3.2. екологічні інформаційні системи

Зростання антропогенного навантаження на навколишнє середовище в другій половині ХX століття призвело до загострення багатьох екологічних проблем. Можливі перспективи його вирішення пов’язані з реалізацію концепції "сталого розвитку " - стабільного співіснування людства і природи. Важливі елементи наданої концепції - збереження і відтворення ресурсної бази сільського господарства, оптимiзація застосування засобів хiмiзації хліборобства, поліпшення структури землекористування на основі об’єктивної характеристики агроекологічної ситуації вимагає :

опрацювання алгоритмів оцінки стійкості екосистем,

вивчення закономірностей їх динаміки,

вдосконалення методики оцінки впливу на навколишнє середовище (ОВНС), включаючи еколого-економічний прогноз.

Провідна роль в перелічених дослідженнях належить численним засобам. Треба 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 року Міжнародним інститутом прикладного системного аналізу (Luxembourg, Austria ) бібліографія налічує понад 50 000 публікацій за останні 25 років, що свідчить про постійно зростаючий інтерес до цих питань.

Математичне моделювання - один із основних інструментів системного аналізу, що дозволить в ряді випадків уникнути трудомістких і дорогих натурних експериментів. На основі результатів прогнозування динаміки геосистем вирішуються питання раціонального застосування добрив і засобів захисту рослин, проведення комплексної меліорації і окультурювання полів, оптимiзації структури землекористування та інше. Ведуться дослідження у галузі організації "ландшафтного хліборобства" – оптимiзації сільськогосподарського використання земель залежно від місцевих умов ( рельєфу, клімату, грунтових умов, розміщення інших господарських об’єктів ).

Діапазон і масштаб моделюємих процесів вкрай 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 в 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 в природних системах (агрометеорологічні умови, мiграція речовин по профілю грунтів, трансформація пестицидів, виділення кордонів грунтових ареалів, виникнення спалахів хвороб рослин, динаміка чисельності шкідників та інших) рекомендується використати вірогіднісні підходи.

Найбільш часто застосовуються : статистичні, моделі математичної фізики (дифузні), балансові динамічні, матричні моделі, моделі теорії дослідження операцій, приватні моделі типу" ресурс-споживач " і аналогічні їм, а також ціла група дискретних математичних моделей. Статистичні моделі будуються на допущенні, що процес, що дослідується випадковий 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 ряд засобів, наприклад, виділення головних компонент в регресивних рівняннях і гармонійних рядах.

В історії опрацювання статистичних моделей продуктивності агроценозів можна виділити декілька етапів : по узагальненим агрокліматичним показникам; емпіричним рівнянням регресивного типу; динаміко-статистичним і фiзико-статистичним моделям; комплексним імітаційним моделям .

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

Емпірично моделі продуктивності агроценозів в основному представлені так званими виробничими функціями. Вони представляють собою регресивні рівняння, що зв’язують кінцевий результат (урожай і показники його якості) з діючими величинами. До виробничих функцій пред’являється ряд вимог : модель повинна враховувати основні фактори, що визначають вплив на урожай; охоплювати широкий діапазон їх значень; апроксимуюча функція повинна 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 в часних похідних, параметри яких визначають по емпіричним даним.

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

Комплексні iмiтаційні моделі призвані підвищити адекватність агроекологічних прогнозів за рахунок повного використання емпіричних даних. Імітаційні моделі призвані формалiзувати 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 області. Структура iмiтаційних 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 в інший.

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

Теоретично обгрунтована 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, грунту 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 (в тому числі лісів і сільськогосподарських культур), грунтів, запасів і якості грунтових вод, гідромережі, забрудненості природно-територіальних комплексів розміром від 50 до 5 000 кв. км. Розглядаються впливи різноманітних полютантів (промислових, пестицидів, радiонуклiдів та інших), 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 відновлюємих ресурсів терміном від 3 до 60 років і оцінює ретроспективу розвитку ситуації; просліджується динаміка понад трьохсот параметрів, що характеризують природне середовище.

За допомогою АСРЕП можна здійснювати інформаційну підтримку управління продуктивністю сільського господарства і проводити оцінку впливу на навколишнє середовище. Система сертифікована органами державного управління, рекомендована до використання та широкого застосування для вирішення практичних завдань, в тому числі при екологічному обгрунтуванні 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 (Білорусія); для оцінки впливу на навколишнє середовище зрошуваного хліборобства в басейні Аралу (Туркменія ).

Розпізнання образів (РО) - напрям досліджень, зв’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 грунтів. Дистанційна діагностика використовується для ідентифікації вогнищ засолення, нафтового забруднення, змісту гумусу, дослідження неоднорідності грунтів та інше. Результати діагностики використовуються при складанні екологічних карт різноманітного масштабу.

Аналіз часових рядів - ще одна область застосування статистичних засобів. Для прогнозу періодичних процесів по відомому спектру частот використовується Фур’є - аналіз. В агрометеорологii прийняті розрахунки багаторічних циклів продуктивності агроценозів по астрономічним явищам, що повторюються.

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

Балансові моделі описують динаміку систем як сукупність процесів переносу речовини і енергії. У якості математичного апарату використаються звичайні диференційні рівняння.

Концептуально-балансове (компартментне) моделювання має важливе значення в вивченні біологічного кругообігу елементів в грунтоведенні та геохімії. Моделі геохімічних циклів описують міграцію і накопичення зольних елементів в системі “грунт-рослина”, формування бiомаси і зміна запасів органічної речовини грунту.

Органічна речовина грунтів має ключове значення в забезпеченні буферностi та безпеки агроекосистем. Запропонована модель, що описує баланс вуглецю в системі “грунт-рослина” за допомогою системи звичайних диференційних рівнянь. Розглядається зміна запасу гумусу в грунті, підстілці, швидкість гуміфікацiї, мiнералiзацiї рослинних рештків і гумусу.

На основі балансових розрахунків побудована глобальна модель емісії діоксида вуглецю грунтами світу. Показано, що в найближчий час природне джерело надходження СО2 буде переважати над техногенним. Тому процес глобального потепління клімату треба передусім зв’язувати із руйнуванням органічної речовини грунтів і їх деградацією. Ведуться роботи по оцінці стійкості і безпеки агроекосистем, прогнозуванню 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 і відповідних нормативно-правових документах .

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

Балансові моделі - основний інструмент вивчення динаміки гетерогенних систем, але вони не спроможні передати зміну їх станів і зміну кiнетичних 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 назву жорстких. В останній час для вирішення " жорстких " систем запропоновані схеми із керуючими параметрами.

Матричні моделі представляють собою динаміку об’єкту у вигляді послідовної зміни станів. В загальному випадку матриця може бути змінною і її елементи будуть залежати від часу. Матричні моделі є змінними, якщо динаміка властивостей об’єкту може бути представлена у вигляді лiнійної 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 по принципу “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 використаються в 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 iмiтаційного моделювання (GPSS, Simula, Dinamo). Для збереження та подання картографічної інформації використовуються геоiнформаційні 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 грунтового гумусу, складу пестицидів і радіонуклідів в різноманітних компонентах екосистем.