Можем ли мы предсказать урожай лесных грибов?

Бухта Юрий / Shutterstock

С приходом поверхность под пологом многих лесов покрывается грибами, что дает возможность любителям грибов охотиться за подосиновиками, лисичками и боровиками, среди прочего для того, чтобы потом насладиться ими на кухне. Но можно ли предсказать, где они вырастут грибы , не надев сапоги и не выходя в поле?

От чего зависит наличие грибов?

Социальный интерес к грибам привел к созданию инструментов для моделирования и прогнозирования их урожая, таких как карты проекта МИКОГЕСТ  («Инновационное динамическое управление микологическими ресурсами» ), веб-портал micodata или приложение smartbasket.

Разработка этих и подобных инструментов затруднена из-за сложности жизненного цикла грибов. Это организмы с чрезвычайной внутри- и межгодовой изменчивостью. Эта изменчивость обусловлена их взаимодействием с остальными организмами экосистем, состоянием почвы и погоды.

Ни для кого не секрет, что грибы появляются, когда идет дождь и тепло. Не секрет и то,  что некоторые виды грибов растут только на одном типе почвы, например, черный трюфель, который плодоносит на известняковых почвах. Наклон и высота местности  также влияют на то, какие грибы мы можем найти. Состав, густота и возраст леса также определяют, будем ли мы собирать лисички или подберезовики.

Белый гриб / Wikimedia Commons , CC BY

Спутниковые данные для прогнозирования урожая

От того, как расположены деревья в лесу, зависит распределение грибного мицелия в почве и, кроме того, наличие органического вещества. В средних широтах съедобные грибы образуются прежде всего микоризными грибами, происходят прежде всего от микоризных грибов, таких как мухоморы (это не ошибка: многие виды этого рода, который мы связываем с токсичными грибами, съедобны), которые всегда живут связанно с корнями деревьев, или от сапрофитных  грибов, таких как шампиньоны, питающихся отмершими органическими веществами в почве.

Обнаружено,  что спутниковые данные о влажности почвы предсказывают объем урожая грибов с той же точностью, что и данные об осадках.

Кроме того, включив в модели нормализованный вегетационный индекс (NDVI – рассчитывается на основе спектрометрических данных в двух конкретных диапазонах: красном и ближнем инфракрасном), можно связать накопление органического вещества в тканях живых растений леса с плодоношением грибов.

Данные наземных лидарных датчиков, которые позволяют с очень высокой точностью охарактеризовать пространственную структуру леса, также показали хорошие результаты в ходе прогнозирования урожаев лисичек, особенно совместно с NDVI.

Наконец, ряды данных миссии Sentinel-1, связанные со структурой леса, позволяют описать, как места и объемы сбора грибов меняются с течением времени. Эти данные весьма перспективны для прогнозирования урожаев грибов в среднесрочной перспективе.

Модели прогнозирования урожая грибов на основе данных дистанционного зондирования лучше, чем другие модели. Они обеспечивают большую точность и позволяют использовать при прогнозировании информацию, полученную практически в реальном времени.

В отношении грибов еще многое предстоит прояснить, но эта технология помогает нам продвинуться в их изучении. Кроме того, её использование в перспективе позволит более точно узнать динамику мицелия в почве и облегчит управление экосистемными услугами в режиме реального времени.

Изображение Sentinel-1, одного из спутников программы ЕКА «Коперник», который собирает данные наблюдения Земли. ЕКА / П. Лейн

Роль грибов в экосистемах

Концепция экосистемных услуг включает в себя, помимо прямых товаров, таких как продукты питания и древесина, непроизводительные услуги, предоставляемые природными пространствами. Например, качество воды, биоразнообразие, ландшафт и улавливание углерода.

В этом смысле, помимо своего кулинарного интереса, грибы вносят значительный вклад в производство и улучшение питательных веществ в почве, а также в обеспечение продовольствием. Они также взаимодействуют с другими организмами, активно участвуя в регуляции популяций и сообществ.

Экосистемные услуги указывают на качество нашего взаимодействия с окружающей средой. Зная их, мы можем разработать инструменты для определения типа управления лесами, который поможет смягчить последствия глобальных изменений. Мы также можем оптимизировать социальные выгоды, например, повышая опыление и плодородие почвы и тем самым избегая ненужных затрат в сельском хозяйстве.

Получение информации о недревесных экосистемных услугах является сложной задачей. Чтобы эффективно управлять ими, необходимо знать их количество и местоположение, но картирование на основе данных, измеренных в полевых условиях, является дорогостоящим и небольшим по объему.

Спутниковые данные (или датчики, установленные на самолетах или дронах) позволяют количественно оценивать и картографировать экосистемные услуги с меньшими затратами.

Наблюдения дистанционного зондирования проводятся часто и с высокой пространственной детализацией. Это облегчает мониторинг лесов во всем мире. Кроме того, некоторые датчики позволяют нам наблюдать аспекты, которые до сих пор было трудно определить количественно, например, влажность растительности и почвы или структуру деревьев.

Благодаря свободному доступу к этим данным и алгоритмам искусственного интеллекта мы сможем составить карту распространения видов грибов и более точно прогнозировать их продуктивность. Мы сможем знать, где их найти и сколько собрать, обеспечив их производство в среднесрочной и долгосрочной перспективе и не нанося ущерба их важной роли в экосистемах.