Analysis of the Stocks and Conditions of Harvesting for Forest Berries with Considering Their Spatial Distribution and Availability

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Within the framework of the multi-purpose forest management concept, the resource and economic potential of harvesting wild berries was analyzed under different forest management scenarios. As a tool for forecasting and analysis, scenario-based simulation was used to model the forest ecosystems dynamics under the clearcut and the selective felling management types. The object of research is the Pashe-Kapetskoe district forestry of the Leningrad Region, the calculation was carried out for a period of 120 years. Based on the forest condition types’, species composition and simulated illumination at the ground level data, the potential productivity of wild berries was calculated. The most productive resources on the territory were bilberry and lingonberries, the predicted yield of which reaches 25–48 t/ha and 7–15 t/ha respectively. Zoning of the territory was carried out according to the resources availability for industrial harvesting, taking into account the interests of the local population. 37–48% of the wild berries harvest was available for industrial harvesting, about 30% was allocated for the needs of the local population, and 27–36% of the resource remained in economically inaccessible areas. The most promising was the scenario with artificial restoration of 50% of the clearcut areas and a full maintenance cycle. For this scenario, the maximum profitability was predicted from both the food resources procurement (4.1–5.7 million rubles per year) and the harvesting of timber.

About the authors

A. A. Kolycheva

Center for Forest Ecology and Productivity, Russian Academy of Sciences; Mytischi Branch of Bauman Moscow State Technical University

Author for correspondence.
Email: anna_dulina@bk.ru
Russia, Moscow; Russia, Mytishchi

S. I. Chumachenko

Mytischi Branch of Bauman Moscow State Technical University

Email: anna_dulina@bk.ru
Russia, Mytishchi

V. V. Kiseleva

Mytischi Branch of Bauman Moscow State Technical University

Email: anna_dulina@bk.ru
Russia, Mytishchi

A. Ju. Agol’cov

Mytischi Branch of Bauman Moscow State Technical University

Email: anna_dulina@bk.ru
Russia, Mytishchi

References

  1. Болтвина Е.К., Иваньо Я.М. Модели оптимизации заготовки дикорастущей продукции с интервальными параметрами // Вестник ИрГТУ. 2016. № 6 (113). С. 73–81.
  2. Вельм М.В. Формирование предложения на региональном рынке пищевых ресурсов леса // Вестник ИрГТУ. 2009. № 1 (37). С. 92–94.
  3. Воробьев Д.В. Типы лесов Европейской части СССР // Киев: Изд-во АН УССР, 1953. 452 с.
  4. Грязькин А.В., Корчагов С.А., Грибов С.Е., Гуталь М.М., Чан Ч.Т. Потенциальные ресурсы лесных ягод в Вологодской области // The Scientific Heritage. 2020. № 45-2 (45). С. 20–24.
  5. Дулина А.А., Чумаченко С.И. Обзор моделей оценки пищевых ресурсов лесов центральной части России // Вопросы лесной науки. 2018. Т. 1. № 1. С. 1–22.
  6. Кожухов Н.И., Ключников И.Л. Экономический подход к оценке рубок, воспроизводства и потребления пищевых продуктов леса // Вестник МГУЛ – Лесной вестник. 2000. № 1. С. 26–28.
  7. Колерова В. Страна Дикоросия // Бизнес-журн. 2016. № 3 (239). С. 26–31.
  8. Колычева А.А., Чумаченко С.И. Оценка урожайности лесных ягод с учетом уровня освещенности напочвенного покрова методами имитационного моделирования // Вопросы лесной науки. 2021. Т. 4. № 3. С. 1–25.
  9. Колычева А.А., Чумаченко С.И., Тебенькова Д.Н. Потенциал заготовки лесных ягод при различных способах ведения лесного хозяйства на основе модельного прогноза // Лесоведение. 2022. № 5. С. 549–563. https://doi.org/10.31857/S0024114822050023
  10. Курлович Л.Е., Косицын В.Н. Таксационный справочник по лесным ресурсам России (за исключением древесины). Пушкино: ВНИИЛМ, 2018. 282 с.
  11. Курлович Л.Е., Панков В.Б., Кивилева И.М. Влияние лесохозяйственной деятельности на состояние и продуктивность пищевых и лекарственных растений // Лесохозяйственная информация. 2015. № 2. С. 24–34.
  12. Курлович Л.Е., Косицын В.Н. Методические рекомендации по оценке лесных ресурсов (за исключением древесины) при государственной инвентаризации лесов. Пушкино: ВНИИЛМ, 2019. 45 с.
  13. Методика выявления дикорастущих сырьевых ресурсов при лесоустройстве. М.: ЦБНТИ Гослесхоза СССР, 1987. 56 с.
  14. Методика подбора земельных участков государственного лесного фонда для промысловой заготовки клюквы, брусники, черники, голубики. М.: Госкомлес, 1986. 15 с.
  15. Обыденников В.И., Войтюк М.М. Сохранение, восстановление и повышение продуктивности ресурсов ягодников в связи с рубками главного и промежуточного пользования // Вестник МГУЛ – Лесной вестник. 2007. № 4. С. 6–14.
  16. Подольская Е.С. Oбзор опыта решения задач транспортного моделирования в лесном хозяйстве // Вопросы лесной науки. 2021. Т. 4. № 4. С. 1–32.
  17. Потенциальные запасы дикорастущих ресурсов Иркутской области / Под редакцией Я.М. Иваньо. Иркутск: Изд-во Иркутский ГАУ, 2017. 156 с.
  18. Приказ Минприроды России от 30.07.2020 N 534 “Об утверждении Правил ухода за лесами”. (Зарегистрировано в Минюсте России 18.12.2020 N 61555).
  19. Киселева В.В., Чумаченко С.И., Митрофанов Е.М., Карминов В.Н., Колычева А.А. Ресурсные и экономические аспекты неистощительного лесопользования // Леса России: политика, промышленность, наука, образование: Материалы VI Всероссийской научно-технической конференции. СПб.: СПбГЛТУ имени С.М. Кирова, 2021. С. 212–215.
  20. Рынок дикоросов в России: высокий потенциал и низкий уровень развития: Обзор КМПГ. 2021. 39 с.
  21. Тебенькова Д.Н., Лукина Н.В., Чумаченко С.И., Данилова М.А., Кузнецова А.И., Горнов А.В., Шевченко Н.Е., Катаев А.Д., Гагарин Ю.Н. Мультифункциональность и биоразнообразие лесных экосистем // Лесоведение. 2019. № 5. С. 341–356.
  22. Ханина Л.Г. Классификация типов лесорастительных условий по индикаторным видам Воробьева-Погребняка: база данных и опыт анализа лесотаксационных данных // Вопросы лесной науки. 2019. Т. 2. № 4. С. 1–30.
  23. Чумаченко С.И., Паленова М.М., Коротков В.Н. Прогноз динамики таксационных показателей лесных насаждений при разных сценариях ведения лесного хозяйства // Восточноевропейские леса: История в голоцене и современность. Т. 2. М.: Наука, 2004. С. 492–506.
  24. Чумаченко С.И., Паленова М.М., Коротков В.Н., Починков С.В. Имитационное моделирование влияния лесохозяйственных воздействий на лесные экосистемы // Мониторинг биологического разнообразия лесов России: методология и методы // ЦЭПЛ РАН. М.: Наука, 2008. С. 314–328.
  25. Чумаченко С.И. Имитационное моделирования многовидовых разновозрастных насаждений: дис. … докт. биол. наук: 03.00.16. М.: МГУЛ, 2006 б. 297 с.
  26. Чумаченко С.И. Концепция построения биоэкологических моделей многовидовых разновозрастных лесных насаждений для зоны хвойно-широколиственных лесов и южной тайги // Вестник МГУЛ – Лесной вестник. 2006 а. № 2. С. 7–13.
  27. Шевелев С.Л., Немич Н.С., Михайлов П.В., Гапонова Г.А. К вопросу комплексного использования лесов в Красноярском крае // Хвойные бореальные зоны. 2011. Т. 29. № 3–4. С. 309–312.
  28. Шевелев С.Л., Невзоров В.Н. Основные пищевые и лекарственные растительные ресурсы лесов Средней Сибири. Красноярск: Красноярский государственный аграрный университет, 2017. 174 с. ISBN 978-5-94617-403-9
  29. Chumachenko S., Kiseleva V., Kolycheva A., Karminov V. Long-term forecast of forest ecosystem services under different forest use scenarios // IOP Conference Series: Earth and Environmental Science. 2021. P. 012039. https://doi.org/10.1088/1755-1315/875/1/012039
  30. Elsedig A., Abdalbasit M. Economic of Wild Fruits and It Is Contribution to Rural People. 2019. 557 p.https://doi.org/10.1007/978-3-030-31885-7_5
  31. Grammatikopoulou I., Vačkářová D. The value of forest ecosystem services: A meta-analysis at the European scale and application to national ecosystem accounting // Ecosystem Services. V. 48. 2021. 101262, ISSN 2212-0416/ https://doi.org/10.1016/j.ecoser.2021.101262
  32. Grivins M., Tisenkopfs T. Benefitting from the global, protecting the local: The nested markets of wild product trade // J. Rural Studies. 2018. V. 61. P. 335–342. ISSN 0743-0167. https://doi.org/10.1016/j.jrurstud.2018.01.005
  33. Millennium Ecosystem Assessment. Ecosystems and Human Well-being: Synthesis. USA, Washington: Island Press, 2005. (URL: http:// www.millenniumassessment. org/en/Reports. aspx#)

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (87KB)
3.

Download (119KB)
4.

Download (79KB)
5.

Download (193KB)
6.

Download (2MB)
7.

Download (819KB)

Copyright (c) 2023 А.А. Колычева, С.И. Чумаченко, В.В. Киселева, А.Ю. Агольцов

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».