1. ДЕПОНИРОВАНИЕ УГЛЕРОДА ОСНОВНЫМИ ЛЕСООБРАЗУЮЩИМИ ДРЕВЕСНЫМИ ПОРОДАМИ КАРБОНОВОГО ПОЛИГОНА СВЕРДЛОВСКОЙ ОБЛАСТИ

DOI: 10.51318/FRET.2024.91.4.001

Валерий Владимирович Фомин¹ Владимир Евгеньевич Рогачев², Егор Михайлович Агапитов³ Анна Павловна Михайлович⁴ Лев Евгеньевич Рогачев⁵, Екатерина Антоновна Костоусова⁶ Елизавета Сергеевна Переходова⁷ Егор Богданович Коритняк⁸ Сергей Павлович Паршин⁹ Светлана Сергеевна Рублева¹⁰ Дмитрий Дмитриевич Стратонов¹¹ Дмитрий Юрьевич Голиков¹²

^1–11 Уральский государственный лесотехнический университет, Екатеринбург, Россия
^1–4 Уральский федеральный университет, Екатеринбург, Россия
¹² Ботанический сад УрО РАН
Автор, ответственный за переписку: Валерий Владимирович Фомин,
fominvv@m.usfeu.ru

Аннотация. В начале двадцатых годов XXI в. в ряде регионов Российской Федерации в рамках государственного задания Министерства науки и высшего образования создана сеть научно- исследовательских стационаров – карбоновых полигонов. На этих участках проводится изучение депонирования и эмиссии парниковых газов наземными экосистемами. На карбоновом полигоне Свердловской области, который состоит из двух участков («Коуровка» и «Северка»), проведены исследования, направленные на изучение возможности оценки депонирования углерода древостоями основных лесообразующих древесных пород с использованием аллометрических уравнений, устанавливающих взаимосвязь между диаметром ствола на высоте 1,3 м и фитомассой дерева. Получены оценки величины запаса углерода на 24 пробных площадях. Изучена возможность использования моделей регрессионного анализа и машинного обучения, а также ансамбля моделей для оценки значений диаметра ствола по высоте дерева и площади его кроны. Установлено, что модели, созданные при помощи методов машинного обучения «случайный лес», искусственная нейронная сеть, а также ансамбль моделей позволяют повысить уровень количественной адекватности моделей для оценки диаметра ствола дерева на высоте 1,3 м по высоте дерева и площади его кроны.

Ключевые слова: основные лесообразующие древесные породы, депонирование углерода, модели, машинное обучение, ансамбль, Средний Урал

Финансирование: работа выполнена в рамках госбюджетной темы Министерства науки и высшего образования FEUZ-2024-0011.

Для цитирования: Депонирование углерода основными лесообразующими древесными по- родами карбонового полигона Свердловской области / В. В. Фомин, В. Е. Рогачев, Е. М. Агапитов [и др.] // Леса России и хозяйство в них. 2024. № 4 (91). С. 4–16.

CARBON SEQUESTRATION BY THE MAIN FOREST-FORMING TREE SPECIES OF THE SVERDLOVSK REGION CARBON POLYGON

Valery V. Fomin¹, Vladimir E. Rogachev², Egor M. Agapitov³, Anna P. Mikhailovich⁴, Lev E. Rogachev⁵, Ekaterina A. Kostousova⁶, Elizaveta S. Perekodova⁷, Egor B. Koritnyak⁸, Sergey P. Parshin⁹, Svetlana S. Rubleva¹⁰, Dmitry D. Stratonov¹¹, Dmitry Yu. Golikov¹²

^1–11 Ural State Forest Engineering University, Yekaterinburg, Russia
^1–4 Ural Federal University, Yekaterinburg, Russia
¹² The Botanical Garden of the Ural Branch of the Russian Academy of Sciences
Corresponding author: Valery V. Fomin,
fominvv@m.usfeu.ru

Abstract. A network of study areas (carbon polygons) has been established in some regions in the Russian Federation within the framework of the scientific program of the Ministry of Science and Higher Education. The deposition and emission of greenhouse gases by terrestrial ecosystems is being studied at these areas. The carbon polygon of the Sverdlovsk region consists of two sites («Kourovka» and «Severka»). Studies have been conducted to assess the possibility of estimating carbon deposition by stands of main forest-forming tree species using allometric equations that establishes the relationship between breast height diameter and the tree phytomass. Assessment of the amount of carbon stock within the 24 forest plots were implemented. The possibility of using regression analysis and machine learning models, as well as ensemble of models, to estimate value of steem diameter at breast height, using the tree height and area of the horizontal tree crown projection were analysed. It is established that the use of machine learning methods «Random Forest», artificial neural network for building methods, as well as an ensemble of models makes it possible to increase the level of quantitative adequacy of models for estimating the diameter of a tree trunk at a height of 1,3 m on the basis of described above predictors.

Keywords: main forest-forming tree species, carbon deposition, models, machine learning, ensemble, Middle Ural

Finding: this research was funded by the Russian Ministry for Science and Education (project № FEUZ-2024-0011).

For citation: Carbon sequestration by the main forest-forming tree species of the Sverdlovsk region carbon polygon / V. V. Fomin, V. E. Rogachev, E. M. Agapitov [et al.] // Forests of Russia and economy in them, 2024, № 4 (91). P. 4–16.

---

2. КОНТРОЛЬ В ОБЛАСТИ ЛЕСНЫХ ОТНОШЕНИЙ. НОВЫЕ ПОДХОДЫ И ИХ ЭФФЕКТИВНОСТЬ В РАМКАХ РЕФОРМЫ ЗАКОНОДАТЕЛЬСТВА (НА ПРИМЕРЕ ЧЕЛЯБИНСКОЙ ОБЛАСТИ)

DOI: 10.51318/FRET.2024.91.4.002

Наталья Сергеевна Федорова¹, Андрей Евгеньевич Морозов²

^1,2 Уральский государственный лесотехнический университет, Россия, Екатеринбург
¹ natspoclu@rambler.ru, http://orcid.org/0009-0004-4980-3565
² MorozovAE@m.usfeu.ru, http://orcid.org/0000-0002-2373-1151

Аннотация. Реформа контрольно-надзорной деятельности, проводимая с 2020 г. в Российской Федерации, изменила подходы к осуществлению контроля в области лесных отношений. Введение риск-ориентированного подхода, выделение лесной охраны в отдельный вид деятельности, значительное расширение видов контрольно-надзорных мероприятий, повышенное внимание к проведению профилактики правонарушений направлены на повышение эффективности контроля за использованием и сохранением лесов и уровня безопасности в целом. В статье представлен обзор основных изменений и нововведений, ключевых особенностей реформы, а также ее основные результаты на примере Челябинской области.

Ключевые слова: контрольно-надзорная деятельность, федеральный государственный лесной контроль (надзор), лесная охрана, риск-ориентированный подход, профилактические мероприятия, эффективность контроля (надзора), ключевой показатель

Для цитирования: Федорова Н. С., Морозов А. Е. Контроль в области лесных отношений. Новые подходы и их эффективность в рамках реформы законодательства (на примере Челябинской области) // Леса России и хозяйство в них. 2024. № 4 (91). С. 17–29.

CONTROL IN THE FIELD OF FOREST RELATIONS. NEW APPROACHES AND THEIR EFFECTIVENESS IN THE FRAMEWORK OF LEGISLATIVE REFORM (USING THE EXAMPLE OF THE CHELYABINSK REGION)

Natalya S. Fedorova¹, Andrey E. Morozov²

^1,2 Ural State Forest University, Russia, Yekaterinburg
¹ natspoclu@rambler.ru, http://orcid.org/0009-0004-4980-3565
² MorozovAE@m.usfeu.ru, http://orcid.org/0000-0002-2373-1151

Abstract. The reform of control and supervisory activities carried out since 2020 in the Russian Federation has changed approaches to control in the field of forest relations. The introduction of a risk-based approach, the identification of forest protection as a separate type of activity, a significant expansion of the types of control and supervisory activities, and increased attention to crime prevention are aimed at increasing the effectiveness of control over the use and conservation of forests and the level of security in general. The article provides an overview of the main changes and innovations, key features of the reform, as well as its main results using the example of the Chelyabinsk region.

Keywords: control and supervisory activities, federal state forest control (supervision), forest protection, risk-based approach, preventive measures, effectiveness of control (supervision), key indicator

For citation: Fedorova N. S., Morozov A. E. Control in the field of forest relations. New approaches and their effectiveness in the framework of legislative reform (using the example of the Chelyabinsk region) // Forests of Russia and economy in them. 2024. № 4 (91). P. 17–29.

---

3. ОШИБКИ ПРИ ОЗЕЛЕНЕНИИ СЕВЕРНЫХ НАСЕЛЕННЫХ ПУНКТОВ

DOI: 10.51318/FRET.2024.91.4.003

Сергей Вениаминович Залесов¹, Наталья Владимировна Ка�