Реферат: Роль математико-статистических данных и ЭВМ в географии
МУРМАНСКИЙ ГОСУДАРСТВЕННЫЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ
Реферат по теме:
«Роль
математико-статистических данных
и ЭВМ в географии»
Выполнила: студентка
естественно-экологического
факультета, группы 4Г
Ильяшенко Анна
Мурманск
2005 г.
Содержание:
Введение...........................3
1. Современное развитие математизации географии.............3
2. Современные направления применения математических методов.......5
3. Средства географических исследований
3.1 Средства моделирования и отображения географических явлении..9
3.2 Средства информационного обеспечения............12
3.3 Экспертные системы......................16
Заключение........................21
Ведение
Отношение к математическим методам в географии неоднозначно у различных
исследователей. Оно колеблется от восхищенно-восторженного до непроглядно-
пессимистического. Причем полярные точки зрения доминировали в различное
время. Первые опыты применения математики в географии, как пишут П. Джеймс и
Дж. Мартин, относятся ко временам Фалеса Милетского и Эратосфена, когда
существовала и использовалась в качестве термина математическая география.
Правда, в отличие от нашего времени в это понятие вкладывался несколько иной
смысл. В область интересов математической географии входило решение
геодезических и астрономо-геодезических задач, например вычисление параметров
Земли как планеты, ее формы и др.
Средние века и даже времена Великих географических открытий не породили
теорий, влекущих на путь математизации географии. И если в данный период и
можно указать на ряд опытов применения количественных методов, то это скорее
случайности, нежели закономерный процесс математизации географии. Но уже в
первой половине XX в. сформировалась прочная основа и появились ученые,
постоянно работающие в области математизации в географии. Как правило, это
была статистическая обработка рядов наблюдений, а уже после второй мировой
войны появились первые группы ученых, впоследствии создавшие собственные
школы.
1. Современное развитие математизации географии.
С 50-х гг. можно говорить о существовании, по крайней мере, двух школ:
Вашингтонского и Лундского университетов, давших миру такие известные имена,
как Б. Дж. Берри, У. Бунге, А. Гетис, Р. У. Морилл, Ф. Р. Питтс, У. Тоблер, Т.
Хегерстранд и др. Волны количественной "революции" от этих центров, не говоря о
тесно интегрированной в науке с США Канаде, быстро докатились
до многих других университетов США и Швеции, Великобритании (П. Хаггет, Р.
Чорли), Польши (К. Дзевоньский, К. Драмович, Т. Чиж), бывшего СССР (Д. Л.
Арманд, А. С. Девдариани, Ю. В. Медведков) и даже развивающихся стран, например
Индии (В. Л. Пракаса Рао, Р. П. Мисра).
Конец 50-х - 60-е гг.- расцвет математизации. Множество географов работают
под лозунгом: "Математические методы решают все". Без математических выкладок
несолидно было издавать книги или защищать диссертации. Большое влияние в
нашей стране на математизацию второй половины 60-х гг. оказало проведение
математических школ для географов. В программах большинства конференций и
съездов появляются секции по применению математических методов и даже
проводятся специальные всесоюзные совещания на тему: "Математические методы в
географии", "География и математика" и т. д.
Б. Л. Гуревич и Ю. Г. Саушкин видели в математизации географии одно из
основных направлений ее теоретизации. Чуть позднее, подводя первые итоги, В.
М. Гохман и Ю. Г. Саушкин писали: "Математическое моделирование нанесло удар
голому эмпиризму в нашей науке, направило географию по пути поиска
закономерностей (в том числе пространственных), по пути расчета,
эксперимента, сравнения вариантов... Широкое использование математики (в ее
современном понимании) становится необходимым условием успешной разработки
содержательных аспектов географических теорий (не говоря уже об их
формализации)" [4]. Невозможно описать сотни попыток подкрепить эти слова
конкретными экспериментами и методическими построениями. Этап "опьянения"
математикой принес немало интересных результатов. Кроме этого, на путь
математизации географии влекли успехи вычислительной математики, статистики и
кибернетики, распространение быстродействующих вычислительных машин и
улучшение информационного обеспечения географических исследований.
Но прошло немного лет, и появились сомнения. Оказалось, что в ряде случаев
использование математики было данью моде, а не насущной необходимостью для
решения конкретных задач. Математические модели из других областей знаний -
физики, экономики, психологии и т. п.- часто заимствовались без учета реального
соответствия географическим явлениям. Отсюда происходила неудача многих
попыток, что не только охлаждало интерес к проблеме формализации географических
явлений, но и давало повод для рассуждений о нецелесообразности
и даже вредности математизации географии.
Одним из первых, кто стал писать о нецелесообразности гипертрофирования роли
математики в географии, отводя ей роль полезного, но второстепенного,
подсобного орудия, был академик С. В. Калесник. Об этом писал и В. А. Анучин:
"Обработка эмпирического материала при помощи электронно-вычислительной
техники в целом ряде случаев, особенно в исследовании географических
процессов, приводит к грубым ошибкам по той простой причине, что эти процессы
далеко не всегда могут быть количественно выражены. В географии, например,
математика часто не только "укорачивает" научные определения, но и сильно
искажает их... Часто математическое моделирование в географии сводится к
"портретным моделям", лишенным какого-либо дополнительного содержания, что с
не меньшим (а часто большим!) успехом может быть выражено при помощи
картографии" [1].
У В. А. Анучина нашлось немало сторонников. Если вначале первые, еще робкие
голоса утверждали, что математические методы не дают требуемого результата в
решении какой-то частной задачи, то позднее эти разрозненные голоса, накопив
многочисленные доказательства, превратились в хор. И, как мы видим, крайняя
позиция - полное отрицание возможности применения математических методов.
Видимо, оптимум, как часто бывает, лежит где-то посередине. Интересно, что
даже некоторые бывшие творцы количественной революции на Западе
разочаровались в ней. Причем ряд из них стал проповедовать гак называемую
"радикальную географию", некоторые аспекты которой освещены в отечественной
литературе.
Такая позиция имеет определенную почву под собой: этому способствовало
упрощенное описание сложных географических явлений без достаточного понимания
их сути, применение математических алгоритмов без учета накладываемых ими
ограничений, игнорирование традиционных для географии методов и т. д. Иногда
требовалось просто невозможное, например решение задачи всесторонней
математической имитации сложных географических комплексов с учетом большого
числа взаимосвязей между отдельными их компонентами и т. п. Стоит ли в этих
случаях применять модели? Нет. Во всем многообразии явление лучше изучать в
натуре, чем на модели. Модель ведет к упрощениям (в разумных
рамках), позволяет выявить главные типичные черты, а тем самым дает и новое
знание о явлении, и в этом ее сила. Любому моделированию свойственна
формалистичность построений, и задача - использовать ее сильные стороны. Не
подмена одних методов другими, а их взаимное дополнение с учетом сильных сторон
математических и традиционных методов исследования в географии,- наиболее
рациональный путь.
2. Современные направления применения математических
методов
Математические методы позволяют создавать особые описания географических
явлений и процессов - их математические модели. Суть математического
моделирования заключается в абстрагированном и упрощенном отображении
действительности логико-математическими формулами, передающими в
концентрированном виде сведения о структуре, взаимосвязях и динамике
исследуемых географических явлений. Эти модели очищены от ненужных деталей и
лишних подробностей ради ясности характеристик важнейших свойств и
закономерностей. Абстрактность математической модели проявляется даже в
характеристике конкретных свойств: в любой формуле указываются лишь величины
тех или иных показателей, но не раскрывается их содержание.
Важная особенность математических методов, отмеченная Л. В. Канторовичем и А.
Б. Горстко, состоит в их опосредствованном использовании для изучения
действительности. Они применяются лишь в виде моделей, т. е. в определенных
формализованных абстракциях. Математические модели способны хорошо отражать
структуру, взаимосвязи и динамику наблюдаемых явлений, но надо неустанно
следить за их соответствием свойствам моделируемой действительности.
Другое условие повышения достоверности результатов моделирования состоит в
совершенствовании научных знаний о географических закономерностях. Опора на
более достоверные, точные и полные знания, а также их всесторонний учет
гарантирует более высокое качество моделирования. Математические модели могут,
в свою очередь, оказывать серьезное воздействие на теоретические представления.
В "основание" моделей можно закладывать еще не доказанные наукой представления;
тогда результаты моделирования позволят судить о научной достоверности
теоретических предпосылок и гипотез, об обоснованности
интуитивных представлений. Это свойство моделей может использоваться в целях
предсказания новых географических закономерностей и прогнозирования развития
явлений и процессов. Наконец, для улучшения результатов моделирования очень
важна постоянная корректировка моделей посредством учета и контроля
промежуточных данных.
С точки зрения географии (учитывая большую значимость для нее
пространственных аспектов), можно выделить три разновидности моделей:
1) математические модели, строящиеся без учета пространственного
координирования явлений, и результаты реализации которых не подлежат
картографированию;
2) модели, в которых результаты картографируются, но пространственный аспект
не учитывается на этапе реализации математических алгоритмов;
3) модели, в которых без учета пространственного положения явлений невозможно
реализовать математические расчеты.
Из различных разделов современной математики в географии наиболее широко
используется математическая статистика. На ее долю приходится не менее 80% всех
проведенных экспериментов. Стало обычным делом проведение простого
статистического анализа географических данных - вычисление средних
квадратических отклонений, дисперсии, коэффициентов вариации, оценка согласия
распределений с помощью критериев Пирсона (х2), А. Н. Колмогорова,
расчеты прямолинейной и нелинейной корреляции, корреляционных отношений,
различных видов регрессий и др. Несколько позднее географы обратились к
дисперсионному и дискриминантному анализу, а также анализу временных рядов.
Но особенно широкое распространение нашли известные алгоритмы математической
статистики - факторный анализ и метод главных компонент. Не менее популярны
статистические алгоритмы классификации географических объектов на основе
комплексов характеризующих их показателей. Количество алгоритмов
классификаций и их разновидностей очень велико, но все они построены на
способах членения исходного множества изучаемых объектов на непересекающиеся
подмножества: метод потенциальных функций, метод гиперплоскостей, метод
гиперсфер и др.
Среди всего многообразия алгоритмов встречаются как автоматические
классификации, так и классификации, которые используют отдельные
территориальные единицы как ядра, вокруг которых формируются однородные
подмножества (группы). Эти ядра задаются экспертами-географами,
т. е, происходит как бы предварительное "обучение ЭВМ", вследствие чего такие
алгоритмы называют классификациями "с учителем".
В географии все модели классификации делятся на подвиды. Так, для типологии
географических объектов по комплексу показателей пригодны модели, учитывающие
гомогенность объединяемых в одну группу территориальных единиц. Для оценочной
классификации наряду с условием гомогенности необходима иерархическая
упорядоченность между собой формируемых групп.
В некоторых случаях типологические или оценочные характеристики служат
основой для районирования. Районирование отличается от географической
дифференциации тем, что оно означает "разбиение" целого на целостные же
части, объединяемые взаимными связями. В отличие от ареала район внутренне
неоднороден, так как для него всегда характерна та или иная внутренняя
территориальная организация, тогда как для ареала типично лишь состояние
внутренней однородности.
Районирование до последнего времени выполняется вручную на уровне логических
обобщений, формализовать весь комплекс которых пока не представляется
возможным, но отдельные требования легковыполнимы. Так, достаточно давно
созданы алгоритмы, выполняющие условия выделения территориально
нерасчлененных группировок территориальных единиц с использованием матриц
соседства.
В географической литературе неоднократно указывалось на целесообразность
применения классификаций географических комплексов с использованием методов
теории нечетких множеств. Эта теория предполагает возможность относить
территориальные единицы не просто к одному из классов (как стандартные
алгоритмы многомерных классификаций), а одновременно к нескольким классам с
различными функциями принадлежности (в случае переходного характера единиц).
Такая классификация целесообразна, когда в действительности границы между
классами имеют нечеткий, переходный характер, что должно учитываться при
математическом моделировании и соответствующим образом отражаться на картах.
Размытость границ иногда рассматривается как их общее свойство.
В географии широко распространилось имитационное моделирование. Хорошим и
простым примером может служить имитация развития системы населенных мест. В
основу эксперимента закладывались правила развития системы, и на ЭВМ
"проигрывались" пути их реализации с помощью алгоритма статистических
испытаний (метода Монте-Карло). Результат, полученный И. С. Матлиным, не
только имитирует сеть поселений, но и подчеркивает их иерархию, связанную с
основным положением теории центральных мест (рис. 7)
Рис. 7. Имитация развития системы населенных мест (по Матлину)
Можно привести ряд других примеров, связанных с имитацией пространственного
распространения болезней, эпидемий и т. п. Для этих целей применяются
различные модели: от имитации эпидемии простыми гравитационными моделями,
созданными по аналогии с моделями тяготения Ньютона, до использования систем
обыкновенных дифференциальных уравнений, имитирующих пространственно-
временное распространение эпидемий. Однако наиболее часто для этих целей
применяется метод Монте-Карло.
Кратко метод Монте-Карло заключается в следующем. Исследуемое явление
представляется как некая абстрактная система, которая может находиться в
нескольких различных состояниях. При этом считается, что нахождение системы в
каком-либо из состояний случайно и вероятность этого факта подчиняется
определенному закону распределения, который характеризует как саму систему,
так и связи между различными ее состояниями. С помощью таблиц случайных чисел
или датчиков псевдослучайных величин моделируются конкретные реализации
состояний для исследуемой системы. Обрабатывая полученную таким образом
информацию о системе методами математической статистики, получают требуемые
численные результаты.
Ряд моделей, как детерминистских, так и стохастических, применяется для
моделирования "волн" заселения, притока абитуриентов в вузы, диффузий
нововведений и др.
Широко используются оптимизационные модели. Часто применяется
транспортная задача линейного программирования. В этом случае ставится задача
минимизации издержек по перевозке продукции из множества источников в ряд мест
назначения. Широко применяются модели для оптимизации размещения производства,
сетей школ, оптимизации трасс перемещений между центрами и т. д.
Последнее, на что следует обратить внимание,- это на разработки так
называемой географизированной математики. В этой перспективной области
исследований также, прежде всего, стали разрабатываться области
"пространственной статистики", учитывая неприспособленность традиционной
статистики для учета взаиморасположения явлений в пространстве.
3. Средства географических исследований.
3.1 Средства моделирования и отображения географических явлении
Моделирование - одно из наиболее распространенных в науке понятий.
Первоначально словом "модель" обозначалась уменьшенная копия, или, по
выражению
В. И. Даля, "образец в малом виде", а в последующем в широком
смысле под моделью стали понимать любой образ (мысленный или условный:
изображение, описание, схема, чертеж, график, план, карта и т. п.) какого-либо
объекта, процесса или явления ("оригинала" данной модели), используемый в
качестве его "заместителя", "представителя", а моделирование трактуется как
"одна из основных категорий теории познания: на идее моделирования по существу
базируется метод научного исследования - как теоретический (при котором
используются различного рода знаковые, абстрактные модели), так и
экспериментальный (использующий предметные модели)".
В географии процесс описания географических явлений может осуществляться с
помощью логических рассуждений и выражаться, например, в виде текста,
словесных характеристик и др. Широко распространены графические построения
как средство выражения пространственно-временных характеристик географических
явлений, в частности это относится к картам. Здесь необходимы пояснения. В
главе II мы говорили о картографическом методе, теперь же о картах как
средстве моделирования. Возникает вопрос: в чем различие? Собственно карты -
это средство фиксации пространственных отношений, но получение содержательных
знаний с помощью различных технологий их анализа есть не что иное, как
картографический метод исследования.
Традиционна фиксация информации о географических явлениях в текстовой,
графической и фотографической формах. Предусматривается разнообразная форма
выдачи материала потребителю: в виде распечаток на бумаге, таблиц, сводок,
выборок, файлов на машинных носителях, а может быть, в виде схемы или карты.
В последнем случае мы получаем одно из основных традиционных средств
исследования территории. В этом случае требуется учет оптимальности выбора
способов картографического изображения явлений, оперативность получения
материала, наглядность и способность технических средств к их графическому
воспроизведению.
Весь картографический материал должен создаваться с учетом опыта картографии в
плане подбора способов картографического изображения. Необходим такой подбор
способов изображения или их комбинаций, который позволяет графически
выразительно отображать сущность явлений, по возможности с
указанием связей с другими элементами. Например, при создании ландшафтных карт
с использованием их историко-генетической классификации по В. А. Николаеву
необходимо соответствующее графическое отображение морфологии 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
изображения, 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 одной из осей, на которых строится легенда,
упорядочить оценочные характеристики благоприятности комплекса природных
условий для выращивания какой-либо сельскохозяйственной 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.
В этом случае карта будет служить инструментом содержательно-географического
анализа и исходным материалом для получения разнообразных выводов и
предположений. Необходим и возможен ряд модификаций такого сорта легенд в
зависимости от сути картографируемых явлений. Например, сочетание
характеристик величины рождаемости с национальным составом населения полезно
отображать на фоне уровней социально-экономического развития регионов и т. д.
В этом случае легенда приобретает третье измерение.
Иногда полезно отображать количественные характеристики с использованием давно
известных в отечественной картографии бесступенчатых шкал. Они подчеркивают
плавность смены характеристик, позволяют более точно считывать с карт значения
и при хорошем графическом исполнении выразительны и наглядны. Естественно,
возможно привлечение нетрадиционных для тематического картографирования
способов изображения - растров, штрихов крутизны для отображения величин
углов наклона и экспозиции местности и т. д., не абсолютизируя их достаточно
ограниченные возможности.
Традиционно карты расчерчивались или печатались на бумаге. Способы
автоматизированного изготовления карт многообразны. Основными из них являются
вычерчивание карт на графопостроителях и отображение на экранах дисплеев.
Графопостроители имеют различную точность и скорость вычерчивания
изображения, принцип воспроизведения: а) пером, световым лучом, резцом и др.;
б) при перемещающихся расчерчивающих головках или листах пластика, бумаги, на
которых воспроизводится изображение, устройствами планшетного или барабанного
типов и т. д.
В последнее время наиболее широко для оперативных целей карты выводятся на
экран дисплея. Это позволяет опробовать множество вариантов изменения
содержания карт и способов их оформления. Но что особенно привлекательно -
такая методика удобна для показа динамики явлений. Это могут быть, например,
слайд-фильмы и картографические кино- или видеофильмы, позволяющие отображать
не только пространственные, но и временные аспекты. В этих случаях, как
правило, показываются этапы изменения явлений через равные промежутки
времени, хотя существуют фильмы с изменяющимися содержательными сюжетами. Это
может быть и анимация отдельных знаков, например мигание или перемещение по
экрану отдельных точек или знаков. 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 визуализации 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
разработки 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 - фоточувствительных пластинах, на
которых зафиксированы изучаемые явления при интерференции волн, очень редко,
хотя она известна в географии сравнительно давно. Это может быть объяснено
ограниченностью специальной аппаратуры и ее малым распространением в
географических учреждениях.
3.2 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 работы 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
автоматизированного 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 материалы как
источник информации.
Несмотря на это, задачи ГИС выходят за пределы картографии, делая их основой
для интеграции частных географических и других (геологических, почвенных и т.
д.) наук при комплексных системных исследованиях, а особенно это
подчеркивается при использовании модели знаний как основы создания ГИС.
Такому широкому взгляду на ГИС иногда противопоставляется узкоинформационный,
по существу технический подход, когда ГИС - система накопления и хранения
географических данных, инструмент для фиксации и характеристики объектов
земной поверхности, что являлось задачей географии прошлых веков, но
реализуется лишь сейчас на современном компьютерном уровне.
Примечательно, что мы значения слов «данные», «информация» и «знания» следует
различать. Вслед за М. Конечным и К. Райсом будем считать
данными изолированные показатели, понимаемые как сырье, 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
рассматриваться далее.
Определение ГИС в литературе.
М. Конечный и К. Райс считают, что "географическая 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
исследовании 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 природы и общества, а также
программного обеспечения, моделирующего функции поиска, ввода, моделирования
и др." [14]. Несколько отличен взгляд на ГИС как интерактивные системы,
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. И. В. Гармиз
понимает ГИС "как аппаратно-программный человеко-машинный комплекс,
обеспечивающий сбор, обработку, 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 общества".[3]. Хотя, существует еще десятки определений ГИС,
принципиальных различий в них нет.
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
географические, геологические, геофизические и т. д. системы, что встречается в
литературе.
Структура ГИС
Прежде всего обратимся к базам данных. Нам представляется
целесообразной следующая их организация. Во-первых, создание базы, необходимой
для территориальной привязки данных, поскольку ГИС имеют дело только с
пространственно координированными сведениями. Их территориальная
упорядоченность важна с точки зрения не только унификации сбора данных, но и
установления оптимального соответствия размерам исследуемых систем. Наряду с
данными, приуроченными к точкам и линиям, поточечно фиксируемыми 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
векторный форматы с возможностью перехода одного в другой. В векторных
структурах пространственная привязка осуществляется наборами взаимосвязанных
координат. Точки фиксируются одной парой координат, линии - упорядоченным
потоком координат отдельных точек, а площади характеризуются ограничивающими
их линиями. Причем вследствие того, что любые две соседние площади имеют одну
общую границу, целесообразно компоновать замкнутые полигоны площадей из
сегментов границ. Поверхности чаще всего передаются системами изолиний.
С целью обеспечения возможности совмещения отдельных участков территории
разработана глобальная система пространственной привязки данных, основанная
на использовании географической широты и долготы.
Тематические данные в настоящее время организуются в виде отраслевых блоков.
Например, 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,
характеристикам комплексных антропогенных воздействий или характеризовать любую
из систем - природную, природно-антропогенную, антропогенно-природную,
антропогенную, антропогенно-техногенную, техногенно-антропогенную и
техногенную, как их выделяет Ю. Г. Тютюнник.
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 между собой. Причем не везде требуется
одинаковая цикличность и единовременность сбора данных. Например, показатели
социального блока гораздо более динамичны по сравнению с геологическим
строением изучаемой территории. Хотя известны случаи, когда и геологические
объекты 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. При
возможности следует хранить информацию об источниках данных и оценке их
достоверности.
Каждая из описанных выше структур может быть иерархической, сетевой или
реляционной. Иерархическая структура устанавливает соподчиненность
территориальных единиц, тематических показателей, временных периодов. Сетевая
структура учитывает сочетания и причинно-следственные связи явлений. Здесь
любой элемент может быть связан с любым другим. Реляционные 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,
специализированные, в том числе информационно-справочные, инвентаризационные,
для нужд планирования, управления); по тематической ориентации
(общегеографические, отраслевые, в том числе водных ресурсов, использования
земель, лесопользования, рекреации и др.)
Большинство систем за рубежом ориентировано на решение частных географических
задач, но все большее внимание уделяется комплексным аспектам изучения
системы "общество - природа". Именно с точки зрения всестороннего анализа
территории, интегрирующего природные, социальные и экономические
составляющие, создается глобальная база данных, известная 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 настоящее время состоит из 22 глобальных систем мониторинга, которые
управляются через различные организации ООН, например Продовольственную и
сельскохозяйственную организацию (ФАО), Всемирную метеорологическую
организацию (ВМО), Всемирную организацию здравоохранения (ВОЗ), международные
союзы и отдельные страны (142 страны), в той или иной мере участвующие в
программе. Мониторинговые сети организованы внутри 5 блоков, связанных с
климатом, со здоровьем людей, средой океана, дальнодействующими
перемещающимися загрязнениями, возобновляемыми природными ресурсами.
3.3 Экспертные системы
В традиционных географических исследованиях используются разнообразные
средства, как при информационном обеспечении, так и на других рассмотренных
этапах. Достаточно универсальным средством, обеспечивающим широкий круг
задач, стали экспертные системы. Экспертную 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,
поставляющим необходимые сведения по конкретному вопросу.
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 входило оперирование с данными, причем смысл
манипуляций понимал человек, то, задавшись целью создать программы, способные
анализировать семантику (смысл) используемых данных, необходимо обращение к
базам знаний. Такие программы способны производить логические цепочки на
основе ранее полученных выводов, пропуская знания как бы через эти выводы,
проверяя их логичность, уточняя и строя более тонкие конструкции. Если
полученный результат будет противоречить 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
индивидуальные, или эмпирические. К общедоступным знаниям относятся наборы
фактов, например в учебниках и другой литературе, а вот
индивидуальные знания зачастую носят эмпирический характер, основанный на
правилах и подходах, которые эксперт иногда даже не может четко или однозначно
сформулировать. Их называют эвристиками.
Для экспертных систем необходимы три компоненты: факты, правила (процедурные
знания) и управляющие структуры. Фактические знания сообщаются экспертной
системе экспертом-географом в процессе диалога и отражают взгляды человека на
момент работы. Процедурные знания или правила тесно связаны с фактическими,
но являются как бы накопленными знаниями, на основе которых вырабатывались
правила, определяющие, как будет вести себя система, и, наконец, управляющие
знания позволяют подбирать наилучшую стратегию в работе системы.
Структура экспертной системы, как правило, состоит из четырех-пяти компонент:
базы знаний, машины вывода, системы накопления метазнаний
, системы объяснений и общения с пользователем.
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 структурой, а также более регуляризованные сети - фреймы.
Фреймы выражают общие понятия, а слоты, или ячейки, дают их детализацию, что
приводит к типичной иерархической структуре.
В настоящее время наибольшее распространение получают так называемые
"продукции". По мнению академика Г. С. Поспелова, "продукции" можно
представить в виде выражения "если - то". Например, если содержание
углеводородов в выбросе в атмосферу превысит предельно допустимую
концентрацию (ПДК) в 100 раз, то это может привести к экологической
катастрофе. Для получения выводов "продукции" могут образовывать сложные
цепочки. Кроме описанного ядра, "продукции" допускают использование пред- и
постусловий, разрешающих или запрещающих применять данное условие, а также
определяющие, необходимо ли изменять что-либо в базе знаний в зависимости от
результата выполнения процедуры "если - то".
Важной особенностью экспертных систем является возможность работать не только
с "четкими" данными, но и, что самое главное, с "нечеткими" знаниями.
Используя комбинации элементов знаний, можно прийти к вполне определенным
заключениям, т. е. даже на основе ненадежных данных есть возможность получать
правдоподобные выводы. "Нечеткость" определений, которыми оперирует географ,
ведет к "нечеткости" знаний. Например, обратившись к понятию "широкая река",
мы отчетливо представляем, что для разных людей этот размер может варьировать
в значительных пределах. Для характеристики фактов используется "нечеткая"
логика, разработаны коэффициенты уверенности для измерения степени доверия к
любому заключению.
Другим важным элементом экспертной системы является машина вывода.
Машина логического вывода является универсальной думающей машиной, а база знаний
- это то, над чем ей предстоит думать. Т. е. в ответ на запрос
система способна строить логические выводы и на их основе приходить к
заключениям. Здесь проверяется выполнимость условий конкретной ситуации по
отношению к имеющимся правилам и подбирается путь их удовлетворения. Причем, в
отличие от традиционных алгоритмов, осуществляющих механический перебор всех
правил, в экспертной системе пространство поиска сужается за счет того, что,
как и человек, ЭВМ должна ожидать, что же ей встретится. Например, анализируя
видовой состав смешанных и широколиственных лесов средней полосы европейской
части России, географ ожидает встретить ель, березу, дуб, липу, клен, но не
пальмы или мангры, перебор которых для анализа противоречит здравому смыслу.
Процедуру получения выводов путем анализа фреймов или "продукций" называют
прямой стратегией. В том случае если человек выдвигает гипотезы (а делает это
он, как правило, с охотой), а ЭВМ их проверяет (что проще для машины), то мы
переходим к обратной стратегии. Используются и смешанные стратегии, когда
машина выдает ряд вариантов решения, а экспертная система именно так и
поступает, выбрав из них какое-нибудь одно, оно анализируется с помощью
обратной стратегии. Естественно, что этот путь будет неоднозначным, причем
могут добавляться новые значения и т. д.
Блок накопления метазнаний проверяет непротиворечивость вновь
поступающих сведений имевшимся правилам. Достигается это путем проверки
семантической непротиворечивости, а также автоматическим тестированием.
Проверка семантической непротиворечивости определяет согласование вносимых
изменений правилам базы знаний, а автоматическое тестирование проверяет
нововведения на большом количестве задач, чтобы оценить, сколь положительно они
влияют на работу экспертной системы. Иногда в случае конфликтных ситуаций
требуется пересмотр правил. Здесь применяются различные степени доверия для
потенциальных решений, чтобы они не противоречили здравой логике, хотя сделать
это не всегда просто.
В этом деле целесообразна характеристика не отдельных явлений, а их классов,
когда конкретная ситуация сравнивается с типичными примерами. Допустим,
географ, классифицируя типы берегов (риасовый, шхерный, фьордовый), как бы
сравнивает их с идеальными моделями: фьорды - узкие, глубоко
вдающиеся в сушу клинья и т. д. Но экспертная система не ограничивается
алгоритмической классификацией и учитывает семантику. Классифицируя
географические объекты "Москва", "Бишкек", "Брянск", человек легко сгруппирует
их в города, но Москву в сочетании с Волгой и Леной отнесет к рекам, то же
должна уметь эвристическая программа.
Более того, иногда требуется и не совсем "логичное" заключение. Например,
анализируя уровни социально-экономического развития стран по ряду формальных
критериев, в том числе таким, как национальный доход на душу населения, число
автомашин на 1 тыс. жителей и др., Кувейт должен быть отнесен к числу ведущих
стран, но эксперт-географ, сильно занизив его оценку, не выглядит странным.
Так же должна поступать и экспертная система, выводя одни правила из других и
приходя к заключениям, получить которые из формальной логики невозможно.
Еще один характерный момент для экспертной системы. Так как правила,
создаваемые одним географом, чаще всего сильно отличаются от того, как это
делает другой специалист, то экспертная система как бы становится "вторым я"
того или иного ученого, копируя его стиль работы.
Система объяснений используется для того, чтобы разъяснить пользователю, как
экспертная система пришла к тому или иному конкретному выводу. Причем в
процессе работы пользователь может задавать дополнительные вопросы о
получении промежуточных результатов, уточнять цели, инспектировать правила с
точки зрения их согласования между собой и соответствия поставленным целям и
др.
Как правило, система объяснений делает трассировку хода проведения
рассуждений в обратном порядке от того места, к которому относится вопрос,
или от конечного результата. Каждый шаг рассуждения подкрепляется выводами из
правил базы знаний. Экспертная система объясняет также, почему она не пошла
другим путем - какие правила базы знаний этот путь заблокировали. Объяснения
экспертной системы помогают пользователю совершенствовать базу знаний,
показывая слабые места, ведущие к неправильным выводам.
Система общения пользователя с экспертной системой должна быть
максимально удобна для человека. В настоящее же время "хозяин ЭВМ вынужден
разговаривать со своим слугой на языке слуги". В этом плане особенно
привлекателен проект разработки ЭВМ пятого поколения, которые будут в состоянии
воспринимать естественный язык, например ограниченный английский, графические
изображения, карты, фотоснимки и др.
Экспертные системы могут сильно отличаться своей конфигурацией в зависимости
от целей их создания, имеющихся технических средств, объема данных и знаний.
Причем важной является возможность комбинирования экспертных систем с
математическими моделями, служащими для алгоритмических вычислений. Такие
системы принято называть интегрированными.
В обобщающих работах по экспертным системам выделяют несколько их типов:
интерпретирующие - позволяющие на основе наблюденных фактов делать описания и
выводы; прогнозирующие - выводящие следствия из совокупности состояний
исследуемых явлений, например прогноз погоды, урожайность
сельскохозяйственных культур и др.; диагностики, прежде всего в медицине;
проектирования - в строительстве; планирования; мониторинга; ремонта;
обучения и др.
Более широко экспертные системы применяются в следующих областях: прежде
всего для совершенствования эксплуатации географических информационных систем
при управлении базами данных, в процессе принятия управленческих решений,
некоторых картографических вопросов. Применение экспертных систем позволяет
сделать географические информационные системы более эффективными и легче
используемыми, обучать малоопытных пользователей работе с ними,
совершенствовать поиск информации в больших массивах данных и др. Имеется
опыт соответствующих работ с использованием материалов дистанционного
зондирования; для нужд картографии, в том числе для автоматизации процесса
генерализации; целей мониторинга ландшафтов, пожаров и др.
Важны классификационные аспекты географии, и здесь роль экспертных систем в
решении не поддающихся математической формализации и сложных
для логического анализа задач может быть велика, например, в случае типизации
географических ситуаций, применения метода ситуационного управления
(предложенного Д. А. Поспеловым), и в частности в географии при разработках
геоситуационного направления.
Типология геоситуаций необходима для выработки правил, фактов и связей в
соответствующих базах знаний, формируемых на основе знаний экспертов.
Построенные на базе типов геоситуаций сценарии позволяют в каждом конкретном
случае не обращаться к перебору нескольких вариантов, а, идентифицировав тип,
анализировать структуру соответствующих географических образований по отношению
к характеристикам их типа. В дальнейшем экспертные системы смогут определять
структуру геоситуаций и рекомендовать мероприятия для их целенаправленных
трансформаций или консервации, например с целью выработки рекомендаций по
охране окружающей среды и т. д.
Одно из интересных приложений экспертных систем может состоять в их
применении не только для обучения отдельным географическим дисциплинам с
использованием опыта наиболее известных преподавателей (безгранично расширив
их аудиторию), но и служить в качестве "интеллектуального интерфейса" для
связи, например, с вычислительными пакетами программ, с которыми пользователь
мало знаком, т. е. быть своеобразным гидом.
Наконец, несколько слов о технических средствах. Естественно, что чем
совершеннее будет техника, тем удобнее ее будет использовать для создания
экспертных систем, однако в жизни немало примеров, когда эффект от
использования дорогостоящей аппаратуры недостаточен.
С распространением экспертных систем в географии специалисты получат возможность
использовать технику для уточнения, распространения,
пропаганды, а главное - получения новых индивидуальных знаний, сопоставлять
между собой конечные и промежуточные выводы при несовпадающих мнениях. Кстати,
географы, обходившиеся в своей работе без математических методов и расчетов на
ЭВМ, смогут использовать вычислительные машины без применения алгоритмических
подходов. Роль специальных знаний еще более поднимется, а их передача от
"учителя к ученику" станет более легкой, улучшится сохранность накопленных
знаний и возможность их дальнейшего пополнения и совершенствования. Для
географов особенно важно, что наиболее ценной и дорогостоящей частью в
экспертных системах оказываются географические знания. В целом же экспертные
системы могут рассматриваться как одно из самых мощных средств географических
исследований в ближайшей перспективе.
Заключение
Таким образом, можно сделать вывод, что география уже с 50-х годов идет рука
об руку с математикой и использует математические методы. Хотя на протяжении
истории развития наук происходило изменение дистанции между этими науками,
все же география не может обойтись без математики её методов. Математика даёт
более строгую, научно доказанную информацию, делает картину мира более
чёткой. Без неё география была бы чисто описательной и эмпирической наукой.
Поскольку данных с каждым годом становится всё больше, и системы, требующие
изучения, усложняются, то без ЭВМ сложно представить процесс обработки
данных. Так ЭВМ прочно вошли в географические науки, и упрощают жизнь
картографам, геологам, синоптикам, топографам, почвоведам, экономическим и
социальным географам, а так же страноведам.
Список литературы:
1. Анучин В.А. Теоретические основы географии. М: Мысль. 1972
2. Берлянт А.М. Картография и геоинформатика. - М: ВИНИТИ. 1991г.
3. Гармиз И.В. Геоинформационные технологии: принципы, международный опыт,
перспективы развития. ВНИИек. мин. сырья. – М: 1989 г.
4. Гохман В.М., Гуревич Б.Л., Саушкин Ю.Г. Проблемы метагеографии //
Математика в экономической географии. Вопросы географии. М: Мысль. 1968
5. Джеймс П., Мартин Дж. Все возможные миры. История географических идей. -
М.: Прогресс, 1988.
6. Дьяконов К.Н.. Современные методы географических исследований.- М: 1996 г.
7. Калесник С.В. О некоторых недоразумениях в теории советской географии //
Известия ВГО. 1971.
8. Канторович Л.В., Горстко А.Б. Оптимальные решения в экономике. - М.:
Наука, 1972.
9. Комплекс моделей перспективного планирования. АН СССР. Центральный
экономическо.-математический институт. Отв.ред. И.С.Матлин, А.А.Бардина - М.:
Наука, 1986; 262 с.
10. Кошкарев А.В. Геоинформатика. ГИС. Сборник статей. 1990 г.
11. Николаев В.А. Ландшафты азиатский степей. - М: Изд. МГУ, 1999 г.
12. Портянский И.А. Компьютерний арсенал географии. - М: Мысль,1989 г.
13.Трофимов А.М. Моделирование геосистем (концептуальный аспект). - Казань:
Экоцентр, 1997 г.
14. Трофимов А.М., Панасюк М.В. Геоинформационные системы и проблемы
управления окружающей средой. - Казань: изд. ун-та, 1984 г. |
