employee
Krasnoyarsk, Krasnoyarsk, Russian Federation
Multiple research studies have reported dark-needled forest ecosystems of the world suffer from a number of biotic and abiotic influences including outbreaks of xylophages, in particular of bark beetles. The combination of climate change and bark beetle infestations is playing a significant role in the widespread decline of dark coniferous forests, raising concerns about the future viability of this species in some regions of the world. This paper focuses on approaches to studying Siberian fir (Abies sibirica) stands invaded by Ussuri bark beetle (Polygraphus proximus Blandford). This study presents an approach to studying wood from invaded Siberian fir stands using Fourier-transform infrared spectroscopy. Our results indicate clear dynamics in the stability of Siberian fir wood components from stands disturbed by the Ussuri bark beetle. Hemicelluloses and amorphous cellulose were found to exhibit high rates of degradation in dead wood samples five years after their death, as indicated by decreased absorption band intensities at 1024 and 892 cm-1. The aromatic lignin skeleton (1504 cm-1) was stable in dead wood samples ten years after their death. However, continued oxidation and modification of lignin was detected over time, as evidenced by the band peak at 1655 cm-1. Consequently, the degradation of dead Siberian fir wood is cascade-like, with readily accessible carbohydrates first degraded, followed by crystalline cellulose, and then lignin modification and oxidation. Thus, the use of Fourier-transform infrared spectroscopy allows us to determine the age of tree death, diagnose the early stages of wood biodegradation, and predict the behavior of wood material during processing.
Siberian fir, FTIR spectroscopy, Ussuri polygraph, climate trend
выступая доминантом темнохвойных лесных массивов Сибири, формирует основу уникальных бореальных экосистем, выполняющих фундаментальные средообразующие функции и играющих важнейшую роль в регулировании климатических процессов на обширных территориях [1, 2]. В последние десятилетия эти насаждения подвергаются беспрецедентному по своей интенсивности и масштабам комплексу негативных воздействий, среди которых особую угрозу представляют биотические факторы, в частности инвазивные вспышки массового размножения стволовых вредителей, усиливающиеся на фоне климатических трансформаций [3-5]. Исследования последних лет свидетельствуют о прогрессирующей дестабилизации темнохвойных формаций под влиянием как абиотических, так и антропогенных факторов, что проявляется в нарушении их структурно-функциональной организации и снижении устойчивости [6-10].
Процессы массового усыхания и последующего отпада деревьев в темнохвойных лесах, подвергшихся биотическому воздействию, инициируют глубокую трансформацию вертикальной и горизонтальной структуры древесного полога [6]. Подобные нарушения закономерно приводят к частичной или полной утрате насаждениями своих базовых биосферных функций, среди которых особое значение имеют водоохранная (регулирование стока и качества вод), средообразующая (поддержание микроклимата и условий местообитания) и углерододепонирующая (долговременная секвестрация углерода в фитомассе) [7, 10, 11].
Особое место среди деструктивных факторов занимает чужеродный для сибирских экосистем вид – уссурийский полиграф (Polygraphus proximus Blandford) [12], инвазия которого из регионов Восточной Азии приобрела характер масштабного природного бедствия [13]. За относительно короткий период с начала XXI столетия этот агрессивный стволовой вредитель не только расширил свой ареал на тысячи километров к западу от естественных границ обитания, но и сформировал устойчивые очаги массового размножения на значительной части ареала пихты сибирской [11]. Согласно современным данным, P. proximus представляет серьезную угрозу для пихтовых лесов не только в Сибири, но и в европейской части России, включая Средний Урал, где его присутствие впервые зафиксировано в 2023 году на территории природного парка «Оленьи ручьи» [14]. Дендрохронологический анализ показывает, что вредитель может присутствовать в насаждениях на протяжении как минимум двух десятилетий до момента обнаружения, вызывая постепенное, но неуклонное усыхание деревьев [5, 11].
Одним из наиболее значимых последствий деградации древостоев выступает коренная перестройка пожарного режима в экосистемах [15]. В нарушенных насаждениях происходит накопление мертвой древесины и как следствие, увеличение освещенности под пологом леса инициируют смену напочвенного покрова, что качественно изменяет структуру горючих материалов на поверхности почвы [16, 17]. Согласно количественным оценкам, запасы живого напочвенного покрова в насаждениях, нарушенных инвазией P. proximus, могут более чем в два раза превышать аналогичные показатели, по сравнению с ненарушенными [16, 18]. Накопление крупных древесных остатков (валежа) и сухостойных деревьев, в нарушенных P. proximus темнохвойных насаждениях, формирует непрерывный по вертикали и горизонтали проводниковый слой, способный поддерживать низовые пожары и создающий условия для перехода огня в кроны [18].
Процессы, инициируемые атакой P. proximus, не ограничиваются гибелью древостоя. Вслед за отмиранием деревьев запускаются сложные механизмы биодеструкции древесинного вещества, которые продолжаются в сухостойной древесине на протяжении многих лет. Традиционные методы диагностики степени и типа поражения (визуальные, весовые) часто не способны выявить начальные стадии деградации, особенно при «бурой гнили», когда потеря прочности значительно опережает потерю массы [19]. Это создает серьезные проблемы как для оценки санитарного состояния лесов, так и для прогнозирования качества и поведения древесины в процессах ее промышленной переработки.
Современные представления о механизмах деструкции древесины грибами бурой гнили свидетельствуют о сложном двухстадийном процессе. На начальном этапе преобладает неферментативное окисление с участием высокореактивных гидроксильных радикалов, генерируемых в ходе реакции Фентона [20, 21]. Этот механизм обеспечивает деполимеризацию и модификацию полисахаридов и лигнина без глубокой ферментативной деградации последнего [22, 23]. Лигнин и кристаллическая целлюлоза сохраняются, поскольку грибам-деструкторам не хватает ключевых гидролитических и окислительных ферментов (например, целлобиогидролаз, литических полисахаридных монооксигеназ, мультимедных оксидаз и пероксидаз) [23]. Каскадный характер этих процессов и их временная динамика в отношении сухостойной древесины хвойных пород в условиях южно-таежных экосистем Сибири остаются недостаточно изученными.
Для интерпретации химических изменений и быстрого определения степени деградации древесины широко применяется метод инфракрасной Фурье-спектроскопии (ИКФС), зарекомендовавший себя как эффективный инструмент изучения химии разложения, требующий минимальной подготовки образца [24-26]. Метод позволяет не только идентифицировать грибную инфекцию на ранних стадиях [27], но и проследить модификацию основных полимерных компонентов клеточной стенки – целлюлозы, гемицеллюлоз и лигнина [28-30].
Целью данного исследования являлось выявление закономерностей трансформации химического состава древесины сухостойной пихты сибирской в зависимости от давности гибели темнохвойного насаждения, подвергшегося инвазии P. proximus, с применением метода ИК-Фурье спектроскопии
1. Dyukarev A.G., Kopysov S.G., Krivets S.A., Pats E.N., Chernova N.A. Opyt i pervye rezul'taty kompleksnykh biogeotsenologicheskikh issledovaniy v temnokhvoynykh lesakh yuga taezhnoy zony Zapadnoy Sibiri. Sibirskiy lesnoy zhurnal. [Experience and first results of complex biogeocenological studies in dark coniferous forests of the southern taiga zone of Western Siberia]. Siberian Forestry Journal, 2024; 3: 11-24. (In Russ.) – DOI: https://doi.org/10.15372/SJFS20240303.
2. Shestakova T.A., Rogers B.M., Mackey B., Hugh S., Norman P., Kukavskaya E.A. Tracking ecosystem stability across boreal Siberia. Ecological Indicators. 2024; 169: 112841. – DOI: https://doi.org/10.1016/j.ecolind.2024.112841.
3. Selikhovkin A.V., Drenkhan R., Mandelshtam M., Musolin D. Invasions of insect pests and fungal pathogens of woody plants into the northwestern part of European Russia. Earth Sciences. 2020; 65(2): 263-283. – DOI: https://doi.org/10.21638/spbu07.2020.203.
4. Intergovernmental Panel on Climate Change (IPCC). The Ocean and Cryosphere in a Changing Climate: Special Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press. 2022. – DOI: https://doi.org/10.1017/9781009157964.
5. Kerchev I.A., Bisirova E.M., Krivets S.A. Vliyanie invazii poligrafa ussuriyskogo na vidovoy sostav i strukturu kompleksa stvolovykh vrediteley pikhty sibirskoy. Sovremennye problemy ekologii. [Effect of the Four-Eyed Fir Bark Beetle Invasion on the Species Composition and Structure of the Siberian Fir Stem Pest Complex]. Modern environmental problems, 2022; 15(3): 270-281. (In Russ.). – DOI: https://doi.org/10.1134/S1995425522030076.
6. Kharuk V.I., Im S.T., Petrov I.A., Dvinskaya M.L., Shushpanov A.S., Golyukov A.S. Climate‐driven conifer mortality in Siberia. Global Ecology and Biogeography. 2020; 30(2): 543-2556. – DOI: https://doi.org/10.1111/geb.13243.
7. Kharuk V.I., Im S.T., Petrov I.A., Shushpanov A.S., Dvinskaya M.L. Climate-Induced Fir (Abies sibirica Ledeb.) Mortality in the Siberian Mountains. In: Schickhoff U., Singh R., Mal S. (eds.) Mountain Landscapes in Transition. Sustainable Development Goals Series. Cham: Springer. 2021: 403-416. – DOI: https://doi.org/10.1007/978-3-030-70238-0_16.
8. Sultson S.M., Goroshko A.A., Verkhovets S.V., Mikhaylov P.V., Ivanov V.A., Demidko D.A., Kulakov S.S. Orographic Factors as a Predictor of the Spread of the Siberian Silk Moth Outbreak in the Mountainous Southern Taiga Forests of Siberia. Land, 2021; 10: 115. – DOI: https://doi.org/10.3390/land10020115.
9. Demidko D.A., Efremenko A.A., Baranchikov Yu.N. Istoriya massovykh razmnozheniy sibirskogo shelkopryada v vostochnykh predgor'yakh Kuznetskogo Alatau: dendrokhronologicheskaya rekonstruktsiya. Sibirskiy lesnoy zhurnal. [History of Siberian silk moth outbreaks in the eastern foothills of the Kuznetsk Alatau: dendrochronological reconstruction]. Siberian Forestry Journal, 2023; 1: 98-110. (In Russ.). – DOI: https://doi.org/10.15372/SJFS20230109.
10. Demidko D.A., Goroshko A.A., Slinkina O.A., Mikhaylov P.V., Sultson S.M. The Role of Forest Stands Characteristics on Formation of Exterior Migratory Outbreak Spots by the Siberian Silk Moth Dendrolimus sibiricus (Tschetv.) during Population Collapse. Forests. 2023; 14(6): 1078. – DOI: https://doi.org/10.3390/f14061078.
11. Krivets S.A., Kerchev I.A., Bisirova E.M., Volkova E.S., Astapenko S.A., Efremenko A.A., Kosilov A.Yu., Kudryavtsev P.P., Kuznetsova Yu.P., Ponomarev V.I., Potapkin A.B., Taraskin E.G., Titova V.V., Shilonosov A.O., Baranchikov Yu.N. Obzor sovremennogo vtorichnogo areala poligrafa ussuriyskogo (Polygraphus proximus Blandford, 1894) (Coleoptera, Curculionidae: Scolytinae) v Rossiyskoy Federatsii. Rossiyskiy zhurnal biologicheskikh invaziy. [Overview of the current secondary range of the four-eyed fir bark beetle (Polygraphus proximus Blandford, 1894) in the Russian Federation]. Russian Journal of Biological Invasions, 2024; 1: 49-69. (In Russ.). – DOI: https://doi.org/10.35885/1996-1499-17-1-49-69.
12. EPPO Global Database. Polygraphus proximus (POLGPR). Categorization. 2026. – URL: https://gd.eppo.int/taxon/POLGPR/categorization (accessed: 15.04.2026).
13. Kirichenko N.I., Rudoi V.V., Efremenko A.A., Petrov A.V., Baranchikov Y.N. First record of the invasive bark beetle Polygraphus proximus Blandford (Coleoptera: Curculionidae, Scolytinae) in the Republic of Kazakhstan. Acta Biologica Sibirica. 2023; 9: 1003-1022. (In Russ.).– DOI: https://doi.org/10.5281/zenodo.10199570.
14. Ponomarev V.I., Tolkach O.V., Klobukov G.I., Efremenko A.A., Pashenova N.V., Demidko D.A., Kirichenko N.I., Baranchikov Y.N. The potential threats posed by the invasive bark beetle Polygraphus proximus (Coleoptera, Curculionidae, Scolytinae) to a natural park in the Middle Urals (Russia). Acta Biologica Sibirica. 2024; 10: 661-675. (In Russ.). – DOI: https://doi.org/10.5281/zenodo.12672511.
15. Kharuk V.I., Ponomarev E.I., Ivanova G.A., Dvinskaya M.L., Coogan S.C.P., Flannigan M.D. Wildfires in the Siberian taiga. Ambio. 2021; 50: 1953-1974. – DOI: https://doi.org/10.1007/s13280-020-01490-x.
16. Baksheeva E.O., Golovina A.N., Morozov S.A. Lesovosstanovlenie i pozharnaya opasnost' v pikhtovykh drevostoyakh, povrezhdennykh poligrafom ussuriyskim. Khvoynye boreal'noy zony. [Reforestation and fire hazard in fir stands damaged by the four-eyed fir bark beetle]. Conifers of the boreal zone, 2021; XXXIX(6): 443-450. (In Russ.).
17. Ivanova G.A., Kukavskaya E.A., Bezkorovaynaya I.N., Bogorodskaya A.V., Zhila S.V., Ivanov V.A., Kovaleva N.M., Krasnoshchekova E.N., Tarasov P.A. Vozdeystvie pozharov na svetlokhvoynye lesa Nizhnego Priangar'ya [Impact of fires on light coniferous forests of the Lower Angara region]. Novosibirsk: Nauka, 2022. 204 p. (In Russ.).
18. Zhila S.V., Furyaev I.V., Kovaleva N.M. Otsenka zapasov lesnykh goryuchikh materialov v pikhtovykh drevostoyakh, narushennykh poligrafom ussuriyskim, v Krasnoyarskom krae. Sibirskiy lesnoy zhurnal. [Estimation of forest fuel loads in fir stands disturbed by the four-eyed fir bark beetle in Krasnoyarsk Krai]. Siberian Forestry Journal. 2023; 6: 76-84. (In Russ.). – DOI: https://doi.org/10.15372/SJFS20230608.
19. Brischke C., Alfredsen G. Wood-water relationships and their role for wood susceptibility to fungal decay. Applied Microbiology and Biotechnology. 2020; 104: 3781-3795. – DOI: https://doi.org/10.1007/s00253-020-10479-1.
20. Anderson C.E., Zhang J., Markillie L.M., Mitchell H.D., Chrisler W.B., Gaffrey M.J., Orr G., Schilling J.S. Capturing an early gene induction event during wood decay by the brown rot fungus Rhodonia placenta. Applied and Environmental Microbiology. 2022; 88: e00188-22. – DOI: https://doi.org/10.1128/aem.00188-22.
21. Mattila H.K., Österman-Udd J., Mali T., Lundell T. Basidiomycota Fungi and ROS: genomic perspective on key enzymes involved in generation and mitigation of reactive oxygen species. Frontiers in Fungal Biology. 2022; 3: 837605. – DOI: https://doi.org/10.3389/ffunb.2022.837605.
22. Hage H., Rosso M.N. Evolution of fungal carbohydrate-active enzyme portfolios and adaptation to plant cell-wall polymers. Journal of Fungi. 2021; 7: 185. – DOI: https://doi.org/10.3390/jof7030185.
23. Schrader L., Brischke C., Trautner J. Microbial decay of wooden structures: actors, activities and means of protection. Applied Microbiology and Biotechnology. 2025; 109: 59. – DOI: https://doi.org/10.1007/s00253-025-13443-z.
24. Girometta C., Dondi D., Baiguera R.M., Bracco F., Branciforti D.S., Buratti S., Lazzaroni S., Savino E. Characterization of mycelia from wood-decay species by TGA and IR spectroscopy. Cellulose. 2020; 27: 6133-6148. – DOI: https://doi.org/10.1007/s10570-020-03208-4.
25. Tryjarski P., Gawron J., Andres B., Obiedzińska A., Lisowski A. FTIR Analysis of Changes in Chipboard Properties after Pretreatment with Pleurotus ostreatus (Jacq.) P. Kumm. Energies. 2022; 15(23): 9101. – DOI: https://doi.org/10.3390/en15239101.
26. Qi J., Li F., Jia L., Zhang X., Deng S., Luo B., Zhou Y., Fan M., Xia Y. Fungal Selectivity and Biodegradation Effects by White and Brown Rot Fungi for Wood Biomass Pretreatment. Polymers. 2023; 15(8): 1957. – DOI: https://doi.org/10.3390/polym15081957.
27. Gupta B.S., Jelle B.P., Gao T. In vitro cell composition identification of wood decay fungi by Fourier transform infrared spectroscopy. Royal Society Open Science. 2022; 9(2): 201935. – DOI: https://doi.org/10.1098/rsos.201935.
28. Báder M., Németh R., Sandak J. FTIR analysis of chemical changes in wood induced by steaming and longitudinal compression. Cellulose. 2020; 27: 6811-6829. – DOI: https://doi.org/10.1007/s10570-020-03131-8.
29. Tintner J., Spangl B., Reiter F., Smidt E., Grabner M. Infrared spectral characterization of the molecular wood decay in terms of age. Wood Science and Technology. 2020; 54: 313-327. – DOI: https://doi.org/10.1007/s00226-020-01160-x.
30. Wittner N., Slezsák J., Broos W., Geerts J., Gergely S., Vlaeminck S.E., Cornet I. Rapid lignin quantification for fungal wood pretreatment by ATR-FTIR spectroscopy. Spectrochimica Acta. 2023; 285: 121912. – DOI: https://doi.org/10.1016/j.saa.2022.121912.
31. Nagimov Z.Ya., Shevelina I.V., Nagimov V.Z., Artemyeva I.N. Lesotaksatsionnye izmereniya. Uchebnoe posobie. [Forest Inventory Measurements. Tutorial]. 2021; 95 (In Russ.).
32. Eichhorn J., Roskams P., Potocic N., Timmermann V., Ferretti M., Mues V., Szepesi A., Durrant D., Seletkovic I., Schroeck H-W., Nevalainen S., Bussotti F., Garcia P., Wulff S. Visual Assessment of Crown Condition and Damaging Agents. UNECE ICP Forests Programme Coordinating Centre (ed.). Thünen Institute of Forest Ecosystems. 2020; 49.
33. Schwärzel K., Seidling W., Hansen K., Strich S., Lorenz M. Strategy and Implementation of ICP Forests. UNECE ICP Forests Programme Coordinating Centre (ed.). Thünen Institute of Forest Ecosystems. 2022; 12.
34. Alekseev A., Vetrov L., Gurjanov M., Nikiforchin I., Chernikhovsky D., Chernov I. Analysis of the tree stands health status in the near border area of Russia and Finland based on the regular grid of sample plots and GIS-technologies. IOP Conference Series: Earth and Environmental Science. 2020; 507(1): 012001. – DOI: https://doi.org/10.1088/1755-1315/507/1/012001.
35. Mikhailova T.A., Shergina O.V., Kalugina O.V., Dmitrieva A.A. Pine needles and soil as bioindicators of forest ecosystems in the anthropogenically disturbed areas of the Baikal region. BIO Web of Conferences. 2024; 93: 01003. – DOI: https://doi.org/10.1051/bioconf/20249301003.
36. Narykova A.N., Plotnikova A.S., Akhmetova G.V., Danilova M.A., Kuznetsova A.I. Geospatial modeling of carbon stocks in forest litter in the Republic of Karelia and the Karelian Isthmus (Leningrad Oblast). Eurasian Soil Science. 2025; 58: 131. (In Russ.). – DOI: https://doi.org/10.1134/S1064229325600484.
37. Sharma V., Yadav J., Kumar R., Tesarova D., Ekielski A., Mishra P.K. On the rapid and non-destructive approach for wood identification using ATR-FTIR spectroscopy and chemometric methods. Vibrational Spectroscopy. 2020; 110: 103097. – DOI: https://doi.org/10.1016/j.vibspec.2020.103097.
38. Griffin J.N., Santos G.M., Nguyen L.D., Rodriguez D.R.O., Pereira L., Jaén-Barrios N., Assis-Pereira G., Barreto N.O, Brandes A.F.N., Barbosa A.C., Groenendijk P. Demystifying the tropics: FTIR characterization of pantropical woods and their α-cellulose extracts for past atmospheric 14C reconstructions. Science of The Total Environment. 2024; 949: 175010. – DOI: https://doi.org/10.1016/j.scitotenv.2024.175010.
39. Yadav A., Sharma S., Singh V., Kapoor M., Singh R. Forensic identification and differentiation of some protected timber species using ATR-FTIR spectroscopy and chemometrics. Frontiers in Analytical Science. 2024; 4: 1508509. – DOI: https://doi.org/10.3389/frans.2024.1508509.
40. Bhardwaj N., Kumar B., Agrawal K., Verma P. Current perspective on production and applications of microbial cellulases: a review. Bioresources and Bioprocessing. 2021; 8: 95. – DOI: https://doi.org/10.1186/s40643-021-00447-6.
41. Civzele A., Stipniece-Jekimova A.A., Mezule L. Fungal ligninolytic enzymes and their application in biomass lignin pretreatment. Journal of Fungi, 2023; 9: 780. – DOI: https://doi.org/10.3390/jof9070780.
42. High K.E., Penkman K.E.H. A review of analytical methods for assessing preservation in waterlogged archaeological wood and their application in practice. Heritage Science. 2020; 8: 83. – DOI: https://doi.org/10.1186/s40494-020-00422-y.
43. Kumari D., Singh R. Rice straw structure changes following green pretreatment with petha wastewater for economically viable bioethanol production. Scientific Reports. 2022; 12: 10443. – DOI: https://doi.org/10.1038/s41598-022-14627-7.
44. Ez-Zahraoui S., Hassani F.Z.S.A., Achaby M.El., Qaiss A.K., Bouhfid R. Multiscale Textile Preforms and Structures for Natural Fiber Composites. In: Natural Fiber Composites (ed.). Woodhead Publishing. 2023: 3-29. – DOI: https://doi.org/10.1016/B978-0-323-95329-0.00004-1.
45. Hasegawa N., Sugiyama M., Igarashi K. Random forest machine-learning algorithm classifies white- and brown-rot fungi according to the number of the genes encoding Carbohydrate-Active enzyme families. Applied and Environmental Microbiology. 2024; 90: e00482-24. – DOI: https://doi.org/10.1128/aem.00482-24.
