Влияние полезащитных лесных насаждений на микроклимат агроландшафта в сухостепной зоне каштановых почв

DOI:

Пропорционально увеличению численности населения возрастает фактор антропогенного воздействия на окружающую природную среду. Возросшее антропогенное вмешательство в устойчивость экосистем способствует активизации различного рода экологических проблем, таких как сокращение биоразнообразия, изменение климата, сокращение площади лесов и др. Сложившийся экологический кризис и негативная агроэкологическая обстановка стали последствиями интенсификации растениеводческой отрасли.

Одним из способов стабилизации экологической обстановки и сохранения окружающей природной среды является защитное лесоразведение, которое представляет собой комплекс различных мероприятий, направленных на создание, выращивание и использование насаждений для защиты сельскохозяйственных угодий, почвенных ресурсов, каналов, водоемов и техногенного воздействия промышленного сектора [8; 10; 14; 19]. Особенно актуальным защитное лесоразведение является в аридных малолесных регионах, расположенных преимущественно на юге европейской части территории РФ. Структура защитного лесоразведения в разрезе Южного федерального округа представлена на рисунке 1.

Защитные лесные насаждения (ЗЛН) включают в себя в том числе и группу агролесомелиоративных насаждений, которые представлены линейными насаждениями различной функциональности (полезащитные – ветрорегулирующие, стокорегулирующие, лесные полосы на орошаемых землях и др.) [22].

Полезащитные лесные полосы (далее – ПЗЛП) трансформируют агроландшафт в аг-ролесоландшафт, параллельно формируя особый микроклимат прилегающей территории. О роли влияния ПЗЛП на микроклиматические показатели агроландшафтов отмечается во многих работах [1; 3; 5–7; 9–15; 21; 23]. В агролесомелиоративной науке зоной влияния ПЗЛП на скорость ветра принимается значение 25–30Н (Н-высота лесной полосы), для повышенного снегоотложения характерна зона 10–20Н [22]. Также стоит отметить, что зона влияния защитных лесных полос обуславливается их конструкцией [2; 4; 11], состоянием атмосферы, характером подстилающей поверхности, рельефом [22].

Помимо проведения полевых исследований крайне важным является и математикостатистического обработка полученных данных [16–18]. Наиболее применяемыми методами математической статистики является корреляционный и регрессионный анализы полученных экспериментальных исследований.

Корреляция характеризует взаимосвязи между двумя и более переменными, выраженные одним числом, отражает согласование изменения переменных. Регрессионный анализ представлен набором статистических методов по оценке отношений между переменными. Настоящая работа является продолжением проведенных ранее полевых исследований [15; 23] и посвящена статистической обработке экспериментально полученных данных.

Материалы и методы исследования

Исследования проводились в 2020–2021 гг. с целью определения роли влияния полезащитной лесной полосы на микроклиматические показатели прилегающего агроландшафта в летний, осенний и зимний периоды. Объектом исследования являлась сорокалетняя полезащитная лесная полоса ажурной конструкции смешанного породного состава из вяза мелколистного ( Ulmus parvifolia J.) и смородины золотистой ( Ribes aureum P.)

Рис. 1. Структура защитного лесоразведения в разрезе Южного федерального округа, тыс. га: А – требуется; Б – имеется; В – необходимо создать

Примечание. Составлено авторами по: [20].

по краям полосы в ОПХ «Качалинское» (рис. 2). Объект располагается в сухостепной зоне каштановых почв. Агрофон – пар чистый (стерня зерновых).

Измерения проводились три раза в сутки (утро, обед, вечер) по пяти климатическим параметрам: скорость ветрового потока, температура воздуха и почвы, влажность почвы и относительная влажность воздуха. Для скорости ветра, температуры и влажности воздуха показания фиксировались на двух высотах от земной поверхности (0,5 м и 1,5 м), температура почвы измерялась на поверхности. Показания фиксировались в лесной полосе и на расстоянии 3Н, 5Н, 8Н, 10Н, 15Н, 20Н, 25Н, 30Н для скорости ветра, относительной влажности воздуха, температуры воздуха и почвы. Влажность почвы определялась в лесной полосе и на расстоянии 1Н, 5Н, 10Н, 20Н, 30Н через каждые 10 см до глубины 50 см.

В основу текущей работы взяты данные за летний и осенний периоды в годы проведения исследования; в завершении следующего этапа работы выполнен корреляционно-регрессионный анализ зависимостей между расстоянием от лесной полосы и микроклиматическими показателями. Статистическая обработка производилась с использованием набора инструментов «Анализ данных» в программном обеспечении MS Excel.

Результаты и обсуждения

Анализ корреляционных связей выявил значительную положительную зависимость (по шкале Чеддока) (табл. 1) между расстоянием от лесной полосы и скоростью ветра. Так, для летнего сезона она составила r = 0,95 (лето 13:00; 0,5 м), r = 0,96 (лето 16:00; 0,5 м), в осенний период r = 0,94 (осень 16:00; 0,5 м). Значительная корреляционная связь выявлена между

Рис. 2. Схема опытного хозяйства «Качалинское» Волгоградской области

Таблица 1

Взаимосвязь микроклиматических параметров и расстояние от лесной полосы ( r )

Сезон S от ЛП / V ветра S от ЛП / φ воздуха S от ЛП / tпочвы S от ЛП / tвоздуха S от ЛП / φ почвы Лето 10:00 (0,5 м/1,5 м) 0,90/0,86 0,50/–0,03 0,35 0,50/0,61 0,65 Лето 13:00 (0,5 м/1,5 м) 0,95/0,96 –0,33/–0,57 0,65 0,89/0,80 Лето 16:00 (0,5 м/1,5 м) 0,92/0,88 0,86/0,83 0,26 0,83/0,57 Осень 10:00 (0,5 м/1,5 м) 0,79/0,54 0,41/–0,71 0,70 0,76/0,84 0,75 Осень 13:00 (0,5 м/1,5 м) 0,49/0,24 0,02/–0,75 0,54 –0,07/0,40 Осень 16:00 (0,5 м/1,5 м) 0,94/0,74 –0,09/–0,01 –0,40 –0,07/–0,03 расстоянием от лесной полосы и скоростью ветра r = 0,86 (лето 10:00; 0,5 м), r = 0,88 (лето 16:00; 1,5 м), r = 0,79 (осень 10:00; 0,5 м), r= 0,74 (осень 16:00; 1,5 м). Также сильная корреляционная связь наблюдается между такими показателями, как расстояние от лесной полосы и влажность воздуха r = 0,86 (лето 16:00; 0,5 м), r = 0,83 (лето 16:00; 1,5 м), температурой воздуха r = 0,89 (лето 13:00; 0,5 м), r = 0,80 (лето 13:00; 1,5 м), r = 0,84 (осень 10:00; 1,5). Средняя корреляционная связь выявлена между расстоянием от лесной полосы и скоростью ветра r = 0,54 (осень 10:00; 1,5 м), между расстоянием от лесной полосы и температурой почвы r = 0,65 (лето 13:00), r = 0,70 (осень 10:00), r = 0,54 (осень 13:00), между расстоянием от лесной полосы и температурой воздуха r = 0,50 (лето 10:00; 0,5 м), r = 0,61 (лето 10:00; 1,5 м).

Для определения связи между расстоянием от лесной полосы и влажностью почвы было взято среднее значение влажности в слое 0–50 см. Анализ корреляционной связи выявил среднюю корреляционную зависимость между расстоянием от лесной полосы и влажностью почвы ( r = 0,65) в летний период наблюдений, высокую ( r = 0,75) в осенний период наблюдений.

Для ряда наблюдений отмечается очень слабая корреляционная зависимость; также были отмечены и обратные зависимости. Такая ситуация, на наш взгляд, может быть обусловлена погрешностью измерений.

Для очень сильных корреляционных зависимостей также проведен регрессионный анализ. Регрессионный анализ сводится к выбору одномерной математической модели (регрессионного уравнения), адекватно и корректно описывающей отношение расчетных значений к фактическим. Регрессионный анализ был проведен для следующих взаимосвязей S от ЛП / V ветра: 1) r = 0,90 лето 10:00 (0,5 м); 2) r = 0,95 лето 13:00 (0,5 м); 3) r = 0,96 лето 13:00 (1,5 м); 4) r = 0,92 лето 16:00 (0,5 м); 5) r = 0,94 осень 16:00 (0,5 м). Диаграммы (рис. 3) построены в декартовой системе координат, где за ось OX принимается расстояния от лесной полосы (м), за ось OY скорость ветра (м/с).

В первом случае линейное уравнение регрессии имеет вид y = 0,0126 x + 4,2403. Коэффициент регрессии b = 0,0126 показывает среднее изменение результативного показателя (м/с) с повышением или понижением величины фактора х (м). В этом случае с увеличением на 1 единицу y повышается в среднем на 0,0126.

Рис. 3. Регрессионные связи скорости ветрового потока с расстоянием от лесной полосы:

А – r = 0,90 лето 10:00 (0,5 м); Б – r = 0,95 лето 13:00 (0,5 м); В – r = 0,96 лето 13:00 (1,5 м);

Г – r = 0,92 лето 16:00 (0,5 м); Д – r = 0,94 осень 16:00 (0,5 м)

Коэффициент a = 4,2403 формально показывает прогнозируемый уровень у, но только в том случае, если х = 0 находится близко с выборочными значениями. Но если х = 0 находится далеко от выборочных значений х , то буквальная интерпретация может привести к неверным результатам, и даже если линия регрессии довольно точно описывает значения наблюдаемой выборки, нет гарантий, что также будет при экстраполяции влево или вправо.

Связь между у и х определяет знак коэффициента регрессии b , если b > 0 прямая связь, b < 0 обратная. В данном случае коэффициент регрессии составляет 0,0126 – связь прямая. Также был рассчитан квадрат множественного коэффициента корреляции (коэффициент детерминации) R ², отражающий долю вариации результативного признака, объясненную вариацией факторного признака. В данном случае R ² = 0,8127 означает, что в 81,27 % изменения х приводят к изменению y . Точность подбора уравнения высокая, остальные 18,73 % изменения у объясняются факторами, не учтенными в модели (а также ошибками спецификации).

Значимость регрессионной модели определяется при помощи F-критерия Фишера, расчетное значение которого находится как отношение дисперсии исходного ряда наблюдений изучаемого показателя и несмещенной оценки дисперсии остаточной последовательности для данной модели. Полученное значение критерия F сравнивается с табличным значением Fтабл при уровне значимости α = 0,05. Если соблюдается условие F > Fтабл, то делается вывод об адекватности описания уравнением рассматриваемой взаимосвязи. Табличное значение критерия со степенями свободы k1 = 1 и k2 = 7, Fтабл = 5,59. Расчетное значение F = 30,37; поскольку фактическое значение F > Fтабл, то коэффициент детерминации статистически значим (найденная оценка уравнения регрессии статистически надежна).

Для проверки качества уравнения регрессии используется ошибка абсолютной аппроксимации ( Ā ). Ошибка аппроксимации в пределах 5–7 % свидетельствует о хорошем подборе уравнения регрессии к исходным данным. Для данного варианта в среднем расчетные значение отклоняются от фактических на 10,31 %. Так как значения ошибки аппроксимации более, чем 7 %, то данное уравнение не желательно использовать в качестве регрессии. Аналогичный расчет для других очень сильных корреляционных связей представлен в таблице 2.

Анализ полученных данных показал, что все пять значений F -критерия Фишера больше табличных F _табл. Это позволяет делать вывод, что полученные регрессионные уравнения достоверны и адекватны. Из пяти полученных регрессионных моделей три модели имеют ошибку аппроксимации ( В ) в пределах 5–7 %, что свидетельствует о хорошем подборе уравнений.

Заключение

Согласно ранее полученным эмпирическим путем данным установлено, что наибольшее влияние лесная полоса оказывает на скорость ветрового потока. Корреляционно-регрессионный анализ также выявил наибольшую взаимосвязь между S от ЛП / V _ветра. Так, среднее значение составило r = 0,77. Полученные регрессионные модели и коэффициенты детерминации указывают на близость математической модели к эмпирическим наблюдениям.

Таблица 2

Оценки значимости и качества регрессионных уравнений

№ п/п	Корреляционная взаимосвязь	Линейное уравнение	Вид связи	R 2	F табл	F	Ā , %
1	r = 0,90 лето 10:00 (0,5 м)	y = 0,0126 x + 4,2403	Прямая	0,8127	5,59	30,37	10,31
2	r = 0,95 лето 13:00 (0,5 м)	y = 0,0119 x + 4,2109	Прямая	0,8999		62,94	6,57
3	r = 0,95 лето 13:00 (1,5 м)	y = 0,0119 x + 4,4972	Прямая	0,9216		82,29	5,47
4	r = 0,92 лето 16:00 (0,5 м)	y = 0,0178 х + 2,0843	Прямая	0,8521		40,31	19,37
5	r = 0,94 осень 16:00 (0,5 м)	y = 0,00556 x + 2,4609	Прямая	0,8818		52,22	5,1

Наименьшее значение R ² = 0,8127, наибольшее R ²=0,9216. С учетом того, что под достоверностью данных в статистике понимается степень приближения соответствия данных тому, что есть, можно сделать вывод о достоверности данных по скорости ветрового потока. Полученный результат подтверждает, что одна из ключевых функций защитных лесных насаждений – ветрозащитная. Средняя и сильная корреляционная взаимосвязь микроклиматических показателей и расстояния от лесной полосы отмечается также у части измерений для влажности и температуры почвы.