Вид учебной работы	Объем часов/зачетных единиц
Максимальная учебная нагрузка (всего)	108\3з.е.
Обязательная аудиторная учебная нагрузка (всего)	42
в том числе:
Лекции с применением мультимедийных технологий	16
практические занятия	26
коллоквиум	2
Самостоятельная работа студента (всего)	64
в том числе:
Внеаудиторная самостоятельная подготовка к практическим занятиям	10
Работа с литературными источниками, периодическими изданиями и Интернет-источниками	14
Подготовка проектного творческого задания	20

Тема 1. Становление и развитие системных идей в экологии.	Содержание учебного материала	18
	Цели и задачи системной экологии. Методы сис​темной экологии. Системный подход. История формирования системных идей в экологии. Система. Простые и сложные системы. Классификация систем. Иерархия уровней организации. Иерархический, сетевой и реляционный подходы к анализу систем.
	Лекции с применением мультимедийных технологий	2
	Практические занятия с элементами семинара, с применением кейс-технологий	4
	Самостоятельная работа студента	12

Происходит размывание границ понятия «экология» и превращение ее из фундаментальной синтетической биологической науки в нечто аморфное, не имеющее четких границ. Это подняло престиж экологии, но резко снизило понимание фундаментальных явлений и решений возникших экологических проблем и прогнозирование ситуаций.

«экология» – это наука об отношениях между живыми организмами и окружающей их средой обитания

Основные понятия экологии

Этапы в становлении и развитии экологии:

Первый этап – отражает примитивные знания, накапливаемые людьми, в т.ч. первобытными, в процессе тесного общения с природой и ведения натурального хозяйства. Начался за много веков до новой эры и завершился в первые века до новой веры.

Второй этап – накопление фактического материала, но уже античными учеными, средневековый застой. Период: I-III век до н.э. – XIV век н.э.

Третий этап – продолжение сбора и первые попытки систематизация фактического материала, накопленного с началом великих географических открытий и колонизацией новых стран – в эпоху Возрождения. Период: с IV по XVIII век включительно.

Четвертый этап – связан с крупными ботанико-географическими открытиями, способствовавшими дальнейшему развитию экологического мышления; предпосылка экологических идей; выделены экология растений и экология животных. Период: конец XVIII – начало XIX века.

Пятый этап – становление эволюционной экологии, углубление экологических исследований, начало изучения взаимосвязей. Период: с начала XIX века до второй половины (1866 г.) XIX века

Шестой этап – определение понятия "экология", доминирование исследований аутэкологического направления – изучение естественной совокупности видов, непрерывно перестраивающихся применительно к изменению факторов среды, т.е. факториальной аутэкологии. М.С. Гиляров называл этот этап временем факториального редукционизма. Период: со второй половины (1866 г.) XIX до середины (1936 г.) XX века.

Седьмой этап отражает новый – системный, подход к исследованиям природных систем, формирование общей экологии, как самостоятельной фундаментальной биологической науки, доминирование синэкологического направления – изучение процессов материально-энергетического обмена, развитие количественных методов и математического моделирования. Период: 40-70 гг. XX века. Специфика этого этапа – мнение о примате конкурентных отношений в биоценозах и принижение значимости эволюционных факторов, господство парадигмы дискретности.

Восьмой этап – "экологизация" науки; становление экологических наук, учитывающих деятельность Человека, т.е. социальной и политической направленности. Возрастание интереса к изучению популяций (демэкология), динамики формирования биогеоценозов в связи с антропогенными нарушениями. Большое внимание уделяется стационарным исследованиям. Основная методология – системный анализ. Одно из главных направлений – длительный экологический мониторинг разных уровней (наземный, региональный, глобальный и пр.). Период: с 80-х годов XX века по настоящее время. Специфика – отказ от примата конкурентных взаимоотношений в ценозе; в фитоценологии смена парадигмы дискретности на парадигму континуальности; развитие методов и теории экологического мониторинга. В последнее десятилетие произошло объединение ряда тенденций последних периодов. Учеными признается как континуальность, так и дискретность растительного покрова – в природе есть и то и это, формируется новая парадигма – биологического разнообразия.

СИСТЕМНАЯ ЭКОЛОГИЯ

совокупность принципов и концепций системного анализа применительно к экологии. Системная экология как формализованный целостный подход стала самостоятельным разделом общей экологии в результате развития современных формальных математических методов, кибернетики, обработки данных на ЭВМ, информатики и т. д., а также формального упрощения сложных экосистем. Системная экология открывает реальный путь к решению проблем, связанных со средой обитания человека. 

Задачи системной экологии – проводить исследования структуры и функционирования экологической системы и роли в ней различных популяций (видов) с целью оценки возможности прогнозирования развития экосистемы и динамики составляющих ее элементов, а также решать задачи управления ими.

Это довольно сложные задачи и для их решения должны привлекаться математические методы, методы моделирования и компьютерные технологии. Поэтому основу данного курса составляют различные методы исследования и анализа систем.

Системный подход — направление методологии исследования, в основе которого лежит рассмотрение объекта как целостного множества элементов в совокупности отношений и связей между ними, то есть рассмотрение объекта как системы.

Основные определения системного подхода

Основоположниками системного подхода являются: Л. фон Берталанфи, А. А. Богданов, Г.Саймон, П.Друкер, А.Чандлер.

Карл Людвиг фон Берталанфи (англ. Ludwig von Bertalanffy; 19 сентября 1901, Вена — 12 июня 1972, Нью-Йорк) — австрийский биолог, постоянно проживавший в Канаде и США с 1949 года. Первооснователь обобщённой системной концепции под названием «Общая теория систем». Сам фон Берталанфи описывает происхождение общей теории систем как результат конфликта между механицизмом и витализмом. Обе точки зрения были для него неприемлемы: первая — как тривиальная, вторая — как вообще антинаучная.

Система — совокупность взаимосвязанных элементов, образующих целостность или единство.

Структура — способ взаимодействия элементов системы посредством определенных связей (картина связей и их стабильностей).

Процесс — динамическое изменение системы во времени.

Функция — работа элемента в системе.

Состояние — положение системы относительно других её положений.

Системный эффект — такой результат специальной переорганизации элементов системы, когда целое становится больше простой суммы частей.

Структурная оптимизация — целенаправленный итерационный процесс получения серии системных эффектов с целью оптимизации прикладной цели в рамках заданных ограничений. Структурная оптимизация практически достигается с помощью специального алгоритма структурной переорганизации элементов системы. Разработана серия имитационных моделей для демонстрации феномена структурной оптимизации и для обучения.

Основные допущения системного подхода

1​ В мире существуют системы

2​ Системное описание истинно

3​ Системы взаимодействуют друг с другом, а, следовательно, всё в этом мире взаимосвязано

4​ Следовательно мир — это тоже система

Основным методом исследований в системной экологии является системный анализ, который представляет собой синтетическую дисциплину, разрабатывающую способы исследования разнообразных сложных систем или ситуаций при нечетко поставленных целях (критериях).

системный анализ — научный метод познания, представляющий собой последовательность действий по установлению структурных связей между переменными или элементами исследуемой системы. Опирается на комплекс общенаучных, экспериментальных, естественнонаучных, статистических, математических методов.

Такие исследования необходимы для определения научно обоснованной программы действий с учетом не только объективной, но и субъективной информации. При системном подходе используются математический аппарат теории исследования операций, методы многомерной статистики и методы неформального анализа, такие как метод экспертиз, метод опроса, эвристические методы и компьютерное моделирование. Существенной частью исследования систем является выбор способа описания происходящих в них изменений и формализация такого описания. Сложность формализации определяется сочетанием разнотипных факторов, характеризующих систему, например сочетание экологических, экономических и других факторов.

Разработка методов системного анализа как научной дисциплины ведется по нескольким направлениям. Одним из важнейших из них является создание принципов построения и использования моделей, имитирующих протекание реальных процессов, способов их объединения в системы и такого представления в ЭВМ, которое обеспечивало бы простоту их использования без потери адекватности. Другое направление связано с изучением организационных структур и, прежде всего систем, обладающих иерархической организацией.

Для успешного решения теоретических и практических задач многие разделы биологии и экологии следует рассматривать с системных позиций и применять соответствующие методы исследований.

Упрощенные версии реального мира в науке называются моделями.

Модель – это абстрактное описание того или иного явления реального мира, позволяющее сделать предсказания. В своей простейшей форме модель может быть словесной или графической. Однако, если мы хотим получить достаточно надежные экологические прогнозы, то модель должна быть статистической и строго математической.

Модели, созданные на современных компьютерах, позволяют получать на выходе искомые характеристики при изменении параметров модели, добавлении новых или исключении старых. Иными словами, возможна так называемая настройка модели, позволяющая приблизить ее к реальной ситуации. Наконец, модели очень полезны как средства интеграции всего того, что известно о моделируемой структуре.

Реляционная модель данных некоторой предметной области представляет собой набор отношений, изменяющихся во времени.

Отношение представляет собой двумерную таблицу с данными, соответствующую некоторой сущности в предметной области.

Сетевой подход базируется на идее о том, что любая организация функционирует в пределах какой-то определённой сети,

Иерархический подход.

xex212

Основы теории систем и системного анализа. Системы и закономерности их формирования и развития.

Система. Простые и сложные системы. Классификация систем. Иерархия уровней организации. Иерархический, сетевой и реляционный подходы к анализу систем. Основные принципы системологии.

10

3

1

6

Системы и их свойства.

«Система» (от греч. systema - целое, составленное из частей) считается одним из ключевых философско-методологических и специальных научных понятий. Система -совокупность элементов со связями между ними. Элемент системы из-за иерархической структуры мира сам оказывается системой со своими элементами. Фиксация системы делит мир на две части - насистему и среду. При этом подчеркивается большая сила связей элементов внутри системы по сравнению с силой связей с элементами среды.

Для идентификации систем необходимо задать еще один критерий - «закон композиции».Выбор закона композиции даст возмож​ность объединить те же объекты в разные системы.

Каждая система определяется некоторой структурой (элементы и взаимосвязи между ними) и поведением (изменение системы во времени).

Сложность системы на «структурном уровне» задается числом ее элементов и связей между ними. Дать определение «сложности» в этом случае чрезвычайно трудно: исследователь сталкивается с так называемым «эффектом кучи» (один шар - не куча, два шара - не куча, три - не куча, а вот сто шаров - куча, девяносто девять - куча; так где же граница между «кучей» и «не кучей»?).

Определить, что такое «сложная система на «поведенческом уровне» представля​ется более реалистичным. Системы, включающие в себя в качестве хотя бы одной подсистемы решающую систему (поведению которой присущ акт решения), называют сложными.

Иерархия — это «расположение ступенчатым рядом». На каждой ступени, или уровне, в результате взаимодействия с окружающей физической средой (энергией и веществом) возникают характерные функциональные системы.

Основные принципы системологии

Принцип эмерджентности. По мере объединения компонентов, или подмножеств, в более крупные функциональные единицы, у этих новых единиц возникают новые свойства, отсутствовавшие на предыдущем уровне. Эмерджентные свойства экологи​ческой единицы нельзя предсказать, исходя из «свойств компонентов, составляющих эту единицу. При каждом объединении подмножеств в новое множество возникает по меньшей мере одно новое свойство.

Принцип иерархической организации (или принцип интегративных уровней Одума): позволяет соподчинить друг другу как естественные, так и искусственные сис​темы.

Принцип несовместимости Л. Заде: сложность системы и точность, с которой ее можно анализировать, связаны обратной зависимостью.

Основные принципы системного подхода

Целостность, позволяющая рассматривать одновременно систему как единое целое и в то же время как подсистему для вышестоящих уровней.

Иерархичность строения, то есть наличие множества (по крайней мере, двух) элементов, расположенных на основе подчинения элементов низшего уровня элементам высшего уровня. Реализация этого принципа хорошо видна на примере любой конкретной организации. Как известно, любая организация представляет собой взаимодействие двух подсистем: управляющей и управляемой. Одна подчиняется другой.

Структуризация, позволяющая анализировать элементы системы и их взаимосвязи в рамках конкретной организационной структуры. Как правило, процесс функционирования системы обусловлен не столько свойствами её отдельных элементов, сколько свойствами самой структуры.

Множественность, позволяющая использовать множество кибернетических, экономических и математических моделей для описания отдельных элементов и системы в целом.

Системность, свойство объекта обладать всеми признаками системы.

Набор концепций, методов, решений принято называть «системным анализом» и правомерно использование его в экологии – науке, являющейся по существу также системной. Как научное направление «системная экология» еще окончательно не сформировалось и поэтому сюда относят все возможные методы исследования биологических систем и их динамики, а также исследования различных проблем и задач, возникающих при изучении биосистем, характеризующихся множеством переменных и параметров. Большой толчок к развитию этого направления дало появление современных быстродействующих компьютеров, позволяющих хранить и обрабатывать большой объем количественной и качественной информации.

Системный анализ включает несколько основных этапов:

    выбор проблемы;

    постановка задачи и ограничение ее сложности;

    установление иерархии целей и задач;

    выбор путей решения задачи;

    моделирование;

    оценка возможных стратегий;

    внедрение результатов.

xex22

3

Методология системного анализа.

Характерные черты системного анализа и его основные этапы. Применение системного анализа к экологическим системам. Принципы постановки задач и формулирование целей. Выбор переменных, характеризующих систему и ее управление. Структурное разбиение и моделирование систем. Анализ и прогнозирование условий функционирования в будущем.

13

3

2

6

МЕТОДОЛОГИЯ СИСТЕМНОГО АНАЛИЗА

xex23Системный анализ и его этапы

Вопреки представлениям многих экологов, системный анализ не есть какой-то математический метод и даже группа математических методов. Это широкая стратегия научного поиска, которая, конечно, использует математический аппарат и математические концепции, но в рамках систематизированного научного подхода к решению сложных проблем. По существу системный анализ организует наши знания об объекте таким образом, чтобы помочь выбрать нужную стратегию или предсказать результаты одной или нескольких стратегий, которые представляются целесообразными тем, кто должен принимать решения. В наиболее благоприятных случаях стратегия, найденная с помощью системного анализа, оказывается «наилучшей» в некотором определенном смысле.

Мы будем понимать под системным анализом упорядоченную и логическую организацию данных и информации в виде моделей, сопровождающуюся строгой проверкой и анализом самих моделей, необходимыми для их верификации и последующего улучшения

Основной вклад системного анализа в решение различных проблем обусловлен тем, что он позволяет выявить те факторы и взаимосвязи, которые впоследствии могут оказаться весьма существенными, что он дает возможность так изменять методику наблюдений и эксперимент, чтобы включить эти факторы в рассмотрение, и освещает слабые места гипотез и допущений. Как научный метод системный анализ с его акцентом на проверку гипотез через эксперименты и строгие выборочные процедуры создает мощные инструменты познания физического мира и объединяет эти инструменты в систему гибкого, но строгого исследования сложных явлений. Успехов в его приложении к практическим задачам чаще всего удается достичь небольшим группам ученых, работающих в одном институте и занимающихся четко очерченной и достаточно узкой проблемой.

Определив в общих чертах, что такое системный анализ, выясним, почему мы вынуждены использовать его в экологии.

xex33

Семейства моделей

Модель - формальное выражение основных элементов проблемы в физических или математических терминах, которое отображает свойства объекта исследования, взаимосвязи, структурные и функциональные параметры.

Формальное выражение проблемы или объекта исследования можно рассматривать как первый и необходимый этап построения модели, который состоит из формализации проблемы, т.е. из упорядочения информации, выявления и описания взаимосвязей в виде логических структур, формул или физических (материальных) моделей.

Модель называется абстрактной (концептуальной) либо материальной (физической) в зависимости от того, какой системой она является, т.е. от выбора средств моделирования.

Абстрактной моделью может быть, в частности, система математических выражений, описывающих характеристики объекта моделирования и взаимосвязи между ними (математическая модель). Модели с конкретными числовыми значениями характеристик называются числовыми моделями, записанные с помощью логических выражений –логическими моделями, модели в графических образах – графическими моделями (графики, диаграммы, рисунки). К логическим моделям обычно относят блок-схемы алгоритмов и программы для ЭВМ. В зависимости от типа применяемых вычислительных машин различаютаналоговые и дискретные (цифровые) модели. Вместе с тем аналоговые модели могут рассматриваться и как материальные, поскольку они основаны на получении физического (электрического, механического и т.п.) образа исследуемого процесса. Большое распространение имеют и такие материальные модели, как уменьшенные макеты, искусственные биосистемы (аквариумы), действующие модели различных приборов и устройств или просто словесное описание и т.п.

Семейства моделей в системном анализе:

1) словесные модели,

2) динамические модели,

3) детерминистские и стохастические модели,

4) матричные модели,

5) многомерные модели,

6) оптимизационные модели и некоторые другие.

Список далеко не полный, а его категории к тому же не взаимоисключающие.

Преимущества математических моделей состоят в том, что эти модели точны и абстракты, что они передают информацию логически однозначным образом. Модели точны, поскольку они позволяют делать предсказания, которые можно сравнить с реальными данными, поставив эксперимент или проведя необходимые наблюдения. Модели абстрактны, т.к. символьная логика математики извлекает те элементы, которые важны для дедуктивной логики рассуждения, исключая все посторонние значения, которые могут быть приданы словам. Математические модели позволяют использовать всю совокупность накопленных знаний о поведении взаимосвязей, так что логически связанные суждения об изучаемой системе можно вывести, не повторяя все предыдущие исследования. Математические модели дают нам важное средство коммуникации благодаря однозначности символьной логики, используемой в математике, – средство, которое в значительной степени лишено недостатков, свойственных обычному языку.

Недостатки математических моделей заключаются во внешней сложности символьной логики. Эта сложность отчасти неизбежна, если изучаемая проблема сложна, вполне возможно, что сложным окажется и математический аппарат, необходимый для ее описания. Моделирование в прикладном системном анализе – это лишь один из этапов широкой стратегии исследования. Мы должны внимательно следить за тем, чтобы моделирование не превратилось в самоцель!

xex34Словесные и математические модели

Построение «словесной» модели важный этап, на котором объединяется все, что связано с решаемой проблемой, с целью выделения той части системы, которую необходимо исследовать. Такое описание может во многом помочь на стадиях постановки задачи и ограничения ее степени сложности и установления иерархии целей и задач исследования.

Сила математики заключается в ее способности выражать идеи и особенно сложные связи с помощью символьной логики, сохраняя в то же время простоту и рациональность выражения.

В общем случае математические модели классифицируют на детерминистские и стохастические, хотя в последнее время в связи с бурным развитием вычислительной техники и различных приложений практически все модели являются смешанными и еще с элементами имитации.

Если предыдущее состояние системы однозначно определяет последующее состояние, то система или модель называется детерминистской. предсказываемые значения могут быть точно вычислены;

Одной из простейших моделей роста популяции организмов является модель, заданная дифференциальным уравнением:

,                                                             (3.1)

где   y – плотность популяции в момент t, r – константа. Один из примеров биологического процесса, который может быть представлен подобной моделью, – это рост бактериальной культуры до того, как начнет истощаться среда. Здесь скорость роста в любой момент времени равна постоянной доле от плотности популяции в этот момент.

xex36Если, зная состояние системы в данный момент времени, можно лишь указать вероятности наступления того или иного состояния в следующий момент времени, то система называется вероятностной или стохастической. предсказываемые значения зависят от распределения вероятностей.

Мы можем строить наши модели, положив в их основу изменчивость живых организмов, тогда это будут вероятностные или стохастические модели. В подобных моделях используется совсем иная область математики, развившаяся позже, чем дифференциальное исчисление и дифференциальные уравнения. Один простой пример такой модели, соответствующий детерминистской модели экспоненциального роста, задается уравнением:

,                                                       (3.5)

где   y– плотность популяции в момент времени t, a – константа, b(t) –случайная переменная с нулевым средним. Это значит, что величина b(t) меняется, принимая значения из некоторого случайного распределения так, что между флуктуациями в последовательные моменты нет никакой корреляции. Легко видеть, что если основой для имитации служит стохастическая модель, то результаты имитации будут различаться, даже если константы и начальные условия одинаковы. Эту вариабельность обеспечивают вероятностные элементы модели; назначение таких моделей именно в том и состоит, чтобы отразить изменчивость, характерную для живых организмов и экологических систем. Что же касается постановки реального эксперимента, то обычно бывает необходимо провести целую серию имитаций, с тем, чтобы определить, как система реагирует на различные воздействия.

Кроме того, наши модели подразделяются еще на две категории, а именно аналитические и имитационные.

Аналитические модели – это те, в которых для определения значений предсказываемых величин получаются выражения в явном виде, сюда относятся регрессионные и многомерные модели, модели планирования эксперимента и стандартные теоретические статистические распределения.

Имитационные модели – это те, которые могут быть описаны с помощью набора определенных математических операций, таких как решение дифференциальных уравнений, повторное применение переходной матрицы или использование случайных чисел, различные регрессии. Преимущество имитационных моделей состоит в том, что их легче построить не математику, но подогнать их под данные наблюдений обычно труднее, чем аналитические модели.

xex37Динамические модели

К динамическим моделям можно отнести все модели, где рассматриваются различные параметры биосистем в динамике от времени или другой независимой величины.

Всякое практическое использование динамических моделей зависит от способности современных ЭВМ решать большое число (сотни) уравнений за короткие промежутки времени. Эти уравнения являются более или менее сложными математическими описаниями того, как функционирует имитируемая система.

При использовании системной динамики в моделировании выделяют три главных этапа:

    Во-первых, нужно установить, какое именно динамическое свойство системы представляет интерес и сформулировать гипотезы о взаимодействиях, порождающих данное свойство.

    Во-вторых, компьютерная имитационная модель должна быть построена таким образом, чтобы она дублировала элементы поведения и взаимодействий, определенные как существенные для системы.

    В-третьих, когда мы убедимся в том, что поведение модели достаточно близко к поведению реальной системы, мы используем модель, чтобы понять последовательность изменений, наблюдаемых в реальной системе, и предложить эксперименты, которые нужно поставить на стадии оценки потенциальных стратегий, т.е на следующем этапе системного анализа.

Основные характеристики динамических моделей состоят в том, что экологическая система рассматривается в динамике во времени, т.е. происходит изменение количественных характеристик (численности, биомассы) в динамике, описываемой непрерывными функциями.

Трудности динамических моделей заключаются в том, что не всегда легко предсказать поведение даже самых простых моделей.

Итак, динамические модели могут быть особенно полезны на ранних стадиях системного анализа сложных экологических систем, поскольку они направлены на выявление основных связей в системе и тех переменных и подсистем, которые являются ключевыми. На более поздних этапах целесообразнее сосредоточить усилия на использовании какого-либо другого семейства моделей, именно поэтому в системном анализе выделена стадия получения альтернативных решений проблемы.

xex38Матричные модели

Матричные модели представляют собой семейство таких моделей, реалистичность которых в известной мере принесена в жертву тем преимуществам, которые дает специфика математического описания модели. Они представляют собой одну из удобных форм описания популяционных систем для практических вычислений.

Матрица есть прямоугольная таблица, размером i×j, где i – число строк, j – число столбцов, (например 3×4). Каждое из i×j чисел называется элементом. Если в целом матрица обозначаетсяА, то a_ij – это элемент i-той строки, j-того столбца А.

                              (3.6)

xex39Марковские модели

Марковские модели – один из типов стохастических моделей. Они состоят в близком родстве с матричными моделями, т.к. их основная конструкция – матрицы, но элементами которых являются не детерминированные, а вероятностные переходы из одного состояния в другое. Суммы вероятностей по всем строкам равны 1.

Марковская модель первого порядка – это модель, в которой будущее развитие системы определяется ее текущим состоянием и не зависит от того, каким путем система пришла в это состояние. Последовательность результатов, получаемых из такой модели, часто называютмарковской цепью. Применение такой модели к практическим ситуациям требует выполнения трех основных условий:

1. Система должна допускать классификацию на конечное число состояний.

2. Переходы должны происходить в дискретные моменты времени, правда, они должны быть достаточно близкими, чтобы для моделируемой системы время можно было бы считать непрерывным.

3. Вероятности не должны меняться во времени.

Наиболее перспективным является применение марковских моделей для моделирования сукцессий экосистем.

Для построения моделей марковского типа необходимо следующее:

1. Некая разумная классификация состояний сукцессии по определенным категориям. Здесь будут полезны и многомерные модели.

2. Данные для определения переходных вероятностей или скоростей, с которыми состояния переходят со временем из одной категории данной классификации в другую.

3. Данные о начальных условиях, сложившихся в некоторый фиксированный момент времени, обычно после известного возмущения (катаклизмы, катастрофы и т.п.).

Такие модели довольно легко строить на основе данных по сукцессиям.

Отсутствие зависимости от функциональных механизмов, что снижает привлекательность моделей для экологов.

xex40Оптимизационные модели

Описанные в данной главе модели обычно считаются менее приемлемыми для решения экологических задач, тем более они стали использоваться сравнительно недавно.

Столь необычное слово «оптимизация» придумано для того, чтобы обозначить отыскание максимума либо минимума какого-то математического выражения или функции, когда некоторые их переменные мы можем изменять в определенных пределах. Практически любые модели могут быть использованы при отыскании тех или иных максимумов или минимумов. Будет ли это использование иметь смысл, целиком зависит от конкретной задачи, но такие ситуации, когда необходимо изучить возможность увеличения продуктивности некоторой экологической системы путем изменения окружающей среды или смены методов управления, возникают в экологии довольно часто. Одна из главных причин применения моделей в том и состоит, что мы должны уметь предвидеть результаты этих изменений.

С помощью динамической модели, например роста дрожжей в смешанной культуре, описанной с помощью дифференциальных уравнений, мы можем попытаться определить соотношение между исходными количествами двух видов дрожжей, при котором продуцируется максимум дрожжевых клеток. Определив экспериментально основные параметры моделей, мы можем последующие эксперименты с целью отыскания нужных соотношений проводить уже на моделях.

xex41Модели теории игр

С моделями математического программирования тесно связаны модели, которые основаны на теории игр. Простейшая из этих моделей – так называемая игра двух лиц с нулевой суммой. При этом имеется два множества интересов, одно из которых может представлять природу или какую-то другую внешнюю силу, а сама игра «замкнута» в том смысле, что все, что проигрывает один из игроков, выигрывает другой.

Простой пример из области экологии, рассмотренный ниже, является измененным вариантом примера, приведенного также в книге Вильямса (1960), связанный со стратегией ловли рыб на удочку и характера их питания тремя видами пищи.

xex43

4

Элементы системного анализа в экологии и охране окружающей природной среды.

Концепция экосистем. Структура экосистемы. Гипотеза однонаправленности потока энергии. Термодинамика экосистем. Экологические законы, связанные с энергетическими потоками биосферы. Элементы биоэнергетики экосистем. Концепция продуктивности. Концепция информации. Информация в растительных сообществах. Информационные поля животных. Информация и феномен жизни.

13

3

2

8

Экология изучает системы, сис​темы выше уровня организма. В экологии значение терминапопуляция, первоначально обозначавшего группу людей, расширено и обозначает группы особей любого вида ор​ганизмов. Сообщество включает все популяции, занимающие данный участок. Сообще​ство и неживая среда функционируют совместно, образуя экологическую систему, илиэкосистему. Сообществу и экосистеме приблизительно соответствуют часто употреб​ляемые в европейской и русской литературе термины биоценоз и биогеоценоз (буквально жизнь и земля, функционирующие вместе). Биом — крупная региональная или субкон​тинентальная биосистема, характеризующаяся каким-либо основным типом раститель​ности или другой характерной особенностью ландшафта. Самая крупная и наиболее близкая к идеалу в смысле «самообеспечения» биологическая система— это биосфера, не путать с экосферой. Под ус​тойчивым равновесиеммы понимаем способность саморегулируемой системы возвра​щаться в исходное состояние по крайней мере после небольшого отклонения.

Концепция экосистем по Ю. Одуму является главенствующей в современной экологии. Любая биосистема, включающая все совместно функционирующие организ​мы на данном участке и взаимодействующая с физической средой таким образом, что поток энергии создает четко определенные биотические структуры и круговорот ве​ществ между живой в неживой частями, представляет собой экосистему. Экосистема — основная функциональная единица в экологии.

Структура экосистемы

Гипотеза однонаправленности потока энергии

Эффективное становление методологии системного подхода стало возможным только в середине 60-х годов 20 в. В это время в распоряжение экологов поступили мощные ЭВМ и были разработаны методы моделирования сложных динамических систем, главным образом в аэрокосмических и технических исследованиях, которые и получили название системного анализа.

Присоединяясь к Одуму (1975), можно сказать, что задача системной экологии состоит в описании принципов, упрощений и абстракций, к которым необходимо научиться сводить многообразие реального мира природы, прежде чем приступить к построению его математических моделей. В этом случае моделирование следует считать специфическим методом системной экологии, с помощью которого исследуются законы функционирования и развития экосистем во времени и пространстве.

Системный подход к решению проблем, в том числе и экологических, включает следующие этапы:

    отыскание возможных вариантов решения;

    определение последствий использования каждого из возможных вариантов решения;

    применение объективных критериев, которые указывают, является ли одно решение более предпочтительным, чем другие.

При этом не предполагается, что используемые способы выбора решений являются единственными.

Положения, которые необходимо учитывать при системном анализе:

     процесс принятия решения должен осуществляться таким образом, чтобы используемые способы выбора решения можно было оценить, улучшить или заменить;

     критерии оценки решения должны быть четко сформулированы;

     усилия, затраченные на выявление связей между причинами и следствием, должны быть оправданы лучшим пониманием проблемы.

Экологические сообщества с их бесчисленными и порой едва уловимыми взаимодействиями между отдельными видами ресурсов, особями и популяциями чрезвычайны сложны по своей природе. Даже взаимодействие между хищником и жертвой (простейшая ситуация) является достаточно сложным: необходимо учитывать такие факторы, как степень голодания, поиск, преследование и новая функциональная реакция, пространственное и временное разделение и т.п.

Экологи создают модели сложных экосистем на ЭВМ на допущении разнообразных взаимодействий между компонентами этих систем. Используя фактический материал по влиянию каждого компонента экосистемы на остальные, они пытаются создать, по возможности, реалистические модели экосистем, чтобы можно было предсказывать их реакцию на те или иные воздействия. Поскольку в этом случае системный подход по сути дела является описательным и дедуктивным, сфера его приложений ограничена, т.к. нельзя предсказать точно поведение системы за пределами их состояний, которые имеются в исходных данных по взаимодействию между биотопами. Но, с другой стороны, это позволяет планировать дальнейшие исследования, акцентировать внимание на наиболее важных факторах и особенностях биосистемы.

Термодинамика экосистем: закон энтропии

Экология изучает связь между светом и экологическими системами и способы превращения энергии внутри системы. Энергию определяют как меру способности произво​дить работу. Свойства энергии описываются следующими законами.

Первый закон термодинамики, или закон сохранения энергии, гласит, что энергия может переходить из одной формы в другую, но она не исчезает и не создается заново.

Второй закон термодинамики, или закон энтропии, формулируется по-разному, в частности таким образом: поскольку некоторая часть энергии всегда рассеивается в виде недоступной для использования тепловой энергии, эффективность самопроиз​вольного превращения кинетической энергии (например, света) в потенциальную (на​пример, энергию химических соединений протоплазмы) всегда меньше 100 %. Мера количества связанной энергии, которая становится недоступной для использования - энтропия (от греч. entropia - поворот, превращение). Этот термин также используется как мера изменения упорядоченности, которая происходит при деградации энергии.

Важнейшая термодинамическая характеристика организмов, экосистем и био​сферы в целом - способность создавать и поддерживать высокую степень внутренней упорядоченности, т.е. состояние с низкой энтропией. Способность к самоорганизации и созданию новых структур встречается в системах, далеких от равновесия и обладающих хорошо развитыми «диссипативными струк​турами».

Экосистемы и организмы представляют собой открытые неравновесные термо​динамические системы, постоянно обменивающиеся с окружающей средой энергией и веществом, уменьшая этим энтропию внутри себя, но увеличивая энтропию вовне в со​гласии с законами термодинамики.

Термин «энтропия» используется и в более широком смысле - для обозначения деградации различных материалов. Так, недавно выплавленная сталь - это низкоэнтро​пийное состояние железа, а ржавеющий кузов автомобиля - высокоэнтропийное. Соот​ветственно для «высокоэнтропийного» человеческого общества характерна деградация энергии, ржавеющая техника, лопающиеся водопроводные трубы и разрушаемая эрози​ей почва. Постоянные восстановительные работы - неизбежная плата за цивилизацию с высоким расходом энергии.

Экологические законы, связанные с энергетическими потоками биосферы ПРИНЦИП ЛЕ ШАТАЛЬЕ-БРАУНА - при внешнем воздействии, выводящем систему из состояния устойчивого равновесия, равновесие смещается в том направле​нии, в котором эффект внешнего воздействия ослабляется.

Следствием из принципа Ле Шаталъе - Брауна является ЗАКОН ТОРМОЖЕ​НИЯ РАЗВИТИЯ - в период наибольших потенциальных темпов развития системы возникают максимальные тормозящие эффекты.

ПРИНЦИП НЕРАВНОВЕСНОЙ ДИНАМИКИ - Неравновесность есть то, что порождает «порядок из хаоса». Если закрытые системы имеют одно состоя​ние равновесия, то открытые - несколько. Перейдя границу устойчивости система по​падает в критическое состояние, называемоеточкой бифуркации. В этой точке даже небольшая флуктуация может вывести систему на иной путь эволюции и резко изме​нить ее структуру и поведение.

ПОСТУЛАТ МАКСИМУМА БИОГЕННОЙ ЭНЕРГИИ - лю​бая экосистема, находясь в состоянии "устойчивого неравновесия" (т.е. динамического подвижного равновесия с окружающей средой) и эволюционно развиваясь, уве​личивает свое воздействие на среду.

ЗАКОН ПИРАМИДЫ ЧИСЕЛ - число индивидуумов в последова​тельности трофических уровней убывает и формирует пирамиду чисел.

ЗАКОНПИРАМИДЫ БИОМАСС. Пирамиды биомасс представляют более фундаментальный интерес, так как они дают "...картину общего влияния отноше​ний в пищевой цепи на экологическую группу как целое".

ЗАКОН ПИРАМИДЫ ПРОДУКТИВНОСТИ - более стабильная "пирамида", чем пирамида чисел или пирамида биомасс, которая в значительно большей степени отра​жает последовательность трофических уровней.

ПРАВИЛО ДЕСЯТИ ПРОЦЕНТОВ (пирамида энергий) - средне-максимальный переход 10 % энергии (или вещества в энергетическом выражении) с одного трофического уровня экологической пирамиды на другой, как правило, не ведет к неблагоприятным для экосистемы в целом и теряющего энергию трофического уров​ня последствиям.

АКСИОМА ЭКОЛОГИЧЕСКОЙ АККУМУЛЯЦИИ ЭНЕРГИИ - часть прохо​дящей через экосистему энергии накапливается и временно "выключается" из общего энергетического потока.

ПРАВИЛО ОДНОГО ПРОЦЕНТА - изменение энергетики природной системы на 1%, как правило, выводит природную систему из равновесного (квазистационарного) состояния.

ПРИНЦИП МАКСИМИЗАЦИИ ЭНЕРГИИ - в «сопер​ничестве» с другими экологическими объектами выживают (сохраняются) те из них, которые наилучшим образом способствуют поступлению энергии и используют мак​симальное ее количество наиболее эффективным способом.

Концепция информации

Понятие «информация» невозможно вывести из представлений, относящихся к миру вещей, информация - не материя и не энергия. Безуспешными оказались и по​пытки рассматривать информацию как третью ипостась материи, наряду с массой и энергией: такая точка зрения неизбежно приводит к выводу о «всюдности» информа​ции, весьма быстро приобретающему мистическую окраску. Поэтому определение ин​формации через описание форм ее проявления и ее свойств представляется вполне пра​вомочным. Формой проявления информации является оператор - необходимый компо​нент целенаправленного действия. Информация - совокупность приемов, правил или сведений, необходимых для построения оператора.

Прием, создание, хранение, передачу и использование информации называютэлементарными информационными актами, а осуществление всей совокупности таких актов -информационным процессом. Совокупность механизмов, обеспечивающих пол​ное осуществление информационного процесса, называют информационной системой. Формально информационные системы можно подразделить на закрытые, способные только создавать, хранить и использовать свою информацию, и открытые, способные также ее воспринимать и передавать. Вне информационной системы информация мо​жет лишь сохраняться в виде записей на тех или иных физических, носителях, но не может быть ни принятой, ни переданной, ни использованной.

Первой ставшей нам известной информационной системой был человек. Специ​фическую для человека информацию, которой обмениваются люди при помощи устной и письменной речи, обычно называют знанием (логическая информация).

Информацией называют также те сведения, которыми обмениваются между со​бой животные и которые, будучи восприняты, существенно влияют на их поведение. Это -поведенческая информация. Информационными системами, оперирующими с та​кой информацией, являются все многоклеточные животные, включая человека, и неко​торые одноклеточные.

Третий известный нам вид информации - генетическая - записана в нуклеиновых кислотах клеток последовательностью оснований и определяет фенотипические особен​ности всех без исключения живых существ. Специфическими для этой информации сис​темами являются все негенетические компоненты живых организмов.

Можно утверждать, что вне живой природы информации не существует.

Понятие «информация» несет в себе два оттенка. Во-первых, количественный ас​пект,игнорирующий смысл и значение сообщения. Предполагается, что различия сооб​щений связаны только с расположением символов в них и это расположение должно со​храниться при передаче информации. Во-вторых, это смысловая оценка сообщения или, как его иногда называютсемантический аспект ин​формации.

Свойства информации:

- Фиксируемость. Информация может существовать только в зафиксированном состоянии. Можно полагать, что способов записи информации может существовать столько, сколько может быть способов ее считывания.

- Инвариантность информации означает, что одна и та же информация, незави​симо от ее семантики, может быть «записана» на любом языке, любым алфавитом, т.е. системой знаков, наносимых любыми способами на любые носители.

- Бренность информации. Поскольку информация всегда зафиксирована на ка​ком-либо физическом носителе, постольку сохранность и само существование инфор​мации целиком и полностью определяется судьбой ее носителя. Условием неограни​ченно-длительного существования информации из-за её бренности является только пе​риодическая ее репликация ил деградации.

- Транслируемость - возможность быть переданной с одного носителя на другой, такой же или иной физической природы, в той же или иной системе записи.

- Когда скорость транслируемости превосходит скорость разрушения и гибели информации, это приводит к ее размножаемости. Следствием размножения информа​ции является еемультипликативность, т.е. возможность одновременного существова​ния одной и той же информации в виде некоторого числа идентичных копий на одина​ковых или разных носителях.

- Изменяемость. Деформируемость физических носителей, а также ошибки при трансляции могут приводить не только к гибели информации, но и к ее изменениям.

- Действенность информации может выявляться лишь в адекватной ей информа​ционной системе, - вне таковой любая информация абсолютно пассивна.

- Семантика информации может проявляться лишь одним путем - в специфике кодируемого ею оператора.

Возможность быть использованной - в ее материализован​ном виде, т.е. в качестве оператора, - для достижения той или иной цели обусловливает ценность информации.

- Полипотентность - любой оператор может быть использован для достижения разных целей. Из свойства полипотентности следует, что для чего-нибудь полезной может оказаться любая информация.

Информация в растительных сообществах

Определение количества информации, которое передается и воспринимается объектами растительного сообщества, еще не дает полного представления о характере взаимодействия этих объектов. Действительно, два воздействия АВ и ВА несут одинаковое количество информации, но могут быть причиной различного поведения систе​мы, находящейся под воздействием. Большое значение имеет не только количественная оценка информации, но и ее качественная составляющая (в данном случае - порядок воздействия).

Возможные носители информации в растительных сообществах: 1) качестве информационных сигналов могут выступать различные лимитирующие факторы, 2) факторы, зависящие от плотности особей, 3) аллелохимические (аллелопатические) взаимодействия, 4) электромагнитные поля биологического происхождения.

Информационные поля животных

Информационные взаимодействия в животном мире, как и вещественно-энергетические, наиболее отчетливо проявляются на уровне популяции, как совокуп​ность внутри- и межпопуляционных информационных потоков. На популяционном же уровне процессы информации тесно связаны с динамикой плотности населения.

Количественная сторона информации сообщает животным о плотности населе​ния. Каждая особь является приемником информации и ее продуцентом. Эта информа​ция и вызывает ответную реакцию, направленную на восстановление оптимального уровня интенсивности сигнального биологического поля, а, следовательно, и опти​мального уровня численности.

Сигнальное биологическое поле - это упорядоченная совокуп​ность изменения организмами исходных физических и химических характеристик мест их обитания, выступающих как совокупность сигналов или система связей, сплачи​вающих животных в более или менее тесные группы с согласованным поведением. При конкретных экологических исследованиях сигнальное биологическое поле удобно рас​сматривать как информационную систему, имеющую три параметра:

Сигнальные биологические поля имеют иерархическую организацию соответст​вующую системной организации живого надорганизменных уровней: индивидуальное (или элементарное) биологическое поле; групповое биологическое поле; общее сигналь​ное поле популяции; сигнальное поле коадаптивного комплекса экологически близких ви​дов; биоценотическое сигнальное поле.

Информация и феномен жизни

Принципиальное отличие живых объектов от неживых состоит в том, что все жи​вые объекты способны осуществлять целенаправленные действия. Способность эта обу​словлена их организацией, особенности которой задаются кодирующей эту организацию информацией. Все живые объекты, по существу, - это информационные системы, кото​рые, попадая в подходящие условия, могут обеспечивать воспроизведение кодирующей их информации. Жизнь, таким образом, - это форма существования информации и ко​дируемых ею операторов, обеспечивающих возможность воспроизведения этой инфор​мации в подходящих для этого условиях внешней среды. Цель жизнедеятельности всех живых организмов - это воспроизведение кодирующей их информации.

В ходе эволюции жизни на Земле возникали информационные системы все большей степени сложности. Феномен жизни и ее эволюцию можно интерпретировать как строго преемственный процесс возникновения и развития информации, постепенно, по мере исчерпания емкости своих физических носителей, приобретавшей все новые формы: генетической, поведенческой и логической.

5	Моделирование и анализ экологических систем.	Роль моделирования при анализе экологических систем и в управлении природопользованием. Сбор информации, использование имеющихся статистических данных и оценок экспертов, постановка специальных экспериментов. Конкретизация количественных взаимосвязей в эколого-экономических системах, проверка количественных взаимосвязей между переменными. Семейства математических моделей, их преимущества и недостатки. Словесные и математические модели. Детерминированные, стохастические, динамические, матричные и марковские модели.	13	3	2	6
6	Методы исследования популяций и экосистем, стохастические и многомерные модели.	Применение дисперсионного анализа и регрессионного анализа. Обзор методов исследования популяций животных и экологических систем. Многомерные модели: анализ главных компонент, дискриминантный анализ, канонический анализ. Оптимизационные и теоретико-игровые модели в системной экологии.	13	3	2	8

МНОГОМЕРНЫЕ МОДЕЛИ И МЕТОДЫ ИССЛЕДОВАНИЯ ПОПУЛЯЦИЙ И ЭКОСИСТЕМ

В экологических исследованиях и других приложениях системного анализа, как правило, решение различных проблем и разработка моделей связаны с анализом множества переменных. Такие модели называются «многомерными», и они связаны с методами, которые в совокупности именуются «многомерным анализом».

Математический аппарат, основанный на многомерных нормальных распределениях, был разработан в 30-е годы прошлого столетия и методы, разработанные в то время, служат основой большинства многомерных методов, применяемых и по сей день. Как правило, вычисления, необходимые для многомерного анализа и построения многомерных моделей, довольно громоздки и зависят от количества рассматриваемых переменных (р) и требуют значительных вычислительных ресурсов.

Прежде всего эти модели можно разделить на две основные категории, а именно: модели, в которых одни случайные величины используются для предсказания значений других, и модели, где переменные одного типа и не делается попыток предсказать одно множество значений по другому.

xex44Линейный корреляционный анализ

Корреляционный анализ – один из методов исследования взаимосвязи между двумя или более переменными. Многие многомерные модели основаны на анализе корреляционных или связанных с ними ковариационных таблиц, построенных для множества переменных.

Термин «корреляция», буквально означающий «соотношение» или «взаимосвязь», имеет следующий смысл: корреляция есть наличие взаимной согласованности в изменчивости двух или нескольких признаков, явлений. Корреляционный анализ изучает сопряженную изменчивость двух или нескольких признаков. xex45

Частные и множественные коэффициенты корреляции

Корреляционная связь между признаками может осуществляться не непосредственно, а косвенно – за счет связи каждого из них в отдельности с каким-либо третьим (четвертым и т.д.) признаком. Например, размеры вегетативных органов обычно сильно коррелируют с высотой растения и для изучения связи между ними в «чистом» виде необходимо найти способ исключить влияние на эту связь высоты растения.

Если рассчитаны парные коэффициенты корреляции r_xy, r_xz,r_yz между тремя признаками (x,y, z), то исключить влияние признака z на связь между признаками х и у можно, рассчитав по следующей формуле коэффициент частной корреляции:

.                                                            (4.10)

xex46Линейный регрессионный анализ

В экологических исследованиях, и особенно в экспериментальных данных, обычно используется регрессионный анализ, который тесно связан с корреляционным анализом и является его логическим продолжением, углубляя представления о корреляционной связи в следующих важных направлениях. Во-первых, приемы регрессионного анализа позволяют выявить и графически отобразить зависимость изменения одного признака от изменения другого (регрессиюу по х обозначают у/х, и регрессию х по у соответственно х/у). Итак, под регрессией подразумевается зависимость изменений одного признака от изменений другого или нескольких признаков (множественная регрессия). В соответствии с этим регрессия, подобно корреляции, может быть парной (простой) или множественной, а в зависимости от формы связи – линейной или нелинейной.

xex54Дисперсионный анализ xex55

Дисперсионный анализ, основы которого были разработаны Фишером в 1920-1930 гг., позволяет устанавливать не только степень одновременного влияния на признак нескольких факторов и каждого в отдельности, но также их суммарное влияние в любых комбинациях и дополнительный эффект от сочетания разных факторов. Разумеется, и в этом случае остается масса неучтенных факторов, но, во-первых, методика позволяет оценить долю их влияния на общую изменчивость признака, а во-вторых, исследователь обычно имеет возможность выделить несколько ведущих факторов и исследовать именно их воздействие на изменчивость признаков.

Дисперсионный анализ позволяет решить множество задач, когда требуется изучить воздействие природных или искусственно создаваемых факторов на интересующий исследователя признак. Дисперсионный анализ принадлежит к числу довольно трудоемких биометрических методов, однако правильная организация опыта или сбора данных в природных условиях существенно облегчает вычисления.

В зависимости от числа учитываемых факторов дисперсионный анализ может быть одно-, двух, трех- и многофакторным. Объем работы с увеличением числа факторов резко возрастает, поэтому уже четырехфакторный анализ следует проводить с помощью ЭВМ.

xex59Факторный анализ

Факторный анализ представляет собой наиболее общий подход к преобразованию структуры зависимости исходных переменных.

Техника факторного анализа направлена на оценку факторных нагрузок и специфических дисперсий, а также на определение для каждого объекта значений общих факторов с помощью значений исходных переменных, т.е. на вычисление так называемых факторных значений. После того, как факторные нагрузки найдены, остается еще задача лучшей интерпретации общих факторов.

xex63Кластерный анализ

Когда все входы количественные, альтернативной многомерной описательной моделью является модель, основанная на кластерном анализе. Кластерный анализ сопутствует самым разнообразным методам обнаружения структур, присущих сложным совокупностям данных. Основу данных чаще всего составляет выборка объектов, каждый из которых описывается набором отдельных переменных. Задача заключается в объединении переменных или элементов данной группы в такие кластеры, чтобы элементы внутри одного кластера обладали высокой степенью «естественной близости» между собой, а сами кластеры были «достаточно отличны» один от другого. И подход к проблеме, и получаемые результаты принципиально зависят от того, какой смысл вкладывает исследователь в выражения «естественная близость» и «достаточно отличны».

В общем случае кластерный анализ предполагает, что о структуре, внутренне присущей совокупности данных ничего не известно или известно лишь немногое. Все, что имеется в нашем распоряжении, это совокупность данных.

Кластерный анализ представляет собой попытку сгруппировать выборочные точки многомерного пространства в отдельные множества, которые, как мы надеемся, будут соответствовать наблюдаемым свойствам выборки. Группы точек могут быть, в свою очередь, сгруппированы в более крупные множества, так что в конечном счете все точки оказываются иерархически классифицированными. Эту иерархическую классификацию можно представить схематически, и обычно в такие схемы вводится некий масштаб, чтобы указать степень подобия различных групп.

xex68

7

Процесс принятия решений при системных исследованиях.

Постановка проблемы, ограничение сложности и снижение размерности при системных экологических исследованиях. Оценка возможных вариантов решений. Качественное и количественное измерение показателей, определение значимости показателей. Целевая функция при ограничениях, накладываемых на входные переменные. Экономические аспекты проблемы управления окружающей средой. Оптимизация решения при допустимости незначительного загрязнения окружающей среды.

11

3

2

6

Процедура принятия решений

Для решения слабо структурированных проблем используется методология системного анализа, системы поддержки принятия решений (СППР). Рассмотрим технологию применения системного анализа к решению сложных задач.

Процедура принятия решений согласно [2] включает следующие основные этапы:

1​ формулировка проблемной ситуации;

2​ определение целей;

3​ определение критериев достижения целей;

4​ построение моделей для обоснования решений;

5​ поиск оптимального (допустимого) варианта решения;

6​ согласование решения;

7​ подготовка решения к реализации;

8​ утверждение решения;

9​ управление ходом реализации решения;

10​ проверка эффективности решения.

Для многофакторного анализа, алгоритм можно описать и точнее:

1​ описание условий (факторов) существования проблем, И, ИЛИ и НЕ связывание между условиями;

2​ отрицание условий, нахождение любых технически возможных путей. Для решения нужен хотя бы один единственный путь. Все И меняются на ИЛИ, ИЛИ меняются на И, а НЕ меняются на подтверждение, подтверждение меняется на НЕ-связывание;

3​ рекурсивный анализ вытекающих проблем из найденных путей, т.е. п.1 и п.2 заново для каждой подпроблемы;

4​ оценка всех найденных путей решений по критериям исходящих подпроблем, сведенным к материальной или иной общей стоимости.

ПРОЦЕСС ПРИНЯТИЯ РЕШЕНИЙ ПРИ СИСТЕМНЫХ ИССЛЕДОВАНИЯХ

В результате использования различных методов обработки исходных данных об экосистеме, построении и исследовании математических моделей и анализа всей полученной информации наступает заключительная часть системного анализа, включающая процесс принятия решений по тем или иным поставленным проблемам.

Почти в каждом конкретном случае процесс принятия решения предполагает использование объективной информации, которая получается при моделировании и связывает решение с его последствиями, и субъективных данных, которые получаются с помощью системы оценок, принятой для групп лиц, имеющих общие интересы.

xex74Пример выбора действий, необходимых для повышения уровня потребления товаров без серьезного загрязнения окружающей среды

Рассмотрим процесс выбора варианта действий, направленных на удовлетворение потребностей покупателей в товарах без нанесения серьезного ущерба окружающей среде. Противоречие в условиях этой задачи состоит в том, что при данном составе производственного оборудования и структуре валового национального продукта повышение уровня потребления вызывает увеличение загрязнения среды. Например, требования действующих стандартов к качеству воздуха можно удовлетворить, если сократить использование автомобилей. Правильно ли это заключение? В этом разделе выводится функциональная зависимость потребления от времени, которая отражает стремление общества к повышению уровня потребления и к уменьшению загрязнения окружающей среды.

Эта задача может быть разделена на две части: установление количественной взаимосвязи между потреблением и загрязнением и описание отношения людей к этим переменным. Для установления связи между рассматриваемыми переменными предполагается, что интенсивность генерации загрязняющего вещества пропорциональна потреблению, а интенсивность очистки отходов пропорциональна уровню загрязнения. Уравнения.

xex758

Экосистемный анализ при исследовании структуры и функционирования экологических систем.

Продукция экосистем и ее элементов. Состав и основные функциональные элементы различных экологических систем. Конкретные примеры наземных и водных экосистем и их функционирование на примере водных экосистем. Понятия о трансформации вещества и энергии в экосистеме, о пищевых цепях, межвидовых и внутривидовых отношениях с точки зрения системных исследований: конкуренции, хищничества, симбиоза и паразитизма; о пирамиде биомасс, консументах и продуцентах, детрите, бентосе, планктоне, нектоне. Продукция элементов экосистемы и ее в целом. Математическое моделирование продукционных процессов в экосистеме.

11

3

2

6

ЭКОСИСТЕМНЫЙ АНАЛИЗ ПРИ ИССЛЕДОВАНИИ СТРУКТУРЫ И ФУНКЦИОНИРОВАНИЯ ЭКОЛОГИЧЕСКИХ СИСТЕМ. ПРОДУКЦИЯ ЭКОСИСТЕМ И ЕЕ ЭЛЕМЕНТОВ xex76

Продукция популяций и экосистем xex77

Основные показатели продуктивности

Продуктивность биологической системы – ее способность производить подобное себе вещество.

Продукция (Р) есть все произведенное данной биосистемой за рассматриваемое время вещество с вычетом трат на обмен независимо от того, находится ли оно в конце исследуемого периода в системе или элиминировано.

Для детального изучения продукционного процесса в биосистеме необходимо получить информацию в масштабе времени (сутки, месяц или год), характерном для индивидуального существования системы и ее основных компонентов.

Помимо временных продукция имеет также пространственные границы. Она оценивается для биосистем либо в естественных границах, либо в расчете на единицу пространства (объема или площади). Так изучают продукцию популяций в их ареалах, сообществ в границах их биотопов, на квадратном метре поверхности, в кубометре воды.

Удельная продукция (С) – продукция за единицу времени в пересчете на единицу биомассы (В)продуцирующей биосистемы. Причем расчет удельной продукции производится обязательно на единицу средней биомассы. В зависимости от выбранной единицы времени получают часовую, суточную, месячную удельную продукцию. Наиболее приемлемым сравнительным показателем является суточная удельная продукция, причем сравниваться могут только системы одного типа: особи с особями, популяции с популяциями.

Величина продукции – функция удельной продукции и биомассы системы. Знание динамики биомассы и характера изменений удельной продукции позволяет легко оценить продукцию. Изучение закономерностей, определяющих уровень удельной продукции систем, является ключом к решению многих вопросов продуктивности.

Согласно общему определению продукции данная величина определяется следующим образом:

Р_t= В₂-В₁+В_е,                                                                      (6.1)

где В_1, В₂ – начальная и конечная биомасса, В_е – суммарная элиминация биомассы, Р_t – продукция популяции за время t.

Дифференцируя это уравнение, перейдем к описанию скорости процессов:

.                                                                       (6.2)

Таким образом, скорость образования продукции равна сумме скоростей изменения биомассы и элиминации. Продукция за период времени (t₂-t₁) численно равна определенному интегралу уравнения (6.2):

.                                                                         (6.3)

Удельная продукция рассчитывается по формуле

.                                                                              (6.4)

По уравнению (6.4) можно рассчитать удельную продукцию для всего исследуемого периода, либо для любой его части. В целях сравнения лучше определять суточную продукцию С, для чего полученную по (6.4) величину следует разделить на число суток t, при этом С будет иметь размерность сутки^-1:

.                                                                            (6.5)

Знание законов изменчивости С дает возможность более полно сравнивать продуктивность популяций и прогнозировать продукцию.

Другим важным показателем при изучении продуктивности водоемов является первичная продукция. Первичная продукция – это количество органического вещества, новообразованного за определенное время автотрофными организмами. Преобладающая часть органического вещества в водных экосистемах создается при фотосинтезе планктона, состоящего преимущественно из одноклеточных растительных организмов.

Следующие за первичной продукцией этапы продукционного процесса в экосистеме сопровождаются трансформацией новообразованного органического вещества гетеротрофными организмами, которая приводит к аккумуляции органических веществ в телах бактерий и животных организмов с одновременной минерализацией части его при дыхании. Таким образом, органическое вещество фитопланктона служит источником пищи гетеротрофных организмов.

К важнейшим показателям первичной продукции планктона относятся:

    суточная продукция (фотосинтез) на глубине с оптимальными световыми условиями;

    суточная продукция под 1 м² поверхности;

    сезонная или годовая продукция фитопланктона.

Существует два подхода к оценке продукционных показателей. Во-первых, продукцию можно определить, пользуясь различными сочетаниями физиологических и экологических данных (таких как скорость роста и размножения особей, возрастная структура популяции, динамика численности и биомассы, скорость элиминации), причем каждый из перечисленных показателей в отдельности не дает представления о продукции. Следовательно, они являются исходными данными, основываясь на которых можно рассчитать продукцию с помощью различных схем расчета. Этот метод называется расчетным.

Во-вторых, изыскиваются возможности непосредственного измерения скорости синтеза органических веществ либо пропорциональных ей величин. Этот подход считается основанным на прямом методе изучения продукции. Метод прямого изучения продукции предпочтительнее кропотливого сбора эколого-физиологических данных с последующим сложным расчетом продукции. Преимущества прямого метода очевидны на примере работ по первичной продукции. Разработка относительно простых и быстрых прямых методов (особенно радиоуглеродного) измерения продукции фотосинтезирующих растений привела к быстрому накоплению значительного количества данных. Эти методы позволили оценивать продукцию целого трофического уровня, состоящего из большого числа популяций.

Расчетный метод изучения продукции имеет свои достоинства: он приводит к четкому выявлению взаимосвязи между основными эколого-физиологическими характеристиками популяции и сообщества. В результате облегчается задача объяснения и прогнозирования продуктивности в тех или иных условиях.

К настоящему времени по-разному сложилось изучение продуктивности фито-, бактерио- и зоопланктона. В области первичной продукции преобладают прямые методы исследований продукции всего трофического уровня продуцентов в целом, но появляются тенденции изучения продуктивности отдельных видовых популяций (прямым и расчетными методами).

Первая схема расчета продукции. К этой схеме относятся расчеты по выходу системы, когда продукция оценивается как изменение наличной биомассы плюс элиминированная биомасса. Расчет производится по уравнению (6.1).

Вторая схема расчета продукции. Оценка продукции как разность между скоростью ассимиляции пищи популяцией и скоростью трат на обмен. Это способ почти не используется для расчетов, поскольку определить скорость суммарной ассимиляции пищи в популяции довольно трудно, но за ним сохраняется важное общее значение, что становится очевидным при теоретическом анализе продукционного процесса в системах различной сложности, от особи до биоценоза.

Третья схема расчета продукции. К этой схеме относятся все способы расчета, основанные на использовании данных по росту особей и возрастной структуре популяции. Она получила наибольшее применение Исходными данными для расчета продукции по этой схеме являются: приросты массы особей разного возраста; возрастная структура популяции; масса отрожденного потомства (если она не учтена как часть прироста массы самок); средняя биомасса популяции.

Четвертая схема расчета продукции. В основе расчета лежат данные по динамике численности популяции, причем всем особям приписывается некоторая средняя биомасса, а продукция определяется по скорости размножения.

xex79Продукция сообществ и экосистем

Продукцию сообществ и экологических систем, состоящих из нескольких трофических уровней, нельзя рассматривать как сумму продукций всех популяций, что связано с пищевыми взаимодействиями. Если же система состоит из одного трофического уровня, то его продукция равна сумме продукций популяций, входящих в эту систему.

Р – продукция системы, Р,Р – 1,2-го уровней, R,R –  траты на обмен 1,2-го уровней, A’,A’’ –  ассимилированная энергия 1,2-го уровней, С" – рацион второго уровня, D" – неусвоенная часть рациона С"

Продукция системы из двух трофических уровней равна

Р=А-R-R .                                                               (6.28)

P=P+P-A.                                                             (6.30)

Тогда общее уравнение продукции биосистемы из n уровней примет вид:

P=P+P+…+Pⁿ-A-…Aⁿ.                                    (6.31)

xex80

Методы оценки сложности структуры и сходства сообществ и экосистем

В результате исследований были определены наиболее общие и основополагающие принципы количественного определения видового состава сообществ, обеспечивающие их сопоставимость. Они формулируются следующим образом:

1) приблизительное равенство площадей сравниваемых территорий;

2) ограниченный размер этих территорий;

3) высокая степень их фауно-флористической изученности.

Учитывая, что число видов зависит не только от площади, но и от многих других (климатических, физико-географических, исторических) факторов некоторые исследователи обратились к методам множественной регрессии.

xex81Информационные индексы сложности систематической структуры сообществ

Рассмотрим методы оценки степени сходства полных видовых спектров сообщества. Для этого необходимо внести понятие о сложности систематической структуры, которое включает в себя как уровень видового богатства (число таксонов того или иного ранга), так и степень выравненности распределения таксонов низшего ранга по таксонам высшего ранга. Иначе говоря, «сложность систематической структуры» мы будем рассматривать как функцию видового богатства и выравненности распределения.

В геоботанике и экологии уже применяются показатели, учитывающие признаки, аналогичные тем, которые входят в состав сформулированного выше понятия.

xex82При оценке разнообразия видов используется понятие значимости вида. Под значимостью понимается оценка его места в экосистеме — биомасса, численность.

Индекс Симпсона.

Придаёт большое значение обычным видам.

Индекс доминирования Симпсона рассчитывается как  или , где p_i обозначает относительную численность вида

Индекс разнообразия Маргалефа

, где S — число видов, N — число особей.

Индекс Шеннона

Индекс Шеннона был разработан в рамках теории информации и подходит для расчёта разнообразия любых объектов. Особенностью индекса является то, что он придаёт большее значение редким видам, чем другие индексы. Рассчитывается по формуле:

Индекс доминирования Бергера-Паркера

Рассчитывается по формуле

где N_max  численность самого обильно представленного вида, N — суммарное число организмов.

Коэффициенты сходства систематического состава сообществ (фауно-флористических списков)

Все коэффициенты сходства прямо или косвенно включают в себя число таксонов (будем говорить о видах) в сравниваемых списках. Поскольку число видов зависит от площади, то и в данном случае следует придерживаться принципа приблизительного равенства территорий.

Одним из наиболее простых и понятных показателей фауно-флористического сходства является коэффициент Жаккара, предложенный им в 1901 г.:

,                                                          (6.41)

где а – число видов в одном сообществе; b- число видов в другой флоре; с – число видов, общих для двух сообществ. Пределы этого коэффициента от 0 до 1, причем К_j =1 означает полное сходство сообществ (абсолютное совпадение списков), а К_j=0 означает, что они не имеют ни одного общего вида.

Более употребительной, особенно в геоботанике, является в настоящее время другая формула, называемая иногда коэффициентом Сёренсена, но открытая еще в 1913 г. Чекановским, почему правильнее называть ее коэффициентом Сёренсена-Чекановского:

,                                                           (6.42)

где обозначения и пределы те же самые, что и в формуле Жаккара.

xex83 Исследование структуры и функционирования экосистем

Рассматривая экологическую систему как единое целое, следует отметить, что это проявляется в единстве всей совокупности популяций так, что изменение одного из компонентов тотчас отражается на поведении всей системы. Между ее структурно-функциональными узлами существует сложная корреляция с использованием обратных связей, обеспечивающих сохранность системы в условиях деформирующих воздействий внешней среды, если они не выходят за пределы регуляторных возможностей экосистемы. Экосистема представляет собой общность взаимодействующих друг с другом элементов, которая по своим свойствам не равна сумме свойств ее элементов. Взаимодействие отдельных элементов при всей его сложности скоординировано таким образом, что обеспечивает динамическую устойчивость системы за счет регулирования интенсивности отдельных экосистемных процессов. Самовоспроизводство элементов экосистемы осуществляется в форме круговорота веществ и самовосстановления системы из продуктов ее разрушения с использованием энергии, поступающей извне. Внутриэкосистемный обмен не только абсолютно, но и относительно возрастает с увеличением биомассы и расширением пространственных границ. Чем больше энергии проходит через систему, тем выше ее устойчивость. Под ней понимается сохранение экосистемой структурно-функцио​нальной организации, включая тот случай, когда наблюдается циклическая закономерно повторяющаяся смена состояний сообщества, в частности в соответствии с геофизическими циклами. Одна и та же экосистема выглядит и функционирует по-разному весной, летом, осенью и зимой, что можно рассматривать как экосистемное явление. Поэтому исследование структуры и функционирования экосистем имеет очень важное значение в системной экологии.

Трофическая структура.

Пищевая цепь. Звенья. Экологические пирамиды.

Характеристикой трофической структуры экосистемы может служить соотношение в ней количества организмов разных трофических уровней, соотношение форм с разными типами питания, число трофических связей и т.д. Пищевая структура наиболее проста, когда все особи данного трофического уровня принадлежат к одной и той же пищевой группировке или же организмы других трофических группировок играют в нем очень маленькую роль. Наиболее сложна пищевая структура экосистем, в которых формы с различными типами питания многочисленны и представлены сходным количеством особей.

Количественную оценку сложности пищевой структуры экосистем можно дать в единицах информации, в частности применительно к разнообразию цепей и типов питания.

В первом случае трофическая структура будет тем сложнее (разнообразнее), чем больше в экосистеме трофических уровней и чем сходнее количество организмов, принадлежащих к каждому из них.

Во втором случае разнообразие экосистемы окажется прямой функцией числа способов питания и степени равнопредставленности организмов с разными типами питания.

На ряде примеров установлено, что чем больше биомасса экосистемы (т.е. чем больше пищи в биотопе), тем однообразнее его пищевая структура. С продвижением в тропики уменьшается количество пищи, биомасса экосистем падает и одновременно повышается пищевое разнообразие. Прежде всего, экосистемы высоких широт обладают не столь разветвленной пищевой сетью, как в тропической зоне, причем отдельные пищевые цепи крайне неравномощны. Помимо этого пищевые цепи в тропиках обычно значительно длиннее, нередко образованы четырьмя-пятью звеньями, в то время как для высоких широт характернее 3–4-членные цепи. Наконец, способы питания животных в тропиках более разнообразны, чем в высоких широтах. Заметно упрощается трофическая структура водных экосистем с повышением кормности водоемов. Подобная картина прослеживается и в случае резкого обеднения фауны, вызываемого крайними условиями существования. Например, в пересоленных водоемах, где в массовых количествах обитают только жгутиковые Dunaliella salina и их потребитель рачок Artemia salina, информация трофической структуры приближается к 0. Чем сбалансированнее экосистемы, тем сложнее их пищевая структура.

Видовая структура. Число видов и их представленность количеством особей, биомассой или другими показателями характеризуют видовую структуру экосистем. Виды, представленные в экосистеме наибольшим числом особей и биомассой, называются доминантными, лидирующими или видами-эдификаторами (edifice – созидание), несколько уступающими по своей количественной представленности – субдоминантными, остальные – второстепенными и совсем редкие – случайными. Оценка значения вида в экосистеме зависит от выбора показателяколичественной представленности. Вид может оказаться доминантным по биомассе, но субдоминантным или даже второстепенным по численности. В экосистеме значение по численности относительно выше у популяций, представленных мелкими организмами, по биомассе – у форм с крупными особями. Чтобы дать оценку видов сразу по двум показателям, иногда используют среднее геометрическое из численности и биомассы (корень энной степени из произведения всех членов ряда). В последнее время все чаще степень доминантности вида оценивают по той роли, какую он играет в трансформации веществ и энергии.

Мерой сложности видовой структуры может служить информационный индекс Шеннона.

Хорологическая и размерная структура. Один из показателей структурированности экосистем – степень упорядоченности хорологического (пространственного) распределения особей. Очевидно, наименее упорядочена та экосистема, в которой распределение отдельных особей статистически случайно. Поэтому одной из мер хорологической упорядоченности сообществ может служить степень различия между фактическим распределением особей и статистически случайным. Очень прост для восприятия и вычисления индекс агрегированости (К_а), находимый по формуле (Романовский, 1975):

,                                                              

где  и m – средняя плотность соответственно на всей площади и внутри скоплений.

Одна из форм хорологической структурированности экосистем заключается в их вертикальной стратификации, которая, в частности, крайне характерна для планктона. Одним из ее выражений является приуроченность отдельных видов к тем или иным глубинам с образованием слоев доминирования.

xex85Межпопуляционные отношения в экосистемах

Чрезвычайно разнообразные связи популяций в экосистемах прежде всего подразделяют на прямые и косвенные. В первом случае наблюдается непосредственный контакт между особями взаимодействующих популяций, форма которого вырабатывалась исторически, во втором – адаптации к непосредственному контакту у особей взаимодействующих популяций нет, и в процессе эволюции они приспосабливались лишь к результатам жизнедеятельности друг друга. Прямые и косвенные связи могут проявляться в самых разнообразных формах взаимодействий, среди которых по функциональному признаку можно, в частности, выделить топические, трофические, фабрические и форические. Биоценотические связи.

Объем конкуренции (d) – это отношение той части пищевого рациона, из-за которой конкурируют виды, ко всему их рациону:

d=c₁+c₂+c₃+…+c_n,                                                       (6.61)

где с₁ – наименьшее процентное значение первого компонента в пище одного из двух конкурентов, с₂ – наименьшее значение второго компонента и т.д. Например, в спектре питания животных типа А и В имеется два компонента – С и D. В пище вида А на долю С приходится 51%, на долю D – 30%, у вида В значения компонент соответственно равны 7 и 45%. Тогда объем конкуренции будет равен 7+30=37%.

Под напряжением конкуренции (i) понимается отношение потребностей организмов-потребителей к той пище, из-за которой они конкурируют, к ее наличию:

i=(a₁ +a₂)100/b,                                                              (6.62)

где а₁ и а₂ – количество пищи, потребляемое за сутки соответственно первым и вторым конкурентами, b – биомасса пищевых объектов в месте обитания конкурентов.

Сила конкуренции (е) равна произведению ее объема на напряжение, умноженному на степень совпадения пастбищ (q) конкурирующих организмов

е=d×i×q,                                                                         (6.63)

Сила конкуренции выражается в конкалиях – количество потребляемой и имеющейся пищи в граммах на 1 м².

Отрицательное влияние пищевых конкурентов друг на друга тем значительнее, чем больше совпадают их спектры питания, чем меньше корма и выше численность потребителей.

9

Объяснение и прогнозирование в экологии.

Логическая структура научного объяснения и предсказания. Имитационные модели глобальных процессов. Модели Римского клуба. Принципы устойчивого развития.

11

3

2

6

Объяснение и прогнозирование в экологии

1. Логическая структура научного объяснения и предсказания

Процесс объяснения заключается в том, что некоторые явления или свойства слож​ных систем пытаются подвести под заранее установленные и принятые в данной теории законы и гипотезы (дедуктивное объяснение). Методы индуктивного объяснения, связан​ны с выдвижением статистических гипотез и получением статистических описаний для объясняемого явления. В этот класс следует отнести методы экстраполяции, адаптивных оценок и аналогий.

Методы предсказания также делятся на дедуктивные (в количественном про​гнозировании это - имитационные модели) и индуктивные (классический регрессионный анализ). Различия этих процессов объяснения и предсказания заключаются в том, что предсказание имеет "положительную" направленность во времени (относится к настоя​щему или будущему), а объяснение - "отрицательную" (к настоящему или прошлому).

Научное прогнозирование - это специальное исследование, имеющее свою методо​логию и технику, проводимое в рамках управления, с целью повышения уровня его обос​нованности и эффективности.

Исследование будущего разделяется на два качественно различных направления:

- Поисковое прогнозирование - это анализ перспектив развития существующих тен​денций на определенный период и определение на этой основе вероятных состояний объ​ектов управления в будущем при условии сохранения существующих тенденций в неиз​менном состоянии или проведения тех или иных мероприятий с помощью управленческих воздействий;

- Нормативное прогнозирование представляет собой попытку рационально органи​зованного анализа возможных путей достижения целей оптимизации управления.

2. Имитационные модели глобальных процессов

ИМИТАЦИОННЫЕ МОДЕЛИ ГЛОБАЛЬНЫХ ПРОЦЕССОВ в биосфере - модели для описания изменений компонент экосистем (биогеохимических циклов) под воздействи​ем антропогенных факторов в масштабе биосферы.

Одной из первых глобальных моделей изменения биосферы атмосферы и климата была модель В.А. Костицына (1935). Моделями биогеохимических циклов занимался Крапивин. Создание ЭВМ позволило рассмотреть очень сложные проблемы, важные для всего человечества. Возникала наука «глобалистика», основанная на изучении с помощью моделирования на ЭВМ общепланетарных проблем, глобальных проблем человечества. В конце 70-х - начале 80-х годов в ВЦ АН СССР под руководством Н.Н. Моисеева была создана версия глобальной модели биосферы названная «Системой Геи». С ее помощью был проанализирован сценарий «локального ядерного конфликта», описан эффект «ядер​ной зимы» и дан прогноз глобальных изменений в биосфере. При моделировании функ​ционирования биосферы выяснилось, что после крупномасштабных воздействий биосфера никогда не возвращается в исходное состояние. Каждый раз это будет новая биосфера, и ее параметры, как правило, исключают возможности дальнейшего развития человека.

Рис. 15. Иллюстрация эффекта "ядерной зимы" (температура указана для поверхности почвы, средних и верхних слоев атмосферы)

3. Модели Римского клуба

Весной 1968г. итальянский экономист, общественный деятель и бизнесмен, член руководства фирмы “Фиат” и вице-призедент компании “Оливетти” Аурелио Печчеи разослал приглашение 30-ти видным европейским ученым и представителям делового мира для участия в обсуждении назревших проблем. 6-7 апреля того же года в Риме, в старой Национальной академии деи Линчеи состоялась встреча приглашенных, на которой развернулись дискуссии по наиболее актуальным проблемам современности. Те участники встречи, которые поддержали идею о создании международной организации, объединились в Римский клуб. Организация приняла статус неправительственной, не связанной с политическими партиями, классами, идеологиями. Ри́мский клуб — международная общественная организация, созданная итальянским промышленником Аурелио Печчеи (который стал его первым президентом) и генеральным директором по вопросам науки ОЭСР Александром Кингом 6-7 апреля 1968 года, объединяющая представителей мировой политической, финансовой, культурной и научной элиты. Организация внесла значительный вклад в изучение перспектив развития биосферы и пропаганду идеи гармонизации отношений человека и природы.

Одной из главных своих задач Римский клуб изначально считал привлечение внимания мировой общественности к глобальным проблемам посредством своих докладов. Заказ Клуба на доклады определяет только тему и гарантирует финансирование научных исследований, но ни в коем случае не влияет ни на ход работы, ни на её результаты и выводы; авторы докладов, в том числе и те из них, кто входит в число членов Клуба, пользуются полной свободой и независимостью. Получив готовый доклад, Клуб рассматривает и утверждает его, как правило, в ходе ежегодной конференции, нередко в присутствии широкой публики — представителей общественности, науки, политических деятелей, прессы, — а затем занимается распространением результатов исследования, публикуя доклады и проводя их обсуждение в разных аудиториях и странах мира.Теоретическая деятельность Римского клуба неоднозначна: она включает в себя широкий спектр конкретно-научных разработок, послуживших толчком к возникновению такого нового направления научных исследований, как глобальное моделирование и общефилософских рассуждений о бытии человека в современном мире, ценностях жизни и перспективах развития человечества. Работы в сфере глобального моделирования, построение первых компьютерных моделей мира, критика негативных тенденций западной цивилизации, развенчание технократического мифа об экономическом росте как наиболее эффективном средстве решения всех проблем, поиск путей гуманизации человека и мира, осуждение гонки вооружений, призыв к мировой общественности объединить усилия, прекратить межнациональные распри, сохранить окружающую среду, повысить благосостояние людей и улучшить качество жизни — всё это составляет позитивные стороны деятельности Римского клуба, привлекшие к себе внимание прогрессивных ученых, политиков, государственных деятелей.

Методологической основой построения прогнозов в глобальном масштабе стали методы математического моделирования и, прежде всего, методы системной динамики Дж. Форрестера. Он построил примитивную, но достаточно всеобъемлющую математиче​скую модель, которая могла бы грубо имитировать развитие мировой ситуации с по​мощью пяти основных взаимозависимых переменных: численности населения, объема ка​питаловложений, использования невозобновимых ресурсов, производства продовольствия и загрязнения среды.

Модель «Мир-1» состояла из 42 нелинейных уравнений, описывающих взаимосвязь между выбранными переменными. Первая модель: увеличивается население - ускоренный рост всех остальных показателей. Прогноз: экологическая катастрофа между 30 и 50 года​ми 21 века.

Вскоре профессор Д. Медоуз с группой ученых усовершенствовал модель мира, по​лучив модель «Мир-2», или «модель стабилизации общества»: после 1975 г. прирост насе​ления должен быть равен нулю, капиталовложения в промышленность - равняться амор​тизации, вводится повторное использование ресурсов и внедрение безотходных техноло​гий. Прогноз: стабилизация, при которой уровень производства на душу населения будет в три раза превышать среднемировой уровень 1970 года.

Третья модель «Мир-3»: те же меры, что и в модели стабилизации, но не с 1975, а с 2000 года. Прогноз: равновесие не достигается. Недостаток продовольствия будет ощу​щаться ранее 2100 года.

К середине 1980-х годов имелось более 15 глобальных прогнозов, получивших на​звание "моделей мира". Самые известные и наиболее интересные из них - это "Мировая динамика" Дж. Форрестера, "Пределы роста" Д. Медоуза с соавторами, "Человечество у поворотного пункта" М. Месаровича и Э. Пестеля, "Латиноамериканская модель Баричо-ле" А. О. Эрреры (ЛАММ), "Будущее мировой экономики" В. Леонтьева, "Мир в 2000 го​ду. Доклад президенту" Британская SARUM-модель, японская модель FUGI и мировая модель ООН (UNWM) и другие.