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

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.

Страницы: 1, 2, 3, 4, 5