Хромато-ауксанометрия и хромато-масс-ауксанометрия в фенологическом стадийном мониторинге лесных пород на основе флейво- и газо- химических принципов с автоматической динамической идентификацией паттернов

Предложена новая идеология объективных ауксанометрических измерений, позволяющая анализировать динамику роста с дифференциацией по стадиям развития. В основу нового типа измерений заложен длительный мониторинг с привлечением методов оптического анализа, «прямой» масс-спектрометрии и газовой хроматографии. Предложено, опираясь на известные одорологические различия запахов цветущих растений на разных точках фенологического мониторинга и используя флейво- и газохимические подходы, различать стадийную динамику различных видов и групп растений, анализировать и автоматически классифицировать древесные растения в модельных фитосообществах на феноритмотипы/фенологические группы на основе данных указанных методов и в рамках данного подхода с привлечением машинного распознавания образов и автоматического фингерпринтинга. Возможно феноспектральное ранжирование полученных данных при поиске зависимостей роста и фенологии стадийного развития от факторов среды. На практике данный метод является внутреннеюстируемым, так как одновременно базируется на нескольких отличных источниках измерений, что позволяет использовать его как в лабораторных условиях или климатических камерах, так и в естественных полевых условиях при эргономичном размещении аппаратуры аналогично средствам метеоролого-климатического мониторинга, монтируемым в метеобудке. Предложено принципиально отличная от из-вестных в ботанической и лесотехнической практике ауксанометрическая система, которая позволяет наблюдать за первичным ростом лесных пород в контексте развития за счет того, что индикатором динамики является не количественный (как в обычной ауксанометрии, где единственным критерием роста является удлинение проростка), а комплексно-качественный критерий, складывающийся из взаимно-однозначного сопоставления результатов аналитико-химического анализа молекулярной эмиссии растений и вариаций характеристик среды, что позволяет анализировать обратные связи роста/развития растения и деформаций параметрики внешней среды. В ходе работы в различных режимах посредством обучения распознаванию образов с пополнением базы данных можно исследовать и моделировать не только один паттерн развития растения, но и экспериментальный отклик экологической структуры признаков на изменение параметров среды, т. е. по мере необходимости переходить к фенологическому, модельно-биогеографическому, биометеорологическому, био-климатологическому, эколого-физиологическому подходам (если таковое позволяют параметры биотрона, климатической камеры, оранжереи, в которых производится выгонка проростков лесных пород), занося спектральные и хроматографические данные в виде корреляционных паттернов в базы данных для последующего сличения. Феноспектральная экспериментальная выгонка позволяет программировать и с помощью обратной связи регулировать температуру, четко прогнозируя начало вегетации посредством суммирования эффективных температур или выявления их тренда, позволяющего реконструировать последовательность всхода или вегетации отдельных растительных форм в корреляции с характеристическими параметрами искусственного климата, автоматически классифицировать по комплексу характеристик на феноритмотипы или фенологические группы древесные растения в модельных фитосообществах по более шкалированной градации, чем в устаревшей системе Морозовой, выделявшей только два феноритмотипа у древесных растений (вечнозеленые и листопадные), позволяет работать в режиме регуляции параметрики климатической камеры путем регистрации обратной связи растений за счет использования детекторов и датчиков их молекулярной эмиссии в контролируемом физическом окружении, т. е. сами параметры, регистрируемые детектирующей частью установки, могут представлять собой сигнал для изменения режима ее функционирования.

• Градов О.В.

• Естественные науки
• Социальные (общественные) науки
• Сельское хозяйство. Лесоводство
• Технические науки. Промышленность