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
| Статичтика | Об`єм виборки | Стійкість | Гаусова ефективність | Ефективінсть при розкиданих «хвостах» | Стійкість і ефективність |
| Середнє арифметичне | Малий Великий | Ні Ні | 100% 100% | Погана Дуже погана | Погана Дуже погана |
| Медіана | Малий Великий | Так Так | Висока 62% | Досить висока Досить висока | Висока Помірна |
| Бівес -оцінка | Малий Великий | Так Так | Непогана 90% | Досить висока 90% | Висока Висока |
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.
Якщо емпірична інформація отримана з низькою точністю, то важко очікувати гарної якості від прогнозів, побудованих на її основі (незалежно від використовуваного методу). 18
У прогностичних екологічних дослідженнях широко поширений опис і моделювання систем у кількісних шкалах (відносин або інтервалів). Разом з тим, найчастіше результати дослідження формуються в шкалах найменувань. Так, при описі динаміки ссавців (Єфімов, Галактионов, 1983) у моделі фігурують змінні, вимірювані в кількісних шкалах (чисельність популяції), результати ж моделювання й прогнози описуються в термінах змінних, вимірюваних у шкалі найменувань (у такі- то роки відбудеться спалах чисельності, а в такі- то - немає).
В екології, як правило, точність спостережень і вірогідність висновків у шкалах найменувань (наприклад, при роботі з бінарними даними) вище, чим у кількісних шкалах. Тому часто має сенс описувати й пророкувати параметри экосистем відразу в шкалах найменувань, минаючи проміжний етап досліджень у кількісних шкалах (роки сильного "цвітіння" водоймищ, спалахів чисельності популяцій шкідників та ін.).
Прогнози стану экосистем, як ми вже відзначали, можуть будуватися й у кількісних, і в якісних шкалах одночасно. Можна сказати, що в таких ситуаціях окремі предиктори "розмовляють" на різних діалектах мови прикладної математики. Але при цьому одні з них ніяк не використовуються для підвищення надійності інших.
Таким чином, розробка предикторів, а також алгоритмічного й програмного забезпечення системи екологічного прогнозування повинна вестися з обов'язковим обліком не тільки властивостей досліджуваної системи, але й обсягу, і якості (точності) наявної емпіричної інформації. Мистецтво модельєра часто спрямоване саме на те, щоб, з одного боку, будувати моделі, параметри яких визначаються в підсумку спостережень досить точно, а з іншого - щоб вони (моделі) представляли ще й практичну значимість.
Розділ 3. Проблеми, породжені складністю екосистем
3.1 Проблеми породжені традиційною методологією екологічного прогнозування
В екології стала стандартною ситуація, коли вивчення системи й побудова прогнозів її стану здійснюється (або може здійснюватися) одночасно всіма парадигмами. При цьому кожна з них индуціює розробку досить великого числа найрізноманітніших моделей, що й не стикуються між собою (предикторів).
Наприклад, прогнози стану планктонних співтовариств оз.Байкал можна одержати за допомогою трьох зовсім різні імітаційні моделей,декількох ескізних моделей, вербального предиктора і двох функціональні.
Прогнози чисельності гризунів (полівки) можуть здійснюватися за допомогою імітаційного, функціонального, вербального предикторів.
Аналогічна ситуація має місце при вивченні динаміки біосфери за допомогою ескізних, імітаційних і численних функціональних предикторів.
Специфіка екологічного прогнозування на сучасному етапі полягає насамперед у баченні того самого феномена за допомогою безлічі різних і більш-менш рівноцінних моделей (прояв принципу множинності моделей). Традиційний підхід до прогнозування полягає у виборі єдиного, кращого в якому-небудь змісті предиктора і його експлуатації.
У підсумку корисна інформація про досліджувану систему виявляється розосередженої із цілого ряду окремих джерел і використовується нераціонально. Принципи системологии, що мають важливе значення для екологічного прогнозування, часто просто ігноруються. У процесі розробки прогнозів межпарадигмальная комплексация методів і алгоритмів отсутствует. Що робити із прогнозами, отриманими за допомогою різних предикторів, неясно. Очевидно, існує цілий спектр "елементарних" механізмів функціонування экосистем, кожний з яких реалізується тільки при окремих умовах. Змішуючись один з одним, вони утворюють реальний механізм функціонування (генерації спостережуваних тимчасових рядів). Наприклад, для популяцій комах елементарними механізмами можуть служити вплив энтомофагів, спеціалізованих хижаків і паразитів, епізоотії і, нарешті, внутрішньовидова конкуренція. В окремих предикторах відображаються, як правило, лише деякі з елементарних механізмів.
В.В.Налімов (1983) у якості одного з головних недоліків існуючої методології екологічного прогнозування відзначає потенційну можливість омніпотентності тих факторів, які не включені в модель внаслідок їхньої малої значимості в минулому. У зв'язку із цим він уважає властиво екологічне прогнозування фактично безглуздим, і в якості ослабленого варіанта пропонує спостереження за станом экосистем (так званий паттерн- аналіз). Однак змінні паттерна знову ж вибираються тільки з міркувань їх значимості в минулому або експертним шляхом, і тому проблема омніпотентності тим самим не знімається. Крім того, паттерн екосистеми суттєво залежить від кроку спостереження: кореляційні паттерны среднедекадных, среднесезонных і середньорічних значень можуть сильно 20 різнитися. ЯК приклад укажемо на, що спостерігалися зовсім різні паттерни лугових рослин на Південному Уралі, як у різні роки, так і при різному впливі на них. Навіть для фіксованого кроку спостереження структура паттерна може різко мінятися в часі при нормальному функціонуванні систем.