Comparison of weed communities organization factors in the Leningrad Region and the Republic of Bashkortostan

Cover Page

Cite item

Full Text

Abstract

This paper considers the results of the ordination analysis of weed communities in two regions – the Leningrad Region (LR) and the Republic of Bashkortostan (RB). The dataset includes 1726 relevés of the weed communities executed by the authors during 2000–2018 in cereal and root crops. The calculation of the ecological statuses of communities on 9 scales of D.N. Tsyganov is carried out for ecological characteristics of habitats. The values of the scales corresponding to climatic factors (thermoclimatic scale, cryoclimatic scale, aridity-gumidity scale), edafic factors (salt regime, soil acidity, nitrogen richness, variability of moistening) as well as scales of soil moisture and lightning are attracted to the analysis. The communities ranges on each scale are determined. The detrended correspondent analysis (DCA-ordination) with CANOCO 4.5 software package is used for the identification of ecological patterns of species and communities distribution and definition of the main drivers. It is demonstrated that the sets of the scales reflecting main ecological drivers significantly differ for the compared regions. Only the thermoclimatic scale and the scale of variability of moistening are common for both regions. The scales of nitrogen richness, variability of moistening and cryoclimatic influence generally on floristic composition differentiation in the LR. The scales of aridity-gumidity, the salt regime, lightning, moistening and soil acidity determine the floristic differentiation in the RB. A large number of scales in RB are defined by a variety of zonal vegetation types in the region which are connected with landscapes of forest, forest-steppe and steppe zones as well as a mountain-forest belt of the Southern Ural. The zonal vegetation of LR belongs only to subzones of the southern and average Taiga. The exception is the lightning scale which high values of correlation are connected with a considerable share of sunflower and corn in cultivated crops in RB.

About the authors

Sergey Maratovich Yamalov

South-Ural Botanical Garden-Institute of the Ufa Federal Research Centre of Russian Academy of Sciences

Author for correspondence.
Email: yamalovsm@mail.ru

doctor of biological sciences, leading researcher of Wild-Growing Flora and Herbasceous Plants Introduction Laboratory

Russian Federation, Ufa

Maria Vladimirovna Lebedeva

South-Ural Botanical Garden-Institute of the Ufa Federal Research Centre of Russian Academy of Sciences

Email: lebedevamv@mail.ru

candidate of biological sciences, senior researcher of Tropical and Subtropical Plants Group

Russian Federation, Ufa

Natalya Nikolaevna Luneva

All-Russian Institute of Plant Protection

Email: natalja.luneva2010@yandex.ru

candidate of biological sciences, head of Herbology Sector of Phytosanitary Diagnostics and Forecasts Laboratory

Russian Federation, Saint Petersburg

Gulnaz Rimovna Khasanova

Bashkir State Agrarian University

Email: gulnazrim@yandex.ru

candidate of biological sciences, associate professor of Soil Science, Botany and Selection Department

Russian Federation, Ufa

Zinnur Khaidarovich Shigapov

South-Ural Botanical Garden-Institute of the Ufa Federal Research Centre of Russian Academy of Sciences

Email: shigapov@anrb.ru

doctor of biological sciences, director

Russian Federation, Ufa

References

  1. Багрикова Н.А. Сорно-полевая растительность Крыма: автореф. дис. … д-ра биол. наук. Ялта, 2012. 40 с.
  2. De Mol F., Redwitz C., Gerowitt B. Weed species composition of maize fields in Germany is influenced by site and crop sequence // Weed Research. 2015. 55 (6). P. 574–585.
  3. Хасанова Г.Р., Лебедева М.В., Миркин Б.М., Наумова Л.Г. Последствия изменения сельскохозяйственных технологий для распределения сегетальных растительных сообществ и видов в Республике Башкортостан // Экология. 2017. № 5. С. 396–399.
  4. Mirkin B.M., Slepcova N.P., Kononov K.E. Segetal Vegetation of Central Yakutia // Folia geobotanica et phytotaxonomica. 1988. Vol. 23. № 1. P. 113–143.
  5. Matzdof B., Zerbe S. Segetalvegetation der Uckermark (NO-Branderburg) unter dem Einfluss von biologisch-dynamischer und konventioneller Bewirtschaftung // Verh. Bot. Ver. Berlin Brandenburg. Berlin. 2000. P. 87–118.
  6. Lososová Z., Chytrý M., Cimalová S., Kropáč Z., Otýpková Z., Pyšek P., Tichý L. Weed vegetation of arable land in Central Europe: Gradients of diversity and species composition // Journal of Vegetation Science. 2004. № 15. P. 415–422. doi: 10.1111/j.1654-103.2004.tb02279.x.
  7. Хасанова Г.Р., Ямалов С.М. Разнообразие сегетальной растительности Южного Урала: вклад зонально-климатического фактора // Известия Самарского научного центра РАН. 2013. Т. 15, № 3–5. С. 1490–1494.
  8. Šilc U., Lososová Z., Vrbničanin S. Weeds shift from generalist to specialist: narrowing of ecological niches along a north-south gradient // Preslia. 2014. Vol. 86. P. 35–46.
  9. Nowak A., Nowak S. Nobis M., Nobis A. Crop type and altitude are the main drivers of species composition of arable weed vegetation in Tajikistan // Weed research. 2015. P. 1–12. doi: 10.1111/wre.12165.
  10. Хасанова Г.Р., Голованов Я.M., Ямалов С.М. Динамика таксономического спектра сегетальной флоры Южного Урала // Известия Оренбургского государственного аграрного университета. 2016. № 1 (57). С. 133–135.
  11. Определитель высших растений Башкирской АССР / Ю.Е. Алексеев, Е.Б. Алексеев, К.К. Габбасов и др. М.: Наука, 1988. 316 с.
  12. Башкортостан: Краткая энциклопедия. Уфа: Научное изд-во Башкирская энциклопедия, 1996. 672 с.
  13. Иллюстрированный определитель растений Ленинградской области / под ред. А.Л. Буданцева и Г.П. Яковлева. М.: Товарищество научных изданий КМК, 2006. 799 с.
  14. Исаченко А.Г., Дашкевич З.В., Карнаухова Е.Н. Физико-географическое районирование Северо-Запада РСФСР. Л.: Изд-во Ленинградского университета, 1965. 248 с.
  15. Ленинградская область: климат. 2008–2012 [Электронный ресурс] // http://x47.ru/1.php.
  16. Цыганов Д.Н. Фитоиндикация экологических режимов в подзоне хвойно-широколиственных лесов. М.: Наука, 1983. 197 с.
  17. Ter Braak C.J.F., Šmilauer P. CANOCO Reference Manual and CanoDraw for Windows User’s Guide: Software for Canonical Community Ordination (version 4.5). New York: Microcomputer Power. 2002. 500 p.
  18. Tichy L. JUICE, software for vegetation classification // Journal vegetation science. 2002. № 13. P. 451–453. doi: 10.1111/j.1654-1103.2002.tb02069.x.

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1

Download (71KB)
3. Fig. 2

Download (56KB)

Copyright (c) 2019 Yamalov S.M., Lebedeva M.V., Luneva N.N., Khasanova G.R., Shigapov Z.K.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

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».