Екологічні інформаційні системи (реферат)

Реферат

на тему:

Екологічні інформаційні системи

Зростання антропогенного навантаження на довкілля в другій половині ХX
ст. призвело до загострення багатьох екологічних проблем. Можливі
перспективи їх розв’язання пов’язані з реалізацію концепції «сталого
розвитку» – стабільного співіснування людства і природи. Важливі
елементи наданої концепції – збереження і відтворення ресурсної бази
сільського господарства, оптимізація застосування засобів хімізації
хліборобства, поліпшення структури землекористування на основі
об’єктивної характеристики агроекологічної ситуації. Все це вимагає:

– опрацювання алгоритмів оцінки стійкості екосистем;

– вивчення закономірностей їх динаміки;

– вдосконалення методики оцінки впливу на довкілля, включаючи
еколого-економічний прогноз.

Провідна роль у перелічених дослідженнях належить численним засобам.
Необхідно підкреслити роль системного аналізу як основного інструменту
дослідження геоекологічних систем різноманітного рівня, коли проведення
широкомасштабних натурних досліджень і експериментів неможливо або
ускладнено. Випущена в 1997 р. Міжнародним інститутом прикладного
системного аналізу (Luxembourg, Austria ) бібліографія налічує понад 50
тис. публікацій за останні 25 років, що свідчить про постійно зростаючий
інтерес до цих питань.

Математичне моделювання – один із основних інструментів системного
аналізу, що дозволить у низці випадків уникнути трудомістких натурних
експериментів, що дорого коштують. На основі результатів прогнозування
динаміки геосистем вирішуються питання раціонального застосування добрив
і засобів захисту рослин, проведення комплексної меліорації та
окультурювання полів, оптимізації структури землекористування та ін.
Ведуться дослідження у сфері організації «ландшафтного хліборобства» –
оптимізації сільськогосподарського використання земель залежно від
місцевих умов (рельєфу, клімату, ґрунтових умов, розміщення інших
господарських об’єктів).

Діапазон і масштаб процесів, що моделюються, дуже великий – від
глобальної екології до прогнозування динаміки окремих компонентів
агроценозів, тому при класифікації екологічних моделей використовуються
різноманітні підходи. Більшість авторів виділяють статичні та динамічні
моделі. Статичні моделі формалізують зв’язок між показниками без
врахування змінної часу. Динамічні моделі використовуються для оцінки
явищ у розвитку. Функціональні моделі відрізняються від емпіричних тим,
що враховують механізм процесу. Це дозволяє використати їх для прогнозу
станів об’єкту, що спостерігалися раніше. Відмінності між стохастичними
і детермінованими моделями випливають з їх назви. При описі невизначених
процесів у природних системах (агрометеорологічні умови, міграція
речовин за профілем ґрунтів, трансформація пестицидів, виділення
кордонів ґрунтових ареалів, виникнення спалахів хвороб рослин, динаміка
чисельності шкідників та ін.) рекомендується використати вірогідністні
підходи.

Найбільш часто застосовуються моделі: статистичні, математичної фізики
(дифузні), балансові динамічні, матричні, теорії дослідження операцій,
приватні типу» ресурс-споживач » і аналогічні їм, а також ціла група
дискретних математичних моделей. Статистичні моделі будуються на
допущенні, що процес, який досліджується, є випадковим і може бути
вивчений за допомогою статистичних засобів аналізу систем. Вони
включають емпіричні та динамічні статистичні моделі, кореляційний і
факторний аналіз, багатомірне шкалування, аналіз часових рядів. Для
зниження розмірності статистичних моделей використовується низка
засобів, наприклад, виділення головних компонент у регресивних рівняннях
і гармонійних рядах.

В історії опрацювання статистичних моделей продуктивності агроценозів
можна виділити декілька етапів: за узагальненими агрокліматичними
показниками; емпіричними рівняннями регресивного типу;
динаміко-статистичними і фiзико-статистичними моделями; комплексними
імітаційними моделями.

Засоби прогнозування врожаїв, основані на обліку агрокліматичних
ресурсів регіону, опрацьовуються в агрометеорології. Для оцінки
потенційної продуктивності використовуються величини балансу
фотосинтетичної активної радіації (ФАР), а також комплексні показники –
біокліматичний та гiдротермічний потенціали продуктивності.

Емпіричні моделі продуктивності агроценозів в основному представлені так
званими виробничими функціями. Вони являють собою регресивні рівняння,
що зв’язують кінцевий результат (урожай і показники його якості) з
діючими величинами. До виробничих функцій пред’являється низка вимог:
модель має враховувати основні фактори, що визначають вплив на урожай;
охоплювати широкий діапазон їх значень; апроксимуюча функція має
максимально відповідати реальним біологічним закономірностям.

Динамічні моделі призначені для прогнозування і оперативного управління
виробничим процесом з урахуванням обставин, що складалися. В основі
динамічного моделювання – опис системи за допомогою звичайних
диференційних рівнянь у часткових похідних, параметри яких визначають за
емпіричними даними.

Фiзико-статистичні моделі розглядають систему як сукупність взаємодіючих
елементів із випадковими властивостями. До моделі вводитися функція
розподілу показників стану і глобальна характеристика взаємодії
компонентів (ентропія, енергія або речовинний результат). Сфера
застосування моделей, що обмежується описом неструктурованих гомогенних
систем, коли необхідно оцінити вплив багатьох чинників на результуючу
ознаку. До фiзико-статистичних відносяться і так звані марковськi
моделі. Вони являють собою розвиток системи у вигляді розгалуженої
мережі станів. Ймовірності переходів у загальному випадку залежать не
стільки від поточного стану системи, скільки від того, як система його
досягла.

Комплексні імітаційні моделі покликані підвищити адекватність
агроекологічних прогнозів за рахунок повного використання емпіричних
даних. Імітаційні моделі призвані формалізувати за допомогою ЕОМ
будь-які емпіричні відомості про об’єкт. Причинно-наслідкові зв’язки в
імітаційних моделях просліджуються не до кінця. Це дозволяє аналізувати
системи в умовах великої розмірності та неповної інформації про їх
конструкцію, результативно використати знання предметної сфери.
Структура імітаційних систем, як правило, включає аналітичний опис
об’єкту, блоки експертних оцінок, імітації і обробки результатів
обчислювального експерименту.

Показано, що при побудові моделей геоекосистем регіонального рівня
найбільший ефект досягається використанням наступних класичних
властивостей складних систем:

1. Складним системам притаманно змінювати свою поведінку, переходячи із
одного квазiстаціонарного стану до іншого.

2. Для характеристики складної системи достатньо оцінити деяку групу її
властивостей (системоутворюючих чинників), що є важливими із погляду
функціонування системи більш високого рівня. Їх кількісні оцінки будуть
інтегральними показниками основних, найбільш важливих властивостей
системи, що характеризують її стан у цілому.

Теоретично обґрунтована і побудована загальна концепція, що дозволить
математично інтерпретувати сутність інтегральних показників при імітації
динаміки гео- і агроекологічних систем, запропонований алгоритм їх
побудови для клімату, агрометеорологічних умов, ґрунту та інших блоків.
Спеціальними засобами вирішується некоректне завдання оцінки чисельних
значень параметрів різноманітних блоків. Обрані та програмно реалізовані
засоби керуючих параметрів в алгебро-диференційних рівняннях з
«жорсткою» структурою при їх інтегруванні. Ці розробки використані в
Автоматизованій системі регіонального екологічного прогнозу (АСРЕП).
Вона призначена для оцінки зміни стану рослинності (у тому числі лісів і
сільськогосподарських культур), ґрунтів, запасів і якості ґрунтових вод,
гідромережі, забрудненості природно-територіальних комплексів розміром
від 50 до 5 000 км2. Розглядаються впливи різноманітних полютантів
(промислових, пестицидів, радіонуклідів та ін.), вирубування лісів,
зміна земельного фонду, внесення добрив, поливи, лісопосадки, випас
худоби, водозабори, дренаж, різноманітні меліорації, зміни характеристик
гідромережі внаслідок інженерної діяльності, міжрегіональні впливи,
тенденції зміни кліматичних та погодних умов. Дає прогноз стану
ресурсів, що відновлюються, терміном від 3 до 60 років і оцінює
ретроспективу розвитку ситуації; простежується динаміка понад 300
параметрів, що характеризують природне середовище.

За допомогою АСРЕП можна здійснювати інформаційну підтримку управління
продуктивністю сільського господарства і проводити оцінку впливу на
довкілля. Система сертифікована органами державного управління,
рекомендована до використання та широкого застосування для вирішення
практичних завдань, у тому числі при екологічному обґрунтуванні
стратегії розвитку хліборобства в Центральних регіонах на регіональному
рівні (Росія ); для комплексного прогнозу наслідків аварії на
Чорнобильській АЕС для сільського, водного і лісового господарства в
забруднених регіонах (Білорусь); для оцінки впливу на довкілля
зрошуваного хліборобства в басейні Аралу (Туркменістан ).

Розпізнання образів (РО) – напрям досліджень, пов’язаних з опрацюванням
процедур визначення належності об’єкту до одного із заздалегідь
виділених класів (образів). РО застосовується для дешифрування аеро- і
космічних фотознімків, при дистанційній індикації ґрунтів. Дистанційна
діагностика використовується для ідентифікації вогнищ засолення,
нафтового забруднення, змісту гумусу, дослідження неоднорідності ґрунтів
та ін. Результати діагностики використовуються при складанні екологічних
карт різноманітних масштабів.

Аналіз часових рядів – ще одна сфера застосування статистичних засобів.
Для прогнозу періодичних процесів за відомим спектром частот
використовується Фур’є-аналіз. В агрометеорології прийняті розрахунки
багаторічних циклів продуктивності агроценозів за астрономічними
явищами, що повторюються.

До статистичних моделей в агроекології можна також віднести банки даних,
що містять параметри статистичних розподілів показників стану ґрунтів
(морфологічних, хімічних, фізичних та інших), а також результатів
польових агрохімічних експериментів.

Балансові моделі описують динаміку систем як сукупність процесів
переносу речовини і енергії. Як математичний апарат використаються
звичайні диференційні рівняння.

Концептуально-балансове (компартментне) моделювання має важливе значення
у вивченні біологічного кругообігу елементів в ґрунтознавстві та
геохімії. Моделі геохімічних циклів описують міграцію і накопичення
зольних елементів у системі «ґрунт-рослина», формування біомаси і зміну
запасів органічної речовини ґрунту.

Органічна речовина ґрунтів має ключове значення у забезпеченні
буферностi та безпеки агроекосистем. Запропонована модель, що описує
баланс вуглецю в системі «ґрунт-рослина» за допомогою системи звичайних
диференційних рівнянь. Розглядається зміна запасу гумусу у ґрунті,
підстілці, швидкість гуміфікації, мінералізації рослинних решток і
гумусу.

На основі балансових розрахунків побудована глобальна модель емісії
діоксиду вуглецю ґрунтами світу. Показано, що в найближчий час природне
джерело надходження СО2 буде переважати над техногенним. Тому процес
глобального потепління клімату треба передусім пов’язувати із
руйнуванням органічної речовини ґрунтів та їх деградацією. Ведуться
роботи з оцінки стійкості і безпеки агроекосистем, прогнозування
наслідків глобальної зміни клімату та хімічного складу природного
середовища. Проте, результати теоретичних розробок (за винятком,
радіаційної безпеки), досі не знайшли відображення в критеріях оцінки
реальної екологічної ситуації й відповідних нормативно-правових
документах .

Прогнозування доступних рослинних запасів ґрунтової вологи має важливе
значення в меліоративних розрахунках. Однім із використаних для цього
підходів є шарово-балансове моделювання; запропонована методика
визначення вологозапасів на основі обліку динаміки водного балансу
ґрунту протягом річного циклу.

Балансові моделі – основний інструмент вивчення динаміки гетерогенних
систем, але вони не спроможні передати зміну їх станів і зміну
кінетичних характеристик. Для цього запропоновані моделі автоматного
типу з дискретно-змінними коефіцієнтами. Іншою особливістю комплексних
систем є різнотемповість процесів, що вивчаються. Описують їх системи
диференційних рівнянь, які дістали назви жорстких. В останній час для
моделювання «жорстких» систем запропоновані схеми із керуючими
параметрами.

Матричні моделі являють собою динаміку об’єкту у вигляді послідовної
зміни станів. У загальному випадку матриця може бути змінною, а її
елементи залежатимуть від часу. Матричні моделі є змінними, якщо
динаміка властивостей об’єкту може бути подана у вигляді лінійної
рекурсiї. Це справедливо для квазiстаціонарних станів, коли режим
функціонування системи не змінюється. Розглядаються типи моделей,
використані здебільшого для опису динаміки популяцій в екології
популяцій і фітопатологій.

Моделі теорії дослідження операцій вирішують завдання оптимального
управління в умовах, коли доступні ресурси обмежені, тобто регламентуючи
значення змінних.

Оптимiзаційні моделі – основа автоматизованого проектування
сільськогосподарських технологій. Відомі модельні розробки планування
господарського використання земель в умовах радіоактивного забруднення,
оптимізації агротехнологій за принципом «гри з природою».

Специфічні індивідуальні моделі служать для опису вузького кола
процесів, наприклад, взаємодій типу «хижак-жертва». Спроби їх
узагальнення для прогнозування динаміки великих систем зіштовхуються з
істотними труднощами. Популяційне моделювання використовується у
фітопатології, епiзоотологiї.

Інформаційне забезпечення агроекологічних моделей включає системи
підтримки прийняття рішень (СППР), геоінформаційні системи (ГІС),
системи управління базами даних (СУБД), системи, що базуються на знаннях
(СОЗ), автоматизовані системи управління (АСУ), системи автоматизованого
проектування (САПР), системи імітаційного моделювання. Для персональних
комп’ютерів і робочих станцій запропоновані системи, що реалізують мови
імітаційного моделювання (GPSS, Simula, Dinamo). Для збереження та
подання картографічної інформації використовуються геоінформаційні
системи (ГIC).

Відомими є інтегровані банки моделей, де на єдиній методологічній основі
узагальнюються різноманітні розрахункові засоби. Це істотно підвищує
ефективність агроекологічного прогнозування.

Модель Polmod створена в IДС РАН. Polmod об’єднує блоки прогнозу
динаміки запасів ґрунтового гумусу, складу пестицидів і радіонуклідів у
різноманітних компонентах екосистем.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *