893

при данных сроках уборки растение и плоды льна имеют высокую физиологическую влажность, а сорные растения находятся в активной жизненной стадии, в отличие от более поздних сроков уборки.

Таблица 3

Формирование продуктивности в зависимости от сроков проведения десикации

Минимальная засорённость отмечена в вариантах уборки с предварительной десикацией при 75 и 100 % бурых коробочек, она составила 25,3 и 23,9 % соответственно. Наименьшая влажность вороха наблюдалась при уборке с предварительной десикацией 75 и 100 % бурых коробочек (7 и 7,2 % соответственно) и при уборке без десикации при 100 % бурых коробочек (7,6 %). Из этого следует, что предварительная десикация в период от 75 до 100% бурых коробочек играет положительную роль, снижая показатели засорённости и влажности – на 9,5‒10,9 и 8,9‒9,5 % соответственно.

Выводы. В условиях 2021 года получена урожайность семян льна масличного на уровне 2,05‒2,52 т/га. Установлено, что существенной разницы по урожайности между сроками десикации нет, но имеется тенденция её увеличения при десикации 50 и 75 % бурых коробочек в посеве на 0,23 и 0,47 т/га соответственно. Таким результатам способствовало высокое количество растений к уборке в данных вариантах (при 50% – 839 шт./м2, при 75 % – 761 шт./м2). Стоит отметить, что была выявлена тенденция увеличения продуктивности растений при более поздних сроках уборки, в периоде от 75 до 100 % бурых коробочек, что в совокупности с высоким количеством растений к уборке в варианте с предварительной десикацией при 75 % бурых коробочек позволило

111

получить урожайность 2,52 т/га. Десикация льна играет существенную роль, снижая засорённость вороха на 9,5‒10,9 и 8,9‒9,5 % соответственно.

Список литературы

1.Гайнуллин, P. M. Возродим масличный лён/ P. M. Гайнуллин // Достижения науки и техники АПК. – 2008. ‒ № 5. – С. 27-33.

2.Дневник погоды за 2021 год [Электронный ресурс]// GISMETEO URL: https://www.gismeteo.ru/ (дата обращения: 10.04.2023).

3.Елисеев, С. Л. Влияние приёмов уборки на урожайность, биохимический состав семян и масла льна масличного / С. Л. Елисеев, Е. А. Ренёв, Е. В. Бояршинова // Молочнохозяйственный вестник. – 2022. – № 3. – С. 68-81.

4.Елисеев, С. Л. Приёмы однофазной уборки сортов льна масличного в Среднем Предуралье / С. Л. Елисеев, Е. А. Ренёв, Е. В. Бояршинова // Пермский аграрный вестник. – 2021. –

№33. – С. 26-35.

5.Колотов, А.П. Урожай льна масличного в условиях Среднего Урала / А. П. Колотов, О. В. Синякова // Масличные культуры. Научно-технический бюллетень Всероссийского науч- но-исследовательского института масличных культур. – 2015. – № 3 (163). – С. 59–62.

6.Колотов, А.П. Продуктивность различных сортов льна масличного в условиях Среднего Урала / А. П. Колотов // Достижения науки и техники АПК. – 2016. ‒ № 6. – С. 12-14.

7.Корепанова, Е. В. Продуктивность льна масличного ВНИИМК 620 при разных сроках десикации и уборки в Среднем Предуралье / Е. В. Корепанова, В. Н. Гореева, В. С. Самаров // Теория и практика – устойчивому развитию агропромышленного комплекса: материалы Всероссийской науч.-практ. конференции. – Ижевская ГСХА. – 2015. – С. 47–56.

8.Султаева, Н. Л. Исследование свойств семян льна и разработка на их основе технологии хлебобулочных изделий / Н. Л. Султаева, В. С. Перминова // Вестник евразийской науки.

– 2015. ‒ № 1 (26).

УДК 630.551

СХОДСТВО ДЕНДРОЛОГИЧЕСКИХ ШКАЛ СОСЕН, ПРОИЗРАСТАЮЩИХ РЯДОМ ДРУГ С ДРУГОМ

Е.Г. Лобанов – обучающийся 2-го курса; А. В. Романов – научный руководитель, доцент кафедры лесоводства и ландшафтной архитектуры, канд. с/х наук

ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

Аннотация. В статье проводится результаты исследования сходства дендрологических шкал сосен, произрастающих на одном участке для выявления возможности использования древесно-кольцевого анализа при идентификации древесины по месту совершения незаконной рубки. Сходство в формировании годичных колец прослеживается на удалении не более 4‒6 м между сравниваемыми стволами.

Ключевые слова: дендрохронология, древесно-кольцевой анализ, незаконная рубка.

Актуальность. Дендрохронологический метод, построенный на выявлении особенности формирования годичных колец в течение жизни дерева в зависимости от особенностей участка произрастания и погодных условий конкретного года, имеет широкое научное и практическое значение: от проверки эффективности операций ухода за деревом (лесоводственный уход) до археологических и климатических исследований

112

[1, 2, 9, 10, 12]. Вместе с этим, позиционируется использование дендрохронологического метода при проведении расследований случаев незаконной рубки деревьев на предмет установления происхождения срубленной древесины, опираясь на данные древес- но-кольцевого анализа [3‒8, 11].

Цель исследования – установление пригодности использования дендрохронологического метода в проведении экспертиз при расследовании случаев незаконной рубки. В задачу исследования входило – выявить степень сходства между дендрохронологическими шкалами, построенными для соседствующих деревьев сосен.

Местоположение объекта исследования. Объект исследования располагается на территории бывшего лесного питомника Закамского лесничества, ныне находящегося в пределах квартала 21 Верхне-Курьинского участкового лесничества МКУ «Пермское городское лесничество», но не входящего в его состав. На данной территории в 1991 году были созданы лесные культуры ели и сосны в разных сочетаниях. Исследования проводились на участке с чистыми сосновыми культурами.

Методики исследования. Для проведения исследования было заложено 3 пробной площади (ПП), на каждой из которых по схеме, приведенной на рисунке, у 11 (одиннадцати) деревьев было отобрано по 4 керна на высоте 30 см над землей. Деревья подбирались равным диаметром (18‒20 см) на определенных расстоянии друг от друга как в ряду, так и по междурядьям. Также деревья сосны были схожи по классу Крафта и санитарному состоянию. Зачищенные керны фотографировались под увеличением 1×30 с использованием микроскопа «Микромед МС». Измерение ширины годичных колец проводилось в графическом редакторе CorelDRAW, обработка и сравнение значений годичных приростов по каждому керну проводилось в программе Excel.

Результаты исследования. В данной статье рассмотрены результаты обработки кернов по первой ПП. Дендрохронологические шкалы, выстроенные по данным измерения годичных колец, подводились к среднему значению для изучаемого дерева, а далее сравнивались с центральным деревом с использованием величины достоверной аппроксимации. На рисунке показано распределение полученных значений по каждому дереву в схеме (на примере 1 ПП).

Рис. Значения достоверной аппроксимации по сравниваемым с центральным деревом дендрохронологическим шкалам

113

Данные, приведенные на схеме, показывают, что по мере удаления в ряду от центрального дерева сходство сохраняется на расстоянии до 6 м как в одну, так и в другую сторону (величина достоверной аппроксимации превышает значение 0,70). В то же время соседствующие через междурядье деревья показали такое сходство только в одном случае – с расположением на север и то, только на расстоянии до 4 м; сравнение с деревом, расположенным к югу даже на этом расстоянии сходства не наблюдалось.

По результатам проделанной работы можно сделать следующие вывод: использование дендрохронологического метода с целью идентификации места происхождения древесины (участок произрастания) сопряжено с частотой отбора образцов древесины у деревьев через каждые 6 метров, чтобы охватить весь участок.

Список литературы

1.Анализ роста дерева по структуре годичных колец. /Отв. ред. чл.-кор. АН СССР А. С. Исаев. ‒ Новосибирск: Изд-во «Наука», 1977. ‒ 93 с.

2.Бенькова, А.В. Применение применения дендрохронологического метода особенности роста естественных и искусственных лесных насаждений/ А.В. Бенькова, В.В. Тарасова, А.В. Шашкин [Электронный ресурс] URL: institute@forest.akadem.ru Поступила в редакцию 11.03.2005 (Дата обращения 13.11.2020).

3.Жаворонков, Ю.М. Использование методов дендрохронологии в судебноботанических экспертизах, производимых на базе УВД ЭКЦ поВО, при расследовании преступлений по незаконным рубкам леса / Ю.М. Жаворонков // Криминалистические средства и методы в раскрытии и расследовании преступлений. – М.: ЭКЦ МВД России, 2009. ‒ С. 203–206.

4.Жаворонков, Ю. М. Судебная дендрохронология на службе криминалистики 21 века / Ю.М. Жаворонков // Лесной вестник. ‒ 2014. ‒ № 5. ‒ С. 53-58.

5.Жигалов, Н.Ю. Назначение судебных экспертиз при расследовании незаконных рубок лесных насаждений/ Н.Ю. Жигалов, С.В. Унжакова //Российский следователь. ‒ 2009. ‒ № 22.

‒С. 15-18.

6.Жерновой, М.В. Виды судебных экспертиз при расследовании незаконных рубок лесных насаждений/ М.В. Жерновой, М.А. Васильева, Э.В. Хомик // Сборник ночных трудов по материалам международной научно-практической конференции «Современные направления теоретических и прикладных исследований 2011». ‒ Том 15: Юридические и политические науки. ‒ Одесса: Черноморье, 2011. ‒ С. 32-36.

7.Пальчиков, С.Б. Контроль за законностью заготовки древесины на основе древеснокольцевой информации/ С.Б. Пальчиков, Д. Румянцев //Устойчивое лесопользование. ‒ № 2. ‒ 2009. ‒ С. 12-16.

8.Пальчиков, С.Б. Современное оборудование для Дендрохронологических исследований / С.Б. Пальчиков //Лесной вестник. ‒ № 5. ‒ 2014. ‒ С. 46-50.

9.Румянцев, Д. Е. Потенциал использования дендрохронологической информации в лесной науке/ Д. Е. Румянцев // ЭКОЛОГ [электронный ресурс] Режим доступа: https://newdisser.ru/_avtoreferats/01005087157.pdf (дата обращения: 22.12.2020).

10.Черных, Н.Б. Дендрохронология и археология/ Н.Б. Черных. – М.: Nox, 1996. ‒ 212 с.

11.Фомина, И.А. Методика расследования незаконной рубки лесных насаждений (по материалам регионов Восточной Сибири): автореф. дис. ... канд. юрид. наук/ И.А. Фомина. – М., 2011. ‒ 26 c.

12.Шиятов, С. Г. Дендрохронолоrия верхней границы леса на Урале / С. Г. Шиятов. – М.: Наука, 1986. ‒ 135 с.

УДК 637.3.02

114

ВНЕДРЕНИЕ МАШИННОГО ЗРЕНИЯ НА СЫРОВАРЕННОМ ПРОИЗВОДСТВЕ КАК МЕТОД КОНТРОЛЯ БЕЗОПАСНОСТИ И КАЧЕСТВА ПРОДУКЦИИ

А.А.Малиновская ‒ студентка 4-го курса1, В.А.Мещеряков ‒ студент 4-го курса1; О.Н.Ивашова ‒ канд. с.-х. наук, доцент1; Е.А. Яшкова – старший преподаватель2

1ФГБОУ ВО РГАУ-МСХА имени К.А. Тимирязева 2ОЧУ ВО «Российская международная академия туризма», г. Москва, Россия

Аннотация. С увеличением объема производства сыров уделяется все больше внимания к качеству производимой продукции. Внедрение информационных технологий позволяет не только автоматизировать процесс производства, но и повысить качество пищевой продукции вследствие минимизации человеческого фактора.

Ключевые слова: сыр, машинное зрение, качество, безопасность, автоматизация. Машинное зрение все чаще используется в промышленности, пищевое произ-

водство не является исключением. С помощью искусственного интеллекта можно максимально автоматизировать производство, исключая человеческий фактор, с использованием специализированных камер, которые позволяют не просто получить изображение, но и проанализировать его. Данная технология дает возможность оборудованию взаимодействовать с анализируемыми объектами, что сокращает расходы на производство и позволяет повысить качество изготовляемой продукции [1].

Очень важно для каждого предприятия добиться доверия со стороны клиентов. Машинное зрение помогает в этом вопросе, ибо проявление брака при использовании системы сводится к минимуму, за счет чего повышается качество и контролируется безопасность продукции. Машинное зрение помогает повысить производительность труда, улучшить образ торговой марки и обеспечить наивысший уровень пищевой безопасности.

Очень много монотонных и рутинных задач на сыроваренном производстве можно делегировать системам машинного зрения. Например, искусственный интеллект может сортировать готовый сыр по цвету или форме, обнаруживать внешние дефекты, определять уровень заполнения форм сырным зерном, давать указания для робота на перегрузку или палетизацию товара для достижения гибкости процесса производства и упаковки. Современные системы контроля качества способны провести подсчет объектов, снять измерения, а при необходимости сопоставить изделие с эталоном [2].

Для повышения контроля безопасности в совокупности с системами машинного зрения возможно использования X-Ray сканеров, которые могут находить в продукции следующие материалы: любые типы металлов, пластик, керамику, резину, а также любой материал, отличающийся по плотности от инспектируемого продукта.

Контроль геометрической формы изделий — немаловажная задача при производстве сыра. Это достигается контролем 2D-формы (на плоскости) и 3D-контролем трехмерной формы изделия.

Более того, при реализации сыра большую роль играет фиксированный вес каждой штучной продукции. Вручную сложно добиться одинаковой граммовки каждого

115

куска сыра и их идентичности, но компьютерное зрение способно справиться с подобной задачей и разделить голову сыра на равноценные куски. Нарезка осуществляется благодаря модулям взвешивания и моделированию при помощи сканирования 3D или X-Ray сканирования. Также используется ультразвуковая технология.

Системы технического зрения могут проверять, нет ли физических повреждений на упаковке, в том числе морщин, замятий, разрывов, обнаруживать дефекты наклеивания этикеток на продукт (местоположение этикетки и насколько ровно она расположена), наличие и положение каких-либо элементов упаковки, и другие дефекты.

На пищевом производстве системы компьютерного зрения способны значительно ускорить и облегчить проверку маркировок, обеспечивают бесконтактную проверку внешнего вида готовой продукции, что положительно влияет на уровень качества [3]. Внедрение надежной системы контроля качества на линии производства позволит отличит сыр надлежащего качества от несоответствующей продукции (сыры с поврежденной упаковкой, мятые и разломанные сыры) и отбракует продукцию с дефектами. Такая система способна идентифицировать стикер по матричному штрихкоду на упаковках сыра и отбраковать продукцию, если она не имеет данных штрихкодов.

Процесс производства постоянно находится под контролем дистанционно, что позволяет своевременно выявить неполадки и устранить их и избежать риска простоев производства, сократить расходы на ремонт оборудования, что повышает качество работы и задает ей оптимальный режим [4].

Технологии постоянно совершенствуются и становятся проще и стабильнее, а также доступнее вследствие снижения стоимости. Поэтому в настоящее время системы машинного зрения можно встретить даже на сравнительно небольших производствах, соответственно и на малых сыроваренных предприятиях. Повышение качества продукции – первостепенная цель для каждого производства, и машинное зрение прекрасно с этим справляется [5].

Таким образом, использование в пищевой промышленности систем машинного зрения, получение и высокоскоростная обработка изображений исследуемых изделий, выявление брака в режиме онлайн являются актуальным направлением научных и прикладных исследований. В связи с этим существует необходимость более широких исследований в области разработки высокотехнологичных автоматизированных интеллектуальных экспертных систем контроля качества пищевого сырья, полуфабрикатов и готовой продукции.

Список литературы

1.Манукян, Р.Л. Машинное зрение. Развитие рынка систем машинного зрения / Р.Л. Манукян // Наука и просвещение – 2019. – С. 303-305.

2.Артизанов, А.В. Применение цифровых технологий в переработке сельскохозяйственного сырья и производстве пищевой продукции /А.В. Артизанов, И.В. Мамаева // Молодой исследователь: от идеи к проекту. – Марийский государственный университет. – 2021. – С. 7981.

3.Улядурова, Е. А. Применение технологий искусственного интеллекта в сельском хозяйстве / Е. А. Улядурова, О. Н. Ивашова, Е. А. Яшкова // Молодежная наука 2022: технологии, инновации : материалы Всероссийской научно-практической конференции молодых ученых, аспирантов и обучающихся, посвященной 120-летию со дня рождения профессора А.А. Ерофеева, Пермь, 28 марта – 01 2022 года / Федеральное государственное бюджетное образовательное учреждение высшего образования «Пермский государственный аграрнотехнологический университет имени академика Д. Н. Прянишникова». Часть 3. – Пермь: ИПЦ Прокростъ, 2022. – С. 22-23.

116

4.Алексанов, Д. С. Методика оценки региональной и отраслевой эффективности проектов : Теоретические положения и примеры расчетов / Д. С. Алексанов, А. С. Орлова, Е. А.

Яшкова. – Саарбрюкен : LAP LAMBERT, 2012. – 121 с. – ISBN 978-3-659-23282-4.

5.Ивашова, О. Н. Цифровые технологии в картофелеводстве / О. Н. Ивашова // Приоритетные направления регионального развития : материалы Всероссийской (национальной) научно-практической конференции с международным участием, Курган, 06 февраля 2020 года.

–Курган: Курганская государственная сельскохозяйственная академия им. Т.С. Мальцева,

2020. – С. 689-693

УДК 631:004

ИСПОЛЬЗОВАНИЕ МУЛЬТИСПЕКТРАЛЬНЫХ КАМЕР В СЕЛЬСКОМ ХОЗЯЙСТВЕ

В.Е. Меденикова – студент; Н.А. Зеленков − аспирант;

Д.С. Фомин − старш. науч. сотр. 1, доцент кафедры общего земледелия 2; Ю. Н. Зубарев − научный руководитель, профессор, д-р с.-х. наук 2

1Пермский НИИСХ − Филиал ПФИЦ УрО РАН,

2ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

Аннотация: В статье приведено обоснование актуальности применения мультиспектральных камер на беспилотных летательных аппаратов в сельском хозяйстве. Проведено исследование с использованием мультиспектральных снимков для мониторинга поля, где показано, высокая оперативность и производительность использования мультиспектральных камер.

Ключевые слова: беспилотный летательный аппарат (БПЛА), мультиспектральные камеры, NDVI, спектральные технологии, аэрофотосъемка.

Введение. Спектральные технологии реализуются на спектрах света. Спектр представляет собой совокупность цветных полос, получающихся при прохождении светового луча через преломляющую среду. Классифицируются данные устройства по количеству спектральных каналов, камеры могут быть: моноспектральными, мультиспектральными и гиперспектральными [1]. Более доступная мультиспектральная съемка. Главным в мультиспектральной съемке является сенсор, с помощью которого фиксируется свет. Задачей мультиспектрального сенсора, является точная фиксация цвета, отражаемого растениями. Есть 4 различных диапазона: красный, зеленый и 2 инфракрасных. Сенсор освещенности фиксирует интенсивность солнечного света для 4 диапазонов. При такой съемке создается одновременно несколько изображений одной и той же территории в различных зонах спектра электромагнитного излучения. Различные сочетания этих изображений помогают выявить процессы и явления, в отличие от снимка в видимом спектре.

Применение GPS, повышает точность съемки и передает информацию о высоте, положения и скорости движения камеры в режиме реального времени.

Аэрофотосъемка выполняется одновременно в двух видах − объект снимается как в обычном спектре, так и в ближнем инфракрасном. Наложение двух снимков явля-

117

ется практическим инструментом для анализа. После работ на БПЛА происходит обработка изображений инфракрасного спектра в цветовой снимок области в формате NDVI

(Normalized Difference Vegetation Index) − нормализованный относительный индекс растительности. NDVI выражает средний индекс вегетации, где положительное число является максимальным показателем, который характерен для повышенного фотосинтеза, и отрицательное − минимальным, то есть у растений частично или полностью отсутствует фотосинтез.

Актуальность применения аэрофотосъемки с мультиспектральной камерой может стать эффективным решением для визуальной диагностики, при такой съемке формируются одновременно несколько изображений одной и той же территории в различных зонах спектра электромагнитного излучения, что позволяет выявить процессы и явления, которые сложно или невозможно определить на снимке в видимом спектре.

Рабочая гипотеза исследования состоит в том, что использование мультиспектральных камер на БЛПА, значительно расширят спектр их применения и сделают беспилотные технологии более информативными.

Цель проведенных исследований является использования мультиспектральных снимков для мониторинга поля.

Методика. Опыт проводился на полях Пермского НИИСХ на поле с координа-

тами 57.813709, 56.454771.

Использование мультиспектральных снимков для мониторинга поля, на основе индекса NDVI представлено на следующем рисунке.

Рис. Использование мультиспектральных снимков для мониторинга поля на основе индекса NDVI, 2022 г.

Результаты исследования показали, что всего за несколько минут может быть сформирован файл-предписание для внесения азотных подкормок по технологии offline с учетом неоднородности посева. Плюсами обследования посевов с помощью БПЛА является оперативность выполняемой работы, достоверность информации и наличие возможности проводить оценку даже в неблагоприятных условиях [6].

Вывод. На данный момент применение БПЛА в сельском хозяйстве начинает стремительно развиваться, и вопрос об использование этих технологий становится как никогда актуальным. Техническое обеспечение, такое как мультиспектральные камеры, делают беспилотные технологии более информативными, и таким образом значительно

118

расширяют их спектр применения. Положительный опыт применения мультиспектральных камер, показывает, что данные технологии будут только развиваться и в скором будущем найдут широкое применение в сельском хозяйстве.

Список литературы

1.Бужинский, Е. Приоритеты развития беспилотников: от военного дела к экономике

/Е. Бужинский// Индекс безопасности. − 2014. − № 3 (106), Т 19. – С. 123–132.

2.Коротаев, А.А. Применение беспилотных летательных аппаратов для мониторинга сельскохозяйственных угодий и посевных площадей в аграрном секторе/ А.А. Коротаев, Л.А. Новопашин // Аграрный вестник Урала. − 2015. − № 12. − С. 38–42.

3.Слышева, Д. П. Технологии точного земледелия и их роль в проектах внутрихозяйственного землеустройства на основе адаптивно-ландшафтных систем земледелия / Д. П. Слышева // Столыпинский вестник. – 2022. – Т. 4, № 1. – DOI 10.55186/27131424_2022_4_1_32. – EDN JRDXGZ.

4.Курченко, Н. Ю. Технология применения беспилотных летательных аппаратов в сельском хозяйстве / Н. Ю. Курченко // . – 2018. – Т. 3, № 3. – С. 37-42. – DOI 10.22406/bjist-18- 3.3-37-42. – EDN XZNVDN.

5.Федоренко, Е. В. Оценка обработанных мультиспектральных снимков беспилотного летательного аппарата в целях точного земледелия / Е. В. Федоренко // Географические исследования Сибири и Алтае-Саянского трансграничного региона : Сборник статей Международной научно-практической конференции, Барнаул, 19–21 апреля 2022 года. – Барнаул: Алтайский государственный университет, 2022. – С. 260-268. – EDN OMRSAP.

6.Фомин, Д. С. Вегетационный индекс NDVI в оценке зерновых культур опытных полей Пермского НИИСХ/ Д. С. Фомин, А. Н. Чащин // Известия ОГАУ. − 2018. − № 4 (72).

УДК 630*41(470.53)

САНИТАРНОЕ СОСТОЯНИЕ ЕЛОВЫХ И СОСНОВЫХ НАСАЖДЕНИЙ В ООПТ «БРОДОВСКИЕ ЛЕСНЫЕ КУЛЬТУРЫ»

Д.А. Минкайдарова – студент 4-го курса;

О.В. Харитонова – научный руководитель, канд. биол. наук ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

Аннотация. Высокая рекреационная нагрузка в лесах города Перми оказывает влияние на санитарном состоянии древостоев. Исследования проводились в лесных культурах ели (2-й класс возраста) и сосны (4-й класс возраста). Выявлено наличие энтомовредителей в еловых насаждениях, преимущественно большого чёрного елового усача. В целом изученные насаждения оцениваются как здоровые.

Ключевые слова: санитарное состояние, лесные культуры, особо охраняемая природная территория, еловые насаждения, сосновые насаждения.

Лес является одним из важных факторов стабилизации экологического состояния воздушного, водного и наземного бассейнов окружающей среды, часто принимая на себя воздействие вредных антропогенных источников и природных катаклизмов. Состояние лесов влияет на биоразнообразие растений и животных.

Основными факторами вредного воздействия на лес на особо охраняем природной территории (ООПТ) являются болезни, вредители, автомобильные дороги (Восточный обход, Бродовский тракт), садовые некоммерческие товарищества (СНТ «Мечта»,

119

СНТ «Оазис»). Всё это создает повышенную рекреационную нагрузку на лес, ухудшая его санитарное состояние.

Ранее оценка санитарного состояния насаждений на территории ООПТ «Бродовские лесные культуры» не проводилась.

Исследование проводилось в Мотовилихинском участковом лесничестве Пермского городского лесничества в ООПТ «Бродовские лесные культуры», где были изучены еловые и сосновые культуры. В ходе исследования было заложено 10 пробных площадей размером 50×50 м прямоугольной формы. Пробные площади (ПП) закладывались в еловых молодняках 2 класса возраста и приспевающих сосновых насаждения (4 класса возраста), в четырёх типах леса ельник кисличник, ельник липняковый, сосняк кисличник, сосняк липняковый, в двух типах лесорастительных условий сложные свежие субори и простые свежие субори. На ПП проводился сплошной перечёт деревьев лесных культур.

Пробные площади были подобраны и заложены в соответствии с ОСТ 56-69-83 «Площади пробные лесоустроительные. Методы закладки» [1].

На основании данных, полученных в результате таксации деревьев и оценки их состояний на пробных площадях, рассчитывались показатели жизненного состояния древостоев.

Средняя категория санитарного состояния рассчитывалась по формуле 1.

где n1, n2, n3 … – количество деревьев данной категории; N – общее количество деревьев [3].

Расчет жизненного состояния древостоя (К.) рассчитывается по формуле (формула 2):

где Рi – доля участия древесной породы в составе лесных насаждений, в долях единицы; С – средняя категория санитарного состояния деревьев каждой древесной породы [3].

Из 10 пробных площадей ель встретилась на 8 пробных площадях, в том числе и в культурах сосны в качестве самосева. Большую часть деревьев ели сибирской можно отнести к 1 категории санитарного состояния, их доля составляет 85,1% (табл. 1).

Входе исследования были выявлены вылетные отверстия чёрного елового усача (13,6 % от общего числа деревьев) [2], морозные трещины (0,5 %), также встречались свежий и старый буреломы, старые сухостой и ветровал (по 0,2 %) (см. табл. 1).

Ввыделе 22 квартала 89 деревья имеют большой отпад из-за густоты и взаимного угнетения, также встречаются ветровал, бурелом, сухостой.

Втабл. 2 представлены пробные площади, занятые лесными культурами сосны обыкновенной. Из 10 пробных площадей сосна обыкновенная встречается на 5. Большую часть деревьев сосны обыкновенной можно отнести к 1-й категории санитарного состояния, которая составляет 90,1 % от общего числа деревьев.

Были обнаружены механические повреждения на высоте от 1,5 до 2 м от основания ствола, на которые приходится 1 % от общего числа деревьев, на свежий сухостой

–2,9 %, на свежий ветровал – 0,7 %, на свежий бурелом – 0,3 %, на старый сухостой и ветровал – 4,4 и 0,6 % соответственно.

120