современные методы географических исследований

сле Персидского залива) по объему добычи нефти и газа стоит Маракайбский бассейн (часть Венесуэльского мегабассейна), расположенный на южном шельфе Карибского моря в лагуне Маракайбо (4612 млн. т нефти, 1142 млрд. м3 газа). Всего на континентальном шельфе Карибского моря потенциальные запасы нефти оцениваются в 12,7 млрд. т. Разработка нефтегазоносных бассейнов на акватории Гвиано-Бразильского прибрежья началась недавно.

На шельфе Канады и США выделяются нефтегазоносные бассейны Балтимор-Каньон, Ньюфаундлендской банки и Лабрадорский. Бассейны расположены вблизи от главных эконо- мических центров этих стран, что повышает их значимость. Потенциальные запасы нефти на Атлантическом побережье Северной Америки оцениваются в 7–8 млрд. т. На африканском побережье Атлантики месторождения нефти и газа расположены в Гвинейском заливе, на кон- тинентальном шельфе Нигерии, Габона, Анголы и других стран. На подводной окраине Севе- ро-Западной Европы расположен крупнейший Североморский нефтегазоносный бассейн (3700 млн. т нефти, 3100 млрд. м3 газа), а также открытые в 70-х гг. месторождения в Ирландском море. В Северном море разрабатывается более 80 месторождений нефти и более 50 газа.

Матрицы фактического материала обрабатывались по алгоритмам корреляционного ана- лиза, позволившим создать серию карт парных, частных и множественных корреляций с целью выявления зависимостей между статистическими поверхностями исходных показателей. Коэф- фициенты корреляции рассчитывались двумя способами — с использованием рангового коэф- фициента корреляции по Спирмену, применяя для его вычисления методику, описанную в работе А. М. Берлянта, В. С. Тикунова «Тематические корреляционные карты и их значение для сис- темного анализа» (2), а также с использованием «векторного» получения коэффициентов корреляции (7).

Ранговый коэффициент корреляции учитывает лишь общую тенденцию изменений эле- ментов матриц в пределах «скользящего окна», равного в нашем случае 9 квадратам сетки. По- этому при необходимости более детальных исследований можно использовать способ «вектор- ного» расчета корреляции, когда каждая матрица показателей представляется как трехмерная поверхность. Взаимосвязь двух поверхностей (А и В) определяется по формуле:

где А'х — частная производная уравнения поверхности А по оси X кт. д., что ясно из обозна- чений. По формуле (2) вычисляется косинус угла между градиентами поверхностей в неко- торой точке с координатами хi и yi. Косинус этого угла принимается за коэффициент кор- реляции (7). Методика расчета «векторного» способа вычисления коэффициентов такова. Задаем функции А и В. Если функции не заданы регулярно, то формируем каким-либо спо- собом регулярные решетки, например с использованием «скользящего окна», когда значения в его центрах определяются по полиному вида:

где п — число нерегулярных точек, попадающих в «окно». Для каждой строки регулярной матрицы А строим ее сплайн-функции (профили) сечения по оси X. Определяем значения 1- й производной в узлах (аппроксимация Z'AX). Та же процедура выполняется для каждого из столбцов, и получаются значения Z'AY. Аналогичная операция осуществляется с матри- цей В. По формуле (3) в каждом узле решетки вычисляются значения коэффициентов кор- реляции:

Основное отличие получаемых карт «векторной» и ранговой корреляции — это боль- шая дифференцированность поля коэффициентов корреляции, построенного по «вектор- ному» методу. Корреляция по Спирмену отражает основные тенденции во взаимосвязях показателей. Такой способ удобен для выявления главных направлений взаимосвязей, в то

время как корреляцию по косинусу угла между градиентами исходных поверхностей удобно использовать при детальном изучении района, когда важно выявить локальные раз-

личия (в пределах детальности исходных показателей). Оба метода не позволяют про- изводить расчеты непосредственно у береговой линии. Корреляционные карты были построе- ны для всех логически взаимосвязанных показателей, содержательный анализ которых по- зволил утверждать, что все они существенны для последующего создания карты хозяйст- венной освоенности Атлантического океана.

В качестве примера приведем карту корреляций между распределением судов в океане и загрязнением его нефтяной пленкой (рис. 20). В целом на карте преобладают по- ложительные значения коэффициентов корреляции. Загрязнение нефтяной пленкой главным образом, приурочено к путям следования танкеров. На карте распространения судов учтены все виды морского транспорта (портовые, пассажирские, рыболовные и другие суда); естест- венно, что в таком случае корреляции не везде будут принимать положительные значения. По литературным источникам известно, что пути танкеров в основном совпадают с главными судоходными трассами. Сильное загрязнение наблюдается на трассах у берегов Европы, Се- веро-Запада Африки, у южного и восточного побережья Южной Америки (корреляция до + 0,9). Загрязнены нефтяной пленкой судоходные трассы, соединяющие юг Африки и Европу, се- верное побережье Южной Америки и европейские страны (корреляции от +0,5 до +0,9).

Рис. 20. Корреляции между распределением судов в океане и загрязнением его нефтяной пленкой

Безразличная корреляция зафиксирована в Мексиканском заливе, у берегов Центральной Африки, у северо-восточного побережья Южной Америки. Обратная связь между загрязнением и количеством судов наблюдается между 35° и 45° с. ш. у берегов Гренландии. Одна из причин возникновения здесь отрицательной корреляции, видимо, заключается в том, что в се-

верных широтах природные условия способствуют быстрому очищению океана от загрязнения нефтяной пленкой. Кроме того, основная трасса танкеров, поставляющих нефтяную пленку в океан, проходит южнее 35° с. ш., а между 35° и 45° с. ш. проходит трасса преимущественно пассажирских судов и сухогрузов.

Последним этапом расчетов было использование алгоритма создания оценочных карт, разработанного одним из авторов этой книги (13). Применение трех его модификаций позволи-

ло получить три варианта результирующей карты, один из которых приведен на рисунке 21. Этот вариант получен при использовании третьей модификации алгоритма, ведущей к более равномерному распределению квадратов по оценочным группам. Многовариантные расчеты производились при интервале варьирования числа оценочных групп от 15 до 2, а лучшие со статистической точки зрения результаты выбирались на основе изменений коэффициентов не- однородности.

Самый высокий уровень освоенности на карте имеют акватории между берегами Велико- британии и материковой Европой, где почти все показатели имеют высокие оценочные значе- ния. Акватории с высоким уровнем освоенности располагаются в прибрежной зоне Запад- ной Европы, Северной Африки, в Гвинейском заливе, в Карибском море у берегов Венесуэлы, в западной части Мексиканского залива, у побережья США и Канады. На шельфе Карибско- го моря и в Гвинейском заливе расположены крупные нефтегазоносные бассейны (Маракаиб- ский, Галф-Кост, Тампико-Тукспен, Южно-Мексиканский, Габонский, Абиджанский, Нижне- Нигерийский, Того-Да-гомейский), количество биомассы в среднем примерно одинаково. Разви- ты судоходные трассы — число судов у берегов Европы достигает 200 на 540 миль, в Кариб- ском море — до 1.00, в Гвинейском заливе — от 40 до 60. Загрязнение нефтяной пленкой гораздо большее в Гвинейском заливе (более 30% случаев обнаружения), в то время как в Мек- сиканском — 5%.

Рис. 21. Уровни хозяйственной освоенности океана

Много общего имеют акватории у берегов США и Западной Европы. Оба района прибреж- ные (удаленность минимальна), интегральная доступность акваторий океана населению дос- тигает максимальных значений (более 80 человек/км), количество биомассы 0,5 кг/м2 в год, однако у берегов Европы почти в 2 раза больше судов и загрязнение нефтяной пленкой (более 10% случаев обнаружения, около США — 5%).

Средний и ниже среднего уровни освоенности имеют территории, окаймляющие берега и зоны с высокой степенью хозяйственной освоенности (от 200 до 400 миль от берега). Это объ- ясняется тем, что практически все используемые характеристики экономической оценки зависят от удаленности: чем ближе к берегу, тем выше значение того или иного показателя, чем

дальше от берега, тем менее освоены акватории.

Низкий и самый низший уровни освоенности имеют центральные районы Атлантического океана. Причем для Северной Атлантики более характерен низкий уровень, а для Южной — самый низкий. В литературе общепринято разделение Атлантики на Северную и Южную. По карте хозяйственной освоенности хорошо заметно различие этих двух частей океана. Карта подтверждает, что Северная Атлантика освоена лучше, чем Южная. Такая дифференциация Атлантического океана соответствует историческому характеру процесса освоения.

В заключение обратим внимание, что вся методика создания карты хозяйственной осво- енности Атлантического океана была реализована как цепочкообразная ма-тематико- картографическая модель. На первом этапе были сформированы матрицы исходных показате- лей, причем для получения некоторых из них необходимо использование тех или иных матема- тических алгоритмов, а также составлены и проанализированы соответствующие карты, что оп- ределило первое звено цепочки. Далее использовался аппарат корреляционного анализа, с при- менением которого создана серия карт коэффициентов корреляции, что определило второе звено. Наконец, применение многомерных математических моделей и получение карты уровней хозяйственной освоенности различных акваторий Атлантического океана сформировали по- следнее, третье звено цепочки.

чение для системного анализа // Вестник Моск. ун-та, серия геогр.– 1977.– № 3.– С. 10—16.

геохимические оценки городов // Вестник Моск. ун-та, серия геогр.— 1990.— № 3.— С. 3—12.

Проблемы экологии человека.— М.: Наука, 1986.—С. 33—42.

10. Сает Ю. Е., Р е в и ч Б. А. Эколого-геохимические подходы к разработке критериев

рование хозяйственной освоенности Атлантического океана // География и природные ресур-

Г л а в а VIII

СРЕДСТВА ГЕОГРАФИЧЕСКИХ ИССЛЕДОВАНИЙ

СРЕДСТВА ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ

Географические информационные системы (ГИС) стали разрабатываться более 30 лет назад, а первая реально работающая ГИС Канады (CGIS) появилась в начале 60-х гг. В нашей стране аналогичные исследования начались почти двумя десятилетиями позже, и до сих пор ра- боты зачастую связаны с адаптацией зарубежного опыта. Исторически ГИС в современном их понимании развивались на базе информационно-поисковых систем и позднее картографических банков данных. Информационные системы рассматривались как первый этап автоматизи- рованного создания карт, позднее в функции ГИС (в их широком понимании) стали включать блоки математико-картографического моделирования и автоматизированного воспроизведения карт. Рассматривая карту как инструмент для географического анализа и выделяя подсистему пользователя, ГИС стали охватывать и область использования карт. Большинство ГИС, а их в мире сотни, включают в свои задачи создание карт или используют картографические материа- лы как источник информации.

Несмотря на это, задачи ГИС выходят за пределы картографии, делая их основой для ин- теграции частных географических и других (геологических, почвенных и т. д.) наук при ком- плексных системных исследованиях, а особенно это подчеркивается при использовании модели знаний как основы создания ГИС. Такому широкому взгляду на ГИС иногда противопоставля- ется узкоинформационный, по существу технический подход, когда ГИС — система накопле- ния и хранения географических данных, инструмент для фиксации и характеристики объектов земной поверхности, что являлось задачей географии прошлых веков, но реализуется лишь сей- час на современном компьютерном уровне.

Отметим, что мы будем различать данные, информацию и знания (1). Вслед за М. Конеч- ным и К. Райсом (31) будем считать данными изолированные показатели, понимаемые как сы- рье, которые путем обработки можно превратить в информацию, т. е. данные являются как бы строительным элементом в процессе создания информации. Они рассматриваются как объект обработки и основа для получения информации. Что касается знаний, то они будут рассматри- ваться далее.

Как же определяется ГИС в литературе? М. Конечный и К. Райс считают, что «географи- ческая информационная система — это система, состоящая из людей, а также технических и организационных средств, которые осуществляют сбор, передачу, ввод и обработку данных с целью выработки информации, удобной для дальнейшего использования в географическом ис- следовании и для ее практического применения». А. М. Трофимов и М. В. Панасюк пишут: «Под геоинформационной системой понимается реализованное с помощью автоматических средств (ЭВМ) хранилище системы знаний о территориальном аспекте взаимодействия приро- ды и общества, а также программного обеспечения, моделирующего функции поиска, ввода, моделирования и др.» (25, с. 35). Несколько отличен взгляд на ГИС «как интерактивные систе- мы, способные реализовать сбор, систематизацию, хранение, обработку, оценку, отображение и

распространение данных и как средство получения на их основе новой информации и знаний о пространственно-временных явлениях» (19, с. 301). И. В. Гармиз с соавторами понимают ГИС «как аппаратно-программный человеко-машинный комплекс, обеспечивающий сбор, обработ- ку, отображение и распространение пространственно-координированных данных, интеграцию

данных и знаний о территории для их эффективного использования при решении научных и прикладных географических задач, связанных с инвентаризацией, анализом, моделированием, прогнозированием и управлением окружающей средой и территориальной организацией обще- ства» (7, с. 10). Мы видим, что принципиальных различий в данных определениях нет. Сущест- вуют еще десятки определений ГИС, которые мы оставим за рамками нашего рассмотрения.

Приведенными определениями, отражающими достаточно широко распространенный взгляд, утверждается тождественность понятий «географические информационные системы» и «пространственные (пространственно координированные, пространственно распределенные) информационные системы», т. е. слово «географические» имеет смысл не обозначения науки, а характеристики пространственности. В этом случае нельзя поставить в один ряд географиче- ские, геологические, геофизические и т. д. системы, что встречается в литературе.

Какова же структура ГИС? Прежде всего, обратимся к базам данных. Нам представляется целесообразной следующая их организация. Во-первых, создание базы, необходимой для тер- риториальной привязки данных, поскольку ГИС имеют дело только с пространственно коор- динированными сведениями. Их территориальная упорядоченность важна с точки зрения не только унификации сбора данных, но и установления оптимального соответствия размерам ис- следуемых систем. Наряду с данными, приуроченными к точкам и линиям, поточечно фикси- руемыми координатами, иногда материалы привязываются к сетке административно- территориального деления или природным контурам, например к речным бассейнам. Хорошие результаты дает привязка к ландшафтной основе.

Что касается ГИС, то для структурирования информации применяется растровый и век- торный форматы с возможностью перехода одного в другой. В векторных структурах простран- ственная привязка осуществляется наборами взаимосвязанных координат. Точки фиксируются одной парой координат, линии — упорядоченным потоком координат отдельных точек, а пло- щади характеризуются ограничивающими их линиями. Причем вследствие того, что любые две соседние площади имеют одну общую границу, целесообразно компоновать замкнутые полиго- ны площадей из сегментов границ. Поверхности чаще всего передаются системами изолиний.

Среди векторных моделей выделяются бесструктурные (модели типа «спагетти»), тополо- гические, гиперграфовые, решетчатые, а среди растровых — регулярные, нерегулярные, вло- женные (или иерархические) мозаики, частным видом которых являются широко известные и часто применяемые квадратомические деревья и пирамиды (31). С целью обеспечения возмож- ности совмещения отдельных участков территории разработана глобальная система простран- ственной привязки данных, основанная на использовании географической широты и долготы

(35).

Тематические данные в настоящее время организуются в виде отраслевых блоков. Напри- мер, для комплексной характеристики системы «общество — природная среда» это могут быть геолого-геоморфологический, климатический, гидрологический, почвенный, растительного и животного мира, а также экономический и социальный блоки. Такой набор отраслевых данных позволяет переходить к интегральным показателям оценки состояния природной среды, харак- теристикам комплексных антропогенных воздействий или характеризовать любую из систем — природную, природно-антропогенную, антропогенно-природную, антропогенную, антропоген- но-техногенную, техногенно-антропогенную и техногенную, как их выделяет Ю. Г. Тютюнник

(26).

С целью изучения пространственно-временных аспектов развития географических систем важна организация сведений с показом ретроспективы и прогноза их развития. В специальной базе данных должны быть упорядочены материалы о временных рядах, их согласованности ме- жду собой. Причем не везде требуется одинаковая цикличность и единовременность сбора дан- ных. Например, показатели социального блока гораздо более динамичны по сравнению с геоло- гическим строением изучаемой территории. Хотя известны случаи, когда и геологические объ- екты под влиянием действий человека приходят в движение, хотя бы, например, в результате ядерных взрывов. Можно организовать некоторое подобие квадратомического дерева (quadtree) для организации временных сведений (36). При возможности следует хранить информацию об источниках данных и оценке их достоверности.

Каждая из описанных выше структур может быть иерархической, сетевой или реляцион- ной. Иерархическая структура устанавливает соподчиненность территориальных единиц, тема- тических показателей, временных периодов. Сетевая структура учитывает сочетания и причин- но-следственные связи явлений. Здесь любой элемент может быть связан с любым другим. Ре- ляционные структуры не имеют иерархии и представляют данные в виде двумерных таблиц. Причем связь между элементами данных не теряется. Последний подход удобен тем, что с

ростом базы данных, что зачастую ведет к изменениям логического представления данных, не требуется изменения программ, управляющих базами данных.

Система управления базами данных – это сердце всего комплекса. Она представляет собой совокупность программных и технических средств, обеспечивающих функционирование ГИС: обеспечивается возможность ввода данных, их накопления и обновления, способов хранения, поиска и переработки, форма выдачи материала потребителю и организация диалога с ним. Часть описанных задач имеет более или менее технический характер.

Существуют различные аспекты классификации ГИС. Например, по территориальному охвату (общенациональные и региональные ГИС); по целям (многоцелевые, специализирован- ные, в том числе информационно-справочные, инвентаризационные, для нужд планирования, управления); по тематической ориентации (общегеографические, отраслевые, в том числе вод- ных ресурсов, использования земель, лесопользования, рекреации и др.) (11).

Большинство систем за рубежом ориентировано на решение частных географических за- дач, но все большее внимание уделяется комплексным аспектам изучения системы «общество — природа». Именно с точки зрения всестороннего анализа территории, интегрирующего при- родные, социальные и экономические составляющие, создается глобальная база данных, из- вестная под названием Глобального ресурсного информационного банка данных (GRID).

GRID функционирует в рамках созданной в 1975 г. системы мониторинга окружающей среды (GEMS) под эгидой программы ООН по окружающей среде (ЮНЕП). GEMS в настоя- щее время состоит из 22 глобальных систем мониторинга, которые управляются через раз- личные организации ООН, например Продовольственную и сельскохозяйственную организацию (ФАО), Всемирную метеорологическую организацию (ВМО), Всемирную организацию здра- воохранения (ВОЗ), международные союзы и отдельные страны (142 страны), в той или иной мере участвующие в программе. Мониторинговые сети организованы внутри 5 бло- ков, связанных с климатом, со здоровьем людей, средой океана, дальнодействующими пере- мещающимися загрязнениями, возобновляемыми природными ресурсами. Каждый из этих блоков охарактеризован в статье А. М. Трофимова и др. (24), а система организации GRID описана в статье Э. X. Нургалеева и др. (13). Характеристику международных, региональных и локальных ГИС можно найти в обзорах (6, 10, 22, 32).

СРЕДСТВА МОДЕЛИРОВАНИЯ И ОТОБРАЖЕНИЯ ГЕОГРАФИЧЕСКИХ ЯВЛЕНИЙ

Моделирование — одно из наиболее распространенных в науке понятий. Первоначально словом «модель» обозначалась уменьшенная копия, или, по выражению В. И. Даля, «обра- зец в малом виде», а в последующем в широком смысле под моделью стали понимать лю- бой образ (мысленный или условный: изображение, описание, схема, чертеж, график, план, карта и т. п.) какого-либо объекта, процесса или явления («оригинала» данной модели), ис- пользуемый в качестве его «заместителя», «представителя», а моделирование трактуется как «одна из основных категорий теории познания: на идее моделирования по существу базиру- ется метод научного исследования — как теоретический (при котором используются различного рода знаковые, абстрактные модели), так и экспериментальный (использующий предметные мо-

дели)» (18).

В географии процесс описания географических явлений может осуществляться с по- мощью логических рассуждений и выражаться, например, в виде текста, словесных харак- теристик и др. Широко распространены графические построения как средство выражения пространственно-временных характеристик географических явлений, в частности это отно- сится к картам. Здесь необходимы пояснения. В главе II мы говорили о картографическом методе, теперь же о картах как средстве моделирования. Возникает вопрос: в чем раз- личие? Собственно карты — это средство фиксации пространственных отношений, но полу-

чение содержательных знаний с помощью различных технологий их анализа есть не что иное, как картографический метод исследования. К такому пониманию близка позиция А. М. Берлянта, когда он пишет о картографическом моделировании (2).

Традиционна фиксация информации о географических явлениях в текстовой, графиче-

ской и фотографической формах. Предусматривается разнообразная форма выдачи материа- ла потребителю: в виде распечаток на бумаге, таблиц, сводок, выборок, файлов на машин- ных носителях, а может быть, в виде схемы или карты. В последнем случае мы получаем од- но из основных традиционных средств исследования территории. В этом случае требуется учет оптимальности выбора способов картографического изображения явлений, оперативность по- лучения материала, наглядность и способность технических средств к их графическому вос- произведению.

Весь картографический материал должен создаваться с учетом опыта картографии в плане подбора способов картографического изображения. Необходим такой подбор спосо- бов изображения или их комбинаций, который позволяет графически выразительно отобра- жать сущность явлений, по возможности с указанием связей с другими элементами. Напри- мер, при создании ландшафтных карт с использованием их историко-генетической классифика- ции по В. А. Николаеву (12) необходимо соответствующее графическое отображение морфоло- гии групп, типов, родов ландшафтов с показом иерархии и внешних связей как между элементами одного уровня, так и с системами более высоких или низких ступеней. Достигнуть этого можно не только при разработке легенды, но и выбором наглядных способов изображе- ния, комбинацией цветов или штриховок, передающих логику классификации.

Начинают приобретать популярность матричные легенды. Их применение перспективно для выражения логики взаимосвязи явлений. Поясним это на конкретном примере. Если по од- ной из осей, на которых строится легенда, упорядочить оценочные характеристики благо- приятности комплекса природных условий для выращивания какой-либо сельскохозяйствен- ной культуры, например кукурузы, а на другой из осей показать ее фактическую урожайность,

то отдельные элементы матричной легенды будут характеризовать различные сочетания оценки природных условий и урожайности. Высокая оценка природных условий в сочетании с высокой урожайностью, низкая оценка с низкой урожайностью и, что особенно интересно с содержательных позиций, сочетание высокой оценки с низкой урожайностью и наоборот.

Вэтом случае карта будет служить инструментом содержательно-географического анали- за и исходным материалом для получения разнообразных выводов и предположений. Необхо- дим и возможен ряд модификаций такого сорта легенд в зависимости от сути картографи- руемых явлений. Например, сочетание характеристик величины рождаемости с национальным составом населения полезно отображать на фоне уровней социально-экономического разви- тия регионов и т. д. В этом случае легенда приобретает третье измерение.

Иногда полезно отображать количественные характеристики с использованием давно из- вестных в отечественной картографии бесступенчатых шкал. Они подчеркивают плавность смены характеристик, позволяют более точно считывать с карт значения и при хорошем гра- фическом исполнении выразительны и наглядны. Естественно, возможно привлечение нетра- диционных для тематического картографирования способов изображения — растров, штри- хов крутизны для отображения величин углов наклона и экспозиции местности и т. д., не абсо- лютизируя их достаточно ограниченные возможности.

Традиционно карты расчерчивались или печатались на бумаге. Способы автоматизи- рованного изготовления карт многообразны (17). Основными из них являются вычерчивание карт на графопостроителях и отображение на экранах дисплеев. Графопостроители имеют различную точность и скорость вычерчивания изображения, принцип воспроизведения: а) пе- ром, световым лучом, резцом и др.; б) при перемещающихся расчерчивающих головках или листах пластика, бумаги, на которых воспроизводится изображение, устройствами планшет- ного или барабанного типов и т. д. Обзор приборов можно найти в работе В. С. Тикунова, Д. Б. Шустрова «Технические средства автоматизированного создания карт» (23),

Впоследнее время наиболее широко для оперативных целей карты выводятся на экран дисплея. Это позволяет опробовать множество вариантов изменения содержания карт и спосо- бов их оформления. Но что особенно привлекательно — такая методика удобна для показа ди- намики явлений. Это могут быть, например, слайд-фильмы и картографические кино- или видеофильмы, позволяющие отображать не только пространственные, но и временные аспек- ты. В этих случаях, как правило, показываются этапы изменения явлений через равные про- межутки времени (3), хотя существуют фильмы с изменяющимися содержательными сюжета-

ми. Это может быть и анимация отдельных знаков, например мигание или перемещение по эк- рану отдельных точек или знаков (4). Немаловажно и то, что изображение с экрана может быть скопировано на бумагу, т. е. могут быть получены так называемые «твердые копии». Широкое распространение персональных компьютеров, способных передавать сотни оттенков цветов, делают этот безбумажный способ картографирования очень популярным для визуа- лизации исходной информации, промежуточных изображений отдельных этапов реализации задач и окончательных картографических результатов.

Интересные результаты получаются при использовании мультипликации, например для имитации динамических ситуаций загрязнения окружающей среды. Активно ведутся разра- ботки по созданию объемно-перспективных изображений, и, прежде всего трехмерных блок- диаграмм, анаглифических изображений и стереокарт. Их значимость должна увеличиться с распространением дисплеев с голографическими экранами. Вообще же применение голографии, позволяющей воспроизводить объемные изображения, содержащиеся на голограммах – фоточувст- вительных пластинах, на которых зафиксированы изучаемые явления при интерференции волн, очень редко, хотя она известна в географии сравнительно давно. Это может быть объяснено ог- раниченностью специальной аппаратуры и ее малым распространением в географических учрежде- ниях. Обзор традиционных и нетрадиционных видов картографических изображений можно найти в статье В. М. Котлякова, А. А. Лютого «Картография в эпоху НТР» (9).

ЭКСПЕРТНЫЕ СИСТЕМЫ

В традиционных географических исследованиях используются разнообразные средства, как при информационном обеспечении, так и на других рассмотренных этапах. Достаточно универ- сальным средством, обеспечивающим широкий круг задач, стали экспертные системы. Эксперт- ную систему можно определить как «систему искусственного интеллекта, использующую знания из сравнительно узкой предметной области для решения возникающих в ней задач, причем так, как это делал бы эксперт-человек, т. е. в процессе диалога с заинтересованным лицом, постав- ляющим необходимые сведения по конкретному вопросу» (27, с. 5).

Чтобы рассмотреть суть экспертных систем, следует дать определение некоторым понятиям, прежде всего данным и их отношению к знаниям. Так, если ранее в задачи обработки на ЭВМ входи- ло оперирование с данными, причем смысл манипуляций понимал человек, то, задавшись целью создать программы, способные анализировать семантику (смысл) используемых данных, необходи- мо обращение к базам знаний. Такие программы способны производить логические цепочки на ос- нове ранее полученных выводов, пропуская знания как бы через эти выводы, проверяя их логич- ность, уточняя и строя более тонкие конструкции. Если полученный результат будет противоре- чить здравому смыслу, то при алгоритмическом пути это безразлично ЭВМ, но в экспертной системе такое положение не может остаться незамеченным.

Вообще знания принято разделять на предметные, или общедоступные, и индивидуаль- ные, или эмпирические. К общедоступным знаниям относятся наборы фактов, например в учеб- никах и другой литературе, а вот индивидуальные знания зачастую носят эмпирический харак- тер, основанный на правилах и подходах, которые эксперт иногда даже не может четко или од- нозначно сформулировать. Их называют эвристиками.

Для экспертных систем необходимы три компоненты: факты, правила (процедурные зна- ния) и управляющие структуры. Фактические знания сообщаются экспертной системе экспер- том-географом в процессе диалога и отражают взгляды человека на момент работы. Проце- дурные знания или правила тесно связаны с фактическими, но являются как бы накопленны- ми знаниями, на основе которых вырабатывались правила, определяющие, как будет вести себя система, и, наконец, управляющие знания позволяют подбирать наилучшую стратегию в работе системы.

Здесь мы подошли к необходимости описать всю структуру экспертной системы, которая, как правило, состоит из четырех-пяти компонент: базы знаний, машины вывода, системы на- копления метазнаний, системы объяснений и общения с пользователем. Метазнания – как бы знания второго уровня в интеллектуальных системах, способных самообучаться на основе на- копленного опыта, анализа, контроля и принятия решений в процессе исследования явлений

реального мира. Более детальная, «идеальная» схема экспертной системы приведена в книге «Построение экспертных систем» (16), хотя реальные работающие системы могут содержать лишь некоторые ее элементы.

Рассмотрим упрощенную схему экспертной системы. Что касается базы знаний, то к ее рассмотрению мы уже подошли вплотную. Знания в базе знаний, в отличие от данных, требуют иного их представления, для чего используются семантические сети с произвольной структу- рой, а также более регуляризованные сети — фреймы. Фреймы выражают общие понятия, а слоты, или ячейки, дают их детализацию, что приводит к типичной иерархической структу- ре. Поясним суть фреймового представления знаний на примере оценки состояния природ- ной среды с точки зрения ее антропогенной трансформации, и, прежде всего загрязнения. Образовав фрейм «состояние природной среды», в качестве слотов мы можем использовать «степень загрязненности атмосферы», «загрязнение подземных и поверхностных вод», «со- стояние геологической среды», «состояние почвенного покрова», «состояние растительного и животного мира» и др.

Каждый слот, кроме имени, может иметь одно или несколько значений (качественных или количественных), например «выбросы вредных веществ предприятием в атмосферу» «изо-

бутилен», «200», «600», «400», «600»; «этиленгликоль», «40», «70», «60», «80» и т. д. При ха-

рактеристике выбросов изобутилена, этиленгликоля и т. д. первое числовое значение может определять фоновые, второе – максимальные концентрации, третье – реальные, а четвертое – предельно допустимую концентрацию. В качестве слота могут использоваться сложные струк- туры, включающие иерархию слотов более низкого порядка.

Так, в слот «выбросы вредных веществ предприятием в атмосферу» можно включить «состояние атмосферы», которое, в свою очередь, будет характеризоваться «скоростью ветра», «распределением температур», «стратификацией атмосферы» и т. д. При изменении содержа- ния слотов преобразуется вся семантическая структура в зависимости от конкретных це- лей, например связанных с выработкой рекомендаций по охране природной среды.

В настоящее время наибольшее распространение получают так называемые «продук- ции». Как писал академик Г. С. Поспелов (15), «продукции» можно представить в виде вы- ражения «если – то». Например, если содержание углеводородов в выбросе в атмосферу пре- высит предельно допустимую концентрацию (ПДК) в 100 раз, то это может привести к эко- логической катастрофе. Для получения выводов «продукции» могут образовывать сложные це- почки. Кроме описанного ядра, «продукции» допускают использование пред- и постусловий, разрешающих или запрещающих применять данное условие, а также определяющие, необхо- димо ли изменять что-либо в базе знаний в зависимости от результата выполнения процедуры «если – то».

Поясним использование языка «продукций» на примере. Если поставить условие, чтобы химический комбинат (i) увеличил выпуск каучука из изопентана на 10%, то объем вы- броса в атмосферу изопрена приведет к превышению нормы ПДК. Тогда постусловие долж- но изменить объем увеличения продукции или сделать предположение о возможности увеличе- ния производства каучука на предприятии (j) . В принципе если поставить вопрос о пересмотре ПДК, тогда «продукция» будет описывать иную ситуацию.

Изменив немного условия, перейдем к другой задаче, которую сформулируем по анало- гии с примером из книги И. А. Портянского «Компьютерный арсенал географии» (14). До- пустим, поставлено условие – найти место для размещения завода (А) по производству алю- миния (объем производства – 100 тыс. т в год). Для этого желательно выполнение следующих условий: P1 – залежи бокситов удалены не более чем на 500 км; Р2 – добыча бокситов не менее 400 тыс. т в год; Р3 – производство из бокситов не менее 200 тыс. т глинозема; Р4 – наличие значительных энергоресурсов; Р5 – район размещения завода – Закавказье; Р6 – город, где бу- дет завод, должен обеспечить полное укомплектование персоналом (700 человек). «Продук-

где Р определяет выполнение первых пяти условий размещения предприятия (А), т. е. Р = P1 # P2 # Рз # P4 # P5; Р6 определяет, достаточно ли свободных трудовых ресурсов (более 700 человек), В фиксирует пригодность пункта ( i) для размещения завода, a Q определяет усло-