Каталог книг

Коллектив авторов Моделирование эколого-экономических параметров природоохранной деятельности

Перейти в магазин

Сравнить цены

Описание

Рассмотрены вопросы эколого-экономического обоснования вариантов и параметров природоохранной деятельности: анализ природоохранных мероприятий в районах ликвидации угольных предприятий, процедура экологической экспертизы, экономико-математическое моделирование оценки и выбора вариантов водоохранных мероприятий, использования отходов углеобогащения, охраны водных ресурсов при добыче угля на шахте, воздействия горнорудной промышленности на почвенный покров Земли.

Характеристики

  • Форматы

Сравнить Цены

Предложения интернет-магазинов
Коллектив авторов Моделирование эколого-экономических параметров природоохранной деятельности Коллектив авторов Моделирование эколого-экономических параметров природоохранной деятельности 99.9 р. litres.ru В магазин >>
Д. Проскура Модернизация системы государственной поддержки эколого-экономической деятельности угледобывающих предприятий Д. Проскура Модернизация системы государственной поддержки эколого-экономической деятельности угледобывающих предприятий 364 р. litres.ru В магазин >>
Коллектив авторов Методы и инструменты оценки эффективности инновационной деятельности Коллектив авторов Методы и инструменты оценки эффективности инновационной деятельности 99.9 р. litres.ru В магазин >>
Коллектив авторов Вариативность эколого-экономических процессов в социально-экономическом развитии региона Коллектив авторов Вариативность эколого-экономических процессов в социально-экономическом развитии региона 364 р. litres.ru В магазин >>
Красс М. Моделирование эколого-экономических систем: Учебное пособие. 2-е издание Красс М. Моделирование эколого-экономических систем: Учебное пособие. 2-е издание 499 р. chitai-gorod.ru В магазин >>
Коллектив авторов Математическое моделирование: исследование социальных, экономических и экологических процессов (региональный аспект) Коллектив авторов Математическое моделирование: исследование социальных, экономических и экологических процессов (региональный аспект) 480 р. litres.ru В магазин >>
Коллектив авторов Налоговые и таможенные инструменты регулирования инновационной деятельности Коллектив авторов Налоговые и таможенные инструменты регулирования инновационной деятельности 149 р. litres.ru В магазин >>

Статьи, обзоры книги, новости

Экологическое моделирование

Экология СПРАВОЧНИК Информация Экологическое моделирование

Экологическое моделирование занимается изучением экологических объектов и процессов на их моделях для расчета поведения человека в стационарно-изменяющихся условиях ОС, а также для выработки рекомендаций по координированию форм и масштабов хозяйственной деятельности с изменяющимися условиями среды.[ . ]

В экологическом моделировании обычно используются 3 группы математических средств — теория множеств и преобразований, матричная алгебра, разностные и дифференциальные уравнения. Универсально для любых моделей может использоваться теория множеств и преобразований. При изучении и классификации экосистем на ее основе создают модели смены состояний, в которых указывают качественные состояния вероятные для экосистемы и правила перехода, определяющие, каким должно быть следующее состояние при любом заданном. В статистических, вероятностных моделях, наиболее адекватных природе экосистем, определяется либо основная траектория изменений, т. е.[ . ]

Методы экологического моделирования используются и для рек, в частности при всестороннем анализе верхнего эстуария р. Потомак, где основной проблемой является эвтрофикация (так же как. например, в оз. Эри и в других более чем 800 озерах и водохранилищах США [33]).[ . ]

Прогнозирование экологическое — научное предвидение возможного состояния природных экосистем и окружающей среды, определяемого естественными процессами и антропогенными факторами. При составлении эколого-географических прогнозов используются общие методы исследований (сравнительный, исторический, палеогеографический и др.), а также частные методы (методы аналогий и экстраполяции, индикационный, математическое моделирование и т. п.). В последнее время особое значение приобретает экологическое моделирование — имитация экологических явлений и процессов с помощью лабораторных, логических (математических) или натурных моделей. Эти методы сейчас используются при изучении экологических последствий глобального потепления климата (парникового эффекта), в частности с помощью математических моделей проведено прогнозирование возможного поднятия уровня Мирового океана на XXI в., а также деградации многолетней мерзлоты на территории Евразии. Эти прогнозы необходимо учитывать уже в настоящее время с перспективой дальнейшего освоения северных регионов России. Американскими учеными на основе изучения 22 озер и водохранилищ США составлены 12 эмпирических моделей по эвтрофированию пресноводных водоемов. Эти модели помогут контролировать в будущем темпы антропогенного эвтрофирования и качество воды в крупных озерах различных регионов земного шара.[ . ]

Своеобразным видом экологического моделирования в глобальном масштабе явились работы группы специалистов Всемирного Совета предпринимателей, обобщенные в книге Ш. Шмидхейни «Смена пути». Эти работы носят характер практического исследования механизма запуска любой позитивной модели на базе исключительно экономических принципов и на конкретных объектах и регионах, основываясь на принципе «экологические затраты являются экономически выгодными».[ . ]

К информационному обеспечению экологических проблем относятся сбор, обработка, анализ, синтез данных, построение моделей, создание баз данных для пользователей. Первичная экологическая информация собирается с помощью измерительных средств в процессе научно-практической деятельности. Эта информация обладает наивысшей прикладной ценностью. Вторичная информация — результат переработки первичной для дальнейшего использования в экологическом моделировании, мониторинге и экспертизе. Третичная информация является результатом переработки вторичной для предоставления потребителю для последующего принятия решений.[ . ]

В ряде зарубежных стран, в том числе в США, экологическое моделирование в целях расчета антропогенных последствий и определения допустимых антропогенных нагрузок на природный объект также получило соответствующее развитие [34, 36].[ . ]

Кроме того, распространенные методы экономико-экологического моделирования не ориентированы на решение прикладных задач. Для их реализации требуется большой объем информации и нетрадиционный подход к выработке экономических решений с учетом экологического фактора.[ . ]

В предприятиях ОАО «Газпром» накоплен определенный опыт экологического моделирования. Здесь можно указать модели прогноза воздействия аварий на объектах газовой промышленности, сопровождающихся выбросом жидких углеводородов или природного газа. Аварии первого типа характерны для таких объектов как продуктопроводы и хранилища сжиженного углеводородного газа, второго - для скважин и магистральных газопроводов [52, 53].[ . ]

В главе 3 раскрыты основы системной динамики: причинно-следственные модели, принципы и методы системной динамики, а также возможности ее применения при решении экологических проблем, в экологическом моделировании и при использовании имитационных игр.[ . ]

Нет твердых правил или критериев, которые определяли бы действия, необходимые при построении математической модели. В принципе любую математическую модель можно рассматривать как расширение, обобщение или частный случай любой другой модели. На практике при экологическом моделировании применяют по меньшей мере две четко-различающиеся стратегии. При построении блоковых моделей основное внимание обращают на количества энергии и веществ в отдельных «блоках» экосистемы.[ . ]

Из-за недостаточности первичной информации и слабой изученности биогеоценозов криолитозоны как в природных условиях, так и под влиянием антропогенных факторов при освоении газовых месторождений возник ряд неотложных проблем, важнейшими из которых являлись охрана природной среды и обеспечение экологической безопасности. Ландшафтные изменения зачастую были столь значительными, что их можно было приравнять к геоморфологическим процессам малого масштаба. Все это потребовало выделения особого типа закономерностей (техногенеза, явлений которые протекают в техносфере земли. Их изучение оказалось возможным на основе системного подхода, совмещающего методики исследования таких наук, как геокриология, мерзлотоведение, биология, почвоведение, физикохимическая механика дисперсных систем, механика грунтов, теплофизика ландшафтов, гидрология, геоэкология, экологическое моделирование, мониторинг и охрана окружающей среды.[ . ]

По способу построения все модели делят на два класса: материальные и абстрактные. Материальные модели по своей физической природе сходны с оригиналом. Они могут сохранить геометрическое подобие оригиналу (макеты, тренажеры, искусственные заменители органов и т. д.), подобие протекания физических процессов с оригиналом — физическое моделирование (гидрологическая модель — течение воды и т. п.) и могут быть природными объектами — прообразами оригинала т. е. натурными моделями (метод пробных участков). Материальные модели используются обычно в технических целях и мало подходят для экологических проблем. Более подходящими для экологического моделирования являются абстрактные модели, представляющие собой описание оригинала в словесной форме или посредством символов и операций над ними, отражающих исследуемые особенности оригинала. Абстрактные модели подразделяются на три типа: вербальные, схематические и математические.[ . ]

На новой основе сформировались подходы к обработке данных в целом классификации с применением математических методов и расчетов на ЭВМ. Решения, принятые на Рабочем совещании по вопросам использования математических методов и ЭВМ в лесной типологии в Риге 4—6 февраля 1975 г. и продолжающаяся непрерывная и упорная работа Секции лесной типологии Научного совета по лесу АН СССР, коренным образом изменили методики сбора и обработки материалов для создания лесогипологических классификаций. Принципиально отвергнут метод подбора ’’типичных” объектов для описания образцов априорно выделенных типов леса. Дедуктивные методы классификации сверху вниз, основанные в прошлом большей частью на интуиции исследователя, сменяются теоретическим экологическим моделированием с применением математических методов.[ . ]

Источник:

ru-ecology.info

Эколого-экономическое управление предприятием - страница 2

Эколого-экономическое управление предприятием
Рис. 1. Схема модели эколого-экономического управления

работе осуществлена классификация типов эколого-экономических стратегий для российских предприятий, которая построена на анализе внешней среды и целей развития предприятий, что позволяет предприятиям выбирать наиболее эффективные пути решения эколого-экономических проблем.

При выборе экологической стратегии рекомендуется руководствоваться следующими методическими походами.

где ЗПОД – затраты предприятия на природоохранную деятельность;

Элементы формулы (1), представляющие собой факторы позитивной мотивации, увеличивают доход, остающийся в распоряжении предприятия, а элементы формулы (2), являющиеся факторами негативной мотивации – снижают его, когда предприятие пытается экономить на природоохранных затратах. Указанные факторы должны превышать затраты, необходимые для осуществления природоохранной деятельности в полном объеме.

Рис. 3. Подсистема экологического бухгалтерского учета

Рис. 4. Информационная модель экологического аудита

, (5)

где k – номер кластера (группы);

С этой целью обследовано 18 промышленных предприятий Центрально - Черноземного региона России (ЦЧР). Для обеспечения эколого-экономических равновесий на основе эколого-экономического управления реализована модель эконометрического типа, в которую включено 17 эколого-экономических показателя. Однако в результате использования метода главных компонент установлено, что изменение факторов сильно коррелированно между собой, поэтому для определения главных параметров мониторинга и экологического аудита достаточно первых трех главных компонент, которые определяются уравнением:

, (6)

Главные компоненты представляют собой линейную комбинацию исходных признаков, т.е.

Комплексное использование метода кластерного анализа главных компонент позволяет установить, что первая компонента имеет наибольшую нагрузку из выбранных эколого-экономических показателей. На основе реализации модели эконометрического типа в виде различных уравнений получены следующие закономерности по удельным выбросам по предприятиям (рис.5).

Для прогнозирования удельных выбросов вредных веществ в результате реализации механизмов эколого-экономического управления использован метод зигзагообразной строчки, который используется для коротких и сверхкоротких хронологических рядов.

, где , (7)

где Y - значения удельных выбросов по периодам;

Данный метод обеспечивает высокую надежность прогнозирования.

Источник:

dis.podelise.ru

Безопасность и экологичность проекта, Моделирование экологических процессов - Анализ влияния природоохранной деятельности на показатели экономического

Безопасность и экологичность проекта Моделирование экологических процессов

Моделирование - одна из основных категорий теории познания: на идее моделирования по существу базируется любой метод научного исследования- как теоретический ( при котором используются различного рода знаковые, абстрактные модели), так и экспериментальные (использующие предметные модели).

Первой моделью прогнозирования расхода ресурсов была модель Т.Мальтуса (1798г.), который принял геометрический рост численности населения и арифметический рост средств существования. Последующий опыт проиллюстрировал упрощенность и ошибочность этого подхода. Дж. Форрестер предложил динамическую мировую модель (1970г.), учитывающую изменение населения, капитальных вложений, природных ресурсов, загрязнение среды и производство продуктов питания. Принятые в модели взаимосвязи достаточно сложны. Например, рост численности населения поставлен в зависимость от его плотности, обеспеченности питанием, уровня загрязнения, наличия ресурсов, материального уровня; темп смертности увязан с уровнем жизни, питанием; загрязнение среды связано с объемом фондов и так далее. Многофакторная модель Форрестера позволяет рассматривать динамику показателей состояния мировой системы в зависимости от варьирования различных факторов. Одним из результатов исследования Форрестера были графики расхода природных ресурсов при стабилизации численности населения, фондов и "качества" жизни.

Группа Д. Медоуза (1972г.) построила динамическую модель на базе пяти основных показателей: ускоряющаяся индустриализация, рост численности населения, увеличение числа недоедающих, истощение ресурсов, ухудшение окружающей среды. В модель заложен большой набор частных связей: в три раза больше, чем в модель Форрестера. Производство сельскохозяйственной продукции увязано с площадью пахотной земли, загрязнение среды учитывает срок существования загрязняющих веществ, индустриализация увязана с добычей полезных ископаемых и так далее. Учитываются в модели и такие специфические моменты, как нахождение новых природных ресурсов и возможность их более Эффективного использования. Прогноз по модели Медоуза по различным вариантам показал, что вследствие исчерпания природных ресурсов и растущего загрязнения в середине XXIв. произойдет мировая катастрофа. Единственным вариантом для ее исключения может быть стабилизация численности населения и объема промышленности, стимулирования капиталом развития сельского хозяйства.

Модель М. Месаровича и Э. Пестеля (1974г.) отличается размерностью и детальностью связей. В ней содержится более 100 тысяч уравнений, описывающих мировую систему как совокупность региональных систем. Авторы выделили наиболее крупные страны (Япония, Россия, Китай, Вьетнам и другие) и регионы (Северная Америка, Западная Европа, Северная Африка и другие), 10 групп населения, 5 категорий машин, две разновидности сельскохозяйственного производства, 19 разновидностей промышленного капитала, 5 видов капитала в энергетике. На базе этой модели авторы рассмотрели различные сценарии развития мировой системы.

В Пенсильванском университете создана система совместного функционирования национальных моделей. В каждой из них осуществляется расчет взаимоувязанных показателей валового продукта, инвестиций, экспорта и импорта, цен, военных расходов и так далее. Система постоянно наращивается и корректируется. Ее математическая часть состоит из более 20 тысяч уравнений.

Группой экспертов ООН под руководством В. Леонтьева в конце 70-х годов разработана межрегиональная модель межотраслевого баланса мировой экономики. Подобные модели наиболее приспособлены для описания одноцелевых мероприятий по охране воздушного и водного бассейнов от загрязнения. В 80-х годах в институте экономики модель этого типа была построена для 18-продуктовой схемы межотраслевого баланса России. В модели учитываются шесть отраслей промышленности, пять загрязнителей, три категории сточных вод.

В конце 70-х годов под руководством Н.Н.Моисеева была разработана математическая модель биосферы "Гея". Она состояла из двух взаимосвязанных систем. Первая описывала процессы, происходящие в атмосфере и океане. Вторая- кругооборот веществ в природе (прежде всего углерода). В основу математической модели положены такие локальные модели, как испарения с поверхности океана и конденсация воды в атмосфере, поглощение углекислоты морской водой, перенос энергии атмосферой, реакция фотосинтеза, отмирание растений, распределение биомассы на поверхности Земли и другое. На базе модели "Гея" был выполнен расчет различных сценариев изменения климата на планете под воздействием ядерного взрыва, крупного пожара и извержения вулкана, создания крупного локального топливно-энергетического комплекса, изменения горного ландшафта. Поверхность Земли в расчетах на модели разбивается на сетку с участками 4х4.

В первой половине 80-х годов ученые различных стран создавали глобальные математические модели с целью прогнозирования последствий ядерной войны. Наиболее обширными были модель К. Сагана и модель "Гея". В значительной степени именно исследования ученых стимулировали политические решения государств по сокращению ядерного вооружения и сформировали представления о последствиях ядерной войны для Земли.

В настоящее время необходимы глобальные математические модели, в которые входили бы подсистемы взаимодействий между атмосферой и водой, атмосферой и поверхностью почвы, процессы в каждом из элементов окружающей среды, взаимодействие верхнего слоя атмосферы с Космосом, механизмы саморегулирования в природе, влияние разумной деятельности человека на окружающую среду. При значительном объеме возможностей подобная модель должна быть достаточно детальна для регионов Земли. На такой модели можно будет оценивать крупные инженерные решения, деятельность городов, варианты гидросистем, размещение заводов и тому подобное [104].

Под моделированием понимается изучение экологических процессов с помощью лабораторных, натурных или математических моделей. Модели биосистем столь многочисленны, что классификация их почти невозможна.

Модель - это имитация того или иного явления реального мира, позволяющая делать прогнозы.

В простейшей форме модель может быть вербальной (словесной) или графической, то есть неформализованной. Если необходимы достаточно надежные количественные прогнозы, то модель должна быть формализованной, строго математической. Модели, созданные на ЭВМ, позволяют получать на выходе искомые характеристики при изменении, добавлении или исключении каких-либо параметров модели, то есть возможна "настройка" математической модели, позволяющая усовершенствовать ее, приближая к реальному явлению.

Толчок развития моделирования, как в биологии вообще, так и в экологии в частности, дала кибернетика. Но относиться к математическому описанию работы биосистем нужно с осторожностью. Математические модели таят опасности, когда, отталкиваясь от математики, начинают интерпретировать работу природной системы. Поэтому необходимо доказать адекватность используемого математического аппарата объекту и целям исследования.

Создание методологии и технологии моделирования биосистем вообще, а тем более самых сложных из них - экосистем - дело будущего. Можно лишь наметить некоторые этапы в развитии технологии моделирования:

1) переход от эксперимента к адекватной математической модели;

2) построение математических моделей с различной глубиной содержания;

3) переход от одних моделей к другим;

4) систематизация математических моделей биосистем различного уровня иерархии. Но несмотря на необходимость критического взгляда на математическое моделирование явлений природы, назад, к чисто описательной экологии, дороги нет. И как ни трудна математика - в экологии без нее уже не обойтись.

Стратегия моделирования заключается в попытке путем упрощения получить модель, свойства и поведение которой можно легко изучать. В то же время модель должна иметь достаточное сходство с оригиналом, чтобы результаты ее изучения были применены к оригиналу. Переход от модели к оригиналу называется интерпретацией модели. Обычно оригинал представляет собой многокомпонентную систему, где взаимодействия между популяциями столь сложны, что не поддаются достаточно удовлетворительному анализу. В то же время законы функционирования некоторой модели могут быть найдены тем или иным путем. Учитывая это, исследования системы можно заменить исследованиями модели, а затем интерпретировать результаты применительно к оригиналу.

В.Д. Федоров и Т.Г. Гильманов (1980) предлагают следующую классификацию моделей, используемых в экологии (см. рисунок 4.1).

Рисунок 4.1 - Схема классификации моделей (по В.Д. Федорову и Т.Г. Гильманову, 1980 , с изменениями)

Наиболее сложная проблема при работе с реальными лабораторными моделями - установление адекватности модели оригиналу, а следовательно, обоснование возможности применения результатов моделирования к изучаемой природной системе. Идеальные знаковые модели богаче возможностями, чем реальные, так как почти не связаны техническими ограничениями их создания.

Знаковые модели - концептуальные и математические - имеют в экологии наибольшее значение.

Концептуальная модель представляет собой более или менее формализованный вариант традиционного описания изучаемой экосистемы, состоящего из текста, блок - схем, таблиц, графиков и прочего иллюстрированного материала.

В итоговых публикациях Международной биологической программы (1964 - 1974) представлены концептуальные модели важнейших типов экосистем, обеспеченные количественными данными о динамике численности и биомассы популяций и тому подобного. Концептуальные модели наряду со многими достоинствами (универсальность, гибкость и других) обладают и недостатками, такими, как неоднозначность интерпретации и статичность. Наиболее известно моделирование Великих озер в США ( см. рисунок 4.2).

Рисунок 4.2 - Процесс моделирования управления качеством воды на Великих озерах (по У. Ричардсону, 1979)

Методы математического моделирования при изучении экосистем в динамике более эффективны. При конструировании математических моделей экосистем прослеживаются две тенденции. Математики часто берутся за глубокую теоретическую (математическую) разработку моделей, неадекватность которых известна заранее (так как это не представляет для математиков большого труда). А экспериментаторы и натуралисты пытаются включить в модель как можно большее число изученных свойств моделируемого объекта, не заботясь об их значимости. При этом если реальные процессы неверно оцениваются количественно, то модель, естественно, даст неправильную картину экосистемы в целом. Математические модели могут быть классифицированы по ряду признаков, в соответствии с которыми и выбирается аппарат какого-либо раздела математики, призванный служить языком описания свойств, структуры и поведения оригинала. Различают априорные (лат. А priopi - независимо от опыта) и апостериорные (лат. A posteriori - основанные на опыте) модели. Первые выводятся на основании теоретических посылок, а вторые строятся по эмпирическим данным. Выбор математического аппарата зависит также от состава фактической информации. Описания функционирования экосистем характеризуются обычно неравномерностью изученности отдельных процессов. Часто не известен не только математический вид зависимостей между отдельными компонентами, но вообще отсутствуют какие - либо количественные характеристики процессов.

Попытки создания моделей, совмещающих физико-динамические и химико-биологические процессы, обычно приводят к использованию дифференциальных уравнений. К 70-м годам таких моделей появилось достаточно много. К достоинствам применения систем дифференциальных уравнений в качестве математических моделей природных комплексов относится принципиальная возможность установления общих положений теории функционирования экосистем. Однако современное состояние некоторых математических дисциплин (теории устойчивости, оптимального управления и других) не позволяет достаточно подробно исследовать системы высокого порядка с существенными нелинейностями связей. Отсюда зарождение стремлений к применению обобщенных компонентов и характеристик для снижения порядка системы.

Возможность получения картины общих закономерностей жизни экосистем на основании аналитического исследования даже простых теоретических моделей была показана многими авторами.

Учитывая условность отображения в модели реальных параметров, изменение масштабов времени внешних воздействий, построение математической модели биосистемы можно выполнять параллельно с исследованием в натуре или с постановкой экспериментов. При этом поиск наилучшей структуры модели может производиться автоматически на ЭВМ на основании некоторой системы критериев. В то же время полная автоматизация не всегда эффективна. В некоторых случаях в качестве одного из звеньев целесообразно использовать человека, на которого возлагаются выбор типа, структуры модели и критериев наилучшего сходства модели и оригинала, их изменение и смена (см. рисунок 4.5).

Рисунок 4.5 - Автоматическая система моделирования (по Ю.Г. Антомонову, 1977)

На рисунке 4.5 БС - биомасса, ММ - математическая модель, ВЦ - вычислительный центр.

При моделировании экологических систем на основе дифференциальных уравнений не следует забывать о фундаментальных экологических принципах и прежде всего о принципе эмерджентности, то есть о том, что экосистема обладает качественно новыми свойствами, которые нельзя предсказать исходя из свойств отдельных ее компонентов. Поэтому информационные потоки, состоящие из множества отдельных физических, химических и биологических показателей, не могут в полной мере отразить законы функционирования того или иного природного объекта. Необходимо учитывать и то, что экосистемы управляются и контролируются не всеми, а ключевыми, эмерджентными факторами. Поэтому многие специалисты, и классик американской школы экологов Ю.Одум в том числе, утверждают: "для построения удовлетворительных математических моделей не требуется необъятного количества информации об огромном множестве переменных". Кроме того, стремление приблизиться к оригиналу с помощью наращивания показателей входит в противоречие с оперативностью решения задач. Таким образом, практическая реализация "экологических" моделей природных комплексов еще не достигла значительных успехов.

Создание работоспособной модели многокомпонентной системы, функционирующей в трехмерном пространстве и во времени, связано с решением многих проблем, основными из которых являются следующие:

1) Выбор функциональных зависимостей и параметров, описывающих процессы обмена веществом и энергией между физическими и химико-биологическими компонентами. Сложность проблемы усугубляется тем, что многие сложнейшие процессы: турбулентность, гравитация, взаимоотношение организмов и тому подобное - еще далеко не полностью изучены.

2) Информационный "голод" на начальном этапе моделирования, то есть отсутствие, как правило, трехмерных полей наблюдений согласованных между собой физических, химических и биологических характеристик, изменяющихся во времени. Иначе говоря, возникает несоответствие между желаниями исследователя и техническими возможностями при ограниченном объеме фактической информации. Операции заданий входной и анализа выходной информации перерастают в самостоятельные проблемы.

3) Реализация алгоритма моделирования экосистемы. Это связано с разработкой целого комплекса взаимосвязанных программ для описания весьма сложных физических и химико-биологических процессов. Решение каждой из задач в отдельности представляет собой самостоятельную проблему, требующую огромной работы. Далее возникает проблема информационной и программной увязки отдельных подсистем. Комплекс задач моделирования экосистемы в целом перерастает, по существу, в автоматизированную систему анализа поведения избранного объекта, а процесс создания "экологической" модели становится соизмеримым с процессом создания автоматизированных систем управления.

Статические модели, по мнению многих авторов, работавших в области моделирования биосистем, являются более прагматичными. Действительно, взаимосвязи между компонентами экосистемы можно формально описать методами математической статистики, то есть на основе натурных данных. Множественный корреляционный или регрессионный анализы полезны как для установления факта зависимости между отдельными элементами системы, так и для получения уравнений регрессии, которые могут служить моделями экосистемы или отдельных подсистем. Однако возможности прогнозирования временной динамики ограничены условиями, в которых получена исходная информация.

При изучении качественных или количественных характеристик организма, популяции или сообщества практически никогда не наблюдают одинаковые значения даже для одной особи, а получают ряд несовпадающих чисел. Каждое из них, на первый взгляд, может казаться истинным. Поэтому характеристику изучаемого свойства следует давать не по разовым измерениям, а по всей совокупности полученных результатов. Однако неудобно иметь дело с таким множеством данных. Желательно "уплотнить" информацию.

При любом моделировании предварительно следует проводить статистическую обработку исходных натурных и экспериментальных данных с целью уплотнения их в немногие параметры, которые в компактной форме достаточно полно характеризовали бы свойства экосистемы.

Другая задача математической статистики в экологии связана с тем, что исследователь почти никогда не имеет возможности изучить все компоненты экосистемы. Обычно изучается лишь некая выборка. В связи с этим возникает проблема оценки степени соответствия свойств выборки свойствам всей совокупности. Ответы на эти вопросы также дает математическая статистика. Наиболее важным является использование статистики для изучения связей между признаками живых организмов, между разными организмами, между организмами и факторами неживой среды.

Разумеется, область применения статистических методов значительно шире, чем указано выше, и с ними приходится сталкиваться все чаще, а разнообразие методов очень велико. Все это является предметом специального изучения. Экологам необходимо помнить, что пренебрежение статистической обработки исходной информации при построении математических моделей может приводить к дискредитации самой модели.

Наряду со статическим анализом для уплотнения информации ведутся усиленные поиски репрезентативных интегральных критериев для оценки эмерджентных свойств экосистем. Это может стать началом нового этапа системных наблюдений природных явлений.

Общая схема системного подхода исследования к изучению экосистем предложена В.Д. Федоровым и Т.Г. Гильмановым (1980). Все рассмотренные выше методы ( наблюдение, эксперимент, моделирование) интегрируются в единый процесс экологического исследования, который должен осуществляться в рамках междисциплинарного исследовательского проекта.

Процесс системного исследования целесообразно разделить на ряд этапов, выполняемых последовательно или параллельно (см. рисунок 4.6).

Рисунок 4.6 - Общая схема системного изучения экосистемы ( по В.Д. Федорову, Т.Г. Гильманову, 1980)

Постановка задачи и концептуализация. При решении той или иной экологической проблемы (охрана, рациональное использование, управление, прогноз состояния и другие) возможно выделить ограниченное и достаточное число наиболее существенных факторов, свойств или процессов. Назначение первого этапа состоит в выборе наиболее важных приоритетных факторов, определяющих направление дальнейших исследований.

Задача концептуализации состоит в том, чтобы суммировать известную информацию об изучаемой экосистеме в виде логически непротиворечивой концептуальной модели. Модель концентрирует данные, необходимые для решения рассматриваемой проблемы. Определяется место изучаемой экосистемы в ландшафте, устанавливаются ее "входы" и "выходы", то есть связи с соседними экосистемами, атмосферой, гидросферой, твердой средой, деятельностью человека и тому подобное (см. рисунок 4.7).

Рисунок 4.7 - Концептуальная модель внешних связей экосистемы (по В.Д. Федорову, Т.Г. Гильманову, 1980)

Далее в модели характеризуются состав, структура и особенности функционирования системы, то есть определяются число компонентов и совокупность связей.

Спецификация и наблюдение. Назначение этапа спецификации состоит в том, чтобы определить состав входных переменных, переменных состояния экосистемы и, по возможности, строго задать отображение оригинала на модель. При спецификации указывается, с какими измеряемыми характеристиками экосистемы и внешней среды сопоставляются переменные ее состояния, какие методы и единицы измерения используются. При этом целесообразно создавать автоматизированные компьютерные банки данных.

На основании спецификации и концептуальной модели планируются полевые наблюдения за динамикой изучаемых свойств экосистемы и прежде всего за переменными экологического состояния и входными характеристиками. Результаты наблюдений используются на последующих этапах работы (идентификация, проверка и исследование модели). Кроме того, они могут служить основой для пересмотра в случае необходимости концептуальной модели, что показано на рис.4.6 линией от блока 4 к блоку 2.

Идентификация и эксперименты. Задача идентификации заключается в математическом описании соотношений между переменными, образующими структуру модели. В частности, основу структуры динамических моделей с n переменными состояния составляют чаще всего n дифференциальных уравнений, выражающих закономерности изменения каждой из переменных во времени.

При идентификации, как правило, возникает потребность в проведении полевых или лабораторных экспериментов с целью проверки различных гипотез о характере взаимосвязей между компонентами экосистемы или для оценок параметров известных зависимостей. Экспериментальные работы проводятся параллельно с другими стадиями исследования, вследствие чего возможно возвращение к предыдущим этапам и их повторение в новом цикле исследований с учетом дополнительной информации, полученной в результате эксперимента.

Реализация и верификация модели. После идентификации модели встает проблема ее реализации, то есть нахождения оператора, который позволит рассчитывать динамику состояния экосистемы во времени в соответствии с входными данными и начальным состоянием. Обычно реализация осуществляется в виде программы расчета на ЭВМ. Эта работа требует подготовки специалистов по программированию и обеспечения современной вычислительной техникой. На этом этапе очень плодотворным оказывается сотрудничество экологов, владеющих основами программирования, с математиками, достаточно глубоко овладевшими основами экологии.

Верификация модели (лат. Verificatio- проверка подлинности) имеет целью проверить, в какой степени модель соответствует оригиналу. Оценка пригодности модели может быть дана на основе сравнения с данными наблюдений и, главное, на основе опыта практического использования модели как инструмента прогнозирования, оптимизации и управления моделируемой системой. Однако предварительные сведения об адекватности модели необходимы в течение процесса ее построения.

Существует много способов оценки адекватности моделей. Р. Сайерт (1966) предложил, например, проверять способность модели воспроизводить такие характеристики эмпирических кривых, как число и распределение экстремальных точек во времени, амплитуда возмущений, средние значения переменных и других. Т.Г. Нейлор и Д. Фигнер (1975) предлагает производить сравнение статистических критериев модели и наблюдений: математического ожидания, дисперсий и других. Однако наиболее наглядным способом проверки модели является сравнение расчетных кривых ее состояния в рассматриваемом интервале времени с данными наблюдений за системой за тот же промежуток времени. Кривые могут быть построены по непрерывным или дискретным наблюдениям. Для оценки степени совпадения могут быть использованы как численные значения характеристик, так и статистические показатели. При хорошем совпадении расчетных и эмпирических данных модель можно считать адекватной оригиналу и приступать к проверке других аспектов ее работы. Однако часто обнаруживается, что нет удовлетворительного совпадения результатов моделирования с эмпирическими данными. В поисках причин приходится возвращаться к предшествующим этапам (чаще всего на этап идентификации). После этого последовательность этапов повторяется до тех пор, пока не будет достигнуто требуемое согласие. Эффективным способом проверки модели являются также имитация на ней разнообразных экспериментальных воздействий (орошение, удобрение, изменение температуры, течений и тому подобного) и сравнение результатов с данными реальных экспериментов.

Неспособность модели правильно предсказать последствия тех или иных воздействий является основанием для ее пересмотра. Но абсолютно точного воссоздания оригинала требовать от модели нереалистично. Поэтому при достаточно надежной концептуальной модели и хороших критериях адекватности после нескольких проверок и исправлений обычно удается построить приемлемую модель и приступить к дальнейшему исследованию.

Заключительный этап основывается на исследовании модели и оптимизации решений. Процесс исследования включает описание общих черт изменения состояний и поведения модели в зависимости от изменения входных данных. Один из основных разделов исследования - "анализ чувствительности" модели. Результаты этой операции показывают, какие начальные условия, взаимосвязи между переменными, внешние факторы или другие параметры оказывают наиболее сильное (или, наоборот, незначительное) влияние на поведение модели. После получения ответов можно решить, какие параметры должны определяться с высокой точностью, а какие могут задаваться приближенно при наблюдениях, экспериментах и идентификации. Данные теоретических исследований модели и результаты имитационных расчетов дают дополнительную информацию для оценки адекватности модели и необходимости ее дальнейшего усовершенствования.

В практической работе по охране или рациональному использованию природных экосистем человек может задавать и регулировать те или иные воздействия с целью оптимизации их состояния.

При многоцелевом использовании природных ресурсов часто приходится сталкиваться с противоречиями. Например, трудно совместить забор питьевой воды с пляжем или сбросом в водоем сточных вод. Поэтому часто решение оптимизационных задач носит компромиссный характер, обусловленный многофакторностью и множеством критериев качества. Методической основой решения таких задач являются теория оптимального управления и оптимизационные модели.

Заключение в системном анализе должно быть научной основой реализации междисциплинарных природоохранных проектов и указывать инструменты управления и оптимизации состояний природных и антропогенных экосистем для достижения главной цели - сохранения биосферы.

Изучение любой экосистемы может продолжаться бесконечно долго, раскрывая все новые грани. Однако каждый исследовательский проект должен иметь конечную цель и рано или поздно завершаться. В итоге должны также намечаться перспективы будущих исследований.

Приведенная схема системного подхода к изучению экосистем, разумеется, является упрощенной и может быть модифицирована в зависимости от целей и задач проекта, а также от объема информационного обеспечения.

Источник:

studbooks.net

Коллектив авторов Моделирование эколого-экономических параметров природоохранной деятельности в городе Пенза

В нашем интернет каталоге вы всегда сможете найти Коллектив авторов Моделирование эколого-экономических параметров природоохранной деятельности по разумной стоимости, сравнить цены, а также найти похожие предложения в категории Техническая литература. Ознакомиться с параметрами, ценами и рецензиями товара. Доставка товара производится в любой населённый пункт России, например: Пенза, Липецк, Тольятти.