Древесные породы: Древесная порода

Содержание

Древесная порода

  род и/или вид древесных растений. Различают быстрорастущие и медленнорастущие, светолюбивые и теневыносливые, хвойные и лиственные древесные породы.

Распределение преобладающих пород по территории РФ

Древесная порода наилучшим образом соответствующая конкретным лесорастительным условиям и целям ведения хозяйства, называется главной древесной породой. Такими целями могут быть: получение определенной древесной продукции, оптимальное выполнение водоохранно-защитных, потивоэрозионных, рекреационных и др. функций леса. Если цель ведения хозяйства — получение древесины и продуктов ее переработки, то древостой, образованные главной породой, должны быть высокопродуктивными, а древесина — отличаться высокими техническими качествами.  Древесная порода, насаждения которой выполняют в основном противоэрозионные и водоохранные функции, должна обладать интенсивно развитой и глубокой корневой системой и образовывать мощный слой лесной подстилки. В большинстве случаев различным требованиям, предъявляемым к главной породе, отвечают сосна, ель, лиственница, кедр сибирский, дуб, бук, реже береза, осина.

  В насаждениях  лесхоза может быть несколько главных пород, но в каждой хозяйственной секции только одна.  Древесная порода  меньшей экономической и экологической ценности, чем главная порода лесного насаждения, называется второстепенной. В зависимости от эколого-экономических условий одна и та же порода может играть роль главной или второстепенной. Так, липа, которая обычно является спутником дуба, второстепенной породой второго яруса, в определенных условиях становится одной из главных пород. При этом она не только лидирует в верхнем ярусе, но и является главной по экономическим соображениям. Так, в Республике Башкортостан липняки занимают свыше 20 % земель, покрытых лесной растительностью, и обеспечивают высокую медопродуктивность. Береза чаще всего является второстепенной породой в сосняках и ельниках или образует производные леса на месте вырубок и гарей хвойных пород. Но в пониженных, сильно увлажненных местах формируются коренные березовые древостой, где береза обладает значительно большей конкурентной способностью по сравнению с др. породами, и поэтому выполняет роль главной.

  Древесная порода,  способная в пределах своего ареала образовать основной ярус лесных насаждений, отличающийся устойчивостью и специфическим комплексом сопутствующих растений и животных, называется лесообразующей древесной породой.  В естественных лесах лесообразующими являются породы деревьев и кустарников, которые по своим биологическим особенностям более др. соответствуют лесора-стительным условиям местности, обладают способностью быстро возобновляться, выживать в неблагоприятных условиях и дольше расти в верхнем ярусе насаждения.  В лесном фонде РФ в перечень лесообразующих пород входит свыше 60 местных видов деревьев и кустарников. Из них к типичным лесообразующим породам отнесено 5 хвойных пород (сосна, ель, лиственница, пихта, кедр сибирский), 7 твердолиственных (дуб, бук, граб, вяз, ясень, клен, береза каменная) и 6 мягколиственных (береза, осина, ольха, липа, тополь, ива). В благоприятных лесорастительных условиях лесной зоны верхний ярус насаждений часто состоит из двух и более древесных пород . Особенно многочисленны лесообразующие породы в горных лесах Северного Кавказа, в широколиственных лесах и хвойно-широколиственных лесах европейской части России и Дальнего Востока. С ухудшением лесорастительных условий их число обычно снижается. В крайне неблагоприятных лесорастительных условиях лесообразующими породами часто являются кустарники (кедровый стланик, ива трехтычинковая, тамарикс и др.). Наиболее ценные лесообразующие породы — сосна, ель, лиственница, кедр сибирский, дуб, бук, ясень, липа, в отдельных случаях — береза и тополь. Кроме местных древесных пород, в насаждения часто вводят породы, ввезенные из др. регионов и стран — интродуценты, если они продуктивнее местных пород или позволяют повысить защитные, санитарно-гигиенические и декоративные функции насаждений. Выбор перспективных для хозяйства лесообразующих пород осуществляют в соответствии с рекомендациями регионального руководства по лесовосста-новлению, проектом последнего лесоустройства и целями ведения хозяйства. В случае пригодности лесорастительных условий для выращивания одновременно двух и более лесообразующих пород выбирают те из них, которые могут обеспечить наибольшую продуктивность и ценность будущих насаждений, их надежное выращивание с меньшими затратами. В смешанных насаждениях исключение или уменьшение неблагоприятного взаимного влияния пород друг на друга достигается соответствующим подбором древесных пород, типом их смешения и своевременным регулированием густоты и состава насаждения. На бедных сухих или избыточно увлажненных почвах обычно выращивают одну  древесную  породу. Лиственные древесные породы в насаждении должны быть семенного происхождения. При отсутствии семенного возобновления или его недостаточности допускается участие лиственных пород вегетативного происхождения, если они соответствуют целям ведения хозяйства. В лесопарковых лесах лесообразующие породы должны улучшить ландшафт и условия для отдыха населения. На участках, подверженных действию вредных промышленных выбросов, главное внимание уделяют возможности выживания и успешного роста пород в данных условиях. Древесная  порода, не отвечающая экономическим и экологическим целям в данных условиях, называется нежелательной. Такую роль может играть осина на свежих вырубках дубовых и сосновых насаждений. Образуя густое возобновление пневой порослью и корневыми отпрысками, осина препятствует естественному возобновлению главных пород — дуба и сосны.

Порода, которая составляет наибольшую долю по запасу в верхнем ярусе древостоя, а в молодняках I класса возраста — по количеству деревьев всех образующих древостой пород, называется преобладающей. При равенстве запасов двух или даже трех пород к преобладающей относится та порода, которую считают в данных условиях главной. Для некоторых особо ценных пород показатели оценки их преобладающей роли по доле запаса занижены. Так, дуб считают преобладающей породой при его участии в составе в молодняках и средневозрастных насаждениях, назначаемых в рубку ухода, — от 3 единиц и более, а во всех остальных насаждениях — от 4 единиц и более. Кедры сибирский и корейский относят к преобладающим породам при их доле в составе от 3 единиц и более, независимо от возраста насаждения. При учете лесного фонда покрытые лесной растительностью земли распределяют по преобладающим породам с указанием площади и запаса древесины.

Древесная  порода,  произрастающая совместно с лесообразующей породой и располагающаяся во 2-3-м ярусах насаждения, а иногда и в подлеске, называется сопутствующей (порода-спутник). В благоприятных почвенно-климатических условиях и при определенных особенностях ведения хозяйства может иногда выходить в первый ярус вместе с лесообразующей породой. Наиболее обширный ассортимент спутников у дуба — липа, клен, ясень, яблоня, груша, лещина; спутниками ели являются ива, ольха серая, осина, рябина, липа; сосны — лещина, рябина, клен, липа; ольхи черной — ясень, вяз, осина. Под пологом дубовых и хвойных лесов часто встречается черемуха. Один из наиболее распространенных спутников бука — граб. Некоторые сопутствующие породы в зависимости от экологических условий могут быть представлены как древесной, так и кустарниковой формой (лещина, черемуха, клен татарский). Особую роль играют сопутствующие породы при создании искусственных лесных насаждений. В смешанных культурах правильно подобранные сопутствующие породы способствуют усилению роста и повышению устойчивости и долговечности главных лесообразующих пород, хорошо выполняют почвозащитную функцию, обеспечивают значительную долю в формировании лесной подстилки. И наоборот, недостаточно обоснованный выбор сопутствующих пород и доли их участия в культурах приводит к отрицательным последствиям. Так, явный антагонист дубу черешчатому в искусственных степных насаждениях — вяз приземистый. В культурах дуба различных лесорастительных зон при доле участия ясеня в составе свыше 20 % он может угнетать дуб.

Европа / Древесные породы мира

Лиственные породы

Берёза, видыBirch, europeanBetula spp.Betulaceae
Бук лесной европейскийBeech, europeanFagus sylvaticaFagaceae
Вяз голый, ильм горныйWych elmUlmus glabraUlmaceae
Вяз, ильм, берестElmUlmus spp.Ulmaceae
Граб обыкновенныйHornbeam, europeanCarpinus betulus L.Betulaceae
Груша обыкновеннаяPearPyrus communis L.Rosaceae
Дуб, видыOak, europeanQuercus spp.Fagaceae
Ива, видыWillowSalix spp.Salicaceae
Каштан благородный, посевнойChestnut, sweetCastanea sativaFagaceae
Каштан конскийChestnut, horseAesculus hippocastanum L.Hippocastanaceae
Клён белый ложноплатановый, яворSycamoreAcer pseudoplatanus L.Aceraceae
Клён, видыMaple, europeanAcer spp.Aceraceae
Липа, видыLime, europeanTilia spp., главным образом T. vulgaris Hay.Tiliaceae
Ольха чёрнаяAlderAlnus glutinosa Gaertn.Betulaceae
Орех грецкийWalnut, europeanJuglans regia L.Juglandaceae
Падуб остролистныйHolly, europeanIlex aquifolium L.Aquifoliaceae
Платан клёнолистныйPlane, europeanPlatanus hybrida Mill, syn P. acerifolia Willd.Platanaceae
Робиния, лжеакация, белая акацияRobiniaRobinia pseudoacacia L.Leguminosae
Самшит вечнозелёныйBoxwood, europeanBuxus sempervirens L.Buxaceae
Тополь, видыPoplarPopulus spp.Salicaceae
Черешня, вишня птичьяCherry, europeanPrunus avium L.Rosaceae
Ясень обыкновенныйAsh, europeanFraxinus excelsor L.Oleaceae

Хвойные породы

Ель обыкновеннаяSpruce, norwayPicea abies Karst. syn P. excelsa Link.Pinaceae
Ель ситхинскаяSitka sprucePicea sitchensis Carr.Pinaceae
Кедр, видыCedarCedrus spp.Pinaceae
Кипарисовик ЛавсонаLawsons cypressChamaecyparis lawsoniana Parl. syn Cupressus lawsoniana MurrayCupressaceae
Лжетсуга тисолистнаяDouglas firPseudotsuga menziesii (Mirb) Franco, syn P. taxifolia Brit. P. douglasii Carr.Pinaceae
Лиственница европейскаяLarch, europeanLarix decidua syn L. europaea D. C.Pinaceae
Лиственница японская, тонкочешуйчатаяLarch, japaneseLarix kaempferi (Lamb) Carr syn L. leptolepis (Sieb & Zucc) Endl.Pinaceae
Пихта белая, европейская, гребенчатаяSilver firAbies alba Mill syn A. pectinata D. C.Pinaceae
Секвойядендрон гигантскийWellingtoniaSequoiadendron giganteum (Lindl.) Buch. syn Sequoia gigantea (Lindl.) Decne., S. wellingtonia Seem.Taxodiaceae
Сосна кедровая сибирскаяSiberian yellow pinePinus sibirica Du Tour syn P. cembra L. var sibirica Loud P. koraiensis Sieb. & Zucc.Pinaceae
Сосна обыкновеннаяScots pinePinus sylvestris L.Pinaceae
Сосна приморскаяMaritime pinePinus pinaster Ait.Pinaceae
Сосна скрученнаяLodgepole pinePinus contorta Dougl.Pinaceae
Сосна чёрная австрийскаяAustrian pinePinus nigra Arnold var. nigra syn P. laricio Poir var. austriaca Loud.Pinaceae
Сосна чёрная калабрийскаяCorsican pinePinus nigra Arnold subsp. laricio (Pour) Maire syn P. nigra Arnold var. Calabrica SchneidPinaceae
Тетраклинис членистый, сандараковое дерево, алжирская туяThujaTetraclinis articulata Mast.Cupressaceae
Тис ягодныйYewTaxus baccata L.Taxaceae
Туя гигантская, складчатаяWestern red cedarThuja plicata D. Don.Cupressaceae

Северная Америка / Древесные породы мира

В данной главе рассматриваются древесные породы Северной Америки, то есть Канады и США. На севере континент омывается морями Беринговым, Бофорта и Баффина, на юге Мексиканским и Калифорнийским заливами. Северная Америка простирается от Тихого океана на западе до Атлантического океана на востоке.

Климат и леса

Климат неодинаков в разных районах из-за больших размеров континента. Северные районы располагаются в зоне с продолжительными и суровыми зимами. Южные пределы близки к тропикам. На большей части территории климат умеренный, хотя летние периоды там жарче, а зимы холоднее, чем в Западной Европе. Преобладающие северо-западные ветры направляются от Тихого океана. Они создают на западном побережье мягкий и ровный климат. В этой и других прибрежных зонах атмосферные осадки обильные. Во внутренних областях осадков меньше, а в пустынных районах их выпадает очень мало во все время года. Во Флориде и Техасе есть местности с пышной тропической растительностью, а в Калифорнии и в штатах, располагающихся вдоль побережья Мексиканского залива и Атлантического океана, вплоть до штата Виргиния к северу, произрастают субтропические растения. Деревья и кустарники чрезвычайно разнообразны, причём многие из аборигенных видов в основном не известны в Европе. Немалое число европейских пород интродуцировано в Северную Америку.

В горных районах сосредоточены великолепные леса. В прериях древесная флора немногочисленная и бедная, в основном представлена ивами и тополями, растущими вдоль водотоков. Леса занимают в Северной Америке менее половины той площади, которая была покрыта лесами в период первых английских поселений 300 лет назад. Леса произрастают по крайней мере в пяти достаточно чётко отграниченных регионах. Лесные ресурсы по группам древесных пород распределяются приблизительно так: в Канаде, включая Ньюфаундленд, и на Аляске, где леса в основном хвойные, около 90 % приходится на хвойные породы и 10 % на лиственные породы умеренного климата, тогда как в США имеется около 70 % хвойных и 30 % лиственных пород умеренного климата.

Основные лесные регионы Северной Америки

  1. От острова Ньюфаундленда до южной части Гудзонова залива и далее в северо-западном направлении до Аляски, южнее зоны безлесной тундры, произрастают ель, пихта бальзамическая и лиственница, которым сопутствуют берёза бумажная, осина и тополь. На востоке, от полуострова Новая Шотландия до северной части Новой Англии (северо-восточная оконечность территории США) и штата Миннесота, и южнее, вдоль цепи вершин Аппалачских гор, расположена переходная зона между хвойными и лиственными лесами, где породы обеих групп перемешиваются. Основными видами древесной растительности в этой зоне являются сосна веймутова, ель красная, туя западная, бук, клён сахарный, тсуга канадская, берёза жёлтая, местами — сосны смолистая и Банкса.
  2. Регион листопадных лесов простирается к югу от провинции Онтарио и южной части провинции Квебек, охватывая значительную территорию центральных и восточных штатов США, до нижнего течения реки Огайо и склонов южной части Аппалачей, где насаждения достигают наилучшего развития. Основные породы: дуб, кария, каштан благородный, орех чёрный, липа, ясень и вяз, а ближе к северным границам этого региона преобладают бук и клён.
  3. К юго-востоку вдоль атлантической прибрежной равнины и далее от штата Виргиния до штатов Мексиканского залива (в том числе Техаса) на возвышенностях произрастают сосны болотная и Эллиота, а на более низменных участках — ликвидамбар смолоносный, тюльпанное дерево, дуб виргинский и магнолия. На заболоченных площадях встречаются кипарисовик туеобразный и кипарис болотный.
  4. Леса Скалистых гор простираются от северной части канадской провинции Британская Колумбия и далее на юг по территории США до Мексики. Здесь состав древесных пород меняется в зависимости от высоты местности над уровнем моря и географической широты. Основными породами являются: лжетсуга тисолистная, пихты великая и аризонская, лиственница западная, ель Энгельмана, сосна скрученная, пихта субальпийская, тсуга западная, туя гигантская и сосна веймутова.
  5. Регионы тихоокеанского побережья Северной Америки охватывают ряд отдельных лесных территорий. В лесах береговой полосы от Аляски к югу до штата Вашингтон господствует ель ситхинская. В южной части провинции Британская Колумбия, вокруг узкого залива Пьюджит Саунд, в восточной части штатов Орегон и Вашингтон и до самых вершин Каскадных гор сосредоточен один из лучших оставшихся массивов хвойных лесов, который в течение многих лет был центром и сырьевой базой промышленности хвойных пиломатериалов Северной Америки. Высокая полнота древостоев и крупные размеры деревьев в этих местах во многом были следствием мягкого климата, особенно зимой, благодаря близости океана и очень обильным осадкам. Господствующими породами здесь являются лжетсуга тисолистная и родственные ей тсуга западная и туя-гигантская, вместе с елью ситхинской и несколькими видами пихты. Южнее штата Вашингтон, от штата Орегон до г. Сан-Франциско, в лесах вдоль прибрежной цепи гор в течение столетий господствовали секвойи, но многие годы здесь велась лесоэксплуатация, и большие площади земель были переданы под сельскохозяйственное пользование. К настоящему времени сохранено несколько заповедных участков секвойи. К востоку от Каскадных гор леса переходят в массив насаждений Скалистых гор, где произрастают сосны, лиственница, лжетсуга тисолистная, пихта субальпийская и ель Энгельмана. Эти леса также продолжаются к югу вдоль горного хребта Сьерра-Невада в Калифорнии. Местами по нижним склонам этого горного хребта встречается секвойядендрон гигантский, а выше произрастают сосна Ламберта, кедр речной (или калифорнийский), лжетсуга тисолистная, пихты великолепная (или красная), аризонская и великая.

Эти пять регионов дают обобщённую картину зонального распределения лесных ресурсов Северной Америки. Многие участки в пределах этих кратко описанных лесных регионов подвергались интенсивной эксплуатации или были расчищены от леса в связи с ростом численности населения и расширением хозяйственной деятельности. В прошлом здесь отсутствовала надлежащая защита и охрана лесов, особенно от пожаров. Годичный прирост и допустимые размеры отпуска древесины хвойных пород Северной Америки представляются сопоставимыми с промышленными лесозаготовками по крайней мере в течение ближайших нескольких десятилетий, но положение с ресурсами лиственных пород совершенно иное. Динамика запасов, прироста и заготовок свидетельствует о том, что постепенное расширение лесохозяйственных мероприятий, таких, как закладка лесных культур и качественное улучшение существующих насаждений, значительно улучшило обеспеченность лиственной древесиной.

Например, выявленные инвентаризацией запасы пиловочника на 1968 год оказались на 5 % больше, чем в 1963 году, и на 14 % больше, чем в 1953 году. В 1967 году чистый годичный прирост лиственных пород превышал объем заготовок на 67 %, а прирост запасов лиственной древесины пиловочных размеров был приблизительно на 31 % больше размеров заготовок пиловочника. Чистый годичный прирост запасов на корню на севере США в 1967 году в 2,3 раза превосходил объём рубок. Наибольшее, более чем трёхкратное, превышение прироста над заготовками имелось в Среднеатлантическом районе. Хотя эти данные указывают на быстрое увеличение производства лиственной древесины, по крайней мере в США, они затушёвывают определённые проблемы. Значительная доля увеличения прироста приходится на менее желательные породы, такие, как нагорный дуб, бук, тополь и мягкий клён. В то же время запасы хозяйственно-ценных пород, таких, как орех чёрный и берёза жёлтая, сократились соответственно на 11 и 17 %. Прирост отборной древесины дуба красного и белого составил всего 6 %, а твёрдых пород клёна 10 %.

Кроме того, значительные запасы лиственного пиловочника рассредоточены на обширной территории. Во многих случаях встречаются лишь одиночные деревья или разбросанные группы (куртины) деревьев в смешении с хвойными породами и потому экономически непригодные для промышленной эксплуатации. Представляется, что в ближайшие десятилетия существенная часть прогнозируемого спроса на лиственную древесину Северной Америки может быть удовлетворена за счёт собственных лесосырьевых ресурсов при условии дальнейшего улучшения использования менее предпочитаемых пород. Однако уже в последующие несколько лет будет происходить постепенное сближение. спроса и предложения (наличия), причём в значительной мере это будет усиливаться дальнейшим изъятием лесных земель в связи с расширением городской застройки и дорожной сети. Это приведёт к повышению роли импорта лиственной древесины из тропических районов.

Другим фактором, ограничивающим расширение внутреннего производства лиственных лесоматериалов Северной Америки, было развитие международных промышленно-торговых корпораций, которые приобретают экономические преимущества в контроле и регулировании производственных мощностей по переработке лиственной древесины за рубежом. На основании этого можно сделать вывод, что в Северной Америке, так же как в Европе и Японии, собственные ресурсы лиственной древесины подошли уже к такой стадии освоения, что возможности расширения заготовок для покрытия внутреннего спроса на древесину более ценных, предпочитаемых пород, особенно крупномерных качественных сортиментов, по-видимому, окажутся ограниченными в будущем. Очевидно, что если мировые ресурсы лиственных пород должны эксплуатироваться наиболее полно и рационально, то должна поддерживаться информация между производителями и продавцами, с одной стороны, и покупателями и потребителями с другой, не только о хорошо известных в торговле породах, но и о менее известных.

Породы древесины — каталог экзотических древесных пород «WoodStock» в Московской области

  • ШПОН НАТУРАЛЬНЫЙ pdf, 0.4 МБ

    Натуральный шпон, а также сращенный шпон с корневыми текстурами в «рубашках», инкрустация.

  • ШПОН ФАЙН-ЛАЙН pdf, 0.19 МБ

    Реконструированный шпон: унифицированные размеры и текстуры.

  • ШПОН TABU pdf, 0.18 МБ

    Цены на продукцию компании TABU: дизайн-шпон, мультишпон, обои SKEENS, сращенный шпон — серии Graffiti, Luxury, Groovy.

  • ПИЛОМАТЕРИАЛЫ ЦЕННЫХ ПОРОД pdf, 0.27 МБ

    Обрезная доска камерной сушки, бруски из ценных пород, фрагменты стволов и другие формы.

  • СЛЭБЫ pdf, 0.2 МБ

    Продольные и поперечные срезы стволов и капов.

  • ПАНЕЛИ МДФ, ФАНЕРОВАННЫЕ ШПОНОМ (Россия) pdf, 0.29 МБ

    Цены на панели стандартных размеров со шпоном дуба, ясеня, бука, ореха, эвкалипта.

  • ПАНЕЛИ МДФ, ФАНЕРОВАННЫЕ ШПОНОМ (Бельгия) pdf, 0.21 МБ

    Фанерованные панели со шпоном дуба, ясеня, бука, ореха, винтажные панели Quercus.

  • КРОМОЧНЫЙ МАТЕРИАЛ В НАЛИЧИИ pdf, 0.16 МБ

    Кромка из натуральной древесины 0,6 мм с клеевым слоем и на флисе, толстая кромка толщиной 1,5 и 2 мм. В наличии на складе.

  • МЕБЕЛЬНЫЕ ЩИТЫ pdf, 0.35 МБ

    Продукция из массива бука, дуба, ясеня, ореха, а также африканских пород — Ироко, Блэк Офрам.

  • ИЗГОТОВЛЕНИЕ КРОМКИ ПОД ЗАКАЗ ИЗ ШПОНА ЦЕННЫХ ПОРОД pdf, 0.25 МБ

    Цены на изготовление кромки толщиной от 0,6 до 3 мм при заказе от 100 п.м. одного наименования.

  • КЛЕЙ pdf, 0.2 МБ

    Клеевые материалы для древесины и фанерования шпоном, клей-расплав для кромки, монтажный и контактный клей, клеевая нить и гуммированная лента для сращивания шпона, компаунд для слэбов.

  • ЛАК pdf, 0.18 МБ

    Полиуретановые и акриловые лаки для древесины, лаки на водной основе для внутренних и наружных работ, красители и патина (ALCEA, Италия)

  • ЭМАЛИ ПОЛИУРЕТАНОВЫЕ pdf, 0.16 МБ

    Профессиональная продукция ALCEA (Италия): цветные глянцевые и матовые эмали, конвертеры и отвердители.

  • РЕМОНТНЫЕ И ШЛИФОВАЛЬНЫЕ МАТЕРИАЛЫ pdf, 0.2 МБ

    Цены на продукцию компаний Mirka, JetaPro, Menzerna, Flexifoam, Novoryt, KA-EF.

  • ОБЛЕГЧЕННАЯ и ГИБКАЯ ФАНЕРА, СТОЛЯРНАЯ ПЛИТА pdf, 0.19 МБ

    Плитный материал для фанерования шпоном: столярная плита из массива ели, гибкая и облегченная фанера из древесины сейбы.

  • ГРУНТ pdf, 0.19 МБ

    Полиуретановые, полиэфирные и акриловые грунты. Продукция для профессионалов от компании ALCEA (Италия).

  • КАТАЛОГИ С ОБРАЗЦАМИ pdf, 0.15 МБ

      Каталоги с образцами натурального шпона и шпона файн-лайн без покрытия и под лаком, оригинальные каталоги TABU, образцы кромочного материала, каталоги цветов для эмалей.

  • МАСЛО И ВОСК ДЛЯ ДРЕВЕСИНЫ «BIOFA» pdf, 0.6 МБ

    Натуральная экологическая продукция от немецкой компании BIOFA.

  • ЭКОПОЛОТНО 1360Х3050 ММ pdf, 0.2 МБ

    Материал из натуральных природных компонентов ORGANOID (Австрия): 100% экологичность и аутентичность.

  • Какие породы дерева используют в строительстве

    Породы древесины

    В зависимости от того, что вы хотите сделать, используют ту или иную породу древесины. 
    Прежде всего нужно определить, принадлежит ли выбранный вами брусок к хвойным породам или лиственным. Хвойные породы обладают более резким, смолянистым запахом. Кроме того, макроструктура таких пород дерева лучше выделена, чем у лиственных. К хвойным породам древесины относят сосну, лиственницу, пихту, ель, кедр. 

    • Хвойные породы древесины
    • Лиственные породы древесины
    • Древесина плодовых деревьев
    • Древесина редких пород

    Хвойные породы древесины  

    Различают следующие хвойные породы древесины:

    • Сосна
    • Ель
    • Кедр
    • Пихта

    Сосна наиболее часто используется как строительный материал. Окраска древесины сосны может быть как красновато-желтой, так и бледно-желтой, причем это нисколько не сказывается на рабочих свойствах древесины. Сама древесина прочная, легкая, удобна в обработке. Кроме того, из-за высокого содержания смолы древесина очень стойка к гниению и воздействию атмосферных явлений. Мягкая структура древесины позволяет легко впитывать различные красители. Это касается также и лаковых покрытий. При усушке древесина сосны практически не коробится. 

    Ель — вторая по значимости и использованию хвойная порода. По сравнению с сосной, ель во многом уступает ей. Прежде всего, это вызвано большим количеством сучков в древесине. Да и обработке она поддается несколько хуже. В древесине ели смолы немного меньше, что и сказывается на плохой устойчивости ее к воздействию атмосферных явлений. 

    Кедр, или сибирская сосна, по строительным качествам не уступает ели, а порой даже превосходит ее. Древесина кедра очень легка в работе, но при этом так же, как и ель, не обладает устойчивостью к загниванию. 

    Пихта, по своим рабочим качествам мало чем отличается от ели: легко поддается обработке и практически не воспринимает химических препаратов. Так же, как и в древесине ели, здесь мало содержится смолы, из-за чего древесина быстро загнивает на открытом воздухе без специальной обработки. 

    Лиственные породы древесины

    Лиственные породы древесины делятся на твердолиственные и мягколиственные. Древесина таких пород практически не пахнет, а запах усиливается только при свежем срезе древесины и ее обработке. Среди тверд олиственных пород наиболее часто используются дуб, береза и ясень. Наиболее часто встречающиеся среди мягколиственных пород — осина и ольха. 

    Лиственные породы древесины:

    • Дуб
    • Бук
    • Ясень
    • Береза
    • Вяз, берест, ильм
    • Орех
    • Осина
    • Тополь
    • Ольха
    • Липа

    Дуб чаще всего используется при изготовлении мебели. Дубовая мебель считается самой красивой и прочной, кроме того, плотная древесина позволяет украсить детали рельефной резьбой. Также прочность и твердость древесины способствует изготовлению мелких крепежных, но в то же время прочных соединений. Дуб — одна из немногих пород древесины, из которой можно сделать гнутые детали различного радиуса. Из-за высокого содержания в древесине дубильных веществ дуб считается самой устойчивой к гниению из всех лиственных пород. 

    Бук также относится к твердолиственным породам. По своим качествам практически не уступает дубу. Так же хорошо, как дуб, поддается обработке, гнется и пропитывается различными химическими растворами. Это его качество способствует долговечности лакового и красящего покрытия. Но из-за того, что бук сильно коробится при высыхании, подвержен загниванию с образованием червоточин, он мало используется при изготовлении мебели. 

    Ясень чаще всего используется при изготовлении мебели, шпона и паркета. Такое широкое применение ясеня обусловлено, прежде всего, качествами его древесины: прочная, вязкая, долговечная, стойкая к загниванию, с красивым текстурованным рисунком, которая при усушке мало коробится и хорошо гнется при распаривании. 

    Береза используется немного реже, чем ясень. Прежде всего, это объясняется малой устойчивостью к загниванию, большой усушкой и подверженностью к короблению. Но сама древесина березы хорошо поддается обработке, дает возможность делать мелкую рельефную резьбу. Кроме того, древесина березы хорошо пропитывается химическими веществами, прекрасно удерживает лаковое покрытие. 

    Вяз, берест, ильм представляют одну породу. Среди основных качеств, которыми обладает эта порода, можно назвать: плотность, прочность, вязкость и малопористость. При усушке древесина практически не коробится и не трескается. Кроме того, после распаривания древесина может изогнуться так, как вы пожелаете. Но из-за своей плотной и мелкопористой структуры древесина плохо поддается полировке, плохо строгается и окрашивается. 

    Орех обладает красивой древесиной и предназначен для отделочных работ. Хорошо обрабатывается, поддается полировке и пропитке химическими веществами. Тяжелая и прочная древесина ореха не поддается короблению и гниению. 

    Осина обладает мягкой древесиной, в которой мало сучков. Осина хорошо поддается обработке, но из-за ее пористой структуры мелкие детали могут сломаться практически во время их изготовления. 

    Тополь также относится к мягколиственным породам. Из такой древесины получаются красивые небольшие детали и изделия. Но тополь склонен к загниванию, при усыхании коробится и трескается. 

    Ольха из всех мягколиственных пород наиболее часто используется при строительстве домов и при изготовлении мебели. Ольха практически не поддается загниванию, и поэтому она часто используется при строительстве срубов колодцев. Также она хорошо используется при строительстве кладовых — она сама не пахнет и не впитывает запах. 

    Липа среди всех мягколиственных пород ценится при изготовлении крупных резных деталей для мебели. Кроме того, это одна из немногих пород древесины, которая не коробится и не трескается при усушке. Липа обладает прочной структурой, которая мало поддается гниению. 

    Древесина плодовых деревьев

    Среди редких пород, которые используются в столярном и плотничном деле, большое место занимает древесина плодовых деревьев. Преимущественно здесь используется древесина диких деревьев. 

    Древесина плодовых деревьев:

    • Груша
    • Яблоня
    • Слива

    Груша обладает плотной однородной красивой древесиной, идущей в основном на изготовление небольших деталей. Редко когда удается получить большое полотно доски из грушевого ствола. Но не только из-за этого груша идет на украшение мебели. Ее древесина устроена так, что при резании лезвие пре красно снимает стружку и по направлению роста волокон и против них. Кроме того, и полируется, и пропитывается древесина превосходно. Есть еще одна особенность груши — ее одинаково можно отнести и к твердым, и к мягким породам. Сырая древесина достаточно мягкая, но если ее вымочить, а затем медленно высушить, то древесина становится очень твердой. Среди недостатков можно назвать только один — без лакового покрытия дерево быстро темнеет и начинает гнить. 

    Яблоня относится к ряду самых красивых и прочных пород древесины. Но после высыхания дерево очень сильно коробится и усыхает, поэтому предпочтительнее работать только с хорошо высушенной яблоней. Так же, как и груша, идет на отделку мебели, изготовление домашней утвари и украшений. 

    Слива, как и яблоня, очень подвержена растрескиванию и короблению при сушке. Твердая и прочная древесина со множеством разноцветных прожилок прекрасно колется и полируется. Чаще всего идет на изготовление украшений и на рельефную отделку мебели. Также очень высоко ценится точеная утварь из сливовой древесины. 

    Древесина редких пород

    Выше мы рассмотрели те породы древесины, которые произрастают у нас. Но в России большой популярностью пользуются и импортные породы, которые чаще всего идут на изготовление мебели и украшений. 

    Древесина редких пород:

    • Красное дерево
    • Черное дерево
    • Эвкалипт
    • Фернамбук
    • Палисандр
    • Атласное дерево

    Красное дерево произрастает только в тропических лесах. Само понятие «красное дерево» не означает принадлежность к какой-то породе, а представляет совокупность разнообразных пород, древесина которых обладает красным цветом. Древесина красного дерева относится к мягким породам, хорошо поддается обработке, полируется, впитывает лак. Преимущественно используется при отделке мебели и помещения. Из-за своей дорогой цены редко когда полностью идет на изготовление мебели. 

    Черное дерево привозится к нам с Мадагаскара, Цейлона, острова Святого Маврикия. Хотя древесина при усушке трескается и хорошо раскалывается, черное дерево считается самым дорогим. Его древесина плотная, однородная, черного цвета. Очень высоко ценится древесина с малозаметными прослойками годичных колец и сосудов. Менее всего ценится древесина с белесоватыми прослойками и выделяющихся на фоне древесины макроструктуры и ядра. Древесина практически не поддается гниению, не коробится при усушке, прекрасно впитывает лак. Единственное, что непозволительно делать с черным деревом, полировать: от этого внешний вид только ухудшается. 

    Эвкалипт обладает прочной, тяжелой древесиной, которая практически не поддается гниению. Это свойство объясняется большим содержанием в ее структуре эфирных масел, которые действуют так же, как и смола в древесине сосны. Эвкалипт принадлежит к небольшому числу древесных пород, которые плохо поддаются обработке. Чаще всего из эвкалипта изготавливают основу мебели, затем украшают ее вставками из других пород или обклеивают шпоном из красного или черного дерева. 

    Фернамбук используется при изготовлении мозаики. Самыми дорогими считаются скрипичные смычки и дирижерские палочки, сделанные из этого, дерева. При хранении фернамбук способен изменить цвет от желтого с оранжевым отливом до темно-вишневого или даже черного. Его древесина практически не гниет и в сухом виде не поддается короблению. Зато только что срубленное дерево сильно усыхает, трескается и формоизменяется. По тяжести в обработке уступает только эвкалипту. 

    Палисандр, как и большинство пород, ввозится в Россию из Южной Америки. Древесина палисандра обладает пористой структурой и плотным расположением тонких волокон. Особенность этой породы составляет ее цвет, который в зависимости от преобладания какого-нибудь оттенка меняется от светло-фиолетового до темно-коричневого с фиолетовым отливом. Как и фернамбук, с течением времени способен изменить цвет. Если дерево по окончании работ не было отполировано, то цвет древесины может стать практически черным. Сама древесина прекрасно поддается обработке, не подвержена гниению. Чаще всего из палисандра изготавливают мебель и всевозможные украшения. 

    Атласное дерево редко встречается у нас, и поэтому оно очень дорого ценится. В России идет только на изготовление вставок мозаики и на украшения. Древесина этой породы может иметь желтый, красный и бурый оттенок. Но независимо от цвета древесины в ней всегда есть мельчайшие блестки, которые при покрытии лаком придают готовому изделию атласное сияние и лоск мягкой струящейся ткани. 

    Строение древесины

    Сделав поперечный срез, вы можете наиболее четко рассмотреть строение древесины. Каждый брусок необтесанного дерева имеет кору — это кожа дерева, которая не используется в работе, ее обязательно нужно снимать. 

    Под корой располагается зона роста дерева, которая практически не различима невооруженным глазом. На свежем спиле с растущего дерева этот слой камбия представлен очень хорошо. После того как вы снимите кору, вам откроется тонкая прослойка влажной ткани зеленоватого цвета — это и будет камбий. За камбием расположена собственно древесина с годичными кольцами. 

    Древесину еще называют заболонью. В центре каждого дерева есть ядро, которое по цвету может сливаться с заболонью или иметь более темный цвет. В зависимости от этого разделяют заболонные породы древесины, где ядро не имеет ярко выраженной структуры и клетки расположены также плотно, как и в заболони, и ядровые, где, соответственно, ядро хорошо различимо. Иногда заболонные породы дерева называют безъядровыми. 

    К ядровым древесным породам относятся все хвойные (сосна, кедр, ель, тис, лиственница) и некоторые лиственные породы, например дуб, ясень, тополь. 

    Большинство лиственных пород составляет ряд заболонных, или безъядровых: береза, граб, ольха, клен, граб. 
    Кроме микроструктуры древесины, куда относится плотность расположения древесных клеток, на создание композиции и возможность использования того или иного бруска в работе влияет макроструктура древесины, представленная годичными кольцами и сердцевидными сосудами. К макроструктуре также относится наличие различных сучков, наростов и неразвившихся побегов-глазков, которые отклоняют годичные кольца и образуют различные свилеватости. 

    Древесина, где наиболее четко различимы годичные кольца, горизонтальные и вертикальные сосуды, представляется наиболее интересной для обработки. Практически все хвойные породы — граб, дуб, ильм, бук — обладают такой древесиной. 

    Пороки древесины

    При работе с древесиной следует не только обращать внимание на расположение волокон. Прежде всего внимательно осмотрите со всех сторон выбранный вами брусок. Древесина, с которой вы собрались работать, должна быть не только прочной, но и «здоровой» — однородной по цвету, без примеси достаточно интересных и необычных цветов, без следов поражения древесными червями-точильщиками, а также без следов начавшегося гниения. Если ваш брусок имеет хотя бы один из этих признаков, то сразу отложите его в сторону, иначе при работе вы можете всякого натерпеться, а в конце работы вы не получите достаточного удовлетворения от проделанного. Да и работа может просто свестись на нет. 

    Не следует использовать для работы древесину, пораженную грибком. Его можно хорошо заметить даже невооруженным взглядом по изменению цвета древесины и по расщеплению волокон древесины в месте поражения. Цвет пораженной грибком древесины может быть различным: от кремового и бурого до синеватого и зеленоватого. Остальная древесина при этом сохранит привычный цвет. 

    Зеленоватый налет, появившийся на отдельных участках древесины, свидетельствует о том, что древесина начала гнить. Плесень поражает древесину только снаружи, поэтому, если вы своевременно зачистите поверхность ножом или рубанком, то доску или брусок можно еще спасти, а затем, просушив его, использовать в работе. 

    Цветная гниль не так безобидна, как ядровая. Она поражает древесину изнутри, разрушая ее структуру и делая невозможным ее использование. Древесина может быть абсолютно здоровой, но все же непригодной к работе. Пороки могут быть различными. Одни из них могут полностью исключить древесину из употребления, другие лишь ограничивают возможности по обработке. 

    Наиболее распространенным пороком является наличие сучков. Но сучки встречаются двух видов. Одни из них прочно срослись с древесиной и убираются из массива только при удалении всего участка. Другие отделяются от древесины легко. Именно здесь велика вероятность того, что при сушке уже готового изделия он может выпасть и испортить всю картину. 

    Заделать такое отверстие можно при помощи клинообразной пробки, которая вбивается вместо сучка. Кроме того, при долгом хранении древесины как стройматериала темнеют в первую очередь сучки. Исключение составляют только некоторые хвойные породы. 

    К категории дефектов древесины можно отнести и наличие засмолок у хвойных и водослоев у лиственных пород. Так принято называть места скопления древесного сока в массиве древесины. При отделке вам придется откачать из этого места смолу и обработать ее специальным раствором. Но лучше, если вы расположите деталь на бруске так, чтобы кармашек находился либо внутри детали, либо вне ее. 

    Среди пороков древесины, которые необходимо учитывать при работе, больше место занимает такой порок, как наличие трещин. Они образуются в массиве древесины в период роста древесного ствола. Трещины могут быть разными. 

    Морозные трещины могут разделить весь ствол на две части. Сами трещины идут от внешнего края внутрь и образуются только зимой при сильных морозах. 

    Отступные трещины возникают только внутри ствола, при этом образуется промежуток между годичными кольцами. Причина образования таких трещин — большое напряжение внутри ствола в период усиленного роста. 

    Метиковые трещины, как и морозные, могут разделить ствол на две части. Разница между ними в том, что морозные идут от внешнего края к центру, а метиковые — от основания ствола к вершине. 

    Трещины при усушке могут образовываться и в древесине без видимых пороков. Такие трещины идут от центра ствола к внешней стороне поперек годичных колец. 

    Также к порокам древесины можно отнести наличие наклона волокон. Такой дефект может быть как природным, так и механическим. В любом случае тонкие узкие заготовки из такой древесины при усушке очень сильно коробятся. 

    У хвойных пород древесины наиболее часто встречается такой дефект как крен. Это природный порок, возникающий при сжатости ствола в период роста. Древесные волокна на этом участке расположены близко друг к другу, что значительно увеличивает время пропитки древесины антисептиками и химическими красителями. Но такая древесина очень прочна и устойчива к воздействию атмосферных явлений, так что ее можно приспособить на обивку входной двери на даче или в квартире. 

    Наличие прирости в древесине само по себе безобидно, но может создать большие трудности после усушки. Такой дефект возникает при порезе древесного ствола во время роста. Образовавшаяся рана постепенно зарастает, но годовые кольца уже иначе начинают расти. 

    Усушка древесины

    Различных пороков древесины во время работы можно избежать, так или иначе расположив чертеж на подготовленной заготовке. Но в любом случае для работы надо брать только хорошо высушенную древесину, иначе есть вероятность, что после долгой и упорной работы все ваше старание пропадет даром, иначе говоря, растрескается и покоробится. 

    Поэтому перед тем как приступать к работе, хорошо просушите заготовку. Но не стоит сразу с сырой древесины отпиливать куски, которые потом не понадобятся. Древесина от этого все равно быстрее не высохнет. При этом вы можете просто испортить брусок — ведь при усушке волокна сжимаются в разных направлениях по-разному. 

    Наименьшее изменение размеров бруска произойдет по направлению роста волокон. Еще меньше станет брусок поперек роста волокон, т. е. в радиальном разрезе. Больше всего брусок усыхает в тангентальном направлении. 

    Все древесные породы по способности уменьшать размеры при сушке можно разделить на 3 категории: сильно усыхающие, умеренно усыхающие и слабо усыхающие. К первой категории относятся такие породы, как дуб, липа, вяз, ольха, бук, клен и многие другие. Ко второй категории относятся: ива, осина, тополь, сосна. Мало изменяют размеры при усушке только ель и лиственница. 

    Сушка древесины требует большого терпения. Нельзя сразу класть сырую древесину к сильному источнику тепла. Прежде всего, принеся доски домой, подержите их несколько дней на застекленной лоджии и только потом занесите в помещение. Если у вас лоджия не застеклена, то поставьте их в кладовку или в коридор, где температура всегда немного ниже, чем в жилой комнате и тем более на кухне. Только в эти несколько дней постарайтесь, чтобы заготовки стояли подальше от сквозняка- Да и на лоджии тоже следует избегать попадания прямых солнечных лучей, чтобы не получилось, что одна часть заготовки высохла и потемнела на солнце, а другая еще сырая. 

    Чуть подсохшие доски смажьте с торцов садовым варом или клеем ПВА. Заготовки из ценных пород древесины необходимо смазывать не только с торцов, но и с боковых сторон, чтобы при сушке не образовались трещины. Такого же правила следует придерживаться и при сушке древесины плодовых деревьев. Слой ПВА можно заменить обычной бумагой, которая приклеивается к сторонам бруска на крахмальный клейстер. 

    Приготовленные таким образом бруски и доски уложите возле батареи центрального отопления или возле камина или обогревателя. Доски постоянно нужно будет переворачивать и следить за тем, чтобы температура в комнате была одинаковой, без существенных перепадов. Но и сквозняков тоже следует избегать, иначе возрастает вероятность появления трещин. 

    В зависимости от того, какого размера выбранные вами заготовки, время на сушку может варьироваться. Толстые и длинные доски, естественно, сохнут намного дольше, чем тонкие и короткие. 

    Если вы сушите доски не в помещении, а под открытым воздухом, то вам обязательно сделать навес, который предохранял бы древесину от прямых солнечных лучей и атмосферных осадков. Земля под доски должна быть выровнена тщательным образом, чтобы доски не изогнулись при хранении и сушке. На землю постелите слой толя, затем поставьте несколько брусков, чтобы воздух мог проникать и под них.

    древесных пород, Продукция | Weitzer Parkett

    древесных пород, Продукция | Weitzer Parkett

    Поиск

    Содержание сайта

    Нет результатов

    Шоврумпартнер

    Нет результатов

    Продуктов

    Нет результатов

    ×

    выберите Ваш язык

    ×

    Содержание сайта

    Нет результатов

    Шоврумпартнер

    Нет результатов

    Продуктов

    Нет результатов

    Loading…

    От дуба к ЯСЕНЬ ОБЫКНОВЕННЫЙ и, наконец, заканчивая европейским кедром – наш ассортимент древесных пород отражает многообразие природы.

    Нет — тропической древесине, да — местным древесным породам
    Мы закупаем древесное сырье почти исключительно из европейских лесов возобновляемого лесопользования. Около 50 % сырья получено из источников, расположенных в радиусе 250 км от производства, и только 10 – 13 % сырья компания Weitzer Parkett получает от поставщиков, находящихся в более чем 750 км от фабрики. Мы вообще не закупаем тропическую древесину.

    Дуб

    Непоколебимый — Quercus


    Дуб, обладающий сильным характером и отличающийся большим сроком службы, относится к самым ценным местным породам деловой древесины. Этот не подверженный влиянию времени классический материал олицетворяет собой прочность – надежная древесина отличается высокой устойчивостью, твердостью, прочностью и эластичностью. Она является оптимальной основой для окрашивания в самые различные оттенки. Сочетающаяся со всеми стилями обстановки и превосходно подходящая для теплых полов, древесина дуба наиболее часто выбирается для паркетных полов.

    Происхождение: преимущественно Австрия, Венгрия и Хорватия

    ЯСЕНЬ ОБЫКНОВЕННЫЙ

    Живой — Fraxinus excelsior


    Благодаря своему высокому качеству ясень считается ценной лиственной древесиной. Наряду с буком и дубом он является важнейшей породой деловой древесины в Центральной Европе. Эта выразительная древесина с необычной структурой и хорошо заметными годовыми кольцами является более твердой, более вязкой и более эластичной, чем многие другие древесные породы. Поэтому ясень применяется, в частности, в тех случаях, когда предъявляются высочайшие требования к прочности и эластичности. Благодаря особому рисунку с коричневой сердцевиной древесину ясеня также часто называют сердцевинной древесиной.

    Происхождение: Австрия, Венгрия, Хорватия и Украина

    ОРЕХ

    Благородный — Juglans nigra


    В качестве одной из самых ценных и пользующейся высоким спросом породы орех уже на протяжении столетий относят к числу самых благородных древесных пород для производства паркетных полов, мебели, а также музыкальных инструментов. Благодаря своим оттенкам – от матово-коричневого до черно-коричневого, – а также своему рисунку эта привлекательная древесина в каждом помещении создает атмосферу особой роскоши. Массивный внешний вид делают ее идеальным материалом для того, чтобы эффективно выделить контрасты.

    Происхождение: Центральная и Восточная Европа, США

    Заказать образцы

    ×

    Таблица 1. Критерии и требования к посадочному материалу лесных древесных пород и молоднякам, площади которых подлежат отнесению к землям, занятым лесными насаждениями

    Таблица 1

    Критерии и требования к посадочному материалу лесных

    древесных пород и молоднякам, площади которых подлежат

    отнесению к землям, занятым лесными насаждениями

    Древесные породы

    Требования к посадочному материалу

    Критерии и требования к молоднякам, площади которых подлежат отнесению к землям, занятым лесными насаждениями

    возраст не менее, лет

    диаметр стволика у корневой шейки не менее, мм

    высота стволика не менее, см

    группа типов леса или типов лесорастительных условий

    возраст (к молоднякам, созданным искусственным и комбинированным способом) не менее, лет

    количество деревьев главных пород не менее, тыс. шт. на 1 га

    средняя высота деревьев главных пород не менее, м

    1

    2

    3

    4

    5

    6

    7

    8

    Береза повислая (бородавчатая)

    Кисличная, черничная

    5

    1,7

    1,1

    Ели сибирская и европейская (обыкновенная)

    3 — 4

    2,0

    12

    Брусничная, кисличная

    9

    2,0

    0,7

    Черничная

    9

    1,7

    0,7

    Долгомошная, травяно-болотная

    10

    1,5

    0,7

    Лиственницы Сукачева и сибирская

    2 — 3

    2,0

    15

    Брусничная, кисличная, черничная

    6

    2,5

    1,0

    Сосна кедровая сибирская

    3 — 4

    2,0

    10

    То же

    10

    1,5

    0,7

    Сосна обыкновенная

    2 — 3

    2,0

    12

    Лишайниковая, вересковая

    8

    2,2

    0,8

    Брусничная, кисличная

    8

    2,0

    0,9

    Черничная

    8

    2,0

    1,0

    Долгомошная, травяно-болотная, сфагновая

    9

    2,0

    0,8

    Открыть полный текст документа

    Оценка количества тропических видов деревьев

    Вклад авторов: J.W.F.S., V.A.-R. и R.K.C. спланированное исследование; J.W.F.S. и В.А.-Р. проведенное исследование; JWFS, VA-R., S.-IA, PA-L., LFA, PA, P. Balvanera, MLB, PJB, EvdB, L. Bernacci, PdCB, L. Blanc, KB-G., P. Boeckx, FB, BB, MB, FQB, MB-NH, SB, DCLM, MC-S., ELMC, S.-LC, YC, RLC, CC, DBC, DAC, HC, KD, HSD, Г. Доби, PD, SJD, J.-LD, AD, Г. Дуриган, KAOE, PVE, EE, CE, NF, KJF, LF, RF, ATdOF, CF, OF, G. Franco, G. Fredriksson, TG, J.-FG, GA, DMG, JG, NG, DH, RH, AH, J. Homeier, NI, AI, PAJ, CAJ, BHJdJ, K. Kartawinata, EK, DLK, DK, MK, K. Kitayama, RK, EL, YL, SL, WFL, MJL, ILdA, SGL, JL, XL, А. Мансор, А. Марйокорпи, EHM, HM, FPLM, DJM, VPM, JPM, JM, DM, JCM, MdMV, BM, HN, RN, SO-G., O., N. Пейдж, П.П., депутат, Н. Партасарати, EP, AP, MTFP, NCAP, LP, ADP, J. Poulsen, J. Powers, RCP, J.-PP, J.-CR, JR, JRdS, WRS, HR-S ., FR, AHR, KR, ER, F. Saiter, P. Saner, BAS, F. Santos, SKS, M. Satdichanh, CBS, J. Schöngart, M. Schulze, MSS, DS, EdSP, P. Sist, T. Stevart, RS, I.-FS, T. Sunderand, HSS, ES, MT, JT, NT, IT, DWT, PT, J. Hurtado, R. Valencia, JLCHvV, TVD, R. Vasquez, HV, VA , SAV, COW, TW, SAW., J.W., F.W., H.W., X.Y., C.Y.A.Y., S.L.Y., T.Y., R.A.Z., R. Zakaria, R. Zang, R.L.d.A., B.G.L. и E.M.V. предоставлены данные инвентаризации дерева; J.W.F.S. и В.А.-Р. проанализированные данные; и JWFS, VA-R., S.-IA, PA-L., LFA, PA, P. Balvanera, MLB, PJB, EvdB, L. Bernacci, PdCB, L. Blanc, KB-G., P. Boeckx , FB, BB, MB, FQB, MB-NH, SB, DCLM, MC-S., ELMC, S.-LC, YC, RKC, RLC, CC, DBC, DAC, HC, KD, HSD, Г. Доби , PD, SJD, J.-LD, A.Д., Дж. Дуриган, KAOE, PVE, EE, CE, NF, KJF, LF, RF, ATdOF, CF, OF, G. Franco, G. Fredriksson, TG, J.-FG, GA, DMG, JG, NG, DH, RH, AH, J. Homeier, NI, AI, PAJ, CAJ, BHJdJ, K. Kartawinata, EK, DLK, DK, MK, K. Kitayama, RK, EL, YL, SL, WFL, MJL, ILdA, SGL, JL, XL, A. Mansor, A. Marjokorpi, EHM, HM, FPLM, DJM, VPM, JPM, JM, DM, JCM, MdMV, BM, HN, RN, SO-G., O., Н. Пейдж, П.П., депутат, Н. Партасарати, EP, AP, MTFP, NCAP, LP, ADP, J. Poulsen, J. Powers, RCP, J.-PP, J.-CR, JR, JRdS, WRS, HR-S ., FR, AHR, KR, ER, F. Saiter, P. Saner, BAS, F. Santos, SKS, M. Satdichanh, CBS, J. Schöngart, M. Schulze, MSS, DS, EdSP, P. Sist, T. Stevart, RS, I.-FS, T. Sunderand, HSS, ES, MT, JT, NT, IT, DWT, PT, J. Hurtado, R. Valencia, JLCHvV, TVD, R. Vasquez, HV, VA , SAV, COW, TW, SAW., J.W., F.W., H.W., X.Y., C.Y.A.Y., S.L.Y., T.Y., R.A.Z., R. Zakaria, R. Zang, R.L.d.A., B.G.L. и E.M.V. написал газету.

    См. Комментарий на стр. 7343.

    Карты параметров отдельных видов деревьев

    Карты параметров отдельных видов деревьев

    Карты параметров отдельных видов деревьев (ITSP) были разработаны для поддержки Национальной карты риска насекомых и заболеваний (NIDRM), поскольку риск насекомых и болезней часто определяется плотностью обитания данного вида.Подобно Атласу деревьев, проект ITSP нанес на карту базальную площадь и индекс плотности насаждений для каждого отдельного вида деревьев. Продукты параметров основаны на 30-метровых спутниковых данных Landsat, прогнозирующих слоях климата, рельефа и почвы и пробах грунта из данных участка инвентаризации и анализа лесов USFS. Многие другие приложения и анализы, требующие плотности древесных пород, могут извлечь выгоду из этого набора пространственно уточненных данных.

    Эти данные доступны в режиме просмотра веб-карт ITSP.Картографические сервисы, управляющие веб-вьюером карт ITSB, доступны из папки Hosts при подключении к ArcGIS Server https://apps.fs.usda.gov/fsgisx05/rest/services. Сервисы изображений с более мелким разрешением 30 метров в пикселях, доступные в папке «RDW_FHP_TreeSpeciesMetrics» при подключении к серверу https://apps.fs.usda.gov/fsgisx01/rest/services.

    Растры ITSP, используемые в моделях NIDRM, доступны для загрузки из следующих загрузок данных ГИС.

    Национальный атлас индивидуальных видов деревьев

    Публикация Национального атласа видов деревьев

    Национальный Атлас отдельных видов деревьев обновляет предыдущий Атлас деревьев Соединенных Штатов с большей пространственной точностью и более высоким пространственным разрешением и включает 264 вида, которые нанесены на карту с более точным местоположением.Многие приложения и анализы требуют точной информации о породах деревьев и выиграют от более актуального, пространственно уточненного набора данных. Атлас исправляет ошибки в исходных картах, что позволяет лучше использовать его в пространственно-ориентированном мире.

    Загрузка данных ГИС

    В каждом zip-файле * есть файловая база геоданных, которая включает соответствующие растровые данные и словарь данных, объясняющий соглашения об именах файлов. Каждый растр имеет встроенные метаданные с подробными описаниями.

    * Пожалуйста, держите окно вашего веб-браузера открытым и дайте дополнительное время при загрузке больших zip-файлов.

    границ | Прогноз изменения состава древесных пород европейских лесов на 2061–2090 гг. В соответствии со сценариями

    RCP 4.5 и RCP 8.5

    Введение

    В ходе изменения климата леса мира, вероятно, претерпят значительные изменения. Это связано с тем, что частота волн тепла, вероятно, увеличится (IPCC, 2014), что в сочетании с длительными периодами засухи приводит к так называемым «засухам типа глобальных изменений», «более горячим засухам» или сложным явлениям и, в конечном итоге, к увеличению смертности деревьев. (Breshears et al., 2005; Аллен и др., 2010, 2015; Мартинес-Вилалта и др., 2012; Cailleret et al., 2017; Zscheischler and Seneviratne, 2017; Buras et al., 2018; Чоат и др., 2018; Zscheischler et al., 2018). Следовательно, ареалы распространения древесных пород и состав лесов, вероятно, изменятся (Pastor and Post, 1988; Hogg and Hurdle, 1995; Sykes, Prentice, 1996; Rigling et al., 2013; Fekete et al., 2017; Scherrer et al. ., 2017). Из-за изменения ареала распространения пород деревьев и, как правило, длительных периодов ротации (часто более 100 лет), леса необходимо адаптировать к ожидаемым климатическим условиям путем изменения стратегий управления и выбора более адаптированных и, следовательно, более устойчивых видов деревьев (Halofsky et al., 2018; Sousa-Silva et al., 2018). В этом контексте лесники, заинтересованные стороны и лица, определяющие политику, нацелены на так называемые экологически безопасные леса (Halofsky et al., 2018; Nabuurs et al., 2018).

    Уже сегодня влияние более жарких засух на леса заметно (Breshears et al., 2005; Allen et al., 2010, 2015; Cailleret et al., 2017). Что касается европейских лесов, то наиболее важная с экономической точки зрения и наиболее распространенная в пространстве порода деревьев сосна обыкновенная ( Pinus sylvestris , L.) и ель обыкновенная [ Picea abies , (L.) Karst.] в регионах имеют повышенный уровень смертности (Bigler et al., 2006; Kohler et al., 2010; Lévesque et al., 2013; Rigling et al., 2013; Zang et al., 2014; Huang et al., 2017; Martínez-Sancho et al., 2017; Rehschuh et al., 2017; Buras et al., 2018). Но также, вероятно, пострадает широко распространенный бук европейский ( Fagus sylvatica , L.) (Scharnweber et al., 2011, 2013; Dulamsuren et al., 2017; Huang et al., 2017; Walentowski et al., 2017), в то время как другие распространенные виды, такие как дуб [ Quercus robur , L. и Quercus petraea , (Matt.) Liebl.], Могут выиграть от изменения климата (Scharnweber et al., 2011, 2013; Perkins et al. , 2018).

    Учитывая их доминирующее положение в европейских лесных экосистемах, а также их экономическое значение, крайне важно оценить уязвимость этих древесных пород перед ожидаемым изменением климата. Более того, поскольку некоторые из этих видов могут исчезнуть в результате изменения климата, возникает ключевой вопрос, какие другие виды деревьев обладают более высокой устойчивостью к ожидаемым климатическим условиям и, таким образом, могут считаться подходящими альтернативами (Walentowski et al., 2017). Несколько тематических исследований уже предоставили ценную информацию о потенциальных реакциях отдельных видов на прогнозируемый климат (Sykes and Prentice, 1996; Dulamsuren et al., 2010, 2017; Scharnweber et al., 2011, 2013; Lévesque et al., 2013; Rigling). et al., 2013; Zang et al., 2014; Rehschuh et al., 2017; Walentowski et al., 2017; Buras et al., 2018). Однако эти исследования опираются на разные методологические подходы, начиная от анализа годичных колец (Scharnweber et al., 2011, 2013; Lévesque et al., 2013; Zang et al., 2014; Дуламсурен и др., 2017; Rehschuh et al., 2017; Buras et al., 2018), над экспериментами в обычных садах, также известными как испытания происхождения (Martinez-Meier et al., 2008; Huang et al., 2017), с различными типами моделей распределения видов (Sykes and Prentice, 1996 ; Hijmans and Graham, 2006; Walentowski et al., 2017) и часто ограничиваются определенным регионом и / или относительно небольшим количеством древесных пород.

    Еще один способ оценки пригодности данного вида деревьев в различных климатических условиях связан с концепцией климатических аналогов.Аналоги климата ранее использовались для оценки уязвимости экосистем и землепользования, вызванной изменением климата, а также изменений в землепользовании, а также для определения видов деревьев или их происхождения, которые более устойчивы к ожидаемым изменениям климата (Hogg and Hurdle, 1995; Ford et al. ., 2010; Leibing et al., 2013; Luedeling et al., 2014). Идея климатических аналогов состоит в том, чтобы идентифицировать регионы в пространстве и времени, которые обладают более или менее схожими климатологическими свойствами по сравнению с выбранным местом в данный момент времени.Поскольку эти регионы обладают схожими климатологическими свойствами, они, вероятно, также обеспечивают подходящие условия роста для одних и тех же сообществ древесных пород, если рассматриваемые климатические параметры имеют отношение к экофизиологии деревьев. Выявление регионов, которые в настоящее время характеризуются климатическими условиями, аналогичными прогнозируемым условиям данного участка, и определение видов деревьев, которые успешно выживают в этих «будущих аналогах», таким образом, может позволить изобразить те виды деревьев, которые способны справиться с ожидаемыми климатическими условиями.

    В рамках этой схемы мы объединяем концепцию климатических аналогов с ансамблем уменьшенных климатических прогнозов (CMIP5) и недавно проведенной инвентаризацией лесов в Европе (Mauri et al., 2017) для прогнозирования изменений древесного состава европейских лесов в рамках RCP 4.5. и сценарии RCP 8.5 до конца 21 века. Поступая таким образом, мы стремимся (1) предоставить подробную информацию о возможном развитии наиболее распространенных видов деревьев в Европе, (2) определить виды деревьев, которые потенциально могут стать более актуальными для европейского лесного хозяйства в ожидаемых условиях, и (3) обозначить потенциал изменение численности и состава местных древесных пород, связанное с разнообразием видов деревьев.Таким образом, мы (4) стремимся определить потенциальные очаги уязвимости лесов, которым следует уделить особое внимание в контексте адаптации европейских лесов к изменению климата.

    Материалы и методы

    Данные

    Климатические прогнозы с уменьшенным статистическим масштабом

    Для аналоговых расчетов климата мы использовали статистически уменьшенные климатические прогнозы CMIP5. Рассматривая 16 различных моделей, мы загрузили исторические (1961–1990) и будущие (2061–2090) сценарные прогнозы месячных минимальных, средних и максимальных температур, а также ежемесячных сумм осадков.Что касается будущих прогнозов, мы рассмотрели сценарии RCP RCP 4.5 и RCP 8.5. Таким образом, всего было получено 192 набора данных (4 переменных × 16 моделей × 3 сценария), которые были загружены через различные узлы данных Грид-федерации систем Земли (подробности см. В дополнительной таблице S1). Выбор конкретных 16 моделей, а также конкретного периода 2061–2090 гг. Был основан на наличии соответствующих климатических прогнозов, охватывающих период 30 лет в конце 21-го века, в узлах данных ESGF.Мы понимаем, что выбор только 16 моделей CMIP5 может привести к некоторой недопредставленности разброса прогнозов (McSweeney and Jones, 2016). В этом контексте МакСвини и Джонс (2016) рекомендовали использовать не менее 13 моделей для учета неопределенности моделей, поскольку они в среднем представляют более 80% общего разброса климатических прогнозов CMIP5. Таким образом, представляется вероятным, что выбранные 16 моделей в значительной степени отражают изменчивость модели.

    Поскольку загруженные модели имели довольно грубое пространственное разрешение (порядка 0.75–3 °) и, кроме того, различное разрешение, приводящее к разному перекрытию ячеек сетки, мы статистически уменьшили масштаб всех прогнозов с использованием ежемесячных минимальных, средних и максимальных значений температуры с привязкой к сетке Climate Research Unit [CRU TS версия 4.01 (Harris et al., 2014)] как а также Глобальный центр климатологии осадков с привязкой к сетке ежемесячных сумм осадков [GPCC (Rudolf and Ziese, 2011)] с общим пространственным разрешением 0,5 °. Статистическое масштабирование производилось с использованием дельта-метода. То есть для базового периода с временным перекрытием между привязанными к сетке и прогнозируемыми климатическими данными (т.е., 1961–1990) мы для каждой прогнозируемой переменной (CMIP5) и ячейки сетки вычислили ее среднемесячную климатологическую разницу с соответствующей привязанной к сетке переменной (CRU и GPCC, соответственно). Таким образом, для каждой переменной мы получили сетку с пространственным разрешением 0,5 °, представляющую разницу между месячной климатологией 1961–1990 гг. Прогнозируемых и привязанных к сетке климатических переменных. В случае неравномерного пространственного перекрытия двух разных сеток мы вычислили соответствующее зональное среднее значение. Эти климатологические различия были впоследствии добавлены к климатическим проекциям CMIP5 (как историческим, так и будущим сценариям), чтобы окончательно получить климатические прогнозы при 0.Пространственное разрешение 5 ° и привязано к базовому периоду 1961–1990 гг. Благодаря этой процедуре уменьшения масштаба климатология температуры и осадков всех исторических прогнозов в точности совпадала с данными с привязкой к сетке в пределах базового периода. Однако временные закономерности варьировались между моделями в зависимости от конкретных спецификаций модели, что приводит к типично наблюдаемому разбросу модельных прогнозов (McSweeney and Jones, 2016).

    Статистически уменьшенные прогнозы в дальнейшем использовались для расчета экологически значимых переменных, связанных с температурами вегетационного периода, продолжительностью вегетационного периода, климатическим водным балансом и сезонностью (Metzger et al., 2013). Расчет таких, как правило, более значимых переменных в отношении экологии растений необходим для лучшего представления фактических «климатических границ» древесных видов (Hijmans and Graham, 2006). Чтобы упростить многомерность полученных данных, мы вычислили пространственно-временное среднее значение для каждой из полученных переменных (то есть для каждой ячейки сетки и временного шага) по 16 выбранным моделям. Чтобы выбрать наиболее подходящие переменные для определения аналогов климата, мы, наконец, протестировали большое количество различных комбинаций переменных на предмет их способности представлять хорошо известную классификацию климата Кеппена-Гейгера (Köppen, 1900; Geiger, 1961), а также две более поздние глобальные климатические классификации (Olson et al., 2001; Metzger et al., 2013). Это было сделано путем сравнения соответствующих классификаций, представляющих соответствующий выбор переменных (рассчитанных для включения 32 климатических зон с использованием метода разбиения по медоидам) с рассматриваемыми существующими классификациями (например, Кеппен-Гейгером, Мецгером и Олсоном). В качестве меры совпадения мы вычислили так называемую каппа-статистику и использовали пороговые значения, введенные Monserud и Leemans (1992), которые показали хорошее или очень хорошее совпадение (Каппа в диапазоне от 0.58 до 0,79) окончательно выбранной комбинации переменных с выбранными классификациями. Следуя этому подходу, мы в конечном итоге выбрали 11 переменных, которые перечислены и подробно описаны в дополнительной таблице S2. Соответствующая классификация климата показана на дополнительном (дополнительный рисунок S1). Пространственная протяженность сгенерированных климатических параметров была окончательно сопоставлена ​​с данными инвентаризации лесов (см. Раздел «Данные инвентаризации лесов»), т.е. долгота варьировалась от 10,75 ° з.д. до 32.75 ° в.д. и широта от 35,75 ° до 70,75 ° с.ш., в результате чего всего 3949 рассматриваемых ячеек сетки.

    Данные инвентаризации леса

    В качестве основы для текущего распределения видов деревьев в Европе мы загрузили недавно опубликованный набор данных EU-Forest (Mauri et al., 2017). Этот набор данных содержит в общей сложности 588 983 записей о древесных породах (подробнее см. Mauri et al., 2017). Из-за низкой пространственной и климатологической репрезентативности мы не рассматривали данные с Канарских островов, что в итоге привело к 586 862 записям, представляющим в общей сложности 242 различных вида деревьев, распространенных по всей Европе.Поскольку многие из этих видов были представлены только в очень немногих местах и, таким образом, не позволяли достоверно представить их текущее потенциальное распространение, мы решили включить только 26 видов, каждый из которых представлял по крайней мере 1% от общего набора данных. Таким образом, мы в конечном итоге рассмотрели 82% набора данных EU-Forest для нашего анализа (обзор выбранных видов см. В дополнительной таблице S3).

    Обработка данных и статистический анализ

    Расчет климатических аналогов

    Для картирования недавнего и потенциального будущего распределения видов мы вычислили аналоги климата и объединили их с набором данных ЕС по лесам (см. Раздел «Картирование текущего и будущего распределения древесных видов»).Здесь мы использовали климатические аналоги для определения регионов, в которых в настоящее время климатические условия более или менее похожи на прогнозируемые условия данного участка. В зависимости от выбранной целевой проекции мы далее называем эти климаты текущими аналогами , если рассматривать текущий климат, который аналогичен текущему климату данного участка, по сравнению с будущими аналогами , если учитывая текущий климат, который аналогичен прогнозируемому будущему климату. данного сайта.

    Перед определением текущих и будущих аналогов мы стандартизировали (преобразовали по оси z) каждую из выбранных 11 переменных отдельно. Для стандартизации исторических и будущих прогнозов мы использовали среднее значение и стандартное отклонение за исторический базовый период (1961–1990). Таким образом, мы для каждой переменной получили записи, представляющие безразмерные SD из исторического среднего значения для конкретной переменной. Это позволило одинаково взвесить переменные, сохранив при этом смещение прогнозируемого будущего климата по отношению к историческому базовому периоду.

    Чтобы определить текущие / будущие климатические аналоги, мы затем вычислили манхэттенское расстояние (Black, 2006) между стандартизованными текущими / будущими климатическими переменными данного участка и историческими климатическими переменными всех рассматриваемых ячеек сетки. Следовательно, каждая из рассматриваемых ячеек сетки получила значение, которое напоминало климатическое расстояние (с учетом всех 11 переменных) этой ячейки сетки до выбранного участка и проекции. То есть, чем меньше это климатическое расстояние, тем более близок климат соответствующей ячейки сетки к прогнозируемому текущему / будущему климату выбранного участка.

    Наконец, мы должны были определить порог климатического расстояния, ниже которого климат считается аналогичным климату в интересующем месте. По причинам объективности и воспроизводимости мы основали этот порог на среднем первом процентиле текущих климатических расстояний, вычисленных по всем ячейкам сетки. То есть мы для каждой из 3949 ячеек сетки вычислили ее климатическое расстояние до текущего климата из оставшихся 3948 ячеек сетки и извлекли первый процентиль климатических расстояний, характерных для каждой ячейки сетки.Среднее значение по всем 3949 первым процентилям климатических расстояний для конкретных ячеек сетки мы взяли в качестве объективной и единообразной меры для определения аналогов климата. Проверка первого процентиля была выполнена вручную путем вычисления 100 различных аналогов климата и визуального сравнения климатических диаграмм (Walter and Lieth, 1960) аналогичных ячеек сетки с таковыми для выбранного участка. Поскольку климатические диаграммы в большинстве случаев совпадали очень хорошо, мы сочли выбранный порог первого процентиля подходящим.Мы также оценили другие процентили, например, 5 промилле и второй процентиль, но таким образом мы получили либо слишком маленькие климатические аналоговые регионы для нескольких мест (5 промилле), либо включенные области, экстремальные климатические диаграммы которых не совпадали в пределах аналогичного региона (второй процентиль ). Соответствие между фактическим и прогнозируемым историческим распределением видов можно рассматривать как дополнительную процедуру проверки (см. Раздел «Картирование текущего и будущего распределения древесных видов»).

    Картирование текущего и будущего распространения древесных видов

    Набор данных о лесах ЕС использовался в качестве основы для картирования текущего и будущего распределения древесных пород.Прежде всего, нам нужно было преобразовать точечные записи в формат с координатной сеткой, который соответствовал разрешающей способности и степени рассчитанных аналогов климата (см. Раздел «Вычисление аналогов климата»). Поэтому мы вычислили относительную численность данного вида в каждой ячейке сетки. Для этого все записи ЕС-лесов в определенной ячейке сетки были объединены по видам, и был вычислен относительный вклад каждого вида, в результате чего были получены значения от 0 до 1. То есть, если для вида не было записей в этой ячейке сетки, он получил бы значение 0, тогда как если бы вид был единственным видом, встречающимся в этой ячейке, он получил бы значение 1, в то время как если бы вид сосуществовал с другими видами, он получил бы значение от 0 до 1, отражающее его пропорциональный вклад в сетку. обилие видов деревьев, специфичных для клеток.

    На следующем этапе эти карты относительной численности были объединены с климатическими аналогами. Таким образом, мы получили вероятность появления данного вида на конкретном участке с определенной климатической проекцией (исторической или будущей). Для этого мы сначала вычислили соответствующий климатический аналог (исторический или будущий) для соответствующего участка и проекции, а затем усреднили относительную численность соответствующего аналогового региона по видам. То есть, если вид показывает довольно высокую (низкую) численность в большинстве ячеек аналоговой сетки, он также будет набирать высокую (низкую) среднюю численность для соответствующего участка и проекции.Эта процедура была проведена для каждого из 26 выбранных видов и применена к каждой из 3949 ячеек сетки, чтобы окончательно получить общеевропейские вероятности встречаемости 26 наиболее распространенных видов деревьев согласно текущим и будущим климатическим прогнозам. На рисунке 1 представлена ​​схематическая блок-схема нашего методологического подхода.

    Рис. 1. Схематическая блок-схема, изображающая обработку климатических прогнозов и данных инвентаризации лесов ЕС для получения в конечном итоге карт прогнозируемого распределения видов (здесь используется ячейка сетки, соответствующая местоположению мюнхенской и обыкновенной сосны, спроектированной для текущих климатических условий в качестве пример). (A) Для каждой из 3949 ячеек сетки вычисляются текущие и будущие аналоги, в результате чего получается 3949 различных климатических аналоговых регионов. (B) Для каждого вида рассчитывается относительная численность на ячейку сетки, в результате чего получается 26 карт относительной численности для конкретных видов. (C) Пересечение текущего / будущего региона аналога климата с картой относительной численности для конкретных видов позволяет вычислить среднее относительное обилие данного вида в пределах соответствующего региона аналога климата, которое принимается как вероятность локальной относительной численности соответствующего вида. ячейка сетки. (D) Вычисление местных вероятностей относительной численности для каждой из 3949 ячеек сетки позволяет спрогнозировать вероятность относительной численности конкретного вида при определенном сценарии по всей Европе. Обратите внимание на сравнительно хорошее соответствие между фактической относительной численностью сосны обыкновенной (B) и прогнозируемой вероятностью нынешней относительной численности сосны обыкновенной (D) .

    Чтобы оценить, насколько хорошо прогнозируемые вероятности относительной численности отражают наблюдаемую относительную численность, полученную по лесам ЕС, мы для каждого из 26 видов вычислили ранговые корреляции Спирмена между наблюдаемой и прогнозируемой текущей относительной численностью.Показатели корреляции от 0,43 до 0,76 (в среднем 0,58) указывают на соответствие между наблюдаемой и прогнозируемой относительной численностью от умеренного до хорошего. Карты наблюдаемой и прогнозируемой текущей относительной численности показаны вместе с видоспецифичными корреляциями между наблюдениями и прогнозами в дополнительной информации (Дополнительные рисунки S2 – S8).

    Оценка

    Чтобы визуализировать изменение видового состава европейских лесов (см. Раздел «Картирование текущего и будущего распределения древесных видов»), мы, прежде всего, построили графики вероятностей относительной численности в настоящее время и в будущем для четырех наиболее распространенных в настоящее время европейских видов деревьев, т.е.е., P. sylvestris (сосна обыкновенная), P. abies (европейская ель), F. sylvatica (европейский бук) и Q. robur (английский дуб). В совокупности эти четыре вида составляют 44% рассмотренных данных инвентаризации лесов. В качестве косвенного показателя актуальности древесных пород для лесного хозяйства в рамках различных сценариев мы вычислили среднюю вероятность относительной численности для каждого вида по всем ячейкам сетки для текущих и будущих условий. То есть виды с высокой средней вероятностью относительной численности в данном сценарии имеют большое значение для лесного хозяйства, а — наоборот .Кроме того, в качестве меры изменения общего вида лесов мы вычислили относительное изменение наиболее доминирующих в настоящее время видов деревьев для каждой из 3949 ячеек сетки. То есть для каждой ячейки сетки определялся доминирующий в настоящее время вид деревьев, и вероятность его относительной численности в двух будущих сценариях для одной и той же ячейки сетки была сопоставлена ​​с его текущей вероятностью относительной численности. Наконец, в качестве меры изменения разнообразия видов деревьев мы для каждой ячейки сетки вычислили H Шеннона (Shannon, 1948) и выразили абсолютное изменение (т. Е.е., разница) двух будущих сценариев по отношению к текущей стоимости. Все анализы были выполнены в R ’(версия 3.3.3., R Core Team, 2017), расширенном для пакетов SPEI (Beguería and Vicente-Serrano, 2013) и решетки (Sarkar, 2008).

    Результаты

    Четыре самых распространенных вида деревьев показали заметные изменения в вероятностях относительной численности, особенно для прогнозов RCP 8.5 (Рисунки 2, 3). Все четыре вида указали на снижение вероятности численности в южных широтах и ​​на более низких высотах.Основываясь на снижении вероятности численности, сосна обыкновенная указала на отступление из Центральной и Юго-Восточной Европы к более высоким возвышенностям Альп и Карпат, а также к Северной Европе. То же самое наблюдалось и для ели европейской. Однако для этого вида отступление оказалось еще более выраженным: по прогнозам RCP 8.5 он полностью исчез с центральноевропейских низменностей с последними рефугиумами в Альпах и Карпатах, а также в Скандинавии севернее 60 ° широты. Европейский бук также указывал на миграцию на север, т.е.е., вероятность численности значительно снизилась на большей части Центральной Европы, но увеличилась в Южной Скандинавии. Наконец, английский дуб отступил из самых южных мест, таких как большая часть Франции и Паннонский бассейн, и увеличил его численность в Южной Скандинавии.

    Рис. 2. Прогнозируемые вероятности относительной численности для четырех самых распространенных видов деревьев Pinus sylvestris , Picea abies , Fagus sylvatica и Quercus robur для текущих аналогов (левые панели), RCP 4.5 аналогов (средние панели) и аналог RCP 8.5 (правые панели). Вероятность относительной численности увеличивается от серого к желтому к зеленому.

    Рис. 3. Средние вероятности относительной численности при текущих (синий) и прогнозируемых будущих (оранжевый = RCP 4.5, красный = RCP 8.5) климатических условиях. Сокращения видов: Pin.syl, Pinus sylvestris ; Pic.abi, Picea abies ; Fag.syl, Fagus sylvatica ; Que.rob, Quercus robur ; Держать пари.pub, Betula pubescens ; Que.ile, Quercus ilex ; Bet.pen, Betula pendula ; Fra.exc, Fraxinus excelsior ; Que.pet, Quercus petraea ; Pin.pin, Pinus pinaster ; Car.bet, Carpinus betulus ; Pin.hal, Pinus halepensis ; Ace.pse, Acer pseudoplatanus ; Sor.auc, Sorbus aucuparia ; Pin.nig, Pinus nigra ; Pop.tre, Populus tremula ; Aln.glu, Alnus glutinosa ; Abi.alb, Abies alba ; Pic.sit, Picea sitchensis ; Cas.sat, Castanea sativa ; Que.pub, Quercus pubescens ; Lar.dec, Larix decidua ; Sal.cap, Salix caprea ; Aln.inc, Alnus incana ; Que. Sub, Quercus suber ; Que.pyr, Quercus pyrenaica .

    В то время как сосна обыкновенная и ель обыкновенная показали снижение от 5 (RCP 4.5) до 15% (RCP 8.5) средней вероятности относительной численности по всей Европе, европейский бук и английский дуб сохранили свою среднюю вероятность относительной численности для обоих сценариев (рис. 3).Несмотря на возможную потерю вероятности численности, эти четыре вида деревьев оставались самыми многочисленными в Европе. Виды деревьев со значительным увеличением (2–6%) вероятности численности: Quercus ilex , Pinus pinaster , Pinus halepensis , Pinus nigra , Castanea sativa и Quercus pubescens , все из которых кажутся расширить свой нынешний ареал распространения от Средиземноморья до Центральной Европы. Напротив, исчезающие виды в основном характеризовались миграцией на север ареала их распространения, а не расширением (Рисунок 3 и дополнительные рисунки S9 – S14).

    Прогнозируемые изменения относительной численности доминирующих в настоящее время видов деревьев указывают на большие потери для большей части Европы. Однако на больших территориях Средиземного моря, а также на некоторых возвышенностях в Англии и Скандинавии наблюдается рост численности. То есть для многих европейских регионов прогнозы указывают на то, что наиболее распространенные в настоящее время виды деревьев испытают значительное сокращение численности (рис. 4, верхняя панель). В частности, при RCP 4.5 77% всех ячеек сети показали потери, которые увеличились до 80% при RCP 8.5. Однако, в более экстремальном сценарии RCP 8.5, намного больше ячеек сетки продемонстрировали значительные потери, т. Е. Для более чем 30% ячеек сетки сохранялось менее 50% текущей относительной численности доминирующих видов (рис. 4, нижняя панель) .

    Рис. 4. Пропорциональное изменение вероятности относительной численности все еще доминирующих видов деревьев на ячейку сетки для RCP 4.5 (вверху слева) и RCP 8.5 (вверху справа) и гистограммы, отображающей частоту признаков, показанных на верхних панелях.Верхние панели: черный, красный и оранжевый цвета указывают на потери (т.е. пропорции ниже 1), а синие цвета указывают на увеличение численности. На нижней панели показаны частоты изменения вероятности относительной численности пока еще доминирующих древесных пород. Здесь оранжевые цвета относятся к проекциям RCP 4.5, а красные цвета — к RCP 8.5. Черная вертикальная линия указывает порог между потерями и прибылью. Вставленные значения относятся к совокупным частотам потерь (слева от черной вертикальной линии) и выигрышей (справа от черной вертикальной линии) для RCP 4.5 (оранжевый) и RCP 8.5 (красный).

    Шеннона H выражает особенности, дополняющие изменения относительной численности (рис. 5 по сравнению с рис. 4). То есть, хотя разнообразие древесных пород уменьшилось в Средиземноморье, оно в целом увеличилось в Центральной и Северной Европе, тем самым отражая иммиграцию новых видов в эти регионы (верхние панели рис. 5). При RCP 4.5 74% ячеек сетки отражали увеличение разнообразия древесных пород, тогда как при RCP 8.5 оно составляло только 68% (нижняя панель рис. 5). Однако согласно RCP 8.5 распределение сместилось в сторону увеличения разнообразия древесных пород, особенно в Скандинавии.

    Рис. 5. Абсолютное изменение H Шеннона для RCP 4.5 (вверху слева) и RCP 8.5 (вверху справа) и гистограмма, отображающая частоту особенностей, показанных на верхних панелях. Верхние панели: красный и оранжевый цвета указывают на утрату разнообразия древесных пород, в то время как синие цвета разграничивают возрастающее разнообразие древесных пород. Нижняя панель отображает частоты абсолютного изменения H, i Шеннона.е., видовое разнообразие деревьев. Здесь оранжевые цвета относятся к проекциям RCP 4.5, а красные цвета — к RCP 8.5. Черная вертикальная линия указывает порог между потерями и прибылью. Вставленные значения относятся к совокупным частотам потерь (слева от черной вертикальной линии) и выигрышей (справа от черной вертикальной линии) для RCP 4.5 (оранжевый) и RCP 8.5 (красный).

    Обсуждение

    Прогнозируемое лицо европейских лесов

    Основываясь на наших прогнозах, кажется вероятным, что внешний вид европейских лесов существенно изменится до конца 21 века.Наиболее заметные изменения связаны с миграцией на север четырех наиболее распространенных видов, т. Е. Сосны обыкновенной, ели европейской, бука европейского и дуба английского, и в то же время заметным сокращением численности в Центральной Европе, особенно ели обыкновенной и сосны обыкновенной. (Фигура 2). Другие широко распространенные в настоящее время виды, такие как Betula pubescens , Betula pendula , Q. petraea и Sorbus aucuparia , имели аналогичные выступы (Рисунок 3 и дополнительные рисунки S9 – S11).В отношении всей Европы относительная важность сосны обыкновенной и европейской ели — наиболее важных в настоящее время экономически важных пород деревьев — снизилась, в то время как относительная важность европейского бука и английского дуба осталась неизменной (рис. 3). Виды деревьев, которые должны были частично заполнить образовавшиеся пробелы: Q. ilex , P. pinaster , P. halepensis , P. nigra , C. sativa и Q. pubescens (рис. 3 и дополнительные рисунки S9 – S14).На больших территориях Центральной и Северной Европы численность доминирующих в настоящее время видов деревьев значительно сократилась, особенно для RCP 8.5, в то время как для большинства районов Средиземноморья прогнозировалось увеличение численности доминирующих в настоящее время видов (рис. 4). Прогнозируемые миграции и изменения численности привели к увеличению разнообразия древесных пород в большинстве регионов к северу от Альп и уменьшению разнообразия древесных пород в Средиземноморье (рис. 5).

    В совокупности эти результаты очерчивают потенциальные очаги уязвимости, особенно на юге Франции, в Испании и на итальянском полуострове, в связи как с уменьшением встречаемости наиболее доминирующих в настоящее время видов деревьев, так и с уменьшением разнообразия видов деревьев даже при менее экстремальных RCP 4. .5 сценарий (рисунки 4, 5). Другие потенциальные очаги уязвимости лесов — хотя и в меньшей степени — расположены в Болгарии и Румынии, а также в Паннонском бассейне, особенно в рамках сценария RCP 8.5. Для этих горячих точек, согласно нашим прогнозам, вероятно, что наиболее распространенные в настоящее время виды деревьев испытают заметное сокращение численности, в то же время уменьшится видовое разнообразие. Следовательно, этим регионам следует уделить особое внимание в контексте адаптации местных лесов к ожидаемым изменениям климата, и необходимо тщательно выбирать древесные породы, поскольку портфель видов в этих регионах, вероятно, сократится.

    Прогнозы видов в научном контексте

    Прогнозируемые изменения четырех наиболее распространенных видов соответствуют результатам недавних исследований. Во-первых, для сосны обыкновенной в последние десятилетия наблюдался рост смертности на ее южной ареальной окраине, например, на Пиренейском полуострове после сильной засухи 2005 г. (Galiano et al., 2010, 2011), во внутриальпийских засушливых регионах. долины, например, в 1998 и 2003 годах (Rebetez and Dobbertin, 2004; Bigler et al., 2006; Pichler and Oberhuber, 2007), а недавно и в низменностях Центральной Европы после жаркого и засушливого лета 2015 года (Buras et al., 2018). Во-вторых, ель обыкновенная хорошо известна своей высокой засухоустойчивостью (Kohler et al., 2010; Lévesque et al., 2013; Zang et al., 2014; Rehschuh et al., 2017). Поскольку в Центральной Европе прогнозируется увеличение частоты и интенсивности периодов засухи (Horton et al., 2015; Pfleiderer, Coumou, 2018), исчезновение ели европейской из низменностей Центральной Европы в наших прогнозах кажется разумным. Наконец, согласно нашим прогнозам, количество бука в Центральной Европе будет более выраженным по сравнению с дубом английским, хотя оба вида пострадали в меньшей степени по сравнению с сосной обыкновенной и елью обыкновенной.С одной стороны, это соответствует мнению Zang et al. (2014), которые сообщили о более низкой засухоустойчивости бука по сравнению с елью обыкновенной. С другой стороны, о более высокой засухоустойчивости бука по сравнению с дубом английским сообщалось на основании дендроэкологических исследований (Scharnweber et al., 2011, 2013; Walentowski et al., 2017) и моделей распределения видов (Walentowski и др., 2017).

    Учитывая менее многочисленные виды, прогнозируемое расширение Q. на север.ilex также находит поддержку в литературе. На основе анализа годичных колец было показано, что Q. ilex снижается при увеличении водного стресса, но выигрывает от повышения зимних температур (Gea-Izquierdo et al., 2011), что соответствует прогнозируемому расширению и снижению на север. в самых засушливых регионах Испании (дополнительный рисунок S9). Кроме того, в литературе подтверждается растущее значение Q. pubescens в низменностях Центральной Европы (дополнительный рисунок S13).Таким образом, опушенный дуб может потенциально заменить сосну обыкновенную в сухих внутренних альпийских долинах из-за сравнительно лучшей адаптации к засушливым условиям (Eilmann et al., 2009; Rigling et al., 2013). Прогнозируемая миграция на север P. nigra (дополнительный рисунок S11) подтверждается исследованиями, в которых сообщается об относительно высокой засухоустойчивости черной сосны и об увеличивающихся тенденциях дефолиации хвои в Средиземном море, что отражает ее чувствительность к повышению температуры (Linares and Tíscar , 2010; Carnicer et al., 2011). Кроме того, сообщалось, что его морозоустойчивость находится в диапазоне среднеевропейских видов, что делает его пригодным для прогнозируемой миграции на север (Kreyling et al., 2012). Также для P. pinaster и P. halepensis наблюдалась повышенная дефолиация листьев, что указывает на снижение продуктивности этих видов в Средиземноморье (Carnicer et al., 2011), что также отражено в их прогнозируемой миграции на север в нашем регионе. исследование (дополнительный рисунок S10).В заключение, некоторые из представленных прогнозируемых изменений в распределении европейских древесных пород подтверждены независимыми исследованиями.

    Ограничения и ограничения

    Несмотря на поддержку независимых исследований, методологический подход, лежащий в основе представленного прогнозируемого распределения древесных пород, имеет определенные ограничения и ограничения. Прежде всего, требуется дальнейшее улучшение довольно грубого разрешения 0,5 °. Это связано с тем, что при таком грубом разрешении перепады высот плохо разрешаются — особенно во внутренних альпийских долинах, но также и в других горных районах, таких как норвежские фьорды.Следовательно, прогнозируемая относительная численность этих регионов требует осторожной интерпретации. Например, хотя кажется вероятным, что рефугиумы европейской ели и сосны обыкновенной останутся на более высоких отметках в Альпах, эти виды, вероятно, исчезнут из засушливых внутренних альпийских долин. Чтобы преодолеть эти ограничения, в будущих исследованиях следует рассмотреть возможность интеграции климатических проекций с более высоким разрешением, таких как ансамбли EURO-CORDEX с пространственным разрешением 11 км (Jacob et al., 2014) или проекции WORLDCLIM с пространственным разрешением 1 км (Fick and Hijmans, 2017 ).Однако, поскольку мы хотели учесть неопределенность модели, включив сравнительно большое количество различных симуляций и, кроме того, столкнулись с вычислительными ограничениями, здесь мы выбрали уменьшенные прогнозы, полученные на основе 16 различных моделей. Но даже если пространственное разрешение увеличится до 1 км, неразрешенная обработка субшкалы останется. Фокусом в контексте суб-масштабных процессов является опушка леса, которая, как недавно было показано, характеризуется более высокой смертностью сосны обыкновенной, вызванной засухой, в пределах первых 50 м от опушки леса (Buras et al., 2018), что может быть справедливо и для других древесных пород. Однако, учитывая особые микроклиматические условия на опушке леса (Chen et al., 1993, 1999), включение этих эффектов в прогнозы распределения древесных видов, основанные только на прогнозах климата с координатной привязкой, остается сложной задачей. Следовательно, опушке леса необходимо уделять дополнительное внимание в контексте уязвимости деревьев, вызванной изменением климата.

    Еще один недостаток представленного подхода связан с нынешним относительным обилием видов.Например, Picea sitchensis в основном распространяется в Соединенном Королевстве и Дании, что может внести определенные предубеждения в отношении его прогнозируемого распространения. То есть, хотя он также способен расти в более континентальных условиях, высокая численность в данных наблюдений в основном ограничивает его прибрежным климатом в прогнозируемой относительной численности. Это также основная причина, по которой мы сосредоточили нашу оценку на четырех самых распространенных породах деревьев. Однако, чтобы также включить виды с прогнозируемым увеличением относительной численности, мы решили рассмотреть все виды, охватывающие не менее 1% данных по лесам ЕС.Еще одно ограничение в этом контексте связано с другими теоретически важными видами деревьев, которые не рассматривались в нашем подходе из-за незначительного представительства в данных ЕС по лесам. Например, Walentowski et al. (2017) сообщили, что Acer campestre , Sorbus torminalis , Sorbus aria , Ulmus minor и Tilia platyphyllos хорошо адаптированы к ожидаемым климатическим условиям, но все они здесь не рассматривались из-за низкой представленности.В этом контексте, кроме того, важно отметить, что на основе использованных данных инвентаризации лесов мы не смогли включить виды деревьев со средиземноморского побережья Северной Африки, которые могут квалифицироваться как потенциальные альтернативные виды деревьев для европейского Средиземноморья согласно прогнозам. климатические условия. Следовательно, сокращение разнообразия древесных пород в регионах Средиземноморья следует интерпретировать в контексте базовых данных. То есть изображенное сокращение разнообразия древесных пород в этих регионах подчеркивает существенную потерю разнообразия 26 самых распространенных в настоящее время видов деревьев в Европе, и, таким образом, местным лесоводам следует рассматривать неместные породы деревьев из-за пределов Европы в качестве потенциальных альтернатив.

    Строгое определение порога климатического аналога для среднего первого процентиля по всем ячейкам европейской сетки также имеет определенные оговорки. Хотя валидационные оценки подтвердили, что этот порог превосходит другие, некоторые вероятные ошибки привели, например, к прогнозируемому увеличению относительной численности бука и дуба на Кольском полуострове (рис. 2). Один из способов справиться с этим — включить дополнительные климатические параметры в расчет климатических расстояний.Однако в ходе обширных испытаний, предпринятых для определения наиболее подходящей комбинации переменных, мы в конечном итоге решили использовать текущий выбор, который можно считать лучшим компромиссом среди доступных переменных, особенно с учетом того, что соответствие между фактическим и прогнозируемым текущим распределением древесных пород было справедливым. хорошо (см. раздел «Картирование текущего и будущего распределения древесных видов» и дополнительные рисунки S2 – S8).

    Наши прогнозы будущего распределения древесных пород были ограничены RCP 4.5 и сценарии RCP 8.5. Однако это не полный спектр имеющихся климатических сценариев на конец 21 века. Например, Парижское соглашение, полученное на конференции сторон 21, направлено на ограничение глобального потепления значительно ниже 2 ° C, а в идеале до 1,5 ° C (Schleussner et al., 2016). Однако сценарии RCP 4.5 и RCP 8.5 в среднем приводят к глобальному потеплению на 2,4 и 4,1 ° C соответственно. Хотя это выше цели Парижского соглашения, эти прогнозы кажутся реалистичными, поскольку они, основанные на текущих национальных амбициях по смягчению последствий, кажется вероятным, что глобальная температура повысится на 3 ° C до конца 21-го века (IPCC, 2018 ).

    Наконец, наш подход в основном основан на климатических свойствах регионов-аналогов, в то время как патогены, такие как грибы и короеды, не рассматривались. Хотя риски, связанные с потенциальными патогенами, в некоторой степени отражаются в нынешней численности видов, другие специфические заболевания не включены. С одной стороны, увеличение частоты засух считается фактором, подстрекающим к появлению определенных грибов и короедов, которые косвенно определяют распределение древесных видов через смертность (Bigler et al., 2006; Rehschuh et al., 2017; Buras et al., 2018) и, вероятно, включены в наш климатический подход. Но с другой стороны, определенные болезни или жуки, которые лишь косвенно связаны с климатом, такие как азиатский усач или грибы, ответственные за заметное отмирание пепла в Европе, вероятно, не охватываются нашим подходом (MacLeod et al., 2002 ; Кирисиц, Фрейншлаг, 2012).

    Несмотря на эти ограничения, представленные прогнозы относительной численности видов можно рассматривать как ценную оценку ожидаемых изменений лесов.Выявление наиболее заметных изменений в распределении древесных пород и определение связанных горячих точек дает заинтересованным сторонам, лесникам и экологам ценную информацию о предстоящих изменениях в составе лесов. Однако, учитывая их относительно низкую в настоящее время численность, характеристики некоторых из идентифицированных альтернативных видов в условиях изменения климата (например, C. sativa ) следует исследовать более подробно.

    Заключение и прогноз

    Наши прогнозы распределения древесных пород указывают на заметные изменения для наиболее распространенных в настоящее время видов деревьев в Европе.То есть, исходя из наших прогнозов и из-за возрастающих рисков смертности от засухи сосна обыкновенная и ель обыкновенная, вероятно, станут убыточными и, как следствие, значительно сократят их численность в лесах низменностей Центральной Европы в ходе ожидаемого изменения климата. В зависимости от масштабов изменения климата (RCP 4.5 по сравнению с RCP 8.5) европейский бук и английский дуб могут выдержать большую часть Центральной Европы. Выявленные здесь потенциальные альтернативные виды деревьев, такие как Q.ilex , P. nigra , P. halepensis , P. pinaster и C. sativa можно считать значимой заменой локально сокращающихся видов деревьев. Однако следует принимать во внимание и другие виды, которые не были интегрированы в наш подход из-за низкой представленности в наборе данных ЕС по лесам и которые были показаны как потенциальные замещающие виды в других исследованиях. Более того, наше исследование выявило горячие точки уязвимости лесов на юге Франции, в Испании, Италии, Паннонском бассейне, Болгарии и Румынии.В частности, в этих областях лесники, заинтересованные стороны и защитники природы должны уделять особое внимание своевременной адаптации местных лесов к ожидаемым изменениям путем выбора пород деревьев, адаптированных к ожидаемым климатическим условиям. Для дальнейшего уточнения нашей картины будущих лесов последующие исследования должны быть нацелены на включение климатических прогнозов с более высокой разрешающей способностью с привязкой к сетке в аналоговые вычисления климата и расширение инвентаризации лесов за пределы Европы.

    Заявление о доступности данных

    После публикации рукописи наборы данных, созданные для этого исследования, можно будет найти в репозитории Github AB.R-код, используемый для вычисления аналогов климата, скоро будет выпущен в виде пакета «R» под названием «ClimCong».

    Взносы авторов

    AB и AM разработали исследование. AB выполнил все статистические анализы и написал рукопись с ценным вкладом AM.

    Финансирование

    Это исследование получило финансирование от Государственного министерства продовольствия, сельского и лесного хозяйства Баварии (StMELF, номер гранта M029).

    Заявление о конфликте интересов

    Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

    Благодарности

    Мы благодарим Рабочую группу по совместному моделированию Всемирной программы исследований климата, которая отвечает за используемые прогнозы CMIP5, и мы благодарим группы моделирования климата (перечисленные в дополнительной таблице S1 к настоящему документу) за подготовку и предоставление результатов своих моделей. Кроме того, мы благодарны доктору Кристиану Келлингу за ценные обсуждения при разработке исследования.

    Дополнительные материалы

    Дополнительные материалы к этой статье можно найти в Интернете по адресу: https: // www.frontiersin.org/articles/10.3389/fpls.2018.01986/full#supplementary-material

    Сокращения

    CMIP 5, Фаза 5 проекта взаимного сравнения сопряженных моделей; RCP, путь относительной концентрации.

    Сноски

    1. https://esgf.llnl.gov/
    2. https://crudata.uea.ac.uk/cru/data/hrg/
    3. https://www.esrl.noaa.gov/psd/data/gridded/data.gpcc.html

    Список литературы

    Аллен, К. Д., Бреширс, Д. Д., Макдауэлл, Н. Г. (2015). О недооценке глобальной уязвимости к гибели деревьев и вымиранию лесов в результате более жаркой засухи в антропоцене. Экосфера 6, 1–55. DOI: 10.1890 / ES15-00203.1

    CrossRef Полный текст | Google Scholar

    Аллен К. Д., Макалади А. К., Ченчуни Х., Бачелет Д., МакДауэлл Н., Веннетье М. и др. (2010). Глобальный обзор засухи и гибели деревьев, вызванной жарой, показывает новые риски изменения климата для лесов. Для. Ecol. Manag. 259, 660–684. DOI: 10.1016 / j.foreco.2009.09.001

    CrossRef Полный текст | Google Scholar

    Бегерия, С., Висенте-Серрано, С. М. (2013). SPEI: Расчет стандартизованного индекса осадков-эвапотранспирации . R Версия пакета 1.6.

    Google Scholar

    Биглер, К., Брекер, О. У., Бугманн, Х., Доббертин, М., и Риглинг, А. (2006). Засуха как фактор, провоцирующий гибель насаждений сосны обыкновенной в Вале, Швейцария. Экосистемы 9, 330–343. DOI: 10.1007 / s10021-005-0126-2

    CrossRef Полный текст | Google Scholar

    Блэк, П. Э. (2006). Манхэттенское расстояние. Dict. Структура данных алгоритмов. 18: 2012.

    Google Scholar

    Бреширс, Д. Д., Кобб, Н. С., Рич, П. М., Прайс, К. П., Аллен, К. Д., Балис, Р. Г. и др. (2005). Отмирание региональной растительности в ответ на засуху, вызывающую глобальные изменения. Proc. Natl. Акад. Sci. США, 102, 15144–15148.DOI: 10.1073 / pnas.0505734102

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Buras, A., Schunk, C., Zeiträg, C., Herrmann, C., Kaiser, L., Lemme, H., et al. (2018). Подвержены ли опушки соснового леса обыкновенной гибели от засухи? Environ. Res. Lett. 13: 025001. DOI: 10.1088 / 1748-9326 / aaa0b4

    CrossRef Полный текст | Google Scholar

    Кайлерэ, М., Янсен, С., Роберт, Э. М. Р., Десото, Л., Аакала, Т., Антос, Дж. А., и другие. (2017). Синтез радиальных моделей роста, предшествующих гибели деревьев. Glob. Сменить Биол. 23, 1675–1690. DOI: 10.1111 / gcb.13535

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Карнисер, Дж., Колл, М., Ниньерола, М., Понс, X., Санчес, Г., и Пеньуэлас, Дж. (2011). Повсеместное ухудшение состояния кроны, разрушение пищевой сети и усиление смертности деревьев в связи с усилением засухи, вызванной изменением климата. Proc. Natl. Акад. Sci. США, 108, 1474–1478.DOI: 10.1073 / pnas.1010070108

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Чен Дж., Франклин Дж. Ф. и Спайс Т. А. (1993). Контрастный микроклимат среди сплошных вырубок, опушек и внутренних частей старовозрастного елового леса Дугласа. Agric. За. Meteorol. 63, 219–237. DOI: 10.1016 / 0168-1923 (93)

    -L

    CrossRef Полный текст | Google Scholar

    Chen, J., Saunders, S.C., Crow, T.R., Naiman, R.J., Brosofske, K.D., Mroz, G.D., et al.(1999). Микроклимат лесных экосистем и ландшафтная экология Изменения местного климата можно использовать для мониторинга и сравнения эффектов различных режимов управления. Bioscience 49, 288–297. DOI: 10.2307 / 1313612

    CrossRef Полный текст | Google Scholar

    Чоат Б., Бродрибб Т. Дж., Бродерсен К. Р., Дуурсма Р. А., Лопес Р. и Медлин Б. Э. (2018). Причины гибели деревьев при засухе. Природа 558, 531–539. DOI: 10.1038 / s41586-018-0240-x

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Дуламсурен, К., Хаук, М., Копп, Г., Рафф, М., и Лойшнер, К. (2017). Европейский бук реагирует на изменение климата снижением роста на более низких уровнях и увеличением роста на более высоких отметках в центре ареала его распространения (юго-запад Германии). Деревья 31, 673–686. DOI: 10.1007 / s00468-016-1499-x

    CrossRef Полный текст | Google Scholar

    Dulamsuren, C., Hauck, M., and Leuschner, C. (2010). Недавний стресс, вызванный засухой, приводит к снижению роста растения Larix sibirica в западном Хэнтее, Монголия. Glob. Сменить Биол. 16, 3024–3035. DOI: 10.1111 / j.1365-2486.2009.02147.x

    CrossRef Полный текст | Google Scholar

    Эйлманн Б., Цвайфель Р., Бухманн Н., Фонти П. и Риглинг А. (2009). Адаптация ксилемы сосны обыкновенной и опушенного дуба под действием засухи. Tree Physiol. 29: 1011. DOI: 10.1093 / treephys / tpp035

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Фекете, И., Лайтха, К., Котрочо, З., Варбиро, Г., Варга, К., Тот, Дж. А. и др. (2017). Долгосрочные последствия изменения климата для накопления углерода и состава древесных пород в сухом лиственном лесу. Glob. Сменить Биол. 23, 3154–3168. DOI: 10.1111 / gcb.13669

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Фик, С. Э., и Хиджманс, Р. Дж. (2017). WorldClim 2: новые климатические поверхности с пространственным разрешением 1 км для земельных участков мира. Внутр. J. Climatol. 37, 4302–4315. DOI: 10.1002 / joc.5086

    CrossRef Полный текст | Google Scholar

    Форд, Дж.Д., Кескитало, Э. С. Х., Смит, Т., Пирс, Т., Берранг-Форд, Л., Дюрден, Ф. и др. (2010). Тематические исследования и аналоговые методологии исследования уязвимости к изменению климата. Wiley междисциплинарный. Преподобный Клим. Изменить 1, 374–392. DOI: 10.1002 / wcc.48

    CrossRef Полный текст | Google Scholar

    Галиано, Л., Мартинес-Вилалта, Дж., И Льорет, Ф. (2010). Вызванное засухой многофакторное сокращение численности сосны обыкновенной в Пиренеях и потенциальное изменение растительности из-за распространения сопутствующих видов дуба. Экосистемы 13, 978–991. DOI: 10.1007 / s10021-010-9368-8

    CrossRef Полный текст | Google Scholar

    Галиано, Л., Мартинес-Вилалта, Дж., И Льорет, Ф. (2011). Запасы углерода и дефолиация полога определяют восстановление сосны обыкновенной через 4 года после эпизода засухи. New Phytol. 190, 750–759. DOI: 10.1111 / j.1469-8137.2010.03628.x

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Хеа-Искьердо, Г., Керубини, П., и Каньеллас, И.(2011). Годовые кольца отражают влияние изменения климата на Quercus ilex L. вдоль температурного градиента в Испании за последние 100 лет. Для. Ecol. Manag. 262, 1807–1816. DOI: 10.1016 / j.foreco.2011.07.025

    CrossRef Полный текст | Google Scholar

    Гейгер Р. (1961). Überarbeitete Neuausgabe von Geiger, R. Дармштадт: Köppen-GeigerKlima ErdeWandkarte.

    Google Scholar

    Халофски, Дж. Э., Петерсон, Д. Л., и Прендевиль, Х.Р. (2018). Оценка уязвимости и адаптация к изменению климата в лесах северо-запада США. Клим. Изменить 146, 89–102. DOI: 10.1007 / s10584-017-1972-6

    CrossRef Полный текст | Google Scholar

    Харрис И., Джонс П. Д., Осборн Т. Дж. И Листер Д. Х. (2014). Обновленные сетки ежемесячных климатических наблюдений высокого разрешения — CRU TS3.10 Dataset. Внутр. J. Climatol. 34, 623–642. DOI: 10.1002 / joc.3711

    CrossRef Полный текст | Google Scholar

    Хиджманс, Р.Дж. И Грэхем К. Х. (2006). Способность моделей климатической оболочки предсказывать влияние изменения климата на распространение видов. Glob. Сменить Биол. 12, 2272–2281. DOI: 10.1111 / j.1365-2486.2006.01256.x

    CrossRef Полный текст | Google Scholar

    Хогг, Э. Х., и Хердл, П. А. (1995). Осиновый парк на западе Канады: аналог засушливого климата для будущего бореального леса? Загрязнение воды и воздуха в почве. 82, 391–400. DOI: 10.1007 / BF01182849

    CrossRef Полный текст | Google Scholar

    Хортон, Д.Э., Джонсон, Н. С., Сингх, Д., Суэйн, Д. Л., Раджаратнам, Б., и Диффенбо, Н. С. (2015). Вклад изменений в атмосферной циркуляции в тенденции экстремальных температур. Природа 522, 465–469. DOI: 10.1038 / природа14550

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Хуанг, В., Фонти, П., Ларсен, Дж. Б., Рубильд, А., Каллесен, И., Педерсен, Н. Б. и др. (2017). Прогнозирование реакции роста деревьев на будущий климат: учебный пример из обычного сада в Дании. Agric. За. Meteorol. 247, 240–251. DOI: 10.1016 / j.agrformet.2017.07.016

    CrossRef Полный текст | Google Scholar

    IPCC (2014). «Изменение климата 2014: сводный отчет» в Вклад рабочих групп I, II и III в Пятый оценочный отчет Межправительственной группы экспертов по изменению климата , редактор Core Writing Team, Р. К. Пачаури и Л. А. Мейер (Женева: МГЭИК) , 151.

    Google Scholar

    IPCC (2018). Глобальное потепление 1.5 ° C — специальный отчет МГЭИК о воздействии глобального потепления на 1,5 ° C выше доиндустриальных уровней и соответствующих глобальных путях выбросов парниковых газов в контексте усиления глобального реагирования на угрозу изменения климата, устойчивого развития и усилия по искоренению бедности. Резюме для политиков. Доступно на: https://www.ipcc.ch/sr15/

    Джейкоб Д., Петерсен Дж., Эггерт Б., Псевдоним А., Кристенсен О. Б., Бауэр Л. М. и др. (2014). EURO-CORDEX: новые прогнозы изменения климата с высоким разрешением для европейских исследований воздействия. Рег. Environ. Измените 14, 563–578. DOI: 10.1007 / s10113-013-0499-2

    CrossRef Полный текст | Google Scholar

    Кирисиц Т., Фрейншлаг К. (2012). Усыхание ясеня вызвано Hymenoscyphus pseudoalbidus на семенной плантации Fraxinus excelsior в Австрии. J. Agric. Ext. Rural Dev. 4, 184–191. DOI: 10.5897 / JAERD12.046

    CrossRef Полный текст | Google Scholar

    Колер М., Зон Дж., Нэгеле Г. и Баухус Дж.(2010). Можно ли повысить засухоустойчивость ели европейской ( Picea abies ) за счет прореживания? Eur. J. For. Res 129, 1109–1118. DOI: 10.1007 / s10342-010-0397-9

    CrossRef Полный текст | Google Scholar

    Кеппен, В. (1900). Versuch einer Klassifikation der Klimate, vorzugsweise nach ihren Beziehungen zur Pflanzenwelt. Геогр. Z. 6, 593–611.

    Google Scholar

    Крейлинг, Дж., Визенберг, Г. Л. Б., Тиль, Д., Вольфарт, К., Huber, G., Walter, J., et al. (2012). Холодостойкость Pinus nigra Arnold зависит от географического происхождения, потепления и сильной летней засухи. Environ. Exp. Бот. 78, 99–108. DOI: 10.1016 / j.envexpbot.2011.12.026

    CrossRef Полный текст | Google Scholar

    Leibing, C., Signer, J., van Zonneveld, M., Jarvis, A., Dvorak, W., Leibing, C., et al. (2013). Выбор источников происхождения для адаптации тропического соснового леса к изменению климата на основе климатических аналогов. Леса 4, 155–178. DOI: 10.3390 / f4010155

    CrossRef Полный текст | Google Scholar

    Lévesque, M., Saurer, M., Siegwolf, R., Eilmann, B., Brang, P., Bugmann, H., et al. (2013). Реакция пяти видов хвойных пород на засуху в условиях разной водности свидетельствует о высокой уязвимости ели европейской и лиственницы европейской. Glob. Сменить Биол. 19, 3184–3199. DOI: 10.1111 / gcb.12268

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Линарес, Дж.К. и Тискар П. А. (2010). Воздействие изменения климата и уязвимость южных популяций Pinus nigra subsp. salzmannii. Tree Physiol. 30, 795–806. DOI: 10.1093 / treephys / tpq052

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Люделинг, Э., Киндт, Р., Хут, Н. И., и Кениг, К. (2014). Системы агролесоводства в меняющемся климате — проблемы при прогнозировании будущих результатов. Curr. Opin. Environ. Поддерживать. 6, 1–7.DOI: 10.1016 / j.cosust.2013.07.013

    CrossRef Полный текст | Google Scholar

    МакЛауд А., Эванс Х. Ф. и Бейкер Р. Х. А. (2002). Анализ фитосанитарного риска от азиатского усачка ( Anoplophora glabripennis ) до деревьев лиственных пород в Европейском сообществе. Crop Prot. 21, 635–645. DOI: 10.1016 / S0261-2194 (02) 00016-9

    CrossRef Полный текст | Google Scholar

    Мартинес-Мейер, А., Санчес, Л., Пасторино, М., Галло, Л., и Розенберг, П.(2008). Что горячего в годичных кольцах? Плотность древесины дугласовых елей, переживших засуху и аномальную жару 2003 года. Для. Ecol. Manag. 256, 837–843. DOI: 10.1016 / j.foreco.2008.05.041

    CrossRef Полный текст | Google Scholar

    Мартинес-Санчо, Э., Дорадо-Линьян, И., Хаке, У. Г., Зайдель, Х., Мензель, А. (2017). Контрастные гидравлические конструкции сосны обыкновенной и скального дуба на самых южных границах их распространения. Фронт. Plant Sci. 8: 598. DOI: 10.3389 / fpls.2017.00598

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Мартинес-Вилалта, Дж., Льорет, Ф., и Бреширс, Д. Д. (2012). Сокращение лесов в результате засухи: причины, масштабы и последствия. Biol. Lett. 8, 689–691. DOI: 10.1098 / RSBL.2011.1059

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Максуини, К. Ф., и Джонс, Р. Г. (2016). Насколько репрезентативен разброс климатических прогнозов от 5 GCM CMIP5, используемых в ISI-MIP? Клим.Серв. 1, 24–29. DOI: 10.1016 / j.cliser.2016.02.001

    CrossRef Полный текст | Google Scholar

    Мецгер, М. Дж., Банс, Р. Г. Х., Йонгман, Р. Х. Г., Сэйр, Р., Трабукко, А., и Зомер, Р. (2013). Биоклиматическая карта мира с высоким разрешением: объединяющая структура для глобального исследования и мониторинга биоразнообразия. Glob. Ecol. Биогеогр. 22, 630–638. DOI: 10.1111 / geb.12022

    CrossRef Полный текст | Google Scholar

    Monserud, R.A., and Leemans, R.(1992). Сравнение глобальных карт растительности со статистикой Каппа. Ecol. Модель. 62, 275–293. DOI: 10.1016 / 0304-3800 (92)

    -W

    CrossRef Полный текст | Google Scholar

    Набуурс, Г.-Дж., Веркерк, П.Дж., Шелхаас, М.-Дж., Олабаррия, Дж. Р. Г., Трасобарес, А., и Ченсьяла, Э. (2018). Климатически оптимизированное лесное хозяйство: смягчение воздействия в трех европейских регионах. Вагенинген: европейские лесные ресурсы в университете Вагенингена и исследования.

    Google Scholar

    Олсон, Д.М., Динерштейн, Э., Викраманаяке, Э. Д., Берджесс, Н. Д., Пауэлл, Г. В. Н., Андервуд, Э. С. и др. (2001). Наземные экорегионы мира: новая карта жизни на Земле. Новая глобальная карта наземных экорегионов представляет собой инновационный инструмент для сохранения биоразнообразия. Bioscience 51, 933–938. DOI: 10.1641 / 0006-3568 (2001) 051 [0933: TEOTWA] 2.0.CO; 2

    CrossRef Полный текст | Google Scholar

    Пастор Дж. И Пост У. М. (1988). Реакция северных лесов на изменение климата, вызванное выбросами CO2. Природа 334, 55–58. DOI: 10.1038 / 334055a0

    CrossRef Полный текст | Google Scholar

    Perkins, D., Uhl, E., Biber, P., du Toit, B., Carraro, V., Rötzer, T., et al. (2018). Влияние климатических тенденций и засух на рост дубов ( Quercus robur L. и Quercus petraea (Matt.) Liebl.) В пределах и за пределами их естественного ареала. Леса 9: 108. DOI: 10.3390 / f08

    CrossRef Полный текст | Google Scholar

    Пфлейдерер, П., и Куму, Д. (2018). Количественная оценка сохранения температуры на суше в Северном полушарии. Клим. Дин. 51, 627–637. DOI: 10.1007 / s00382-017-3945-x

    CrossRef Полный текст | Google Scholar

    Пихлер П. и Оберхубер В. (2007). Реакция радиального роста деревьев хвойных лесов во внутренних Альпах на волну жары в 2003 г. For. Ecol. Manag. 242, 688–699. DOI: 10.1016 / j.foreco.2007.02.007

    CrossRef Полный текст | Google Scholar

    Ребетес, М., и Доббертин, М. (2004). Изменение климата может уже угрожать насаждениям сосны обыкновенной в Швейцарских Альпах. Теор. Прил. Climatol. 79, 1–9. DOI: 10.1007 / s00704-004-0058-3

    CrossRef Полный текст | Google Scholar

    Рехшух Р., Метте Т., Мензель А. и Бурас А. (2017). Свойства почвы влияют на засухоустойчивость ели обыкновенной. Dendrochronologia 45, 81–89. DOI: 10.1016 / j.dendro.2017.07.003

    CrossRef Полный текст | Google Scholar

    Риглинг, А., Bigler, C., Eilmann, B., Feldmeyer-Christe, E., Gimmi, U., Ginzler, C., et al. (2013). Движущие факторы перехода растительности от сосны обыкновенной к опушенной дубу в сухих альпийских лесах. Glob. Сменить Биол. 19, 229–240. DOI: 10.1111 / gcb.12038

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Рудольф Б. и Зизе М. (2011). Повторный анализ полных данных GPCC, версия 7.0 при 0,5: ежемесячные осадки на поверхности суши по дождемерам, построенным на основе данных GTS и исторических данных. Deutscher Wetterdienst: Глобальный центр климатологии осадков.

    Google Scholar

    Саркар, Д. (2008). Решетка : многомерная визуализация данных с помощью R. Берлин: Springer Science & Business Media.

    Google Scholar

    Шарнвебер Т., Манти М., Криджи К., Бауве А., Шредер К. и Уилмкинг М. (2011). Засуха имеет значение — уменьшение количества осадков влияет на рост Fagus sylvatica L. и Quercus robur L.в северо-восточной Германии. Для. Ecol. Manag. 262, 947–961. DOI: 10.1016 / j.foreco.2011.05.026

    CrossRef Полный текст | Google Scholar

    Шарнвебер Т., Манти М. и Уилмкинг М. (2013). Дифференциальный радиальный характер роста бука ( Fagus sylvatica L.) и дуба ( Quercus robur L.) на периодически переувлажненных почвах. Tree Physiol. 33, 425–437. DOI: 10.1093 / treephys / tpt020

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Шеррер, Д., Massy, ​​S., Meier, S., Vittoz, P., and Guisan, A. (2017). Оценка и прогноз изменений в составе горных лесов за 25 лет изменения климата. Дайверы. Дистриб. 23, 517–528. DOI: 10.1111 / ddi.12548

    CrossRef Полный текст | Google Scholar

    Schleussner, C.-F., Rogelj, J., Schaeffer, M., Lissner, T., Licker, R., Fischer, E.M., et al. (2016). Научные и политические характеристики температурной цели Парижского соглашения. Nat. Клим. Изменить 6, 827–835.DOI: 10.1038 / nclimate3096

    CrossRef Полный текст | Google Scholar

    Шеннон, К. Э. (1948). Замечание о понятии энтропии. Bell Syst. Tech. J. 27, 379–423. DOI: 10.1002 / j.1538-7305.1948.tb01338.x

    CrossRef Полный текст | Google Scholar

    Соуза-Силва, Р., Вербист, Б., Ломба, Э, Валент, П., Сушкевич, М., Пикард, О., и др. (2018). Адаптация управления лесами к изменению климата в Европе: увязка восприятия с адаптивными ответами. Для.Экономическая политика. 90, 22–30. DOI: 10.1016 / j.forpol.2018.01.004

    CrossRef Полный текст | Google Scholar

    Сайкс, М. Т., и Прентис, И. К. (1996). Изменение климата, распространение древесных пород и динамика лесов: тематическое исследование в зоне смешанных хвойных и лиственных пород северной Европы. Клим. Измените 34, 161–177. DOI: 10.1007 / BF00224628

    CrossRef Полный текст | Google Scholar

    Валентовски, Х., Фальк, В., Метте, Т., Кунц, Дж., Бройнинг, А., Meinardus, C., et al. (2017). Оценка будущей пригодности древесных пород в условиях изменения климата несколькими методами: тематическое исследование на юге Германии. Ann. За. Res. 60, 101–126. DOI: 10.15287 / afr.2016.789

    CrossRef Полный текст | Google Scholar

    Уолтер Х. и Лит Х. (1960). 1967: Климадиаграмм-Вельтатлас. Йена: Густав Фиш.

    Google Scholar

    Занг, К., Хартл-Мейер, К., Дитмар, К., Роте, А., и Мензель, А. (2014).Модели засухоустойчивости основных европейских лесных деревьев умеренного пояса: климатические факторы и уровни изменчивости. Glob. Сменить Биол. 20, 3767–3779. DOI: 10.1111 / gcb.12637

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Zscheischler, J., Westra, S., van den Hurk, B.J.J.M., Seneviratne, S.I., Ward, P.J., Pitman, A., et al. (2018). Будущий климатический риск от сложных явлений. Nat. Клим. Измените 8, 469–477. DOI: 10.1038 / s41558-018-0156-3

    CrossRef Полный текст | Google Scholar

    До половины мировых видов диких деревьев могут оказаться под угрозой исчезновения | Деревья и леса

    От трети до половины мировых видов диких деревьев находятся под угрозой исчезновения, что создает риск более широкого разрушения экосистем, как предупреждает самая полная на сегодняшний день глобальная инвентаризация.

    Вырубка лесов для ведения сельского хозяйства на сегодняшний день является самой большой причиной вымирания, согласно докладу «Состояние деревьев в мире», который был опубликован в среду вместе с призывом к незамедлительным действиям, чтобы обратить вспять спад.

    Пятилетнее международное исследование показало, что 17 510 видов деревьев находятся под угрозой, что вдвое превышает количество находящихся под угрозой исчезновения млекопитающих, птиц, земноводных и рептилий вместе взятых.

    Это было 29,9% из 58 497 известных видов деревьев в мире. Но доля подверженных риску, вероятно, будет выше еще на 7.1% были признаны «находящимися под угрозой», а 21,6% были оценены недостаточно. Только 41,5% были подтверждены как безопасные.

    Диаграмма

    Проблема была очевидна по всему миру. На Мадагаскаре было больше всего (1842) находящихся под угрозой исчезновения видов деревьев, на втором месте Бразилия с 1788, среди них красное дерево с большими листьями, палисандр и евгения. В Китае, занимающем шестое место в мире по биоразнообразию, магнолия, камелия и клен входят в число 890 видов, которым грозит опасность.

    Тропические островные государства, особенно черное дерево и палисандр, пострадали в непропорционально большой степени, но даже в Европе, которая относительно бедна с точки зрения естественного разнообразия, наблюдается тревожное сокращение количества белых лугов и рябины.В Северной Америке вредители и болезни вызывают серьезные потери популяций ясеня.

    Недавно срубленное малагасийское розовое дерево, незаконно вырубленное в национальном парке Масоала на Мадагаскаре. Фотография: Тоби Смит / AP

    Ботаники называют деревья «основой естественной экосистемы». Хотя к настоящему времени вымерло только 0,2% видов, авторы говорят, что ускоряющееся сокращение может иметь ужасные последствия. Люди напрямую страдают от потери улавливания углерода, производства кислорода, древесины для строительства, топлива для костров, ингредиентов для лекарств и продуктов питания, защиты от штормов и благополучия, которое исходит от тени и красоты.Возможно, более важным является косвенное воздействие на естественные системы жизнеобеспечения. Во многих частях мира деревья являются столпами здоровой экосистемы. Без них другие растения, насекомые, птицы и млекопитающие борются за выживание.

    «Деревья необходимы … это как башня Дженга. Вытащите не тот, и экосистема развалится », — сказал ведущий автор отчета Малин Риверс, руководитель отдела охраны природы в Botanic Gardens Conservation International (BGCI). «Когда я смотрю на эти цифры, я чувствую, что нам нужно действовать прямо сейчас.”

    деревья диаграмма

    В отчете определены основные угрозы деревьям. На первом месте находится сельское хозяйство (урожай 29% и животноводство 14%), за ним следуют лесозаготовки (27%), жилищное строительство и другие коммерческие объекты (13%), пожар (13%), горнодобывающая промышленность (9%), плантации целлюлозы (6%). и инвазивные виды (3%). Изменение климата (4%) находится в конце списка, хотя сюда не входит давление, которое оно оказывает на пожары и сельское хозяйство.

    Джерард Т. Доннелли, президент Morton Arboretum в Иллинойсе, США, надеялся, что политики воспользуются новаторским исследованием в качестве инструмента сохранения: « Этот отчет ясно показывает, что деревья в мире находятся в опасности.Он был разработан в результате многолетних активных исследований и сотрудничества между ведущими мировыми организациями по сохранению деревьев и будет направлять дальнейшие научно обоснованные действия по предотвращению исчезновения деревьев ».

    Деревья по странам

    BGCI рекомендовала расширить зону охвата охраняемых территорий для находящихся под угрозой исчезновения видов, провести кампании по посадке растений, ориентированные на популяции, подвергающиеся наибольшему риску, более тесное глобальное сотрудничество, большее финансирование усилий по сохранению и более активные усилия по поддержке видов в ботанических садах и банки семян.

    Группа запустила портал GlobalTree Portal, онлайновую базу данных, отслеживающую усилия по сохранению видов, стран и всего мира.

    «Впервые мы знаем, какие виды находятся под угрозой, где они находятся и как им угрожают, чтобы мы могли принимать более информированные решения по сохранению», — сказал Риверс. «Эти виды еще не вымерли. Есть еще надежда. Есть еще способы вернуть их с пропасти «.

    В эту статью внесены изменения 1 сентября 2021 года.Больше всего угрожаемых видов деревьев находится на Мадагаскаре, а не в Бразилии, как говорилось в более ранней версии.

    Большие данные о распространении древесных пород: насколько велики и насколько хороши? | Forest Ecosystems

  • Allen CD, Macalady AK, Chenchouni H, Bachelet D, McDowell N, Vennetier M, Kitzberger T, Rigling A, Breshears DD, Hogg EH, Gonzalez P, Fensham R, Zhang Z, Castro J, Demidova N, Лим Дж. Х., Аллард Дж., Бегущий С. В., Семерчи А., Кобб Н. (2010) Глобальный обзор засухи и гибели деревьев, вызванной жарой, показывает новые риски изменения климата для лесов.Для Ecol Manag 259: 660–684

    Артикул Google Scholar

  • Андерсон Р.П., Араухо М., Гисан А., Лобо Дж. М., Мартинес-Мейер Э, Петерсон А. Т., Соберон Дж. (2016) Заключительный отчет целевой группы о пригодности данных GBIF для использования в моделировании распределения https: // serval. unil.ch/resource/serval:BIB_768D188CEA5B.P001/REF. Доступ 17 июня 2017 г.

    Google Scholar

  • Эш Дж. Д., Гивниш Т. Дж., Уоллер Д. М. (2017) Отслеживание задержек в изменении исторических видов растений в связи с региональным изменением климата.Glob Change Biol 23: 1305–1315

    Статья Google Scholar

  • Банда К., Дельгадо-Салинас А, Декстер К.Г., Линарес-Паломино Р., Оливейра А., Прадо Д., Пуллан М., Кинтана С, Риина Р., Родригес Г.М., Вайнтритт Дж., Асеведо-Родригес П., Адарве Дж., Альварес E, Арангурен А., Артеага Дж. К., Эймард Дж., Кастано А., Себальос-Маго Н., Коголло А., Куадрос Х, Дельгадо Ф, Девия В., Дуэнас Х, Фахардо Л., Фернандес А., Фернандес М. А., Франклин Дж., Фрейд Е. Х., Галетти Лос-Анджелес, Гонто Р., Гонсалес-М. Р., Грейвсон Р., Хелмер Э. Х., Идаррага А., Лопес Р., Маркано-Вега Х, Мартинес О. Г., Матуро Х. М., Макдональд М., Макларен К., Мело О, Михарес Ф., Могни В, Молина Д. , Морено Н.Д., Нассар Дж. М., Невес Д. М., Окли Л. Дж., Оатэм М., Ольвера-Луна А. Р., Пеццини Ф. Ф., Домингес О. Д. Р., Риос М. Е., Ривера О., Родригес Н., Рохас А., Саркинен Т., Санчес Р., Смит М., Варгас К. , Вильянуэва Б., Пеннингтон Р.Т. (2016) Модели разнообразия растений в неотропических засушливых лесах и их значение для сохранения.Science 353: 1383–1387

    Статья Google Scholar

  • Бук Э., Риверс М., Олдфилд С., Смит П.П. (2017) GlobalTreeSearch: первая полная глобальная база данных о видах деревьев и их распространении по странам. J Sustain For 36: 454–489. https://doi.org/10.1080/10549811.2017.1310049

    Артикул Google Scholar

  • Botkin DB, Saxe H, Araujo MB, Betts R, Bradshaw RHW, Cedhagen T, Chesson P, Dawson TP, Etterson JR, Faith DP, Ferrier S, Guisan A, Hansen AS, Hilbert DW, Loehle C, Margules C, New M, Sobel MJ, Stockwell DRB (2007) Прогнозирование воздействия глобального потепления на биоразнообразие.AIBS Bull 57: 227–236

    Google Scholar

  • Boyle B, Hopkins N, Lu Z, Garay JAR, Mozzherin D, Rees T., Matasci N, Narro ML, Piel WH, Mckay SJ, Lowry S, Freeland C, Peet RK, Enquist BJ (2013) Таксономический Служба разрешения имен: онлайн-инструмент для автоматической стандартизации названий растений. BMC Bioinformatics 14:16

    Статья PubMed PubMed Central Google Scholar

  • Брэдли Р.Д., Брэдли Л.К., Гарнер Х.Дж., Бейкер Р.Дж. (2014) Оценка ценности коллекций естествознания и решение вопросов, касающихся долгосрочного роста и ухода.Биология 64: 1150–1158. https://doi.org/10.1093/biosci/biu166

    Артикул Google Scholar

  • Capinha C, Pateiro-López B (2014) Прогнозирование распределения видов в новых областях или периодах времени с альфа-формами. Экол Информ 24: 231–237. https://doi.org/10.1016/j.ecoinf.2014.06.001

    Артикул Google Scholar

  • Чемберлен С. (2017) rgbif: Интерфейс к Глобальному информационному фонду «Биоразнообразие» «API».Пакет R версии 0.9.8. https://CRAN.R-project.org/package=rgbif. По состоянию на 17 июня 2017 г.

  • Chapman AD (2005) Принципы и методы очистки данных: данные о первичных видах и встречаемости видов. Глобальный информационный фонд по биоразнообразию, Копенгаген http://www.gbif.org/document/80528. По состоянию на 17 июня 2017 г.

    Google Scholar

  • Чоат Б, Янсен С., Бродрибб Т.Дж., Кочард Х., Делзон С., Бхаскар Р., Буччи С.Дж., Фейлд Т.С., Глисон С.М., Хаке У.Г., Якобсен А.Л., Ленс Ф, Махерали Х., Мартинес-Вилалта Дж., Майр С. , Mencuccini M, Mitchell PJ, Nardini A, Pittermann J, Pratt RB, Sperry JS, Westoby M, Wright IJ, Zanne AE (2012) Глобальная конвергенция уязвимости лесов к засухе.Природа 491: 752

    CAS PubMed Google Scholar

  • Core Team R (2017) R: язык и среда для статистических вычислений. Фонд R для статистических вычислений, Вена, Австрия

    Google Scholar

  • Costello MJ, Appeltans W, Bailly N, Berendsohn WG, de Jong Y, Edwards M, Froese R, Huettmann F, Los W, Mees J, Segers H, Bisby FA (2014) Стратегии обеспечения устойчивости открытого онлайн -доступ к базам данных по биоразнообразию.Биол Консерв 173: 155–165. https://doi.org/10.1016/j.biocon.2013.07.042

    Артикул Google Scholar

  • Доусон Т.П., Джексон ST, House JI, Prentice IC, Mace GM (2011) Помимо прогнозов: сохранение биоразнообразия в меняющемся климате. Наука 332: 53–58

    CAS Статья PubMed Google Scholar

  • Энквист Б.Дж., Кондит Р., Пит Р.К., Шильдхауэр М., Тьер Б.М. (2016) Киберинфраструктура для интегрированной ботанической информационной сети для исследования экологических воздействий глобального изменения климата на биоразнообразие растений.Препринты PeerJ 4: e2615v2 https://doi.org/10.7287/peerj.preprints.2615v2. Доступ 17 июня 2017 г.

    Google Scholar

  • Фигейредо Э., Смит Г. Ф., Сезар Дж. (2009) Флора Анголы: первая запись разнообразия и эндемизма. Таксон 58: 233–236

    Google Scholar

  • Франклин Дж. (2010) Распределение видов на картах: пространственный вывод и прогноз. Издательство Кембриджского университета, Кембридж

    Книга Google Scholar

  • Франклин Дж., Серра-Диас Дж. М., Сифард А. Д., Реган Х. М. (2016) Глобальные изменения и динамика сообщества наземных растений.Proc Natl Acad Sci 113: 3725–3734. https://doi.org/10.1073/pnas.1519

    3

    CAS Статья PubMed PubMed Central Google Scholar

  • Франклин Дж., Серра-Диас Дж. М., Сифард А. Д., Реган Х. М. (2017) Большие данные для прогнозирования воздействия глобальных изменений на растительные сообщества: большие данные для прогнозирования динамики растительности. Glob Ecol Biogeogr 26: 6–17. https://doi.org/10.1111/geb.12501

    Артикул Google Scholar

  • Gamfeldt L, Snäll T, Bagchi R, Jonsson M, Gustafsson L, Kjellander P, Ruiz-Jaen MC, Froberg M, Stendahl J, Philipson CD, Mikusinski G, Andersson E, Westerlund B, Andren H, Moberg F , Моен Дж., Бенгтссон Дж. (2013) Более высокий уровень множественных экосистемных услуг наблюдается в лесах с большим количеством видов деревьев.Нац Коммуна 4: 1340. https://doi.org/10.1038/ncomms2328

    Артикул PubMed PubMed Central Google Scholar

  • Гарсиа-Росельо Э, Гизанде С., Манджаррес-Эрнандес А, Гонсалес-Дакоста Дж., Хайне Дж., Пелайо-Вильямил П., Гонсалес-Вилас Л., Вари РП, Вамондебо А., Гранадо-Лоренцио, 2015 г. ) Можем ли мы вывести макроэкологические закономерности на основе первичных данных глобального информационного центра о биоразнообразии?: Макроэкологические закономерности и данные GBIF.Glob Ecol Biogeogr 24: 335–347. https://doi.org/10.1111/geb.12260

    Артикул Google Scholar

  • Gilles D, Zaiss R, Blach-Overgaard A, Catarino L, Damen T, Deblauwe V, Dessein S, Dransfield J, Droissart V, Duarte MC, Engledow H, Fadeur G, Figueira R, Gereau RE, Hardy OJ , Harris DJ, de Heij J, Janssens S, Klomberg Y, Ley AC, Mackinder BA, Meerts P, van de Poel JL, Sonke B, Sosef MSM, Stevart T, Stoffelen P, Svenning JC, Sepulcher P, van der Burgt X , Wieringa JJ, Couvreur TLP (2016) RAINBIO: мега-база данных о распространении сосудистых растений тропической Африки.Фитоключи 74: 1–18. https://doi.org/10.3897/phytokeys.74.9723

    Артикул Google Scholar

  • Грэм С., Ферье С., Хюттман Ф., Мориц С., Петерсон А. Т. (2004) Новые разработки в музейной информатике и приложениях для анализа биоразнообразия. Тенденции Ecol Evol 19: 497–503. https://doi.org/10.1016/j.tree.2004.07.006

    Артикул PubMed Google Scholar

  • Guisan A, Tingley R, Baumgartner JB, Naujokaitis-Lewis I, Sutcliffe PR, Tulloch AIT, Regan TJ, Brotons L, McDonald-Madden E, Mantyka-Pringle C, Martin TG, Rhodes JR, Set Maggini R С.А., Элит Дж., Шварц М.В., Винтл Б.А., Броенниманн О., Остин М., Ферриер С., Кирни М.Р., Поссингем Х.П., Бакли Ю.М. (2013) Прогнозирование распределения видов для принятия решений по сохранению.Ecol Lett 16: 1424–1435. https://doi.org/10.1111/ele.12189

    Артикул PubMed PubMed Central Google Scholar

  • Hampton SE, Anderson SS, Bagby SC, Gries C, Han X, Hart EM, Jones MB, Lenhardt WC, Macdonald A, Michener WK, Mudge J, Pourmokhtarian A, Schildhauer MP, Woo KH, Zimmerman N (2015 ) Дао открытой науки для экологии. Экосфера 6: искусство120. https://doi.org/10.1890/ES14-00402.1

    Артикул Google Scholar

  • Hanson T (2011) Война и сохранение биоразнообразия: роль экологии войны.В: Махлис Г., Хансон Т., Шпирич З., Маккендри Дж. (Ред.) Экология войны. НАТО «Наука ради мира и безопасности», серия C: экологическая безопасность. Springer, Dordrecht

    Google Scholar

  • Hijmans RJ, Cameron SE, Parra JL, Jones PG, Jarvis A (2005) Интерполированные климатические поверхности с очень высоким разрешением для глобальных областей суши. Int J Climatol 25: 1965–1978. https://doi.org/10.1002/joc.1276

    Артикул Google Scholar

  • Hui C, Richardson DM, Robertson MP, Wilson JRU, Yates CJ (2011) Макроэкология встречает экологию инвазии: связь естественного распространения австралийских акаций с инвазией.Divers Distrib 17: 872–883. https://doi.org/10.1111/j.1472-4642.2011.00804.x

    Артикул Google Scholar

  • Группа специалистов по инвазивным исследованиям ISSG (2017). Глобальная база данных инвазивных видов. Доступно по адресу http://www.iucngisd.org/gisd/.

  • Группа специалистов по инвазивным видам ISSG 2017. Глобальный регистр интродуцированных и инвазивных видов. Версия 2017.1. Доступно на http://www.griis.org/.

  • Майтнер Б.С., Бойл Б., Каслер Н., Кондит Р., Донохью Дж., Дуран С.М., Д. Гуадеррама и др.(2017) Пакет bien r: инструмент для доступа к базе данных Botanical Information and Ecology Network (BIEN). Методы Ecol Evol. В прессе. Доступно по адресу https://cran.r-project.org/web/packages/BIEN/index.html. По состоянию на 17 июня 2017 г.

  • Merow C, Smith MJ, Edwards TC, Guisan A, McMahon SM, Normand S, Thuiller W, Wuest RO, Zimmermann NE, Elith J (2014) Что мы получаем от простоты по сравнению со сложностью видов модели распределения? Экография 37: 1267–1281. https://doi.org/10.1111/ecog.00845

    Артикул Google Scholar

  • Merow C, Allen JM, Aiello-Lammens M, Silander JA (2016) Улучшение оценок ниши и диапазона с помощью моделей Maxent и точечных процессов путем интеграции пространственно явной информации: Minxent. Glob Ecol Biogeogr 25: 1022–1036. https://doi.org/10.1111/geb.12453

    Артикул Google Scholar

  • Мейер С., Вейгельт П., Крефт Х. (2016) Многомерные систематические ошибки, пробелы и неопределенности в глобальной информации о встречаемости растений.Ecol Lett 19: 992–1006. https://doi.org/10.1111/ele.12624

    Артикул PubMed Google Scholar

  • Nowogrodzki A (2016) Запасы биологических образцов находятся под угрозой перерыва в финансировании. Природа 531: 561

    CAS Статья PubMed Google Scholar

  • Пакетт А., Мессье С. (2011) Влияние биоразнообразия на продуктивность деревьев: от умеренных до бореальных лесов: влияние биоразнообразия на продуктивность.Глоб Экол Биогеогр 20: 170–180. https://doi.org/10.1111/j.1466-8238.2010.00592.x

    Артикул Google Scholar

  • Филлипс С.Дж., Дудик М., Элит Дж., Грэхэм С.Х., Леманн А., Литвик Дж., Ферье С. (2009) Смещение выборки и модели распределения только присутствия: последствия для фоновых данных и данных псевдо-отсутствия. Ecol Appl 19: 181–197

    Статья PubMed Google Scholar

  • Pichancourt J-B, Firn J, Chadès I, Martin TG (2014) Выращивание богатых углеродом лесов с биоразнообразием.Glob Change Biol 20: 382–393. https://doi.org/10.1111/gcb.12345

    Артикул Google Scholar

  • Пайк Г.Х., Эрлих П.Р. (2010) Биологические коллекции и экологические / экологические исследования: обзор, некоторые наблюдения и взгляд в будущее. Биол Ред. 85: 247–266. https://doi.org/10.1111/j.1469-185X.2009.00098.x

    Артикул PubMed Google Scholar

  • Raymond B, VanDerWal J, Belbin L (2017) ALA4R: Атлас данных и ресурсов живой Австралии (ALA) в R.https://www.rforge.net/ALA4R/. По состоянию на 17 июня 2017 г.

  • Робертсон М.П., ​​Виссер В., Хуэй С. (2016) Biogeo: пакет R для оценки и повышения качества данных наборов данных о происшествиях. Экография 39: 394–401. https://doi.org/10.1111/ecog.02118

    Артикул Google Scholar

  • Руис-Бенито П., Гомес-Апарисио Л., Пакетт А., Мессье С., Каттге Дж., Завала М.А. (2014) Разнообразие увеличивает накопление углерода и продуктивность деревьев в испанских лесах: влияние разнообразия на накопление углерода и продуктивность лесов.Glob Ecol Biogeogr 23: 311–322. https://doi.org/10.1111/geb.12126

    Артикул Google Scholar

  • Serra-Diaz JM, Ninyerola M, Lloret F (2012) Сосуществование Abies alba (милл.) — Fagus sylvatica (L.) и влияние изменения климата на Пиренейском полуострове: климатическая ниша подход. Флора — растения с функцией распределения морфола и экологии 207: 10–18. https://doi.org/10.1016/j.flora.2011.10.002

    Артикул Google Scholar

  • Серра-Диас Дж. М., Франклин Дж., Ниньерола М., Дэвис Ф. В., Сифард А. Д., Реган Х. М., Икегами М. (2014) Биоклиматическая скорость: скорость воздействия изменения климата на виды. Divers Distrib 20: 169–180. https://doi.org/10.1111/ddi.12131

    Артикул Google Scholar

  • Soley-Guardia M, Radosavljevic A, Rivera JL, Anderson RP (2014) Влияние пространственно маргинальных местонахождений при моделировании ниш и распределений видов.Журнал Биогеогр 41: 1390–1401. https://doi.org/10.1111/jbi.12297

    Артикул Google Scholar

  • Sosef MSM (2016) Производство Flore D’Afrique Centrale , прошлое, настоящее и будущее. Таксон 65: 937–939. https://doi.org/10.12705/654.54

    Артикул Google Scholar

  • Sosef MSM, Dauby G, Blach-Overgaard A, van der Burgt X, Catarino L, Damen T, Deblauwe V, Dessein S, Dransfield J, Droissart V, Duarte MC, Engledow H, Fadeur G, Figueira R, Жеро Р.Э., Харди О.Дж., Харрис Д.Дж., де Хейдж Дж., Янссенс С., Кломберг И., Лей А.С., Маккиндер Б.А., Меертс П., де Поэль Дж.Л.В., Сонке Б., Стеварт Т., Стоффелен П., Свеннинг Дж. К., Гробница П., Заисс Р., Wieringa JJ, Couvreur TLP (2017) Изучение флористического разнообразия тропической Африки.BMC Biol. https://doi.org/10.1186/s12915-017-0356-8

  • Sousa-Baena MS, Garcia LC, Peterson AT (2014) Полнота цифровых доступных знаний о заводах Бразилии и приоритеты для обследования и инвентаризации. Divers Distrib 20: 369–381

    Статья Google Scholar

  • ter Steege H, Pitman NCA, Phillips OL, Chave J, Sabatier D, Duque A, Molino JF, Prevost MF, Spichiger R, Castellanos H, von Hildebrand P, Vasquez R (2006) Модели купола континентального масштаба состав и функции деревьев по всей Амазонии.Природа 443: 444–447. https://doi.org/10.1038/nature05134

    CAS Статья PubMed Google Scholar

  • Stropp J, Ladle RJ, Malhado M, AC HJ, Gaffuri J, Temperley WH, Skoien JO, Mayaux P (2016) Незнание картографирования: 300 лет сбора цветущих растений в Африке: 300 лет сбора цветущих растений в Африке . Glob Ecol Biogeogr 25: 1085–1096. https://doi.org/10.1111/geb.12468

    Артикул Google Scholar

  • Салливан М.Дж., Талбот Дж., Льюис С.Л., Филлипс О.Л., Ци Л., Бегне С.К., Чаве Дж., Куни-Санчес А., Хубау В., Лопес-Гонсалес Дж., Майлз Л., Монтеагудо-Мендоса А., Сонке Б., Сандерленд T, Ter Steege H, White LJT, Affum-Baffoe K, Aiba S, de Almeida EC, de Oliveira EA, Alvarez-Loayza P, Davila EA, Andrade A, Aragao LEOC, Ashton P, Aymard GA, Baker TR, Balinga M , Банин Л.Ф., Баралото К., Бастин Дж. Ф., Берри Н., Богерт Дж., Бонал Д., Бонжерс Ф., Бриенен Р., Камарго Дж. Л.С., Серон С., Москосо В.К., Чезо E, Кларк С.Дж., Пачеко А.С., Комиски Дж.А., Вальверде ФК, Коронадо ENH, Dargie G, Davies SJ, De Canniere C, Djuikouo MN, Doucet JL, Erwin TL, Espejo JS, Ewango CEN, Fauset S, Feldpausch TR, Herrera R, Gilpin M, Gloor E, Hall JS, Harris DJ, Hart TB , Kartawinata K, Kho LK, Kitayama K, Laurance SGW, Laurance WF, Leal ME, Lovejoy T, Lovett JC, Lukasu FM, Makana JR, Malhi Y, Maracahipes L, Marimon BS, Marimon B, Marshall AR, Morandi PS, Mukendi JT, Mukinzi J, Nilus R, Vargas PN, Camacho NCP, Pardo G, Pena-Cl Арос М., Петронелли П., Pickavance GC, Поулсен А.Д., Поулсен-младший, Primack RB, Priyadi H, Quesada CA, Reitsma J, Rejou-Mechain M, Restrepo Z, Rutishauser E, Abu Salim K, Salomao RP, Samsoedin I, Sheil D. , Sierra R, Silveira M, Slik JWF, Steel L, Taedoumg H, Tan S, Terborgh JW, Thomas SC, Toledo M, Umunay PM, Gamarra LV, Vieira ICG, Vos VA, Wang O, Willcock S, Zemagho L (2017 ) Разнообразие и хранение углерода в биоме тропических лесов.Sci Rep 7: 39102. https://doi.org/10.1038/srep39102

    CAS Статья PubMed PubMed Central Google Scholar

  • Тессен А., Паттерсон Д. (2011) Вопросы данных в науках о жизни. ZooKeys 150: 15–51. https://doi.org/10.3897/zookeys.150.1766

    Артикул Google Scholar

  • Thompson ID, Okabe K, Parrotta JA, Brockerhoff E, Jactel H, Forrester DI, Taki H (2014) Биоразнообразие и экосистемные услуги: уроки природы для улучшения управления лесонасаждениями для СВОД-плюс.Biodivers Conserv 23: 2613–2635. https://doi.org/10.1007/s10531-014-0736-0

    Артикул Google Scholar

  • Видаль К., Альберди И., Эрнандес Л., Редмонд Дж. Дж. (2016) Национальная инвентаризация лесов: оценка наличия и использования древесины. Шпрингер, Швейцария

    Забронировать Google Scholar

  • Общество охраны дикой природы — WCS, Центр международной информационной сети по наукам о Земле — CIESIN — Колумбийский университет (2005) Проект «Последний из дикой природы», версия 2, 2005 г. (LWP-2): Набор данных Глобального индекса человеческого влияния (HII) ( Географический)

  • Wiser SK (2016) Достижения и проблемы в интеграции, повторном использовании и синтезе данных участков растительности.J Veg Sci 27: 868–879. https://doi.org/10.1111/jvs.12419

    Артикул Google Scholar

  • Yang X, Huang Z, Venable DL, Wang L, Zhang KL, Baskin JM, Baskin CC, Cornelissen JHC (2016) Связь стабильности характеристик продуктивности с распределением видов: случай Artemisia и его близких родственников на севере Китай. J Veg Sci 27: 123–132. https://doi.org/10.1111/jvs.12334

    CAS Статья Google Scholar

  • Йессон С., Брюэр П.У., Саттон Т., Кейтнесс Н., Пахва Дж. С., Берджесс М., Грей В.А., Уайт Р.Дж., Джонс А.С., Бисби Ф.А., Калхэм А. (2007) Насколько глобален глобальный информационный центр по биоразнообразию? PLoS One 2: e1124.https://doi.org/10.1371/journal.pone.0001124

    Артикул PubMed PubMed Central Google Scholar

  • Zhang J, Nielsen SE, Chen Y, Georges D, Qin YC, Wang SS, Svenning JC, Thuiller W. (2017) Риск исчезновения семенных растений Северной Америки, повышенный в результате изменения климата и землепользования. J Appl Ecol 54: 303–312. https://doi.org/10.1111/1365-2664.12701

    Артикул Google Scholar

  • Zizka A (2015) разновидностиgeocodeR: подготовка распределения видов для использования в филогенетическом анализе.https://rdrr.io/cran/speciesgeocodeR/. Доступ 17 июня 2017 г.

    Google Scholar

  • Zizka A, Steege Hter, Pessoa M do CR, Antonelli A (2017) Поиск игл в стоге сена: где искать редкие виды в американских тропиках. Экография. https://doi.org/10.1111/ecog.02192

  • Состав древесных пород — устойчивое лесное хозяйство

    Аборигенные породы деревьев являются основой лесных экосистем.Благодаря адаптации к климату и условиям освещения в ареале распространения в последние тысячелетия, местные породы деревьев хорошо растут и устойчивы к повреждению леса. Другие лесные виды приспособились жить с местными породами деревьев. Вот почему они важны для биоразнообразия.

    Основные местные породы деревьев в Финляндии включают ель обыкновенную ( Picea abies ), сосну обыкновенную ( Pinus sylvestris ) и две породы березы, березу серебристую ( Betula pendula ) и березу пушистую ( Betula pubescens ).Это также самые важные породы деревьев с коммерческой точки зрения. 50% от общего объема финских лесов составляет сосна, 30% ель и 17% береза. Доля других древесных пород довольно незначительна — 3%. На этом рисунке представлены другие широколиственные деревья, такие как осина ( Populus tremula ), серая и черная ольха ( Alnus incana и Alnus glutinosa ), рябина ( Sorbus aucuparia ) и козья ива ( Salix caprea ). В самых южных частях Финляндии, в зоне лесной растительности гемибореальной зоны, встречаются также такие породы деревьев лиственных пород, как дуб ( Quercus robur ) и клен ( Acer platanoides ).В других частях страны лиственные породы встречаются как отдельные деревья или небольшие группы деревьев.

    В лесном хозяйстве основные породы деревьев выбираются на основе плодородия и водных условий лесной почвы. В сухих вересковых лесах и торфяниках с низким содержанием питательных веществ обычно преобладают сосны. Ель преобладает на более плодородных минеральных почвах и богатых питательными веществами болотах. Лиственные леса встречаются на плодородных участках и у берегов. Выбор правильных пород деревьев в соответствии с характеристиками участка имеет решающее значение для производственной мощности леса.

    Несмотря на то, что основные породы деревьев выбираются в зависимости от участка, леса выращиваются как смешанные насаждения. По сравнению с монокультурой одного вида, состав смешанных пород деревьев имеет несколько преимуществ: положительное влияние на баланс питательных веществ и продуктивность лесных почв, лучшую устойчивость к повреждению леса, повышенную способность адаптации к изменяющимся условиям и более высокую ценность биоразнообразия. Эти преимущества достигаются в насаждениях с преобладанием хвойных пород, поскольку доля широколиственных деревьев в лесном цикле составляет не менее 10%.

    Береза ​​- наиболее распространенная лиственная порода хвойных насаждений. Помимо березы, для сохранения биоразнообразия при лесохозяйственных операциях сохраняются и другие, более редкие широколиственные. Эти древесные породы поддерживают другие виды, приспособленные к жизни в связи с ними. Поэтому редкие виды также являются хорошим выбором для удерживающих деревьев.

    Удельный вес и другие свойства древесины и коры для 156 видов деревьев, найденных в Северной Америке

    Удельный вес и другие свойства древесины и коры для 156 видов деревьев, найденных в Северной Америке | Treesearch Перейти к основному содержанию

    The.gov означает, что это официально.
    Веб-сайты федерального правительства часто заканчиваются на .gov или .mil. Прежде чем делиться конфиденциальной информацией, убедитесь, что вы находитесь на сайте федерального правительства.

    Сайт безопасен.
    https: // гарантирует, что вы подключаетесь к официальному веб-сайту и что любая предоставляемая вами информация шифруется и безопасно передается.

    Первичная станция (и):

    Северная научная станция

    Источник:

    Res.Примечание NRS-38. Ньютаун-сквер, Пенсильвания: Министерство сельского хозяйства США, Лесная служба, Северная исследовательская станция. 35 с.

    Описание

    В этом документе представлена ​​информация для оценки биомассы 156 видов деревьев, найденных в Северной Америке, для использования в приложениях для национальной инвентаризации лесов. Мы представляем удельный вес, основанный на среднем объеме сырца, а также 12-процентном объеме влажности для расчета высушенной в печи биомассы.Дополнительная информация включена о толщине коры, пустотах и ​​процентном содержании коры по породам, а также сырого и сухого веса древесины и коры.

    Примечание. Значения в таблице 5 были исправлены 10 февраля 2010 г. См. Стр. 35 этой публикации.

    Цитирование

    миль, Патрик Д.; Смит, В. Брэд. 2009. Удельный вес и другие свойства древесины и коры для 156 видов деревьев, найденных в Северной Америке.

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *