Анализ динамики площади листьев деревьев в начальный период вегетации по фотоснимкам

Проведена фотосъемка листьев четырех видов деревьев (Acer negundo L., Tilia cordata Mill., Sorbus aucuparia L. и Prunus padus L.) в начале вегетационного периода с 26 апреля до 18 мая 2023 г. в парке «Горкинско-Ометьевский лес» и экопарке «Дубрава» г. Казани, Республика Татарстан. Создана программа автоматического расчета площади листьев в пакетном режиме, с помощью которой по собранному набору изображений (1483 снимка) рассчитаны площади листьев. Исследована зависимость площади листьев от времени с использованием кривой Гомперца. Получены распределения биологически интерпретируемых параметров. В рассматриваемый период наибольшие значения максимального прироста площади листьев обнаружены у рябины. Самое раннее начало стадии роста листа обнаружено у клена и липы, причем у клена стадия кульминации роста площади листа достигается раньше, чем у липы. Предлагаемый метод анализа параметров применен к ранее опубликованному набору данных о динамике площади листьев липы. Отличия в параметрах кривых, полученных из различных источников, вероятно, обусловлены несовпадающим временным охватом наблюдений, а также особенностями вегетационного сезона.

1. Rubenstein M.A., Weiskopf S.R., Bertrand R., Carter S.L., Comte L., Eaton M.J., Johnson C.G., Lenoir J., Lynch A.J., Miller B.W., Morelli T.L., Rodriguez M.A., Terando A., Thompson L.M. Climate change and the global redistribution of biodiversity: Substantial variation in empirical support for expected range shifts // Environ. Evid. 2023. V. 12, No 1. Art. 7. https://doi.org/10.1186/s13750-023-00296-0.

2. Hoffmann A.A., Sgrò C.M . Climate change and evolutionary adaptation // Nature. 2011. V. 470, No 7335. P. 479–485. https://doi.org/10.1038/nature09670.

3. Corlett R.T., Westcott D.A. Will plant movements keep up with climate change? // Trends Ecol. Evol. 2013. V. 28, No 8. P. 482–488. https://doi.org/10.1016/j.tree.2013.04.003.

4. Thuiller W., Lavorel S., Araújo M.B., Sykes M.T., Prentice I.C . Climate change threats to plant diversity in Europe // Proc. Natl. Acad. Sci. U.S.A. 2005. V. 102, No 23. P. 8245–8250. https://doi.org/10.1073/pnas.0409902102.

5. Shaw R.G., Etterson J.R. Rapid climate change and the rate of adaptation: Insight from experimental quantitative genetics // New Phytol. 2012. V. 195, No 4. P. 752–765. https://doi.org/10.1111/j.1469-8137.2012.04230.x.

6. Ghirardo A., Blande J.D., Ruehr N.K., Balestrini R., Külheim C. Editorial: Adaptation of trees to climate change: Mechanisms behind physiological and ecological resilience and vulnerability // Front. For. Global Change. 2021. V. 4. Art. 831701. https://doi.org/10.3389/ffgc.2021.831701.

7. Menzel A., Fabian P. Growing season extended in Europe // Nature. 1999. V. 397, No 6721. P. 659. https://doi.org/10.1038/17709.

8. Chmielewski F.-M., Rötzer T. Response of tree phenology to climate change across Europe // Agric. For. Meteorol. 2001. V. 108, No 2. P. 101–112. https://doi.org/10.1016/S0168-1923(01)00233-7.

9. Шульц Г.Э. Общая фенология. Л.: Наука, 1981. 188 с.

10. Тишин Д.В., Чижикова Н.А. Фенология (методика наблюдений). Казань: Казанский федеральный университет, 2022. 36 с.

11. Соловьев А.Н. Биота и климат. Региональная фенология. М.: Пасьва, 2005. 288 с.

12. Bréda N.J.J. Ground-based measurements of leaf area index: A review of methods, instruments and current controversies // J. Exp. Bot. 2003. V. 54, No 392. P. 2403–2417. https://doi.org/10.1093/jxb/erg263.

13. Savoy P., Mackay D.S. Modeling the seasonal dynamics of leaf area index based on environmental constraints to canopy development // Agric. For. Meteorol. 2015. V. 200. P. 46–56. https://doi.org/10.1016/j.agrformet.2014.09.019.

14. Chen Y., Jiao S., Cheng Y., Wei H., Sun L., Sun Y. LAI-NOS: An automatic network observation system for leaf area index based on hemispherical photography // Agric. For. Meteorol. 2022. V. 322. Art. 108999. https://doi.org/10.1016/j.agrformet.2022.108999.

15. Мазуркин П.М., Кудряшова С.Ю . Способ измерения динамики роста листьев дерева в чистых экологических условиях. Патент РФ на изобретение № 2597645. Бюл. ФИПС. 2016. № 26.

16. Тагирова О.В., Кулагин А.Ю., Зайцев Г.А. Сезонная динамика изменения морфологических параметров листьев березы повислой ( Betula pendula Roth) в условиях промышленного воздействия (Уфа, Республика Башкортостан) // Принципы экологии. 2019. № 2(32). С. 110–118. http://doi.org/10.15393/j1.art.2019.8742.

17. Zolles A., Schueler S., Gartner K., Scheifinger G. Continuous parameterization of leaf area index and phenological phases within deciduous forests based on temperature measurements // Front. For. Global Change. 2021. V. 4. Art. 768085. https://doi.org/10.3389/ffgc.2021.768085.

18. Tripathi M . Fitting leaf area data to nonlinear sigmoidal growth curves // Int. Res. J. Environ. Sci. 2022. V. 11, No 1. P. 9–17.

19. Amer F.A., Williams W.T. Leaf-area growth in Pelargonium zonale // Ann. Bot. 1957. V. 21, No 3. P. 339–340. https://doi.org/10.1093/oxfordjournals.aob.a083568.

20. Baker C.H., Horrocks R.D., Goering C.E. Use of the Gompertz function for predicting corn leaf area // Trans. ASAE. 1975. V. 18, No 2. P. 323–326. https://doi.org/10.13031/2013.36580.

21. Easlon H.M., Bloom A.J. Easy leaf area: Automated digital image analysis for rapid and accurate measurement of leaf area // Appl. Plant Sci. 2014. V. 2, No 7. Art. 1400033. https://doi.org/10.3732/apps.1400033.

22. Козловская И.П., Головатая Е.А. Метод определения площади ассимиляционного аппарата для оценки динамики ростовых процессов зерновых культур // Вестник БГСХА. 2022. № 4. С. 86–91.

23. Li C., Adhikari R., Yao Y., Miller A.G., Kalbaugh K., Li D., Nemali K. Measuring plant growth characteristics using smartphone-based image analysis technique in controlled environment agriculture // Comput. Electron. Agric. 2020. V. 168. Art. 105123. https://doi.org/10.1016/j.compag.2019.105123.

24. Шиголев А.А., Шиманюк А.П. Сезонное развитие природы. М.: Географгиз, 1949. 239 с.

25. Кулыгин А.А. Роль температурного фактора в созревании плодов древесных растений // Лесной журнал. 2001. № 5–6. С. 7–10.

26. Стрижев А.В. Календарь русской природы. 3-е изд. М.: Моск. рабочий, 1981. 224 c.

27. Кулыгин А.А. Влияние температурных условий на сроки зацветания кустарников // Лесной журнал. 1989. № 5. С. 129–130.

28. Афонин А.Н., Милютина Е.А., Мусолин Д.Л. Методы расчета сумм эффективных температур по среднемесячным данным и составление глобальных карт для экологогеографического моделирования // Метеорология и гидрология. 2024. № 3. С. 78–86. https://doi.org/10.52002/0130-2906-2024-3-78-86.

29. Минин А.А., Ранькова Э.Я., Рыбина Е.Г., Буйволов Ю.А., Сапельникова И.И., Филатова Т.Д. Феноиндикация изменений климата за период 1976–2015 гг. в центральной части европейской территории России: береза бородавчатая (повислая) ( Betula verrucosa Ehrh. ( B. pendula Roth.)), черемуха обыкновенная ( Padus avium Mill.), рябина обыкновенная ( Sorbus aucuparia L.), липа мелколистная ( Tilia cordata Mill.) // Проблемы экологического мониторинга и моделирования экосистем. 2017. Т. XXVIII, № 3. С. 5–22. https://doi.org/10.21513/0207-2564-2017-3-5-22.

30. Минин А.А., Ранькова Э.Я., Буйволов Ю.А., Сапельникова И.И., Филатова Т.Д. Фенологические тренды в природе центральной части Русской равнины в условиях современного потепления // Жизнь Земли. 2018. Т. 40, № 2. C. 162–174.

31. Baker B., Olszyk D.M., Tingey D. Digital image analysis to estimate leaf area // J. Plant Physiol. 1996. V. 148, No 5. P. 530–535. https://doi.org/10.1016/S0176-1617(96)80072-1.

32. Martin T.N., Fipke G.M., Winck J.E.M., Marchese J.A. ImageJ software as an alternative method for estimating leaf area in oats // Acta Agron. 2020. V. 69, No 3. P. 162–169. https://doi.org/10.15446/acag.v69n3.69401.

33. Van Rossum G., Drake F.L. Python 3 Reference Manual. Ser.: Python Documentation Manual. Pt. 2. Scotts Valley, CA: CreateSpace, 2009. 242 p.

34. Bradski G. The OpenCV library // Dr. Dobb’s J. Software Tools. 2000. V. 25, No 11. P. 122–125.

35. Otsu N. A threshold selection method from gray-level histograms // IEEE Trans. Syst., Man, Cybern. 1979. V. 9, No 1. P. 62–66. https://doi.org/10.1109/TSMC.1979.4310076.

36. OpenCV 4.13.0. Morphological Transformations. URL: https://docs.opencv.org/4.x/d9/d61/tutorial_py_morphological_ops.html.

37. Zwietering M.H., Jongenburger I., Rombouts F.M., van ’t Riet K. Modeling of the bacterial growth curve // Appl. Environ. Microbiol. 1990. V. 56, No 6. P. 1875–1881. https://doi.org/10.1128/aem.56.6.1875-1881.1990.

38. Pödör Z., Manninger M., Jereb L. Application of sigmoid models for growth investigations of forest trees // Do T., Thi H.A.L., Nguyen N.T. (Eds.) Advanced Computational Methods for Knowledge Engineering. Proceedings of the 2nd International Conference on Computer Science, Applied Mathematics and Applications (ICCSAMA 2014). Ser.: Advances in Intelligent Systems and Computing. V. 282. Cham: Springer, 2014. P. 353–364. https://doi.org/10.1007/978-3-319-06569-4_26.

39. Dhar M., Bhattacharya P. Comparison of the logistic and the Gompertz curve under different constraints // J. Stat. Manage. Syst. 2018. V. 21, No 7. P. 1189–1210. https://doi.org/10.1080/09720510.2018.1488414.

40. Rossi S., Deslauriers A., Morin H . Application of the Gompertz equation for the study of xylem cell development // Dendrochronologia. 2003. V. 21, No 1. P. 33–39. https://doi.org/10.1078/1125-7865-00034.

41. Ziaco E . A phenology-based approach to the analysis of conifers intra-annual xylem anatomy in water-limited environments // Dendrochronologia. 2020. V. 59. Art. 125662. https://doi.org/10.1016/j.dendro.2019.125662.

42. Pinheiro J., Bates D., R Core Team. nlme: Linear and nonlinear mixed effects models. R package version. 2023. 3.1-164. URL: https://CRAN.R-project.org/package=nlme.

43. R Core Team . R: A Language and Environment for Statistical Computing. Vienna: R Found. Stat. Comput., 2024. URL: https://www.R-project.org/.

44. Gay D.M. Usage summary for selected optimization routines. Computing Science Technical Report No 153. Murray Hill, NJ: AT&T Bell Lab., 1990. 21 p.

45. Schröer G., Trenkler D. Exact and randomization distributions of Kolmogorov-Smirnov tests for two or three samples // Comput. Stat. Data Anal. 1995. V. 20, No 2. P. 185–202. https://doi.org/10.1016/0167-9473(94)00040-P.

46. Berrar D., Dubitzky W. Bootstrapping // Dubitzky W., Wolkenhauer O., Cho K.-H., Yokota H. (Eds.) Encyclopedia of Systems Biology. New York, NY: Springer, 2013. P. 158–162. https://doi.org/10.1007/978-1-4419-9863-7_644.

47. Berrar D. Introduction to the non-parametric bootstrap // Ranganathan S., Cannataro M., Khan A.M. (Eds.) Encyclopedia of Bioinformatics and Computational Biology. 2nd ed. V. 2. Amsterdam: Elsevier, 2025. P. 339–348. https://doi.org/10.1016/B978-0-323-95502-7.00124-X.

48. Dunn O.J. Multiple comparisons among means // J. Am. Stat. Assoc. 1961. V. 56, No 293. P. 52–64. https://doi.org/10.1080/01621459.1961.10482090.

49. Dufrêne E., Bréda N. Estimation of deciduous forest leaf area index using direct and indirect methods // Oecologia. 1995. V. 104, No 2. P. 156–162. https://doi.org/10.1007/BF00328580.

50. Chason J.W., Baldocchi D.D., Huston M.A. A comparison of direct and indirect methods for estimating forest canopy leaf area // Agric. For. Meteorol. 1991. V. 57, Nos 1–3. P. 107–128. https://doi.org/10.1016/0168-1923(91)90081-Z.

51. Bouriaud O., Soudani K., Bréda N. Leaf area index from litter collection: Impact of specific leaf area variability within a beech stand // Can. J. Remote Sens. 2003. V. 29, No 3. P. 371–380. https://doi.org/10.5589/m03-010.

52. Седаева М.И., Лобанов А.И. Фенология и репродуктивная способность растений рода Acer L. в дендрарии Института леса имени В.Н. Сукачева (Красноярск) // Hortus Bot. 2018. Т. 13. С. 260–272. https://doi.org/10.15393/j4.art.2018.5262.

53. Погода в Йошкар-Оле в апреле 2014 года. URL: https://wer7.ru/Temperature/Yoshkar-Ola/April-2014.