Авторизация

Логин:
Пароль:
Восстановить пароль
Регистрация
  • Форум
  • Блоги
  • Контакты
  • Новости
  • Продукты
  • Отрасли
  • Обучение
  • Поддержка
  • События
  • О компании
  • 1 (64) | 2013 Моделирование пространственного распределения видов с использованием геоинформационных систем

    Егошин А.В. (ecoid@yandex.ru), к.с.-х.н., ст. науч. сотр.
    Экологический образовательный и научный центр ФГБУ «Сочинский национальный парк», г. Сочи, Россия


    Spatial distribution of species within Western Caucasus: modeling with GIS


    В статье рассмотрен опыт применения геоинформационных систем при моделировании пространственного распределения видов на примере Айланта высочайшего. Установлен потенциальный ареал распространения этого инвазивного вида на территории ООПТ Западного Кавказа.

    В настоящее время ¾ всех видов цветковых растений, ¼ млекопитающих, ½ всех видов насекомых и рептилий находятся под угрозой исчезновения. Причиной такого катастрофического снижения биоразнообразия являются как прямое уничтожение и потеря среды обитания, так и преднамеренная и непреднамеренная интродукция видов (инвазии). Именно поэтому в настоящее время проблемы сохранения биоразнообразия планеты приобретают всё большую значимость.

    Ключевым аспектом исследований и действий по сохранению биоразнообразия является моделирование и прогнозирование пространственного распределения видов растений [1], как инвазивных [2], так и находящихся под угрозой исчезновения [3], в том числе и их реинтродукции [4]. Кроме того, моделирование пространственного распределения видов организмов может дать ответ на актуальный вопрос о том, как климатические изменения повлияют на пространственное распределение организмов в будущем [5].

    Все эти на первый взгляд сложные задачи с успехом решаются с использованием геоинформационных систем (ГИС) [6]. Для моделирования пространственного распределения видов средствами ГИС необходимы климатические данные, информация о местах произрастания особей вида с указанием географических координат, а также соответствующее программное обеспечение для их обработки, анализа и представления.

    При моделировании могут быть использованы климатические данные WorldClim (www.worldclim.org), полученные путем интерполяции среднемесячных климатических данных метеостанций планеты. Они представляют собой набор растровых изображений (GRID), в каждой ячейке которых содержится информация о том или ином климатическом показателе. Для моделирования наибольший интерес представляют биоклиматические переменные BIOCLIM, перечисленные в таблице.

    Биоклиматические переменные BIOCLIM

    Код

    Биоклиматический параметр

    BIO1

    Средняя годовая температура воздуха

    BIO2

    Средняя суточная амплитуда температуры за каждый месяц

    BIO3

    Изотермичность (BIO1/BIO7) * 100

    BIO4

    Стандартное отклонение температур

    BIO5

    Максимальная температура самого тёплого месяца года

    BIO6

    Минимальная температура самого холодного месяца года

    BIO7

    Годовая амплитуда температуры (BIO5-BIO6)

    BIO8

    Средняя температура самой влажной четверти года

    BIO9

    Средняя температура самой сухой четверти года

    BIO10

    Средняя температура самой тёплой четверти года

    BIO11

    Средняя температура самой холодной четверти года

    BIO12

    Годовая сумма осадков

    BIO13

    Сумма осадков в самом влажном месяце года

    BIO14

    Сумма осадков в самом сухом месяце года

    BIO15

    Коэффициент вариации осадков

    BIO16

    Сумма осадков во влажной четверти года

    BIO17

    Сумма осадков в сухой четверти года

    BIO18

    Сумма осадков в самой тёплой четверти года

    BIO19

    Сумма осадков в самой холодной четверти года

    В настоящее время доступны как биоклиматические переменные для каждого 1кв.км земной поверхности, усреднённые за временной интервал 1950-2000 гг., так и прогнозные данные на 2020, 2050 и 2080 гг. для каждого сценария изменений климата IPCC (Intergovernmental Panel on Climate Change).

    Информация о местах произрастания особей изучаемого вида может быть получена как в результате проведения полевых наблюдений, так и с интернет-ресурса глобального информационного фонда по биоразнообразию (www.gbif.org).

    Для моделирования и прогноза пространственного распределения видов мы использовали следующее программное обеспечение: DIVA-GIS, MaxEnt, ArcGIS.

    В качестве примера рассмотрим прогностическое моделирование распространения инвазивного вида Айлант высочайший (Ailanthus altissima) на особо охраняемых природных территориях (ООПТ) Западного Кавказа: Сочинский национальный парк, Кавказский государственный природный биосферный заповедник и Тебердинский государственный природный биосферный заповедник.

    Айлант обладает высокой скоростью роста и нетребователен к почве (рис. 1), родиной этого древесного растения является Китай. В Россию представители вида Айлант высочайший были впервые завезены в 18 веке. Начиная с этого времени, айлант стал активно распространяться на юге России, внедряясь, как правило, в неполночленные растительные сообщества (захватывая в первую очередь обочины дорог, стройки и т.д.), представляя потенциальную угрозу уникальным экосистемам Кавказа. Именно поэтому в Инструкции по выбору видов древесно-кустарниковой растительности для ландшафтного озеленения олимпийских объектов ГК «Олимпстрой» Айлант высочайший отнесён к интродуцентам с высокой степенью инвазийности и не рекомендуется для использования в озеленении на территории Большого Сочи.

    Геоинформационные системы позволяют смоделировать потенциальный ареал распространения этого инвазивного вида на ООПТ Западного Кавказа.

    Географические данные о местах произрастания Айланта высочайшего были взяты с сайта глобального информационного фонда по биоразнообразию и конвертированы в файлы Microsoft Excel (*.xls), текстового формата (*.csv), а также в точечный shape-файл ArcGIS (*.shp) (рис. 2).

    Моделирование пространственного распределения Айланта высочайшего в среде DIVA-GIS проводилось в следующей последовательности. Сначала был выполнен импорт файла Microsoft Excel, содержащего географические координаты о местах произрастания айланта, а также климатических данных WorldClim. Затем с помощью с помощью функции Distribution Modeling выполнено моделирование потенциального ареала распространения этого вида. Кроме того, в DIVA-GIS включен функционал EcoCrop, который позволяет использовать базу данных, разработанную Продовольственной и сельскохозяйственной организацией объединённых наций (FAO) и содержащую сведения об экологических требованиях более чем 1700 видов растений (включая айлант). Полученный в результате этой операции растровый слой можно экспортировать в ArcGIS, IDRISI или Google Earth (рис. 3).

    Большими возможностями для прогностического моделирования пространственного распределения видов обладает пакет MaxEnt. Для моделирования в среде MaxEnt растровые слои BIOCLIM, содержащие информацию о различных биоклиматических показателях, с помощью инструмента Raster to ASCII tool приложения ArcGIS ArcToolbox конвертировали в текстовые файлы формата ASCII (рис. 4).

    Дальнейшее моделирование проводили, используя файл текстового формата (*.csv), содержащий географические координаты мест произрастания Айланта высочайшего, а также ранее сконвертированные ASCII-файлы (рис. 5).

    Моделирование в среде MaxEnt показало, что наибольшее влияние на пространственное распределение Айланта оказывают следующие биоклиматические переменные BIOCLIM: BIO1 (средняя годовая температура), BIO19 (сумма осадков в самой холодной четверти года) и BIO11 (средняя температура самой холодной четверти года).

    Для последующего анализа полученной информации ASCII-файл, содержащий результаты моделирования, конвертировали в растр с помощью того же инструмента ASCII to Raster. В результате получили растровую карту, иллюстрирующую пригодность биоклиматических условий среды для произрастания айланта (рис. 6).

    Для того чтобы дать конкретный ответ на вопрос, соответствует ли данная территория экологическим требованиям вида, провели дискретную классификацию. Для этого в качестве порогового значения использовали 5-ый процентиль. Значения ниже 5 процентиля считали, как неудовлетворяющие экологическим требованиям вида. Далее на карту были добавлены полигоны особо охраняемых природных территорий: Сочинский национальный парк, Кавказский государственный природный биосферный заповедник, Тебердинский государственный природный биосферный заповедник.

    На полученной карте (рис. 7) чётко видно, биоклиматические условия каких ООПТ удовлетворяют экологическим требованиям инвазивного вида Айлант высочайший. Так, большая часть территории Сочинского национального парка пригодна для произрастания Айланта. В Кавказском государственном природном биосферном заповеднике распространение айланта возможно в долинах рек Шахе, Бзыч, Белая, Молчепа, Чессу, Кеша, Холодная, а также Малая Лаба.

    Биоклиматические условия Тебердинского государственного природного заповедника удовлетворяют экологическим требованиям рассматриваемого вида лишь на незначительной части его территории. Распространение Айланта возможно преимущественно в неполночленных сообществах долины реки Теберда.

    На заключительном этапе анализа растровый слой, характеризующий пригодность биоклиматических условий среды для произрастания Айланта высочайшего был векторизован. Затем при помощи инструмента Intersect приложения ArcToolbox были определены площади ООПТ, потенциально пригодные для распространения Ailanthus altissima. Эта площадь составила на территории: Сочинского национального парка – 1864,4 кв.км (~97% всей территории парка), Кавказского государственного природного биосферного заповедника – 763,8 кв.км (~27%), Тебердинского государственного природного биосферного заповедника – 4,8 кв.км (~0,6%).

    Перспективы. Аналогичным образом моделирование пространственного распределения видов можно провести не только для инвазивных видов, но других растений, в том числе редких и находящихся под угрозой исчезновения. Кроме того, используя прогнозируемые климатические данные для каждого сценария IPCC, можно дать ответ на вопрос, как климатические изменения повлияют на пространственное распределение редких и инвазивных видов в будущем. Моделирование с использованием ГИС-технологий также позволяет научно-обосновано определять места для размещения компенсационных насаждений, в том числе и с учётом прогнозируемых климатических изменений.


    Литература

    1. Bourg, N.A., W.J. McShea, and D.E. Gill. 2005. Putting a cart before the search: Successful habitat prediction for a rare forest herb. Ecology 86, 2793-2804.

    2. Guisan, A., O. Broennimann, R. Engler, M. Vust, N.G. Yoccoz, A. Lehman, and N.E. Zimmermann. 2006. Using niche-based models to improve the sampling of rare species. Conservation Biology 20, 501-511.

    3. Guisan, A., O. Broennimann, R. Engler, M. Vust, N.G. Yoccoz, A. Lehman, and N.E. Zimmermann. 2006. Using niche-based models to improve the sampling of rare species. Conservation Biology 20, 501-511.

    4. Pearce, J., and D.B. Lindenmayer. 1998. Bioclimatic analysis to enhance reintroduction biology of the endangered helmeted honeyeater (lichenostomus melanops cassidix) in southeastern Australia. Restoration Ecology 6, 238-243.

    5. Hannah, L., G.F. Midgley, G. Hughes, and B. Bomhard. 2005. The View from the Cape: Extinction Risk, Protected Areas, and Climate Change. BioScience 55, 231-242

    6. Афонин А.Н., Ли Ю.С. Эколого-географический подход на базе географических информационных технологий в изучении экологии и распространения биологических объектов/ BioGIS Journal - 2011-1, http://www.biogis.ru/BioGIS/stati_v_biogis/2011_01/2011_01.php



    1-egoshin_s.jpg
    Рис. 1. Айлант высочайший (лат. Ailanthus altissima) семейства Симарубовые нетребователен к почве и засухоустойчив. Во многих странах мира, включая юг России, образует заросли вдоль дорог, оврагов, берегов рек, строек и т.д. Дерево обладает высокой скоростью роста, достигая высоты 20-30м, поэтому в ряде англоязычных стран получило название "Дерево небес" (англ. Tree of Heaven). Другие народные названия айланта: Китайская бузина, Пальма гетто.
    2-egoshin_s.jpg
    Рис. 2. Географические данные о местах произрастания Айланта высочайшего, импортированные в ArcGIS.

    3a-egoshin_s.jpg  3b-egoshin_s.jpg
    Рис. 3. Итоговый результат моделирования пространственного распределения Айланта высокого: a) растровый слой в среде DIVA-GIS, б) растровый слой, экспортированный в Google Earth.
    4-egoshin_s.jpg
    Рис. 4. Конвертация растровых слоёв BIOCLIM.
    5-egoshin_s.jpg
    Рис. 5. Процесс моделирования в среде MaxEnt.
    6-egoshin_s.jpg
    Рис. 6. Пригодность биоклиматических условий для произрастания Айланта высочайшего.
    7-egoshin_s.jpg
    Рис. 7. Результат дискретной классификации растра, иллюстрирующий пригодность биоклиматических условий для произрастания айланта (красный цвет – пригодная среда обитания, зелёный – не пригодная); также показаны границы ООПТ: I – Сочинский национальный парк, II – Кавказский государственный природный биосферный заповедник, III – Тебердинский государственный природный заповедник.





    Версия для печати