Моделирование пространственного распределения видов на территориях ООПТ Западного Кавказа с использованием геоинформационных систем

Spatial distribution of species within Western Caucasus: modeling with Geographic information system (GIS).

Рассмотрены возможности применения геоинформационных систем при моделировании пространственного распределения видов на примере Ailanthus altissima. Установлен потенциальный ареал распространения этого инвазивного вида на территории ООПТ Западного Кавказа.

Моделирование пространственного распределения видов на территориях ООПТ Западного Кавказа с использованием геоинформационных систем
А. В. Егошин (ecoid@yandex.ru), Экологический образовательный и научный центр ФГБУ “СНП”.

В настоящее время 3/4 всех видов цветковых растений, 1/4 млекопитающих, 1/2 всех видов насекомых и рептилий находятся под угрозой исчезновения. Причиной такого катастрофического снижения биоразнообразия являются как прямое уничтожение и потеря среды обитания, так и преднамеренная и непреднамеренная интродукция видов (инвазии). Именно поэтому в настоящее время проблемы сохранения биоразнообразия планеты приобретают всё большую значимость.
Ключевым аспектом сохранения биоразнообразия является моделирование и прогнозирование пространственного распределения видов растений [1], как инвазивных, так и находящихся под угрозой исчезновения [2] (в том числе и их реинтродукции [3]). Кроме того моделирование пространственного распределения видов организмов может дать ответ на актуальный вопрос, как климатические изменения повлияют на пространственное распределение организмов в будущем [4].
Все эти на первый взгляд сложные задачи с успехом решаются с использованием геоинформационных систем (ГИС) [5]. Для моделирования пространственного распределения видов с использованием ГИС необходимы климатические данные, информация о местах произрастания особей вида с указанием географических координат, а также соответствующее программное обеспечение.
При моделировании могут быть использованы климатические данные WorldClim (www.worldclim.org), которые были получены путем интерполяции среднемесячных климатических данных метеостанций планеты, и представляют собой набор растровых изображений (GRID), в каждой ячейке которых содержится информация о том или ином климатическом показателе. Для моделирования наибольший интерес представляют биоклиматические переменные BIOCLIM (таблица 1).

Таблица 1 – Биоклиматические переменные BIOCLIM

Код	Биоклиматический параметр
BIO1	Средняя годовая температура
BIO2	Средняя суточная амплитуда температуры за каждый месяц
BIO3	Изотермичность (BIO1/BIO7) * 100
BIO4	Стандартное отклонение температур
BIO5	Максимальная температура самого тёплого месяца года
BIO6	Минимальная температура самого холодного месяца года
BIO7	Годовая амплитуда температуры (BIO5-BIO6)
BIO8	Средняя температура самой влажной четверти года
BIO9	Средняя температура самой сухой четверти года
BIO10	Средняя температура самой тёплой четверти года
BIO11	Средняя температура самой холодной четверти года
BIO12	Годовая сумма осадков
BIO13	Сумма осадков в самом влажном месяце года
BIO14	Сумма осадков в самом сухом месяце года
BIO15	Коэффициент вариации осадков
BIO16	Сумма осадков во влажной четверти года
BIO17	Сумма осадков в сухой четверти года
BIO18	Сумма осадков в самой тёплой четверти года
BIO19	Сумма осадков в самой холодной четверти года

В настоящее время доступны биоклиматические переменные для каждого 1км² земной поверхности, как усреднённые за временной интервал 1950-2000 гг., так и прогнозные данные на 2020, 2050 и 2080 для каждого сценария IPCC (Intergovernmental Panel on Climate Change).
Информация о местах произрастания особей изучаемого вида может быть получена как в результате проведения полевых наблюдений, так и с интернет-ресурса глобального информационного фонда по биоразнообразию (www.gbif.org).
Для моделирования и прогноза пространственного распределения видов может использоваться следующее программное обеспечение: DIVA-GIS, MaxEnt, ArcGIS, IDRISI.
В качестве примера рассмотрим прогностическое моделирование распространения инвазивного вида Айлант высочайший (Ailanthus altissima) на особо охраняемых природных территориях (ООПТ) Западного Кавказа (Сочинский национальный парк, Кавказский государственный природный биосферный заповедник и Тебердинский государственный природный биосферный заповедник).
Айлант обладает высокой скоростью роста и нетребователен к почве, родиной этого древесного растения является Китай. В Россию представители вида Айлант высочайший были впервые завезены в 18 веке. Начиная с этого времени, айлант стал активно распространяться на юге России, внедряясь, как правило, в неполночленные растительные сообщества (захватывая в первую очередь обочины дорог, стройки и т.д.), представляя потенциальную угрозу уникальным экосистемам Кавказа. Именно поэтому в Инструкции по выбору видов древесно-кустарниковой растительности для ландшафтного озеленения олимпийских объектов ГК «Олимпстрой» Айлант высочайший отнесён к интродуцентам с высокой степенью инвазийности и не рекомендуется для использования в озеленении на территории Большого Сочи.
Геоинформационные системы позволяют смоделировать потенциальный ареал распространения этого инвазивного вида на ООПТ Западного Кавказа.
Географические данные о местах произрастания этого инвазивного вида были взяты с сайта глобального информационного фонда по биоразнообразию и конвертированы в файлы Microsoft Excel (*.xls), текстового формата (*.csv), а также точечный shape-файл ArcGIS (*.shp) (Рисунок 1).

Рисунок 1 – Географические данные о местах произрастания Айланта высочайшего, импортированные в ArcGIS.

Для моделирования пространственного распределения Айланта высочайшего в среде DIVA-GIS импортировали файл Microsoft Excel, содержащий географические координаты о местах произрастания айланта, а также климатические данные WorldClim. Затем с помощью с помощью функции Distribution Modeling моделировали потенциальный ареал распространения этого вида. Кроме того DIVA-GIS в своём распоряжении имеет функционал EcoCrop, который позволяет использовать базу данных, разработанную Продовольственной и сельскохозяйственной организацией объединённых наций (FAO), и содержащую сведения об экологических требованиях более чем 1700 видов растений (включая айлант). Полученный растровый слой можно экспортировать в ArcGIS, IDRISI или Google Earth (Рисунок 2).

Рисунок 2 – Конечный результат моделирования пространственного распределения Айланта высокого: (a) – растровый слой в среде DIVA-GIS, (б) – растровый слой, экспортированный в Google Earth

Большими возможностями для прогностического моделирования пространственного распределения видов обладает MaxEnt. Для моделирования в среде MaxEnt растровые слои BIOCLIM, содержащие информацию о различных биоклиматических показателях, с помощью инструмента ArcToolbox – Raster to ASCII tool конвертировали в текстовые файлы формата ASCII (рисунок 3).

Рисунок 3 – Конвертация растровых слоёв BIOCLIM

Далее используя файл текстового формата (*.csv), содержащий географические координаты мест произрастания Айланта высочайшего, а также ранее сконвертированные ASCII-файлы, производили моделирование (рисунок 4).

Рисунок 4 – Процесс моделирования в среде MaxEnt

Моделирование в среде MaxEnt показало, что наибольшее влияние на пространственное распределение айланта оказывают следующие биоклиматические переменные BIOCLIM: BIO1 (средняя годовая температура), BIO19 (сумма осадков в самой холодной четверти года) и BIO11 (средняя температура самой холодной четверти года).
Для последующего анализа полученной информации ASCII-файл, содержащий результаты моделирования, с помощью инструмента ArcToolbox – ASCII to Raster конвертировали в растр. В результате чего получили растровую карту, иллюстрирующую пригодность биоклиматических условий среды для произрастания айланта (рисунок 5).

Рисунок 5 – Пригодность биоклиматических условий для произрастания Айланта высочайшего

Для того чтобы дать конкретный ответ на вопрос, соответствует ли экологическим требованиям вида данная территория или нет, провели дискретную классификацию. Для этого в качестве порогового значения использовали 5-ый процентиль. Значения ниже 5 процентиля считали, как неудовлетворяющие экологическим требованиям вида. Далее были добавлены полигоны особо охраняемых природных территорий: Сочинский национальный парк, Кавказский государственный природный биосферный заповедник, Тебердинский государственный природный биосферный заповедник. На полученной карте (рисунок 6) чётко видно, биоклиматические условия, каких ООПТ удовлетворяют экологическим требованиям инвазивного вида Айлант высочайший.
Большая часть территории Сочинского национального парка пригодна для произрастания айланта. В Кавказском государственном природном биосферном заповеднике распространение айланта возможно в долинах рек Шахе, Бзыч, Белая, Молчепа, Чессу, Кеша, Холодная, а также Малая Лаба.
Биоклиматические условия Тебердинского государственного природного заповедника удовлетворяют экологическим требованиям рассматриваемого вида лишь на незначительной территории. Распространение айланта возможно преимущественно в неполночленных сообществах долины реки Теберда.

Рисунок 6 – Результат дискретной классификации растра, иллюстрирующий пригодность биоклиматических условий для произрастания айланта (красный цвет – пригодная среда обитания, зелёный – не пригодная) и границы ООПТ (I – Сочинский национальный парк, II – Кавказский государственный природный биосферный заповедник, III – Тебердинский государственный природный заповедник).

На заключительном этапе анализа растровый слой, характеризующий пригодность биоклиматических условий среды для произрастания Айланта высочайшего был векторизован. Затем при помощи инструмента ArcToolbox – Intersect были определены площади ООПТ, потенциально пригодные для распространения Ailanthus altissima. Эта площадь на территории Сочинского национального парка составила 1864,4 км² (~97% от территории парка), Кавказского государственного природного биосферного заповедника 763,8 км² (~27%), Тебердинского государственного природного биосферного заповедника 4,8 км² (~0,6%).
Аналогичным образом моделирование пространственного распределения видов можно провести не только для инвазивных видов, но других растений, в том числе редких и находящихся под угрозой исчезновения. Кроме того, используя прогнозируемые климатические данные для каждого сценария IPCC, можно дать ответ на вопрос, как климатические изменения повлияют на пространственное распределение редких и инвазивных видов в будущем. Моделирование с использованием ГИС-технологий также позволит научно-обосновано определить места для размещения компенсационных насаждений, в том числе и с учётом прогнозируемых климатических изменений.

Список литературы
1. Bourg, N.A., W.J. McShea, and D.E. Gill. 2005. Putting a cart before the search: Successful habitat prediction for a rare forest herb. Ecology 86, 2793-2804.
2. Guisan, A., O. Broennimann, R. Engler, M. Vust, N.G. Yoccoz, A. Lehman, and N.E. Zimmermann. 2006. Using niche-based models to improve the sampling of rare species. Conservation Biology 20, 501-511.
3. Pearce, J., and D.B. Lindenmayer. 1998. Bioclimatic analysis to enhance reintroduction biology of the endangered helmeted honeyeater (lichenostomus melanops cassidix) in southeastern Australia. Restoration Ecology 6, 238-243.
4. Hannah, L., G.F. Midgley, G. Hughes, and B. Bomhard. 2005. The View from the Cape: Extinction Risk, Protected Areas, and Climate Change. BioScience 55, 231-242
5. Афонин А.Н., Ли Ю.С. Эколого-географический подход на базе географических информационных технологий в изучении экологии и распространения биологических объектов/ BioGIS Journal – 2011-1, http://www.biogis.ru/BioGIS/stati_v_biogis/2011_01/2011_01.php

Цитирование:
Егошин А.В. Моделирование пространственного распределения видов на территориях ООПТ Западного Кавказа с использованием геоинформационных систем / Priroda.SU – 2012-1, http://www.priroda.su/item/2981