Реферат: Базові методики прогнозування стану довкілля
--PAGE_BREAK--Функціональна парадигма. Існування функціональної парадигми екологічного прогнозування пов'язане з функціональним підходом, широкораспространенным у сучасній науці. В екології функціональний підхід почав застосовуватися досить давно.Однак становлення функціональної парадигми екологічного прогнозування відбулося після появи методів групового обліку аргументів — МГУА (ИвахненкоИваненко, Иваненко, 1982 і ін.).Методологічною основою функціональної парадигми є теза про те, що практично вся інформація про досліджувану екосистему укладена в експертних даних і дослідникові залишається тільки вміло її витягти. Інакше кажучи, основна передумова функціональної парадигми полягає в наступному: усі відомості про причини розвитку екологічного процесу втримуються в його реалізації. Таким чином, передумови вербальної й функціональної парадигм почасти протилежні.
В принципі, успішне прогнозування без розуміння, що відбувається, без розкриття причинно-наслідкових зв'язків у цей час уважається цілком можливим (Редкозубов, 1981; Ивахненко, 1982; Кожова, Павлов, 1982; Рєзников, 1982; Битий шляхів, 1983; Розенберг, 1984), і тому функціональні предиктори мають право на існування.
При функціональнім прогнозуванні механізм функціонування екосистеми в моделях явно не відображається. Функціональні предиктори, як правило:
· застосовуються при пошуковім прогнозуванні;
· будуються за допомогою ЕОМ і являють собою моделі «чорного ящика»;
· формуються мовою того ж рівня, на якім отримані експериментальні дані;
· не мають пояснювальну силою і якої б то не було спільністю;
· алгоритми ж синтезу функціональних предикторів, навпаки, досить універсальні;
· найдоступніші й найдешевші.
Апарат функціональної парадигми різноманітний. Це регресійний, кореляційний і факторний аналізи, теорія планування експерименту, еволюційне моделювання, аналіз тимчасових рядів, кластерный аналіз і т.п. Особливе місце в цьому апарату займає МГУА. Підхід до моделювання, заснований на принципах самоорганізації, являє собою процес побудови предиктора оптимальної складності, що відбувається при незначній участі модельєра й не потребуючий більших масивів апостеріорної інформації (ИвахненкоИваненко, Иваненко, 1982; Ивахненко, Степашко, 1985; Ивахненко, Юрачковский, 1987).
Функціональний предиктор самоорганізованого типу зара широко застосовуються для передбачення стану різних популяцій. У якості прикладів можна назвати наступні функціональні предиктори: чисельності нерестової популяції посольського омуля (Герцекович, Топорков, 1986), динаміки чисельності видів роду Melosira (Брусиловский, 1987), дендрохронологічних рядів (Розенберг, Феклистов, 1981; 1982), продуктивності природніх рослинних співтовариств (КононовКононов, Розенберг, 1981; Бармин, 1993) і агроценозов (Герцекович, Вусів, 1982), стану екосистеми оз.Байкал (ИвахненкоИваненко, Иваненко й ін., 1980; Ивахненко, 1982).
Ескізна парадигма. Ескізна парадигма екологічного прогнозування пропонує модельєрам будувати предиктори, у яких механізм функціонування эекосистеми в аспекті, що цікавить дослідника, відбитий лише на макрорівні. При цьому, як правило:
· модельєр, замовник і користувач — те саме «особа»;
· у моделі враховують невелике число змінних і параметрів, що характеризують экосистему;
· імітується явище однієї біофізичної природи;
· коефіцієнти моделі мають екологічний (біофізичний) зміст;
· для аналізу моделі не потрібне застосування ЕОМ;
· експериментальні дані явно при побудові моделі не використовуються (у цьому змісті ескізні предиктори є апріорними);
· у предикторові знаходять висвітлення тільки деякі істотні (з погляду модельєра) елементи структури экосистемы;
· ескізні прогнози носять якісний характер і мають досить високу спільність.
Методи побудови ескізних предикторів також достатньо різноманітні. Але найбільше широко застосовуються апарати диференціальних і інших рівнянь, теорії ймовірностей.
Прикладом прогнозних досліджень, виконаних у рамках ескізної парадигми, можуть служити класичні дослідження В.ВольтерраВольтера й А.Лотки й роботи із прогнозування спалахів чисельності лісових комах (Ісаєв і ін., 1984; Недорезов, 1986).
Ескізні прогнози можуть бути як короткостроковими, так і довгостроковими; як пошуковими, так і нормативними. Однак детальність їх формулювання, як правило, не висока. Методика оцінки надійності ескізних прогнозів повинна враховувати насамперед якісні аспекти збігу передвіщених і фактичних станів досліджуваної екосистеми.
Приклади вдалих екологічних функціональних прогнозів досить численні. Однак у силу специфіки екологічного прогнозування й функціональної парадигми її застосованість при розробці будь-яких нормативних, а також довгострокових екологічних прогнозів досить обмежена. Найбільше доцільно функціональні предиктори використовувати в коротко- і середньостроковім пошуковім прогнозуванні. Надійність таких прогнозів може бути досить висока. При цьому наявна апостеріорна інформація накладає принципові обмеження на детальність формулювання функціональних прогнозів.
І ще одне зауваження. Н. Н.Моисеев (1983; 1986) виділяє два механізми розвитку екологічних процесів (систем):
· дарвінський, коли еволюція екосистеми обумовлена повільним нагромадженням нових кількісних особливостей;
· квазидарвінский (біфуркаціонний- відлат. bifurcus — «роздвоєний»), коли при певних значеннях параметрів системи порушується однозначний хід її розвитку, виникає біфуркація. У цьому випадку подальший хід розвитку екологічного процесу стає непередбаченим — його еволюцію визначить як завгодно мале випадкове збурювання.
Функціональна парадигма не в змозі вивчати біфуркаціонні механізми — вона призначена для пророкування екологічних процесів, динаміка яких формується тільки дарвінськими механізмами.
Основна гідність ескізної парадигми полягає в можливості дослідження біфуркаціонних механізмів динаміки екологічних систем. Можна сказати, що це — прерогатива ескізних предикторів. Екологічні концепції в цей час формуються в основному вербальною й ескізною парадигмами.
Імітаційна парадигма. Імітаційна парадигма екологічного прогнозування індукована застосуванням в екології нового потужного інструменту системного аналізу — імітаційного моделювання складних систем. Імітаційне моделювання дає можливість простежити еволюцію досліджуваної системи як би «зсередини», одержати оцінку її цілісних характеристик при досить широкому спектрі впливу й у ситуаціях, які або в цей момент, або принципово не можна здійснити на практиці.
При імітаційнім моделюванні в моделі крізь призму мети дослідження досить повно відображаються «глибинні» властивості екосистеми — безліч її структур і механізм функціонування. При цьому, як правило:
· модельєр, замовник і користувач — різні «особи»;
· у моделі враховується величезне число змінних і параметрів екосистеми;
· імітується безліч явищ зовсім різної фізичної (екологічної) природи;
· більшість коефіцієнтів моделі має екологічний (фізичний) зміст;
· модель виявляється суттєво машинною — являє собою комплекс програм для ЕОМ, побудованих по модульному принципу, і включає спеціальну систему математичного забезпечення з відповідною периферією, що дозволяє працювати з моделлю в діалоговому режимі;
· при розробці моделі застосовуються як апріорна інформація, так і експериментальні дані;
· модель служить для вивчення сукупності цілісних характеристик, використовується як засіб системного експериментування з екосистемою і має скоріше практичну, ніж теоретичну значимість.
Імітаційні предиктори широко використовуються при прогнозуванні стану біосфери (Крапивин і ін., 1982; Моисеев і ін., 1985), водних экосистем (Меншуткин, 1971; Горстко, 1979), наземних экосистем (Гильманов, 1978; Розенберг, 1984), інших екологічних об'єктів.
Імітаційні предиктори можуть формувати свої прогнози для широкого діапазону часу попередження й використовуються як при пошуковому, так і при нормативному прогнозуванні. При цьому детальність формулювання прогнозів може бути дуже висока.
Недоліком імітаційного моделювання є суб'єктивний момент, внесений дослідником при побудові моделі, — «нав'язування» своїх вистав про характер поведінки системи. Цього недоліку в значній мірі позбавлені предиктори МГУА. Ще один недолік імітаційних предикторів полягає в їхній великій вартості й високої тривалості розробки.
Виділені парадигми екологічного прогнозування відрізняються один від одного за багатьма ознаками. Основні з них — це роль ЕОМ у розробці предиктора й формуванні прогнозів і рівень формалізації вистав про механізм функціонування екосистеми (табл. 1.1).
Характеристика парадигм екологічного прогнозування
Парадигма
Характеристика
Участь ЕОМ в Формалізація
Побудові прогнозів причинних зв`язків
Вербальна
-
-
Функціональна
+
-
Ескізна
-
+
Імітаційна
+
+
Розділ 2
.
Екосистема та її проблеми прогнозування
2.1
Екосистема як об`єкт прогнозування
Деяка невизначеність майбутнього стану гнітючого числа экосистем не може бути повністю знята силою сучасної науки. Можна відзначити кілька причин непереборності цієї невизначеності.
По-перше, вона зв'язана зі значними помилками й нечисленністю вимірів різних екологічних процесів (параметрів). Дійсно, довжина екологічних тимчасових рядів рідко перевищує 20-30 спостережень. При цьому їх точність часто настільки низька, що навіть губиться зміст вимірів у кількісних шкалах.
По-друге, невизначеність має місце й через наявність обумовлених неповнотою наших знань механізму функціонування экосистем. В.І.Ленін писав: "… людське поняття причини й наслідку завжди трохи спрощує об'єктивний зв'язок явищ природи, лише приблизно відбиваючи її, штучно ізолюючи ті або інші сторони одного єдиного світового процесу".
У цей час, очевидно, найбільш істотними є лакуни в інформаційній структурі співтовариств. Існує думка що «лінгвістичне бачення» екології може значно змінити наші представлення про экосистему, і як наслідок цього, наше розуміння того, які фактори є значимими в екологічному прогнозуванні.
По-третє, невизначеність майбутнього стану може бути обумовлена внутрішньою властивістю экосистем і пов'язана з незалежністю їх динаміки від початкового стану.
По-четверте, один з основних підсумків математизації екології полягає в усвідомленні принципової непередбачуваності стану багатьох экосистем. Використовуючи три основні характеристики прогнозу, підсумок можна сформулювати точніше: при завданні будь-яких двох характеристик існує таке значення третьої, досягнення якого неможливо в принципі. Зокрема, при певному часі попередження й детальності формулювання прогнозу досягнення прийнятної надійності для цілого ряду экосистем неможливо принципово.
Наприклад, нехай еволюція екосистеми описується моделлю:
dx / dt = X (x, l, x ),
де х — вектор фазових координат, l — параметр системи, x — випадковий вплив, X — деякий нелінійний оператор, і нехай l *- крапка біфуркації системи, з якої виходять кілька галузей розв'язку рівняння. Якщо система функціонує поблизу крапки біфуркації, то виникає питання: про який з галузей піде її подальша динаміка? Але це визначить як завгодно мале випадкове збурювання. Тому при такій детальності формулювання прогнозу (вказівці відповідної до галузей) досягтися розумної надійності неможливо в принципі, причому практично ні при якому періоді попередження .
Ще один приклад. Розглянемо экосистему, моделлю функціонування якої є динамічна система з дивним аттрактором. Нехай необхідна детальність прогнозу стану такої системи відповідає вказівці значень координат крапки, що описує її поведінка у фазовому просторі. Якщо ця крапка перебуває усередині області, що притягає, то розумна надійність таких прогнозів також не досяжна в принципі.
Усвідомлення цього факту непередбачуваності стану ряду систем важко переоцінити. Його розуміння в прогностику, очевидно, можна зрівняти з розумінням неможливості створення вічного двигуна в механіку.
Непередбачуваність поведінки траекторій, обраних завданням початкових умов з як завгодно високої (але кінцевої) точності, служить принциповою перешкодою на шляху довгострокового екологічного прогнозування. Один з авторів відкриття дивних аттракторов, Є.Лоренц, назвав цей ефект непередбачуваності поведінки динамічних систем «батерфляй-ефектом»: нехай атмосфера описується динамічною системою з дивним аттрактором, тоді навіть незначна зміна початкових умов, викликане змахом крилець метелика, приведе до катастрофічних для довгострокового прогнозу погоди наслідкам. Для подібних систем мають сенс тільки короткострокові прогнози.
Усе вищевикладене приводить до висновку про принципове обмеження передбачуваності структури й поведінки экосистем.
Аналіз великої літератури по динаміці чисельності реальних і модельних популяцій, співтовариств і экосистем дозволяє зробити наступні висновки:
1. існують фактори, які в основному не впливають на динаміку экосистем, але іноді виявляються значимими;
2. для кожної фази динаміки экосистем визначальними є свої власні фактори;
3. характер і рівень зв'язків для різних фаз динаміки экосистем суттєво різняться;
4. багато виявлених закономірностей, як би вони спочатку не були гарні, згодом руйнуються (стають не відповідними до дійсності).
У певному змісті аналогічні висновки мають місце при вивченні динаміки багатьох і економічних, і метеорологічних систем. Однак надзвичайно низька точність вимірів, а також гострий дефіцит апостеріорної інформації в цілому характерні лише для екологічного прогнозування.
2.2
Основні проблеми екологічного прогнозування
Якість і тип будь-якої моделі (предиктора) визначаються наступними обставинами:
· метою дослідження;
· обсягом знань про досліджувану систему, що перебувають у розпорядженні модельєра;
· обсягом ресурсів, наявних у розпорядженні модельєра (наприклад, кількістю часу, відведеним на розробку моделі, типом ЕОМ, числом системних програмістів і т.п.);
· парадигмою, до якої належить модельєр;
· досвідом і талантом модельєра.
Оцінку сучасного стану екологічного прогнозування можна намагатися здійснити двома природніми шляхами, уважаючи під час обговорення прогностичного дослідження первинною ознакою метод або об'єкт прогнозування. Однак при ближчому розгляді обоє ці шляхи виявляються нереалістичними, тому що в екології застосовуються близько 100 методів прогнозування, різноманітність б'єктів прогнозування значно більше.
Прийнятним тут виявляється третій шлях, пов'язаний з оцінкою успіхів і невдач використання предикторів, породжених різними парадигмами екології. При цьому всю проблематику екологічного прогнозування умовно можна розділити на дві групи: перша обумовлена збором і обробкою первинної інформації, друга — складністю экосистем і недосконалістю традиційної методології екологічного прогнозування.
2.3
Поблеми, індуковані збором і обробкою первинної інформації
Прогнозування станів функціонуючої екосистеми можливо лише при наявності достатнього обсягу даних спостережень, що характеризують її структуру й поведінку. Якщо таких даних зовсім мало, то ніякий математичний апарат, ніяка ЕОМ тут не допоможуть. Єдиний вихід у таких ситуаціях — зібрати відсутню інформацію. З іншого боку, до самого останнього часу спостереження над окремими екологічними параметрами (і экосистемами в цілому) здійснювалося безсистемно, і тому мають місце інформаційні лакуни.Заповнення таких лакун — завдання надзвичайно важке, а часто й нездійсненне.
Мінімальний обсяг даних спостережень, при якому має сенс побудова відповідного предмктора, суттєво залежить від необхідного періоду попередження, детальності формулювання й надійності розроблювальних прогнозів, а також специфіки поведінки досліджуваної системи. Незважаючи на те, що в цей час у рамках функціональної парадигми існують методи прогнозування коротких тимчасових рядів, їх повсюдне застосування в екології вимагає обачності. Наприклад, при наявності навіть 100 спостережень без лакун (а ця цифра для екологічного дослідження значна!) говорити про середньостроковий прогноз має сенс лише в ситуації, коли у відповідний інтервал спостережень (100 крапок) 2-3 рази укладаються характерні часи досліджуваної змінної. Для короткострокового прогнозування ця умова зайво: такі прогнози можна намагатися будувати вже при 20-30 спостереженнях і, як правило, незалежно від специфіки досліджуваної системи. Правда, для такого обсягу вихідної емпіричної інформації одні методи прогнозування не працюють взагалі на загал (наприклад, спектральний аналіз), а інші хоча й застосовні, але окремо не забезпечують прийнятної надійності висновків.
У силу унікальності всіх екологічних об'єктів системи екологічного прогнозування не можуть бути орієнтовані на широкий клас об'єктів прогнозування. Розглянемо, наприклад, наскільки адекватний підхід до прогнозування чисельності деякого виду тільки за допомогою середнього значення.
Середнє є нестійкою статистикою. Статистика називається стійкою, якщо при зміні малої частки даних (неважливо який і як сильно) істотних змін у підсумовуючій статистиці не відбувається. Якщо в даних зміниться яке-небудь одне значення на n одиниць, то середнє зміниться в тому ж напрямку на n/m одиниць, m — обсяг вибірки.
Прикладом стійкої статистики може служити медіана. На медіану не впливають величини «більших» і «малих» значень: вона терпима до порушень нормальності на «хвостах» розподілу. Однак крім стійкості до передумов, «гарна» статистика повинна мати ще й властивість стійкості до ефективності, тобто висока ефективність оцінювання повинна гарантуватися при широкім варіюванні ситуацій.
Ф.Мостеллер і Дж.Тьюки (1982, с. 214) приводять важливу для практики таблицю властивостей деяких статистик центральної тенденції, яку має сенс тут відтворити (див. табл. 1.2).
Стійкістьсть до ефективності деяких статистик центральної тенденції
Статичтика
Об`єм виборки
Стійкість
Гаусова ефективність
Ефективінсть
при розкиданих «хвостах»
Стійкість і ефективність
Середнє арифметичне
Малий
Великий
Ні
Ні
100%
100%
Погана
Дуже погана
Погана
Дуже погана
Медіана
Малий
Великий
Так
Так
Висока
62%
Досить висока
Досить висока
Висока
Помірна
Бівес -оцінка
Малий
Великий
Так
Так
Непогана
90%
Досить висока
90%
Висока
Висока
Отже, якщо зневажити зовсім малими вибірками, бівес-оцінка має всі бажані властивості й може бути рекомендована для практики. У ситуаціях, де досить помірної ефективності, а також у випадку малих вибірок обсягом 3-5 краще працювати з медіаною. Середнє ж потрібно використовувати досить обережно, коли немає викидів, «хвости» розподілу короткі й т.п. Таким чином, практика прогнозування чисельності різних видів тільки за допомогою середнього неадекватна реальної ситуації.
Якщо емпірична інформація отримана з низькою точністю, то важко очікувати гарної якості від прогнозів, побудованих на її основі (незалежно від використовуваного методу). 18
У прогностичних екологічних дослідженнях широко поширений опис і моделювання систем у кількісних шкалах (відносин або інтервалів). Разом з тим, найчастіше результати дослідження формуються в шкалах найменувань. Так, при описі динаміки ссавців (Єфімов, Галактионов, 1983) у моделі фігурують змінні, вимірювані в кількісних шкалах (чисельність популяції), результати ж моделювання й прогнози описуються в термінах змінних, вимірюваних у шкалі найменувань (у такі- то роки відбудеться спалах чисельності, а в такі- то — немає).
В екології, як правило, точність спостережень і вірогідність висновків у шкалах найменувань (наприклад, при роботі з бінарними даними) вище, чим у кількісних шкалах. Тому часто має сенс описувати й пророкувати параметри экосистем відразу в шкалах найменувань, минаючи проміжний етап досліджень у кількісних шкалах (роки сильного «цвітіння» водоймищ, спалахів чисельності популяцій шкідників та ін.).
Прогнози стану экосистем, як ми вже відзначали, можуть будуватися й у кількісних, і в якісних шкалах одночасно. Можна сказати, що в таких ситуаціях окремі предиктори «розмовляють» на різних діалектах мови прикладної математики. Але при цьому одні з них ніяк не використовуються для підвищення надійності інших.
Таким чином, розробка предикторів, а також алгоритмічного й програмного забезпечення системи екологічного прогнозування повинна вестися з обов'язковим обліком не тільки властивостей досліджуваної системи, але й обсягу, і якості (точності) наявної емпіричної інформації. Мистецтво модельєра часто спрямоване саме на те, щоб, з одного боку, будувати моделі, параметри яких визначаються в підсумку спостережень досить точно, а з іншого — щоб вони (моделі) представляли ще й практичну значимість.
продолжение
--PAGE_BREAK--