25. Генерализация пространственных данных. Особенности генерализации пространственных данных в почвоведении и экологии.

Генерализация пространственных данных - обобщение позиционных и атрибутивных данных о пространственных объектах в ГИС в автоматическом или интерактивном режимах с использованием операторов генерализации, или генерализационных операторов (generalizationoperators), их наборов или последовательностей, часть из которых имеет соответствие в приемах и методах картографической генерализации.

Среди основных из них: упрощение (simplification); сглаживание (smoothing); утоньшение линий (linethinning); разрядка линий, то есть устранение избыточных промежуточных точек в цифровой записи линий (lineweeding); отбор (reselection); переклассификация(reclassification); агрегирование (aggregation), в частности, объединение смежных полигонов с уничтожением границ между ними (polygondissolving/merging); слияние (amalgamation); маскирование (masking); прерывание линий (omissing), утрирование размера или формы (exaggeration); уменьшение мерности объектов, или свертка, коллапс (collapse).

Операторы Г.п.д. могут применяться глобально (к слою в целом), или локально (к фрагменту слоя, сегменту линии и т.п.), обслуживать чисто графические (позиционные), или структурные преобразования данных. Вмешательство пользователя в процесс автоматической Г.п.д. обычно преследует цель индикации и устранения графических конфликтов в отображениях однотипных и разнотипных объектов путем их смещения, или перемещения (displacement), минимизации синергетических эффектов при многократном применении однотипных или последовательном - разнотипных операторов, уменьшения, или устранения геометрических и топологических погрешностей, контроля целостности данных и ненарушенности связи позиционной и атрибутивной части данных.

26. Имитационное моделирование. Имитация природных процессов.

Имитационное моделирование — это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте). Это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.

Имитационная модель — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

К имитационному моделированию прибегают, когда:

- дорого или невозможно экспериментировать на реальном объекте;

- невозможно построить аналитическую модель:

- в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;

- необходимо сымитировать поведение системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами или другими словами — разработке симулятора (англ. simulationmodeling) исследуемой предметной области для проведения различных экспериментов.

Имитационное моделирование позволяет:

- Прогнозировать развитие и поведение системы во времени;

- Анализировать варианты функционирования системы при изменении тех или иных параметров.

- Для исследуемой системы определяются причинно-следственные связи, на основе которых создается компьютерная модель. Модель обрабатывает данные в режиме реального времени и строит прогнозы типа «что, если».

Имитационное моделирование позволяет имитировать поведение системы во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны.

Виды имитационного моделирования:

Агентное моделирование — используется для исследования децентрализованных систем, динамика функционирования которых определяется результатом индивидуальной активности членов группы.

Дискретно-событийное моделирование — подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы. Считается, что этот вид моделирования наиболее подходит для моделирования производственных процессов.

Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии.

Можно выделить следующие этапы процесса имитации.

1. Определение системы - установление границ ограничений и эффективности системы, подлежащей изучению.

2. Формирование модели - переход от реальной системы к некоторой логической системе (абстрагирование).

3. Подготовка данных - отбор данных необходимых для построения модели и представление их в соответствующей форме.

4. Трансляция модели - описание модели на языке, приемлемом для использования на ЭВМ.

5. Оценка адекватности - повышенная до приемлемого уровня степень уверенности, с которой можно судить относительно корректировки выводов о реальной системе.

6. Стратегическое планирование - планирование эксперимента (данная тема выделена в отдельную главу учебного пособия см. гл.4).

7. Тактическое планирование - определение способа проведения каждой серии испытаний, представленных планом эксперимента.

8. Экспериментирование - процесс осуществления имитации с целью получения желаемых данных и анализа чувствительности.

9. Интерпретация - построение выводов по данным, полученным путем имитации.

10.Реализация - практическое использование модели.

11.Документирование - регистрация хода осуществления проекта и его результатов.

27. Метод Монте-Карло - метод статистических испытаний - численный метод решения различных задач при помощи моделирования случайных событий.

Метод Монте'Карло – исследование детерминированных процессов, заданных в виде математических моделей с логическими элементами с помощью статистических испытаний на ЭВМ. Особенностью статистического моделирования является случайное задание исходных данных с известными законами распределения и, как следствие, вероятностное оценивание характеристик исследуемых процессоров. Статистическое моделирование является эффективным методом исследования слабоорганизованных систем с несложной логикой функционирования.

28. Имитационное моделирование продукционного процесса. WOFOST как пример имитационной модели роста растений. Для изучения процессов, происходящих в экологических системах, используется как математическое, так и имитационное моделирование.

Имитационное моделирование применяется для исследования сложных логических и логико-математических моделей с неточным заданием исходных данных (заданным законом распределения, оценочными характеристиками).

В экологическом моделировании можно выделить два основных направления: а) моделирование взаимодействия организмов друг с другом и с окружающей средой ("классическая" экология); б) моделирование, связанное с состоянием окружающей среды и ее охраной (социальная экология). Оба направления представлены большим количеством разработанных моделей. Моделирование, связанное с состоянием окружающей среды, в свою очередь, распадается на ряд направлений.  Назовем некоторые из них: моделирование водных экосистем (трансформации компонент экосистемы, образования и превращения веществ, потребления, роста и гибели организмов); моделирование продукционного процесса растений (для выбора оптимальной стратегии проведения сельскохозяйственных мероприятий: орошения, полива, внесения удобрений, выбора сроков посева или посадки растений с целью получения максимального урожая); моделирование лесных сообществ (используются как для описания лесных массивов на больших пространственных и временных масштабах, так и для моделирования популяций, в которых основным объектом является отдельное дерево); моделирование загрязнения атмосферы и поверхности земли промышленными выбросами (перенос загрязняющих веществ, ущерб, наносимый здоровью населения, сельскохозяйственным угодьям, лесным массивам, почве, затраты на восстановление окружающей среды и т.д.)

WOFOSTmodel - детерминированная модель моделирования урожая на основе физиологических процессов

29. Модульная организация имитационных моделей. BOIMA как пример модульного имитационного моделирования. Имитационное моделирование является по своей сути машинным экспери ментом с моделью исследуемой или проектируемой системы Модульная организация системы является необходимым требованием, а сама суть модульности тесно переплетена с сутью других свойств объектной модели. Основная цель экспериментальных исследований с помощью имитационных моделей состоит в наиболее глубоком изучении поведения моделируемой системы. Для этого необходимо планировать и проектировать не только саму модель, но и процесс ее использования, т. е. проведение с ней экспериментов на ЭВМ. 

30. Перспективы развития математического моделирования в экологии и почвоведении.  Широкое применение методологии и конкретных физических результатов в рассматриваемых направлениях, а также пути более эффективного применения методов математического моделирования с использованием современной вычислительной техники в различных предметных областях.

Несмотря на чрезвычайную сложность почвы как объекта моделирования последние десятилетия это направление в почвоведении активно развивается. Множество известных в настоящее время математических моделей в почвоведении можно разделить на три большие группы: эмпирические, полуэмпирические и теоретические модели. Рассмотрим, как в каждой из этих групп учитываются особенности почвы как объекта моделирования (высокая сложность и иерархичность строения, незамкнутость, полифакторность внешней среды, целостность, динамичность, нестационарность, инерционность и нелинейность).

Эмпирические модели. При построении моделей этой группы исследователь, имея в своем распоряжении определенное количество результатов наблюдений за некоторым свойством изучаемого объекта, зависящим от различных факторов внешней среды, получает с помощью метода- множественного регрессионного анализа аналитическое выражение, связывающее изучаемое свойство почвы и определяющие его факторы окружающей среды.

Теоретические модели отличаются от эмпирических (регрессионных) прежде всего по объему априорной информации, необходимой для их построения. В эмпирических моделях исходная (теоретическая) информация используется только для того, чтобы выбрать факторы окружающей среды, воздействие которых на систему будет рассматриваться в модели. В основе теоретических моделей лежат наши представления о механизмах описываемых явлений. Исходная теоретическая информация о характере рассматриваемых процессов позволяет более обоснованно выбрать класс функций для их описания.

Наиболее актуальными в мировой науке проблемами в экологии, решаемыми математическими методами, на настоящий момент являются:

1. моделирование биогеохимических циклов элементов, в первую очередь углерода и азота, в особенности в связи с оценкой баланса углерода в рамках Киотского протокола;

2. управление природными и искусственными экосистемами с целью сохранения биоразнообразия и оптимизации хозяйственно полезной продукции.

3. проблемы устойчивого развития природных экосистем в различных биомах земного шара, в первую очередь в бореальных и тропических лесах, тундре и пустынях при изменениях, в том числе и катастрофических, внешних условий - изменения климата, лесные пожары, вспышки численности насекомых-вредителей, наводнения и засухи.

Во всех этих направлениях российские ученые входят в число лидирующих. Важно отметить их участие в больших международных коллективах, в которых роль российских ученых, как правило, состоит в методологических постановках задач и, при необходимости, высокопрофессиональной математической технике их решения.

31. Использование графовых моделей для решения задач оценки пригодности земель. Графовой моделью называют подвид математических моделей или ранние моделями данных. Они представляют собой инструменты для создания и использования различных разновидностей баз данных сетевой и иерархической структуры. Эти модели получили свое название по видам рассматриваемых в них структур данных.  В графовых моделях данных предусматриваются характерные для представимых в них структур данных операции навигации и манипулирования данными. Принципиальное значение при этом имеет то обстоятельство, что модельные операции манипулирования данными обеспечивают одновременную обработку только одиночных экземпляров данных из базы данных - записей базы данных, сегментов и т.п.