CC BY
1
mam
4/2024
ISSN 2411-7374 (print) ISSN 2782-6643 (online)
Учредитель
Государственное научное бюджетное учреждение «Академия наук Республики Татарстан»
Издатель
Институт проблем экологии и недропользования АН РТ
Главный редактор
Р.Р. Шагидуллин
д.х.н., член-корреспондент АН РТ, директор Института проблем экологии и недропользования АН РТ
Заместители главного редактора
В.З. Латыпова
д.х.н., профессор, член-корреспондент АН РТ, профессор кафедры прикладной экологии Казанского (Приволжского) федерального университета
Д.В. Иванов
д.г.н., заместитель директора по научной работе Института проблем экологии и недропользования АН РТ
Редакция
Ответственный секретарь: к.с.-х.н. Э.Х. старший научный сотрудник, Институт экологии и недропользования АН РТ Компьютерная верстка: А.Ю. Бородовская Фото на обложке: Д.В. Иванов, Э.Х. Рупова
Рупова, проблем
Журнал зарегистрирован Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций. Свидетельство о регистрации в СМИ ПИ № ФС77-67305 от 30.09.2016
Журнал входит в перечень рецензируемых научных изданий, рекомендованных ВАК РФ, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, ученой степени доктора наук.
Журнал включен в систему Российского индекса научного цитирования (РИНЦ)
Периодичность выпуска: 4 раза в год
Электронная версия журнала содержится на сайте
eLIBRARY.ru
Подписной индекс ПМ018 в каталоге «Почта России». Цена свободная
Адрес издателя:
420111, Республика Татарстан, г. Казань, ул. Баумана, 20
Адрес редакции:
420087, Республика Татарстан, г. Казань, ул. Даурская, 28 тел./факс: +7 (843) 275-96-95 e-mail: [email protected] www.rjae.ru
Ответственность за содержание статей несут авторы. Перепечатка допускается только с разрешения редакции и с обязательной ссылкой на «Российский журнал прикладной экологии»
Редакционная коллегия
В.И. Бармин - д.г.н., профессор, декан геолого-географического факультета, заведующий кафедрой экологии, природопользования, землеустройства и БЖД Астраханского государственного университета В.Д. Богданов - д.б.н., член-корреспондент РАН, зав. лабораторией экологии рыб и биоразнообразия водных экосистем Института экологии растений и животных УРО РАН
Ю.А. Горшков - д.б.н., ведущий научный сотрудник Волжско-Камского государственного природного биосферного заповедника
В.А. Даувальтер - д.г.н., профессор, главный научный сотрудник лаборатории водных экосистем Института проблем промышленной экологии Севера РАН
B.В. Законнов - д.г.н., главный научный сотрудник лаборатории гидрологии и гидрохимии Института биологии внутренних вод им. А.Д. Папанина РАН
Е.Ю. Колбовский - д.г.н., профессор, ведущий научный сотрудник кафедры физической географии материков и геоэкологии Московского государственного университета им. М.В. Ломоносова
Ю.П. Переведенцев - д.г.н., профессор кафедры метеорологии, климатологии и экологии атмосферы Казанского (Приволжского) федерального университета
C.А. Поддубный - д.г.н., зав. лабораторией гидрологии и гидрохимии Института биологии внутренних вод им.
A.Д. Папанина РАН
Ш.Р. Поздняков - д.г.н., директор Института исследований континентальных водных объектов Российского государственного гидрометеорологического университета
B.А. Румянцев - д.г.н., профессор, академик РАН, советник по науке Санкт-Петербургского научного Центра РАН
Р.Н. Салиева - д.ю.н., профессор, зав. лабораторией правовых проблем недропользования, экологии и топливно-энергетического комплекса Института проблем экологии и недропользования АН РТ В.И. Сафарова - д.х.н., профессор, начальник управления государственного аналитического контроля Министерства природопользования и экологии Республики Башкортостан, профессор кафедры безопасности производства и промышленной экологии Уфимского государственного авиационного университета В.В. Снакин - д.б.н., профессор, зав. сектором музея землеведения Московского государственного университета им. М.В. Ломоносова, г. Москва; зав. лабораторией ландшафтной экологии Института фундаментальных проблем биологии РАН
А.М. Смирнов - д.б.н., академик РАН, научный руководитель Всероссийского научно-исследовательского института ветеринарной санитарии, гигиены и экологии; Т.Х. Спаркс - PhD, профессор, Институт зоологии По-знаньского университета естественных наук (Польша); Музей зоологии Кембриджского университета (Великобритания)
Ю.А. Тунакова - д.х.н., профессор, зав. кафедрой общей химии и экологии Казанского национального исследовательского технического университета им. А.Н.Туполева - КАИ.
Подписано в печать 25.12.2024. Дата выхода в свет 27.12.2024.
Общий тираж 1000 экз. Первый завод 100 экз. Отпечатано в типографии издательства АН РТ 420111, Республика Татарстан, г. Казань, ул. Баумана, 20
23532348239053234889482353234823902353
ISSN 2411-7374 (print) ISSN 2782-6643 (online)
State Institution «Tatarstan Academy of Sciences»
Publisher
Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences
Chief Editor
R.R. Shagidullin
Doctor in Chemistry, Corresponding Member of the Academy of Sciences of the Republic of Tatarstan, Director, Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences
Deputy Chief Editors
V. Z. Latypova
Doctor in Chemistry, Corresponding Member of the Academy of Sciences of the Republic of Tatarstan, Professor of the Department of Applied Ecology of Kazan (Volga) Federal University D.V. Ivanov
Doctor in Geography, Deputy Director, Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences
Executive secretary
E.H. Rupova - PhD in Agriculture, Senior Researcher, Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences
Designer: A.Yu. Borodovskaya Cover photo: D.V. Ivanov, E.H. Rupova
The journal is registered by Federal service for supervision in the sphere of telecom, information technologies and mass communications. Registration number: series PI №FS77-67305 on September 30, 2016.
The journal is indexed in Russian Science Citation Index (RSCI)
Frequency: 4 issues per year
The electronic version of the journal is available on the website eLIBRARY.ru.
Subscription index PM018 in catalogue of «Pochta Possii». Free price.
Publisher's address:
20, Bauman st., Kazan, Republic of Tatarstan, 420111, Russia
Editorial address
28, Daurskaya st., Kazan, Republic of Tatarstan, 420087, Russia Phone: +7 (843) 275-96-95
E-mail: [email protected] www.rjae.ru
Editorial board
A.N. Barmin - Doctor in Geography, Professor, Dean of Geological and Geographical Faculty, Head of the Department of Ecology, Nature Management, Land Management and Life Safety, Astrakhan State University V.D. Bogdanov - Doctor in Biology, Corresponding Member of RAS, Head Laboratory of Fish Ecology and Biodiversity of Aquatic Ecosystems, Institute of Plant and Animal Ecology of the Ural Branch of RAS Y.A. Gorshkov - Doctor in Biology, Leading Researcher, Volga-Kama State Natural Biosphere Reserve V.A. Dauvalter - Doctor in Geography, Professor, Chief Researcher, Institute of the Industrial Ecology Problems of the North of the Kola Science Center of RAS V.V. Zakonnov - Doctor in Geography, Leading Researcher, I.D. Papanin Institute for Biology of Inland Waters RAS E.Yu. Kolbovsky - Doctor in Geography, Professor, Leading Researcher of the Department of Physical Geography of Continents and Geoecology, Lomonosov Moscow State University
Yu.P. Perevedentsev - Doctor in Geography, Professor, Head of the Department of Meteorology, Climatology and Ecology of the Atmosphere, Kazan (Volga) Federal University
S.A. Poddubny - Doctor in Geography, Head of the laboratory of hydrology and hydrochemistry, I.D. Papanin Institute for Biology of Inland Waters RAS Sh.R. Pozdnyakov - Doctor in Geography, Director, Institute of Inland Waters Research, Russian State Hydrometeorological University
V.A. Rumyantsev - Doctor in Geography, Professor, Academician of RAS, Scientific Advisor, St. Petersburg Scientific Center of the Russian Academy of Sciences R.N. Salieva - Doctor in Law, Professor, Head of the Laboratory of Legal Problems of Mineral Wealth Use, Ecology and Fuel and Energy Complex, Institute for Problems of Ecology and Mineral Wealth Use of the Tatarstan Academy of Sciences
V.I. Safarova - Doctor in Chemistry, Professor, Head of the Department of State Analytical Control, Ministry of Natural Resources and Ecology of the Republic of Bashkortostan; Professor of the Department of Production Safety and Industrial Ecology, Ufa State Aviation University V.V. Snakin - Doctor in Biology, Professor, Head of the Sector of the Museum of Geography, Lomonosov Moscow State University; Head of the Laboratory of Landscape Ecology, Institute of Fundamental Problems of Biology of RAS
A.M. Smirnov - Doctor in Biology, Academician of RAS, Scientific Director, All-Russian Research Institute of Veterinary Sanitation, Hygiene and Ecology T.H. Sparks - T.H. Sparks - PhD, Professor, Institute of Zoology, Poznan University of Life Sciences (Poland); Museum of Zoology, University of Cambridge (UK) Yu.A. Tunakova - Doctor in Chemistry, Professor, Head of the Department of General Chemistry and Ecology, Kazan National Research Technical University named after A.N. Tupolev - KAI
The authors are responsible for the content of the articles. Reprint without permission of the publisher is prohibited, links to the journal are obligatory when citing.
Signed for printing: 25 December 2024. Release date: 27 December 2024.
Circulation 1000 copies.
Typography: Publishing house of the Tatarstan Academy of Sciences, 20, Bauman st., Kazan, Republic of Tatarstan, 420111, Russia
Геоэкология
А.П. Гусев, Т.Г. Флерко
Оценка риска загрязнения атмосферы на основе космической съемки Sentinel-5P TROPOMI (на примере восточной части Белорусского Полесья)......................
.4
И.И. Зиганшин, Д.В. Иванов, Р.Р. Хасанов, Д.А. Кочетков
Генезис и морфометрические характеристики отчлененных заливов Казанского района переменного подпора Куйбышевского водохранилища.........10
Гидрология суши, водные ресурсы, гидрохимия
Л.В. Кулагина, Е.Н. Зайцева Прогнозирование гидрологического режима с использованием сети LSTM на примере реки Енисей ................................18
И.А. Хасанов
Оценка аномалий грунтовых вод с использованием
стандартизированного индекса
базисного стока .............................23
Geoecology
Gusev A.P., Flerko T.G.
Atmospheric pollution risk assessment based on the
Sentinel-5P TROPOMI space image
(the case study of the eastern part
of Belarusian Polesie) .......................
Ziganshin I.I., Ivanov D.V, Khasanov R.R., Kochetkov D.A.
Genesis and morphometric characteristics of separated bays of the Kazan region of the Kuibyshev reservoir............
10
Land hydrology, water resources, hydrochemistry
Kulagina VI., Zaitceva E.N.
Forecasting the hydrological regime using LSTM
network: a case study
of the Yenisei River............................18
Khasanov I.A.
Assessment of groundwater
anomalies using the standardized
base flow index..............................23
Гидроэкология
И.К. Евстигнеева, И.Н. Танковская Пространственно-временная вариабельность морфопоказателей ценопопуляции Dermocorynus dichotomus (Rhodophyta) в Черном море .........................
.30
И.И. Зиганшин, Д.В. Иванов, Р.Р. Хасанов, Р.Р. Шагидуллин
Донные отложения Монастырской протоки
из озера Средний Кабан города Казани:
состав, свойства, направления утилизации ......41
А.Е. Лапенков, Ю.А. Зуев, Ш.Р. Поздняков Опыт оценки влияния форелевых хозяйств на пресноводные экосистемы по системе МОМ на примере акваторий
Валаамского архипелага ......................50
А.Э. Свердруп, Л.Л. Фролова Прототип экспертной системы для оценки экологического состояния водоемов по молекулярным маркерам гидробионтов . .
Hydroecology
Evstigneeva I.K., Tankovskaya I.N.
Spatial and temporal variation of morphological
parameters in Dermocorynus dichotomus
(Rhodophyta) cenopopulation
in Black sea ............................
.30
Ziganshin I.I., Ivanov D.V, Khasanov R.R., Shagidullin R.R.
Sediments of the Monastyrskaya
channel from Sredniy Kaban Lake, city of Kazan:
composition, properties, directions for disposal .
.41
Lapenkov A.E., Zuev Y.A., Pozdnyakov S.R. Experience of assessing the impact of trout farms on freshwater ecosystems using the MOM system: a case study of the waters
of Valaam archipelago ......................
.50
.62
Sverdrup A.E., Frolova L.L. Prototype of an expert system for assessing the ecological state of reservoirs by molecular markers of hydrobionts ..................
.62
4
Правила для авторов
69
Rules for authors
69
УДК 911.2+504.54
А.П. Гусев, Т.Г. Флерко
Гомельский государственный университет им. Ф. Скорины, [email protected]
ОЦЕНКА РИСКА ЗАГРЯЗНЕНИЯ АТМОСФЕРЫ НА ОСНОВЕ КОСМИЧЕСКОЙ СЪЕМКИ SENTINEL-5P TROPOMI (НА ПРИМЕРЕ ВОСТОЧНОЙ ЧАСТИ БЕЛОРУССКОГО ПОЛЕСЬЯ)
Цель работы - оценка риска загрязнения атмосферы по данным съемки Sentinel-5P TROPOMI. Предложен комплексный индикатор риска загрязнения атмосферы TAQI (TROPOMI Air Quality Index). TAQI рассчитывается по 5 компонентам (CO, NO2, SO2, HCHO, аэрозоли) и учитывает их класс опасности. Район исследований - восточная часть Белорусского Полесья. Определены фоновые значения тропосферных содержаний CO, NO2, SO2, HCHO, аэрозоля и величины TAQI в летний и зимний периоды. Выявлены значительные изменения TAQI под воздействием трансграничного загрязнения. В апреле 2024 г. зафиксированы две аномалии TAQI (высокий риск загрязнения), вызванные пыльной бурей в северной Африке и техногенными выбросами NO2 и SO2. Колебания TAQI неоднородны в пространстве и зависят от особенностей движения масс загрязненного воздуха. Зона высокого риска загрязнения атмосферы, формируемая трансграничными воздействиями, может охватывать более половины территории региона.
Ключевые слова: загрязнение атмосферы; индикатор риска; TROPOMI; Sentinel-5P; TAQI.
DOI: https://doi.Org/10.24852/2411-7374.2024.4.04.09
Введение
Стремительно развивающиеся методы дистанционного зондирования Земли предоставляют новые возможности для мониторинга окружающей среды. Космический мониторинг загрязнения обладает рядом преимуществ: возможность оперативной оценки загрязнения; пространственная оценка загрязнения; выявление реальных (в том числе несанкционированных) источников выбросов; выяснение направлений трансграничного движения масс загрязненного воздуха и их временной изменчивости. Основным недостатком космического мониторинга является то, что полученные тропосферные концентрации веществ-загрязнителей не могут оцениваться с помощью обычной системы предельно допустимых концентрации (ПДК). Дистанционно получаемые данные о концентрации поллютантов в столбе тропосферы можно рассматривать как индикаторы загрязнения (Морозова и др., 2022; Гусев, 2023). Исследования показали, что имеет место корреляция между концентрациями, измеряемыми с помощью космической съемки, с их концентрациями, регистрируемыми в приземном слое атмосферы (1а1о^о et а1., 2019; Cersosimo et а1., 2020). Дистанционный мониторинг фиксирует как антропогенные ^ИопЛук et а1., 2020; КЪап et а1., 2021; аи et а1., 2021; Shen et а1., 2022), так и природные ^ПопЛук et а1., 2022) колебания кон-
центраций газообразных веществ в атмосфере.
Цель работы - оценка риска загрязнения атмосферы восточной части Белорусского Полесья по данным съемки TROPOMI Sentinel-5P. Решаемые задачи: 1) определить фоновые концентрации компонентов, измеряемых сенсором TROPOMI, для восточной части Полесья и Беларуси в целом; 2) выяснить сезонные колебания концентраций этих компонентов, изучить влияние на них изменений метеорологических факторов; 3) разработать и апробировать в условиях Беларуси комплексный индикатор риска загрязнения атмосферы (TAQI); 4) изучить вклад местных и трансграничных факторов в пространственно-временные колебания концентраций компонентов-загрязнителей и их влияние на риск загрязнения атмосферы.
Материалы и методы исследования
Район исследования - территория восточной части Белорусского Полесья. В административном отношении большую часть района исследований занимает Гомельская область.
Для оценки загрязнения атмосферы использовались данные спутника Sentinel-5P с сенсором TROPOMI (Tropospheric Monitoring Instrument), позволяющим определять тропосферные концентрации O3, CH4, HCHO, CO, SO2, NO2 и аэрозоля. Содержание HCHO, CO, SO2, NO2 измеряются и предоставляются в моль/м2, аэрозольный индекс
(AI) - в относительных единицах. Измерения ведутся ежедневно с октября 2017 г. Пространственное разрешение 5.5*3.5 км (7*5.5 км - до августа 2019 г.). Данные Sentinel-5P TROPOMI представляют собой архив формата xxx.hdr, который с помощью модуля Sentinel-5P data explorer для QGIS преобразуется в shape-файл точечного типа.
Комплексный индикатор риска загрязнения атмосферы - TROPOMI Air Quality Index (TAQI) определялся по формуле: TA.QI=E(q7q0)xC, где qi - средняя концентрация i-го компонента за рассматриваемый временной период; q0 - фоновая концентрация i-го компонента за рассматриваемый временной период; C - коэффициент, учитывающий класс опасности компонента. При расчетах учитывали 5 компонентов (CO, NO2, SO2, HCHO, аэрозоли). Предлагаются следующие градации TAQI, соответствующие категориям риска загрязнения атмосферы: менее 5 (очень низкий риск); 5-7.5 (низкий риск); 7.5-10 (средний риск), более 10 (высокий риск).
Операционными территориальными единицами (ОТЕ) исследований являлись: район в целом, выделы родов ландшафтов, города, особо охраняемые природные территории (ООПТ).
Результаты и их обсуждение
По данным съемки спутника Sentinel-5P TROPOMI в период 2022-2024 гг. получены фоновые содержания NO2, SO2, СО, НСНО и аэрозольного индекса (AI) над ландшафтами района исследований в летний и зимний периоды, а также средние концентрации этих компонентов над городами и ООПТ.
Анализ данных Sentinel-5P TROPOMI показал, что концентрация NO2 испытывает сезонные изменения: рост зимой и снижение летом. Среднее содержание NO2 над городами выше, чем над ООПТ - в 1.3 раза летом и в 1.4 раза зимой. Над городами содержание NO2 статистически достоверно превышает фон как зимой, так и летом. Еще более значительные сезонные колебания характерны для SO2: в зимний период его концентрация увеличивается на порядок. В летний период над городами и ООПТ среднее содержание SO2 примерно одинаково. В зимний период концентрация SO2 над городами выше, чем над ООПТ в 1.1 раза, но данные отличия статистически недостоверны. Для СО характерно повышение концентрации в зимний период в 1.2 раза. Среднее содержание угарного газа как для городов, так и для ООПТ статистически достоверно не отличается от фона. Для HCHO (формальдегид) характерно снижение концентрации примерно в 1.5 раза в зимний период; различия между городами и ООПТ недосто-
верны. Аэрозольный индекс (А1) в летний период выше, чем в зимний в 1.2 раза. Между ООПТ и городами статистически значимых различий не наблюдается. Полученные результаты не противоречат предшествующим исследованиям на территории Беларуси в целом (Гусев, Флерко, 2024).
Известно, что на концентрации загрязняющих веществ в тропосфере существенное влияние оказывают метеорологические условия, действие которых может вызвать как рост загрязнения, так и наоборот, способствовать рассеиванию загрязнителей (Безуглая, 1980; Морозов, Стародубцева, 2020). Однако, особенности влияния метеоусловий приземного слоя атмосферы на показатели, получаемые с помощью съемки Sentinel-5P ТЯ0Р0М1, изучены недостаточно. Для оценки взаимосвязи между показателями загрязнения атмосферы и метеорологическими условиями были составлены две выборки - для городов и для ООПТ. Временной интервал - июнь-август 2022 г. Для каждого объекта получены средние значения концентраций SO2, N0^ СО и НСНО в день наблюдений. Дни с высокой облачностью отбраковывались. Для расчета метеорологических показателей использованы данные наиболее близко расположенных метеостанций. Взаимосвязь оценивалась с помощью коэффициента ранговой корреляции Спирмена.
Для всех рассматриваемых компонентов установлена достоверная положительная корреляция со среднесуточной температурой. Эта закономерность проявляется как для городов, так для ООПТ. Чем выше температура, тем более высокие концентрации загрязнителей наблюдаются в столбе тропосферы. Для городов установлена отрицательная корреляция между содержанием N02 и среднесуточной скоростью ветра (коэффициент корреляции -0.44, р<0.001), между содержанием N02 и суточным количеством осадков (-0.23, р<0.5). Во всех остальных случаях полученные коэффициенты корреляции статистически недостоверны. Описанная закономерность объясняется тем, что в Беларуси высокие температуры в летний период характерны для антициклональ-ного типа погоды, который способствует увеличению концентраций загрязнителей в нижних слоях атмосферы. Исходя из полученного результата можно предположить, что увеличение дней с высокими температурами (т.е. соответственно с антициклональным типом погоды) будет способствовать росту загрязнения атмосферы в летний период как в городах, так и для территории региона в целом.
На основе 5 компонентов был оценен риск загрязнения атмосферы. Величина TAQI в зависи-
1 - очень низкий; 2 - низкий 1 - very low; 2 - low
Рис. 1. Оценка риска загрязнения атмосферы по TAQI (апрель-май 2024 г.) Fig. 1. Air pollution risk assessment by TAQI (April-May 2024)
1 - очень низкий; 2 - низкий; 3 - средний; 4 - высокий 1 - very low; 2 - low; 3 - medium; 4 - high
Рис. 2. Оценка риска загрязнения атмосферы по TAQI (9 апреля 2024 г.) Fig. 2. Air pollution risk assessment by TAQI (April 9, 2024)
мости от выдела ландшафтов изменяется от 4.50 до 6.64 летом и от 4.43 до 6.08 зимой (2022 г.). Средняя величина TAQI составила 5.22 летом и 5.11 зимой. Пространственная структура TAQI на территории региона в апреле-мае 2024 г. показана на рисунке 1.
В летний период 30.2% территории характеризуется TAQI<5.0 (очень низкий риск загрязнения), соответственно 69.8% территории TAQI=5.0-6.6 (низкий риск загрязнения). Значения TAQI>6.0 наблюдались только на 0.4% территории. В зимний период 40.0% территории характеризовалось TAQI<5.0, а на 60.0% территории значения составляли от 5.0 до 6.1. Значения TAQI>6.0 наблюдались на 4.0% территории.
Важным фактором, влияющим на загрязнение атмосферы, является трансграничный перенос. Мониторинг атмосферы на основе съемки Senti-ш1-5Р TROPOMI в апреле-мае 2024 г. позволил выделить два мощных трансграничных воздействия (9 апреля и 24 апреля), которые вызвали существенный рост риска загрязнения (рис. 2, 3).
Резкое увеличение риска загрязнения 9 апреля 2024 г. было обусловлено воздействием пыльной бури, эпицентр которой находился в северной Африке (Сахара). Воздействие пыльной бури выразилось в увеличении концентрации аэрозоля как в регионе в целом (средняя величина А1 увеличилась в 3.3 раза), так и в геосистемах локального уровня (города и ООПТ), оказавшихся в ареале воздействия, что, в свою очередь, вызвало рост риска загрязнения атмосферы по комплексному индикатору TAQI. Так, наблюдалось увеличение индикатора риска загрязнения атмосферы TAQI в Гомеле (9.30), Жлобине (9.88), Светлогор-
ске (10.81), в заказнике «Выдрица» (13.41), обусловленное ростом значений А1 (во всех случаях) и, отчасти, содержания SO2 (Гомель, Жлобин, Светлогорск). Показатель А1 вырос в 3.5-4.8 раза, содержание SO2 в 1.6-3.2 раза по сравнению с фоном. Вне ареала воздействия оказались Мозырь, Полесский радиоэкологический заповедник, национальный парк «Припятский», заказники «Днепро-Сожский», «Старый Жаден» (табл. 1).
24 апреля 2024 г. зафиксировано резкое увеличение тропосферных концентраций N02 и SO2. По пространственной структуре распределения N02 установлено, что источник выбросов находится западнее Беларуси, а движение масс загрязненного воздуха происходит с запада на восток. Это трансграничное воздействие затронуло практически всю территории региона, однако его проявления были неоднородны в пространстве. Наибольший рост TAQI наблюдался на западе и в центре региона: Мозырь (19.77), национальный парк «Припятский» (11.92), Полесский радиоэкологический заповедник (11.76), заказник «Выдрица» (13.41). В наименьшей степени - на востоке (Гомель, заказник «Днепро-Сожский»). Изменения TAQI обусловлены увеличением концентраций N02 (в 2.7-5.1 раза по сравнению с фоном) и отчасти S02 (кроме Гомеля, Светлогорска и заказника «Днепро-Сожский»). Наибольший рост концентрации N02 имел место над национальным парком «Припятский» (в 5.1 раза выше фона) и заказником «Старый Жаден» (в 5,12 раза выше фона). Концентрации S02 - над Мозырем (в 13.9 раза выше фона), заказником «Выдрица» (в 5.8 раза) и национальным парком «Припятский» (в 4.4 раза).
грязнения, охватившая 15.8% площади. В результате влияния мощного техногенного источника, находящегося западнее Беларуси, в регионе зона высокого риска загрязнения атмосферы заняла 59.2% территории.
Заключение
Впервые для Белорусского Полесья и Беларуси в целом апробирован комплексный индикатор риска загрязнения атмосферы TAQI, определяемый на основе космической съемки Sentinel-5P TROPOMI. Получены фоновые значения тропосферных концентраций NO2, SO2, СО, НСНО и аэрозоля, изучены их сезонные колебания, пространственная неоднородность, корреляция с метеорологическими условиями.
Трансграничные перемещения NO2, SO2 и аэрозоля оказывают значительное воздействие на состояние атмосферы как локальных объектов, так и всего региона. Индикатор TAQI в отдельные дни как над городами, так и над ООПТ может увеличиваться с 5-6 до 10-20 баллов, что указывает на сильный риск загрязнения атмосферы. Колебания TAQI неоднородны в пространстве и зависят от особенностей движения масс загрязненного
Таблица 1. Оценка риска трансграничного загрязнения атмосферы на территории
восточной части Полесья в 2024 г. Table 1. Risk assessment of transboundary air pollution in the territory of the eastern part
of Polesie in 2024
Объект Object TAQI
Апрель-май April-May 9 апреля April 9 24 апреля April 24
Регион Region 5.16 7.58 9.25
Города Cities
Гомель Gomel 5.47 9.30 6.19
Жлобин Zhlobin 6.34 9.88 6.65
Светлогорск Svetlogorsk 6.20 10.81 7.48
Мозырь Mozyr 5.05 5.93 19.77
Особо охраняемые природные территории Specially protected natural areas
Национальный парк «Припятский» Pripyatsky National Park 5.14 5.29 11.92
Полесский радиоэкологический заповедник Polesie Radioecological Reserve 5.13 4.81 11.76
Республиканский заказник «Днепро-Сожский» Republican Reserve «Dnepro-Sozhsky» 5.57 5.15 6.05
Республиканский заказник «Выдрица» Republican Nature Reserve «Vydritsa» 5.92 7.52 13.41
Республиканский заказник «Старый Жаден» Republican Nature Reserve «Stary Zhaden» 5.58 5.06 9.40
1 - низкий; 2 - средний; 3 - высокий 1 - low; 2 - medium; 3 - high
Рис. 3. Оценка риска загрязнения атмосферы по TAQI (24 апреля 2024 г.)
Fig. 3. Air pollution risk assessment by TAQI (April 24, 2024)
Трансграничное воздействие вызвало значительные изменения риска загрязнения атмосферы в регионе, количественная оценка которых приведена в таблице 2. Видно, что под влиянием североафриканской пыльной бури в пределах региона сформировалась зона высокого риска за-
Таблица 2. Индикатор риска загрязнения атмосферы TAQI (% от общей площади региона) Table 2. Air pollution risk indicator TAQI (% from the total area of the region)
Временной интервал TAQI
Time interval <5.00 5.01-7.50 7.51-10.00 >10.00
Апрель-май 2024 April-May 2024 31.3 68.7 0.0 0.0
9 апреля 2024 April 9, 2024 8.3 35.0 40.9 15.8
24 апреля 2024 April 24, 2024 0.0 16.3 24.5 59.2
воздуха. Зона высокого риска загрязнения атмосферы, формируемая как природными (пыльная буря), так и антропогенными (атмосферные выбросы) трансграничными воздействиями, может охватывать более половины территории региона.
Список литературы
1. Безуглая Э.Ю. Метеорологический потенциал и климатические особенности загрязнения воздуха городов. Л.: Гидрометеоиздат, 1980. 184 с.
2. Гусев А.П., Флерко Т.Г. Пространственная и сезонная изменчивость содержания NO2, SO2, CO над территорией Беларуси // Региональные геосистемы. 2024. Т. 48, №2. С. 210220. https://doi.org/10.52575/2712-7443-2024-48-2-210-220.
3. Гусев А.П. Оценка риска деградации лесных геосистем на основе съемки сенсора TROPOMI спутника Senti-nel-5P (на примере восточной части Белорусского Полесья) // Российский журнал прикладной экологии. 2023. №1. С. 10-15. https://doi.org/10.24852/2411-7374.2023.1.10.15.
4. Морозов А.Е., Стародубцева Н.И. Метеорологические условия и загрязнение атмосферы. Екатеринбург: УГЛТУ, 2020. 128 с.
5. Морозова А.Э., Сизов О.С., Елагин П.О. Агзамов Н.А. Интегральная оценка качества атмосферного воздуха в крупнейших городах России на основе данных TROPOMI (Sen-tinel-5P) за 2019-2020 гг. // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19, №4. С. 23-39. https://doi.org/10.21046/2070-7401-2022-19-4-23-39.
6. Cersosimo A., Serio C., Masiello G. TROPOMI NO2 tro-pospheric column data: regridding to 1 km grid-resolution and assessment of their consistency with in situ surface observation // Remote sensing. 2020. Vol.12, iss. 14. 2212. https://doi. org/10.3390/rs12142212.
7. Filonchyk M., Hurynovich V., Yan H., Gusev A., Shpi-levskaya N. Impact Assessment of COVID-19 on Variations of SO2, NO2, CO and AOD over East Chin // Aerosol and air quality research. 2020. Vol. 20. P. 1530-1540. https://doi.org/10.4209/ aaqr.2020.05.0226.
8. Filonchyk M., Peterson M.P., Gusev A., Hu F., Yan H., Zhou L. Measuring air pollution from the 2021 Canary Islands volcanic eruption // Science of the total environment. 2022. Vol. 849. P. 1-12. http://dx.doi.org/10.1016/j.scitotenv.2022.157827.
9. Ialongo I., Virta H., Eskes H., Hovila J., Douros J. Comparison of TROPOMI/Sentinel-5 Precursor NO2 observation with ground-based measurements in Helsinki // Atmospheric measurement techniques. 2019. Vol. 13. P. 205-218. https://doi. org/10.5194/amt-13-205-2020l.
10. Khan R., Kumar K.R., Zhao T. Assessment of variations of air pollutant concentrations during the COVID-19 lockdown and impact on urban air quality in South Asia // Urban climate. 2021. Vol. 38. P. 100908. https://doi.org/10.1016/j.uclim.2021.100908.
11. Shen L., Gautam R., Omara M., Zavala-Araiza D., Maa-sakkers J., Scarpelli T., Lorente A., Lyon D., Sheng J., Varon D., Nesser H., Qu Z., Lu X., Sulprizio M., Hamburg S., Jacob D. Satellite quantification of oil and natural gas methane emissions in the US and Canada including contributions from individual basins // Atmospheric chemistry and physics. 2022. Vol. 22. P. 11203-11215. https://doi.org/10.5194/acp-22-11203-2022.
12. Zhu Z., Chen B., Zhao Y., Ji Y. Multi-sensing paradigm based urban air quality monitoring and hazardous gas source analyzing: a review // Journal of safety science and resilience. 2021. Vol. 2. P. 131-145. https://doi.org/10.1016/jjnlssr.2021.08.004.
References
1. Bezuglaya E.Yu. Meteorologicheskiy potentsial i klima-ticheskiye osobennosti zagryazneniya vozdukha gorodov [Meteorological potential and climatic features of urban air pollution]. Leningrad: Gidrometeoizdat, 1980. 184 p.
2. Gusev A.P., Flerko T.G. Prostranstvennaya i sezonnaya izmenchivost' soderzhaniya NO2, SO2, CO nad territoriyey Be-larusi [Spatial and seasonal variability of NO2, SO2, CO content over the territory of Belarus] // Regional'nyye geosistemy [Regional Geosystems]. 2024. Vol. 48, No 2. P. 210-220. https://doi. org/10.52575/2712-7443-2024-48-2-210-220.
3. Gusev A.P. Otsenka riska degradatsii lesnykh geosistem na osnove s"yemki sensora TROPOMI sputnika Sentinel-5P (na primere vostochnoy chasti Belorusskogo Poles'ya) [Assessment of the risk of degradation of forest geosystems based on the survey of the TROPOMI sensor of the Sentinel-5P satellite (using the eastern part of the Belarusian Polesie as an example)] // Ros-siyskiy zhurnal prikladnoy ekologii [Russian Journal of Applied Ecology]. 2023. No 1. P. 10-15. https://doi.org/10.24852/2411-7374.2023.1.10.15.
4. Morozov A.E., Starodubtseva N.I. Meteorologicheskiye usloviya i zagryazneniye atmosfery: uchebnoye posobiye [Meteorological conditions and air pollution: a tutorial]. Yekaterinburg, 2020. 128 p.
5. Morozova A.E., Sizov O.S., Elagin P.O. Agzamov N.A. Integral'naya otsenka kachestva atmosfernogo vozdukha v krupneyshikh gorodakh Rossii na osnove dannykh TROPOMI (Sentinel-5P) za 2019-2020 gg. [Integrated assessment of atmospheric air quality in the largest cities of Russia based on TRO-POMI (Sentinel-5P) data for 2019-2020] // Sovremennyye prob-lemy distantsionnogo zondirovaniya Zemli iz kosmosa [Modern problems of remote sensing of the Earth from space]. 2022. Vol. 19, No 4. P. 23-39. https://doi.org/10.21046/2070-7401-2022-19-4-23-39
6. Cersosimo A., Serio C., Masiello G. TROPOMI NO2 tro-pospheric column data: regridding to 1 km grid-resolution and assessment of their consistency with in situ surface observation // Remote sensing. 2020. Vol.12, iss. 14. 2212. https://doi. org/10.3390/rs12142212.
7. Filonchyk M., Hurynovich V., Yan H., Gusev A., Shpi-
levskaya N. Impact Assessment of COVID-19 on Variations of SO2, NO2, CO and AOD over East Chin // Aerosol and air quality research. 2020. Vol. 20. P. 1530-1540. https://doi.org/10.4209/ aaqr.2020.05.0226.
8. Filonchyk M., Peterson M.P., Gusev A., Hu F., Yan H., Zhou L. Measuring air pollution from the 2021 Canary Islands volcanic eruption // Science of the total environment. 2022. Vol. 849. P. 1-12. http://dx.doi.org/10.1016/j.scitotenv.2022.157827.
9. Ialongo I., Virta H., Eskes H., Hovila J., Douros J. Comparison of TROPOMI/Sentinel-5 Precursor NO2 observation with ground-based measurements in Helsinki // Atmospheric measurement techniques. 2019. Vol. 13. P. 205-218. https://doi. org/10.5194/amt-13-205-2020.
10. Khan R., Kumar K.R., Zhao T. Assessment of variations of air pollutant concentrations during the COVID-19 lockdown and impact on urban air quality in South Asia // Urban climate. 2021. Vol. 38. P. 100908. https://doi.org/10.10167j.uclim.2021.100908.
11. Shen L., Gautam R., Omara M., Zavala-Araiza D., Maa-sakkers J., Scarpelli T., Lorente A., Lyon D., Sheng J., Varon D., Nesser H., Qu Z., Lu X., Sulprizio M., Hamburg S., Jacob D. Satellite quantification of oil and natural gas methane emissions in the US and Canada including contributions from individual basins // Atmospheric chemistry and physics. 2022. Vol. 22. P. 11203-11215. https://doi.org/10.5194/acp-22-11203-2022.
12. Zhu Z., Chen B., Zhao Y., Ji Y. Multi-sensing paradigm based urban air quality monitoring and hazardous gas source analyzing: a review // Journal of safety science and resilience. 2021. Vol. 2. P. 131-145. https://doi.org/10.1016/j.jnlssr.2021.08.004.
Gusev A.P., Flerko T.G. Atmospheric pollution risk assessment based on the Sentinel-5P TRO-POMI space image (the case study of the eastern part of Belarusian Polesie).
The aim of the work was to assess the risk of air pollution based on Sentinel-5P TROPOMI survey data. The comprehensive indicator of air pollution risk TAQI (TROPOMI Air Quality Index) was proposed. TAQI was calculated based on 5 components (CO, NO2, SO2, HCHO, aerosols) and took into account their hazard class. The study area was the eastern part of the Belarusian Polesie. The background values of tropospheric contents of CO, NO2, SO2, HCHO, aerosol and TAQI values in summer and winter were determined. Significant changes in TAQI under the influence of transboundary pollution were revealed. In April 2024, two TAQI anomalies (high pollution risk) were recorded, caused by a dust storm in northern Africa and man-made emissions of NO2 and SO2. TAQI fluctuations were spatially heterogeneous and depended on the features of the movement of polluted air masses. The high-risk zone for air pollution, formed by transboundary impacts, can cover more than half of the region's territory.
Keywords: air pollution; risk indicator; TROPOMI; Sentinel-5P; TAQI.
Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 06.09.2024
Одобрено рецензентами / Approved by reviewers: 20.09.2024
Принята к публикации / Accepted for publication: 30.09.2024
Сведения об авторах
Гусев Андрей Петрович, кандидат геолого-минералогических наук, доцент, заведующий кафедрой, Гомельский государственный университет им. Ф. Скорины, Республика Беларусь, 246028, г. Гомель, ул. Советская, 104, E-mail: andi_gusev@mail. ru.
Флерко Татьяна Григорьевна, кандидат географических наук, доцент, Гомельский государственный университет им. Ф. Скорины, Республика Беларусь, 246028, г. Гомель, ул. Советская, 104, E-mail: [email protected].
Information about the authors
Andrei P. Gusev, Ph.D. in Geology, Associate Professor, Director of Department, F. Skorina Gomel State University, 104, Sovets-kaya st., Gomel, 246028, Belarus, E-mail: [email protected].
Tatiana G. Flerko, Ph.D. in Geography, Associate Professor, F. Skorina Gomel State University, 104, Sovetskaya st., Gomel, 246028, Belarus, E-mail: [email protected].
УДК 556.557
'И.И. Зиганшин, Д.В. Иванов, 'Р.Р. Хасанов, Д.А. Кочетков
'Институт проблем экологии и недропользования АН РТ, [email protected] Московский государственный университет им. М.В. Ломоносова
ГЕНЕЗИС И МОРФОМЕТРИЧЕСКИЕ ХАРАКТЕРИСТИКИ ОТЧЛЕНЕННЫХ ЗАЛИВОВ КАЗАНСКОГО РАЙОНА ПЕРЕМЕННОГО ПОДПОРА КУЙБЫШЕВСКОГО ВОДОХРАНИЛИЩА
На основе анализа космических снимков и данных натурных наблюдений впервые дана характеристика генезиса и морфометрических параметров отчленившихся заливов Куйбышевского водохранилища. В пределах Казанского района переменного подпора выявлено 102 водоема, формирование которых связано с затоплением водами водохранилища отрицательных форм рельефа надпойменных террас р. Волги и последующей их изоляцией абразивно-аккумулятивными пересыпями или искусственным путем. По площади акватории отчлененные заливы относятся к классам озерков и маленьких озер с очень малой средней глубиной.
Ключевые слова: отчлененные заливы; генезис; морфометрические параметры; мониторинг; Казанский район переменного подпора; Куйбышевское водохранилище.
DOI: https://doi.Org/10.24852/2411-7374.2024.4.10.17
Введение
Куйбышевское водохранилище относится к типу сложных пойменно-долинных водохранилищ (Эдельштейн, 1991). При нормальном подпорном уровне (НПУ) 53.0 м БС площадь его водного зеркала составляет 5900 км2; более 50% акватории расположено в Республике Татарстан (Куйбышевское ..., 2008). Создание водоема привело к масштабной трансформации рельефа прибрежных территорий. В результате заполнения ложа водохранилища в его береговой зоне сформировалось множество заливов различной протяженности и конфигурации. Со временем часть из них в силу различных причин отчленилась от основной акватории.
Формирование отсеченных заливов характерно для многих водохранилищ волжского каскада. Процессы, связанные с их формированием, изучались на Волгоградском (Баранова и др., 2023; Филиппов и др., 2009) и Куйбышевском водохранилищах (Зиганшин и др., 2021а,Ь, 2022). Новообразованные водоемы представляют собой ранее не характерный для поверхностных вод суши тип водных объектов. Их отличают высокие показатели осадконакопления (Зиганшин, Иванов, Хасанов, 2021а). Использование водоемов в рекреационных целях определяет актуальность и практическую значимость исследований процессов их природно-антропогенной трансформации и оценки современного экологического состояния.
В настоящей статье рассмотрены особенности генезиса и морфометрических характеристик отчлененных заливов Казанского района переменного подпора Куйбышевского водохранилища.
Материалы и методы исследования
На Куйбышевском водохранилище выделяют 9 гидрологических районов (Куйбышевское ..., 2008). Казанский район переменного подпора (далее - Казанский район) простирается вниз по течению р. Волга от зоны выклинивания подпора до Волжско-Камского плеса и занимает площадь 977 км2. Объект исследования - отчленившиеся заливы, расположенные на участке от г. Зеленодольска до устья с р. Камы. Исследованные водоемы, в зависимости от их местоположения относительно реперного населенного пункта, были условно группированы в 5 систем: I - Свияжскую (4 залива), II - Васильевскую (56), III - Победиловскую (10), IV - Новополянскую (8) и V - Саралинскую (24) (рис. 1).
Исследования включали определение гидрографических характеристик водоемов в соответствии с Р 52.08.874-2018 «Определение гидрографических характеристик картографическим способом» и проведение батиметрической съемки. В качестве базовых материалов использовали топографические карты масштаба 1:100000 1939 г., планы водоемов 1:10000 1968-1969 гг., а также космические снимки 1962-2024 гг. Вычисление
Рис. 1. Карта-схема расположения отчлененных заливов в Казанском районе Куйбышевского водохранилища Системы: I- Свияжская, II - Васильевская, III - Победиловская, IV- Новополянская, V - Саралинская
Fig. 1. Location of isolated bays in Kazan region of the Kuibyshev reservoir Systems: I - Sviyazhskaya, II - Vasilievskaya, III - Pobedilovskaya, IV- Novopolyanskaya, V- Saralinskaya
морфометрических параметров водоемов проводилось на летнюю межень 2024 г. при НПУ 52.7 м БС.
Батиметрическая съемка выполнена в 2020-2024 гг. На малых водоемах съемка выполнена в зимнее время со льда при помощи лота по нескольким поперечным профилям (количество профилей варьировало от размера и конфигурации водоема) и одному продольному профилю. Координатную привязку осуществляли GPS навигатором «Garmin» в проекции долгота/широта на эллипсоиде WGS-84. В дальнейшем осуществляли корректировку глубин на НПУ Полученные данные импортировали в среду программного пакета Mapinfo, на их основе строили батиметрические карты водоемов.
На крупных водоемах батиметрическую съемку проводили в летнюю межень с использованием эхолота «Garmin EchoMap UHD 92sv» с трансдью-сером GT56, оснащенным программным обеспечением «Garmin QuickDraw Contours». Замеры осуществлялось с использованием лодки с мотором методом галсов. Этот подход позволяет ох-
ватывать большие акватории, обеспечивая высокую точность и детальность получаемых данных. Полученные данные экспортировались в среду специализированного программного обеспечения ReefMaster 2.0 для создания карт подводного рельефа и анализа эхолокационных данных. Сгенерированные карты изобат с шагом 1 м экспортировали в виде полигонов в формате shape в среду программного пакета Mapinfo Pro 16.
Статистическая обработка данных выполнена с использованием пакета Statistica 8.0.
Результаты и их обсуждение
В Казанском районе Куйбышевского водохранилища в общей сложности было выделено 102 отчлененных залива с суммарной площадью водной поверхности 770 га. Основная их часть находится на левобережье р. Волги, на правом берегу, в Свияжской системе, расположено 4 водоема (рис. 1). В Васильевской системе в настоящее время фиксируется максимальное количество таких водоемов - 56, что обусловлено не только особенностями берегового рельефа левобережья Волги,
Рис. 2. Разделение отчлененного залива Куйбышевского водохранилища на отдельные водоемы Fig. 2. Division of the isolated bay of the Kuibyshev reservoir into separate lakes
наличием здесь протяженных долин «сухих рек», оврагов и балок, но и антропогенной трансформацией образованных при создании Куйбышевского водохранилища искусственных водных объектов, которые впоследствии были превращены в несколько обособленных водоемов при строительстве земляных дамб (рис. 2).
Таким образом, на
начальной
стадии
Рис. 3. Отчленение залива Орлова лощина Fig. 3. Separation of the Orlova loschina bay
образование отчлененных заливов происходило путем затопления
отрицательных эрозионных форм рельефа водами Куйбышевского водохранилища при его формировании (1955-1957 гг.), в результате чего сформировались неширокие (до 100 м) заливы, глубоко вдающиеся в сушу. В результате формирования абразивно-аккумулятивных пересыпей во входных створах заливов или вследствие строительства искусственных дамб (перемычек) в дальнейшем происходило их отчленение от основной акватории водохранилища с образованием изолированных водоемов с полным прекращением водообмена с р. Волга.
В зависимости от характера отчленения все заливы можно условно разделить на две основные группы - отделившиеся по естественным причинам и искусственно отделенные. В Казанском районе отделились от водохранилища естественным путем 55 заливов, из них в Васильевской системе 24, Саралинской 16, Новополянской 8, Победиловской 6, Свияж-ской 1. Водоемы, образованные в результате антропогенного преобразования аквального ландшафта, преобладают в Васильевской (32 залива) и Свияжской (3) системах.
Кроме того, в Казанском районе водохранилища можно выделить несколько водоемов со смешанным происхождением. Например, в южной части залива Орлова лощина, расположенном в Саралинской системе, образование перемычки практически завершилось около 50 лет назад в результате естественных процессов, однако впоследствии ход процесса был кардинально изменен из-за строительства
Рис. 4. Отчленение залива у с. Введенская слобода Fig. 4. Separation of the bay near Vvedenskaya sloboda village
земляной дамбы, соединившей полуостров с берегом (рис. 3). Такая же искусственная перемычка была создана и в северной части залива.
Особо выделяется группа водоемов, механизм образования которых заключается в заилении (занесении) проливов между островами и материковой частью суши. В качестве примера рассмотрим образование залива у с. Введенская слобода (рис. 4). На снимке 1977 г. еще просматривается пролив, разделяющий остров с сушей. К 1988 г. центральная часть острова соединилась с полуостровом с образованием залива. Смыкание полуострова с материковой частью и изоляция залива произошли в 2022 г., в том числе за счет создания на этом участке акватории искусственных дамб.
Ряд небольших по площади водоемов возник при пересыхании рукавов крупных заливов, в результате чего вода сохранилась лишь в наиболее глубоких понижениях рельефа (суффозионно-кар-стовые воронки, ямы, котлованы) (рис. 5).
Рис. 5. Пересыхание рукава Волжского залива Fig. 5. Drying up of a branch of the Volga Bay
Определенная часть водоемов имеет исключительно искусственный генезис и образовалась при строительстве перегораживающих дамб, несущих, как правило, транспортную функцию (рис. 6).
Расположенные в пределах Казанского района Куйбышевского водохранилища заливы имеют площадь водной поверхности менее 1000 га и в соответствии с ГОСТ Р 59054-2020 их следует отнести к категории «малые водоемы». По классификации И.С. Захаренкова (1964), преобладающая часть водоемов (83%) относится к «озеркам» и «маленьким озерам» (табл. 1). При этом на 17 водоемов с площадью акватории >10 га приходится 70% от суммарной площади водной поверхности всех заливов, расположенных в пределах Казанского района. Размеры более 100 га имеет один водоем Саралинского участка - Орлова лощина.
С заполнением Куйбышевского водохранилища уровень грунтовых вод на ряде участков поднялся максимально близко к поверхности земли, став важной составляющей водного баланса водоемов, расположенных на прилегающих к нему территориях, включая отчлененные заливы. По этой причине сезонная динамика уровня водохранилища отражается не только на уровне грунтовых вод, но и на изменении площади акватории новообразованных заливов. Так, площадь акватории Орловой лощины изменялась с 115.6 га в июле 2023 г. (уровень водохранилища 51.4 м) до 117.0 га в июле 2024 г. (уровень водохранилища 52.7 м).
При отметках уровня Куйбышевского водохранилища, приближенных к НПУ 53 абс. м, площадь водной поверхности отчлененных заливов Казанского района варьирует от 0.1 га до 117 га (табл. 2).
Во всех системах преобладают водоемы с площадью акватории от 1 до 10 га (за исключением Васильевской, где доминируют водоемы с площа-
Рис. 6. Отчленение залива у пос. Васильево Fig. 6. Separation of the bay near Vasilyevo settlement
дью водного зеркала менее 1 га). Наиболее широкое распространение получили водоемы с площадью акватории около 2 га.
Наибольшие показатели протяженности котловин характерны для водоемов Новополянской и Саралинской систем. Максимальная их ширина колеблется от 14 до 674 м, в среднем составляя 121 м. Наиболее широкие - искусственно отчлененные водоемы Саралинской системы (в среднем 366 м) (табл. 2). Отчлененные заливы шириной более 400 м на исследуемой территории отмечаются редко. В их числе Волжский залив в пгт. Васильево и залив у пос. Октябрьский (Васильевская система), а также Голубой залив (Новополянская система), которые возникли при заполнении водами водохранилища существовавших здесь ранее обширных понижений рельефа.
Исследуемые водоемы в основном имеют удлиненную и вытянутую в виде «борозды» форму, унаследованных от формирующих их эрозионных форм рельефа - ложбин, лощин, оврагов и балок. Для озерков характерна округлая или близкая к округлой конфигурация, что объясняется первоначальной формой затопленного рельефа (суффозионные воронки) (табл.3).
Среди отчлененных заливов Казанского района выделяются водоемы Саралинской системы. Их средний коэффициент удлиненности составля-
ет 30. Озеро Карташихинское имеет коэффициент удлиненности 96 - это максимальное значение для озер Республики Татарстан.
Большая часть отчлененных заливов Казанского района относится к водоемам с сильно и средне изрезанной береговой линией (табл. 4). Наименьший коэффициент изрезанности (Кизр) характерен для озерков, имеющих плавную береговую линию, наибольший имеют отчлененные заливы Саралинской системы (К >2.3).
^ изр. '
По максимальным глубинам, согласно ГОСТ Р 59054-2020, отчлененные заливы Казанского района, имеют очень малую (<5 м) максимальную глубину. Для большей части водоемов максимальные глубины не превышают 2 м. Прямая зависимость увеличения максимальной глубины водоема от площади акватории не прослеживается.
У большей части отчлененных заливов Казанского района их поперечный профиль имеет и-образную форму (рис. 7) и характеризуется плавным изменением глубин. Профундаль новообразованных озер часто представляет собой русло существовавших здесь ранее временных водотоков.
Заключение
В результате
Таблица 1. Распределение водоемов по площади акватории Table 1. Distribution of water bodies by water surface area
Категория водоема Type of water bodies Площадь, га Area, ha Количество, ед. Quantity, units % от общего числа % of total
Озерки 0.1-1 га 36 35
Маленькие озера 1-10 га 49 48
Малые озера 10-100 га 16 16
Небольшие озера 100-1000 га 1 1
создания Куйбышевского водохранилища в его береговой зоне сформировались многочисленные заливы, многие из которых со временем полностью отделились от основной акватории. При этом возник ранее не характерный для поверхностных вод суши тип водных объек-
Таблица 2. Морфометрические характеристики отчлененных заливов Table 2. Morphometric characteristics of isolated bays
Показатель Indicator Среднее Mean Meдиана Median Min Max
Свияжская система (n=4)
Площадь, га 10.4 7.4 0.5 26.2
Длина береговой линии, м 1805 1605 349 3659
Длина, м 535 327 190 1339
Ширина, м 366 252 42 917
Средняя ширина, м 236 120 32 674
Васильевская система (n=56)
Площадь, га 2.8 0.8 0.1 36.2
Длина береговой линии, м 958 518 97 6732
Длина, м 380 218 33 2485
Ширина, м 83 57 14 638
Средняя ширина, м 46 35 11 247
Победиловская система (n=10)
Площадь, га 6.0 2.7 0.7 25.8
Длина береговой линии, м 1182 908 447 2817
Длина, м 512 390 227 1212
Ширина, м 144 110 36 282
Средняя ширина, м 92 70 18 213
Новополянская система (n=8)
Площадь, га 14.5 4.1 0.3 84.1
Длина береговой линии, м 2756 1236 307 12348
Длина, м 1193 500 141 5072
Ширина, м 154 129 41 463
Средняя ширина, м 74 64 18 166
Саралинская система (n=24)
Площадь, га 16.4 5.3 0.5 117.0
Длина береговой линии, м 3052 1633 322 15738
Длина, м 1357 7135 141 7476
Ширина, м 148 128 44 358
Средняя ширина, м 91 72 30 277
Казанский район Куйбышевского водохранилища (n=102)
Площадь, га 7.6 1.9 0.1 117.0
Длина береговой линии, м 1615 822 97 15738
Длина, м 693 372 33 7476
Ширина, м 121 75 14 917
Средняя ширина, м 71 52 11 674
тов - отчленившиеся заливы.
Анализ космических снимков и данных натурных наблюдений показал, что на территории Казанского района переменного подпора Куйбышевского водохранилища насчитывается 102 отчлененных залива, из них 94% - на левобережье р. Волга. Все они образованы при затоплении водами водохранилища отрицательных эрозионных форм рельефа с последующим отчленением входных створов заливов абразивно-аккумулятивными пересыпями или искусственными насыпями. Часть водоемов образовалась посредством отделения проливов между островами и материковой частью суши.
По площади акватории большая часть отчлененных заливов (85 водоемов) относится к классу озерков и маленьких озер (до 10 га) с очень малой
средней глубиной. 17 наиболее крупных водоемов имеют площадь акватории более 10 га, на них приходится 70% от суммарной площади водной поверхности всех отчлененных заливов Казанского района.
Полученные результаты важны для прогнозирования изменений, происходящих с экосистемами водохранилищ и оценки их устойчивости в долгосрочной перспективе. Для выявления изменений, происходящих в береговой зоне водохранилища, необходима организация системы постоянного наблюдения за ее состоянием.
Работа выполнена за счет гранта Академии наук Республики Татарстан, предоставленного молодым кандидатам наук (постдокторантам) с целью защиты докторской диссертации, выполнения научно-исследовательских работ, а
Таблица 3. Распределение отсеченных заливов по показателю удлиненности Table 3. The distribution of isolated bays by the elongation index
Форма Shape Коэффициент удлиненности Elongation index Количество Quantity % от общего числа % of total
Округлая <1.5 14 14
Близкая к округлой 1.5-3 8 7
Близкая к овальной 3-5 15 15
Овально-удлиненная 5-7 11 11
Удлиненная 7-10 18 18
Вытянутая в виде «борозды» >10 36 35
Таблица 4. Распределение отсеченных заливов по изрезанности береговой линии Table 4. The distribution of isolated bays by shoreline indentation
Степень изрезанности Indentation degree Коэффициент изрезанности Indentation coefficient Количество Quantity % от общего числа % of total
Слабоизрезанные <1.5 28 27
Среднеизрезанные 1.5-2 36 36
Сильноизрезанные >2 38 37
Рис. 7. Батиметрическая карта и типичный поперечный
профиль отчлененного залива (озеро Лиса, Волжско-Камский биосферный заповедник) Fig. 7. Bathymetric map and typical cross-section of an isolated bay (Lisa Lake, Volga-Kama Biosphere Reserve)
верхностные и поземные воды. Классификация водных объектов.
3. Захаренков И.С. О лимнологической классификации озер Белоруссии // Биологические основы рыбного хозяйства на внутренних водоемах Прибалтики / Труды X научной конференции по внутренним водоемам Прибалтики. Минск: Наука и техника, 1964. С. 175-176.
4. Зиганшин И.И., Иванов Д.В., Хасанов Р.Р. Осадконакопление в озерах охранной зоны Саралинского участка Волжско-Камского заповедника // Российский журнал прикладной экологии. 2021а. №2. С. 47-52. doi: 10.24852/24117374.2021.2.47.52.
5. Зиганшин И.И., Иванов Д.В., Хасанов Р.Р. Генезис и морфометрическая характеристика озер охранной зоны Саралинского участка Волж-ско-Камского заповедника // Российский журнал прикладной экологии. 2021Ь. №1. С. 36-43. doi: 10.24411/2411-7374-2020-10039.
6. Зиганшин И.И. Иванов Д.В., Хасанов Р.Р. Динамика морфометрических параметров Ата-баевских озер Волжско-Камского заповедника // Экология родного края: проблемы и пути их решения / Материалы XVI Всероссийской научно-практической конференции с международным участием. Киров, 2022. С. 85-89.
7. Куйбышевское водохранилище (научно-информационный справочник). Тольятти: ИЭВБ РАН, 2008. 123 с.
8. Р 52.08.874-2018. Определение гидрографических характеристик картографическим способом.
9. Филиппов О.В., Золотарев Д.В., Солодовников Д.А. Экологические проблемы заливов и устьевых притоков Волгоградского водохранилища в условиях абразии и вдольберегового транспорта наносов // Проблемы комплексного исследования Волгоградского водохранилища / Сборник научных статей. Волгоград: Волгоградское научное изд-во, 2009. С. 119-142.
10. Эдельштейн К.К. Водные массы долинных водохранилищ. М.: Изд-во МГУ, 1991. 176 с.
также выполнения трудовых функций в научных и образовательных организациях Республики Татарстан в рамках Государственной программы Республики Татарстан «Научно-технологическое развитие Республики Татарстан» (соглашение №98/2024-ПД).
Список литературы
1. Баранова М.С., Филиппов О.В., Кочеткова А.И., Брыз-галина Е.С. Стадии развития пересыпей во входных створах заливов Волгоградского водохранилища // Вестник Московского университета. Сер. 5. География. 2023. Т. 78. С. 137151. doi 10.55959/MSU0579-9414.5.78.3.11.
2. ГОСТ Р 59054-2020. Охрана окружающей среды. По-
References
1. Baranova M.S., Filippov O.V., Kochetkova A.I., Bryzgalina E.S. Stadii razvitiya peresypej vo vhodnyh stvorah zalivov Volgogradskogo vodohran-ilishcha [Stages of barriers formation in the entrance gates of the volgograd reservoir bays] // Moscow University Bulletin. Ser. 5, Geography. 2023. Vol. 78. P. 137-151.
2. GOST R 59054-2020. Ohrana okruzhajushhej sredy. Pov-erhnostnye i pozemnyevody. Klassifikacija vodnyh ob'ektov [Environmental protection. Surface and underground water. Classification of water bodies].
3. Zaharenkov I.S. O limnologicheskoj klassifikacii ozer Be-lorussii [About limnologic classification of the lakes of Belarus] // Biological principles of fish farming in inland Baltic reservoir] / Proceedings of X scientific conference by inland waters of the Baltics. Minsk: Nauka i tekhnika, 1964. P. 175-176.
4. Ziganshin I.I., Ivanov D.V., Khasanov R.R. Osadkonako-plenie v ozerah ohrannoj zony Saralinskogo uchastka Volzhs-ko-Kamskogo zapovednika [Sedimentation in the lakes of the protected zone of the Saralinsky area of the Volzhsko-Kamsky reserve] // Russian journal of applied ecology. 2021a. No 2. P.
47-52. doi: 10.24852/2411-7374.2021.2.47.52.
5. Ziganshin I.I., Ivanov D.V., Khasanov R.R. Genezis i mor-fometricheskaja harakteristika ozer ohrannoj zony Saralinskogo uchastkaVolzhsko-Kamskogo zapovednika [Genesis and morpho-metric characteristics of lakes in the protected zone of the Sara-linsky area of the Volzsko-Kamsky reserve] // Russian journal of applied ecology. 2021b. No 1. P. 36-43. doi: 10.24411/24117374-2020-10039.
6. Ziganshin I.I., Ivanov D.V., Khasanov R.R. Dinamika mor-fometricheskih parametrov Atabaevskih ozer Volzhsko-Kamsko-go zapovednika [Dynamics of morphometric parameters of Ata-baev lakes in the Volga-Kama Reserve] // Ecology of the native and: problems and ways to solve them / XVI All-Russian scientific-practical conference with international participation. Kirov, 2022. P. 85-89.
7. Kujbyshevskoe vodohranilishche (nauchno-informa-cionnyj spravochnik) [The Kuybyshev Reservoir (The scientific information manual)]. Tol'yatti, 2008. 123 p.
8. R 52.08.874-2018. Opredelenie gidrograficheskih harak-teristik kartograficheskim sposobom»[ Determination of hydro-graphic characteristics by cartographic method].
9. Filippov O.V., Zolotarev D.V., Solodovnikov D.A. Ekolog-icheskie problemy zalivov i ust'evyh pritokov Volgogradskogo vodohranilishcha v usloviyah abrazii i vdol'beregovogo transporta nanosov [Ecological problems of bays and estuarial tributaries of the Volgograd reservoir in conditions of abrasion and alongshore sediment transport] // Problems of integrated studies of the
Volgograd reservoir / Collection of scientific articles. Volgograd, 2009. P. 119-142.
10. Edel'shtejn K.K. Vodnye massy dolinnyh vodohranilishch [Water masses of valley reservoirs]. Moscow: Moscow university, 1991. 176 p.
Ziganshin I.I., Ivanov D.V., Khasanov R.R., Kochetkov D.A. Genesis and morphometric characteristics of separated bays of the Kazan region of the Kuibyshev reservoir.
The genesis and morphometric parameters of water bodies formed as a result of bay separation of the Kuibyshev reservoir were studied. Within the Kazan region of reservoir 102 water objects have been identified, the formation of which is associated with the flooding of negative relief forms of the river terraces and their subsequent isolation using abrasive-accumulative embankments or artificially. In terms of water area, isolated bays belong to the classes of lakes and small lakes with a very shallow average depth.
Keywords: separated bays; genesis and typifica-tion of water bodies; morphometric parameters; monitoring; Kuibyshev reservoir; Republic of Tatarstan.
Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 01.10.2024
Одобрено рецензентами / Approved by reviewers: 14.10.2024
Принята к публикации / Accepted for publication: 25.10.2024
Информация о статье / Information about the article
Зиганшин Ирек Ильгизарович, кандидат географических наук, доцент, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Иванов Дмитрий Владимирович, доктор географических наук, зам. директора по научной работе, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Хасанов Рустам Равилевич, научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Кочетков Дмитрий Алексеевич, магистр, Московский государственный университет им. М.В. Ломоносова, Россия, 103274, г. Москва, Краснопресненская наб., 2, E-mail: [email protected].
Information about the authors
Irek I. Ziganshin, Ph.D. in Geography, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: [email protected].
Dmitrii V. Ivanov, D.Sci. in Geography, Deputy Director, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: [email protected].
Rustam R. Khasanov, Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya St., Kazan, 420087, Russia, E-mail: [email protected].
Dmitry A. Kochetkov, Master Student, Moscow State University named after M.V. Lomonosov, 2, Krasnopresnenskaya emb., Moscow, 103274, Russia, E-mail: [email protected].
УДК 556.04(282.256.3):004.032.26+004.032.26
Л.В. Кулагина, Е.Н. Зайцева
Сибирский федеральный университет, [email protected]
ПРОГНОЗИРОВАНИЕ ГИДРОЛОГИЧЕСКОГО РЕЖИМА С ИСПОЛЬЗОВАНИЕМ СЕТИ LSTM НА ПРИМЕРЕ РЕКИ ЕНИСЕЙ
В статье оценивается возможность применения сетей LSTM, как дополнительного механизма прогнозирования гидрологического режима водного объекта, на примере архива данных по реке Енисей. Результаты исследования могут быть использованы при анализе и моделировании распространения последствий аварий и чрезвычайных ситуаций на крупных речных системах с наличием гидрологических постов наблюдений.
Ключевые слова: расходы воды; прогнозирование; LSTM; глубокое обучение; река Енисей.
DOI: https://doi.Org/10.24852/2411-7374.2024.4.18.22
Введение
Применение алгоритмов машинного обучения в гидрологии открывает перспективы научных исследований, обеспечивая более точные прогнозы и понимание взаимосвязей в водных системах. Методы машинного обучения основываются на анализе больших объёмов данных, что позволяет выявлять закономерности, которые сложно или невозможно обнаружить при использовании традиционных статистических методов. В гидрологии такие данные могут включать уровни осадков и рек, температуру воздуха и почвы, а также прочие метеорологические параметры. Данные, собранные с помощью современных технологий, таких как спутниковые наблюдения, метеорологические станции и сенсоры, образуют обширные массивы информации, которые представляют собой идеальную базу для применения методов машинного обучения. В настоящее время из-за трудоёмкости только небольшая часть данных гидрологических постов обрабатывается для задач прогнозирования. Поскольку порядок отношений между данными на постах изменяется (из-за климата, антропогенных морфологических или гидрологических изменений), традиционные методы прогнозирования не дают высокоточных прогнозных моделей, При этом модели машинного обучения могут превзойти физические или статистические методы прогнозирования, они экономически эффективны и могут реализовать оптимальную параметризацию модели, управляемую данными, для поддержки прогнозов в контексте глобальных изменений климата, урбанизации и возрастания эксплуатационного давления на водные ресурсы (Mosavi et а1., 2018). Большинство алгоритмов машинного обучения выполняют преобразование
входных данных, извлекая базовую информацию, а затем прогнозируют, используя простую модель регрессии. Авторы (Moradkhani et al., 2004) добились точного прогнозирования на один шаг вперед, применив подход нейронной сети с нелинейной связью между входными и выходными данными и соответствующей структурой перекрестной проверки. В этом контексте архитектура рекуррентной нейронной сети с обратной связью и слоями забывания является наиболее подходящей для учета совместного влияния «длинных» переменных (температура воды, скорость течения и пр.) и «коротких» возмущающих воздействий на водные объекты (аварии, чрезвычайные ситуации). В последние годы стала очевидной острая необходимость в более жестком регулировании и надзоре за промышленными объектами, а также во внедрении новых технологий и подходов, направленных на защиту окружающей среды, таких как модели глубокого обучения.
Материалы и методы исследования
Искусственная нейронная сеть (ИНС), базовая концепция глубокого обучения, была предложена в 1960-х годах (Hubel, Wiesel, 1959).
Модели глубокого обучения продемонстрировали способность прогнозировать качество воды благодаря своей способности автоматически узнавать сложные закономерности и взаимосвязи между переменными. Длинная краткосрочная память (LSTM - Long Short-Term Memory), одна из моделей глубокого обучения, применяемая для прогнозирования гидрологии, представляет собой тип рекуррентной нейронной сети, которая может учитывать долгосрочные характеристики данных, зависящих от времени. Это наиболее широко при-
Рис. 1. Структура нейронной сети LSTM Fig. 1. LSTM network structure
меняемая сеть, используемая для прогнозирования временных рядов переменных качества воды (рис. 1).
В сети LSTM ключевыми компонентами являются полностью связанные слои и ячейки. Сеть содержит четыре типа слоев: входной слой (а), который получает данные входной последовательности; полностью связанный слой (Ь), который переводит измерения входных данных в измерения ячеек LSTM и устанавливает мост между входным слоем и слоем ячеек; слой ячеек LSTM (с) из п ячеек (т. е. простые сети), который обеспечивает различные возможности памяти; выходные слои включая полностью связанные слои Ь Ь2 и вектор выходного потока, которые переводят выходные данные ячеек в потоки (рис. 1).
В процессе обучения сети LSTM для каждого этапа используется партия обучающих образцов (Патент ..., 2024). Последовательные данные сети гидропостов за пять лет (2015-2019 гг.) об уровнях, осадках, температуре воздуха, скорости, направлении ветра и концентрациях растворенных веществ (рН, фториды, БПК5, нефтепродукты, взвешенные вещества) формулируются как входная матрица:
(365*5+1)*10; ^ - начальный временной шаг;
Хг - вектор осадков на временном шаге.
Наблюдаемые данные о расходах на гидрологических станциях используются в качестве целей для обучения, то есть для сравнения с моделируемыми расходами из сети LSTM:
qt, qt+\,---qt+T
q
qh
qf+i
i
qt+T qt+T
qt+T
где g - количество гидрологических станций; Ц — наблюдаемый сток g-й гидрологической станции на временном шаге Ц - вектор стока на временном шаге t.
В процессе обучения на временном шаге (рис. 1) полностью связанный слой а переносит вектор (например, Хг) с т измерениями в п измерениях (п - количество ячеек LSTM), а именно:
У
out
(n) = х (m) W(m, n) + b(n),
Xt, Xt+i,...Xt+T
x.
X
X,
X,
X
t+1 2 t+1
X
t+1
X
X
t+T 2
t+T
X
t+T
где т - количество метеорологических станций; Т - размер пакета данных со станций
где УоШ - выходной вектор слоя а, Ж - весовая матрица, Ь - смещение, п - общее количество ячеек LSTM.
На рисунке 2 показана структура ячейки LSTM. В расчете ячейки есть два ключевых состояния - состояние ячейки и скрытое состояние. Состояние ячейки является основной цепочкой потока данных, что позволяет данным передаваться вперед практически без изменений. Однако данные в скрытом состоянии могут быть добавлены или
Рис. 2. Структура ячейки LSTM Fig. 2. LSTM cell structure
Рис. 3. Речная сеть р. Енисей (geosfera.org) Fig. 3. Yenisei River network (geosfera.org)
удалены из состояния ячейки (Le et al., 2019), что контролируется «вентилем забывания», «входным вентилем» и «выходным вентилем», представленными пунктирными прямоугольниками. Вентили представляют собой слои нейронной сети с серией матричных операций, которые содержат различные индивидуальные веса и смещения. Ячейка LSTM использует вентили для управления процессом памяти, чтобы избежать проблемы долгосрочной зависимости. Клетка обучается на основе данных временных рядов, используя пять простых сетевых слоев, включая три сигмоидаль-ных слоя и два сетевых слоя тангенса (Kulagina L., Kulagina T., 2021).
Рис. 4. Расположение гидрологических постов на р. Енисей Fig. 4. Hydrological stations location on Yenisei River
Гидрологические посты есть на всех крупных реках в верхнем течении Енисея, а на самом Енисее и его притоках расположено 15 постов, определяющих характеристики речного стока и показатели качества вод. Река Енисей образуется при слиянии Большого Енисея (река Северный Хем) и Малого Енисея (река Хакем) недалеко от г. Кызыл, в 3487 км от устья. Енисей является 14-й по длине рекой в мире и первой по величине речной сети в России (рис. 3).
Большинство станций гидрологической сети наблюдений в Красноярском крае было создано в середине ХХ в. Для исследования были взяты данные четырех гидрологических постов, расположенных на р. Енисей последовательно с юга на север (рис. 4), на которых ФГБУ «Среднесибирское УГМС» проводятся многолетние гидрохимические наблюдения по единому перечню показателей.
Подготовка данных состояла в формировании датасета, состоящего из ежедневных замеров сети наблюдений, загруженных в виде массива в библиотеку машинного обучения Tensor Flow. На рисунке 5 представлены прогнозные и фактические значения моделирования для постов наблюдений р. Енисей с 2015 по 2019 гг. для биологического потребления кислорода (БПК5). Близость кривых (погрешность составляет менее 3%) говорит о высокой эффективности модели на основе
Рис. 5. Прогнозные и фактические значения БПК5 сети гидропостов р. Енисей за 2015-2019 гг. Fig. 5. Forecast and actual values of BOD of hydrometric posts network of Yenisei River for 2015-2019
Рис. 6. Прогнозируемые (красный) и фактические (зеленый) значения обучающих, проверочных и тестовых данных БПК5 сети гидропостов р. Енисей за 2015-2019 гг. Fig. 6. Forecast (red) and observed (green) values of BOD5 of training, validation and test data from the network of hydrometric stations of the Yenisei River for 2015-2019
LSTM. Прогноз аппроксимирует реальный тренд, когда прошло значительное количество времени. По графикам видно, что чем больше обучается система, тем большей точности прогноза можно достичь.
Каждый датасет был разделен на обучающий, тестовый и проверочный наборы данных. Оптимальный вариант разделения датасета 60/20/20 представлен на рисунке 6. В процессе обучения не наблюдается переобучения.
Результаты и их обсуждение
Прогнозирование качества воды - это использование долгосрочного сбора данных для моделирования возможных гидрологических тенденций в течение некоторого будущего периода. LSTM обладает высокоточной нелинейной обучающей способностью для данных временных рядов и имеет простую структуру и несколько параметров, что имеет большой потенциал применения в моделировании речного стока. Результаты исследования показывают, что нелинейная обучающая способность в процессе обучения очень высокая.
Подход обеспечивает научную основу для принятия решений, связанных с проактивной оценкой состояния водной среды, предотвращением основных проблем загрязнения воды и прогнозированием возможных сценариев чрезвычайных ситуаций, особенно во внутренних реках, из-за их особого географического положения. Однако из-за разнообразия гидрологических показателей, длительности периодов сбора данных, сложных корреляций между ними, нелинейности и изменчивости свойств точное и эффективное прогнозирование представляет собой сложную многофакторную задачу. На параметры качества речной воды влияют не только внешние факторы, но и прошлые значения независимых переменных и случайные возмущения, поэтому выбор сроков запаздывания и коррелированных переменных является одним из обстоятельств, влияющих на точность прогноза.
Заключение
Проведенное исследование способствует развитию области прогнозирования гидрологических режимов с использованием подхода глубокого обучения на основе модели LSTM. Возможная перспектива может заключаться в повышении производительности модели, исследовании жизнеспособности прогнозирования неизмеренных бассейнов посредством переноса обучения, добавления интервалов прогнозирования для каждого периода опережения и адаптации для почасовых временных шагов для меньших водосборов.
Список литературы
1. Патент №2024615022. Российская Федерация. Программный комплекс для моделирования экологии водного объекта. Опубл. 01.03.2024 / Зайцева Е.Н., Кулагина Т. А., Кулагина Л.В.
2. Hubel D.H., Wiesel T.N. Receptive fields of single neurones in the cat's striate cortex // The journal of physiology. 1959. Vol. 148. P. 574-591.
3. Kulagina L.V., Kulagina T.A. LSTM Forecasting: time series forecasting to predict concentration of air pollutants (CO, SO2, NO and NO2) in Krasnoyarsk, Russia // Informatics and cy-
bemetics in intelligent systems / Proceedings of 10th computer science on-line conference 2021. 2021. Vol. 3. P. 191-198. doi: 10.1007/978-3-030-77448-6_17.
4. Le X.-H., Ho H.V., Lee G., Jung S. Application of long short-term memory (LSTM) neural network for flood forecasting // Water. 2019. 11 (7). 1387. https://doi.org/10.3390/w11071387.
5. Moradkhani H., Hsu K.L., Gupta H.V., Sorooshian S. Improved streamflow forecasting using self-organizing radial basis function artificial neural networks // Journal of hydrology. 2004. 295(1-4). P. 246-262. doi: 10.1016/j.jhydrol.2004.03.027.
6. Mosavi A., Ozturk P., Chau K.W. Flood prediction using machine learning models: literature review // Water. 2018. 10(11). 1536. https://doi.org/10.3390/w10111536.
References
1. Patent №2024615022. Russian Federation. Software package for modeling the ecology of a water body. Published 03.01.2024./ Zaitseva E.N., Kulagina T.A., Kulagina L.V.
2. Hubel D.H., Wiesel T.N. Receptive fields of single neurones in the cat's striate cortex // The journal of physiology. 1959. Vol. 148. P. 574 -591.
3. Kulagina L.V., Kulagina T.A. LSTM Forecasting: time series forecasting to predict concentration of air pollutants (CO, SO2, NO and NO2) in Krasnoyarsk, Russia // Informatics and cybernetics in intelligent systems / Proceedings of 10th computer science on-line conference 2021. 2021. Vol. 3. P. 191-198. doi: 10.1007/978-3-030-77448-6 17.
4. Le X.-H., Ho H.V., Lee G., Jung S. Application of long short-term memory (LSTM) neural network for flood forecasting // Water. 2019. 11 (7). 1387. https://doi.org/10.3390/w11071387.
5. Moradkhani H., Hsu K.L., Gupta H.V., Sorooshian S. Improved streamflow forecasting using self-organizing radial basis function artificial neural networks // Journal of hydrology. 2004. 295 (1-4). P. 246-262. doi: 10.1016/j.jhydrol.2004.03.027.
6. Mosavi A., Ozturk P., Chau K.W. Flood prediction using machine learning models: literature review // Water. 2018. 10(11). 1536. https://doi.org/10.3390/w10111536.
Kulagina L.V., Zaitceva E.N. Forecasting the hydrological regime using LSTM network on the bank of the Yenisei River.
The article evaluates the possibility of using LSTM networks as an additional mechanism for predicting the hydrological regime of water body, using the example of archive of metrological data of the Yenisey River. The results of this study can be used in the analysis and modeling the spread of consequences of accidents and emergencies on large river systems with hydrological observation posts.
Keywords: river flow prediction; LSTM; deep learning; Yenisei River.
Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 29.10.2024
Одобрено рецензентами / Approved by reviewers: 08.11.2024
Принята к публикации / Accepted for publication: 15.11.2024
Сведения об авторах
Кулагина Людмила Владимировна, кандидат технических наук, доцент, доцент, Сибирский федеральный университет, 660074, Россия, г. Красноярск, ул. Борисова, 5, E-mail: [email protected].
Зайцева Елена Николаевна, старший преподаватель, Сибирский федеральный университет, 660074, Россия, г. Красноярск, ул. Борисова, 5, E-mail: [email protected].
Information about the authors
Liudmila V. Kulagina; PhD in Technology, Associate Professor, Docent, Siberian Federal University, 5, Borisov st., Krasnoyarsk, 660074, Russia, E-mail: [email protected].
Elena N. Zaitceva, Senior Lecturer, Siberian Federal University, 5, Borisov st., Krasnoyarsk, 660074, Russia, E-mail: Lenap1978@ mail.ru.
УДК 504.43
И.А. Хасанов
Уфимский университет науки и технологий, [email protected]
ОЦЕНКА АНОМАЛИЙ ГРУНТОВЫХ ВОД С ИСПОЛЬЗОВАНИЕМ СТАНДАРТИЗИРОВАННОГО ИНДЕКСА БАЗИСНОГО СТОКА
Климатические изменения в совокупности с различными видами антропогенного воздействия изменили режим стока многих рек. Целью работы является оценка возможности применения стандартизированного индекса базисного стока для мониторинга и управления водными ресурсами в условиях изменения климата. Объект исследования - речная сеть бассейна реки Белая. Для выделения базисного стока был применен метод Экхарда, что позволило провести анализ взаимосвязи между базисным и общим речным стоком. Результаты расчетов показали высокую корреляцию между стандартизированными индексами стока, индекса базисного стока и метеорологического индекса осадков; выявлены значительные различия в вероятностных распределениях для различных гидрологических постов. Индекс SBFI продемонстрировал свою эффективность в мониторинге засухи и может служить альтернативой для оценки состояния подземных вод в условиях нехватки данных.
Ключевые слова: метод выделения базисного стока; стандартизированный индекс общего речного стока; стандартизированный индекс базисного стока; функция распределения; река Белая.
DOI: https://doi.Org/10.24852/2411-7374.2024.4.23.29
Введение
Климатические изменения в совокупности с различными видами антропогенного воздействия оказывают значительное влияние на сток рек. Точное расчленение гидрографа на генетические составляющие стока позволит определить расход воды, который будет минимально необходимым для формирования речного стока. При расчленении гидрографа выделяют генетическую составляющую речного стока, известную как «базисный сток». Базисный сток формируется за счет грунтовых вод и является постоянной составляющей общего речного стока (Hall,1968; Виссмен, 1979; Tallaksen, 1995).
Расчленение гидрографа на генетические составляющие также позволяет выполнить расчет метеорологических и гидрологических индексов засухи (Liu et al., 2019; Bazrkar, Chu, 2020). Гидрологические индексы засухи - стандартизированный индекс стока (standardized runoff index - SRI), индекс засушливости стока (streamflow drought index - SDI), стандартизированный индекс уровня грунтовых вод (standardized groundwater level index - SGI), стандартизированный индекс стока (standardized streamflow index - SSFI) и стандартизированный индекс базисного стока (standardized base flow index - SBFI) - связаны с изменением поверхностных или подземных вод (Zargar et al., 2011; Tallaksen et al, 2004; Shukla, Wood, 2008; Nal-bantis, Tsakiris, 2009; Modarres, 2007).
Индекс SSFI был разработан на основе метеорологического индекса осадков (standardized precipitation index - SPI) (Bloomfield et al., 2013). Исследования по оценке корреляции между SPI и SGI продемонстрировали недостатки использования SPI в качестве индикатора грунтовых вод (McKee et al., 1993). Это подчеркивает необходимость поиска более эффективной альтернативы при оценке состояния грунтовых вод. Поэтому значения базисного стока, полученные в ходе расчленения гидрографа на генетические составляющие, могут быть использованы для оценки истощения подземных вод (Hall, 1968).
Целью настоящего исследования является оценка возможности применения стандартизированного индекса базисного стока (SBFI) для мониторинга и управления водными ресурсами в условиях изменения климата.
Материалы и методы исследования
Объектом исследования является речная сеть бассейна реки Белая, расположенного на территории Южного Урала, Россия. Климат региона умеренно континентальный, характеризующийся влажным теплым летом и суровой зимой. Среднегодовое количество осадков варьируется от 350 до 800 мм. Снежный покров формируется во второй половине ноября и тает к середине апреля. Река Белая течет преимущественно в северо-западном направлении, постепенно расширяясь и перехо-
Рис. 1. Бассейн реки Белая и расположение гидрологических постов * период наблюдений, годы; Q - средний расход воды, м3/с; S - площадь водосбора, км2 Fig. 1. Belaya River basin and hydrological station locations * observation period, years; Q - average water flow, m3/s; S - catchment area, km2
дя от горного к равнинному типу течения. Основное питание реки происходит за счет снегового таяния. Площадь бассейна составляет 142 000 км2 (рис. 1).
Для проведения исследований использовались многолетние данные наблюдений за среднесуточным расходом воды на 4 гидрологических постах (рис. 1). Для выделения базисного стока использован метод Экхардта (Eckhardt) (Eckhardt, 2005). Определены параметры коэффициента спада а и BFImax, принимающие значения от 0.25 до 0.8 в зависимости от типа горной породы. Значения коэффициента спада а для гидрологических постов (Арский камень, Стерлита-мак, Уфа, Бирск), составляют 0.84, 0.87, 0.95 и 0.95, соответственно (Хасанов
Рис. 2. Сравнение общего речного стока с базисным стоком для гидрологических постов «Арский камень» (а), «Стерлитамак» (b), «Уфа» (с) и «Бирск» (d) Fig. 2. Comparison of total river flow with base flow for the hydrological stations «Arsky Kamen» (a),
«Sterlitamak» (b), «Ufa» (с), and «Birsk» (d)
Рис. 3. Кумулятивные функции распределения для гидрологических постов «Арский камень» (a - общий речной сток, b - базисный сток), «Стерлитамак» (c - общий речной сток, d - базисный сток), «Уфа» (e - общий речной сток, f - базисный сток) и «Бирск» (g - общий речной сток,
h - базисный сток)
Fig. 3. Cumulative distribution functions for the hydrological stations «Arsky Kamen» (a - total river flow, b - baseflow), «Sterlitamak» (c - total river flow, d - baseflow), «Ufa» (e - total river flow, f - baseflow), and «Birsk» (g - total river flow, h - baseflow)
и др., 2024). В данном исследовании параметр BFImax для всех рассматриваемых постов принят равным 0.8.
Для расчета индекса SBFI базисный сток заменяет осадки в методе SPI (Bloomfield et al., 2013). Процесс расчета SBFI включает несколько ключевых этапов: 1) собираются временные ряды общего речного стока и применяется метод выделения базисного стока. 2) проводится проверка различных вероятностных распределений к полученным временным рядам и выполняется тест на соответствие, чтобы определить наилучшее распределение. 3) оцениваются кумулятивные функции распределения (CDF) выбранного распределения. 4) завершается процесс стандартизацией значений CDF для окончательного расчета индекса SBFI (Hall, 1968).
В работе выполнен анализ для определения наиболее подходящего вероятностного распределения, учитывая пространственные и временные особенности гидроклиматических переменных. Для этого к временным рядам базисного стока каждого гидрологического поста применено четыре различных теоретических распределения (gamma, generalized pareto, log-logistic, GEV), а также эмпирическое распределение (Сучкова,
2021; Hosking, 1990; Hosking et al., 1985). Для выбора наилучшего подходящего распределения использовался тест Колмогорова-Смирнова (KS). Кумулятивные функции распределения CDF стандартизированы наилучшего подходящего вероятностного распределения. Индекс SBFI получен путем оценки z-значения со средним, равным нулю, и дисперсией, равной единице, для базисного стока. Аналогичная процедура применена к общему речному стоку для расчета индекса SSFI.
Результаты и их обсуждение
Значения коэффициента детерминации R2 лежат в диапазоне от 0.967 до 0.996, что свидетельствует о значительной зависимости базисного стока от общего речного стока. Тем не менее, значение парного t-критерия Стьюдента превышает критическое, указывая на статистически значимое расхождение между значениями базисного и общего речного стока (рис. 2). Анализ выявленных расхождений подчеркивает необходимость проведения дополнительных исследований.
Подобранное вероятностное распределение для дальнейшей оценки SSFI и SBFI может отличаться не только для каждого рассматриваемого гидрологического поста, но и для различных гене-
2,0
0,0
-2,0
2,0 1,0 0,0 -1,0 -2,0
а) SSFI (lognormaiySBF (GEV)
R2 = 0,991 (íy
Jf^A
К***1'
д
3,0 -2,0 -1,0 0,0 1,0 2,0 3,
0,0
1,0
2,0
1,0
0,0
с) SSFI (GEV)/SBFI (GEV)
I I2 = 0,997
-3,0 3,0 "3,0 3,0
1,0
-3,0 3,0 -3,0
b) SSFI (gamma)/SBFI (gamma) A
R2 = 0,999
5,0 -2,0 -1,0 0,0 1,0 2,0 3,
d) SSFI (GEvj/SBFI (GEV)
R2 = 0, Э98
J
-2,0
-1,0
0,0
1,0
2,0
3,0
Рис. 4. Сравнение стандартизированного индекса общего речного стока (SSFI) со стандартизированным индексом базисного стока (SBFI) для гидрологических постов «Арский камень» (a), «Стерлитамак» (b), «Уфа» (c) и «Бирск» (d) Fig. 4. Comparison of the standardized streamflow index (SSFI) with the standardized base flow index (SBFI) for the hydrological stations «Arsky Kamen» (a), «Sterlitamak» (b), «Ufa» (c), and «Birsk» (d)
Рис. 5. Стандартизированные значения SBFI, SSFI и SPI с 1936 по 2020 гг. для гидрологического поста «Бирск». Периоды: засухи (красные)
и увлажненности (голубые) Fig. 5. Standardized values of SBFI, SSFI, and SPI from 1936 to 2020for the hydrological station «Birsk». Periods: drought (red) and wet (blue)
тических составляющих стока (рис. 3). В частности, согласно результатам K-S теста, наибольшие противоречия возникают при подборе распределения для гидрологического поста «Арский камень», так как для общего речного стока подходит распределение Lognormal, а для базисного стока можно выбрать Gamma или GEV. На гидрологическом посту «Стерлитамак» подходит Gamma, тогда как для «Уфы» и «Бирска» лучшим решением будет GEV распределение.
Полученные значения стандартизированы с учетом наилучшего распределения и оценены с помощью коэффициента детерминации R2 (рис.
4).
Анализ показал наличие незначительных выбросов для каждого гидрологического поста. Наименьшее значение R2 было зафиксировано для гидрологического поста «Арский Камень». Тем не менее, высокие значения коэффициента детер-
минации для стандартизированных значении свидетельствуют о наличии связи между индексами SSFI и SBFI.
Используя данные инструментальных измерении с гидрологических постов и метеорологических станций вычислены значения всех трех индексов засухи SPI, SSFI и SBFI для гидрологического поста «Бирск», который является замыкающим створом в бассейне р. Белая (рис. 5). Для данного поста результаты проведенного корреляционного анализа установили высокую тесноту связи по всем индексам засухи (г = 0.91). Периоды засухи совпадают с годами, когда наблюдались экстремальные температуры воздуха, что в первую очередь связано с блокирующими антициклонами 1975 и 2010 годов. В эти же годы засухам предшествовали аномально холодные зимы с глубоким промерзанием почвы, в результате чего значительная часть зимне-весенних осадков преобразовалась в речной сток. Засухи, наблюдаемые в последние годы, в основном обусловлены перераспределением атмосферных осадков в течение года, при этом количество осадков в весенне-летний период сократилось по сравнению с осадками осенне-зимнего сезона.
Установлено, что индекс SBFI может быть очень эффективен для мониторинга и управления водными ресурсами в условиях изменения климата (Bazrkar, Chu, 2020). Индекс не подвержен резкому изменению количества осадков, что позволяет эффективнее выявлять засухи и своевременно принимать меры по их смягчению. Каждый индекс засухи объясняет лишь часть засухи, и использование одного индекса не может адекватно описать распространение засухи (Porhemmat, Al-tafi, 2023).
Заключение
Проведенный анализ продемонстрировал высокую корелляцию между гидрологическими индексами SSFI, SBFI и SPI и позволил оценить динамику увлажненности в бассейне реки Белая. Подбор вероятностных распределений для оценки SSFI и SBFI показал значительные различия в зависимости от генетических составляющих стока. Подобранные вероятностные
распределения можно применить для методов машинного обучения и предсказания наступления маловодного периода.
Кроме того, поскольку сток грунтовых вод подпитывает реки в периоды межени, базисный сток можно считать хорошим индикатором состояния грунтовых вод. В условиях нехватки данных о грунтовых водах индекс SBFI может использоваться как эффективная альтернатива для
оценки истощения подземных вод.
Работа выполнена за счет средств Программы стратегического академического лидерства Уфимского университета науки и технологий (Приоритет-2030).
Список литературы
1. Виссмен У Введение в гидрологию. Л.: Гидрометеоиз-дат, 1979. 470 с.
2. Сучкова К.В. Моделирование генетических составляющих речного стока на водосборе Можайского водохранилища: Дисс. ... канд. геогр. наук. М., 2021. 157 с.
3. Хасанов И.А., Елизарьев А.Н., Тараканов Д.А. Оценка эффективности методов выделения базисного стока для бассейна реки Белой, Россия // Вестник Удмуртского университета. Серия Биология. Науки о Земле. 2024. Т. 34, вып. 1. С. 85-95.
4. Bazrkar M.H., Chu X. New standardized base flow index for identification of hydrologic drought in the Red River of the North Basin // Natural hazards review. 2020. Vol. 21, №4. 05020011.
5. Bloomfield J.P., Marchan. B.P. Analysis of groundwater drought building on the standardized precipitation index approach // Hydrology and earth system sciences. 2013. Vol. 17, iss. 12. P. 4769-4787. https://doi.org/10.5194 /hess-17-4769-2013.
6. Eckhardt K. How to construct recursive digital filters for baseflow separation // Hydrological processes. 2005. Vol. 19, iss. 2. P. 507-515.
7. Hall F.R. Base-flow recessions - a review // Water resources restoration. 1968. Vol. 4, iss. 5. P. 973-983.
8. Hosking J.R.M. L-moments: Analysis and estimation of distributions using linear combinations of order statistics // Journal of the Royal Statistical Society: Series B (Methodological) 1990. Vol. 52, iss. 1. P. 105-124.
9. Hosking J.R.M., Wallis J.R., Wood E.F. Estimation of the generalized extreme-value distribution by the method of probability weighted moments // Technometrics. 1985. Vol. 27, iss. 3. P. 251-261.
10. Liu Z., Liu S.Y., Ye J.P., Sheng F, You K.M., Xiong X.H., Lai G.L. Application of a digital filter method to separate base-flow in the small watershed of Pengchongjian in Southern China // Forests. 2019. Vol. 10. 1065.
11. McKee T.B., Doesken N.J., Kleist J. The relationship of drought frequency and duration to time scales // 8th Conference on applied climatology. Boston: American Meteorological Society. 1993. P. 179-184.
12. Modarres R. Streamflow drought time series forecasting // Stochastic environmental research and risk assessment. 2007. Vol. 21, iss. 3. P. 223-233. https://doi.org/10.1007 /s00477-006-0058-1.
13. Nalbantis I., Tsakiris G. Assessment of hydrological drought revisited // Water Resources Management. 2009. Vol. 23, iss. 5. P. 881-897. https://doi.org/10 .1007/s11269-008-9305-1.
14. Porhemmat J., Dadgar M.A. Analysis of hydrological drought indices in Alpine Zagros Mountains of Iran //Arabian journal of geosciences. 2023. Vol. 16. 594.
15. Shukla S., Wood A.W. Use of a standardized runoff index for characterizing hydrologic drought // Geophysical research letters. 2008. Vol. 35, iss. 2. P. 1-7. https://doi. org/10.1029/2007GL032487.
16. Tallaksen L.M. A review of baseflow recession analysis // Journal of hydrology. 1995. Vol. 165. P. 349-370.
17. Tallaksen L.M., Van Lanen H.A.J. Hydrological drought: processes and estimation methods for streamflow and groundwa-ter. Amsterdam, Netherlands: Elsevier, 2004. 684 p.
18. Zargar A., Sadiq R., Naser B., Khan F.I. A review of drought indices // Environmental reviews. 2011. Vol. 19. P. 333— 349. https://doi.org/10.1139 /a11-013.
References
1. Vissmen U. Vvedenie v gidrologiyu [Introduction to hydrology. Leningrad: Gidrometeoizdat, 1979. 470 p.
2. Suchkova K.V. Modelirovanie geneticheskih sostavlyayushchih rechnogo stoka na vodosbore Mozhajskogo vodohranilishcha [Modeling of genetic components of river flow in the Mozhaisk reservoir watershed]: PhD (Cand. of Geography) thesis. Moscow, 2021. 157 p.
3. Khasanov I.A., Elizariev A.N., Tarakanov D.A. Ocenka effektivnosti metodov vydeleniya bazisnogo stoka dlya bassejna reki Beloj, Rossiya [Assessing the effectiveness of baseflow allocation methods for the Belaya River basin, Russia] // Bulletin of the Udmurt University. Biology series. Geosciences. 2024. Vol. 34, No 1. P. 85-95.
4. Bazrkar M.H., Chu X. New standardized base flow index for identification of hydrologic drought in the Red river of the North Basin // Natural hazards review. 2020. Vol. 21, No 4. 05020011.
5. Bloomfield J.P., Marchan. B.P. Analysis of groundwater drought building on the standardized precipitation index approach // Hydrology and earth system sciences. 2013. Vol. 17, iss. 12. P. 4769-4787. https://doi.org/10.5194 /hess-17-4769-2013.
6. Eckhardt K. How to construct recursive digital filters for baseflow separation // Hydrological processes. 2005. Vol. 19, iss. 2. P. 507-515.
7. Hall F.R. Base-flow recessions - a review // Water resources restoration. 1968. Vol. 4, iss. 5. P. 973-983.
8. Hosking J.R.M. L-moments: Analysis and estimation of distributions using linear combinations of order statistics // Journal of the Royal Statistical Society: Series B (Methodological) 1990. Vol. 52, iss. 1. P. 105-124.
9. Hosking J.R.M., Wallis J.R., Wood E.F. Estimation of the generalized extreme-value distribution by the method of probability weighted moments // Technometrics. 1985. Vol. 27, iss. 3. P. 251-261.
10. Liu Z., Liu S.Y., Ye J.P., Sheng F, You K.M., Xiong X.H., Lai G.L. Application of a digital filter method to separate baseflow in the small watershed of Pengchongjian in Southern China // Forests. 2019. Vol. 10. 1065.
11. McKee T.B., Doesken N.J., Kleist J. The relationship of drought frequency and duration to time scales // 8th Conference on applied climatology. Boston: American Meteorological Society. 1993. P. 179-184.
12. Modarres R. Streamflow drought time series forecasting // Stochastic environmental research and risk assessment. 2007. Vol. 21, iss. 3. P. 223-233. https://doi.org/10.1007 /s00477-006-0058-1.
13. Nalbantis I., Tsakiris G. Assessment of hydrological drought revisited // Water Resources Management. 2009. Vol. 23, iss. 5. P. 881-897. https://doi.org/10 .1007/s11269-008-9305-1.
14. Porhemmat J., Dadgar M.A. Analysis of hydrological drought indices in Alpine Zagros Mountains of Iran //Arabian journal of geosciences. 2023. Vol. 16. 594.
15. Shukla S., Wood A.W. Use of a standardized runoff index for characterizing hydrologic drought // Geophysical research letters. 2008. Vol. 35, iss. 2. P. 1-7. https://doi. org/10.1029/2007GL032487.
16. Tallaksen L.M. A review of baseflow recession analysis // Journal of hydrology. 1995. Vol. 165. P. 349-370.
17. Tallaksen L.M., Van Lanen H.A.J. Hydrological drought: processes and estimation methods for streamflow and groundwater. Amsterdam, Netherlands: Elsevier, 2004. 684 p.
18. Zargar A., Sadiq R., Naser B., Khan F.I. A review of drought indices // Environmental reviews. 2011. Vol. 19. P. 333— 349. https://doi.org/10.1139 /a11-013.
Khasanov I.A. Assessment of groundwater anomalies using the standardized base flow index.
Climate change, combined with various types of anthropogenic impact, has changed the flow regime of many rivers. The purpose of the work was to assess the possibility of using the standardized index of base flow. The object of study was the river network of Belaya River basin. The Eckhardt method was used to isolate the base flow, which made it possible to ana-
lyze the relationship between the basic and total river flow. for monitoring and managing water resources under climate change conditions. The results showed the high correlation between the standardized flow indices, basic flow index and meteorological precipitation index, revealing significant differences in the probability distributions for different hydrological stations. The SBFI index has demonstrated its effectiveness in drought monitoring and can serve as an alternative for assessing groundwater status in data-poor settings.
Keywords: basic flow separation method; standardized streamflow index; standardized base flow index; distribution function; Belaya River.
Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 28.11.2024 Одобрено рецензентами / Approved by reviewers: 05.12.2024 Принята к публикации / Accepted for publication: 12.12.2024
Сведения об авторах
Хасанов Ильмир Ахнафович, аспирант, ассистент, Уфимский университет науки и технологий, 450076, Россия, г Уфа, ул. Заки Валиди, 32, E-mail: [email protected]
Information about author
Ilmir A. Khasanov, Postgraduate Student, Assistant, Ufa University of Science and Technology, 32, Zaki Validi st., Ufa, 450076, Russia, E-mail: [email protected].
УДК 582.273/275:502.7(262.5)
И.К. Евстигнеева, И.Н. Танковская
ФИЦ «Институт биологии южных морей им. А.О. Ковалевского РАН», [email protected]
ПРОСТРАНСТВЕННО-ВРЕМЕННАЯ ВАРИАБЕЛЬНОСТЬ МОРФОПОКАЗАТЕЛЕЙ ЦЕНОПОПУЛЯЦИИ DERMOCORYNUS ЫСИОТОМШ (RHODOPHYTA) В ЧЕРНОМ МОРЕ
Впервые определены размерно-массовые параметры слоевища и ценопопуляции черноморского вида Ввттосогупш dichotomus (Rhodophyta). Установлены крайние и средние значения размеров и массы слоевища, а также их пространственная, сезонная, разногодичная, топическая локализация и изменчивость. Выявлены константные и динамичные признаки. Показано, что большинство характеристик слоевища и ценопопуляций весной и летом сопоставимы между собой и превышают свой осенний уровень. Независимыми от сезона признаками являются тип изменчивости длины слоевища, непрерывность и унимодальность размерного спектра. Индивидуальная длина D. dichotomus широко варьирует по годам, а ее изменчивость может быть как «нормальной», так и «значительной». Большинство характеристик размерного и массового спектров изменчивые во времени. Интенсивность разногодичной динамики массовых параметров выше, чем размерных. Вариабельность длины растений в каждом из шести обследованных районов и между ними невелика и находится в пределах биологической «нормы». Размерный спектр чаще непрерывный, уни- и мультимодальный, симметричный или с отрицательной асимметрией. Массовый спектр непрерывный и дискретный, исключительно унимодальный и, в основном, с положительной асимметрией. На искусственном субстрате ценопопуляция, по сравнению с ценопопуляцией на естественном субстрате, отличается высоким разнообразием длины особей и количества размерно-массовых классов, а также симметричностью размерного спектра. На естественном субстрате уровень изменчивости массовых характеристик выше. Выявленное сходство касается отдельных линейных параметров слоевища и размерного спектра, а также модальности массового спектра и степени взаимосвязи изменений длины и массы. Взаимосвязь изменений длины и массы слоевища, независимо от сезона, района и в разные годы, является «заметной» и иногда - «высокой».
Ключевые слова: Dermocorynus dichotomus^; размерно-массовый состав; изменчивость; Черное море.
DOI: https://doi.org/10.24852/2411-7374.2024.4.30.40
Введение
Морские водоросли, имеющие высокую экологическую и экономическую ценность, широко распространены в Мировом океане и являются основой структурно-функционального разнообразия бентосной биоты. В Черном море наиболее обильные заросли водорослей сосредоточены в мелководной зоне, которая в последнее время подвержена антропогенному вмешательству, что приводит к трансформации условий обитания ги-дробионтов. Следствием такого вмешательства является перестройка в популяциях морских растений и связанных с ними животных (Richards, Fredericq, 2018). Следует отметить, что особи, входящие в популяцию, в связи с различием в возрасте и жизненном состоянии, отличаются друг от друга по мощности развития слоевища и его отдельных частей, что, так или иначе, отражает-
ся на степени воздействия их на среду и другие организмы.
Для выяснения биологических особенностей морских растений и формирования бентосных сообществ в различных условиях среды применяется детальный анализ размерно-массовой структуры (Злобин, 1989). Ранее подобные исследования были проведены авторами для некоторых черноморских макроводорослей, относящихся к отделам Chlorophyta, Heterocontophyta и Rhodophyta (Евстигнеева, Танковская, 2017а,б,в; 2018а,б).
К видам с высоким прикладным потенциалом относится красная водоросль Dermocorynus di-chotomus (J. Agardh) Gargiulo, Morabito et Mang-hisi (=Grateloupia dichotoma J. Agardh) (Guiry М., Guiry G., 2024). В ее слоевищах синтезируются и накапливаются в клеточных стенках сульфати-рованные полисахариды, широко применяемые в
промышленности и медицине (Титлянов, Титля-нова и др., 2011; Меньшова, 2012). Установлено, что полисахариды D. dichotomus проявляют антибактериальные и противоопухолевые свойства (Almeida et al., 2021; Cardoso et al., 2019; Coombe et al., 1987). D. dichotomus - малоизученная черноморская водоросль, входящая в состав прибрежных фитоценозов в качестве субдоминанта, а также доминанта самостоятельной ассоциации (Калугина-Гутник, 1975). Вид внесен в Красную книгу г. Севастополя (2018). Охранный статус вида с высоким прикладным значением делает актуальным исследование ценопопуляционных характеристик D. dichotomus с учетом их пространственно-временной изменчивости. Полученные при этом результаты могут расширить представления о процессах, происходящих в ценопопуля-циях хозяйственно ценных видов, имеющих при этом охранный статус, что требует разработки мер по их сохранению в современных условиях.
Целью работы стало изучение размерно-массовых характеристик слоевища и ценопопуляции D. dichotomus на твердых субстратах разного генезиса, определение степени и характера их пространственно-временной и топической изменчивости. Подобные исследования вида в Черном море проведены впервые.
Материалы и методы исследования
Основой данного исследования послужили альгологические сборы, произведенные в период с 2005 по 2023 г. Отбор материала проводили вручную методом пробных площадок размером 25x25 см (Калугина, 1969). На рисунке 1 представлена карта-схема районов выполнения работ.
Изучение размерно-массовых характеристик слоевища и ценопопуляции (ЦП) проводили в пространственном и временном аспектах по следующей схеме:
- изучение пространственной изменчивости производили на основе проб, отобранных в один и тот же сезон (осень) в разных районах (г. Алушта, пгт Кацивели и Форос, бухты Карантинная и Балаклавская, балка Ушакова);
- изучение внутригодовой временной изменчивости характеристик слоевища и ЦП осуществляли на основе проб, собранных в разные сезоны (весна, лето, осень) одного и того же года (2004) в одном районе - в бухте Мартынова;
- изучение межгодовой временной изменчивости проводили на основе проб одного и того же сезона (лето), отобранных в одном районе - в бухте Балаклавской в разные годы (2005-2008, 2015, 2023);
- характер топической изменчивости слоевища
Рис. 1. Карта-схема альгологических исследований: а - г. Алушта (западная набережная), b - пос. Кацивели (Голубой залив), c - пос. Форос, d - бухта Балаклавская, e - балка Ушакова, f - бухта Мартынова, g - бухта Карантинная Fig. 1. Map of algological studies: a - Alushta city
(western embankment), b - Katsiveli settlement (Blue Bay), c - Foros settlement, d - Balaklava Bay, e - Ushakova Bay, f - Martynova Bay, g - Karantinnaya Bay
и ЦП вида определяли на основе результатов сравнительного анализа D. dichotomus, произрастающей на искусственном и естественном субстратах в бухте Карантинной.
Для анализа были выбраны следующие параметры: длина (l) и масса (m) слоевища, мода (Мо) и медиана (Ме) для интервального ряда, количество размерно-массовых и модальных классов, тип размерно-массового спектра (уни-или мультимодальный), характер смещения доминирующих классов. Кроме этого, были определены средние величины размерно-массовых показателей (х) и их доверительные интервалы (А), лимиты (Lim) и размах (Range) вариации, стандартное отклонение (о), коэффициенты вариации (Cv, %) и корреляции (r) (Жукова, Минец, 2019). Для оценки корреляционной связи изменений длины и массы слоевища воспользовались шкалой Чеддока: < 0.3 - слабая связь, от 0.3 до 0.5 -умеренная, от 0.5 до 0.7 - заметная, от 0.7 до 0.9 - высокая, > 0.9 - очень высокая (Гржибовский, 2008). Степень асимметрии кривой плотности распределения оценивали с помощью коэффициента As, несмещенная выборочная оценка которого имеет вид:
где n - объем выборки, х. - варианта, х - выборочное среднее, s - стандартное отклонение; |As| < 0.25 - незначительная, 0.25 < |As| < 0.5 - умеренная, |As| > 0.5 - значительная.
Так же был рассчитан показатель эксцесса характеризующий форму распределения ^ > 0 -островершинное, E < 0 - плосковершинное распределение):
п*(п+ 1) 3*(п— I)2
ЕУ =
(п — 1) * (п — 2) * (п — 3)
_Yríi—V-
-3)Zl s '
(п — 2) * (п — 3)
где n - объем выборки.
Силу и характер изменчивости параметров определяли по шкале Г.Н. Зайцева (верхне- и нижненормальная, значительная, большая, очень большая, аномально высокая) (Зайцев, 1990).
Размерно-массовую структуру ЦП определяли путем взвешивания и измерения слоевищ во влажном состоянии. Оптимальный объем выборки зависит от степени изменчивости изучаемого признака. Тем не менее, в большинстве случаев достаточно точные результаты получаются при ее объеме n=100, что и было учтено в наших исследованиях. Для группировки исходных данных применяли формулу Стерджеса (Жукова, Минец, 2019):
h = (x - x )/k
4 тах mirr
где h - величина интервала, k=1+3.322*lg n, где n - объем выборки;
Статистическую обработку материала проводили с MS Excel 2013. Построение доверительных интервалов и проверки статистических гипотез в исследовании проводились с доверительной вероятностью 0.95.
Результаты и их обсуждение
Dermocorynus P. Crouan et H. Crouan состоит из четырех видов. Виды считаются сложными для определения, поскольку многие из них склонны менять морфологические характеристики в зависимости от условий обитания. Это еще раз подчеркивает необходимость применения специальных методов исследования популяционного уровня, в том числе и морфометрического. Недавно проведенные молекулярные анализы позволяют уточнить таксономический статус морфологически сходных видов этого рода (Gargiulo, Morabito et al., 2013; Peng et al., 2018). Результаты таких анализов в совокупности с морфологическими данными позволяют отнести Dermocorynus к кладе видов Grateloupia, рассматривая их как синонимы (Wilkes, McIvor, et al., 2005). Dermocorynus di-chotomus (=Grateloupia dichotoma J. Agardh) принадлежит семейству Grateloupiaceae Schmitz, порядку Halymeniales G.W. Saunders et Kraft и классу Florideophyceae Cronquist. А.Д. Зинова (1967) в своем определителе описывает вид Grateloupia dichotoma (D. dichotomus) так: слоевище плоское, до 7 см высотой, правильно или неправильно ди-
хотомически разветвленное, с клиновидным основанием, переходящим в очень короткий цилиндрический стебелек, прикрепляющийся к грунту подошвой. Ветви линейные, линейно-клиновидные или удлиненно-ланцетовидные, 0.5-2 мм шириной с тупыми или заостренными вершинами. По обе стороны ветвей могут развиваться боковые ответвления, схожие с основными ветвями.
Размерно-массовые параметры слоевища и ЦП Dermocorynus dichotomus в весенний, летний и осенний периоды вегетации (бухтаМартынова)
По наблюдениям А.А. Калугиной-Гутник (1975), рост D. dichotomus начинается в марте и заканчивается в августе. Наши исследования сезонной динамики параметров слоевища и ЦП показывают, что особи вида встречаются до конца ноября. Позже при сильных штормах наблюдается существенное изреживание ЦП и повреждение отдельных слоевищ D. dichotomus. Ранее такая связь штормов и трансформации состава ЦП большинства бентосных водорослей была проанализирована в работе (Евстигнеева и др., 2019). В вегетационный период длина слоевища изменяется от 1.2 до 5.9 см. Средняя длина растений в разные сезоны близка к совпадению (рис. 2 А).
Весной, в начале массовой вегетации, D. di-chotomus отличается самым высоким уровнем лимитов и размаха вариации индивидуальной длины
А
4,5 4
Я 3 5 £ 3
Я
§ 2,5
ч
is 2
Э 1,5
и ' ^ i О 1
0,5
0
6
а 5
О
£ 4 я к ч
« 3
я £ 2
и
л
О ,
К-
{■
весна лето осень
• длина • масса
/
- N / \\ / f\ v4
' \\__/ ' 1 ^ / \
\ / 4 "
f 1 - -
0,5
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
2005 2006 2007 2008 2015 2023 • длина • масса
Рис. 2. Изменение средней длины и массы слоевища D. dichotomus в разные сезоны в бухте Мартыновой (А) и годы в бухте Балаклавской (B) Fig. 2. Variation of mean length and mass of the layer of D. dichotomus in different seasons in Martynova bay (A) and years in the Balaklava bay (B).
B
Таблица 1. Разногодичная и сезонная изменчивость размерно-массовых параметров слоевища
и ЦП D. dichotomus
Table 1. Year-to-year and seasonal variability of size-mass parameters of D. dichotomus
stratum and cenopopulation
Параметры Pa- Годы Years Сезоны Seasons
rameters 2005 2006 2007 2008 2015 2023 Весна Spring Лето Summer Осень Autumn
Размерные параметры слоевища и ЦП Dimensional parameters of the thallus and cenopopulation
Lim (min - max), см 2.6-6.5 1.5-4.0 1.0-7.0 3.4-7.2 0.5-9.3 1.0-7.0 1.5-5.9 1.2-5.0 1.5-4.8
Размах, см Range, cm 3.9 2.5 6.6 3.8 8.8 6.0 4.4 3.8 3.3
Стандартное отклонение 1.00 0.72 1.38 1.10 2.18 1.22 1.19 1.00 0.83
deviation
C, % 22 27 55 21 54 42 33 33 26
Тип изменчивости Type of variability нижняя норма верхняя норма значительная нижняя норма значительная значительная верхняя норма верхняя норма верхняя норма
X ± А, см 4.48±0.36 2.66±0.39 2.52±0.50 5.14±0.43 4.07±0.44 2.93±0.23 3.59±0.49 2.99±0.27 3.15±0.31
Асимметрия Asymmetry 0.2 0.1 1.7* 0.4 0.2 0.8* 0.3 0.1 -0.1
Эксцесс Kurtosis -0.1 -0.2 3.3* -0.8 -1.0* 0.7 -0.8 -0.9* -0.2
Массовые параметры слоевища и ЦП Mass parameters of the thallus and cenopopulation
Lim (min - max), г 0.2-1.1 0.02-0.2 0.002-0.8 0.1-1.2 0.01-3.0 0.01-1.02 0.04-1.2 0.02-1.1 0.005-0.3
Размах, см Range, cm 0.93 0.16 0.82 1.12 2.99 1.01 1.16 1.08 0.26
Стандартное отклонение 0.24 0.05 0.17 0.34 0.62 0.20 0.29 0.24 0.07
deviation
C, % 43 55 120 78 120 142 87 63 93
Тип изменчивости Type of variability верхняя норма значительная аномальная значительная аномальная аномальная очень большая значительная очень большая
X ± А, г 0.56±0.09 0.10±0.03 0.14±0.06 0.44±0.13 0.52±0.12 0.14±0.04 0.33±0.12 0.20±0.05 0.08±0.03
Асимметрия Asymmetry -0.1 0.1 2.5* 0.9* 1.9* 6.2* 1.4 * 2.1* 1.3 *
Эксцесс Kurtosis -0.6 -1.2* 7.6* -0.3 4.4* 2.4* 1.9 * 4.2 * 0.9*
Коэффициент корреляции «длина-масса» Correlation 0.59* 0.47* 0.31* 0.70* 0.73* 0.63* 0.87* 0.68* 0.67*
coefficient «length - mass»
* значимость с доверительной вероятностью 0.95. significance at the confidence level of 0.95.
Рис. 3. Временная изменчивость частоты встречаемости размерно-массовых классов в ЦП D. dichotomus Fig. 3. Temporal variation of the occurrence frequency of size-mass classes in D. dichotomus cenopopulation
слоевища и его средних размеров (табл. 1). Летом значения этих параметров являются промежуточными по своему уровню или близкими минимальным осенью. Осенью, вследствие элиминирующего действия штормов, ЦП становится более однородной в размерах, свидетельством чему являются особенно низкие размах и коэффициент вариации анализируемого параметра слоевища, а также совсем незначительная асимметрия частоты встречаемости размерных классов. Сезонное распределение частоты размерных классов носит нормальный характер, расположение практически симметричное, при отрицательном эксцессе плосковершинная форма кривой распределения (табл. 1, рис. 3). К независимым от сезона признакам следует отнести «верхненормальный» тип изменчивости длины слоевища и унимодальный характер размерного спектра.
Средняя длина слоевища за весь период наблюдений составила 3.2±0.3 см при очень низком уровне изменчивости (Су =10%). Количество классов в размерном спектре ЦП меняется незначительно, в пределах «нижней нормы» (Су=11%) (табл. 1).
Индивидуальная масса слоевища D. ^скоО тш варьирует еще в большей степени, чем длина. Различие крайних значений показателя составляет десятки раз. Средняя за сезон масса изменяется в не менее широких границах: от 0.08±0.03 осенью до 0.33±0.12 весной (рис. 2А). Как было отмечено выше, весной наблюдается активный рост растений, который сопровождается не только общим удлинением, но и интенсивным кущением слоевища. Осенью активное воздействие штормовой волны приводит к обрыву ветвей, которые лишь частично восстанавливаются за счет регенерации, или к потере целых растений. Все изменения массовых параметров слоевища в границах сезона по шкале Г.Н. Зайцева классифицируются как
«значительные» или, чаще, как «очень большие». Самый высокий коэффициент вариации массы приходится на осень, когда массовый спектр ЦП состоит из минимального количества классов. В течение всех сезонов значимый коэффициент асимметрии и положительный эксцесс ЦП свидетельствуют о существенном смещении массовых классов вправо и их островершинном распределении. При этом доминируют особи с минимальной массой (рис. 3). Большинство качественных и количественных характеристик мор-фометрических показателей слоевища и ЦП сопоставимы весной и летом.
Средняя для всех сезонов индивидуальная масса слоевища равняется 0.2±0.1 г, а ее изменчивость от сезона к сезону, в отличие от вариаций длины слоевища, следует оценивать как «значительную» (Су=60%). Количество классов, составляющих массовый спектр ЦП, также варьирует в «значительной» степени (Су=52%). Высокая изменчивость массовых показателей слоевища и массового спектра ЦП исследуемой водоросли по сравнению с размерными является отражением закономерности, описанной И.И. Шмальгаузеном (Шмальгаузен, 1935). Примечательно, что данное различие вариабельности размеров и массы И.И. Шмальгаузен установил в процессе работы с различными животными объектами. Следовательно, основываясь на результатах изучения авторами изменчивости размеров и массы ряда черноморских водорослей разной систематической принадлежности, можно сказать, что при определенном допущении амплитуда изменчивости является не «видоспецифичной», а «признакоспецифичной».
Значения коэффициента корреляции достоверно указывают на наличие «высокой» по силе проявления взаимосвязи изменений длины и массы слоевища D. ^сНо1отш весной и лишь «заметной» в два других сезона.
Размерно-массовые параметры слоевища и ЦП D. dichotomus в разные годы (бухта Балаклавская)
В таблице 1 приведены данные, позволяющие, наряду с оценкой морфопоказателей слоевища и ЦП вида в течение одного и того же сезона, но разных лет, выявить характер и направленность их межгодовых изменений в конкретном районе.
Установлено, что индивидуальная длина осо-
бей D. йсИоЮтш колеблется в широком диапа- шем коэффициенте вариации (тип изменчивости зоне величин, подтверждением чему является «большой»).
большой размах вариации размеров, составляю- Коэффициент корреляции признаков «длина-щий почти 9 см. Максимум и минимум средней масса» слоевища изучаемого вида в разные годы длины слоевища отличаются в два раза (рис. 2В). составляет 0.31-0.73. Особенно высокий уровень Изменчивость линейного параметра может быть корреляции проявился в 2008, 2015 и 2023 гг. не только «нормальной», как это характерно для (табл. 1).
его сезонных вариаций в пределах одного и того Пространственная динамика размерно-массо-же года, но и «значительной». Качественные и ко- вых характеристик слоевища и ЦПD. dichotomus личественные характеристики размерного спек- (осень 2005 г.)
тра относятся к переменчивым во времени (рис. В ЦП вида на шести исследованных осенью 4). В течение всего времени отсутствует асимме- участках Крымского прибрежья Черного моря ин-тричность в распределении размерных классов, за дивидуальная длина слоевища варьирует от 0.3 до исключением 2007 и 2008 гг., а также плосковер- 8.0 см, а ее среднее для каждого участка значение шинное распределение ^ отрицательный), кроме - от 2.03±0.25 см в балке Ушакова до 5.02±0.68 см 2007 года. Распределение массовых классов на- в бухте Балаклавской (рис. 5). правлено, в основном, в сторону положительных На эти же районы приходятся и крайние зна-значений (вправо) с доминированием особей с ма- чения размаха вариации индивидуальных разме-лой индивидуальной массой. Практически такие ров слоевища. Изменчивость длины растений в же выводы можно сделать и в отношении разно- пробах, собранных в каждом районе, и для всего годичной динамики массовых параметров, интен- массива данных по шести районам невелика и на-сивность которой еще выше, чем у размерных. ходится в пределах «нормы» вариаций биологиче-
Средняя за весь период наблюдений длина сло- ских признаков (табл. 2). евища достигает 3.6±0.9 см при коэффициенте ва- Размерный спектр состоит из 4-6 классов, и риации 30% («верхняя норма»). Этот же параметр чаще, в выбранном классовом шаге, он унимо-массы слоевища равен 0.3±0.2 г при вдвое боль- дальный. Пространственная изменчивость количества классов в спектре ЦП оценивается по шкале Г.Н. Зайцева как «верхненормальная». Значения моды разнообразны, но наиболее часто в ЦП господствуют особи, размеры которых находятся в пределах 3 или 4 см. В распределении размерных классов возможны два варианта: симметричное или с незначительной положительной асимметрией (Аз>0).
Установлено, что индивидуальная масса слоевища изменяется от района к району в очень широком диапазоне: от 0.001 до 1.2 г. Средняя для каждого района масса колеблется от 0.02±0.004 до 0.43±0.15 г с максимумом в бухте Балаклавской, где в состав ЦП входят самые крупные
Рис. 4. Межгодовая изменчивость частоты встречаемости размерно-массовых классов в ЦП D. dichotomus Fig. 4. Interannual variation of the occurrence frequency of size-mass classes in D. dichotomus cenopopulation
и 2 tf 2
0,6
0,5
0,2
0,1
-1
1- 1
-il - - 1 1 _ 1
2 3 4
Районы
5 6
1 2 3 4 5 6
Районы
Рис. 5. Изменение средней длины и массы слоевища D. dichotomus по районам: 1 - город Алушта, 2 - поселок Кацивели, 3 - поселок Форос, 4 - бухта Балаклавская, 5 - бухта Ушакова,
6 - бухта Карантинная Fig. 5. Variation in the mean length and mass of D. dichotomus by regions: 1 - Alushta city, 2 - Katsiveli settlement, 3 - Foros settlement, 4 - Balaklava Bay, 5 - Ushakov Bay, 6 - Karantinnaya Bay
Таблица 2. Пространственная динамика размерно-массовых параметров слоевища и ЦП
D. dichotomus, см
Table 2. Spatial dynamics of the size-mass parameters in D. dichotomus stratum
and cenopopulation, cm
0,7
0,4
^ 3
0,3
0
0
Параметры Parameters Районы* Areas
1 2 3 4 5 6
Размерные параметры слоевища и Ц Dimensional parameters of the thallus and ceno] П, см population, cm
Lim (min - max) 1.5-5.5 0.3-4.6 2.0-4.8 3.0-8.0 1.2-3.1 2.5-5.0
Размах Range 4 4.3 2.8 5.0 1.9 2.5
Стандартное отклонение Standard deviation 1.1 0.7 0.7 1.4 0.5 0.8
C, % 33 31 21 29 26 21
Тип изменчивости Type of variability верхняя норма верхняя норма нижняя норма верхняя норма верхняя норма нижняя норма
X ± A ср X ± A 3.4±0.04 2.20±0.02 3.16±0.26 5.02±0.68 2.03±0.25 3.8±0.3
Асимметрия Asymmetry 0.08 0.5 0.6 0.4 0.6 -0.4
Эксцесс Kurtosis -0 9** 3.8** 0.4 -0.5 0.04 -1 1**
Массовые параметры слоевища и ЦП, г Mass parameters of the thallus and cenopopulation, g
Lim (min - max) 0.02-0.6 0.002-0.1 0.001-0.1 0.1-1.2 0.01-0.1 0.02-1.1
Размах Range 0.6 0.1 0.1 1.1 0.1 1.1
Стандартное отклонение Standard deviation 0.14 0.01 0.02 0.43 0.02 0.3
Cv, % 96 78 67 76 50 162
Тип изменчивости Type of variability очень большая большая большая большая значительная аномальная
X ± A ср X ± A 0.15±0.05 0.020±0.004 0.03±0.01 0.43±0.15 0.04±0.01 0.16±0.12
Асимметрия Asymmetry 2 3** 2 3* * 1.6** 1.0** 0.6 3.1**
Эксцесс Kurtosis 5 9** 7 4** 2.4** -0.1 -1.4* 10.2**
Коэффициент корреляции «длина - масса» Correlation coefficient «length - mass» 0.48** 0.47** 0.73** 0.71** 0.40** 0.60**
* 1 - г. Алушта, 2 - пос. Кацивели, 3 - пос. Форос, 4 - бухта Балаклавская, 5 - бухта Ушакова, 6 - бухта Карантинная.
1 - Alushta city, 2- Katsiveli settlement, 3 - Foros settlement, 4 - Balaklava Bay, 5 - Ushakov Bay, 6 - Karantinnaya Bay.
** значимость с доверительной вероятностью 0.95. significance at the confidence level 0.95.
Таблица 3. Топическая изменчивость размерно-массовых параметров слоевища и ЦП D. dichotomus в бухте
Карантинной Table 3. Topical variability of size-mass parameters in D. dichotomus stratum and cenopopulation at Karantinnaya Bay
Параметры Субстрат Substrate
Parameters Естественный Nature Искусственный Artificial
Размерные параметры слоевища и ЦП, см Dimensional parameters of the thallus and cenopopulation, cm
Lim (min - max) 2.5-5.0 1.3-6.5
Размах Range 2.5 5.2
Стандартное отклонение Standard deviation 0.8 1.0
X ± A ср X ± A 3.8±0.3 3.68 ±0.19
C, % 21 26
Тип изменчивости Type of variability нижняя норма верхняя норма
Асимметрия Asymmetry -0.4 0.3
Эксцесс Kurtosis -1.1 0.3
Массовые параметры слоевища и ЦП, г Mass parameters of the thallus and cenopopulation, g
Lim (min - max) 0.02-1.1 0.02-0.7
Размах Range 1.08 0.68
Стандартное отклонение Standard deviation 0.3 0.11
X ± A ср X ± A ср Xav ± A 0.16±0.12 0.12±0.02
C, % 162 92
Тип изменчивости Type of variability аномальная очень большая
Асимметрия Asymmetry 3.1* 2.4*
Эксцесс Kurtosis 10.2* 7.6*
Коэффициент корреляции «длина - масса» Correlation coefficient «length - mass» 0.60* 0.30*
* значимость с доверительной вероятностью 0.95. significance at a confidence level of 0.95.
растения. О высокой степени изменчивости массы растений в каждом районе свидетельствуют значения коэффициента вариации, позволяющие отнести ее к таким типам, как «значительная», «большая» и «очень большая». Массовый спектр сформирован 3-7 классами. В большинстве районов он является исключительно унимодальным. Величины моды нередко отличаются друг от друга на порядок и более. Количество классов в спектре относится к признакам, достаточно устойчивым в пространстве, поскольку варьирует от района к району в пределах «нормы» для биологических объектов. Массовый спектр, как и размерный, об-
ладает положительной асимметриеи.
По шкале Чеддока корреляционная связь изменений массы и длины слоевища D. йгсНоХотш в каждом районе является «заметной» и даже «высокой».
Состав и структура ЦП D. dichot-отш на естественном и искусственном субстратах в бухте Карантинной В Черном море ассоциация, доми-нантом которой является D. ЛскоО тш, способна образовывать растительный покров высокой плотности не только на естественном твердом субстрате, но и на вертикальных стенках берегоукрепительных сооружений в виде длинных бордюров. Бордюры занимают «...зону псевдолиторали и верхней сублиторали шириной 20-30 см» (Калугина-Гутник, 1975). Мы располагаем данными, позволяющими сравнить состав и структуру ЦП D. ЛсИоШтш на естественном (ЕС) и искусственном субстратах (ИС) в бухте Карантинной, выделив при этом черты их сходства и различия (табл. 3).
Установлено, что на ИС формируется популяция растений, размах вариации размеров (5.2 см) которых вдвое выше, чем на ЕС. На ЕС и ИС степень асимметрии размерного спектра незначительная. Размах вариации индивидуальной массы слоевищ на ЕС, ее средняя величина, а также тип изменчивости, наоборот, здесь выше. На ЕС вдвое больше значение моды, а сам массовый спектр синхронно с размерным отличается симметричным расположением доминирующего класса. При этом разнообразие массовых классов на ИС вдвое (6 классов) выше. Вместе с тем, ЦП одного и того же вида, но на разных по происхождению субстратах, проявляют черты сходства, которые в большей степени касаются линейных морфометрических показателей слоевища и размерного спектра. К ним относятся средняя длина слоевища и тип ее изменчивости, количество размерных классов в спектре, его непрерывный и симметричный характер, а также величина моды. Кроме этого, можно отметить унимодальность спектра массовых классов и одинаковую степень взаимозависимости изменений длины и массы слоевища.
Заключение
На основе результатов многолетних исследований впервые определены размерно-массовые характеристики слоевища и состава ЦП черноморской D. dichotomus (Rhodophyta). Выявлены крайние, средние уровни этих характеристик, их пространственно-временная и топическая локализация.
Дана оценка степени и характера сезонной изменчивости параметров слоевища и ЦП. Показано, что большинство характеристик слоевища и ЦП весной и летом сопоставимы между собой и превышают свой осенний уровень. К независимым от сезона признакам относятся «верхненормальный» тип изменчивости длины слоевища и унимодальный характер размерного спектра.
Индивидуальная длина особей D. dichotomus варьирует по годам в широком диапазоне величин, а изменчивость этого параметра может быть не только «нормальной», но и «значительной». Большинство характеристик размерного и массового спектров изменчивы во времени. Интенсивность межгодовой динамики массовых показателей выше, чем размерных.
Вариабельность длины растений в каждом из шести районов и между ними невелика и находится в пределах биологической «нормы». Размерный спектр симметричный или с положительной асимметрией. Массовый спектр исключительно унимодальный и в основном с положительной асимметрией и высоким показателем эксцесса (островершинность).
На искусственном субстрате ЦП отличается от ЦП на естественном субстрате большим разнообразием длины особей и количеством размерно-массовых классов, а также симметричностью размерного спектра. На естественном субстрате уровень изменчивости массовых характеристик выше. Обнаруженное сходство касается отдельных линейных параметров слоевища и размерного спектра, а также модальности массового спектра и степени взаимосвязи изменений длины и массы.
Сила взаимосвязи изменений длины и массы слоевища, независимо от сезона, района и в разные годы чаще является «заметной» и иногда -«высокой».
Работа выполнена в рамках государственного задания ФИЦ ИнБЮМ по теме «Комплексное исследование механизмов функционирования морских биотехнологических комплексов с целью получения биологически активных веществ из гид-робионтов» (№ гос. регистрации: 1240224001521).
Список литературы
1. Гржибовский А.М. Корреляционный анализ // Экология человека. 2008. №9. С. 50-60.
2. Евстигнеева И.К., Танковская И.Н. Размерно-массовые характеристики слоевища и ценопопуляций Ulva linza L. (Chlorophyta) и их динамика в Черном море // Вопросы современной альгологии. 2017а. №2. http://algology.ru/1175.
3. Евстигнеева И.К., Танковская И.Н. Размерно-массовые характеристики слоевища и ценопопуляций Ulva intestinalis L. (Chlorophyta) и их динамика в Черном море // Вопросы современной альгологии. 20176. №2. http://algology.ru/1174.
4. Евстигнеева И.К., Танковская И.Н. Анализ природных ценопопуляций Gelidium spinosum (S.G. Gmelin) P.C. Silva (Rhodophyta) в прибрежье Черного моря // Водные биологические ресурсы России: состояние, мониторинг, управление // Сборник материалов Всероссийской научной конференции с международным участием, посвященной 85-летию Камчатского научно-исследовательского института рыбного хозяйства и океанографии. Петропавловск-Камчатский: Камчат-НИРО, 2017в. С. 214-222.
5. Евстигнеева И.К., Танковская И.Н. Размерно-массовый состав ценопопуляции, морфопараметры слоевища Padina pavonica (Ochrophyta) и их пространственно-временные изменения // Экосистемы. 2018а. Вып. 15. С. 87-98.
6. Евстигнеева И.К., Танковская И.Н. Размерно-массовые характеристики слоевища и ценопопуляции Dictyota fasciola (Roth) J.V. Lamouroux (Ochrophyta) и их изменчивость в Черном море // Вопросы современной альгологии. 2018б. №3. http://algology.ru/1327.
7. Евстигнеева И.К., Евстигнеев В.П., Танковская И.Н. Структурно-функциональные особенности черноморского макрофитобентоса в районах с разным ветро-волновым режимом // Вода и экология: проблемы и решения. 2019. №2. С. 82-91.
8. Жукова А.А. Биометрия: пособие. В 3 ч. Ч. 3: Корреляция и регрессия. Минск: БГУ, 2021. 103 с.
9. Зайцев Г.Н. Математика в экспериментальной ботанике. М.: Наука, 1990. 296 с.
10. Зинова А.Д. Определитель зеленых, бурых и красных водорослей южных морей СССР. М.-Л.: Наука, 1967. 397 с.
11. Злобин Ю.А. Принципы и методы изучения ценотиче-ских популяций растений. Казань: Изд-во Казанского ун-та, 1989. 146 с.
12. Калугина А.А. Исследование донной растительности Черного моря с применением легководолазной техники // Морские подводные исследования. М., 1969. С. 105-113.
13. Калугина-Гутник А.А. Фитобентос Черного моря. Киев: Наукова думка, 1975. 248 с.
14. Красная книга города Севастополя. Калининград, Севастополь: ИД «РОСТ-ДОАФК», 2018. 432 с.
15. Меньшова Р.В. Полисахариды некоторых видов бурых водорослей: Автореф. дис. ... канд. хим. наук. Владивосток, 2013. 23 с.
16. Титлянов Э.А., Титлянова Т.В., Белоус О.С. Полезные вещества морских красных водорослей (Rhodophyta): химическая структура и содержание // Известия ТИНРО. 2011. Т. 165. С. 305-319.
17. Шмальгаузен И.И. Определение основных понятий и методика исследования роста. Рост животных. М.: Биомед-гиз, 1935. С. 8-60.
18. Almeida J., Ferreira T., Santos S., Pires M.J., da Costa R.M.G., Medeiros R., Bastos M.M.S.M., Neuparth M.J., Faustino-Rocha A.I., Abreu H., Pereira R., Pacheco M., Gaivao I., Rosa E., Oliveira P.A. The Red Seaweed Grateloupia turuturu Prevents Epidermal Dysplasia in HPV16-Transgenic Mice // Nutrients. 2021. Vol. 13, iss. 12. 4529. https://doi.org/10.3390/nu13124529.
19. Cardoso I., Cotas J., Rodriguez A., Ferreira D., Osorio
N., Pereira L. Extraction and analysis of compounds with antibacterial potential from the red alga Grateloupia turuturu // Journal of marine science and technology. 2019. Vol. 7, iss. 7. 220. https://doi.org/10.3390/jmse7070220.
20. Coombe D.R., Parish C.R., Ramshaw I.A., Snowden, J.M. Analysis of the inhibition of tumour metastasis by sulphated polysaccharides // International journal of cancer. 1987. Vol. 39, iss. 1. P. 82-88.
21. Gargiulo G.M., Morabito M., Manghisi A.A. А Reassessment of reproductive anatomy and postfertilization development in the systematics of Grateloupia (Halymeniales, Rhodo-phyta) // Cryptogamie, Algologie. 2013. Vol. 1. Р. 3-35. https:// doi.org/10.7872/crya.v34.iss1.2013.3.
22. Guiry M.D., Guiry G.M. AlgaeBase. World-wide electronic publication, National University of Ireland, Galway. http:// www.algaebase.org. [дата обращения 02.10 2024].
23. Peng K., Ding H., Tan Z., Guo L. Molecular clustering of Grateloupia tissues collected along the coast of China and analysis of microsatellite diversity of G. asiatica // Journal of Ocean University of China. 2018. Vol. 17. P. 925-931. https:// doi.org/10.1007/s11802-018-3496-8.
24. Richards J.R., Fredericq S. Sporolithon sinusmexicanum sp. nov. (Sporolithales, Rhodophyta): a new rhodolith-forming species from deepwater rhodolith beds in the Gulf of Mexico // Phytotaxa. 2018. Vol. 350, iss 2. P. 135-146.
25. Wilkes R.J., McIvor L.M., Guiry M.D. Using rbcL sequence data to reassess the taxonomic position of some Grateloupia and Dermocorynus species (Halymeniaceae, Rhodophyta) from the north-eastern Atlantic // European journal of phycology. 2005. Vol. 40, iss. 1. P. 53-60. https://doi. org/10.1080/09670260400024634.
References
1. Grzhibovskij A.M. Korrelyacionnyj analiz [Correlation analysis] // Human ecology. 2008. No 9. P. 50-60.
2. Evstigneeva I.K., Tankovskaya I.N. Razmerno-massovye harakteristiki sloevishcha i cenopopulyacij Ulva linza L. (Chlorophyta) i ih dinamika v Chernom more [Size and mass characteristics of Ulva linza L. (Chlorophyta) stratum and cenopopulations and their dynamics in the Black Sea] // Issues of modern algology. 2017a. No 2. http://algology.ru/1175.
3. Evstigneeva I.K., Tankovskaya I.N. Razmerno-massovye harakteristiki sloevishcha i cenopopulyacij Ulva intestinalis L. (Chlorophyta) i ih dinamika v Chernom more [Size and mass characteristics of Ulva intestinalis L. (Chlorophyta) layer and cenopopopulations and their dynamics in the Black Sea] // Issues of modern algology. 2017b. No 2. http://algology.ru/1174.
4. Evstigneeva I.K., Tankovskaya I. N. Analiz prirodnyh cenopopulyacij Gelidium spinosum (S. G. Gmelin) P.C. Silva (Rhodophyta) v pribrezh'e Chernogo morya [Analysis of natural cenopopulations of Gelidium spinosum (S. G. G. Gmelin) P.C. Silva (Rhodophyta) in the Black Sea coastline] // Aquatic biological resources of Russia: status, monitoring, management. Petropavlovsk-Kamchatsky, 2017c. P. 214-222.
5. Evstigneeva I.K., Tankovskaya I.N. Razmerno-massovyj sostav cenopopulyacii, morfoparametry sloevishcha Padina pavonica (Ochrophyta) i ih prostranstvenno-vremennye izmeneniya [Size-mass composition of the cenopopulation, morphoparameters of Padina pavonica (Ochrophyta) and their spatial and temporal changes] // Ecosystems. 2018a. Iss. 15. P. 87-98.
6. Evstigneeva I.K., Tankovskaya I.N. Razmerno-massovye harakteristiki sloevishcha i cenopopulyacii Dictyota fasciola (Roth) J.V. Lamouroux (Ochrophyta) i ih izmenchivost' v Chernom more [Size-mass characteristics of Dictyota fasciola (Roth) J.V. Lamouroux (Ochrophyta) layer and cenopopulation
and their variability in the Black Sea] // Issues of modern algology. 2018b. No 3. http://algology.ru/1327.
7. Evstigneeva I.K., Evstigneev V.P., Tankovskaya I.N. Strukturno-funkcional'nye osobennosti chernomorskogo makrofitobentosa v rajonah s raznym vetro-volnovym rezhimom [Structural and functional features of Black Sea macrophytobenthos in areas with different wind-wave regime] // Water and ecology: problems and solutions. 2019. No 2. P. 82-91.
8. Zhukova A.A., Minets M.L. Biometriya. Opisatel'naya statistika [Biometrics. Descriptive statistics]. Minsk, 2021. 103 p.
9. Zajcev G.N. Matematika v eksperimental'noj botanike [Mathematics in experimental botany]. Moscow: Nauka, 1990. 296 p.
10. Zinova A.D. Opredelitel' zelenyh, buryh i krasnyh vodoroslej yuzhnyh morej SSSR [Guide for identification of green, brown and red algae of the southern seas of the USSR]. Moscow-Leningrad: Nauka, 1967. 397 p.
11. Zlobin Yu.A. Principy i metody izucheniya cenoticheskih populyacij rastenij [Principles and methods of studying cenotic populations of plants]. Kazan': Kazan university, 1989. 146 p.
12. Kalugina A.A. Issledovanie donnoj rastitel'nosti Chernogo morya s primeneniem legkovodolaznoj tekhniki [Investigation of the Black Sea bottom vegetation using light-climbing techniques] // Marine underwater research. Moscow, 1969. P. 105-113.
13. Kalugina-Gutnik A.A. Fitobentos Chernogo morya [Phytobenthos of the Black Sea]. Kiev: Naukova dumka, 1975. 248 p.
14. Krasnaya kniga goroda Sevastopolya [Red book of the city of Sevastopol]. Kaliningrad, Sevastopol, 2018. 432 p.
15. Men'shova R.V. Polisakharidy nekotorykh vidov burykh vodoroslej [Polysaccharides of some species of brown algae]: Summary of PhD (Cand. of Chem.). Vladivostok, 2013. 23 p.
16. Titlyanov E.A., Titlyanova T.V., Belous O.S. Poleznye veshchestva morskikh krasnykh vodoroslej (Rhodophyta): khimicheskaya struktura i soderzhanie [Useful substances of marine red algae (Rhodophyta): chemical structure and content] // News of TINRO. 2011. Vol. 165. P. 305-319.
17. Shmal'gauzen I.I. Opredelenie osnovnykh ponyatij i metodika issledovaniya rosta. Rost zhivotnykh [Definition of basic concepts and methodology of growth studies. Animal growth]. Moscow, 1935. P. 8-60.
18. Almeida J., Ferreira T., Santos S., Pires M.J., da Costa R.M.G., Medeiros R., Bastos M.M.S.M., Neuparth M.J., Faustino-Rocha A.I., Abreu H., Pereira R., Pacheco M., Gaivao I., Rosa E., Oliveira P.A. The Red Seaweed Grateloupia turuturu Prevents Epidermal Dysplasia in HPV16-Transgenic Mice // Nutrients. 2021. Vol. 13, iss. 12. 4529. https://doi.org/10.3390/nu13124529.
19. Cardoso I., Cotas J., Rodriguez A., Ferreira D., Osorio N., Pereira L. Extraction and analysis of compounds with antibacterial potential from the red alga Grateloupia turuturu // Journal of marine science and technology. 2019. Vol. 7, iss. 7. 220. https://doi.org/10.3390/jmse7070220.
20. Coombe D.R., Parish C.R., Ramshaw I.A., Snowden, J.M. Analysis of the inhibition of tumour metastasis by sulphated polysaccharides // International journal of cancer. 1987. Vol. 39, iss. 1. P. 82-88.
21. Gargiulo G.M., Morabito M., Manghisi A.A. A Re-Assessment of reproductive anatomy and postfertilization development in the systematics of Grateloupia (Halymeniales, Rhodophyta) // Cryptogamie, Algologie. 2013. Vol. 1. P. 3-35. https:// doi.org/10.7872/crya.v34.iss1.2013.3.
22. Guiry M.D., Guiry G.M. AlgaeBase. World-wide electronic publication, National University of Ireland, Galway. http://www.algaebase.org. [Date of access: 02.10 2024].
23. Peng K., Ding H., Tan Z., Guo L. Molecular clustering of Grateloupia tissues collected along the coast of China and analysis of microsatellite diversity of G. asiatica // Journal of Ocean University of China. 2018. Vol. 17. P. 925-931. https://doi. org/10.1007/s11802-018-3496-8.
24. Richards J.R., Fredericq S. Sporolithon sinusmexicanum sp. nov. (Sporolithales, Rhodophyta): a new rhodolith-forming species from deepwater rhodolith beds in the Gulf of Mexico // Phytotaxa. 2018. Vol. 350, iss 2. P. 135-146.
25. Wilkes R.J., McIvor L.M., Guiry M.D. Using rbcL sequence data to reassess the taxonomic position of some Grateloupia and Dermocorynus species (Halymeniaceae, Rhodophyta) from the north-eastern Atlantic // European journal of phycology. 2005. Vol. 40, iss. 1. P. 53-60. https://doi. org/10.1080/09670260400024634.
Evstigneeva I.K., Tankovskaya I.N. Spatial and temporal variation of morphological parameters in Dermocorynus dichotomus (Rhodophyta) ceno-population in Black sea.
For the first time, size-mass parameters of Black Sea species Dermocorynus dichotomus (Rhodophyta) have been determined. The extreme and average values of the size and mass of stratum, as well as their spatial, seasonal, different-year, topical localization and variability were estimated. Constant and dynamic characteristics were revealed. It was shown that most of the characteristics of stratum and CP in spring and summer were comparable to each other and exceed their autumn level. The season-independent traits were the type of variation in the length
of the stratum, continuity and unimodality of the size spectrum. The individual length in D. dichotomus varied widely from year to year, and its variability could be either «normal» or «significant». Most characteristics of the size and mass spectra were variable over time. The intensity of different annual dynamics of mass parameters was higher than that of size parameters. The variability of plant length in each of the six surveyed areas and between them was small and within the biological «norm». The dimensional spectrum was more often continuous, uni- and multimodal, symmetric or with negative asymmetry. Mass spectrum was continuous and discrete, exclusively unimodal and mostly with positive asymmetry. On an artificial substrate, the cenopopulation, compared to the cenopopulation on a natural substrate, had higher diversity in the length of individuals and number of size-mass classes, and by the symmetry of the size spectrum. The level of variation of mass characteristics was higher on the natural substrate. The revealed similarities concerned individual linear parameters of the stratum and size spectrum, as well as the modality of the mass spectrum and the degree of relationship between length and mass changes. The correlation of changes in length and mass of stratum, irrespective of season, area and in different years, was «noticeable» and sometimes - «high».
Keywords: Dermocorynus dichotomus; size-mass composition; variation; Black Sea.
Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 09.10.2024
Одобрено рецензентами / Approved by reviewers: 08.11.2024
Принята к публикации / Accepted for publication: 19.11.2024
Сведения об авторах
Евстигнеева Ирина Константиновна, кандидат биологических наук, старший научный сотрудник, ФГБУН «ФИЦ «Институт биологии южных морей имени А.О. Ковалевского РАН», 299011, Россия, г. Севастополь, пр. Нахимова, 2, E-mail: ikevstigneeva@gmail. com.
Танковская Ирина Николаевна, младший научный сотрудник, ФГБУН «ФИЦ «Институт биологии южных морей имени А.О. Ковалевского РАН», 299011, Россия, г Севастополь, пр. Нахимова, 2, E-mail: [email protected].
Information about the authors
Irina K. Evstigneeva, Ph.D. in Biology, Senior Researcher, A.O. Kovalevsky Institute of Biology of the Southern Seas, Russian Academy of Sciences, 2, Nakhimov av., Sevastopol, 299011, Russia, E-mail: [email protected].
Irina N. Tankovskaya, Junior Researcher, A.O. Kovalevsky Institute of Biology of the Southern Seas, Russian Academy of Sciences, 2, Nakhimov av., Sevastopol, 299011, Russia, E-mail: [email protected].
УДК 556.555.6 : 504.4.054
И.И. Зиганшин, Д.В. Иванов, Р.Р. Хасанов, Р.Р. Шагидуллин
Институт проблем экологии и недропользования АН РТ, [email protected]
ДОННЫЕ ОТЛОЖЕНИЯ МОНАСТЫРСКОЙ ПРОТОКИ ИЗ ОЗЕРА СРЕДНИЙ КАБАН ГОРОДА КАЗАНИ: СОСТАВ, СВОЙСТВА, НАПРАВЛЕНИЯ УТИЛИЗАЦИИ
Монастырская протока из озера Средний Кабан - ключевой элемент функционирования системы инженерной защиты г. Казани от затопления и подтопления. Выполнено исследование показателей осадконакопления и свойств донных отложений протоки, оценен их вещественный состав и объемы накопления. Показано, что в верхней части протоки за время ее функционирования как искусственной дрены накопилось более 2000 м3 донных отложений, в составе которых содержатся загрязняющие вещества в концентрациях, превышающих геохимический фон для соответствующих типов отложений. Обоснована необходимость производства дноуглубительных работ на участке русла протяженностью 500 м с последующией утилизацией изымаемых осадков в качестве почвогрунтов.
Ключевые слова: донные отложения; осадконакопление, загрязнение; озера Кабан.
DOI: https://doi.Org/10.24852/2411-7374.2024.4.41.49
Введение
Монастырская протока, или магистральная канава №1, является одним из элементов системы инженерной защиты г. Казани и служит для понижения уровня воды в системе озер Нижний и Средний Кабан путем перекачки в Куйбышевское водохранилище (р. Волга). Протока представляет собой ложбину, через которую ранее в периоды половодья оз. Средний Кабан соединялось в р. Волгой. После заполнения в 1957 г. Куйбышевского водохранилища уровень воды в озерах Кабан стал регулироваться искусственным путем во избежание затопления городских территорий, расположенных на низких гипсометрических отметках рельефа.
Общая длина Монастырской протоки составляет 5.9 км. Ее русло пересекает зоны селитебной, в том числе малоэтажной, и промышленной городской застройки и подвержена весьма существено-му сосредоточенному и диффузному загрязнению. Исследования показали, что качество воды в протоке не соответствует нормативным требованиям по целому ряду веществ, включая тяжелые металлы и нефтепродукты.
Процессы накопления донных отложений в значительной мере регулируются здесь стоковыми течениями, которые носят периодический характер и зависят от поступления в озера Кабан подземного и грунтового стока. Большая часть содержащихся в воде озер растворенных и взвешенных веществ проходит через протоку транзитом. Одна-
ко на ряде участков, где характер течений и строение дна способствуют аккумуляции взвешенного материала, происходит образование донных отложений различной мощности. Наиболее активное осадконакопление отмечается в русле протоки от истока из оз. Средний Кабан до пересечения с ул. Варганова протяженностью около 500 м (рис. 1). Седиментации взвесей способствует наличие на этом участке глиняной, укрепленной бетонными плитами плотины с шандорами, посредством которых также регулируются расходы воды из озера. Прибрежные территории в верхнем течении протоки настоящее время активно застраиваются, что определяет актуальность оценки современного экологического состояния водного объекта по комплексу показателей качества, включая донные отложения.
Цель исследования: определить вещественный состав и объемы накопления донных отложений в пределах верхнего отрезка течения Монастырской протоки и и целесообразность проведения дноуглубительных работ на данном участке русла.
Материалы и методы исследований
Исследования русла Монастырской протоки в верхнем ее течении проводились в летний период 2021 г. Батиметрическая съемка выполнена при помощи ручного лота. Координатная привязка осуществлялась GPS навигатором «Garmin» в проекции долгота/широта на эллипсоиде WGS-84. Полученные данные импортировались в среду
Рис. 1. Монастырская протока (сверху) и ее верхнее течение (снизу) Fig. 1. Monastyrskaya channel (above) and its upper flow (below)
программного пакета Mapinfo, на их основе строилась батиметрическая карта.
Грунтовая съемка осуществлялась гравитационной трубкой ГОИН-1 и торфяным буром. В общей сложности отобрано 85 кернов донных осадков, выполнено их морфологическое описание и определение мощности.
Физико-химические исследования донных отложений включали определение следующих показателей: гранулометрический состав (ГОСТ 12536-2014), содержание органического вещества по величине потерь при прокаливании по (ПНДФ 16.2.2:2.3:3.32-02), влажность (ГОСТ 5180-2015), плотность (ГОСТ 5182-78), азот общий и фосфор валовый (ГОСТ 26261-84), кислоторастворимые и подвижные формы тяжелых металлов (ПНД Ф 16.2.2:2.3.71-2011), нефтепродукты (ПНД Ф
16.1:2.2.22-98). Всего проанализировано 23 пробы донных отложений с девяти станций (рис. 2).
Оценка уровня загрязненности донных отложений
нефтепродуктами и тяжелыми металлами выполнена в соответствии с Приказом Министерства экологии и природных ресурсов Республики Татарстан от 27.03.2019 г. № 316-п «Об утверждении региональных нормативов «Фоновое содержание тяжелых металлов в донных отложениях поверхностных
водных объектов Республики Татарстан».
Результаты и их обсуждение
Морфометрическая и батиметрическая характеристики протоки
Русло Монастырской протоки в пределах исследуемого отрезка течения условно было разделено на два участка: участок I - от истока из оз. Средний Кабан до плотины, участок II - от плотины до путепровода (рис. 2, табл. 1). Существенной особенностью участка II являются периодические отмечаемое понижение уровня воды. Это связано с работой насосной станции, откачивающей излишки воды из оз. Средний Кабан в протоку Подувалье. На участке I уровень воды поддерживается на отметке около 52.0 м БС, на участке II отметки уровня могут опускаться до 51.3 м БС, то есть примерно на 0.5 м ниже, чем в самом озере и в протоке выше регулирующей плотины.
Протока имеет здесь близкое к прямолинейному, устойчивое и хорошо врезанное русло, ориентированное в северо-восточном - юго-западном направлении. Его берега сложены плотными глинистыми породами и насыпными грунтами и закреплены корнями древесно-кустарниковой растительности. Монастырская протока в зимнее время обычно на замерзает, поэтому береговые грунты слабо подвержены сезонным процессам термической деформации.
Батиметрическая карта протоки представлена на рисунке 3.
В целом протока характеризуется незначительными глубинами. По руслу они варьируют от
Рис. 2. Карта-схема отбора проб донных отложений Fig. 2. Map of sediment sampling
1.0 до 1.5 м, постепенно уменьшаясь к берегам до 0.25-0.50 м. Это связано с особенностями происхождения и режимом эксплуатации искусственной дрены, а также с постепенным ее заиливанием. Средняя глубина протоки в настоящее время изменяется от 0.8 м (участок II) до 1.3 м (участок
I).
С точки зрения обеспечения процессов самоочищения водоема от загрязняющих веществ важно отметить наличие в протоке мелководных зон глубиной до 0.5 м, занятых высшей водной растительностью. На участке I доминантами растительных сообществ являются рогоз узколистный и
рдест гребенчатый, на участке II- рогоз узколистный и тростник южный. Мелководья в основном приурочены к правому берегу, а ниже плотины они характерны для обоих берегов протоки. В условиях постоянной проточности заросли тростника и рогоза выступают в роли «биофильтра», способствующего очистке воды от биогенных элементов и соединений металлов.
Донные отложения являются депонирующим компонентом водных экосистем и содержат в себе информацию о качественных и количественных показателях их загрязнения. Показатели накопления донных отложений и их свойства на исследуемом участке Монастырской дрены обусловлены режимом постоянной ее проточности, с одной стороны, и наличием регулирующей плотины, с другой. Оба фактора разнонаправлены, в связи с чем современные донные отложения образованы широким спектром минеральных осадков: песками, илистыми песками, песчанистыми и глинистыми илами с содержанием пелитовых частиц от 7 до 41% (табл. 2). По гранулометрическому составу они более приближены к речным, чем к озерным осадкам, что отличает их от глинистых илов, покрывающих большую часть дна оз. Средний Кабан (Иванов, 2012).
Ложе протоки представлено плотными глинистыми грунтами, слагающими литологическую основу территории. По отношению к коренным четвертичным отложениям донные отложения протоки являются вторичными, что позволяет определить фактическую их мощность и объемы в естественном сложении.
Максимальная мощность накопленных отложений характерна для участка I (рис. 4, табл. 3). Почти на всем его протяжении активное накопление тонкодисперсных осадков происходит по стрежню протоки, где толщина ила варьирует от 25 до 150 см. По периферии, у берегов, мощность отложений составляет 10-20 см и менее, локально возрастая в зарослях макрофитов до 25-35 см.
Количественные оценки объемов накопления вторичных отложений показывают, что на ряде
Таблица 1. Морфометрические характеристики участков протоки Table 1. Morphometric characteristics of channel sections
Ширина, м Глубина, м
Участок Длина, м Width, m Depth, m Площадь, м2 Объем, м3
Plot Length, m Сред. Макс. Сред. Макс. Square, m2 Volume, m3
Average Max Average Max
I 365.6 22.0 30.9 1.3 2.1 8052 10282
II 114.6 15.5 25.7 0.8 1.0 1777 1432
/'■л
Рис. 3. Батиметрическая карта Монастырской
протоки (верхнее течение) Fig. 3. Bathymetric map of the Monastyrskaya channel (upper flow)
поперечных профилей они занимают до 50% всего объема русла. Удаление донных отложений будет способствовать улучшению экологического состояния водного объекта, повышению качества воды вследствие снижения вторичного загрязнения. Согласно расчетам (табл. 3), на участке I удаление донных отложений может быть выполнено на площади 2796.3 м2. Объем изымаемых отложений естественной влажности, которая варьирует от 25 до 65%, составит здесь 1893.3 м3. На участке II рекомендуемая площадь дноуглубительных работ составит 447.1 м2, а объем донных отложений 117.7 м3. Таким образом, общий объем донных отложений при величине их естественной плотности от 0.8 до 2.0 г/см3, рекомендуемый к удалению, достигает 2000 м3. При этом на большей части ложа (~67% акватории), где толщина слоя отложений не превышает 25 см, выполнение работ по дноуглублению нецелесообразно.
Не менее существенен вопрос о направлении утилизации изымаемых со дна водоема донных отложений, что связано с особенностями их состава, питательной ценностью, присутствием в них загрязняющих веществ в количествах, ограничивающих их применение в качестве почвогрунта.
Как показали результаты химического анализа, содержание органического вещества в донных отложениях протоки при вариациях от 1.1 до 11.8% в среднем оценивается как невысокое - 5.5% (табл. 2). Тем не менее, донные отложения протоки обладают питательной ценностью: валовое содержание в них азота и фосфора находится на одном уровне с содержанием этих элементов питания растений в органических удобрениях. Есть основания предполагать, что накопление в донных отложениях биогенных элементов в значительной мере связано с их антропогенным поступлением в водоемы системы Кабан и непосредственно в протоку со сточными водами. Озера Нижний и Средний Кабан являются приемниками промышленных и коммунальных сточных вод, поверхностного стока с территории города. Донные отложения озер в значительной мере загрязнены металлами и нефтепродуктами (Иванов, 2012), глубоководные участки озер практически безжизненны (Токино-ва, 2012).
Как показали результаты определения содержания тяжелых металлов и нефтяных углеводородов, аккумулированных в поверхностных (современных) и более древних донных отложениях Монастырской протоки, ее загрязнение носит хронический характер. Большая часть проб характеризуется «значительной» и «высокой» степенью загрязнения металлами и нефтепродуктами относительно их фоновых значений для соответству-
Рис. 4. Карта-схема распределения мощности донных отложений в Монастырской протоке Fig. 4. Distribution of the sediment thickness in Monastyrskaya channel
ющего типа отложений (Региональные ..., 2019, 2020) (табл. 4, 5). Наибольший вклад в величину загрязненности вносят такие металлы как кадмий, свинец, медь и цинк, которые могут попадать в водоем с промышленными и хозяйственно-бытовыми стоками. Их концентрации превышают фоновые в 3-34 раза по кислоторастворимым и в 3-127 раз по подвижным формам. Поступление в озера Кабан поверхностного стока с городских территорий предопределило накопление в донных отложениях нефтепродуктов в количествах, 2-27 раз превышающих фоновые показатели, что оценивается как «умеренный» - «высокий» уровни загрязнения (табл. 5). В интегральном виде степень загрязнения донных отложений Монастырской протоки также оценивается как «высокая».
При этом результаты биотестирования на инфузориях Paramecium caudatum и ветвистоусых рачках Ceriodaphnia affinis не выявили токсического водной вытяжки из донных отложений, несмотря на высокие концентрации в них загрязняющих веществ.
Системный характер поступления в водоем загрязненных сточных вод и выявленное бакте-
риальное загрязнение водных масс протоки подтверждается результатами определения бактерий группы кишечной палочки (ОКБ) в составе донных отложений. Заметный рост ОКБ, в 10 и более раз превышающий фоновые показатели, отмечен на станции 4 - 1250 КОЕ/г без учета влажности.
Учитывая, что фактический объем отложений с повышенным уровнем микробного загрязнения существенно ниже, чем общий объем накопленных в протоке незагрязненных осадков, при организации здесь дноуглубительных работ не требуется применения дифференцированного подхода к их изъятию и утилизации. Кроме того, после извлечения со дна водоема отложения будут подвергаться воздействию солнечного ультрафиолетового излучения, которое стимулирует элиминацию патогенной микрофлоры. После непродолжительной выдержки изъятых со дна протоки грунтов можно ожидать, что по содержанию бактериальной микрофлоры они будут полностью соответствовать гигиеническим требованиям, предъявляемым к почвогрунтам, применяемым в зеленом строительстве.
Согласно ФЗ «О внесении изменений в Водный кодекс и отдельные законодательные акты Российской Федерации» от 14.12.2019 г., донный грунт не является отходом и может быть использован для обеспечения муниципальных нужд или в интересах физического лица, юридического лица, осуществляющих проведение дноуглубительных и других работ, связанных с изменением дна и берегов водных объектов. Использование (утилизация) донного грунта (донных отложений) может осуществляться в различных целях с учетом состава и свойств, уровня загрязнения.
Учитывая преимущественно легкий гранулометрический состав отложений протоки, после обезвоживания их можно вносить в тяжелые почвы либо в виде смеси с торфом, либо в чистом виде, в том числе при формировании газонов и иных субстратов в целях благоустройства территории. Характер грунтов протоки благоприятен для процесса их обезвоживания при геотубирова-нии: после удаления излишков воды из геотубов образующийся такой осадок не слипается и не цементируется, что открывает возможности для его размельчения и смешивания с различными субстратами.
Заключение
Монастырская протока из озера Средний Кабан выполняет важную функцию в системе инженерной защиты г. Казани от затопления и подтопления. Как и другие поверхностные водные объекты, находящиеся в городской черте, протока является
Таблица 2. Состав и свойства донных отложений Монастырской протоки Table 2. Sediment composition and properties ofMonastyrskaya channel
3 m s 9 % Гранулометрический состав, Particle size, % %
Станции Stations Н, см H, cm ППП, % LOI, % £ £ 1- о * т, о ^ О ."Й щ сд Р е о ^ Влажность, Humidity, % 1-0.25 мм 0.25-0.05 мм 0.05-0.01 мм 0.01-0.005 мм 0.005-0.001 мм <0.001 мм <0.01 мм
0-5 1.1 0.03 0.18 1.97 25.9 13.0 74.3 5.8 1.8 4.5 0.6 6.9
5-10 1.1 0.02 0.00 1.67 34.2 12.9 73.9 6.1 2.1 4.6 0.5 7.1
10-15 2.7 0.06 0.06 - - 13.5 59.0 18.8 2.2 5.1 1.4 8.7
15-20 3.8 0.07 0.12 - - 2.1 42.2 42.3 1.2 6.8 5.3 13.4
1 20-25 4.1 0.04 0.11 - - 0.2 71.6 14.4 4.2 5.6 3.9 13.7
25-30 6.2 0.12 0.18 1.57 40.9 0.4 36.7 42.8 5.6 10.8 3.7 20.1
30-35 6.6 0.08 0.10 - - - 22.4 50.4 9.0 10.0 8.2 27.2
35-40 5.5 0.06 0.12 1.53 47.7 - 17.1 55.1 5.2 12.0 10.5 27.7
40-45 7.0 0.13 0.11 - - - 6.0 49.2 9.7 18.7 16.4 44.7
2 0-10 3.3 0.14 0.10 1.61 43.9 3.2 66.6 19.1 0.9 6.7 3.6 11.1
3 0-10 11.8 0.33 0.17 1.37 57.5 0.5 4.9 53.6 9.9 17.9 13.2 41.0
4 0-10 10.7 0.25 0.14 0.81 46.2 1.5 50.0 10.7 22.1 3.5 12.2 37.8
5 0-10 8.3 0.37 0.13 1.32 64.7 0.1 51.7 25.8 5.8 7.1 9.5 22.4
6 0-10 9.5 0.34 0.24 1.38 61.3 0.1 25.7 52.2 1.7 12.5 7.8 22.1
0-40 10.4 0.16 0.16 1.58 60.1 0.1 67.8 14.3 2.4 5.6 9.8 17.8
7 40-70 5.1 0.06 0.10 1.66 35.7 0.1 37.4 28.9 3.9 15.0 14.8 33.7
70-90 3.9 0.05 0.11 1.79 28.0 0.1 33.4 20.9 9.1 13.8 22.7 45.6
8 0-10 7.2 0.10 0.05 1.63 55.6 1.2 76.3 10.2 3.1 6.5 2.7 12.3
9 0-10 3.6 0.14 0.14 1.54 47.0 9.8 56.7 21.7 2.7 6.7 2.4 11.8
Примечание: прочерк означает, что показатель не определялся.
Note: a dash means that the indicator was not determined. LOI - loss on ignition.
Таблица 3. Показатели накопления донных отложений в Монастырской протоке Table 3. Sediment accumulation indicators in Monastyrskaya channel
Участок Plot Мощность, см Thickness, cm Площадь, м2 Square, m2 Объем, м3 Volume, m3
0 5255.3 -
25 973.5 243.4
50 403.3 201.6
75 340.9 255.7
I 100 504.8 504.8
100 233.5 233.5
125 224.4 280.5
150 115.9 173.9
Всего 8051.6 1893.3
0 1330.3 -
II 25 423.4 105.8
50 23.7 11.9
Всего 1777.4 117.7
Итого 9829.0 2011.0
Таблица 4. Содержание металлов и нефтепродуктов (НП) в донных отложениях Монастырской протоки, мг/'кг Table 4. Heavy metals and petroleum hydrocarbons (PH) content in sediment ofMonastyrskava channel mg/kg
Станции Глубина, см Кислоторастворимые формы металлов Acid-soluble forms of metals Подвижные формы металлов Movable forms of metals НП
Stations Depth, cm Cd Pb Co Cu Ni Zn Cr Mn Cd Pb Co Cu Ni Zn Cr Mn PH
0-5 0.11 2.2 2.1 7.0 4.5 7.3 3.8 200.5 0.12 4.7 0.4 1.6 1.1 6.5 0.6 131.0 182
5-10 0.42 2.7 2.2 5.6 6.5 5.9 3.8 96.8 0.09 3.1 0.5 1.5 0.7 6.0 0.0 84.4 179
10-15 0.23 6.2 3.1 18.1 15.5 20.6 7.1 248.0 0.11 8.3 1.3 2.6 0.5 14.2 1.2 131.6 -
15-20 0.71 11.1 3.7 22.9 20.6 57.8 10.8 287.2 0.50 11.3 1.3 2.4 1.4 20.7 1.1 121.5 -
1 20-25 1.15 11.6 5.3 25.3 28.2 36.8 14.6 224.5 0.41 9.8 1.4 1.7 3.3 22.0 2.5 111.6 200
25-30 0.47 24.8 6.1 35.2 29.8 203.9 32.6 340.7 0.50 17.9 1.5 3.6 6.7 66.9 4.7 142.7 -
30-35 0.40 23.6 7.3 28.0 27.0 111.0 16.4 522.9 0.20 17.1 0.4 1.8 2.0 26.7 2.8 141.7 -
35-40 0.16 11.1 5.9 19.6 24.7 24.8 13.1 335.5 0.11 12.9 0.4 1.4 1.7 14.2 1.7 123.0 -
40-45 0.18 16.2 10.8 28.9 35.2 95.3 28.3 449.5 0.14 12.1 0.3 1.4 1.9 15.1 1.7 124.2 712
2 0-10 0.21 16.2 5.5 22.0 17.0 64.1 12.2 305.4 0.30 10.0 1.2 3.0 1.5 20.7 1.9 127.5 908
3 0-10 0.18 35.1 9.7 40.5 38.1 138.8 27.6 667.5 0.25 17.1 0.6 1.8 3.7 23.5 2.4 162.7 508
4 0-10 0.97 29.6 5.5 56.1 24.7 162.5 26.6 458.5 1.44 21.2 1.1 6.7 3.2 31.9 3.0 150.3 1113
5 0-10 6.51 53.4 6.4 193.8 43.1 180.4 90.9 497.6 5.74 21.4 1.8 17.6 7.6 76.3 5.7 165.2 609
6 0-10 7.45 59.7 5.7 189.2 54.6 235.3 82.4 392.2 7.62 28.9 0.8 24.7 12.5 90.9 6.8 143.6 2451
О^Ю 0.49 72.7 6.6 70.9 30.9 162.4 20.9 568.6 0.63 26.2 0.9 4.1 5.2 45.7 2.1 156.4 989
7 40-70 0.26 12.1 7.1 18.6 30.8 55.9 21.5 437.6 0.11 7.8 1.1 1.7 3.6 13.3 1.3 154.7 798
70-90 0.24 3.3 9.7 16.9 33.7 22.6 23.4 460.1 0.02 2.9 1.4 1.7 1.5 2.4 0.9 158.6 244
8 0-10 0.28 60.1 4.6 86.2 28.3 134.7 22.9 621.7 0.62 34.5 1.1 6.5 2.9 47.9 2.4 115.0 877
9 0-10 2.12 23.1 3.0 74.5 15.1 109.2 34.2 235.2 1.17 6.0 1.1 12.2 2.7 55.8 4.2 116.8 1251
"i к t= ►a
о
ш
я g
о
"I
s a:
Таблица 5. Показатели загрязненности донных отложений тяжелыми металлами
и нефтепродуктами
Table 5. Sediment contamination indicators with heavy metals and petroleum hydrocarbons (PH)
Станции Stations Н, см H, cm Степень загрязнения тяжелыми металлами Heavy metal pollution degree Коэффициент загрязнения нефтепродуктами PH pollution coefficient
Кислоторастворимые формы Acid-soluble forms Подвижные формы Movable forms
Сз Характеристика Сз Характеристика Кз Характеристика
1 0-5 - - 10.6 Значительная - -
5-10 1.9 Умеренная 5.1 Значительная - -
10-15 2.2 Умеренная 26.5 Высокая - -
15-20 10.0 Значительная 41.1 Высокая - -
20-25 9.9 Значительная 44.4 Высокая 2.2 Умеренный
25-30 22.0 Высокая 84.1 Высокая - -
30-35 15.7 Значительная 40.0 Высокая - -
35-40 3.9 Значительная 25.1 Высокая - -
40-45 - - 4.9 Значительная 7.9 Высокий
2 0-10 7.7 Значительная 39.5 Высокая 10.1 Высокий
3 0-10 5.2 Умеренная 12.3 Значительная 5.6 Значительный
4 0-10 8.6 Значительная 26.2 Высокая 12.4 Высокий
5 0-10 82.3 Высокая 210.2 Высокая 6.8 Высокий
6 0-10 86.4 Высокая 271.1 Высокая 27.2 Высокий
7 0-40 33.1 Высокая 72.5 Высокая 11.0 Высокий
40-70 - - 7.1 Умеренная 8.9 Высокий
70-90 - - 2.4 Умеренная 2.7 Умеренный
8 0-10 30.1 Высокая 78.8 Высокая 9.7 Высокий
9 0-10 30.1 Высокая 91.4 Высокая 13.9 Высокий
Примечание: прочерк означает отсутствие загрязнения Note: a dash means «no contamination».
приемником и аккумулятором различных загрязнений. Несмотря на высокую проточность, в ее русле происходит седиментация части взвешенного материала, переносимого в процессе перекачки воды из озер Кабан в Куйбышевское водохранилище. К настоящему времени на участке верхнего течения протоки накоплено около 2 тыс. т отложений, которые содержат в своем составе тяжелые металлы и нефтепродукты в концентрациях, превышающих установленные региональные фоновые значения. Донные отложения существенно снижают полезный объем протоки как элемента гидрологической системы озер Кабан и являются источником вторичного загрязнения воды. На исследованном участке русла целесообразно выполнить комплекс дноуглубительных работ с изъятием донных отложений, которые могут быть выполнены земснарядами малой мощности, с последующим геотубированием изымаемого осадка. Несмотря на превышения фоновых концентраций
ряда загрязняющих веществ, присутствующих в составе отложений (металлы, нефтепродукты), они могут быть использованы в формировании искусственных почвогрунтов на городских территориях, в том числе в составе различных почвенных смесей.
Работа выполнена за счет гранта Академии наук Республики Татарстан, предоставленного молодым кандидатам наук (постдокторантам) с целью защиты докторской диссертации, выполнения научно-исследовательских работ, а также выполнения трудовых функций в научных и образовательных организациях Республики Татарстан в рамках Государственной программы Республики Татарстан «Научно-технологическое развитие Республики Татарстан» (соглашение №98/2024-ПД).
Список литературы
1. Иванов Д.В. Донные отложения озера Средний Кабан
города Казани // Георесурсы. 2012. №7. С. 18-23.
2. Региональные нормативы «Фоновое содержание нефтепродуктов в донных отложениях поверхностных водных объектов Республики Татарстан» (утв. Приказом Министерства экологии и природных ресурсов РТ от 20.02.2020 г.)
3. Региональные нормативы «Фоновое содержание тяжелых металлов в донных отложениях поверхностных водных объектов Республики Татарстан» (утв. Приказом Министерства экологии и природных ресурсов РТ от 27.03.2019 г.)
4. Токинова Р.П. Экологическая оценка состояния озер Средний и Нижний Кабан по зообентосу // Георесурсы. 2012. №7. С. 33-38.
References
1. Ivanov D.V. Donnyye otlozheniya ozera Sredniy Kaban goroda Kazani [Sediments of Sredny Kaban Lake in the city of Kazan] // Georesursy. 2012. No 7. P. 18-23.
2. Regional'nyye normativy «Fonovoye soderzhaniye neft-eproduktov v donnykh otlozheniyakh poverkhnostnykh vodnykh ob"yektov Respubliki Tatarstan» (Prikaz Ministerstva ekologii i prirodnykh resursov RT ot 20.02.2020.) [Regional standards «Background content of petroleum products in sediment of surface water bodies of the Republic of Tatarstan» (approved by Order of the Ministry of Ecology and Natural Resources of the Republic of Tatarstan dated February 20, 2020)].
3. Regional'nyye normativy «Fonovoye soderzhaniye tyazhelykh metallov v donnykh otlozheniyakh poverkhnostnykh vodnykh ob"yektov Respubliki Tatarstan» (Prikaz Ministerstva ekologii i prirodnykh resursov RT ot 27.03.2019 g.) [Regional standards «Background content of heavy metals in sediment of surface water bodies of the Republic of Tatarstan» (approved by Order of the Ministry of Ecology and Natural Resources of the
Republic of Tatarstan dated March 27, 2019).
4. Tokinova R.P. Ekologicheskaya otsenka sostoyaniya ozer Sredniy i Nizhniy Kaban po zoobentosu [ Ecological assessment of the state of lakes Sredniy and Nizhny Kaban based on zooben-thos] // Georesursy. 2012. No 7. P. 33-38.
Ziganshin I.I., Ivanov D.V., Khasanov R.R., Shagidullin R.R. Sediments of the Monastyrskaya channel from Sredniy Kaban Lake, city of Kazan: composition, properties, directions for disposal.
The Monastic Channel from Sredny Kaban Lake is a key element in the functioning of the engineering protection system for the city of Kazan from flooding and flooding. A study of sedimentation indicators and properties of bottom sediments of the channel was carried out, their composition and accumulation volumes were assessed. In the upper flow of the channel, during its operation as an artificial drain, more than 2000 m3 of sediment have accumulated. Sediment contains pollutants in concentrations exceeding the regional geochemical background. The necessity of carrying out dredging work on a section of the riverbed with a length of 500 m with the subsequent disposal of withdrawn sediments as soils has been substantiated.
Keywords: sediment; sedimentation, pollution; Lake Kaban.
Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 25.10.2024
Одобрено рецензентами / Approved by reviewers: 06.11.2024
Принята к публикации / Accepted for publication: 20.11.2024
Сведения об авторах
Зиганшин Ирек Ильгизарович, кандидат географический наук, доцент, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Иванов Дмитрий Владимирович, доктор географический наук, зам. директора по научной работе, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Хасанов Рустам Равилевич, научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г Казань, ул. Даурская, 28, E-mail: [email protected].
Шагидуллин Рифгат Роальдович, член-корреспондент АН РТ, доктор xимическиx наук, директор, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Information about the authors
Irek I. Ziganshin, Ph.D. in Geography, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: [email protected].
Dmitrii V. Ivanov, D.Sci. in Geography, Deputy Director, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: [email protected].
Rustam R. Khasanov, Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya St., Kazan, 420087, Russia, E-mail: [email protected].
Rifgat R. Shagidullin, D.Sci. in Chemistry, Corresponding Member of Tatarstan Academy of Sciences, Director, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: [email protected].
УДК 504.75
1А.Е. Лапенков, 2Ю.А. Зуев, 3Ш.Р. Поздняков
'Институт озероведения РАН, [email protected] 2Санкт-Петербургский филиал Всероссийского научно-исследовательского института рыбного хозяйства
и океанографии («ГосНИОРХ» им. Л.С. Берга») 3ООО «Научно-исследовательский центр «Лимнология и гидрология»»
ОПЫТ ОЦЕНКИ ВЛИЯНИЯ ФОРЕЛЕВЫХ ХОЗЯЙСТВ НА ПРЕСНОВОДНЫЕ ЭКОСИСТЕМЫ ПО СИСТЕМЕ МОМ НА ПРИМЕРЕ АКВАТОРИЙ ВАЛААМСКОГО АРХИПЕЛАГА
В работе впервые опробована модернизированная европейская методика эколого-геохимиче-ского мониторинга форелевых хозяйств - Modelling-Ongrowing fish farms-Monitoring (МОМ) - в условиях пресноводных аквальных экосистем на примере Ладожского озера (Малая Никоновская бухта, о. Валаам). Проведены комплексные геохимические и гидробиологические исследования донных отложений в зоне влияния садков с применением водолазных и видеометодов обследования. Исследование показало негативное влияние фермы на физико-химические параметры водной толщи и донных отложений, а также на бентические сообщества. В глубоководной части бухты обнаружен и оконтурен обширно развитый на поверхности донных осадков бактериальный мат. По итогам работы составлены рекомендации по продолжению мониторинга Малой Никоновской бухты и применению данного метода на других водных объектах, используемых для садкового рыбоводства.
Ключевые слова: промышленная аквакультура; форелевые хозяйства; донные отложения; Ладожское озеро.
DOI: https://doi.org/10.24852/2411-7374.2024.4.50.61
Введение
Воздействие промышленной аквакультуры на прибрежные территории морских и пресноводных водоемов может привести к негативным экологическим последствиям (Бахмет и др., 2017). Поэтому в данных районах необходим постоянный мониторинг абиотических и биотических показателей среды (Дзюбук, Рыжков, 2014; Рыжков и др., 2011). Интенсивное ведение рыбоводческого хозяйства оказывает существенное воздействие на экологическое состояние водных объектов из-за дополнительного поступления в них органических и неорганических веществ (Husa et al., 2014; Lapenkov et al., 2023; Varol, 2019; Стерлигова и др., 2019). Загрязнение может распространяться на обширную часть акватории, значительно превышающую площадь непосредственно под садками (Forrest et al., 2007). Более того, интенсификация производственных процессов в аквакультуре, уплотнение посадки в рыбоводных прудах и внесение большого количества кормов также создают благоприятные условия для распространения болезней и замора рыбы (Ieshko et al., 2016).
Одну из лидирующих позиций в мире по объемам аквакультурной продукции занимает се-
верная Европа (Курицын и др., 2015). Основным объектом промышленного рыбоводства является радужная форель, благодаря отработанным технологиям производства и высокой толерантности к условиям среды. В Европе действуют серьезные требования к рыбоводческим хозяйствам в отношении регулирования состояния акваторий. Для разработки оперативной системы мониторинга, в первую очередь, необходимо определение минимального числа наиболее информативных показателей, доступных для постоянного контроля непосредственно фермерами.
В Норвегии основой для национального стандарта качества природных вод при промышленном рыбоводстве послужила серия принципов с объединяющим названием Modelling - Ongrowing fish farm - Monitoring (МОМ) (Ervik et al., 1997; Hansen et al., 1997, 2001). Итогом разработок норвежских исследователей стала серия моделей, руководящих принципов мониторинга и стандартов качества окружающей среды, ориентированных на выращивание лососевых в холодноводных морских условиях (Hansen et al., 2001).
В Российской Федерации основным документом, регулирующим деятельность рыбных хо-
зяйств, является Федеральный закон №148-ФЗ «Об аквакультуре (рыбоводстве) и о внесении изменений в отдельные законодательные акты Российской Федерации» от 2.07.2013 г., в котором не допускается нанесение ущерба окружающей среде и водным биологическим ресурсам. Для размещения рыбоводческой фермы на акватории водного объекта необходимо выполнить рыбово-дно-биологическое обоснование (РБО). В течение периода эксплуатации должны проводиться сани-тарно-ветеринарные исследования выращиваемой рыбы и регулярные измерения гидрохимических показателей воды (Guzeva et а1., 2021). Кроме того, существуют рекомендации профильных НИИ о проведении экологической экспертизы водоема один раз в три-пять лет для выявления нарушений состояния экосистемы и корректировки объемов выращиваемой рыбы.
Мероприятия, проводимые в РФ, преимущественно направлены на исследование водной среды или объектов аквакультуры. В них, в отличие от программы МОМ, не учитывается многолетнее накопление химических элементов в донных отложениях, а также развитие бентосных бактериальных сообществ. Однако, донные отложения являются депонирующей средой для органических и неорганических веществ. Загрязнители могут
Ладожское озеро
30 30.5 31 31.5 32 32.5 33
Рис. 1. Расположение исследуемой бухты Fig. Location of the studied bay
воздействовать как на бентосные организмы, так и на рыбу в садках, мигрируя в водную толщу при изменении физико-химических параметров среды (Guzeva et а1., 2021; Стерлигова и др., 2011).
В Европейской части России лидером по выращиванию садковой радужной форели является Карелия (Курицын и др., 2015). Рыбоводческие хозяйства республики сосредоточены в пресноводных системах: в малых озерах, а также прибрежных акваториях Онежского и Ладожского озер.
Ежегодное увеличение аквакультурной продукции в России и, как следствие, возрастание нагрузки на озерные экосистемы вызывают необходимость разработки и оптимизации комплексных методов экологического мониторинга состояния садковых ферм. Методика должна учитывать биотические и абиотические факторы среды и быть доступной для использования самими фо-релеводами. Это позволит оперативно оценивать текущее состояние хозяйства и давать прогноз негативных последствий, как для выращиваемой продукции, так и для экосистемы озера в целом.
Цель данной работы - опробование европейской методики мониторинга МОМ в условиях пресноводных систем для форелевых хозяйств на примере прибрежных районов Ладожского озера (Малая Никоновская бухта, о. Валаам).
Материалы и методы исследования
Изученная акватория располагается на Валаамском архипелаге в северной части Ладожского озера. Малая Никоновская бухта находится в северо-западной части архипелага (Рис. 1) (Хозяйство монастыря: Электронный ресурс). Валаамское хозяйство по выращиванию радужной форели (рис. 2) функционирует с 2002 г. Средние значения мощности хозяйства составляют 100-200 т рыбы в год. Садки расположены на склоне вблизи самой глубокой зоны бухты.
Северная протока бухты в наиболее глубокой части имеет глубину 14 м, западная - 10 м, восточная - 2 м (Lapenkov et а1., 2017). Из-за малой глубины проток и их узости водообмен с озером крайне ограничен, циркуляция определяется ветровыми условиями. Береговая линия разнообразна: встречаются скальные выступы, валуны раз-
Рис. 2. Малая Никоновская бухта и форелевая ферма Fig. 2. Malaya Nikonovskaya Bay and trout farm
ного размера, песок, супеси и суглинки. Для западного берега, где располагается исследуемое форелевое хозяйство Валаамского монастыря, характерен очень резкий и крутой свал до глубины 25 метров.
В прибрежной зоне бухты (на глубине 0-5 м) можно выделить несколько типов грунта и рельефа. Кутовая южная часть состоит в основном из супесчаных грунтов с редкими вкраплениями гальки (рис. 2). Прибрежная зона центральной части акватории имеет значительный уклон и представляет собой скальный выход с обломками. Донные отложения центральной части котловины представлены различными илами, среди которых преобладают жидкие илы рыхлой консистенции, реагирующие даже на слабое движение воды. В наиболее глубокой зоне (20-24 м) поверхность ила покрыта налетом предположительно бактериального происхождения.
Методика мониторинга форелевых хозяйств на основе программы МОМ (Hansen et al., 2001) сфокусирована на изучении воздействия органических отходов морских рыбоводческих хозяйств на водную среду. Она состоит из трех типов исследования возрастающей сложности и точности: A-исследование, B-исследование и C-исследова-ние.
А-исследование предполагает постоянное наблюдение самими фермерами за количеством поступления органического материала от садков в водную толщу.
В-исследование включает мониторинг 3 групп параметров донных отложений: орган олептических, физико-химических и гидробиологических. По результатам измерений каждой группы параметров на станциях дается балльная оценка, которая затем осредняется (рис. 3). В результате садковому хозяйству присуждается одна из четырех категорий, характеризующих степень его влияния на водоем. Чем выше категория, тем значительнее воздействие фермы.
С-исследование — изучение структуры бентических сообществ; широко используется для оценки воздействия органического вещества, поступающего с рыбных ферм в водную толщу.
Особенности выполнения данных типов исследования
А-исследование. Наблюдений за осадконакоплением в рассматриваемом хозяйстве не проводилось. Поэтому в ходе данной работы в период наиболее интенсивного кормления была выполнена разовая качественная оценка материала, поступающего от садков в водную среду. Съемка выполнена при помощи седиментационных ловушек и водолазного осмотра садков. Ловушки устанавливались на высоте 2 м от дна на периферии основных садков, где содержалось наибольшее количество рыбы.
В-исследование. В мае 2019 г. на 4 станциях (рис. 2) по периметру садков были выполнены измерения трех групп параметров по программе МОМ (табл. 2). Глубина в местах отбора проб варьировала от 17.5 до 23.0 м.
Поверхностные пробы донных отложений отбирались при помощи дночерпателя Экмана-Бер-джа с площадью захвата 1/40 м2. Взятие проб сопровождалось видеосъемкой, которая дала дополнительную информацию о состояние дна. В частности, она свидетельствовала о том, что грунт в дночерпателе характерен для всей зоны под садками, а не только для точки отбора. Съемка проводилась камерой GoPro 5 с онлайн трансляцией изображения на поверхность. Сразу после отбора проб определялись органолептические и физико-химические (Е^ рН) характеристики грунтов.
Органолептические параметры донных осад-
Рис. 3. Алгоритм оценки В-исследования (Hansen et al., 1997) Fig. 3. B-study evaluating algorithm (Hansen et al., 1997)
ков изменяются в зависимости от содержания в них органического материала и включают цвет, запах, консистенцию, мощность осадков, накопленных поверх исходных отложений, а также наличие пузырьков газа. Параметры оцениваются по своим числовым шкалам. Для снижения субъективности оценки переменные не рассматриваются по отдельности. Органолептическая группа суммируются и усредняется в один параметр. По всем трем параметрам рассчитывается средний балл, и состояние осадка попадает в одну из четырех категорий (рис. 3). Низкий средний балл эквивалентен ненарушенному состоянию донного осадка, в то время как высокий характеризует состояние осадка как неприемлемое.
Для измерения окислительно-восстановительного потенциала (Eh) и водородного показателя (pH) в донных отложениях использовались портативные приборы: ОВП-метр SanXin ORP-5041 и рН-метр MW 101 Milwaukee. Электроды помещались в осадок на глубину 3-4 см. На основании оценки рН и Eh на каждой станции присваивается оценка в соответствии с зависимостью, показанной на рисунке 3. Оценка 0 дается для хорошо аэрированной среды с низким содержанием органических веществ и благоприятными условиями для существования жизнеспособных бентических сообществ. 2 балла часто характеризуют среду с присутствием сероводорода, который дает низкие значения Eh в донных отложениях. 5 баллов пред-
ставляет восстановительную среду с низкими значениями pH и присутствием метана. Баллы 1 или 3 выделяются для переходных зон.
Для визуального анализа наличия бентосной фауны пробы отложений промывались через сито с размером ячейки 1 мм.
С-исследование. Для более подробной и комплексной оценки состояния Малой Никоновской бухты в зоне влияния садковых хозяйств гидробиологические исследования, проведённые в данной работе, были несколько расширены по сравнению с первоначальной методикой МОМ. А именно: добавлен анализ рельефа дна при помощи водолазной сьемки. Это позволило выявить зоны наиболее интенсивной аккумуляции органического вещества, изучить разнообразие структуры бентосных сообществ на различных субстратах, а также произвести отбор проб как со скалистого субстрата, так и с мягких илов.
Описание рельефа Малой Никоновской бухты проводилось по методу трансект Скарлато-Голи-кова. Вдоль дна в направлении от берега под рыбоводческим хозяйством к районам осадконако-пления была проложена трансекта (размеченный трос). Пробы бентоса отбирались при помощи шприцевой системы на всем протяжении тран-секты так, чтобы охватить все изменения рельефа. Далее грунт отмывался через сито с ячейкой 0.4-0.8 мм, пробы фиксировались 4% раствором формалина. В лаборатории организмы выбира-
лись из грунта под бинокулярным микроскопом, разделялись по таксономическим группам и определялись до вида. Окончательная оценка состояния водоема по С-исследованию выполнялась по индексам таксономического разнообразия донных сообществ Шеннона и Халберта (табл. 1). Индекс Халберта определялся согласно формуле:
где E(Sn) - ожидаемое количество видов в выборке из п особей, выбранных случайным образом из области, содержащей N особей, S видов и iV; особи в i-м виде.
Результаты и их обсуждение
А-исследование
Результаты водолазных наблюдений показали, что корм в садке с крупной форелью потреблялся практически полностью. Небольшие потери зафиксированы лишь через боковые стороны садка, где он вытесняется рыбой еще в поверхностном слое воды. До середины глубины садка доходит незначительное количество корма, так он почти весь потребляется в приповерхностном слое до глубины 2-3 м. Также практически полное потребление корма подтвердилось его отсутствием в се-диментационной ловушке. В ловушке обнаружен только помет.
В-исследование
Органолептические параметры грунтов
Цвет осадка представлен в основном темными цветами с коричневыми вкраплениями. Предположительно, осадок приобрел коричневый цвет вследствие накопления несъеденного корма (средний балл для хозяйства 1.5).
В весенний период во время отбора проб для исследования по методике МОМ для донного
осадка на всех станциях был выявлен очень слабый запах сероводорода (средний балл 2). В летнее время грунт имеет сильный запах сероводорода и рыбы.
По консистенции грунт под садками представлен мягкими илами с примесью алевритов с различным количеством вкраплений кормовых гранул (средний балл 1.5).
Наличие газа в осадке определялось при анализе видеоматериалов. В весенний период во время отбора проб на станциях пузырей замечено не было (0 баллов). В летние месяцы пузыри в осадках присутствовали.
Мощность отложений, накопившихся поверх исходных грунтов, составила 1-2 см (2 балла).
Физико-химические параметры грунтов
Еh и рН донных отложений были определены на четырех станциях (рис. 2). Среднее значение рН составило 6.84, Eh 93.7 тУ. Результаты были нанесены на кривую для определения количества баллов по данной группе параметров (рис. 4). Баллы для 4 станций варьировали от 3 до 5, средний балл для территории хозяйства 3.7 (табл. 2).
Следует отметить, что методика МОМ разрабатывалась на морских осадках, где высокие концентрации сульфатов в воде обеспечивают в качестве потенциал- задающей системы при измерении Eh редокс-систему серы, что нельзя сказать о пресных водах. Концентрация сульфатов в воде Ладожского озера (9 мг/л) не может обеспечить систему серы в качестве потенциалопределяющей (Ладожское ..., 2015). Поэтому использование диаграммы pH-Eh из методики МОМ для бальной оценки загрязнения не является правомерной. При проведении дальнейших методических экспериментов необходимо разработать новую диаграмму pH-Eh для пресноводных осадков.
Гидробиологические параметры грунтов
На станциях II и III в пробах были обнаружены представители донной фауны, на станциях I и IV живых организмов не обнаружено. Средний балл
Таблица 1. Оценка таксономического разнообразия (Hansen et al., 2001) Table 1. Assessment of taxonomic diversity (Hansen et al., 2001)
Индексы Состояние State
Index (I) Очень хорошее Very good (II) Хорошее Good (III) Приемлемое Acceptable (IV) Плохое Poor (V) Очень плохое Very poor
Индекс Халберта Halbert Index (Esn = 100) >26 26-18 18-11 11-6 <6
Индекс Шеннона (H) Shannon Index >4 4-3 3-2 2-1 <1
Рис. 4. Значения Eh и рН (желтые кружки), совмещенные с диаграммой оценок состояния
грунта по МОМ (Hansen et al., 1997) Fig. 4. Eh andpH values (yellow circles), combined with the diagram of soil state assessments
according to the MOM (Hansen et al., 1997)
для зоны под садками по наличию фауны составил 0.5.
Итоговая оценка по В-исследованию выражается путем перевода среднего балла по каждому параметру в одну из четырех категорий (табл. 3). Категориям 1, 2, 3 соответствует приемлемое состояние донных отложений, 4 категории - неприемлемое. При расхождении оценок по физико-химическим и органолептическим параметрам приоритет при выставлении итоговой оценки отдается группе рН и ЕЬ.
Оценка по параметрам 1 и 3 групп соответствует приемлемому состоянию донных отложений. Однако, по результатам определения ЕЬ и рН состояние донных осадков отнесено к четвертой категории, характеризующей негативное воздействие форелевого хозяйства на водный объект.
С-исследование
Рассчитанные для Малой Никоновской бухты индексы в соответствии с классификацией МОМ показывают, что на станциях отбора проб
разнообразие можно определить от «хорошего» до «плохого». Всего обнаружено 85 видов, среди которых встречается реликтовая фауна ракообразных Ладожского озера (рис. 5). На литорали встречается Gmelinoides fasciatus Stebbing. От нижней части литорали и до центральной части котловины в пробах обнаружены представители рода Quadrispinosa. На илах широко распространены Mysis relicta Loven и Monoporeia affinis (). В ходе водолазных работ на илистом грунте центральной части котловины Малой Никоновской бухты отмечено небольшое количество видов кольчатых червей - олигохет. Основные обнаруженные виды: Limnodrilus hoffmeisteri, Potamothrix hammoniensis и молодь олигохет семейства Tubificidae.
Результаты анализа биологических индексов показали, что деятельность садкового хозяйства не нарушает структуру бентосных сообществ в пределах литорали (до 8 м) и на всем прибрежном свале. В котловине на илистом субстрате индексы определили состояние как приемлемое, однако в нескольких пробах оно соответствует плохому.
Таблица 2. Результаты В-исследования МОМ Table 2. Results of the MOM B-study
Станция Station H, м Фауна Fauna Eh рН Пузыри Bubbles Цвет Color Запах Odor Мощность осадка, см Sediment Thickness, cm Консистенция Consistency
I 19 нет -98 6.9 Нет Черно-серый Слабый запах сероводорода 1-2 Илы с примесью алевритов
II 20 есть -103.5 6.9 Нет Черно-серый с вкраплениями коричневого Слабый запах сероводорода 1-2 Илы с примесью алевритов, включения корма
III 17,5 есть -87.3 6.7 Нет Черно-серый, с незначительными вкраплениями коричневого Слабый запах сероводорода 1-2 Илы с примесью алевритов
IV 19 нет -86 6.9 Нет Черно-серый Слабый запах сероводорода 1-2 Илы с примесью алевритов
Средний бал Average Score - 0.5 - 3.7 0 2 2 1 -
Полученные данные подводных видеосъемок и водолазные осмотры позволили обнаружить и оконтурить сформировавшийся на поверхности донных отложений бухты бактериальный мат. Он не был бы идентифицирован при проведении стандартной методики исследования МОМ (рис. 6).
Бактериальный налет распространен непосредственно под садками на глубине 21-26 м. В течение года была выявлена сезонная изменчивость цвета и степени развития бактериального мата. В летний период иат представлял из себя
Таблица 3. Классификация состояния донных отложений по результатам B-исследования Table 3. Classification of the sediments state according to the results of the B-study
Группа Group Средний балл Average point Категория Category
1. Фауна 0.50 1, 2, 3
2. Eh и рН 3.67 4
3. Органолептические параметры 7.00 2
единую светло-зеленную пленку, в зимнее время его структура становилось ячеистой, а цвет изменялся на серый и темно-зеленый.
Протоки, соединяющие бухту с открытой Ладогой намного мельче, чем центральная часть котловины, где расположены садки. Вследствие этого водообмен преимущественно происходит только в пределах поверхностной области. Горизонтальная циркуляция в придонном слое воды ограничена, что ведет к накоплению и застою существенного количества органического вещества в донных отложениях бухты. Водолазный осмотр и анализ содержимого седиментационной ловушки позволили заключить, что в материале, поступающем от садков, преобладает в основном рыбий помет. Накопление органического вещества способствует формированию в донных отложениях восстановительных условий с низкими показателями рН. В летний период это может приводить к появлению в осадках потенциально токсичных газов (метана и сероводорода), а также образованию бескислородной среды в придонном слое водной толщи. Наличие пузырей газов, выходящих из донных осадков,
Рис. 5. Бентосные сообщества: зеленый круг - хорошее состояние, серый - приемлемое, красный крест - плохое; красная цифра - индекс Шеннона, синяя цифра - индекс Хульберта Fig. 5. Benthic communities: green circle - good condition, gray - acceptable, red cross - bad; red number - Shannon's index, blue number - Hulbert's index
Рис. 6. Распространение бактериального мата Fig. 6. The area of the bacterial mat
было подтверждено съемкой подводной камерой и водолазными наблюдениями.
Органическое вещество, накапливаемое в донных отложениях, также является благоприятной питательной средой для микроорганизмов, что способствовало развитию масштабного бактериального мата на большей части территории бухты. Поступление биогенных элементов в донные отложения может привести к увеличению в составе микробных сообществ доли патогенных и условно-патогенных бактерий и их дальнейшей миграции в буферную зону водной толщи (Asami et al., 2005; Holmer, Kristensen, 1996). Патогены способны передаваться диким популяциям рыб и поэтому представляют потенциальную опасность для всей экосистемы в целом.
Низкие значения индексов Шеннона и Хуль-берта в нескольких зонах бухты свидетельствуют о негативном влиянии фермы, что было подтверждено результатами измерений pH и Eh донных отложений. Однако, в большинстве точек отбора проб биологические индексы не показали значительного нарушения бентических сообществ, в том числе, в зоне под садками. Кроме того, в донных отложениях были обнаружены реликтовые виды ракообразных Ладожского озера, как пра-
вило, не обитающие в области, подверженной органическому загрязнению. Важно отметить, что в отличие от морских экосистем, озерные котловины, как правило, характеризуются малым разнообразием видов бентоса (Зуев, Зуева, 2013). Это важно учитывать при интерпретации гидробиологических результатов С-исследова-ния для пресноводных систем.
Для форелевого хозяйства в Малой Никоновской бухте желательно продолжить мониторинг состояния донных отложений и бентических сообществ по модифицированной системе МОМ. К числу достоинств данной методики следует отнести учет малого числа ключевых геохимических параметров (рН, ЕЬ), для определения которых в настоящее время существует значительный выбор доступных портативных приборов. В целом результаты проведенных в данной работе А-В-С-исследований показали негативное воздействие садков на экологическое состояние Малой Никоновской бухты острова Валаам. При этом отбор проб производился в весенний период после зимнего «отдыха» бухты от кормления, при достаточно низких температурах воды, когда метаболизм рыб замедлен и поступление органики в водную среду сокращено. Поэтому необходимо учесть, что в летне-осенний сезон, когда идет процесс наиболее интенсивного поступления продуктов метаболизма и корма от форелевых садков в водную среду, а придонный слой воды не обновляется из-за наличия термоклина, экологическая обстановка может ухудшаться. В будущем также рекомендуется выполнить подробную батиметрическую съемку исследованной котловины бухты для определения зон аккумуляции донных отложений. На основе этих данных можно спланировать точки видеомониторинга, в которых будут отслеживаться процессы накопления органического вещества, образования бактериального мата, возникновения пузырей газов. Кроме того, продолжение функционирования хозяйства на прежнем месте нежелательно, поскольку накопление такого значительного количества органического вещества в полузакрытой бухте может привести к заморным явле-
ниям и ухудшению качества рыбной продукции. По результатам проведенных исследований рекомендуется перенести ферму на открытый участок с более благоприятными условиями водообмена.
Заключение
Впервые опробованная модифицированная методика оценки и мониторинга экологического воздействия садковых хозяйств на основе программы МОМ может применяться на озерных форелевых фермах, однако ряд критериев требует дальнейшей апробации и адаптации к условиям пресноводных экосистем.
Работа выполнена в рамках гранта РНФ 2324-00202.
Список литературы
1. Бахмет И.Н., Кучко Т.Ю., Кучко Я.А. Особенности выращивания радужной форели (parasalmo mykiss) в условиях Белого моря // Ученые записки Петрозаводского государственного университета. 2017. №6. С. 62-66.
2. Дзюбук И.М., Рыжков Л.П. Рост молоди радужной форели в садковых хозяйствах Карелии // Ученые записки Петрозаводского государственного университета. 2014. №2. С. 7-10.
3. Зуев Ю., Зуева Н. Опыт исследования макрозообен-тоса каменистой литорали Ладожского озера // Ученые записки Российского государственного гидрометеорологического университета. 2013. №30. С. 134-147.
4. Курицын А.Е., Макарова Т.А., Ефремов С.А. Анализ развития аквакультуры в Республике Карелия // Рыбное хозяйство. 2015. №2. С. 83-87.
5. Ладожское озеро и достопримечательности его побережья. Атлас. СПб.: Нестор-История. 2015. 200 с.
6. Стерлигова О.П., Китаев, С.П., Ильмаст Н.В., Кому-лайнен С.Ф., Кучко Я.А., Павловский, С. А., Савосин, Е. С. Состояние заливов Онежского озера при товарном выращивании радужной форели // Поволжский экологический журнал. 2011. Т. 3. С. 386-393.
7. Стерлигова О.П., Кучко Я.А., Савосин Е.С., Ильмаст Н.В. Перспективы выращивания объектов аквакультуры в озерах Карелии // Вопросы рыболовства. 2019. Т. 20, №2. С. 216-224.
8. Рыжков Л. П., Дзюбук И. М., Горохов А. В., Марченко Л. П., Артемьева Н. В., Иешко Т. А., Рябинкина М.Г., Раднаева В.А. Состояние водной среды и биоты при функционировании садковых форелевых хозяйств // Водные ресурсы. 2011. Т. 38. С. 239-247.
9. Хозяйство монастыря: https://valaam.ru/mon-astery/84191/ [Электронный ресурс] (дата обращения: 11.10.2024).
10. Asami H., Aida M., Watanabe K. Accelerated sulfur cycle in coastal marine sediment beneath areas of intensive shellfish aquaculture // Applied and environmental microbiology. 2005. Vol. 71, №6. P. 2925-2933. https://doi.org/10.1128/ AEM.71.6.2925-2933.2005.
11. Ervik A., Hansen P. K., Aure J., Stigebrand, A., Johannessen, P., Jahnsen T. Regulating the local environmental impact of intensive marine fish farming I. The concept of the MOM system (Modelling-Ongrowing fish farms-Monitoring) // Aquaculture. 1997. Vol. 158. №1-2. P. 85-94. https://doi. org/10.1016/S0044-8486(00)00520-2.
12. FAO. The State of World Fisheries and Aquaculture
2018 - Meeting the sustainable development goals. FAO. Rome, 2018.
13. Forrest B., Keeley N., Gillespie P., Hopkins G., Knight B., Govier D. Review of the Ecological effects of marine finfish aquaculture: final report. 2007. Cawthron report №1285. 71 p.
14. Guzeva A., Slukovskii Z., Dauvalter V., Denisov D. A. Trace element fractions in sediments of urbanised lakes of the arctic zone of Russia // Environmental monitoring and assessment. 2021. Vol. 193, №6. P. 378. https://doi.org/10.1007/s10661-021-09166-z
15. Hansen P.K., Ervik A., Aure J., Johannessen P., Jahnsen T., Stigebrandt A., Schaanning M. MOM: (Modelling-Ongrowing Fish Farms - Monitoring). Concept and revised edition of monitoring programme // Fisken-Havet. 1997. Vol. 7. P. 1-51.
16. Hansen P. K., Ervik A., Schaanning M., Johannessen P., Aure J., Jahnsen T., Stigebrand, A. Regulating the local environmental impact of intensive, marine fish farming II. The monitoring programme of the MOM system / Modelling-Ongrowing fish farms-Monitoring //Aquaculture. 2001. Vol. 194, №1-2. P. 75-92. https://doi.org/10.1016/S0044-8486(00)00520-2.
17. Holmer M., Kristensen E. Seasonality of sulfate reduction and pore water solutes in a marine fish farm sediment: the importance of temperature and sedimentary organic matter. T. 32 / / Kluwer Academic Publishers, 1996. P. 15-39. https://doi. org/10.1007/BF00001530.
18. Husa V., Kutti T., Ervik A., Sj0tun K., Hansen P.K., Aure J. Regional impact from fin-fish farming in an intensive production area (Hardangerfjord, Norway) // Marine biology research. 2014. Vol. 10, №3. P. 241-252. https://doi.org/10.1080/ 17451000.2013.810754.
19. Ieshko E., Barskaya Y., Parshukov A., Lumme J., Khlunov O. Occurrence and morphogenetic characteristics of Gyrodactylus (Monogenea: Gyrodactylidae) from a rainbow trout farm (Lake Ladoga, Russia) // Acta Parasitologica. 2016. Vol. 61, №1. P. 151-157. https://doi.org/10.1515/ap-2016-0020.
20. Lapenkov A., GuzevaA., Zaripova K., Slukovski Z. The seasonal dynamics of geochemical characteristics of sediments in the impact zone of the fish farm (Lake Ladoga, Russia) // Aquaculture and fisheries. 2023. Vol. 8, №6. P. 654-660. https:// doi.org/10.1016/j.aaf.2022.09.003.
21. Lapenkov A., Zuyev Y., Zuyeva N. The landscape investigations as necessary part of biological study in the coastal zone to the question of the impact of climate change on the ecological state of artificial // Proceedings of International Conference «Managing risks to coastal regions and communities in a changing world» (EMECS'11 - SeaCoasts XXVI). Academus Publishing, 2016. P. 1-1.
22. Varol M. Impacts of cage fish farms in a large reservoir on water and sediment chemistry // Environmental pollution. 2019. Vol. 252. P. 1448-1454. https://doi.org/10.1016/j. envpol.2019.06.090.
References
1. Bakhmet I.N., Kuchko T.Yu., Kuchko Ya.A. Osobennosti vyrashchivaniya raduzhnoj foreli (parasalmo mykiss) v usloviyah Belogo morya [Features of growing rainbow trout (parasalmo mykiss) in the White Sea] // Scientific notes of Petrozavodsk State University. 2017. No 6. P. 62-66.
2. Dzyubuk I.M., Ryzhkov L.P. Rost molodi raduzhnoy foreli v sadkovykh khozyaystvakh Karelii [Growth of rainbow trout juveniles in cage farms in Karelia] // Scientific notes of Petrozavodsk State University. 2014. No 2. P. 7-10.
3. Zuev Yu., Zueva N. Opyt issledovaniya makrozoobentosa kamenistoy litorali Ladozhskogo ozera [Experience of studying the macrozoobenthos of a rocky littoral
zone of Lake Ladoga] // Scientific notes of the Russian state hydrometeorological university. 2013. No 30. P. 134-147.
4. Kuritsyn A. E., Makarova T. A., Efremov S. A. Analiz razvitiya akvakul'tury v Respublike Kareliya [Analysis of aquaculture development in the Republic of Karelia] // Fisheries. 2015. No 2. P. 83-87.
5. Ladozhskoye ozero i dostoprimechatel'nosti yego poberezh'ya. Atlas [Lake Ladoga and the sights of its coast. Atlas]. Saint-Petersburg: Nestor-History. 2015. 200 p.
6. Sterligova O. P., Kitaev S. P., Ilmast N. V., Komulainen S. F., Kuchko Ya. A., Pavlovsky S. A., Savosin E. S. Sostoyaniye zalivov Onezhskogo ozera pri tovarnom vyrashchivanii raduzhnoy foreli [The State of the Bays of Lake Onega During Commercial Cultivation of Rainbow Trout] // Volga region ecological journal. 2011. Vol. 3. P. 386-393.
7. Sterligova O. P., Kuchko Ya. A., Savosin E. S., Ilmast N. V. Perspektivy vyrashchivaniya ob"yektov akvakul'tury v ozerakh karelii [Prospects for growing aquaculture objects in the lakes of Karelia] // Problems of fisheries. 2019. Vol. 20. P. 216-224.
8. Ryzhkov, L. P., Dzyubuk I. M., Gorokhov A. V., Marchenko, L. P., Artemyeva N. V., Ieshko, T. A., Ryabinkina M. G., Radnaeva V. A. Sostoyaniye vodnoy sredy i bioty pri funktsionirovanii sadkovykh forelevykh khozyaystv [The state of the aquatic environment and biota during the operation of cage trout farms] // Water resources. 2011. Vol. 38. P. 239-247.
9. Monastery Economy: https://valaam.ru/ monastery/84191/ [Electronic resource]. (date of access: 11.10.2024)
10. Asami H., Aida M., Watanabe K. Accelerated sulfur cycle in coastal marine sediment beneath areas of intensive shellfish aquaculture // Applied and environmental microbiology. 2005. Vol. 71, No 6. P. 2925-2933. https://doi.org/10.1128/ AEM.71.6.2925-2933.2005.
11. Ervik A., Hansen P. K., Aure J., Stigebrand, A., Johannessen, P., Jahnsen T. Regulating the local environmental impact of intensive marine fish farming I. The concept of the MOM system (Modelling-Ongrowing fish farms-Monitoring) // Aquaculture. 1997. Vol. 158. No 1-2. P. 85-94. https://doi. org/10.1016/S0044-8486(00)00520-2.
12. FAO. The State of World Fisheries and Aquaculture 2018 - Meeting the sustainable development goals. FAO. Rome, 2018.
13. Forrest B., Keeley N., Gillespie P., Hopkins G., Knight B., Govier D. Review of the Ecological effects of marine finfish aquaculture: final report. 2007. Cawthron report No 1285. 71 p.
14. Guzeva A., Slukovskii Z., Dauvalter V., Denisov D. A. Trace element fractions in sediments of urbanised lakes of the arctic zone of Russia // Environmental monitoring and assessment. 2021. Vol. 193, No 6. P. 378. https://doi.org/10.1007/ s10661-021-09166-z.
15. Hansen P.K., Ervik A., Aure J., Johannessen P., Jahnsen T., Stigebrandt A., Schaanning M. MOM: (Modelling-Ongrowing Fish Farms - Monitoring). Concept and revised edition of monitoring programme // Fisken-Havet. 1997. Vol. 7. P. 1-51.
16. Hansen P.K., Ervik A., Schaanning M., Johannessen P., Aure J., Jahnsen T., Stigebrand, A. Regulating the local environmental impact of intensive, marine fish farming II. The monitoring programme of the MOM system / Modelling-Ongrowing fish farms-Monitoring //Aquaculture. 2001. Vol. 194, No 1-2. P. 75-92. https://doi.org/10.1016/S0044-8486(00)00520-
2.
17. Holmer M., Kristensen E. Seasonality of sulfate reduction and pore water solutes in a marine fish farm sediment: the importance of temperature and sedimentary organic matter. T. 32 / / Kluwer Academic Publishers, 1996. P. 15-39. https://doi. org/10.1007/BF00001530.
18. Husa V., Kutti T., Ervik A., Sj0tun K., Hansen P.K., Aure J. Regional impact from fin-fish farming in an intensive production area (Hardangerfjord, Norway) // Marine biology research. 2014. Vol. 10, No 3. P. 241-252. https://doi.org/10.1080 /17451000.2013.810754.
19. Ieshko E., Barskaya Y., Parshukov A., Lumme J., Khlunov O. Occurrence and morphogenetic characteristics of Gyrodactylus (Monogenea: Gyrodactylidae) from a rainbow trout farm (Lake Ladoga, Russia) // Acta Parasitologica. 2016. Vol. 61, No 1. P. 151-157. https://doi.org/10.1515/ap-2016-0020.
20. Lapenkov A., GuzevaA., Zaripova K., Slukovski Z. The seasonal dynamics of geochemical characteristics of sediments in the impact zone of the fish farm (Lake Ladoga, Russia) // Aquaculture and fisheries. 2023. Vol. 8, No 6. P. 654-660. https:// doi.org/10.1016/j.aaf.2022.09.003.
21. Lapenkov A., Zuyev Y., Zuyeva N. The landscape investigations as necessary part of biological study in the coastal zone to the question of the impact of climate change on the ecological state of artificial // Proceedings of International Conference «Managing risks to coastal regions and communities in a changing world» (EMECS'11 - SeaCoasts XXVI). Academus Publishing, 2016. P. 1-1.
22. Varol M. Impacts of cage fish farms in a large reservoir on water and sediment chemistry // Environmental pollution. 2019. Vol. 252. P. 1448-1454. https://doi.org/10.1016/j. envpol.2019.06.090.
Lapenkov A.E., Zuev Y.A., Pozdnyakov S.R. Experience of assessing the impact of trout farms on freshwater ecosystems using the MOM system: a case study of the waters of Valaam archipelago.
The modernized European method of ecological and geochemical monitoring of trout farms in freshwater ecosystems was tested for the first time in Malaya Nikonovskaya Bay (Lake Ladoga). In the area affected by fish cages comprehensive geochemical and hydrobiological studies of sediments were carried out using diving and video survey methods. The study revealed the negative impact of the farm on the hydrochemical parameters of the water column and sediments, and on the benthic communities. We found and outlined extensively developed on the surface of bottom sediments bacterial mat in the deep part of the bay. Based on the results of the work, recommendations were made for the further monitoring of Malaya Nikonovskaya Bay and the application of this method on other water bodies used for fish farming.
Keywords: industrial aquaculture; trout farms; sediments; Lake Ladoga.
Раскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 08.11.2024
Oдобрено рецензентами / Approved by reviewers: 13.11.2024
Принята к публикации / Accepted for publication: 21.11.2024
Сведения об авторах
Лапенков Артем Евгеньевич, младший научный сотрудник, Институт озероведения РАН - обособленное структурное подразделение ФГБУН «Санкт-Петербургский ФИЦ РАН», 196105, Россия, г. Санкт-Петербург, ул. Севастьянова, д. 9, E-mail: [email protected]
Зуев Юрий Алексеевич, старший научный сотрудник, Всероссийский научно-исследовательский институт рыбного хозяйства и океанографии, 199053, Россия, г. Санкт-Петербург, наб. Mакарова, 26, E-mail: [email protected].
Поздняков Шамиль Рауфович, генеральный директор, OOO «Научно-исследовательский центр «Лимнология и гидрология»», 196006, Россия, г. Санкт-Петербург, ул. Ташкентская, 1, E-mail: [email protected].
Information about the authors
Artem E. Lapenkov, Junior Researcher, Institute of Limnology of the Russian Academy of Sciences - a separate structural subdivision of the Federal State Budgetary Scientific Institution «St. Petersburg Federal Research Center of the Russian Academy of Sciences», 9, Sevastyanova st., Saint-Petersburg, 196105, Russia, E-mail: [email protected].
Yuri A. Zuev, Senior Researcher, All-Russian Research Institute of Fisheries and Oceanography, 26, Makarova embankment, Saint-Petersburg, 199053, Russia, E-mail: [email protected].
Shamil R. Pozdnyakov, General Director, Limited Liability Company «Scientific Research Center «Limnology and Hydrology»», 1, Tashkentskaya st., Saint Petersburg, 196006, Russia, E-mail: [email protected].
УДК 574:577.2:556
А.Э. Свердруп, Л.Л. Фролова
Казанский (Приволжский) федеральный университет, [email protected]
ПРОТОТИП ЭКСПЕРТНОЙ СИСТЕМЫ ДЛЯ ОЦЕНКИ
ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ВОДОЕМОВ ПО МОЛЕКУЛЯРНЫМ МАРКЕРАМ ГИДРОБИОНТОВ
Проблема мониторинга состояния окружающей среды весьма актуальна из-за постоянно возрастающего антропогенного воздействия на природные процессы. Последние достижения в области секвенирования нового поколения, молекулярной биологии, биоинформатики и компьютерных технологий позволяют комплексно решать эту проблему. В статье представлена разработка прототипа экспертной системы для оценки экологического состояния водоёмов с использованием современных компьютерных технологий на основе метода биоиндикации по молекулярным маркерам гидробионтов. Пилотный проект апробирован на данных метагеномно-го секвенирования гидробионтов озера Средний Кабан г. Казани по маркерному гену 18S рРНК: разработана база данных по видовому разнообразию и база знаний по биоиндикаторам, разработан программный комплекс для создания автоматизированного рабочего места эколога-специалиста для оценки экологического состояния водоемов. Полученные результаты представляют большой практический интерес для автоматизации мониторинга водных объектов.
Ключевые слова: маркерные гены; экспертная система; биоиндикация; водные объекты; экологическая оценка.
DOI: https://doi.Org/10.24852/2411-7374.2024.4.62.68
Введение
Загрязнение окружающей среды, в том числе водных объектов, отрицательно влияет на здоровье населения. Проблема мониторинга состояния окружающей среды весьма актуальна из-за постоянно возрастающего антропогенного воздействия на природные процессы. Мониторинг и своевременное принятие мер по устранению загрязнения позволяют избежать экологической катастрофы и сохранить качество воды.
Для мониторинга окружающей среды используют стандартизированные методы и способы. В настоящее время исключительно эффективным признан метод биологической индикации (биоиндикации), который обладает суммарным эффектом и позволяет оценить различные виды загрязнений. Метод предполагает использование видов-индикаторов качества воды (организмов чистых вод - ксено- и олигосапробионтов, умеренно загрязнённых и загрязнённых вод - бетамезо- и альфа-мезосапробионтов, и грязных вод - полисапро-бионтов) из списка В. Сладечека ^^есек, 1973). Исследование даже небольшого количества видов гидробионтов - обитателей водной среды позволяет получить быструю и надёжную информацию о биологической полноценности воды (Шитиков и др., 2003). Для оценки экологического состояния
водоёма методом биоиндикации проводят отбор проб на водоеме, определяют видовую принадлежность биоиндикаторов и других гидробион-тов в пробе по морфологическим признакам под микроскопом, проводят анализ наличия и количества видов-индикаторов разной сапробности и делают вывод о качестве воды. Для осуществления стандартного способа оценки требуется продолжительное время - до 4 месяцев в зависимости от масштабов исследования. Кроме того, результат оценки зависит от квалификации экспертов, выполняющих идентификацию гидробионтов по морфологическим признакам. По этой причине оценка экологического состояния окружающей среды может быть несвоевременной и неточной.
Повысить точность и скорость оценки можно благодаря новым достижениям в области секве-нирования нового поколения, молекулярной биологии и биоинформатики - провести идентификацию видов-индикаторов можно не только методами микроскопии, но и на основе молекулярных маркеров - маркерных генов. Идентификация гид-робионтов по маркерным генам позволяет определять виды с очень малыми размерами, различать виды-двойники, определять организмы на личиночной стадии (Gomez, 2007). Маркерные гены активно используются в технологии секвениро-
Ваза знаний биоиндикаторов по нуклеотидным последовательностям маркерных генов и значений сапробности
Модуль логических выводов - метод биоиндикации по маркерным генам
вания для идентификации организмов, например, ген 18S рРНК используется для идентификации эукариотических организмов (Field et al., 1988; Hadziavdic et al., 2014). Повышение быстродействия - сокращение времени принятия решения - можно достичь за счёт интеграции новых молекулярных методов и компьютерных технологий в единую систему для комплексного подхода к оценке экологического состояния водоёмов - экспертную систему автоматизированного рабочего места эколога-специалиста.
Редактирование данных
Протокол оценки
Отбор проб из водоема Секвенатор
Рис. 1. Схема автоматизированного рабочего места эколога-специалиста Fig. 1. Diagram of an automated workstation for an ecology specialist
Материалы и методы исследования
В работе использованы компьютерные методы обработки биологических данных, методы проектирования и разработки программного обеспечения ЭВМ и базы данных, нуклеотидные последовательности маркерного гена 18S рРНК гидро-бионтов из международной базы данных GenBank (https://www.ncbi.nlm.nih.gov/) и данных метаге-номного секвенирования гидробионтов озёр Кабан г. Казань по гену 18S рРНК (Фролова и др., 2019).
Озера Кабан г. Казани выбраны в качестве модельного объекта, так как экологические исследования на озёрах проводятся в течении многих лет (Горохова, 2012; Горшкова, 2012; Токинова, 2012; Латыпова и др., 2012; Экология города Казани, 2005).
Результаты и их обсуждение
Для создания автоматизированного рабочего места эколога-специалиста в области мониторинга и оценки экологического состояния водоёмов по маркерным генам гидробионтов с использованием современных компьютерных технологий разработан программный комплекс экспертной системы, включающий базу данных гидробион-тов по молекулярным маркерам, базу знаний биоиндикаторов, модуль обработки секвенированных
последовательностей, модуль редактирования метагеномных данных и компонент для работы с международной базой данных нуклеотидных последовательностей GenBank, модуль логических выводов на основе метода биоиндикации.
На рисунке 1 представлена схема автоматизированного рабочего места эколога-специалиста с применением прототипа экспертной системы для оценки экологического состояния водоёмов.
Для оценки экологического состояния водоёмов с использованием автоматизированного рабочего места эколога-специалиста проводят отбор проб на водоёме и метагеномное секвенирование по маркерным генам. Полученные данные вводятся в экспертную систему, логический модуль которой проводит анализ данных в автоматическом режиме и выводит протокол для экологической оценки.
Структура и функционал экспертной системы рассматривается на примере апробации прототипа экспертной системы на полученных ранее данных метагеномного секвенирования по маркерному гену 18S рРНК гидробионтов озера Средний Кабан г. Казани (Фролова и др., 2019; Свердруп, Фролова, 2021).
База данных по молекулярным маркерам гидробионтов (в прототипе - по маркерному гену 18S рРНК) содержит информацию о полном таксономическом положении гидробионтов и первичные
Kingdom Phylum Class Order Family Genus + Species GenBank
Chromista Ciliophora Colpodea Bryometopida Bryometopidae Bryometopus triquetrus >KJ873045.1 Bryometopus triquetrus small subunit ribosomal RNA g€
Chromista Ciliophora Litostomatea Haptorida Enchelyidae Enchelys gasterosteus >JF263447.1 Enchelys gasterosteus 18S ribosomal RNA gene, partic
Chromista Ciliophora Litostomatea Vestibuliferida Pycnotrichidae Buxtonella sulcata >KP016718.1 Buxtonella sulcata isolate Tisnov genotype 2 small subi
Chromista Ciliophora Litostomatea Entodiniomorphida Blepharocorythidae Blepharocorys curvigula >AB534184.1 Blepharocorys curvigula gene for 18S rRNA, partial se<
Chromista Ciliophora Nassophorea Nassulida Nassulidae Nassula labiata >KC832949.1 Nassula labiata isolate LWW09052701 18S ribosomal
Chromista Ciliophora Oligohymenophorea Sessilida Astylozoidae Astylozoon enriquesi >AY049000.1 Astylozoon enriquesi small subunit ribosomal RNA gene
Chromista Ciliophora Oligohymenophorea Sessilida Epistylidae Epistylis chlorelligerum >KM096375.1 Epistylis chlorelligerum isolate hzxhl small subunit ribo:
Chromista Ciliophora Oligohymenophorea Sessilida Opisthonectidae Telotrochidium matiense >EF417835.2 Telotrochidium matiense 18S ribosomal RNA gene, par
Chromista Ciliophora Oligohymenophorea Sessilida Vorticellidae Vorticella aequilata >JN 120249.1 Vorticella aequilata isolate 162jpvtofusu20S225226261
Chromista Ciliophora Oligohymenophorea Sessilida Vorticellidae Vorticella gracilis >KU363239.1 Vorticella gracilis clone 171516GrAs small subunit ribo:
Chromista Ciliophora Oligohymenophorea Sessilida Vorticellidae Vorticella mayeri >KU363240.1 Vorticella mayeri clone 21vmAyeriw small subunit ribos-
Chromista Ciliophora Oligohymenophorea Sessilida Zoothamniidae Myoschiston cf.duplicatum >JN836352.1 Myschiston cf. duplicatum 18S ribosomal RNA gene, pe
Chromista Ciliophora Oligohymenophorea Sessilida Zoothamniidae Zoothamnium pluma >DQ662854.1 Zoothamnium pluma small subunit ribosomal RNA gene
Chromista Ciliophora Oligohymenophorea Philasterida Cohnilembidae Porpostoma notata >HM236335.1 Porpostoma notata isolate FXP2009050601 18Ssmal
Chromista Ciliophora Oligohymenophorea Chromista Ciliophora Oligohymenophorea Philasterida Philasterida Orchitophryidae Philasteridae Paranophrys magna Dexitrichides pangi >JQ956548.1 Paranophrys magna strain KL1 small subunit ribosoma >AY212805.1 Dexiotrichides pangi small subunit ribosomal RNA gene
Chromista Ciliophora Oligohymenophorea Pleuronematida Cyclidiidae Protocyclidium sinica >KF256822.1 Protocyclidium sinica isolate JJM2009113001 small sul
Chromista Ciliophora Phyllopharyngea Chlamydodontida Lynchellidae Chilodonella parauncinata >KJ509197.1 Chilodonella parauncinata isolate QZS2013052301 sm
Chromista Ciliophora Phyllopharyngea Cyrtophorida Chilodonellidae Chilodonella acuta >KJ452458.1 Chilodonella acuta isolate FXP20130515 small subunit
Chromista Ciliophora Phyllopharyngea Cyrtophorida Chilodonellidae Trithigmostoma cucullulus >FJ998037.1 Trithigmostoma cucullulus strain GD-CXM08110902 srr
Рис. 2. Фрагмент базы данных по маркерному гену 18SрРНК гидробионтов
оз. Средний Кабан Fig. 2. Fragment of the database on the 18S rRNA marker gene of Sredniy Kaban Lake
Kingdom
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Animalia
Chromista
Chromista
Chromista
Chromista
Phylum
Arthropode
Arthropode
Arthropode
Arthropode
Arthropode
Arthropode
Arthropode
Arthropode
Arthropode
Arthropode
Arthropode
Rotifere
Rotifere
Rotifere
Rotifere
Rotifere
Rotifere
Rotifere
Ciliophore
Ciliophore
Ciliophore
Ciliophore
Class
Brenchiopode
Brenchiopode
Brenchiopode
Brenchiopode
Brenchiopode
Brenchiopode
Brenchiopode
Brenchiopode
Mexillopode
Maxillopoda
Mexillopode
Eurotetorie
Eurotetorie
Eurotetorie
Eurotetorie
Eurotetorie
Eurotetorie
Eurotetorie
Litostometee
Oligohymenophoree
Oligohymenophoree
Prostometee
Order
Anomopode
Anomopode
Anomopode
Anomopode
Anomopode
Anomopode
Ctenopode
Heplopode
Celeniformes
Cyclopiformes
Cyclopiformes
Flosculeriecee
Trensversiremide
Trensversiremide
Trensversiremide
Trensversiremide
Trensversiremide
Trensversiremide
Pleurostometide
Sessilide
Sessilide
Prorodontide
Family
Chydoridee
Chydoridee
Chydoridee
Dephniidee
Dephniidee
Mecrotrichidee
Sididee
Leptodoridee
Dieptomidee
Cyclopidae
Cyclopidee
Flosculeriidee
Brechionidee
Brechionidee
Brechionidee
Dicrenophoridee
Lepedellidee
Trichocercidee
Litonotidee
Vorticellidee
Vorticellidee
Colepidee
Genus + Species
Acroperus herpee Alonopsis elongete Chydorus spheericus Dephnie pulex Simocephelus vetulus Acentholeberis curvirostris Side crystelline Leptodora kindtii Eudieptomus greciloides Cyclops insignis Mesocyclops leuckerti Lecinulerie flosculose Brechionus celyciflorus Brechionus rubens Keretelle cochleeris Dicrenophorus forcipetus Lepedella rhomboides Trichocerce elongete Acinerie incurvete Vorticelle eequilete Vorticelle meyeri Coleps hirtus
Saprobity Index GenBank
o-b
1.4 >AM490272.1 Acroperus herpae 18S rRNA gene, isoleted in B 0,8 >AM490273.1 Alonopsis elongete 18S rRNA gene, isoleted in I 1,75 >AM490277.1 Chydorus spheericus 18S rRNA gene, isoleted ii 2,8 >KR065748.1 Dephnie pulex isolete PR1 18S ribosomel RNA ç
1.5 >AM490295.1 Simocephelus vetulus 18S rRNA gene, isoleted 1 >AM490271.1 Acentholeberis curvirostris 18S rRNA gene, ¡soli
1.3 >AM490294.1 Side crystelline 18S rRNA gene, isoleted in Belg 1,65 >AF144214.1 Leptodore kindtii 18S ribosomel RNA gene, com
1.6 >KM091948.1 Eudieptomus graciloides strain DS 18S ribosorr
1.4 >GU066282.2 Cyclops insignis clone 4 18S ribosomal RNA ge 1,25 >FJ825606.1 Mesocyclops leuckerti clone 105-8-3 18S ribosor
1.5 >KM873595.1 Lecinulerie flosculose isolete R42 18S ribosome 2,5 >KC193095.1 Brechionus celyciflorus 18S ribosomel RNA gen. 3,25 >KM051954.1 Brechionus rubens voucher KOP88RUB 18S rib 1,55 >GQ503608.1 Keretelle cochleeris 18S ribosomel RNA gene, p 1,5 >DQ297694.1 Dicrenophorus forcipetus 18S ribosomel RNA g. 1,2 >DQ297702.1 Lepedelle rhomboides 18S ribosomel RNA gene
1 >DQ297721.1 Trichocerce elongete 18S ribosomel RNA gene, 5 >KJ680557.1 Acinerie incurveta isolete SKS412 18S smell sub 4,5 >JN 120249.1 Vorticelle eequilate isolete 162jpvtofusu20S2252
2 >KU363240.1 Vorticelle meyeri clone 21vmAyeriw smell subuni 2,5 >U97109.1 Coleps hirtus 18S ribosomel RNA gene, complete i
Рис. 3. Фрагмент базы знаний по маркерному гену 18SрРНК биоиндикаторов из списка
В. Сладечека (Sladecek, 1973) Fig. 3. Fragment of the knowledge base on the marker gene 18S rRNA bioindicators from
V Sladechek's list (Sladecek, 1973)
последовательности, полученные из международных баз данных. На рисунке 2 приведён фрагмент базы данных по маркерному гену 18S рРНК гидробионтов оз. Средний Кабан.
База знаний по молекулярным маркерам биоиндикаторов, в прототипе - по маркерному гену 18S рРНК - содержит информацию о полном таксономическом положении и первичные последовательности гена 18S рРНК, полученные из международной базы данных GenBank, только биоиндикаторных видов гидробионтов с указанием сапробности (рис. 3).
Модуль логических выводов обрабатывает входные данные - исходные последовательности (риды) метагеномного секвенирования, проводит идентификацию видов гидробионтов и биоинди-
каторов путём сравнения с эталонными последовательностями базы данных гидробионтов и базы знаний биоиндикаторов и составляет протокол, содержащий список идентифицированных видов с указанием количества ридов каждого вида (биоразнообразие), список идентифицированных биоиндикаторных видов, индексы видового разнообразия (индекс Шеннона и индекс Симпсона) и суммарный индикаторный вес. На рисунках 4-6 приведены фрагменты протокола, полученного при использовании данных метагеномного секве-нирования по маркерному гену 18S рРНК гидро-бионтов озера Средний Кабан г. Казани в качестве тестового ввода данных. На рисунках 7-8 представлен интерфейс модулей экспертной системы.
Идентифицировано видов 199
индекс Шеннона 5,081
индекс Симпсона 0,858
Из них индикаторных видов: 24
По сапробности:
X 0
Х-0 0
0-Х 0
0 4
о-Ь 6
Ь-о 1
Ь 5
Ь-а 3
а-Ь 2
а 2
а-р 0
р-а 0
Р 1
Суммарный индикаторный вес: 1,46
Соответствует сапробности: о-Ь
Рис. 4. Фрагмент протокола: общая статистика Fig. 4. Protocol fragment: general statistics
Вид Сагробность Инд.вес N ридов
Alonopsis elongata 0 0,8 22
Acantholeberis curvirostris 0 1 2
Lepadella rhomboldes 0 1,2 4
Sida crystallina 0 1,3 2981
Acroperus harpae o-b 1,4 3
Cyclops insignls o-b 1,4 788
Tlntlnnidium fluviatile o-b 1,4 1
Simocephalus vetulus o-b 1,5 1
Amphora ovalls o-b 1,65 7
Leptodora kindtii o-b 1,65 1
Keratella cochlearis b-o 1,55 392
Cocconeis placentula b 1,35 7
Chydorus sphaericus b 1,75 655
Cymbella cistula b 1,8 3
Cryptomonas curvata b 2 33
Vorticella mayeri b 2 7
Cymatopleura solea b-a 2,35 3
Brachionus calyclflorus b-a 2,5 19
Coleps hirtus b-a 2,5 29
Urostyla grandis a-b 2,5 1
Cyclotella meneghiniana a-b 2,6 1
Nitzschia palea а 2,75 1
Daphnia pulex а 2,8 93
Acineria Incurvata P 5 28
Рис. 6. Фрагмент протокола:
список биоиндикаторов Fig. 6. Fragment of the protocol: list of bioindicators
% reads N reads Kingdom Phylum Class Order Family Genus+species
0,012 3 Chromista Ciliophora Litostomatea Pleurostomatida Amphileptidae Amphileptus dragescoi
0,110 28 Chromista Ciliophora Litostomatea Pleurostomatida Litonotidae Acineria incurvata
0,012 3 Chromista Ciliophora Litostomatea Vestibuliferida Pycnotrichidae Buxtonella sulcata
0,023 6 Chromista Ciliophora Oligohymenophorea Sessilida Vorticellidae Vorticella gracilis
0,027 7 Chromista Ciliophora Oligohymenophorea Sessilida Vorticellidae Vorticella mayeri
0,004 1 Chromista Ciliophora Oligohymenophorea Philasterida Uronematidae Uronema heteromarinum
0,113 29 Chromista Ciliophora Prostomatea Prorodontida Colepidae Coleps hirtus
0,004 1 Chromista Ciliophora Spirotrichea Tintinnida Codonellidae Tintinnopsis subacuta
0,004 1 Chromista Ciliophora Spirotrichea Tintinnida Tintinnidae Tintinnidium fluviatile
0,016 4 Chromista Ciliophora Spirotrichea Tontoniidae Pseudotontonia simplicidens
0,004 1 Chromista Ciliophora Spirotrichea Sporadotrichida Oxytrichidae Oxytricha granulifera
0,004 1 Chromista Ciliophora Spirotrichea Stichotrichida Amphisiellidae Amphisiella Candida
0,004 1 Chromista Ciliophora Spirotrichea Stichotrichida Schmidingerotrichidae Schmidingerothrix salina
0,055 14 Chromista Ciliophora Spirotrichea Stichotrichida Spirofilidae Strongylidium orientale
0,004 1 Chromista Ciliophora Spirotrichea Urostylida Holostichidae Anteholosticha gracilis
0,004 1 Chromista Ciliophora Spirotrichea Urostylida Urostylidae Uncinata gigantea
0,004 1 Chromista Ciliophora Spirotrichea Urostylida Urostylidae Urostyla grandis
0,039 10 Chromista DinoflagellatDinophyceae Gonyaulacales Goniodomataceae Goniodoma polyedricum
0,035 9 Chromista DinoflagellatDinophyceae Gonyaulacales Gonyaulacaceae Amylax triacantha
0,004 1 Chromista DinoflagellatDinophyceae Gymnodiniales Gymnodiniaceae Gymnoxanthella radiolariae
0,008 2 Chromista DinoflagellatDinophyceae Peridiniales Diplopsaliaceae Preperidinium meunieri
0,008 2 Chromista DinoflagellatDinophyceae Peridiniales Peridiniaceae Durinskia baltica
Рис. 5. Фрагмент протокола: список идентифицированных видов Fig. 5. Fragment of the protocol: list of identified species
Рис. 7. Интерфейс программы: модуль доступа к международным базам данных Fig. 7. Program interface: module for access to international databases
Рис. 8. Интерфейс программы: модуль редактирования метагеномных данных Fig. 8. Program interface: metagenomic data editing module
Заключение
Прототип экспертной системы для оценки экологического состояния водоёмов по молекулярным маркерам гидробионтов успешно прошёл апробацию на данных метагеномного секвениро-вания по маркерному гену 18S рРНК гидробионтов оз. Средний Кабан г. Казани.
Реализация экспертной системы в полном объёме имеет большое практическое значение. Преимущество разработанной системы заключается в применении современных методов секвениро-вания нового поколения и компьютерного биоинформационного анализа для автоматизации процесса оценки экологического состояния водоёмов методом биоиндикации.
Для оценки экологического состояния водоёма методом биоиндикации по молекулярным маркерам гидробионтов с использованием экспертной системы проводят отбор проб по общепринятым методикам, проводят метагеномное секвенирова-ние тотальной ДНК из пробы по маркерным генам, данные вводят в экспертную систему и получают протокол для оценки экологического состояния водоёма.
Благодаря понятному пользовательскому интерфейсу работу с экспертной системой может освоить любой специалист, имеющий навыки работы с компьютерами.
Разработанная экспертная система может использоваться для оценки экологического состояния любых водоёмов.
Список литературы
1. Горохова О.Г. Фитопланктон озерной системы Кабан в 2011 году // Георесурсы. 2012. №7. С. 24-28.
2. Горшкова А.Т. Оценка уровня самоочищения озер Кабан по анализу зоопланктонного комплекса // Георесурсы. 2012. №7. С.29-32.
3. Латыпова В.З., Яковлева О.Г., Шагидуллина Р.А., Ша-гидуллин Р.Р. Оценка антропогенной нагрузки на озеро Средний Кабан города Казани // Георесурсы. 2012. №7. С. 48-50.
4. Свердруп А.Э., Фролова Л.Л. Сапробионты озёр Кабан города Казани: выявление индикаторной значимости гидробионтов по маркерным генам. Казань: Изд-во Казан. ун-та, 2021. 320 с.
5. Токинова Р.П. Экологическая оценка состояния озер Средний и Нижний Кабан по зообентосу // Георесурсы. 2012. №7. С. 33-38.
6. Фролова Л.Л., Свердруп А.Э., Маланин С.Ю., Деревенская О.Ю., Хусаинов А.М., Харченко А.М. Метагеном гидро-бионтов озёр Кабан города Казани: Анализ видового разнообразия гидробионтов по маркерным генам. Казань: Изд-во Казан. ун-та, 2019. 216 с.
7. Шитиков В.К., Розенберг Г.С., Зинченко Т.Д. Количественная гидроэкология: методы системной идентификации. Тольятти: ИЭВБ РАН, 2003. 463 с.
8. Экология города Казани. Казань: Изд-во «Фэн» АН РТ, 2005. 576 с.
9. Field K.G., Olsen G.J., Lane D.J., Giovannoni S.J., Ghiselin M.T., Raff E.C., Pace N.R., Raff R.A. Molecular phylogeny of the
animal kingdom // Science. 1988. Vol. 239. P. 748-753.
10. Gomez A. Mating trials validate the use of DNA barcod-ing to reveal cryptic speciation of a marine bryozoans taxon // Proceedings B of The Royal Society. 2007. Vol. 274. P. 199-207.
11. Hadziavdic K., Lekang K., Lanzen A., Jonassen I., Thompson E.M., Troedsson C. Characterization of the 18S rRNA gene for designing universal eukaryote specific primers // PloS one. 2014. Vol. 9(2), e87624. doi: 10.1371/journal.pone.0087624.
12. National Center for biotechnology information // URL: http://www.ncbi.nlm.nih.gov/ (дата обращения: 08.12.2024).
13. Sladecek V. System of water quality from biological point of view // Achieves für hydrobiologie - beiheft ergebnisse der limnologie. 1973. Vol. 7(1). P. 1-218.
References
1. Gorohova O.G. Fitoplankton ozernoy sistemy Kaban v 2011 godu [Phytoplankton of Kaban Lakes 2011] // Georesources. 2012. No 7. P. 24-28.
2. Gorshkova A.T. Ocenka urovnya samoochischeniya ozer Kaban po analizu zooplanktonnogo kompleksa [Evaluation of self-healing process of Kaban Lakes based on zooplankton complex] // Georesources. 2012. No 7. P. 29-32.
3. Latypova V.Z., Yakovleva O.G., Shagidullina R.A, Shagidullin R.R. Ocenka antropogennoy nagruzki na ozero Sredniy Kaban goroda Kazani [Evaluation of anthropogenic load on Sredniy Kaban lake of Kazan city] // Georesources. 2012. No 7. P. 48-50.
4. Sverdrup A.E., Frolova L.L. Saprobionty ozer Kaban goroda Kazani: vyyavlenie indikatornoy znachimosti gidrobiontov po markernym genam. [Saprobionts of Kaban Lakes: Determination of indicator significance of hydrobionts by marker genes]. Kazan: Kazan University, 2021. 320 p.
5. Tokinova R.P. Ekologicheskaya ocenka sostoyaniya ozer Sredniy i Nizhniy Kaban po zoobentosu [Ecological assessment of Sredniy Kaban and Nizhniy Kaban lakes based on zoobenthos] // Georesources. 2012. No 7. P. 33-38.
6. Frolova L.L., Sverdrup A.E., Malanin S.Yu., Derevenskaya O.Yu., Khusainov A.M., Kharchenko A.M. Metagenom gidrobiontov ozer Kaban goroda Kazani: Analis vidovogo raznoobraziya gidrobiontov po markernym genam. [Kaban Lakes Metagenome: An analysis of hydrobionts species biodiversity by marker genes]. Kazan: Kazan University, 2019. 216 p.
7. Shitikov V.K., Rozenberg G.S., Zinchenko T.D. Kolichestvennaya gidroekologiya: metody sistemnoy identifikacii [Quantitative hydroecology: methods of systematic identification]. Tolyatti, 2003. 463 p.
8. Ekologiya goroda Kazani [Kazan City Ecology]. Kazan: «FEN» AN RT, 2005. 576 p.
9. Field K.G., Olsen G.J., Lane D.J., Giovannoni S.J., Ghiselin M.T., Raff E.C., Pace N.R., Raff R.A. Molecular phylogeny of the animal kingdom // Science. 1988. Vol. 239. P. 748-753.
10. Gomez A. Mating trials validate the use of DNA barcod-ing to reveal cryptic speciation of a marine bryozoans taxon // Proceedings B of The Royal Society. 2007. Vol. 274. P. 199-207.
11. Hadziavdic K., Lekang K., Lanzen A., Jonassen I., Thompson E.M., Troedsson C. Characterization of the 18S rRNA gene for designing universal eukaryote specific primers // PloS one. 2014. Vol. 9(2), e87624. doi:10.1371/journal.pone.0087624.
12. National Center for biotechnology information // URL: http://www.ncbi.nlm.nih.gov/ (дата обращения: 08.12.2024).
13. Sladecek V. System of water quality from biological point of view // Achieves für hydrobiologie - beiheft ergebnisse der limnologie. 1973. Vol. 7(1). P. 1-218.
Sverdrup A.E., Frolova L.L. Prototype of an expert system for assessing the ecological state of reservoirs by molecular markers of hydrobionts.
The problem of environmental monitoring is very relevant due to the ever-increasing anthropogenic impact on natural processes. The latest advances in next-generation sequencing, molecular biology, bioinformatics and computer technologies allow to solve this problem with a complex approach. This article presents the development of a prototype expert system for ecological assessment of water reservoirs based on the method of bioindication by molecular markers of hydrobionts using modern computer technologies. The pilot project was tested on 18S rRNA metagenomic sequencing data of hydrobionts of Sredniy Kaban Lake of Kazan city: a database on species diversity, a knowledge base on bioindicators and a software stack for creation of an automated workplace for ecology specialist to assess the ecological state of water reservoirs were developed. The obtained results have great practical value and can be used to optimize protocols of ecological monitoring of water reservoirs.
Keywords: marker genes, expert system, bioindication, water reservoirs, environmental assessment.
Pаскрытие информации о конфликте интересов: Автор заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 11.11.2024 Одобрено рецензентами / Approved by reviewers: 21.11.2024 Принята к публикации / Accepted for publication: 29.11.2024
Сведения об авторах
Свердруп Антоний Элиас, магистр, Казанский (Приволжский) федеральный университет, 42000S, Pоссия, г. Казань, ул. Кремлёвская, 1S, E-mail: [email protected].
Фролова Людмила Леонидовна, кандидат технических наук, доцент, Казанский (Приволжский) федеральный университет, 42000S, Pоссия, г. Казань, ул. Кремлёвская, 1S, E-mail: [email protected].
Information about the authors:
Antoniy E. Sverdrup, Master Student, Kazan (Volga Region) Federal University, 1S, Kremlevskaya st., Kazan, 42000S, Russia, E-mail: [email protected].
Liudmila L. Frolova, PhD in Technology, Associate Professor, Kazan (Volga Region) Federal University, 1S, Kremlevskaya st., Kazan, 42000S, Russia, E-mail:[email protected].
ПРАВИЛА ДЛЯ АВТОРОВ
К публикации в «Российском журнале прикладной экологии» принимаются научные статьи, сообщения, рецензии, обзоры по всем разделам экологической науки. В журнале печатаются не публиковавшиеся ранее материалы. В предлагаемых для публикации научных статьях должно содержаться обоснование актуальности, четкая постановка целей и задач исследования, научная аргументация, обобщения и выводы, представляющие интерес своей новизной, научной и практической значимостью.
Для публикации статьи автору (авторам) необходимо представить в редакцию следующие материалы:
1) направление от организации (в 1 экз.);
2) электронную версию статьи по фамилии первого автора (например, ivanov.doc)
3) сведения об авторах: имя, отчество и фамилия, должность, ученая степень и ученое звание, место работы и адрес электронной почты - на русском и английском языках.
4) Сканированная копия подписанного Лицензионного договора с каждым автором (форма договора размещена на сайте журнала).
Указанные файлы следует переслать в адрес редакции по электронной почте [email protected] или заполнить непосредственно на сайте журнала www.rjae.ru.
Требования к тексту рукописи:
Статьи публикуются на русском и английском язы-
Объем рукописи не должен превышать 20 страниц, для рецензий и сообщений - до 5 страниц, для обзоров
- до 30 страниц.
Текст статьи должен быть набран в формате MS Word 1997-2003, шрифт Times New Roman, кегль 14, через 1.5 интервала. Поля рукописи 20 мм, абзацный отступ 0.5 см. Текст набирается без переносов.
Текст статьи должен быть разбит на разделы. Рекомендуется использовать стандартные рубрики: «Введение», «Материалы и методы исследования», «Результаты и их обсуждение», «Выводы» или «Заключение», «Список литературы».
При оформлении статьи следует соблюдать приведенные ниже правила.
1-я строка - УДК (выравнивание по левому краю);
2-я строка - инициалы и фамилии автора (авторов), место работы, e-mail (курсив, выравнивание по правому краю);
3-я строка - название статьи - на русском и английском языках (прописными буквами, полужирный шрифт, выравнивание по центру);
4-я строка - аннотация (не менее 200 слов) и ключевые слова (не более 5, отделяются точкой с запятой)
- на русском и английском языках (выравнивание по ширине);
5-я строка - текст статьи (выравнивание по ширине).
Заголовки таблиц приводятся курсивом на русском и английском языках. Таблицы могут быть книжной
или альбомной ориентации.
Рисунки к статье должны быть сохранены в отдельных файлах с соответствующим расширением (xls, jpg, tiff). Растровые изображения должны иметь разрешение не менее 300 dpi. Все указанные материалы могут быть представлены в цветном или черно-белом вариантах. Подписи к рисункам приводятся курсивом на русском и английском языках; аббревиатуры расшифровываются в подрисуночных подписях. Все обозначения на рисунках выполняются шрифтом Times New Roman.
Математические формулы должны быть набраны в MS Equation. Пояснения значений символов и числовых коэффициентов необходимо давать непосредственно под формулой в последовательности, в которой они приведены в формуле.
Химические формулы следует набирать с помощью специализированных программ (Chem Draw, HyperChem, Isis Draw). Все элементы химической формулы должны быть хорошо различимы.
Все физические величины должны быть даны в системе единиц «СИ».
В десятичных дробных числах целая часть отделяется от дробной точкой.
Латинские названия видов печатаются курсивом.
Ссылки на литературные источники в тексте даются в круглых скобках, например: (Иванов и др., 2019; Методические ..., 2001; Одум, 2007; Тихомиров, Марков, 2009; Ferrand et al., 2012).
Список литературы составляется в алфавитном порядке и нумеруется в ручном режиме (сначала приводятся отечественные источники, затем иностранные).
Транслитерированный список литературы (References) приводится отдельно. Русскоязычные работы указываются в латинской транслитерации, рядом в квадратных скобках приводится их перевод на английский язык. Библиографические описания прочих работ приводятся на языке оригинала.
Обязательным условием является указание в списке литературы DOI (уникальный идентификационный номер цифрового объекта) тех работ, у которых он есть.
Образец оформления списка литературы:
1. ГОСТ Р ИСО 22033-2009. Качество почвы. Биологические методы. Хроническая токсичность в отношении высших растений.
2. Григорьян Б.Р., Кольцова Т.Г., Сунгатуллина Л.М., Сахабиев И.А. Оценка соответствия сельскохозяйственных предприятий Республики Татарстан требованиям органического агропроизводства // Российский журнал прикладной экологии. 2016. №3. С. 40-45.
3. Зиганшин И.И., Зиганшина Д.И. Лекарственные растения островов Казанского района переменного подпора Куйбышевского водохранилища // Биоразнообразие и рациональное использование природных ресурсов / Материалы докл. VII Всерос. научно-практ. конф. Махачкала: Изд-во ДГПУ, 2019. С. 18-20.
4. Иванчева Е.Ю. Сравнительный анализ видовой структуры рыбного населения малых рек Рязанской области: Автореф. дис. ... канд. биол. наук. Борок, 2008. 25 с.
4/2124
5. Сафонов А.Ф. Системы земледелия. М.: Колос, 2006. 447 с.
6. Спирина Е.В. К вопросу о биологии форели ручьевой Salmо trutta morpha fario // Природа Симбирского Поволжья. Ульяновск, 2002. Вып. 3. С. 154-157.
7. Яковлев В.А. Изменение структуры зообентоса северо-восточной Фенноскандии под влиянием природных и антропогенных факторов: Дисс. ... докт. биол. наук. Казань, 1999. 436 с.
8. Hanson M.J., Stefan H.G. Side effects of 58 years of copper sulphate treatment of the Fairmount lakes, Minnesota // Water Resour. Bull. 1984. V 20. P. 889-900. doi: 10.1111/j.1752-1688.1984.tb04797.x.
9. WoRMS Editorial Board (2016). World Register of Marine Species // URL: http://www.marinespecies.org (дата обращения: 20.05.2016).
Образец оформления транслитерированного списка литературы:
1. GOST R ISO 22033-2009. Kachestvo pochvy. Bio-logicheskie metody. Hronicheskaya toksichnost' v otnos-henii vysshih rastenij [Soil quality. Biological methods. Chronic toxicity to higher plants].
2. Grigor'yan B.R., Kol'tsova T.G., Sungatullina L.M., Sakhabiyev I.A. Otsenka sootvetstviya sel'skokhozyayst-vennykh predpriyatiy Respubliki Tatarstan trebovaniyam organicheskogo agroproizvodstva [Assessment of the conformity of agricultural enterprises of the Republic of Tatarstan with the requirements of organic agricultural production] // Rossiyskiy zhurnal prikladnoy ekologii [Russian jornal of applied ecology]. 2016. No 3. P. 40-45.
3. Ziganshin I.I., Ziganshina D.I. Lekarstvennye ras-tenija ostrovov kazanskogo rajona peremennogo podpora Kujbyshevskogo vodohranilishha [Medicinal plants of the islands of Kazan area of the variable subpropt of the Kuibyshev reservoir] // Bioraznoobrazie i racional'noe ispol'zo-vanie prirodnyh resursov [Biodiversity and natural resource
management] / Materialy dokl. VII Vseros. nauchno-prakt. konf. Mahachkala: DGPU, 2019. P. 18-20.
4. Ivancheva E.Yu. Sravnitel'nyj analiz vidovoj struktury rybnogo naseleniya malyh rek Ryazanskoj oblasti [Comparative analysis of the species structure of the fish population of small rivers in the Ryazan region]: Summary of PhD (Cand. of Biol.) Borok, 2008. 25 p.
5. Safonov A.F. Sistemy zemledeliya [Farming systems]. M.: Kolos, 2006. 447 p.
6. Spirina E.V. K voprosu o biologii foreli ruch'evoj Salmo trutta morpha fario [On the biology of brook trout Salmo trutta morpha fario] // Priroda Simbirskogo Povo-lzh'ya [Nature of the Simbirsk Volga]. Ul'yanovsk, 2002. 3. P. 154-157.
7. Yakovlev VA. Izmenenie struktury zoobentosa seve-ro-vostochnoj Fennoskandii pod vliyaniem prirodnyh i antropogennyh faktorov [Changes in the structure of zoo-benthos in northeastern Fennoscandia under the influence of natural and anthropogenic factors]: DSc (Dr. of Chem) thesis. Kazan', 1999. 436 p.
8. Hanson M.J., Stefan H.G. Side effects of 58 years of copper sulphate treatment of the Fairmount lakes, Minnesota // Water Resour. Bull. 1984. V 20. P. 889-900. doi: 10.1111/j.1752-1688.1984.tb04797.x.
9. WoRMS Editorial Board (2016). World Register of Marine Species // URL: http://www.marinespecies.org (accessed: 20.05.2016).
Принятая к рассмотрению статья направляется рецензенту, при наличии замечаний она отсылается авторам на доработку. Окончательное решение о принятии статьи к публикации принимается редколлегией журнала.
Верстка статьи для окончательной проверки и утверждения высылается авторам по электронной почте.
Ж'®
Ш4
Российский журнал прикладной экологии
420087 г. Казань, ул. Даурская, 28 www.rjae.ru
с
