Сукцесійна динаміка мікробних угруповань ґрунту за антропогенного впливу: підходи до математичного моделювання

Автор(и)

DOI:

https://doi.org/10.33730/2077-4893.1.2026.354192

Ключові слова:

ґрунтова мікробіота, антропогенні екосистеми, агроценози, функціональні характеристики мікроорганізмів, біорізноманіття, зміна клімату, воєнне забруднення, відновлення ґрунтів, біоіндикація

Анотація

У статті узагальнено сучасні наукові підходи до вивчення та моделювання сукцесії ґрунтових мікроорганізмів в антропогенних екосистемах, зокрема в українських агроценозах в умовах зміни клімату та воєнного впливу. Показано, що ґрунтова мікробіота є ключовим регулятором циклів карбону, азоту та інших елементів живлення, а сукцесійні зміни мікроорганізмів визначають родючість ґрунту, його стабільність і здатність до самовідновлення. Проаналізовано внесок провідних іноземних і українських учених у розроблення концепцій мікробної сукцесії, зокрема trait-based моделей, мікробно-орієнтованих моделей типу MIMICS, підходів, що враховують мікробну біомасу у процесах гумусоутворення, а також концепції функціональної сукцесії. Особливу увагу приділено впливу антропогенних чинників — інтенсивного землеробства, хімізації, змін землекористування, глобального потепління та воєнних дій — на траєкторію мікробної сукцесії. Показано, що забруднення ґрунтів важкими металами, вибуховими залишками, паливно-мастильними матеріалами спричиняє регресивну сукцесію, спрощення структури мікробіоценозу та порушення екосистемних функцій. Узагальнено результати досліджень українських учених щодо трансформації мікробних спільнот за різних систем землеробства, ролі мікроорганізмів у циклі азоту, фітопатогенних і антагоністичних грибів, а також можливостей керованої сукцесії через застосування біологічних препаратів. Розглянуто основні методи моделювання мікробної сукцесії: класичні математичні моделі (Моно, Лотки–Вольтерри, регресійні підходи), мережевий аналіз, стохастичні та нульові моделі асемблювання, а також сучасні методи машинного навчання (Random Forest, Gradient Boosting, нейронні мережі, MaxEnt). Обґрунтовано доцільність їх використання для прогнозування деградації та відновлення ґрунтів, оцінювання екологічного стану агроекосистем і розроблення практичних рекомендацій щодо рекультивації земель, уражених антропогенним і воєнним впливом. Отримані результати та узагальнені підходи до моделювання сукцесії ґрунтових мікроорганізмів сприятимуть глибшому розумінню механізмів функціонування ґрунтових екосистем за умов інтенсивного антропогенного та воєнного навантаження. Використання сучасних математичних і комп’ютерних моделей дасть змогу підвищити точність прогнозування змін мікробіоценозів, своєчасно ідентифікувати ризики деградації ґрунтів і науково обґрунтувати заходи щодо їх відновлення. У практичному вимірі це сприятиме розробленню екологічно безпечних технологій землеробства, оптимізації застосування біологічних препаратів, збереженню родючості ґрунтів і продовольчої безпеки України, а також формуванню наукових основ відновлення агроекосистем у районах, постраждалих від воєнних дій.

Посилання

Fan, K., Delgado-Baquerizo, M., Guo, X., Wang, D., Zhu, Y.-G., & Chu, H. (2021). Biodiversity loss reduces the orderliness of microbial networks under anthropogenic stress. mSystems, 6(2), e00045-21. DOI: https://doi.org/10.1128/mSystems.00045-21.

Li, J., & Zhang, Y. (2022). Polynomial regression models for predicting microbial community succession in response to complex organic pollutants. Water Research, 215, 118245. DOI: https://doi.org/10.1016/j.watres.2022.118245.

Delgado-Baquerizo, M., Guerra, C. A., Cano-Díaz, C., Egidi, E., Wang, J. T., Eisenhauer, N., & Maestre, F. T. (2020). The proportion of soil-borne pathogens increases with warming at the global scale. Nature Climate Change, 10(6), 550–554. DOI: https://doi.org/10.1038/s41558-020-0759-3.

Wieder, W. R. (2024). Representing soil carbon dynamics with microbial and mineral controls in the Community Land Model (CLM5). Journal of Advances in Modeling Earth Systems, 16, e2024MS004874. DOI: https://doi.org/10.1029/2024MS004874.

Wieder, W. R., Kyker-Snowman, E., & Bonan, G. B. (2022). Predicting soil carbon responses to global change: Challenges and opportunities for microbial models. Global Change Biology, 28(11), 3460–3472. DOI: https://doi.org/10.1111/gcb.16189.

Kallenbach, C. M., Wallenstein, M. D., Schipka, M., & Grandy, A. S. (2022). Microbial physiology and necromass formation: Rethinking soil organic matter stability. Soil Biology and Biochemistry, 168, 108643. DOI: https://doi.org/10.1016/j.soilbio.2022.108643.

King, A. E., Grandy, A. S., Augustine, D. J., & Derner, J. D. (2020). Grazing intensity and climate history coexist to dictate soil carbon and nitrogen dynamics. Soil Biology and Biochemistry, 142, 107693. DOI: https://doi.org/10.1016/j.soilbio.2020.107693.

Van Bodegom, P. M., & Janssens, I. A. (2024). Scaling microbial physiological traits from cells to ecosystems in Earth system models. Biogeosciences, 21(4), 1045–1062. DOI: https://doi.org/10.5194/bg-21-1045-2024.

Van Bodegom, P. M. (2021). Integrating microbial functional traits into Earth system models: Challenges and opportunities. Global Change Biology, 27(9), 1812–1825.

Verbruggen, E., Janssens, I. A., & Vicca, S. (2021). Soil microbial responses to drought: A trait-based perspective. Trends in Ecology & Evolution, 36(10), 912–923. DOI: https://doi.org/10.1016/j.tree.2021.06.006.

Walker, T. W., & Janssens, I. A. (2022). Microbial temperature sensitivity and biomass turnover in a warming world. Nature Climate Change, 12, 934–941. DOI: https://doi.org/10.1038/s41558-022-01464-3.

Delgado-Baquerizo, M., Eldridge, D. J., Liu, Y. R., Sokoya, B., Cano-Díaz, C., Abades, S., & Maestre, F. T. (2020). Global footprints of succession and climate change on edge effects of soil microbial communities. Communications Biology, 3, 712. DOI: https://doi.org/10.1038/s42003-020-01387-3.

Guerra, C. A., Bardgett, R. D., Caon, L., Crowther, T. W., Delgado-Baquerizo, M., Montanarella, L., & Eisenhauer, N. (2021). Tracking, targeting, and conserving soil biodiversity. Science, 371(6526), 239–241. DOI: https://doi.org/10.1126/science.abd7926.

Delgado-Baquerizo, M., Eldridge, D. J., Maestre, F. T., Karunaratne, S. B., Trivedi, P., Reich, P. B., & Singh, B. K. (2020). Microbiome restoration strategies could ameliorate the effects of global change on soil functions. Science Translational Medicine, 12(559), eaaz1435. DOI: https://doi.org/10.1126/scitranslmed.aaz1435.

Delgado-Baquerizo, M., Reich, P. B., Trivedi, P., Eldridge, D. J., Abades, S., Alfaro, F. D., & Singh, B. K. (2020). Multiple ecosystem functions are positively associated with soil microbial diversity. Nature Ecology & Evolution, 4(2), 210–220. DOI: https://doi.org/10.1038/s41559-019-1084-4.

Zhang, X. (2024). Functional gene succession in soil microbiomes during long-term ecosystem development. ISME Communications, 4(1). DOI: https://doi.org/10.1038/s43705-024-00343-9.

Zhang, X., Ji, X., & Liu, W. (2021). Successional dynamics of soil microbial communities and their network complexity in response to environmental changes. Microbiology Spectrum, 9(2), e00321-21. DOI: https://doi.org/10.1128/Spectrum.00321-21.

Zhang, X., Wang, W., Xu, Z., Zhang, S., Yao, P., Zhang, J., & Zhang, K. (2022). Global soil microbial communities converge during ecosystem development. Global Change Biology, 28(21), 6436–6449. DOI: https://doi.org/10.1111/gcb.16366.

Beznosko, I., Havryliuk, L., Mazur, S., Gorgan, T., Mosiychuk, I., Bashta, O., … Turovnik, J. (2023). Formation of the population of micromycetes in the leaf microbiome of cereal crops using different cultivation technologies. Journal of Ecological Engineering, 24(11), 236–248. DOI: https://doi.org/10.12911/22998993/171648.

Патика, М. В., Тонха, О. Л., Сінченко, В. М., Гончар, А. М., & Патика, Т. І. (2019). Особливості формування структурово-функціонального складу мікробіому чорнозему цілинного в Степу України. Мікробіологічний журнал, 81(4), 90–106. DOI: https://doi.org/10.15407/microbiolj81.04.090.

Левішко, А. С., & Маменко, П. М. (2025). Мікробні добрива та шляхи оптимізації ефективності їх застосування у рослинництві. Агроекологічний журнал, 2, 109–122. DOI: https://doi.org/10.33730/2077-4893.2.2025.333832.

Гадзало, Я. М., Вожегова, Р. А., & Лікар, Я. О. (2023). Ефективність застосування мікробних препаратів деструкторів на рослинних рештках у процесі їх мінералізації після збирання. Аграрні інновації, 19, 24–33. DOI: https://doi.org/10.32848/agrar.innov.2023.19.4.

Волкогон, В., Дімова, С., Волкогон, К., & Сидоренко В. (2020). Ефективність мікробних препаратів за різних систем удобрення сільськогосподарських культур. Вісник аграрної науки, 98(6), 5–13. DOI: https://doi.org/10.31073/agrovisnyk202006.

Iutynska, G. O., Yamborko, N. M., & Valerko, R. A. (2022). Information-entropic indicators of the state of soil microbial communities under various agrotechnological loads. Microbiology & Biotechnology, 3, 35–46.

Polupan, V., & Sidletskyi, V. (2018). Genetic algorithm usage for optimization of saturator operation. Ukrainian food journal, 7(4), 754–762.

Demyanyuk, O. S., Symochko, L. Y., & Mostoviak, I. I. (2020). Soil microbial diversity and activity in different climatic zones of Ukraine. Regul. Mech. Biosyst., 11(2), 338–343. DOI: https://doi.org/10.15421/022051.

Ning, D., Yuan, M., Wu, L., Zhang, Y., Lin, Q., Tu, Q., & Zhou, J. (2020). A quantitative framework for revealing relative abundances of ecological processes shaping microbial communities. The ISME Journal, 14(2), 491–506. DOI: https://doi.org/10.1038/s41396-019-0539-3.

Parviainen, M., Marmion, M., Luoto, M., Thuiller, W., & Heikkinen, R. K. (2009). Using summed individual species models and state-of-the-art modeling techniques to identify threatened plant species hotspots. Biological Conservation, 142(11), 2501–2509. DOI: https://doi.org/10.1016/j.biocon.2009.05.030.Medium. URL: https://williamkoehrsen.medium.com/random-forest-simple-explanation-377895-a60d2d.

Sokol, N. W., Whalen, E. D., Jilling, A., Kallenbach, C. M., & Grandy, A. S. (2023). Global review of agricultural practices and soil microbial biomass dynamics. Global Change Biology, 29(4), 1120–1135. DOI: https://doi.org/10.1111/gcb.16533.

##submission.downloads##

Опубліковано

2026-02-27

Номер

Розділ

Статті