ЭКОЛОГИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ И СОВЕРШЕНСТВОВАНИЕ АГРОТЕХНОЛОГИЙ

Хомяков Д.М., Искандарян Р.А.

(Москва)

В статье рассмотрены вопросы прогнозирования динамики региональных гео- и агроэкологических систем и информационного обеспечения экологических моделей. Решение возникающих проблем возможно с использованием комплекса методов сис-темного анализа и общих характеристик сложных систем. Разработанные методологи-ческие принципы использованы в Автоматизированной системе регионального эколо-гического прогноза (АСРЭП), моделирующей развитие геоэкологических систем с ха-рактерным размером от 50 до 5-10 тыс. кв. км на средние и длительные сроки. Показа-ны возможности использования данных стационарных экспериментов при разработке агроэкологических моделей.

ENVIRONMENTAL FORECASTING AND DEVELOPMENT OF AGRICULTURAL TECHNOLOGIES

Khomyakov D.M., Iskandaryan R.A.

(Moscow)

In the article various methods of forecasting the dynamics of regional geoenvironmental and agroecological systems are discussed, as well as information provision of models. The arising problems may be solved with the use of system analysis, and general characteristics of complex systems. The developed principles are implemented in the Automated System of Regional Environmental Forecasting (AREFS), which describes medium- and long-term dynamics of geoenvironmental systems at regional scale (50 - 5-10 thousand sq. km). Principles of using the data of long-term agricultural field experiments in agroecological modelling are also discussed.

Возрастающие объемы использования природных ресурсов и антропогенного изменения окружающей среды привели к необходимости прогнозировать динамику агроландшафтов и экологических систем различного уровня. Без этого невозможно решение вопросов планирования и оптимизации агропроизводства и природопользования, определения критических нагрузок на ландшафты, оценки последствий глобального изменения природной среды и климата, предсказания различных агроэкологических ситуаций.

Необходимым условием является наличие адекватных моделей, описывающих изменение компонентов ландшафтов. По ряду оценок, которые приводит А.Н. Каштанов [2], с агропроизводством связано свыше половины общей нагрузки на окружающую среду. Можно утверждать, что региональные аспекты природопользования определяют экологическую ситуацию вплоть до отдельных полей. Компоненты ландшафта (почва, растительность, водные тела, геологическая основа) однотипно сопряжены. Гео- и агроэкологические системы реагируют на внешние воздействия, как единое целое, но именно на региональном уровне наиболее тесны регулирующие обратные связи.

С практической точки зрения, наибольший интерес составляют среднесрочные и длительные агроэкологические прогнозы на 20 - 30 лет, для систем с характерным размером от 50 до 5-10 тыс. кв. км. Такой временной масштаб явлений и процессов позволяет достоверно характеризовать воздействие объектов, сельского, лесного и водного хозяйства на природную среду (включая отдаленные последствия), прогнозировать "латентные" экологические кризисы и предупреждать их. Но практика управления, к сожалению, не предусматривает пока агроэкологическую экспертизу хозяйственной деятельности и новых проектов, что мы неоднократно отмечали в наших работах [1].

При использовании традиционных подходов, возникает острая проблема нехватки сведений для верификации и эксплуатации моделей, в чём проявляется несовершенство прогностической методологии. В результате не всегда возможно принятие оптимальных решений по использованию средств химизации земледелия, мелиорации земель, изменению характера землепользования и т.д.

Решить проблему информационного обеспечения без организации новой системы дорогостоящего, широкомасштабного и долговременного мониторинга можно, используя комплекс методов системного анализа и общие свойства сложных систем. Во-первых, дискретное изменение режимов функционирования или состояний. Это отражено в классификационных схемах, используемых в отдельных науках, например, почвенных и геоботанических классификациях. Динамику природно-территориального комплекса при данном подходе можно представить, как последовательную смену функциональных состояний (типов или режимов). Во-вторых, свойство аутостабилизации, когда параметры состояния системы в каждом функциональном состоянии остаются неизменными (или колеблются вокруг характерных значений), при существенном влиянии внешних воздействий. В‑третьих, рассматривают обобщенные свойства компонентов региональных комплексов (почвы, растительности, рельефа, водных тел), существенные для функционирования системы в целом. Количественными оценками этих свойств, называемых системообразующими факторами, служат интегральные показатели или индексы.

Использование перечисленных свойств экологических систем делает возможным описание их динамики с помощью схемы:

критерий > состояние + воздействие > отклик (изменение состояния)

Понятие "состояние" соответствует типу (классификационной единице) или режиму, например, в почвоведении и географии, а смена состояний - опустыниванию, заболачиванию и другим аналогичным процессам в ландшафте.

Для построения интегральных показателей преимущественно используют два метода. Первый основан на применении знаний предметной области, когда закономерности функционирования компонента природной системы отражают в формуле соответствующего интегрального показателя. Например, характеристики почвенного плодородия обычно вычисляют по величинам запасов гумуса, актуальной и потенциальной кислотности, обеспеченности почвы элементами минерального питания растений, гранулометрическому составу. Климат и погодные условия оценивают по комплексным гидротермическим показателям, составленным по средним температурам и сумме осадков за выбранный период. Второй - использует феноменологическое описание системы статистическими методами. Значения интегральных показателей оценивают по обучающей выборке, с использованием методов анализа данных - главных компонент или факторного анализа.

Рассмотренные выше приемы снижают размерность вычислительных задач и позволяют избежать ошибок при решении "жестких" систем дифференциальных уравнений, где скорости характерных процессов различаются в сотни раз. В ряде случаев, отсутствие надёжных вычислительных методов сдерживает создание агроэкологических моделей, позволяющих содержательно интерпретировать сложные эффекты системной динамики.

Все вышеприведенные теоретические положения реализованы в Автоматизированной системе регионального экологического прогноза - АСРЭП (рис. 1). Решается задача информационного обеспечения моделей. Для описания состояний системы и последовательности их смены, могут быть использованы неформализованные (словесные) описания, концепции предметных дисциплин, неполные ряды наблюдений. Это расширяет возможности моделей и область их применения по сравнению с традиционными методами [1,3,4-5].

Рис.1. Общая схема программного оформления Автоматизированной системы регионального экологического прогноза

Косвенный учет пространственной структуры агроэкологических систем позволяет сделать выделение типов местности, как одной из характеристик региона, что повышает точность регионального экологического прогнозирования:

Леса болот	Леса водоразделов	Леса склонов северной или южной экспозиции	Леса днищ долин
Луга и пустоши болот	Луга, степи и пустоши водоразделов	Луга, степи и пустоши северной или южной экспозиции	Луга, степи и пустоши днищ долин
Пашни болот (выделяются условно)	Пашни водоразделов	Пашни склонов северной или южной экспозиции	Пашни днищ долин

По результатам прогнозных оценок можно утверждать, что выявленные тенденции изменения характеристик заданного типа местности обязательно реализуются в большинстве ландшафтных элементов в составе региональной системы.

С помощью АСРЭП можно осуществлять информационную поддержку управления продуктивностью земледелия, сельскохозяйственного производства, землепользования и проводить оценку воздействия на окружающую среду. Система сертифицирована органами государственного управления, рекомендована к использованию и широко применяется для решения практических задач и в научных исследованиях.

В исследованиях по разделу «Структурные изменения сельского и лесного хозяйства в условиях изменения климата» подпрограммы «Глобальные изменения природной среды и климата» Миннауки РФ оценены последствия прогнозируемого потепления климата, характеризуемого увеличением среднегодовых температур в ближайшие 25 - 30 лет на + 1,5 … +3 градуса в Северном полушарии. Результаты моделирования свидетельствуют, что вызванная климатическими колебаниями неустойчивость сельскохозяйственного производства будет возрастать, что мы реально наблюдаем, особенно в последние пять лет. В центральных районах Нечерноземной зоны, верхнем Поволжье и на среднем Урале агроэкологические условия преимущественно улучшатся, потенциальная продуктивность агроценозов вырастет в 1,2 - 1,5 раза [1, 3].

Несмотря на то, что использование рассмотренных выше теоретических подходов позволило решить ряд проблем информационного обеспечения моделей, важной его частью остаются результаты длительных стационарных опытов и наблюдений в агрохимии, земледелии, лесоводстве и других науках. Ни один конкретный опыт не может служить основой для комплексного агроэкологического моделирования в силу своей специфики. Поэтому целесообразно обобщение результатов большого числа экспериментов, проведенных в различных условиях, для интерпретации данных и получения качественно новой информации. Это особенно актуально в связи с организацией информационно-консультационных служб (ИКС), использующих в своей работе банки данных по различным технологиям земледелия.

Обработка данных краткосрочных и длительных полевых опытов	l	l	l	l	l	l	l	l	l
Проверка информации, исправление и выбраковка недействительных значений	l	¡	¡	¡	l¡	l¡	l¡	l¡	¡
Метрологическое обеспечение	l	l¡	l¡	l	¡	¡	¡	¡	¡
Агроклиматическая информация и метеоданные с дневным разрешением	l	l¡	l¡	l¡	l¡	l¡	l¡	l¡	l¡
Классификация почв	l	l¡	l¡	l¡	¡	¡	l¡	¡	¡
Автоматизированный обмен данными	l	¡	¡	l¡	¡	l	¡	¡	¡
Описание методов исследования	l	¡	¡	¡	l	¡	¡	l	l
Анализ данных и моделирование в системе	l	¡	¡	¡	l¡	¡	l¡	¡	¡
Банк моделей плодородия	l	¡	¡	¡	¡	¡	¡	l¡	l¡
Расчёт круговорота и баланса элементов	l	¡	¡	l¡	¡	¡	¡	l¡	l¡

Обозначения: l- возможность реализована; ¡- возможность не реализована; l¡ - возможность реализована частично

Рис.2. Функциональные возможности некоторых информационных систем по полевым опытам с удобрениями и другими агрохимическими средствами

Это связано с тем, что отсутствуют общепринятые методы представления сведений в автоматизированных информационных системах, обеспечивающие обработку метеорологических данных и создание агроэкологических моделей продуктивности и плодородия почв в системе (рис. 2). Не полностью решается задача автоматизированного обмена данными. Перечисленные факторы ограничивают возможности обработки и практического использования созданных информационных массивов.

В Российской Федерации полевые опыты с удобрениями проводят вузы, сортоиспытательные станции, научно-исследовательские учреждения Россельхозакадемии, Государственной агрохимической службы и других ведомств. Для обобщения результатов этих исследований в Научно-методическом центре Россельхозакадемии по агрохимии и агрохимическому обслуживанию (ВИУА им. Д.Н. Прянишникова совместно с МГУ им. М.В. Ломоносова) создана АИС «Геосеть - 2000». Она обеспечивает хранение и обработку данных в соответствие с принятыми формами документации - Паспортом полевого опыта, учетными картами и т.п.. Поддерживается обмен экспериментальной информацией на базе современных компьютерных технологий, что создаёт единое информационное агрохимическое пространство для России, стран СНГ и Европы.

При разработке агроэкологических моделей на основании результатов длительных стационарных полевых необходимо использовать наиболее типичные и содержательные эксперименты. В предложенной информационной системе реализованы алгоритмы численной классификации почвенно-климатических условий, оценивающие совокупное действие значений параметров агрохимической характеристики почвы и климатических условий. Мера информации определяется экспериментальной схемой. Разработана процедура экспертной оценки качества данных (рис. 3).

Работа системы апробирована на массиве данных более 60 полевых опытов, проведенных в Нечерноземной зоне России и Белоруссии. Открывается возможность планирования развития системы полевых опытов с удобрениями, что позволит четко определить необходимость и целесообразность проведения дополнительных исследований по совершенствованию агротехнологий, определению характеристик баланса биогенных и токсичных элементов в ландшафтах, оптимизирует расходы на научное обеспечение программы разработки и освоения адаптивных систем и природоохранных технологий восстановления природно-ресурсного потенциала и повышения продуктивности сельскохозяйственных земель страны. Ценность накопленной информации возрастет, возможности её использования расширятся, если АИС "Геосеть - 2000" будет принята в качестве единого стандарта для хранения, передачи и обработки данных полевых экспериментов, проведенных различными научными учреждениями Россельхозакадемии и Минсельхоза России.

Отсутствие эффективных методов агроэкологического прогнозирования и использования экспериментальной информации неизбежно будет тормозить внедрение современных технологий в агропромышленное производство. Комплексное решение вопросов, связанных с планированием природопользования и обеспечением устойчивого развития сельского хозяйства потребует сочетания различных методов описания динамики агроэкологических систем и соответствующего научного обеспечения.

Рис. 3. Схема обработки информации в АИС "Геосеть - 2000"

Список литературы:

1. Моделирование динамики геоэкосистем регионального уровня / П.М. Хомяков, В.Н. Конищев, С.А. Пегов, С.Г. Смолина, Д.М. Хомяков; Под редакцией П.М. Хомякова и Д.М. Хомякова. - М.: Изд-во Моск. ун-та, 2000. - 382 с.

2. Проблемы рационального природопользования аридных зон Евразии / Составление и редакция В.П. Зволинского и Д.М. Хомякова. - М.: Изд-во Моск. ун-та, 2000. - 416 с.

3. Homyakov D.M., Homyakov P.M. On the possibilities of ecological forecasting at the regional level. - Environmental indices systems analysis approach. Ed.: Y.A. Pykh, D.E. Hyatt, R.J.M. Lens. Oxford, EOLSS Publishers, 1999. -P. 160 - 168.

4. INDEX-99 / Abstract book (St.-Petersburg, Russia. July 11-16-1999). S.-Pb., INENCO, 1999.

5. INDEX-97 / Abstract book (St.-Petersburg, Russia. July 7-11-1999). S.-Pb., INENCO, 1997.