Типизация лесоэксплуатационных условий центральных лесничеств Республики Карелия, Архангельской и Мурманской областей

Типизация лесоэксплуатационных условий центральных лесничеств Республики Карелия, Архангельской и Мурманской областей

Автор: Будник Павел Владимирович, Баклагин Вячеслав Николаевич, Галактионов Олег Николаевич

Журнал: Resources and Technology @rt-petrsu

Рубрика: Полная статья

Статья в выпуске: 3 т.21, 2024 года.

Бесплатный доступ

Повышение эффективности лесного хозяйства и лесопользования требует решения вопросов районирования лесных территорий. Цель данного исследования состояла в статистическом обосновании схемы типизации лесоэксплуатационных условий на уровне центральных лесничеств Республики Карелия, Мурманской и Архангельской областей. Лесоэксплуатационное районирование проведено с учётом 19 переменных, характеризующих ресурсы древесины, природно-производственные условия и дорожную инфраструктуру. Источниками данных являлись лесные планы и лесохозяйственные регламенты центральных лесничеств. Методика исследования включала последовательное применение факторного, кластерного и дискриминантного анализов. Факторный анализ применён для устранения мультиколлинеарности и сокращения числа переменных. Извлечение факторов осуществлялось методом максимального правдоподобия, а их количество определялось по критерию Кайзера. Факторная структура подвергалась вращению методом Варимакс. В результате факторного анализа выделено 4 фактора, которые объясняют 83,16 % общей дисперсии 19 переменных. Первый фактор определял общую продуктивность лесов и уровень расчётной лесосеки по хвойному хозяйству. Второй фактор характеризовал уровень лиственного хозяйства и природно-производственные условия, характерные для лесов с высоким содержанием лиственных пород. Третий фактор характеризовал объём расчётной лесосеки по сплошным рубкам. Четвёртый фактор определял степень соответствия природно-производственных условий благоприятным условиям (более сухие почвы и продуктивные леса). Кластерный анализ включал два этапа. На первом этапе применён иерархический кластерный анализ с целью определения числа кластеров. На втором этапе использован метод k-средних для деления центральных лесничеств на заданное количество групп. По итогам кластерного анализа исследуемый регион разделён на 9 лесоэксплуатационных районов и разработана карта-схема. Достоверность результатов кластерного анализа подтверждена статистическими критериями дискриминантного анализа: значениями канонической корреляции, критерием χ^2 Пирсона, критерием лямбда Уилкса.

Еще

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

Короткий адрес: https://sciup.org/147244384

IDR: 147244384   |   DOI: 10.15393/j2.art.2024.7983

Список литературы Типизация лесоэксплуатационных условий центральных лесничеств Республики Карелия, Архангельской и Мурманской областей

  • Хлюстов В. К., Ганихин А. М., Короткая С. В. Ресурсно-экологическое районирование лесов Нижегородской области // Природообустройство. 2021. № 3. С. 128—136. DOI: 10.26897/1997-6011-2021-3-128-136.
  • Management goals and performance: clustering state forest management organizations in Europe with multivariate statistics / A. Liubachyna, A. Bubbico, L. Secco [et al.] // Forests. 2017. Vol. 8, no. 12. P. 504. DOI: doi.org/10.3390/f8120504.
  • Mapping the causes of forest fires in portugal by clustering analysis / A. C. Meira Castro, A. Nunes, A. Sousa [et al.] // Geosciences. 2020. Vol. 10, no. 2. P. 53. DOI: doi.org/10.3390/-geosciences10020053.
  • Tutmez B., Ozdogan M. G., Boran A. Mapping forest fires by nonparametric clustering analysis // Journal of forestry research. 2018. Vol. 29. P. 177—185. DOI: doi.org/10.1007/-s11676-017-0417-4.
  • 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. P. 151—165. DOI: doi.org/10.1016/j.scitotenv.2016.03.129.
  • Хлюстов В. К., Васенев И. И., Ганихин А. М. Районирование территории ЦФО по комплексу лесоводственно-климатических показателей // АгроЭкоИнфо. 2020. № 2. С. 16—16. URL: https://agroecoinfo.narod.ru/journal/STATYI/2020/2/st_206.pdf. Текст: электронный.
  • Multidimensional modeling of the economy of forest management and reforestation / G. Salimova, A. Ableeva, T. Lubova // Ecological Modelling. 2022. Vol. 472. P. 110098. DOI: doi.org/10.1016/j.ecolmodel.2022.110098.
  • Хлюстов В. К. Комплексная оценка и управление древесными ресурсами: модели — нормативы — технологии. М.: РГАУ-МСХА им. К. А. Тимирязева, 2015. Кн. I. 389 с.
  • Ворошилов Н. В. Развитие лесного комплекса в муниципалитетах региона (на материалах Вологодской области) // Вопросы территориального развития. 2020. Т. 8, № 5. С. 4. DOI: 10.15838/tdi.2020.5.55.4.
  • Годовалов Г. А., Залесов С. В., Лежнина Е. Н. Районирование лесов Свердловской области // Аграрный вестник Урала. 2011. № 8. С. 38—39. URL: https://cyberleninka.ru/article/n/-rayonirovanie-lesov-sverdlovskoy-oblasti. Текст: электронный.
  • Optimal planning of wood harvesting and timber supply in Russian conditions / A. Shabaev, A. Sokolov, A. Urban [et al.] // Forests. 2020. Vol. 11, no. 6. P. 662. DOI: doi.org/10.3390/-f11060662.
  • Improving Cut-to-length Operations Management in Russian Logging Companies Using a New Decision Support System / Yu. Yu. Gerasimov, A. P. Sokolov, D. Fjeld // Baltic Forestry. 2013. Vol. 19, no. 1. P. 36. URL: https://www.cabidigitallibrary.org/doi/full/10.5555/20133363677. Text. Image: electronic.
  • Spinelli R., Magagnotti N. The effect of harvest tree distribution on harvesting productivity in selection cuts // Scandinavian Journal of Forest Research. 2013. Vol. 28, no. 7. P. 701 —709. DOI: doi.org/10.1080/02827581.2013.821517.
  • Lageson H. Effects of thinning type on the harvester productivity and on the residual stand // Journal of Forest Engineering. 1997. Vol. 8, no. 2. P. 7—14. URL: https://www.tandfonline.-com/doi/abs/10.1080/08435243.1997.10702699. Text. Image: electronic.
  • Comparison of single-grip harvester productivity in clear-and shelterwood cutting / L. Eliasson, J. Bengtsson, J. Cedergren [et al.] // Journal of Forest Engineering. 1999. Vol. 10, no. 1. P. 43—48. URL: https://www.tandfonline.com/doi/abs/10.1080/08435243.1999.10702723. Text. Image: electronic.
  • A mathematical modeling for simultaneous routing and scheduling of logging trucks in the forest supply chain / L. Melchiori, G. Nasini, J. M. Montagna [et al.] // Forest Policy and Economics. 2022. Vol. 136. P. 102693. DOI: doi.org/10.1016/j.forpol.2022.102693.
  • Mokhirev A., Medvedev S. Assessment of road density in logging areas using geographical information systems // IOP Conference Series: Earth and Environmental Science. IOP Publishing, 2020. Vol. 507, no. 1. P. 012022. DOI: 10.1088/1755-1315/507/1/012022.
  • 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, no. 1. P. 73—82. DOI: 10.1515/agriceng-2018-0007.
  • Kärhä K., Rönkkö E., Gumse S. I. Productivity and cutting costs of thinning harvesters // International Journal of Forest Engineering. 2004. Vol. 15, no. 2. P. 43—56. DOI: doi.org/-10.1080/14942119.2004.10702496.
  • Kellogg L. D., Bettinger P. Thinning productivity and cost for a mechanized cut-to-length system in the Northwest Pacific Coast region of the USA // Journal of Forest Engineering. 1994. Vol. 5, no. 2. P. 43—54. DOI: doi.org/10.1080/08435243.1994.10702659.
  • Factors affecting forwarder productivity / A. R. Proto, G. Macrì, R. Visser [et al.] // European Journal of Forest Research. 2018. Vol. 137. P. 143—151. DOI: doi.org/10.1007/s10342-017-1088-6.
  • Factors affecting operational cost and productivity of ground-based timber harvesting machines: a meta-analysis / L. T. Louis, A. R. Kizha, A. Daigneault [et al.] // Current Forestry Reports. 2022. Vol. 8, no. 1. P. 38—54. DOI: doi.org/10.1007/s40725-021-00156-5.
  • Automatic GNSS-enabled harvester data collection as a tool to evaluate factors affecting harvester productivity in a Eucalyptus spp. harvesting operation in Uruguay / A. Olivera, R. Visser, M. Acuna [et al.] // International journal of forest engineering. 2016. Vol. 27, no. 1. P. 15—28. DOI: doi.org/10.1080/14942119.2015.1099775.
  • Hiesl P., Benjamin J. G. Applicability of international harvesting equipment productivity studies in Maine, USA: A literature review // Forests. 2013. Vol. 4, no. 4. P. 898—921. DOI: doi.org/-10.3390/f4040898.
  • Effect of tree form on the productivity of a cut-to-length harvester in a hardwood dominated stand / E. R. Labelle, M. Soucy, A. Cyr [et al.] // Croatian Journal of Forest Engineering: Journal for Theory and Application of Forestry Engineering. 2016. Vol. 37, no. 1. P. 175—183. URL: https://hrcak.srce.hr/153483. Text. Image: electronic.
  • Economic feasibility of timber harvesting in lowlands / A. K. George, A. R. Kizha, L. Kenefic [et al.] // Exceeding the vision: forest mechanisation of the future. Proceedings of the 52nd International Symposium on Forestry Mechanization. Sopron, Hungary: University of Sopron Press, 2019. P. 379—393. URL: https://www.fs.usda.gov/nrs/pubs/jrnl/2019/nrs_2019_-george_001.pdf. Text. Image: electronic.
  • Будник П. В., Баклагин В. Н., Галактионов О. Н. Лесоэксплуатационное районирование лесных субарктических территорий // Известия высших учебных заведений. Лесной журнал. 2023. № 6. С. 114—135. DOI: 10.37482/0536-1036-2023-6-114-135.
  • Сукачёв В. Н. Избранные труды. Т. 1. Основы лесной типологии и биогеоценологии. Л.: Наука, 1972. 418 с.
  • Goodsite M. The Future of Shipping Minerals from the Arctic // Towards a Sustainable Arctic: International Security, Climate Change and Green Shipping. 2023. P. 231—244. DOI: doi.org/-10.1142/9781800613225_0011.
  • Hartwell C. A. In our (frozen) backyard: the Eurasian Union and regional environmental governance in the Arctic // Climatic Change. 2023. Vol. 176, no. 4. P. 45. DOI: doi.org/-10.1007/s10584-023-03491-7.
  • Schreiber J. B. Issues and recommendations for exploratory factor analysis and principal component analysis // Research in Social and Administrative Pharmacy. 2021. Vol. 17, no. 5. P. 1004—1011. DOI: doi.org/10.1016/j.sapharm.2020.07.027.
  • Jaeger A., Banks D. Cluster analysis: A modern statistical review // Wiley Interdisciplinary Reviews: Computational Statistics. 2023. Vol. 15, no. 3. P. e1597. DOI: doi.org/10.1002/-wics.1597.
  • Härdle W., Simar L. Applied multivariate statistical analysis // Springer, Berlin — Heidelberg. 2019. Vol. 10. P. 978-3. DOI: doi.org/10.1007/978-3-030-26006-4.
  • Myung I. J. Tutorial on maximum likelihood estimation // Journal of mathematical Psychology. 2003. Vol. 47, no. 1. P. 90—100. DOI: doi.org/10.1016/S0022-2496(02)00028-7.
  • Kaiser H. F. The application of electronic computers to factor analysis // Educational and psychological measurement. 1960. Vol. 20, no. 1. P. 141—151. DOI: doi.org/10.1177/-001316446002000116.
  • Kaiser H. F. The varimax criterion for analytic rotation in factor analysis // Psychometrika. 1958. Vol. 23, no. 3. P. 187—200. DOI: doi.org/10.1007/BF02289233.
  • Kaiser H., Rice J. Little jiffy mark IV. Educational and Psychological Measurement 34. 1974. DOI: 10.1177/001316447403400115.
  • Williams B., Onsman A., Brown T. Exploratory factor analysis: A five-step guide for novices // Australasian journal of paramedicine. 2010. Vol. 8. P. 1—13. DOI: doi.org/10.33151/ajp.8.3.
  • Nielsen F., Nielsen F. Hierarchical clustering // Introduction to HPC with MPI for Data Science. 2016. P. 195—211. DOI: doi.org/10.1007/978-3-319-21903-5_8.
  • Coates A., Ng A. Y. Learning feature representations with k-means // Neural Networks: Tricks of the Trade: Second Edition. Berlin; Heidelberg, 2012. P. 561—580. DOI: doi.org/10.1007/-978-3-642-35289-8_30.
  • Planning methods and decision support systems in vehicle routing problems for timber transportation: a review / J. F. Audy, M. Rönnqvist, S. D’Amours [et al.] // International Journal of Forest Engineering. 2023. Vol. 34, no. 2. P. 143—167. DOI: doi.org/10.1080/14942119.-2022.2142367.
  • Dems A., Rousseau L. M., Frayret J. M. Annual timber procurement planning with bucking decisions // European Journal of Operational Research. 2017. Vol. 259, no. 2. P. 713—720. DOI: doi.org/10.1016/j.ejor.2016.10.039.
  • Zykov S. V., Dayneko D. V. The Analysis of the Russian Forest Industry // Forest Industry of Russia: Smart Innovations and Success Stories. Singapore: Springer Singapore, 2022. P. 17—103. DOI: doi.org/10.1007/978-981-16-9861-3_2.
  • 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. URL: https://web.archive.org/web/20211012192823id_/https://dissertationesforestales.fi/pdf/-article10645.pdf. Text. Image: electronic.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp