4,0)

0,726

4,0 (4,0—5,0)

0,999

Длина стеблей растений, см

n b

62

51

53

lim

5,0—12,0

3,0—9,0

2,5—11,5

M

7,5 (7,2—7,9)

6,2 (5,9—6,5)

< 0,001

7,8 (7,3—8,3)

0,446

S

1,4 (1,2—1,7)

1,2 (0,9—1,4)

0,270

2,0 (1,7—2,4)

0,002

Me

7,5 (7,0—8,0)

6,5 (6,0—6,5)

< 0,001

8,0 (7,0—9,0)

0,851

Примечание: n a — число стаканчиков с 5 семенами в каждом, другие обозначения даны в таблице 4.

Время наблюдений, 7(дни)

Рисунок 2. Динамика прорастания семян сосны в разных видах субстрата: 1 — торф; 2 — субстрат 1; 3 — субстрат 2: маркеры указывают промеры стеблей, линии — тренды изменчивости показателя в каждом виде грунта, параметры моделей даны в таблице 7

Figure 2. Dynamics of pine seed germination in different substrate types: 1 — peat; 2 — substrate 1; 3 — substrate 2: markers indicate measurements of stems, lines indicate trends in the variability of the indicator in each type of soil, model parameters are given in Table 7

Таблица 7. Скорость прорастания семян сосны, логарифмическая модель

N = a ln(T)–50

Table 7. Germination rate of pine seeds, logarithmic model N = a ln(T)–50

Наименование среды

n

a

lim

t

p

R 2

p g

Торф

7

29,6

29,0—30,4

40,9

< 0,001

0,911

Субстрат 1

7

29,9

28,2—30,9

42,6

< 0,001

0,902

0,713

Субстрат 2

7

32,8

29,9—34,1

29,3

< 0,001

0,864

0,089

Примечание: a — средняя скорость прорастания семян, N — ожидаемое число проросших семян, T — время (дни), n — число дат измерений, другие обозначения даны в таблице 5.

Рисунок 3. Динамика роста стеблей сосны в разных видах субстрата: маркеры указывают среднюю длину стеблей в каждом стаканчике, линии — тренды изменчивости показателя в каждом виде грунта, параметры моделей даны в таблице 8

Figure 3. The growth dynamics of pine stems in different substrate types: markers indicate the average length of stems in each cup, lines indicate trends in the variability of the indicator in each type of soil, model parameters are given in Table 8

Таблица 8. Скорость роста   стеблей   сосны, логарифмическая модель

L = a ln(T) + 0.7

Table 8. Pine stem growth rate, logarithmic model L = a ln(T) + 0.7

Наименование среды

n

a

lim

t

p

R 2

p g

Торф

76

1,53

1,47—1,59

48,9

< 0,001

0,428

Субстрат 1

76

1,28

1,25—1,32

61,2

< 0,001

0,464

0,010

Субстрат 2

76

1,67

1,58—1,73

50,3

< 0,001

0,389

0,060

Примечание: a — средняя скорость роста стеблей; n — число измерений; варианта — средняя длина стеблей сосны в одном стаканчике, другие обозначения даны в таблице 5.

4.    Обсуждение и заключение

Результаты исследований свидетельствуют о том, что плодородные свойства полученных субстратов значительно не отличаются от торфосмеси, подготовленной в заводских условиях. Плодородные качества в большей степени зависят от количества и состава вносимых дополнительно компонентов на стадии формирования смеси для субстрата. Всходимость и рост сеянцев в субстрате, полученном в более короткий производственный срок, незначительно уступает сеянцам, выращенным в субстрате с длительным периодом изготовления. Это свидетельствует о том, что субстрат, поученный в короткий летний период, можно использовать для выращивания сеянцев в питомниках и повышения плодородия лесных почв при лесовосстановлении. Для предприятий лесной промышленности сокращение сроков производства субстратов обусловливает экономические эффекты и решает многолетнюю проблему сокращения образования неиспользуемых отходов. Полученные методом компостирования субстраты могут применяться как рекультивант при восстановлении нарушенных лесных территорий. Таким образом, изготовление почвенных субстратов позволит решить производственные проблемы накопления древесных отходов, включая некондиционные, и отходы длительного срока хранения.

Список литературы Исследование почвенных субстратов на основе отходов деревообработки для выращивания лесных сеянцев

  • Андреев А. А. Ресурсосбережение и использование отходов заготовки и переработки древесного сырья // Фундаментальные и прикладные исследования: проблемы и результаты. 2014. № 10. С. 148—155.
  • Получение органоминеральных удобрений на основе древесной коры (обзор) / Е. В. Веприкова, С. А. Кузнецова, Н. В. Чесноков [и др.] // Журнал Сибирского федерального университета. Серия: Химия. 2016. Т. 9, № 4. С. 414—429. DOI: https://doi.org/10.17516/1998-2836-2016-9-4-414-429.
  • Галдина Т. Е., Кулаков А. В., Ранцев-Картинов В. А. Переработка отходов лесозаготовительных и деревообрабатывающих предприятий в нетрадиционный мелиоративный субстрат с применением экологически чистых технологий // Лесотехнический журнал. 2021. Т. 11, № 2 (42). С. 24—34. DOI: 10.34220/issn.2222-7962/2021.2/3.
  • Графова Е. О., Паршин Н. В. Исследование методов обработки осадков сточных вод петрозаводских очистных сооружений // Resources and Technology. 2019. Т. 16, № 4. С. 94—118.
  • Дейнеко И. П., Фаустова Н. М. Элементный и групповой химический состав коры и древесины осины // Химия растительного сырья. 2015, Т. 1. С. 51—62.
  • Залесов С. В., ФроловаЕ. А., ЛисинаЕ. И. Возможность использования нетрадиционных удобрений при выращивании посадочного материала в лесных питомниках // Вестник Башкирского государственного аграрного университета. 2015. № 2 (34). С. 104—108.
  • Кайгородов Р. В. Влияние кородревесных отходов на биологическую активность техногенных поверхностных образований придорожных пространств // Успехи современного естествознания. 2019. № 11. С. 83—88.
  • Курило О. Н., Ширинкина Е. С., Вайсман Я. И. Способ использования ресурсного потенциала коры длительного срока хранения // Транспорт. Транспортные сооружения. Экология. 2014. № 1. С. 79—87.
  • Оценка уровня негативного воздействия на компоненты природной среды несанкционированной свалки у п. Самофаловка Волгоградской области / О. А. Мишустин, С. Б. Хантимирова, В. Ф. Желтобрюхов [и др.] // Инженерный вестник Дона. 2019. № 9. C. 50.
  • Мохирев А. П., Безруких Ю. А., Медведев С. О. Переработка древесных отходов предприятий лесопромышленного комплекса как фактор устойчивого природопользования // Инженерный вестник Дона — Северо-Кавказский научный центр высшей школы Южного федерального университета. 2015. № 2, ч. 2. 13 с.
  • Мохирев А. П., Рубинская А. В., Мезенцева Н. В. Получение органических удобрений из отходов лесозаготовительной деятельности как способ повышения комплексного использования древесины // Международные научные исследования. 2015. № 3 (24). С. 147—151.
  • Сергиенко А. В., Яцун И. В. Необходимость рационального использования отходов деревообработки // Наука и образование сегодня. 2017. № 1 (12). С. 12—13.
  • Шитиков В. К., Розенберг Г. С. Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R. Исп. и доп. интернет-версия от 15.11.2013. Тольятти: Кассандра, 2013. 314 с.
  • The cover uncovered: bark control over wood decomposition / G. G. O. Dossa, D. Schaefer, J.-L. Zhang [et al.] // Journal of Ecology. 2018. No. 106. Р. 2147—2160.
  • PalviainenM., FinerL. Decomposition and nutrient release from Norway spruce coarse roots and stumps — a 40-year chronosequence study // Forest Ecology and Management. 2015. No. 358. Р. 1—11. DOI: https://doi.org/10.1016/J.F0REC0.2015.08.036.
  • R Core Team (2021). R: a language and environment for statistical computing. R version 4.1.2. (2021—11—01). Vienna: R Foundation for statistical computing, 2021. Available at: http://www.r-project.org/ (accessed on: 01.03.2022). Text. Image: electronic.
  • Van den BoogaartK. G., Tolosana-Delgado R., BrenM. Package 'composition'. Compositional data analysis. 2022. Version 2.0—4. Available at: https://cran.microsoft.-com/web/packages/compositions/compositions.pdf. (accessed on: 10.04.2022). Text. Image: electronic.
Еще
Статья научная