Розенберг Г.С., Шитиков В.К., Брусиловский П.М. Экологическое прогнозирование - файл n1.doc

приобрести
Розенберг Г.С., Шитиков В.К., Брусиловский П.М. Экологическое прогнозирование
скачать (302.9 kb.)
Доступные файлы (9):
n1.doc128kb.20.06.2003 20:53скачать
n2.doc297kb.08.12.2003 22:29скачать
n3.doc225kb.20.06.2003 22:32скачать
n4.doc131kb.20.06.2003 20:51скачать
n5.doc66kb.07.12.2003 18:37скачать
n6.doc85kb.13.06.2003 22:47скачать
n7.doc44kb.20.06.2003 20:52скачать
n8.doc81kb.20.06.2003 20:52скачать
n9.doc89kb.20.06.2003 21:42скачать

n1.doc

ГЛАВА 1. СПЕЦИФИКА ЭКОЛОГИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

1.1. ОСНОВНЫЕ ПОНЯТИЯ ЭКОЛОГИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

Их мудрецы, свой мир бескрайний

Поставив центром бытия,

Спешат проникнуть в искры тайны

И умствуют, как ныне я...

Валерий Брюсов

Экологическое прогнозирование, с одной стороны, можно рассматривать как "функцию" экологии, с другой - как составляющую экологического мониторинга, а с третьей - как раздел прогностики (науки о закономерностях разработки прогнозов). Поэтому одни понятия экологического прогнозирования являются собственно экологическими, другие имеют непосредственное отношение к мониторингу, третьи обладают общенаучной значимостью.

В литературе наблюдается значительное разноголосье в толковании и использовании некоторых прогностических терминов. Более того, понятие "детальность формулировки прогноза" (или какое-нибудь ему подобное), например, вообще отсутствует как в сборнике рекомендуемых терминов по прогностике, (Прогностика. Терминология, 1978), так и в основных руководствах по прогнозированию (Тейл, 1971; Лисичкин, 1972; Саркисян, Голованов, 1975; Саркисян и др., 1977; Рабочая книга.., 1982; Кашьяр, Рао, 1983; Горелова, Мельникова, 1986 и др.). Между тем, как будет показано ниже, оно является одним из основных понятий прогностики вообще, и экологического прогнозирования в частности. Поэтому предварительно имеет смысл привести ряд основных понятий и определений экологического прогнозирования, необходимых для дальнейшего изложения.
1.1.1. Терминология и необходимые определения

Термин "прогноз" - греческого происхождения. Это слово означает суждение о состоянии какого-либо объекта или явления в будущем.

Под экологическим прогнозированием понимается предсказание состояния такой системы, среди существенных элементов которой фигурирует хотя бы одна биотическая компонента экосистемы (популяция, сообщество, синузия и пр.). Инструментом экологического прогнозирования является экологический предиктор - модель (не обязательно математическая), служащая для формирования экологического прогноза. Отдельный экологический предиктор, построенный модельером (под модельером здесь понимается человек, коллектив, организация, разрабатывающие модель, или программа, синтезирующая модель, и пр.), называется предиктором-индивидуумом (Брусиловский, 1987).

Пусть прогноз изменения показателя Y производится n отдельными предикторами-индивидуумами, построенными различными методами (или/и различными модельерами) и служащими для достижения одной цели. Организация их в коллектив может быть осуществлена либо путем комплексации прогнозов, либо путем комплексации самих предикторов. Под комплексацией прогнозов Y(1), ..., Y(n), полученных с помощью n предикторов-индивидуумов, будем понимать процесс разработки оптимального в некотором смысле прогноза Y* показателя Y, служащего той же цели и являющегося функцией исходных прогнозов:

Y* = F[Y(1), Y(2), ..., Y(n), X].

Прогноз Y*, полученный в итоге комплексации отдельных прогнозов Y(1), Y(2), ..., Y(n), будем далее называть коллективным прогнозом (коллективом предикторов).

Коллектив предикторов должен быть организован так, чтобы, во-первых, срабатывал эффект системности типа "целое больше суммы своих частей": надежность прогнозов коллектива предикторов должна быть выше надежности лучшего из предикторов-индивидуумов - членов коллектива. Во-вторых, прогнозы коллектива предикторов должны быть робастными: ошибки предсказаний малой доли предикторов-индивидуумов в коллективе, сколь значительными они бы ни были, должны несущественно сказываться на надежности комплексных прогнозов. В-третьих, для элиминации омнипотентности факторов в коллектив должны включаться самые "лучшие" и самые "непохожие" между собой предикторы-индивидуумы.

Таким образом, резерв повышения надежности экологического прогнозирования состоит в организации отдельных предикторов (включая экспертов) в коллектив (Брусиловский, Розенберг, 1983; Розенберг, 1984; Брусиловский, 1985; 1987). Здесь при построении прогнозов экстремум показателей качества ищется не только по параметрам отдельного предиктора и не только путем выбора лучшего среди заданного набора отдельных предикторов, но и по всевозможным их суперпозициям.

Одной из основных характеристик экологического прогноза нужно считать детальность формулировки прогноза. Детальность прогноза можно рассматривать в различных ракурсах: по структуре, параметрам и т.п. Далее более детальным будем считать прогноз, сформулированный в более сильной шкале. Прогноз, сформулированный в количественной шкале, - самый сильный, прогноз в ранговой шкале уступает ему, а прогноз в шкале наименований - самый слабый из всех существующих (в последнем случае говорят о прогнозе макросостояний системы).

Любой экологический предиктор состояния функционирующей системы разрабатывается с непосредственным использованием эмпирических данных, полученных с некоторым временным шагом наблюдений. Этот шаг характеризует детальность имеющейся апостериорной информации по оси времени.

Как правило, экологические предикторы синтезируются с целью выработки прогнозов с заданным шагом, характеризующим детальность формулировки прогноза по оси времени. В общем случае шаг наблюдений не совпадает с шагом прогноза. Из двух прогнозов состояния изучаемой системы, выполненных для одного и того же будущего момента времени, более детальным по времени будем считать тот, у которого шаг прогноза меньше.

Для целей данной работы более строгое определение детальности формулировки прогноза не потребуется. Будет достаточно его интуитивного воприятия: более детальный, значит, более подробный.

Отметим, что впервые, правда в ином контексте, подобные термины - "уровень детализации прогноза", "детализация языка моделирования" - конструктивно были использованы в методе группового учета аргументов (МГУА; Ивахненко, 1982; Ивахненко, Степашко, 1985). Экологический предиктор строится с использованием определенной информации о функционировании системы в течение некоторого прошлого отрезка времени. Величина этого отрезка называется периодом основания прогноза (Прогностика. Терминология.., 1978).

Промежуток времени, на который разрабатывается прогноз, называется периодом (временем) упреждения прогноза (Там же, 1978). Наряду с временем упреждения и детальностью формулировки другой важнейшей характеристикой любого прогноза является его надежность (точность, достоверность). Под надежностью прогноза будем понимать некоторую разумную меру отличия предсказанных состояний экосистемы от реализовавшихся в действительности. Конкретные меры отличия будут приведены в следующих главах. Здесь же уместно отметить, что общепризнанного определения надежности экологического прогноза нет и, вероятно, не может быть в принципе, в силу необозримого многообразия экосистем, целей и методов прогнозирования. Тем не менее можно утверждать, что с ростом времени упреждения при прочих равных условиях надежность прогнозов падает.

Оценивание надежности прогнозов называется верификацией (Прогностика. Терминология.., 1978). Методика верификации во многом определяется основными характеристиками прогноза. Унифицированной методики верификации экологических прогнозов не существует по тем же причинам. Поэтому для каждого случая предсказания, для каждой системы необходимо описывать порядок верификации прогнозов.

Можно назвать еще и принцип экономичности моделей экологического прогнозирования - выбор минимально возможного числа параметров модели при условии сохранения ее достаточной адекватности. Например, использование завышенного показателя степени полинома-предиктора в самоорганизующейся модели или порядка разности в модели авторегрессии приводит к росту дисперсии ошибок и к заметному росту дисперсии самого прогноза.

Время упреждения, детальность формулировки и надежность - основные характеристики экологического прогноза. Без их учета любые рассмотрения каких бы то ни было прогнозов просто бессмысленны. С другой стороны, этих характеристик достаточно для обсуждения многих содержательных задач. Например, какой может быть максимальная надежность прогноза состояния изучаемой системы при заданных времени упреждения и детальности формулировки? Какой должна быть наибольшая детальность формулировки прогноза при требуемых надежности и времени упреждения?

Наконец, последний термин, который имеет смысл здесь привести, - это система экологического прогнозирования. Такие системы предназначены для формирования по всей доступной информации максимально надежных экологических прогнозов; они включают в себя методы прогнозирования и средства их реализации. Систему экологического прогнозирования можно рассматривать как подсистему экологического мониторинга.

В системе экологического прогнозирования должен осуществляться синтез лучших достижений экологии, прогностики и информатики. В будущем подобные системы, возможно, смогут перерасти в экологические банки знаний и в автоматизированные системы управления рациональным природопользованием, включая в себя соответствующие экспертные системы.

1.1.2. Классификация экологических прогнозов

Существует обширная литература по классификации объектов прогнозирования, методов прогнозирования и самих прогнозов применительно к различным областям знаний (Тейл, 1971; Рабочая книга.., 1982). Однако сколько-нибудь обстоятельной классификации экологических прогнозов до сих пор не разработано. Поэтому, основываясь на классификации прогнозов функционирования сложных систем и собственного опыта, дадим классификацию экологических прогнозов, необходимую для дальнейшего изложения.

Все прогнозируемые системы и явления можно различать по шести основным признакам. Природа объекта моделирования и прогнозирования задает специфичность подходов (для экологических систем об этом говорилось выше). Можно добавить, что экосистемы - это объекты сложной природы, и методологической основой их изучения служит теория сложных систем (системология). По масштабности различают сублокальные (1-3 переменные), локальные (4-14), субглобальные (15-35), глобольные (36-100) и суперглобальные (более 100 переменных). В экологии для прогнозирования используют системы всех масштабов, однако наибольший интерес представляют различные варианты глобальных экосистем (число переменных более 15). Масштабность не имеет самостоятельного значения для выбора метода прогнозирования.

Она учитывается в совокупности со сложностью обработки информации о системе: сверхпростые системы (связей переменных практически нет), простые (только парные взаимосвязи), сложные (учитывается взаимовлияние 3 и более переменных) и сверхсложные (учитываются все взаимосвязи между переменными). Экосистемы принадлежат к сложным системам и качество прогноза прямо связано как с учетом большого числа переменных, так и всевозможных взаимосвязей этих переменных. Далее, для выбора метода прогнозирования важны степень детерминантности систем (детерминированные, стохастические и смешанные системы) и характер развития систем во времени (дискретные, апериодические и циклические системы). Экологические системы имеют существенную стохастическую составляющую и, практически, весь спектр характера развития. Например, американский эколог Р.Уиттекер (1980) приводит примеры разнообразных типов поведения популяций во времени: почти детерминированный характер смены деревьев дуба белого в дубово-гикориевом лесу, периодический характер распространения ели под воздействием штормовых ветровалов в Аппалачских горах, почти случайный характер "вспышек" численности саранчи или иван-чая на гарях, периодические колебания системы зайцы - рыси в Канадской Арктике и пр. Последний важный признак - это степень информационной обеспеченности. В шкале системы "черного ящика" (структура и поведение которых практически неизвестны) и "белого ящика" (о системах известно все) экологические объекты должны быть отнесены к типу "серого ящика", в "цветовой шкале" - скорее даже к темно-серому цвету.

В зависимости от величины периода упреждения, различают прогнозы краткосрочные, среднесрочные, долгосрочные и дальнесрочные. Однако в "количественном определении" последних царит неразбериха - в экономике, метеорологии, сельском хозяйстве (т.е. тех областях знания, в которых проблема надежного прогнозирования становится центральной) приняты свои стандарты "срочности". В экологии характерные времена многих процессов лежат в диапазоне от нескольких часов и суток (например, для популяции комаров) до нескольких веков (для ряда сукцессионных процессов в лесных биогеоценозах). Поэтому жесткая регламентация прогнозов по величине периода упреждения, измеренного в абсолютных временных единицах, в экологии бессмысленна. Понятия "срочности" экологических прогнозов относительны и зависят прежде всего от свойств изучаемой системы (процесса) и от детальности формулировки прогнозов по оси времени.

Критерием "срочности" экологического прогноза можно считать детальность его формулировки по оси времени. Прогнозы с периодом упреждения до 2-3 шагов будем называть краткосрочными, от 3 до 7 - среднесрочными, от 8 до 15 - долгосрочными. Однако такая классификация не учитывает свойств изучаемого процесса.

Если формулировка экологического прогноза содержит категорические утверждения о будущем состоянии системы, без каких бы то ни было указаний на степень неуверенности его осуществления, то такие прогнозы, так же как и в метеорологии (Груза, Ранькова, 1983), будем называть категорическими. В противном случае, т.е. когда вместе с формулировкой предсказываемого состояния системы указывается и некоторая мера неопределенности (неуверенности) его достижения (например, доверительный интервал), будем говорить о размытых (интервальных) прогнозах. Так, прогноз типа "в будущем году произойдет вспышка численности полевки" является категорическим, а прогноз типа "в будущем году вспышка численности полевки возможна с мерой принадлежности 0,74" - размытым.

Вслед за В.В.Налимовым (1983) будем делить экологические прогнозы на тривиальные и нетривиальные. О первых говорят в ситуации, когда предсказания относятся к ординарным проявлениям некой инерционной, устойчивой системы, а о вторых - когда речь идет об изменениях самой системы или о каких-то неординарных событиях в ней.

Как уже отмечалось, в зависимости от типа шкалы, в которой формируются прогнозы (т.е. по уровню детализации), различают прогнозы нормальные, ранговые, количественные.

В системологии выделяют структуру системы и ее поведение (Флейшман, 1982); в соответствии с этим имеет смысл различать прогнозы структуры экосистемы и прогнозы ее поведения (Розенберг, 1984). Например, исследования Н.С.Абросова с соавторами (1982) по экологическим механизмам сосуществования и видовой регуляции можно трактовать как прогнозы видовой структуры сообществ, а исследования по динамике численности популяций грызунов (Максимов, 1984) - как прогнозы поведения популяций мелких животных.

Часто математики строят абстрактные модели сообществ (или экосистем), основываясь только на априорных представлениях (Свирежев, Логофет, 1978; Базыкин, 1985 и мн.др.), и получают с их помощью качественный прогноз. Прогнозы, полученные с помощью подобных моделей, вслед за В.И.Беляевым (1978), будем называть априорными, а полученные с использованием эмпирической информации - апостериорными.

Различают прогнозы положительные и отрицательные (Беляев и др., 1986). Последние формируются теорией потенциальной эффективности сложных систем (Флейшман, 1982) и дают представление о том, каких состояний экосистема не может иметь в принципе при заданных ограничениях. Положительные прогнозы, наоборот, несут информацию только о возможных состояниях изучаемой системы.

Кроме того, выделяют прогнозы точечные и распределенные (Ивахненко, 1982), поисковые и нормативные (Прогностика. Терминология.., 1978; Большаков, 1983). Если в процессе прогнозирования изучаемая экосистема считается однородной, то говорят о точечных прогнозах; в противном случае, прогнозы называются распределенными. Поисковые прогнозы отвечают на вопрос: что вероятнее всего произойдет с экосистемой при сохранении существующих тенденций? В противоположность поисковым, нормативные прогнозы служат для ответа на вопрос: какими путями можно достичь желаемого состояния? Нормативное прогнозирование широко используется в настоящее время при исследовании биосферы (Крапивин и др., 1982; Моисеев и др., 1985).

Анализ обширной литературы позволяет сделать вывод о том, что экология на современном этапе своего развития представляет собой мультипарагматическую (Кун, 1977) науку с четырьмя симбиотическими парадигмами (Брусиловский, 1985). Их можно назвать вербальной, функциональной, эскизной и имитационной (три последние соответствуют классификации методов моделирования и прогнозирования; см. Беляев и др., 1979; Флейшман и др., 1982; Розенберг, 1983; 1984). При прогнозировании соотояния экосистем каждая из этих парадигм порождает целое множество разнообразных моделей (предикторов), различающихся по назначению, используемой информации, технологии конструирования и т.п.

Предикторы, порожденные той или иной парадигмой экологического прогнозирования, будем называть по имени этой парадигмы. Аналогично, имя парадигмы иногда будем присваивать и прогнозам, построенным с помощью соответствующего предиктора. Так, вербальные прогнозы формируются с помощью вербального предиктора (порожденного вербальной парадигмой). В том же смысле имя парадигмы будем употреблять иногда и перед термином "прогнозирование". Например, можно говорить об имитационном прогнозе, имитационном предикторе, имитационном прогнозировании.

Вербальная парадигма. Первой исторически сложившейся парадигмой экологического прогнозирования является вербальная парадигма. До начала периода интенсивной математизации экологии она была господствующей парадигмой, а сама экология - монопарадигматической наукой. В настоящее время ситуация существенно изменилась, парадигм стало четыре, однако вербальная - единственная из них, которая не опирается на математическое моделирование. Вербальные прогнозы могут быть достаточно размытыми.

Вербальные предикторы, как правило:

- основаны на представлениях о причинно-следственных связях;

- строятся профессиональными экологами, хорошо знающими объект прогнозирования;

- формулируются на естественном языке;

Основную предпосылку вербальной парадигмы можно сформулировать так: успех прогнозирования заключается в раскрытии причинно-следственных связей средствами классической экологии без использования возможностей математического моделирования.

К вербальной парадигме относятся работы по прогнозированию: численности животных (Максимов, 1984), состояния леса (Кулагин, 1980а,б; 1985), динамики планктонных популяций (Ащепкова, Кожова,

1985) и т.п. Предикторы этой парадигмы использовались и продолжают использоваться как при поисковом, так и при нормативном прогнозировании.

Надежность вербальных предикторов при одних и тех же характеристиках прогноза существенно зависит от объектов прогнозирования. Примером неудачных прогнозов на основе вербальной парадигмы служат предсказания продуктивности основных групп гидробионтов в водохранилищах бывшего СССР (Николаев, 1980; Федоров, 1983; Кожова, 1984) - фактические значения продуктивности отличаются от предсказанных в среднем в 5-10 раз. При этом, как уже отмечалось, катастрофических цветений воды вообще не предусматривалось.

Краткосрочные агрегированные по структуре вербальные прогнозы численности хорошо изученных, относительно стабильных и более-менее автономных популяций организмов могут оказаться достаточно надежными. Детальность формулировки среднесрочных и долгосрочных вербальных прогнозов для обеспечения приемлемой надежности должна быть очень низкой.

Функциональная парадигма. Существование функциональной парадигмы экологического прогнозирования связано с функциональным подходом, широкораспространенным в современной науке. В экологии функциональный подход начал применяться достаточно давно (трудно даже перечислить все работы с экологическими прогнозами в рамках классического регрессионного анализа). Однако становление функциональной парадигмы экологического прогнозирования произошло после появления методов группового учета аргументов - МГУА (Ивахненко, 1982 и др.).

Методологической основой функциональной парадигмы является тезис о том, что практически вся информация об изучаемой экосистеме заключена в экспертных данных и исследователю остается только умело ее извлечь. Иначе говоря, основная предпосылка функциональной парадигмы состоит в следующем: все сведения о причинах развития экологического процесса содержатся в его реализации. Таким образом, предпосылки вербальной и функциональной парадигм отчасти противоположны.

В принципе, успешное прогнозирование без понимания происходящего, без раскрытия причинно-следственных связей в настоящее время считается вполне возможным (Редкозубов, 1981; Ивахненко, 1982; Кожова, Павлов, 1982; Резников, 1982; Большаков, 1983; Розенберг,

1984), и потому функциональные предикторы имеют право на существование.

При функциональном прогнозировании механизм функционирования экосистемы в моделях явно не отображается. Функциональные предикторы, как правило:

- применяются при поисковом прогнозировании;

- строятся с помощью ЭВМ и представляют собой модели "черного ящика";

- формируются на языке того же уровня, на котором получены экспериментальные данные;

- не обладают объяснительной силой и какой бы то ни было общностью;

- алгоритмы же синтеза функциональных предикторов, напротив, достаточно универсальны;

- самые доступные и самые дешевые.

Аппарат функциональной парадигмы разнообразен. Это регрессионный, корреляционный и факторный анализы, теория планирования эксперимента, эволюционное моделирование, анализ временных рядов, кластерный анализ и т.п. Особое место в этом аппарате занимает МГУА. Подход к моделированию, основанный на принципах самоорганизации, представляет собой процесс построения предиктора оптимальной сложности, происходящий при незначительном участии модельера и не требующий больших массивов апостериорной информации (Ивахненко, 1982; Ивахненко, Степашко, 1985; Ивахненко, Юрачковский, 1987).

Функциональные предикторы самоорганизующегося типа сейчас широко применяются для предсказания состояния различных популяций, сообществ, экосистем. В качестве примеров можно назвать следующие функциональные предикторы: численности нерестовой популяции посольского омуля (Герцекович, Топорков, 1986), динамики численности видов рода Melosira (Брусиловский, 1987), дендрохронологических рядов (Розенберг, Феклистов, 1981; 1982), продуктивности естественных растительных сообществ (Кононов, Розенберг, 1981; Бармин, 1993) и агроценозов (Герцекович, Усов, 1982), состояния экосистемы оз.Байкал (Ивахненко и др., 1980; Ивахненко, 1982).

Примеры удачных экологических функциональных прогнозов достаточно многочисленны. Однако в силу специфики экологического прогнозирования и функциональной парадигмы ее применимость при разработке любых нормативных, а также долгосрочных экологических прогнозов достаточно ограничена. Наиболее целесообразно функциональные предикторы использовать в кратко- и среднесрочном поисковом прогнозировании. Надежность таких прогнозов может быть достаточно высокой. При этом имеющаяся апостериорная информация накладывает принципиальные ограничения на детальность формулировки функциональных прогнозов.

И еще одно замечание. Н.Н.Моисеев (1983; 1986) выделяет два механизма развития экологических процессов (систем):

- дарвинский, когда эволюция экосистемы обусловлена медленным накоплением новых количественных особенностей;

- квазидарвинский (бифуркационный), когда при определенных значениях параметров системы нарушается однозначный ход ее развития, возникает бифуркация. В этом случае дальнейший ход развития экологического процесса становится непредсказуемым - его эволюцию определит сколь угодно малое случайное возмущение.

Функциональная парадигма не в состоянии изучать бифуркационные механизмы - она предназначена для предсказания экологических процессов, динамика которых формируется только дарвинскими механизмами.

Эскизная парадигма. Эскизная (термин "эскизная модель" принадлежит В.В.Налимову, 1971) парадигма экологического прогнозирования предписывает модельерам строить предикторы, в которых механизм функционирования экосистемы в интересующем исследователя аспекте отражен лишь на макроуровне. При этом, как правило:

- модельер, заказчик и пользователь - одно и то же "лицо";

- в модели учитывают небольшое число переменных и параметров, характеризующих экосистему;

- имитируется явление одной биофизической природы;

- коэффициенты модели имеют экологический (биофизический) смысл;

- для анализа модели не требуется применение ЭВМ;

- экспериментальные данные явно при построении модели не используются (в этом смысле эскизные предикторы являются априорными);

- в предикторе находят отражение только некоторые существенные (с точки зрения модельера) элементы структуры экосистемы;

- эскизные прогнозы носят качественный характер и обладают достаточно высокой общностью.

Методы построения эскизных предикторов также достаточно разнообразны. Но наиболее широко применяются аппараты дифференциальных и других уравнений, теории вероятностей.

Примером прогнозных исследований, выполненных в рамках эскизной парадигмы, могут служить классические исследования В.Вольтерра и А.Лотки и работы по прогнозированию вспышек численности лесных насекомых (Исаев и др., 1984; Недорезов, 1986).

Эскизные прогнозы могут быть как краткосрочными, так и долгосрочными; как поисковыми, так и нормативными. Однако детальность их формулировки, как правило, не высокая. Методика оценки надежности эскизных прогнозов должна учитывать прежде всего качественные аспекты совпадения предсказанных и фактических состояний изучаемой экосистемы.

Основное достоинство эскизной парадигмы состоит в возможности исследования бифуркационных механизмов динамики экологических систем. Можно сказать, что это - прерогатива эскизных предикторов. Экологические концепции в настоящее время формируются в основном вербальной и эскизной парадигмами.

Имитационная парадигма. Имитационная парадигма экологического прогнозирования индуцирована применением в экологии нового мощного инструмента системного анализа - имитационного моделирования сложных систем. Имитационное моделирование дает возможность проследить эволюцию исследуемой системы как бы "изнутри", получить оценку ее целостных характеристик при достаточно широком спектре воздействия и в ситуациях, которые либо в данный момент, либо принципиально нельзя осуществить на практике.

При имитационном моделировании в модели сквозь призму цели исследования достаточно полно отображаются "глубинные" свойства экосистемы - множество ее структур и механизм функционирования. При этом, как правило:

- модельер, заказчик и пользователь - различные "лица";

- в модели учитывается огромное число переменных и параметров экосистемы;

- имитируется множество явлений совершенно различной физической (экологической) природы;

- большинство коэффициентов модели имеет экологический (физический) смысл;

- модель оказывается существенно машинной - представляет собой комплекс программ для ЭВМ, построенных по модульному принципу, и включает специальную систему математического обеспечения с соответствующей периферией, позволяющей работать с моделью в диалоговом режиме;

- при разработке модели применяются как априорная информация, так и экспериментальные данные;

- модель служит для изучения совокупности целостных характеристик, используется как средство системного экспериментирования с экосистемой и имеет скорее практическую, чем теоретическую значимость.

Имитационные предикторы широко используются при прогнозировании состояния биосферы (Крапивин и др., 1982; Моисеев и др., 1985), водных экосистем (Меншуткин, 1971; Горстко, 1979), наземных экосистем (Гильманов, 1978; Розенберг, 1984), других экологических объектов.

Имитационные предикторы могут формировать свои прогнозы для широкого диапазона времени упреждения и используются как при поисковом, так и при нормативном прогнозировании. При этом детальность формулировки прогнозов может быть очень высокой.

Недостатком имитационного моделирования является субъективный момент, вносимый исследователем при построении модели, - "навязывание" своих представлений о характере поведения системы (Брусиловский, Розенберг, 1981; Свирежев, 1981; Ивахненко, Степашко,

1985). Этого недостатка в значительной степени лишены предикторы МГУА. Еще один недостаток имитационных предикторов состоит в их большой стоимости и высокой длительности разработки.

Выделенные парадигмы экологического прогнозирования отличаются друг от друга по многим признакам. Основные из них - это роль ЭВМ в разработке предиктора и формировании прогнозов и уровень формализации представлений о механизме функционирования экосистемы (табл. 1.1).
Таблица 1.1

Характеристика парадигм экологического прогнозирования


Парадигма

Характеристика

участие ЭВМ в построении прогнозов

формализация причинно-следственных связей

Вербальная

-

-

Функциональная

+

-

Эскизная

-

+

Имитационная

+

+

1.1.3. Экосистема как объект прогнозирования

Некоторая неопределенность будущего состояния подавляющего числа экосистем не может быть полностью снята силой современной науки. Можно отметить несколько причин неустранимости этой неопределенности.

Во-первых, она связана со значительными ошибками и малочисленностью измерений различных экологических процессов (параметров). Действительно, длина экологических временных рядов редко превышает 20-30 наблюдений. При этом их точность часто настолько низка, что даже теряется смысл измерений в количественных шкалах.

Во-вторых, неопределенность имеет место и из-за наличия "лакун Свирежева" (Свирежев, 1981; Федоров, 1983), обусловленных неполнотой наших знаний механизма функционирования экосистем. В.И.Ленин писал: "... человеческое понятие причины и следствия всегда несколько упрощает объективную связь явлений природы, лишь приблизительно отражая ее, искусственно изолируя те или иные стороны одного единого мирового процесса" (Полн.соб.соч., т. 18, с. 160).

В настоящее время, по-видимому, наиболее существенными являются лакуны в информационной структуре сообществ. Существует мнение (Левич, 1983), что "лингвистическое видение" экологии может значительно изменить наши представления об экосистемах, и как следствие этого, наше понимание того, какие факторы являются значимыми в экологическом прогнозировании.

В-третьих, неопределенность будущего состояния может быть обусловлена внутренним свойством экосистем и связана с независимостью их динамики от начального состояния.

В-четвертых, один из основных итогов математизации экологии состоит в осознании принципиальной непредсказуемости состояния многих экосистем. Используя три основные характеристики прогноза, итог можно сформулировать точнее: при задании любых двух характеристик существует такое значение третьей, достижение которого невозможно в принципе. В частности, при определенных времени упреждения и детальности формулировки прогноза достижение приемлемой надежности для целого ряда экосистем невозможно принципиально.

Например, пусть эволюция экосистемы описывается моделью

dx/dt = X (x, , ),

где х - вектор фазовых координат, - параметр системы, - случайное воздействие, X - некоторый нелинейный оператор, и пусть *- точка бифуркации системы, из которой исходят несколько ветвей решения уравнения. Если система функционирует вблизи точки бифуркации, то возникает вопрос: по какой из ветвей пойдет ее дальнейшая динамика? Но это определит сколь угодно малое случайное возмущение. Поэтому при такой детальности формулировки прогноза (указании соответствующей ветви) достичь разумной надежности невозможно в принципе, причем практически ни при каком периоде упреждения (Моисеев, 1986).

Еще один пример. Рассмотрим экосистему, моделью функционирования которой является динамическая система со странным аттрактором (см., например, Алексеев, Корниловский, 1982; Розенберг,

1985). Пусть необходимая детальность прогноза состояния такой системы соответствует указанию значений координат точки, описывающей ее поведение в фазовом пространстве. Если эта точка находится внутри притягивающей области, то разумная надежность таких прогнозов также не достижима в принципе (Алексеев, 1976; Монин, 1978).

Осознание этого факта непредсказуемости состояния ряда систем трудно переоценить. Его понимание в прогностике, по-видимому, можно сравнить с пониманием невозможности создания вечного двигателя в механике.

Непредсказуемость поведения траекторий, выбранных заданием начальных условий со сколь угодно высокой (но конечной) точности, служит принципиальным препятствием на пути долгосрочного экологического прогнозирования. Один из авторов открытия странных аттракторов, Э.Лоренц, назвал этот эффект непредсказуемости поведения динамических систем "баттерфляй-эффектом": пусть атмосфера описывается динамической системой со странным аттрактором, тогда даже ничтожное изменение начальных условий, вызванное взмахом крылышек бабочки, приведет к катастрофическим для долгосрочного прогноза погоды последствиям. Для подобных систем имеют смысл только краткосрочные прогнозы.

Все вышеизложенное приводит к выводу о принципиальном ограничении предсказуемости структуры и поведения экосистем (Алексеев, 1976; Моисеев, 1983; Шапиро, Луппов, 1983; Базыкин, 1985).

Анализ обширной литературы по динамике численности реальных и модельных популяций, сообществ и экосистем позволяет сделать следующие выводы:

1. существуют факторы, которые в основном не влияют на динамику экосистем, но иногда оказываются значимыми;

2. для каждой фазы динамики экосистем определяющими являются свои собственные факторы;

3. характер и уровень связей для различных фаз динамики экосистем существенно различаются;

4. многие обнаруженные закономерности, как бы они вначале ни были хороши, со временем разрушаются (становятся не соответствующими действительности).

В определенном смысле аналогичные выводы имеют место при изучении динамики многих и экономических, и метеорологических систем (Тейл, 1971; Лукашин, 1979; Редкозубов, 1981; Цигичко, 1986). Однако чрезвычайно низкая точность измерений, а также острый дефицит апостериорной информации в целом характерны лишь для экологического прогнозирования.

1.2. ОСНОВНЫЕ ПРОБЛЕМЫ ЭКОЛОГИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

С солнцем смотрим, с небом плачем,

С ветром лугом шелестим...

Что мы знаем? Что мы значим?

Мы - цветы! Мы - миг! Мы - дым!

Валерий Брюсов

Качество и тип любой модели (предиктора) определяются следующими обстоятельствами (Брусиловский, 1985; 1987):

- целью исследования;

- объемом знаний об исследуемой системе, находящихся в распоряжении модельера;

- объемом ресурсов, имеющихся в распоряжении модельера (например, количеством времени, отведенным на разработку модели, типом ЭВМ, числом системных программистов и т.п.);

- парадигмой, к которой принадлежит модельер;

- опытом и талантом модельера.

Оценку современного состояния экологического прогнозирования можно пытаться осуществить двумя естественными путями, считая при обсуждении прогностического исследования первичным признаком метод или объект прогнозирования. Однако при ближайшем рассмотрении оба эти пути оказываются нереалистичными, так как в экологии применяются около 100 методов прогнозирования, разнообразие же объектов прогнозирования значительно больше.

Приемлемым здесь оказывается третий путь, связанный с оценкой успехов и неудач использования предикторов, порожденных различными парадигмами экологии. При этом всю проблематику экологического прогнозирования условно можно разделить на две группы: первая обусловлена сбором и обработкой первичной информации, вторая - сложностью экосистем и несовершенством традиционной методологии экологического прогнозирования. Остановимся вкратце на каждой группе проблем в отдельности.

1.2.1. Проблемы, индуцированные сбором и обработкой первичной информации

Прогнозирование состояний функционирующей экосистемы возможно лишь при наличии достаточного объема данных наблюдений, характеризующих ее структуру и поведение. Если таких данных совсем мало, то никакой математический аппарат, никакая ЭВМ здесь не помогут. Единственный выход в таких ситуациях - собрать недостающую информацию. С другой стороны, до самого последнего времени наблюдение над отдельными экологическими параметрами (и экосистемами в целом) осуществлялось бессистемно, и поэтому имеют место информационные лакуны, о которых пишет Ю.М.Свирежев (1981). Заполнение таких лакун - задача чрезвычайно трудная, а часто и неосуществимая.

Минимальный объем данных наблюдений, при котором имеет смысл построение соответствующего предиктора, существенно зависит от требуемого периода упреждения, детальности формулировки и надежности разрабатываемых прогнозов, а также специфики поведения изучаемой системы (предсказываемой переменной). Несмотря на то, что в настоящее время в рамках функциональной парадигмы существуют методы прогнозирования коротких временных рядов, их повсеместное применение в экологии требует осмотрительности. Например, при наличии даже 100 наблюдений без лакун (а эта цифра для экологического исследования внушительна!) говорить о среднесрочном прогнозе имеет смысл лишь в ситуации, когда в соответствующий интервал наблюдений (100 точек) 2-3 раза укладываются характерные времена изучаемой переменной. Для краткосрочного прогнозирования это условие излишне: такие прогнозы можно пытаться строить уже при 20-30 наблюдениях и, как правило, независимо от специфики изучаемой системы. Правда, для такого объема исходной эмпирической информации одни методы прогнозирования не работают вообще (например, спектральный анализ; Тутубалин, 1983), а другие хотя и применимы, но в отдельности не обеспечивают приемлемой надежности выводов.

В силу уникальности всех экологических объектов системы экологического прогнозирования не могут быть ориентированы на широкий класс объектов прогнозирования. Рассмотрим, например, насколько адекватен подход к прогнозированию численности некоторого вида только с помощью среднего значения.

Среднее является неустойчивой статистикой. Статистика называется устойчивой, если при изменении малой доли данных (неважно какой и сколь сильно) существенных изменений в суммирующей статистике не происходит (Мостеллер, Тьюки, 1982). Если в данных изменится какое-нибудь одно значение на n единиц, то среднее изменится в том же направлении на n/m единиц, m - объем выборки.

Примером устойчивой статистики может служить медиана. На медиану не влияют величины "больших" и "малых" значений: она терпима к нарушениям нормальности на "хвостах" распределения. Однако кроме робастности (устойчивости) к предпосылкам, "хорошая" статистика должна обладать еще и свойством робастности к эффективности, т.е. высокая эффективность оценивания должна гарантироваться при широком варьировании ситуаций.

Ф.Мостеллер и Дж.Тьюки (1982, с. 214) приводят важную для практики таблицу свойств некоторых статистик центральной тенденции, которую имеет смысл здесь воспроизвести (см. табл. 1.2).

Таблица 1.2

Устойчивость и робастность к эффективности

некоторых статистик центральной тенденции

Статистика

Объем выборки

Устойчи-

вость

Гауссова эффек-тивность

Эффективность при разбросанных "хвостах"

Робастность к эффективности

Арифмети-ческое

среднее

малый

большой

нет

нет

100%

100%

плохая

очень плохая

плохая

очень

плохая

Медиана

малый

большой

да

да

высокая

62%

достаточно

высокая

достаточно

высокая

высокая

умеренная

Бивес-

оценка

малый

большой

разумно

да

неплохая

90%

достаточно

высокая

90%

высокая

высокая

Следовательно, если пренебречь совсем малыми выборками, бивес-оценка обладает всеми желаемыми свойствами и может быть рекомендована для практики (подробнее эта статистика исследуется в разд. 2.1). В ситуациях, где достаточно умеренной эффективности, а также в случае малых выборок объемом 3-5 лучше работать с медианой. Среднее же нужно использовать достаточно осторожно, когда нет выбросов, "хвосты" распределения коротки и т.п. Таким образом, сложившаяся практика прогнозирования численности различных видов только с помощью среднего неадекватна реальной ситуации.

Если эмпирическая информация получена с низкой точностью, то трудно ожидать хорошего качества от прогнозов, построенных на ее основе (независимо от используемого метода).

В прогностических экологических исследованиях широко распространено описание и моделирование систем в количественных шкалах (отношений или интервалов). Вместе с тем, зачастую результаты исследования формируются в шкалах наименований. Так, при описании динамики млекопитающих (Ефимов, Галактионов, 1983) в модели фигурируют переменные, измеряемые в количественных шкалах (численность популяции), результаты же моделирования и прогнозы описываются в терминах переменных, измеряемых в шкале наименований (в такие-то годы произойдет вспышка численности, а в такие-то - нет).

В экологии, как правило, точность наблюдений и достоверность выводов в шкалах наименований (например, при работе с бинарными данными) выше, чем в количественных шкалах. Поэтому часто имеет смысл описывать и предсказывать параметры экосистем сразу в шкалах наименований, минуя промежуточный этап исследований в количественных шкалах (годы сильного "цветения" водохранилищ, вспышек численности популяций вредителей и пр.).

Прогнозы состояния экосистем, как уже отмечалось, могут строиться и в количественных, и в качественных шкалах одновременно. Можно сказать, что в таких ситуациях отдельные предикторы "разговаривают" на различных диалектах языка прикладной математики (термин В.В.Налимова, 1979). Но при этом одни из них никак не используются для повышения надежности других.

Таким образом, разработка предикторов, а также алгоритмического и программного обеспечения системы экологического прогнозирования должна вестись с обязательным учетом не только свойств изучаемой системы, но и объема, и качества (точности) имеющейся эмпирической информации. Искусство модельера часто направлено именно на то, чтобы, с одной стороны, строить модели, параметры которых определяются в итоге наблюдений достаточно точно, а с другой - чтобы они (модели) представляли еще и практическую значимость.

1.2.2. Проблемы, порожденные сложностью экосистем и традиционной методологией экологического прогнозирования

В экологии стала стандартной ситуация, когда изучение системы и построение прогнозов ее состояния осуществляется (или может осуществляться) одновременно всеми парадигмами. При этом каждая из них индуцирует разработку достаточно большого числа разнообразнейших и не стыкующихся между собой моделей (предикторов).

Например, прогнозы состояния планктонных сообществ оз.Байкал можно получить с помощью трех совершенно различных имитационных моделей (Ащепкова и др., 1978а, б; Горстко и др., 1978), нескольких эскизных моделей (например, Власова, 1977), вербального предиктора (Ащепкова, Кожова, 1985) и двух функциональных (Ивахненко и др., 1980; Чеберкус, 1985).

Прогнозы численности грызунов (полевки) могут осуществляться с помощью имитационного (Бененсон, Жигальский, 1982), функционального (Ефимов, Галактионов, 1983), вербального (Методы прогноза развития.., 1978; Груздев, 1980) предикторов.

Аналогичная ситуация имеет место при изучении динамики биосферы с помощью эскизных (Крапивин, 1978; Кибзун, 1983), имитационных (Крапивин и др., 1982; Моисеев и др., 1985) и многочисленных функциональных (например, Лит, 1974; Петропавловский и др., 1978) предикторов.

Специфика экологического прогнозирования на современном этапе состоит прежде всего в видении одного и того же феномена с помощью множества различных и более-менее равноценных моделей (проявление принципа множественности моделей). Традиционный подход к прогнозированию заключается в выборе единственного, лучшего в каком-либо смысле предиктора и его эксплуатации.

В итоге полезная информация об изучаемой системе оказывается рассредоточенной по целому ряду отдельных источников и используется нерационально. Принципы системологии (см. Введение), имеющие важное значение для экологического прогнозирования, часто просто игнорируются. В процессе разработки прогнозов межпарадигмальная комплексация методов и алгоритмов отсутствует. Что делать с прогнозами, полученными с помощью различных предикторов, неясно. По-видимому, существует целый спектр "элементарных" механизмов функционирования экосистем, каждый из которых реализуется только при отдельных условиях. Смешиваясь друг с другом, они образуют реальный механизм функционирования (генерации наблюдаемых временных рядов). Например, для популяций насекомых элементарными механизмами могут служить воздействие энтомофагов, специализированных хищников и паразитов, эпизоотии и, наконец, внутривидовая конкуренция (Исаев и др., 1984). В отдельных же предикторах отображаются, как правило, лишь некоторые из элементарных механизмов.

В.В.Налимов (1983) в качестве одного из главных недостатков существующей методологии экологического прогнозирования отмечает потенциальную возможность омнипотентности тех факторов, которые не включены в модель вследствие их малой значимости в прошлом. В связи с этим он считает собственно экологическое прогнозирование фактически бессмысленным, и в качестве ослабленного варианта предлагает слежение за состоянием экосистем (так называемый паттерн-анализ). Однако переменные паттерна опять же выбираются только из соображений их значимости в прошлом или экспертным путем, и поэтому проблема омнипотентности тем самым не снимается. Кроме того, паттерн экосистемы существенно зависит от шага слежения: корреляционные паттерны среднедекадных, среднесезонных и среднегодовых значений могут сильно различаться. В качестве примера укажем на наблюдавшиеся совершенно различные паттерны луговых растений на Южном Урале, как в разные годы, так и при различном воздействии на них (Миркин, Розенберг, 1977; Янтурин, 1978). Даже для фиксированного шага слежения структура паттерна может резко меняться во времени при нормальном функционировании системы.

Омнипотентность факторов проявляется в контринтуитивном поведении экосистемы - в целом наша интуиция оказывается плохим помощником при разработке экологических прогнозов. Омнипотентность факторов - объективно существующее явление, и поэтому его обязательно нужно принимать во внимание. Однако в традиционной методологии экологического прогнозирования приемов борьбы с омнипотентностью, по существу, нет.

В последние годы для обеспечения задач прогнозирования разработано достаточно много различных библиотек и пакетов прикладных программ (см., например, Справочник по типовым.., 1980; Алгоритмы и программы..., 1984; Дайитбегов и др., 1984; Пакет прикладных.., 1984; Семенов, 1984; Ивахненко, Степашко, 1985; Брусиловский, Фридлянд, 1986; Енюков, 1986; Загоруйко и др., 1986) Основной недостаток имеющихся пакетов по прогнозированию состоит в том, что прогноз конкретного временного ряда строится в рамках только одного алгоритма. Иначе говоря, предполагается, что истинный механизм генерации этого ряда является единственным и что он хорошо аппроксимируется одним из алгоритмов, имеющихся в применяемом инструментарии. Как уже отмечалось выше, для экосистем это скорее исключение, чем правило.

Таким образом, для эффективного функционирования системы экологического прогнозирования необходимо такое алгоритмическое и программое обеспечение, которое бы позволяло:

- работать с небольшими выборками данных, полученных со значительной погрешностью;

- использовать приемы борьбы с омнипотентностью факторов;

- учитывать неформальное знание и видение одного и того же феномена с помощью целого множества различных и более-менее равноценных моделей, возможную "разношкальность" предикторов, отсутствие унифицированной и общепризнанной методики оценки их качества;

1.2.3. Проблемы создания коллективов предикторов

Практически любая модель содержит как "рациональное зерно", так и "шелуху". Возникает естественное желание агрегировать всю полезную информацию (или, по крайней мере, ее большую часть) в одной интегральной модели - предикторе-гибриде. Задача агрегации полезной информации сводится к задаче организации отдельных моделей исследуемой экосистемы в коллектив (Брусиловский, 1987), т.е. превращении конгломерата моделей в систему моделей. При этом возникает системный эффект - появление у гибрида таких свойств, которые не присущи составляющим элементам (отдельным моделям). Одна из причин, в силу которых качество гибрида может превзойти качество отдельных моделей, входящих в коллектив, состоит в возможности осуществления в рамках коллектива моделей межпарадигмальной гибридизации различных способов, методов и идей. Другая причина состоит в возможности осуществления взаимной коррекции поведения отдельных членов коллектива моделей, улучшающих их совместное функционирование.

Отдельные модели одной и той же системы, порожденные различными парадигмами, можно рассматривать как различные узкоспециализированные инструменты познания. При организации таких моделей в коллектив автоматически реализуется принцип "разделения труда". Существующая практика производства убеждает в необходимости использования этого принципа и при проведении модельного исследования сложных систем. Возможность реализации принципа разделения труда также является аргументом в пользу организации отдельных моделей в коллектив.

Р.Левинс (Levins, 1970) считает, что в моделях происходит обмен между всеобщностью, точностью и реалистичностью. Причем усиление одной из этих позиций в рамках одной модели может быть достигнуто лишь в ущерб другим. Отсюда следует, что усиление всех позиций одновременно возможно лишь в рамках коллектива моделей.

Новая методология предполагает изменение всей совокупности приемов исследования, осуществляемых в рамках экологического прогнозирования. Она включает в себя три этапа:

- коллективизацию (проектирование коллектива предикторов);

- комплексацию (построение соответствующего предиктора-гибрида из предикторов-индивидуумов - членов коллектива);

- эксплуатацию (формирование прогнозов с помощью построенного предтиктора-гибрида).

Комплексация в этих условиях становится ключевым этапом методологии прогнозирования коллективов предикторов.

ГЛАВА 1. СПЕЦИФИКА ЭКОЛОГИЧЕСКОГО ПРОГНОЗИРОВАНИЯ
Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации