Суточная динамика сообществ беспозвоночных травостоя в условиях загрязнения выбросами Среднеуральского медеплавильного завода

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Исследована суточная динамика сообществ беспозвоночных в луговом травостое градиента загрязнения Среднеуральского медеплавильного завода (основные поллютанты – SO2 и тяжелые металлы). На наиболее загрязненной территории во второй половине суток увеличивается обилие беспозвоночных в верхней части травостоя – как общее (в 1.9 раза), так и групп сосущих (в 3.2 раза) и грызущих (в 2.2 раза) фитофагов. Это приводит к значимому уменьшению сходства формы кривых суточной динамики на фоновой и наиболее загрязненной территориях. В остальных рассмотренных трофических группах суточные изменения менее выражены. Полученные результаты подтверждают гипотезу о модификации суточной динамики беспозвоночных травостоя в условиях промышленного загрязнения. Наиболее вероятные причины изменений: общая деградация среды обитания беспозвоночных, дестабилизация в ней температурного режима, а также изменение состава и структуры самих сообществ беспозвоночных.

Полный текст

Доступ закрыт

Об авторах

А. В. Нестерков

Институт экологии растений и животных УрО РАН

Автор, ответственный за переписку.
Email: nesterkov@ipae.uran.ru
Россия, 620144 Екатеринбург, ул. 8 Марта, 202

Список литературы

  1. Чернов Ю.И., Руденская Л.В. Комплекс беспозвоночных – обитателей травостоя как ярус животного населения // Зоол. журн. 1975. Т. 54. № 6. C. 884–894.
  2. Чернышев В.Б. Суточные ритмы активности насекомых. М.: Изд-во МГУ, 1984. 216 c.
  3. Ehret C.F., Trucco E. Molecular models for the circadian clock: I. The chronon concept // J. of Theoretical Biology. 1967. V. 15. № 2. P. 240–262.
  4. Sweeney B.M. A physiological model for circadian rhythms derived from the Acetabularia rhythm paradoxes // Internat. J. of Chronobiology. 1974. V. 2. № 1. P. 25–33.
  5. Njus D., Sulzman F.M., Hastings J.W. Membrane model for the circadian clock // Nature. 1974. V. 248. № 5444. P. 116–120.
  6. Driessche T.V. Circadian rhythms and molecular biology // Biosystems. 1975. V. 6. № 3. P. 188–201.
  7. Pavlidis T. Populations of interacting oscillators and circadian rhythms // J. of Theoretical Biology. 1969. V. 22. № 3. P. 418–436.
  8. Danilevsky A.S., Goryshin N.I., Tyschchenko V.P. Biological rhythms in terrestrial arthropods // Annual Review of Entomology. 1970. V. 15. P. 201–244.
  9. Aschoff J. Exogenous and endogenous components in circadian rhythms // Cold Spring Harbor Symposia on Quantitative Biology. 1960. V. 25. P. 11–28.
  10. Brown F.A. The biological clock phenomenon: Exogenous timing hypothesis // J. of Interdisciplinary Cycle Research. 1983. V. 14. № 2. P. 137–162.
  11. Куликов Н.И. Суточная динамика членистоногих в агроценозах зерновых культур // Экология. 1994. № 6. C. 35–43.
  12. Молодова Л.П. Динамика жесткокрылых-хортобионтов на некоторых сельскохозяйственных культурах // Экология. 1984. № 1. C. 81–82.
  13. Литвинова Н.Ф., Гусева В.С., Крыгин А.Ю. Суточная динамика беспозвоночных в травостое крупнотравной саванны // Зоол. журн. 1982. Т. 61. № 6. C. 945–947.
  14. Calkins C.O., Manglitz G.R. Seasonal changes in daily activity periods of the sweetclover weevil // J. of Economic Entomology. 1968. V. 61. № 2. P. 391–394.
  15. Doria H.B., Ferreira M.B., Rodrigues S.D. et al. Time does matter! Acute copper exposure abolishes rhythmicity of clock gene in Danio rerio // Ecotoxicology and Environmental Safety. 2018. V. 155. P. 26–36.
  16. Sabbar M., Dkhissi-Benyahya O., Benazzouz A. et al. Circadian clock protein content and daily rhythm of locomotor activity are altered after chronic exposure to lead in rat // Frontiers in Behavioral Neuroscience. 2017. V. 11. P. 1–14.
  17. Xiao B., Chen T.-M., Zhong Y. Possible molecular mechanism underlying cadmium-induced circadian rhythms disruption in zebrafish // Biochemical and Biophysical Research Communications. 2016. V. 481. № 3. P. 201–205.
  18. Jiménez-Ortega V., Cardinali D.P., Fernández-Mateos M.P. et al. Effect of cadmium on 24-hour pattern in expression of redox enzyme and clock genes in rat medial basal hypothalamus // BioMetals. 2010. V. 23. P. 327–337.
  19. Algarve T.D., Assmann C.E., Aigaki T. et al. Parental and preimaginal exposure to methylmercury disrupts locomotor activity and circadian rhythm of adult Drosophila melanogaster // Drug and Chemical Toxicology. 2020. V. 43. № 3. P. 255–265.
  20. Нестерков А.В. Признаки восстановления сообществ беспозвоночных травостоя после снижения выбросов медеплавильного завода // Экология. 2022. № 6. C. 468–478. [Nesterkov A.V. Recovery signs in grass-stand invertebrate communities after a decrease in copper-smelting emissions // Russ. J. Ecol. 2022. V. 53. № 6. P. 553–564.]
  21. Нестерков А.В., Воробейчик Е.Л. Изменение структуры населения беспозвоночных-хортобионтов под действием выбросов медеплавильного завода // Экология. 2009. № 4. C. 303–313. [Nesterkov A.V., Vorobeichik E.L. Changes in the structure of chortobiont invertebrate community exposed to emissions from a copper smelter // Russ. J. Ecol. 2009. V. 40. № 4. P. 286–296.]
  22. Hunter B.A., Johnson M.S., Thompson D.J. Ecotoxicology of copper and cadmium in a contaminated grassland ecosystem. I. Soil and vegetation contamination // J. of Applied Ecology. 1987. V. 24. № 2. P. 573–586.
  23. Золотарев М.П., Нестерков А.В. Паукообразные (Aranei, Opiliones) лугов: реакция на загрязнение выбросами Среднеуральского медеплавильного комбината // Экология. 2015. № 1. C. 48–56. [Zolotarev M.P., Nesterkov A.V. Arachnids (Aranei, Opiliones) in meadows: Response to pollution with emissions from the Middle Ural Copper Smelter // Russ. J. Ecol. 2015. V. 46. № 1. P. 81–88.]
  24. Нестерков А.В., Гребенников М.Е. Сообщества моллюсков лугового травостоя в условиях снижения выбросов медеплавильного производства // Экология. 2020. № 6. C. 471–480. [Nesterkov A.V., Grebennikov M.E. Grassland land snail communities after reduction of emissions from a copper smelter // Russ. J. Ecol. 2020. V. 51. № 6. P. 578–588.]
  25. Нестерков А.В. Реакция моллюсков луговых сообществ на выбросы Среднеуральского медеплавильного завода // Сибирский экологич. журн. 2013. № 6. C. 891–899.
  26. Воробейчик Е.Л., Садыков О.Ф., Фарафонтов М.Г. Экологическое нормирование техногенных загрязнений наземных экосистем. Екатеринбург: Наука, 1994. 280 c.
  27. Нестерков А.В., Нестеркова Д.В. Реакция населения беспозвоночных остепненных и пойменных лугов на выбросы Карабашского медеплавильного завода // Экология. 2023. № 6. C. 470–480. [Nesterkov A.V., Nesterkova D.V. The response of the invertebrate communities of steppe and floodplain meadows to emissions from the Karabash Copper Smelter // Russ. J. Ecol. 2023. V. 54. № 6. P. 542–552.]
  28. Perner J., Voigt W., Bährmann R. et al. Responses of arthropods to plant diversity: Changes after pollution cessation // Ecography. 2003. V. 26. № 6. P. 788–800.
  29. Нестерков А.В., Воробейчик Е.Л. Влияние промышленного загрязнения на суточную динамику обилия беспозвоночных-хортобионтов // Естественные науки. 2010. № 3. C. 107–112.
  30. Воробейчик Е.Л., Кайгородова С.Ю. Многолетняя динамика содержания тяжелых металлов в верхних горизонтах почв в районе воздействия медеплавильного завода в период снижения его выбросов // Почвоведение. 2017. № 8. C. 1009–1024.
  31. Воробейчик Е.Л., Трубина М.Р., Хантемирова Е.В. и др. Многолетняя динамика лесной растительности в период сокращения выбросов медеплавильного завода // Экология. 2014. № 6. C. 448–458. [Vorobeichik E.L., Trubina M.R., Khantemirova E.V. et al. Long-term dynamic of forest vegetation after reduction of copper smelter emissions // Russ. J. Ecol. 2014. V. 45. № 6. P. 498–507.]
  32. R Core Team. R: A language and environment for statistical computing. http://www.R-project.org/.
  33. Wickham H. ggplot2: Elegant graphics for data analysis. New York: Springer-Verlag, 2016. 260 p.
  34. Tremblay A., Ransijn J. LMERConvenienceFunctions: Model selection and post-hoc analysis for (G)LMER models. R package version 3.0. https://CRAN.R-project.org/package=LMERConvenienceFunctions.
  35. Hothorn T., Bretz F., Westfall P. Simultaneous inference in general parametric models // Biometrical J. 2008. V. 50. № 3. P. 346–363.
  36. Sarda-Espinosa A. dtwclust: Time series clustering along with optimizations for the dynamic time warping distance. R package version 5.5.12. https://CRAN.R-project.org/package=dtwclust.
  37. Meyer D., Buchta C. proxy: Distance and similarity measures. R package version 0.4–27. https://CRAN.R-project.org/package=proxy.
  38. Paparrizos J., Gravano L. k-Shape: Efficient and accurate clustering of time series // Proceedings of the 2015 ACM SIGMOD International conference on management of data: Association for Computing Machinery. 2015. P. 1855–1870.
  39. Canty A., Ripley B. boot: Bootstrap R (S-plus) functions. R package version 1.3-28.1. https://cran.r-project.org/web/packages/boot/index.html.
  40. Begueria S., Vicente-Serrano S.M. SPEI: Calculation of the standardised precipitation-evapotranspiration index. R package version 1.7. https://CRAN.R-project.org/package=SPEI.
  41. Расписание погоды. Информация о погодных условиях метеостанции г. Ревда (синоптический индекс станции – 28430). https://www.rp5.ru.
  42. Zvereva E.L., Kozlov M.V. Responses of terrestrial arthropods to air pollution: A meta-analysis // Environmental Science and Pollution Research. 2010. V. 17. № 2. P. 297–311.
  43. Николаева Н.В., Нестерков А.В. Состав и обилие тлей (Homoptera, Aphidoidea) в травостое на территориях с разным уровнем воздействия выбросов медеплавильного завода // Окружающая среда и устойчивое развитие регионов: новые методы и технологии исследований / Под ред. Скворцова Э.В., Роговой Т.В. Казань: Бриг, 2009. C. 242–246.
  44. Woodcock B.A., Pywell R.F. Effects of vegetation structure and floristic diversity on detritivore, herbivore and predatory invertebrates within calcareous grasslands // Biodiversity and Conservation. 2010. V. 19. № 1. P. 81–95.
  45. Haddad N.M., Crutsinger G.M., Gross K. et al. Plant species loss decreases arthropod diversity and shifts trophic structure // Ecology Letters. 2009. V. 12. № 10. P. 1029–1039.
  46. Zvereva E.L., Kozlov M.V. Changes in the abundance of vascular plants under the impact of industrial air pollution: A meta-analysis // Water, Air and Soil Pollution. 2012. V. 223. P. 2589‒2599.
  47. Хантемирова Е.В. Состав и структура луговых ценозов в градиенте загрязнения выбросами медеплавильного завода на Среднем Урале // Флора и растительность антропогенно нарушенных территорий: Сборник научн. тр. Кемеровского отд. Русского ботанич. об-ва: «Ирбис», 2010. C. 61–63.
  48. Schaffers A.P., Raemakers I.P., Sýkora K.V. et al. Arthropod assemblages are best predicted by plant species composition // Ecology. 2008. V. 89. № 3. P. 782–794.
  49. Reid A.M., Hochuli D.F. Grassland invertebrate assemblages in managed landscapes: Effect of host plant and microhabitat architecture // Austral Ecology. 2007. V. 32. № 6. P. 708–718.
  50. Denno R.F. Influence of habitat structure on the abundance and diversity of planthoppers // Planthoppers: Their ecology and management / Eds. Denno R.F., Perfect T.J. Boston, MA: Springer US, 1994. P. 140–159.
  51. Wenninger E.J., Inouye R.S. Insect community response to plant diversity and productivity in a sagebrush-steppe ecosystem // J. of Arid Environments. 2008. V. 72. № 1. P. 24–33.
  52. Belskii E., Belskaya E. Thermal effect of the Middle Ural copper smelter (Russia) and growth of birch leaves // Environmental Science and Pollution Research. 2021. V. 28. № 20. P. 26064–26072.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Суточная динамика общего обилия (а) и распределение значений индексов SBD при сравнении пар зон загрязнения (б) в сообществах беспозвоночных травостоя: a – средние и границы 95%-ного доверительного интервала, учетная единица – 3 пробные площади × 3 тура учетов (n = 9); б – медиана, квартили и выбросы; учетная единица – 9 сравнений между пробными площадями в тур учета × 4 сравнения между сутками учета (учетчиками) в тур × 3 тура учетов (n = 108).

Скачать (226KB)
Метаданные
3. Рис. 2. Суточная динамика основных трофических групп в сообществах беспозвоночных травостоя: a – сосущих фитофагов, б – грызущих фитофагов, в – сосущих зоофагов, г – грызущих зоофагов. Приведены средние и границы 95%-ного доверительного интервала, учетная единица – 3 пробные площади × 3 тура учетов (n = 9).

Скачать (401KB)
Метаданные
4. Рис. 3. Суточная динамика температуры воздуха в разных зонах загрязнения: a – над травостоем, б – в толще травостоя, в – вблизи уровня почвы. Приведены средние и границы 95%-ного доверительного интервала, учетная единица – пробная площадь (n = 3).

Скачать (347KB)
Метаданные

© Российская академия наук, 2025

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».