Моделирование пространственного распределения маркерных видов жужелиц на основе ГИС-технологий

DOI: 10.35595/2414-9179-2020-2-26-172-188

Посмотреть или загрузить статью (Rus)

Об авторах

Т.А. Автаева

Комплексный научно-исследовательский институт им. Х.И. Ибрагимова Российской академии наук, Отдел биологических исследований,
Старопромысловское ш., д. 21 А, 364051, Грозный, Чеченская Республика, Россия,
E-mail: avtaeva1971@mail.ru

А.В. Скрипчинский

Северо-Кавказский федеральный университет, Институт математики и естественных наук,
ул. Пушкина, д. 1, 355009, Ставрополь, Россия,
E-mail: ron1975@list.ru

Д.В. Иванов

Институт проблем экологии и недропользования АН Республики Татарстан,
ул. Даурская, 28420087, Казань, Россия,
E-mail: water-rf@mail.ru

Р.А. Суходольская

Институт проблем экологии и недропользования АН Республики Татарстан,
ул. Даурская, 28420087, Казань, Россия,
E-mail: sukhodolskayaraisa@gmail.com

Аннотация

Изменение климата и связанные с ним изменения природных экосистем являются важнейшими международными проблемами XXI в. В связи с этим моделирование динамики ареалов растений и животных на основе анализа их связей с климатическими параметрами и характеристиками среды становится актуальной задачей. Моделирование географического распространения видов невозможно без геоинформационного анализа, позволяющего выявить как границы факторов, влияющих на распространение вида, так и особенности его ареала.

В работе приводится авторское дополнение к существующей методике эколого-географического моделирования на основе ГИС-технологий, позволяющих визуализировать динамику ареалов в некотором промежутке времени и в связи с изменением биоклиматических параметров.

Моделирование пространственного распространения двух маркерных видов жужелиц даёт возможность экстраполировать фрагментарные данные о конкретных местонахождениях на значительные территории. Созданные геоинформационные модели прогнозируемых ареалов выявили их изменения по разным климатическим сценариям на 2050 и 2070 гг.

На основании эколого-геоинформационного моделирования было установлено, что на формирование современного ареала Zabrus tenebrioides оказывает значимое влияние средняя суточная амплитуда температуры за каждый месяц, максимальная температура наиболее тёплого месяца и минимальная температура наиболее холодного месяца. На распространение Pterostichus oblongopunctatus оказывают влияние средняя годовая температура, средняя суточная амплитуда температуры за каждый месяц, средняя температура наиболее сухого квартала, средняя температура самой тёплой четверти года и сумма осадков в самом сухом месяце года. Проведённый геоинформационный анализ позволил выявить зависимость количества точек находок видов и значений биоклиматических факторов, созданы карты и графики диапазона комфортности обитания видов. Выявлены основные тренды изменения ареала Pterostichus oblongopunctatus в условиях изменяющегося климата по «мягкому» и «жёсткому» сценариям. Под влиянием климатических изменений сокращается площадь ареалов и меняется их структура.

Ключ. слова

биоклиматические параметры, ГИС-моделирование, пространственное распространение, маркерные виды жужелиц, геоинформационные системы

Список литературы

  1. Абдурахманов Г.М., Магомедова М.З. Особенности географического распространения эндемичных видов жужелиц рода Carabus на Кавказе. Юг России: экология, развитие, 2008. № 3. С. 45–52.
  2. Болотов И.И., Фролов А.А. Моделирование ареала и анализ вклада факторов в климатическую нишу Parnassius mnemosyne L. 1758 (Lepidoptera: Papilionidae). Вестник Северного (Арктического) федерального университета. Естественные науки, 2015. № 1. С. 56–67.
  3. Дудов С.В. Моделирование распространения видов по данным рельефа и дистанционного зондирования на примере сосудистых растений Нижнего горного пояса хр. Тукурингра (Зейский заповедник, Амурская область). Журнал общей биологии, 2016. Т. 77. № 1. С. 16–28.
  4. Рахматуллина И.Р., Рахматуллин З.З., Латыпов Э.Р. Моделирование условий произрастания и анализ вклада факторов в формирование высокобонитетных насаждений сосны обыкновенной (Pinus sylvestris L.) в программе MaxEnt (на примере Бугульминско-Бебелеевской возвышенности в пределах Республики Башкортостан). Лесное хозяйство, 2017. № 3. С. 104–111.
  5. Санданов Д.С. Современные подходы к моделированию разнообразия и пространственному распределению видов растений: перспективы их применения в России. Вестник Томского государственного университета, 2019. № 46. С. 82–114. DOI: 10.17223/19988591/46/5.
  6. Bousquet Y. Tribe Pterostichini. Catalogue of Palearctic Coleoptera. V. 1. Archostemata — Myxophaga — Adephaga. Stenstrup, Denmark: Apollo Books, 2003. P. 462–521.
  7. Brygadyrenko V.V. Evaluation of ecological niches of abundant species of Poecilus and Pterostichus (Coleoptera: Carabidae) in forests of steppe zone of Ukraine. Entomologica Fennica, 2016. No 27 (2). Р. 81–100.
  8. Dicken P. Global shift: mapping the changing contours of the world economy. 7th edition. London: Guilford Press, 2015. 618 p.
  9. Douma J.C., Witte J.-Ph.M., Aerts R., Bartholomeus R.P., Ordonez J.C., Venterink H.O., Wassen M.J., Van Bodegom P.M. Towards a functional basis for predicting vegetation patterns; incorporating plant traits in habitat distribution models. Ecography, 2012. V. 35. P. 294–305.
  10. Guisan A., Thuiller W. Predicting species distribution: offering more than simple habitat models. Ecological Letters, 2005. V. 8. P. 993–1009.
  11. Guisan A., Zimmermann N.E. Predictive habitat distribution models in ecology. Ecological Modelling, 2000. V. 135. P. 147–186.
  12. Hurka K. Carabidae of the Czech and Slovak Republics. Zlin, Czech Republic: Kabourek, 1996. 565 р.
  13. Huyong Y., Lei F., Yufei Z., Li F., Di W., Chaoping Z. Prediction of the spatial distribution of Alternanthera philoxeroides in China based on ArcGIS and MaxEnt. Global Ecology and Conservation. Elsevier BV, March 2020, e00856. V. 21. 15 p. DOI: 10.1016/j.gecco.2019.e00856.
  14. von Kreckwitz H. Sind Nahrungsmenge und Korpergewich von Bedeutung fur die Gonadenreifung des Carabiden Pterostichus nigrita Payk. in verschiedenen Photoperioden? Zoologischer Anzeiger. Jena, Germany: Elsevier, 1980. Bd. 204. H. 3/4. P. 157–164.
  15. Kryzhanovskij O.L., Belousov I.A., Kabak I.I., Kataev B.M., Makarov K.V., Shilenkov V.G. A checklist of the ground-beetles of Russia and adjacent lands (Insecta, Coleoptera, Carabidae). Sofia, Bulgaria: Pensoft Publishers, 1995.
  16. Phillips S.J., Dudic M. Modelling of species distribution with Maxent: new extentions and a comprehensive evaluation. Ecography, 2008. V. 31. P. 161–175.
  17. Pithan F., Mauritsen T. Arctic amplification dominated by temperature feedbacks in contemporary climate models. Nature Geoscience, 2014. V. 7. P. 181–184. DOI: 10.1038/NGEO2071.
  18. Portilla Cabrera C.V., Selvaraj J.J. Geographic shifts in the bioclimatic suitability for Aedes aegypti under climate change scenarios in Colombia. Heliyon, January 2020. V. 6. Iss. 1. P. e03203. DOI: 10.1016/j.heliyon.2019.e03101.
  19. Qin A., Liu B., Guo Q., Bussmann R.W., Ma F., Jian Z., Xu G., Pei Sh. Maxent modeling for predicting impacts of climate change on the potential distribution of Thuja sutchuenensis Franch., an extremely endangered conifer from southwestern China. Global Ecology and Conservation, April 2017. Amsterdam: Elsevier. V. 10. P. 139–146. DOI: 10.1016/j.gecco.2017.02.004.
  20. Thiele H.-U., Einflusse der Photoperiode auf die Diapause von Carabiden. Zeitschrift für Angewandte Entomologie, 1966. Bd. 58. P. 143–149.
  21. Thiele H.-U., Konen H. Interaction between photoperiodism and temperature with respect to the control of dormancy in the adult stage of Pterostichus oblongopunctatus F. (Coleoptera, Carabidae). II. The development of the reproductionpotential during the winter months in the field. Oecologia (Berlin), 1975. V. 19. P. 339–343.
  22. Tufte E.R. Beautiful еvidence. Cheshire, CT: Graphics Press, 2006. 213 p.
  23. Yang X.Q., Kushwaha S.P.S., Saran S., Xu J., Roy P.S. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Ecological Engineering, 2013. No 51. P. 83–87. DOI: https://doi.org/10.1016/j.ecoleng.2012.12.004.
  24. Yuanjun Z., Wei W., Hao L., Baizhu W., Xiaohui Y., Yanshu L. Modelling the potential distribution and shifts of three varieties of Stipa tianschanica in the eastern Eurasian Steppe under multiple climate change scenarios. Global Ecology and Conservation, October 2018. Elsevier. V. 16. e00501. DOI: 10.1016/j.gecco.2018.e00501.
  25. Zhang L., Jing Z., Li Z., Liu Y., Fang S. Predictive modeling of suitable habitats for Cinnamomum Camphora (L.) Presl using maxent model under climate change in China. International Journal of Environmental Research and Public Health, 31 Aug 2019. V. 16. Iss. 17. P. 3185. DOI: 10.3390/ijerph16173185.

Для цитирования: Автаева Т.А., Скрипчинский А.В., Иванов Д.В., Суходольская Р.А. Моделирование пространственного распределения маркерных видов жужелиц на основе ГИС-технологий. ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Издательство Московского университета, 2020. Т. 26. Ч. 2. С. 172–188 DOI: 10.35595/2414-9179-2020-2-26-172-188

For citation: Avtaeva T.A., Skripchinsky A.V., Ivanov D.V., Sukhodolskaya R.A. Modeling the spatial distribution of marker species of ground beetles based on GIS technologies. InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: Moscow University Press, 2020. V. 26. Part 2. P. 172–188. DOI: 10.35595/2414-9179-2020-2-26-172-188 (in Russian)