Информационная система прогнозирования динамики лесных ресурсов Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.415.2

Институт динамики систем и теории управления СО РАН ул. Лермонтова, 134, Иркутск, 664033 E-mail: chudnenko@icc.ru

ИНФОРМАЦИОННАЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ ДИНАМИКИ ЛЕСНЫХ РЕСУРСОВ

В статье рассматривается разработанная информационная система для лиц, принимающих решения по рациональному использованию лесных ресурсов на основе компьютерного анализа и прогнозирования их состояния. Описываются базы знаний системы автоматической параметрической идентификации математических моделей динамики лесных ресурсов. Рассматриваются входящие в информационную систему инструментальные средства, которые позволяют пользователям создавать на ее основе свои приложения.

Ключевые слова: математическое моделирование, лесные ресурсы, искусственный интеллект, Java, Prolog.

Введение

Проблема формирования политики использования лесных ресурсов (ЛР) является чрезвычайно важной задачей для лиц, принимающих решения (ЛПР) в управлении лесопромышленным регионом. Эффективность принимаемых ЛПР решений в первую очередь зависит от объема, вида и качества исходных данных о состоянии ЛР, а также прогнозов развития ЛР в зависимости от принимаемых ЛПР решений (политики заготовки ЛР). В связи с этим возникла необходимость создания информационно-аналитических систем поддержки принятия решения в области управления лесными ресурсами и прогнозирования их динамики. Такая система позволит удовлетворить постоянно возрастающие требования к качеству информации о состоянии лесных ресурсов в текущий момент и на перспективу путем повышения ее достоверность и надежности, а также оперативности получения.

Рассматриваемое исследование посвящено разработке инструментальных средств, направленных на решение задач автоматизации поддержки принятия решений по рациональному использованию лесных ресурсов, функционирующих на основе современных средств обработки пространственно-распределенной информации - геоинформационных системах (ГИС). В основе подхода к анализу возможных решений, принимаемых ЛПР, лежит анализ свойств исследуемой природной системы в будущем при некотором допустимом решении ЛПР, т. е. анализ прогнозов динамики исследуемого объекта при помощи соответствующего математического и программного обеспечения, реализованного в рамках некоторой системы поддержки принятия решений (СППР). СППР являются человеко-машинными объектами, которые позволяют ЛПР использовать разнообразные методы, данные, знания, объективные и субъективные модели для анализа и решения слабоструктурированных и неструктурированных задач. Идея СППР возникла как попытка автоматизации естественных человеческих действий по анализу имеющейся информации, планированию действий и т. п. с целью решения конкретной заданной задачи. В решении рассматриваемой задачи СППР строится на основе анализа результатов расчета прогноза динамики ЛР по соответствующим математическим моделям.

Информационная система прогнозирования состояния лесных ресурсов

Информационная система предназначена для прогнозирования состояния лесных ресурсов на основе приложения системы математических моделей к конкретному природному объекту в условиях реализации некоторой гипотетической политики использования лесных ресурсов, заданной набором параметров модели. Информационная система для поддержки

ISSN 1818-7900. Вестник НГУ. Серия: Информационные технологии. 2008. Том 6, выпуск 3 © А. К. Попова, 2008

принятия решений построена как интеллектуальная система анализа данных, использующая специализированные в предметной области подсистемы математического моделирования. Процесс принятия решения в таких системах состоит из этапов выбора класса задачи, идентификации модели исследуемого объекта, при этом используется база данных, содержащая исходные данные об этом объекте. Затем, на основе информации об исходной задаче, в частности, множестве допустимых решений ЛПР, формируется набор изменяемых параметров модели, строятся их комбинации, порождая сценарии возможного развития объекта в будущем. На следующем этапе производится компьютерный расчет сценариев и вычисление критериев оценки этих сценариев. На последнем этапе осуществляется, в общем случае, многокритериальная оптимизация сценариев, и, если становится возможным, выбор наилучшего с точки зрения некоторого набора критериев сценария. Полученный сценарий или набор сценариев представляется ЛПР в некотором виде, в частности, в виде графических изображений. Отличительной особенностью таких информационных систем является использование математического моделирования для получения дополнительной информации об исследуемом объекте.

Информационная система представляет собой совокупность трех базовых подсистем: ГИС, подсистемы математического моделирования и системы автоматизации логических рассуждений (системы искусственного интеллекта). Компоненты информационной системы формируют инструментальное средство, при помощи которого возможна разработка как производных ИС, так и отдельных информационных систем из отдельных компонент системы.

В информационной системе реализованы модели «Динамики управления древостоем» (ДУД) и «Лесные ресурсы» [Модели управления..., 1981; Черкашин, 1984]. Модель ДУД предназначена для расчета временной динамики лесных ресурсов территории ранга области и лесхоза по категориям земель и группам возраста. Модель позволяет решать теоретические и практические задачи прогнозирования динамики ЛР с учетом последствий различного вида хозяйственной деятельности и катастрофических смен. При построении модели принимаются во внимание возникновение пожаров и проведение плановых вырубок, изъятия лесов лесного фонда в результате капитального строительства.

Исходные данные для модели ДУД хранятся в БД формата Microsoft Excel и представляют собой значения площадей лесов 53 лесхозов Иркутской области по 7 породам и 6 классам возраста, а также численность населения для каждого лесхоза.

В модели «Лесные ресурсы» учитываются динамика леса на обширных пространствах и особенности хозяйственного освоения территории. Модель позволяет выбирать такой вариант территориальной организации рубок главного пользования и создавать такую систему лесоэксплуатации, которые учитывали бы как цели лесозаготовительной промышленности, так и задачи воспроизводства лесных ресурсов, а также ландшафтно-защитные, средообразующие, рекреационные и другие функции лесов. Данная модель позволяет описать изменение структуры лесов от уровня области в целом до динамики внутреннего площадного строения лесонасаждений отдельного лесного квартала.

Исходные данные для модели «Лесные ресурсы» хранятся в БД формата *.dbf и содержат значения площадей лесов Усть-Илимского района по кварталам и 3 группам возраста. В БД ГИС входит цифровая топографическая основа Иркутской области (для модели ДУД) и Усть-Илимского района (для модели «Лесные ресурсы»).

Модель ДУД описывает породовозрастную структуру лесных ресурсов на более крупном уровне и предназначена для решения более общих задач, чем модель «Лесные ресурсы», которая, в свою очередь, позволяет более детально анализировать последствия проведения рубок. Кроме того, модель «Лесные ресурсы» является пространственно-распределенной.

При расчетах по математическим моделям в той или иной мере используются пространственно-распределенные данные, что требует обеспечения тесного взаимодействия с современными ГИС, используемыми, в частности, для представления результатов прогнозных расчетов в виде цифровых карт.

Подсистема искусственного интеллекта позволяет автоматизировать процесс построения математической модели природного объекта. Ее средствами осуществляется выбор из базы моделей такой математической модели, которая наиболее соответствует задаче прогнозирования и рангу исследуемого объекта.

Подсистема искусственного интеллекта реализована на основе базы знаний, содержащей знания о базовой структуре каждой модели, об идентификации модели на основе данных об исследуемом объекте, а также поиска начальных условий модели. Правила базы знаний позволяют гибко определять такие антропогенные воздействия на ЛР как объемы рубок, насаждений в зависимости от набора параметров. Например, объем рубок изменяется на каждом шаге интервала прогнозирования отдельно для каждого моделируемого участка, в зависимо -сти от расчетных данных.

Информационная система разрабатывается на основе программной технологии Java, которая является объектно-ориентированной, платформо-независимой, многопоточной. Использование технологии Java при разработке системы позволило использовать возможности имеющихся java-библиотек (например, для работы с картами, обработки Пролога), реализовать управление отдельными модулями системы с помощью скриптов на основе JavaScript, создать вариант системы в виде апплета.

Подсистема математического моделирования представлена блоком численных расчетов, базой данных и моделей; подсистема искусственного интеллекта - блоками параметрической идентификации, запросной подсистемой, базой знаний; графическая подсистема - блоками ГИС, визуализации результатов (рис. 1).

Рис. 1. Информационные потоки системы

Блок интерфейса пользователя взаимодействует с основными блоками программного комплекса, передавая им начальные данные об объекте моделирования и поставленной задаче, получая от них результаты расчетов в разных форматах (см. рис. 1). На основе полученных данных запросной подсистемой на основе базы знаний осуществляется подбор модели. Исходные данные для идентификации модели и вычисления начальных условий загружаются из баз данных. Запросы к базам данных генерируются запросной подсистемой в процессе построения формализованного представления модели конкретного исследуемого объекта. На основе дальнейшего анализа задачи и выбранной модели блоком параметрической идентификации устанавливается множество параметров модели и начальные условия. Комбинации значений параметров отображают управляющее воздействие на объект (гипотетическое решение ЛПР). Далее запросной подсистемой осуществляется построение выбранной модели: определяется последовательность смены состояний участка территории в зависимости от рассчитанных параметров модели.

Прогнозные расчеты проводятся блоком численных расчетов, каждый расчетный сценарий оценивается по заданному набору критериев, из полученного множества альтернатив выделяется множество парето-оптимальных решений.

Результатные данные передаются в блок визуализации результатов и ГИС. В информационной системе предусмотрена возможность создания карты по результатам прогнозных расчетов, на которой каждая расчетная единица (например, лесхоз) обозначается некоторым

цветом в зависимости от численного значения расчетной характеристики. Поэтому, после проведения расчетов по всем лесхозам области пользователь имеет возможность посмотреть, как распределяются лесные ресурсы по территории области. Для создания картографического произведения необходимо выбрать характеристику лесных ресурсов - переменную модели или некоторое математическое выражение над переменными, которая должна быть отображена. После этого данные расчетной базы данных разделяются на группы в зависимости от установленных диапазонов значений, и различным объектам карты присваиваются соответствующие значения раскраски. Для раскраски берутся относительные значения характеристики, например, отношение площади молодняков сосны к общей площади лесхоза. Более темные цвета соответствуют большему значению характеристики, более светлые - меньшему.

Для отображения результатов в виде картографического произведения данные из базы данных расчета передаются в ГИС-подсистему, которая производит их отображение с привязкой к топооснове и сетке границ выделов. В качестве топоосновы в настоящее время используется карта лесхозов Иркутской области. Система позволяет строить картографические произведения для любого момента времени расчета модели, при этом существует возможность экспортировать изображения в файл (формата JPEG).

Также ГИС-подсистема позволяет для каждой стадии расчета динамики лесов формировать новое изображение как новый слой тематической карты. Динамика объекта исследования представляется серией картографических слоев, помеченных соответствующим моментом времени. Эти слои при последовательном подключении формируют картографическую анимацию, отображающую изменение во времени и в пространстве различных характеристик лесов.

Инструментальные средства информационной системы

Базовые блоки информационной системы позволяют рассчитывать динамику лесных ресурсов. Описание задачи прогнозирования, объекта моделирования, задание критериев анализа результатов производится в процессе диалога с подсистемой пользовательского интерфейса.

Однако при решении некоторых задач пользователю может потребоваться расширение возможностей информационной системы. Для этого в состав информационной системы включены инструментальные средства, позволяющие пользователям создавать на его основе свои приложения.

Данные средства призваны обеспечить пользователя возможностью самому управлять функционированием программы, изменяя некоторые ее модули. При этом изменяемые модули создаются на языках, программирование на которых не требует наличия специальной программной среды. С помощью таких инструментальных средств можно решать, например, задачу задания критериев анализа результатов, полученных в ходе расчетов системы.

Механизм программирования пользовательских приложений реализован при помощи интерпретатора языка программирования JavaScript и специальной библиотеки jsCalc, что позволяет интегрировать множество базовых функций и объектов в рамках одного приложения. Библиотека реализована в виде модуля СППР, она предоставляет доступ к различным функциям программы, например, построению графиков. Блок работы со скриптами взаимодействует с пользователем не через основной пользовательский интерфейс информационной системы; его процедуры вызываются непосредственно скриптом на языке JavaScript. В программу-приложение JavaScript должна включаться загрузка модуля jsCalc, который непосредственно производит расчет по математической модели заданного сценария. Рассчитанные значения результата доступны через функции модуля jsCalc.

Модуль jsCalc содержит следующие компоненты: расчет сценариев модели динамики управления древостоем, конструирование графиков и диаграмм по результатам расчетов, реализованное на основе библиотеки JFreeChart. Пользовательский интерфейс программы строится на основе библиотеки Swing, доступ к которой также обеспечен через средства JavaScript.

Взаимодействие между Java-модулем и интерпретатором JavaScript осуществляется с помощью библиотек Rhino и Sepia.

Seppia - оболочка для создания и использования Java-приложений. Seppia позволяет интерпретатору JavaScript управлять приложением, при этом программный код JavaScript использует библиотеки Java (jar-архивы).

Интерфейс прикладного программирования (API, Application Programming Interface) модуля расчетов jsCalc представлен следующими функциями:

public double[] getData(String lesh, String porod, String kl) - возвращает массив данных по лесам лесхоза lesh, породы porod, класса возраста kl. Параметры функции являются строковыми переменными;

public double[] getDataLR(int kl) - возвращает массив данных по лесам класса возраста kl; public void defineData(String name, double[] ar) - добавляет к графику массив данных ar с названием (заголовком, который будет отображаться на легенде графика) st;

public void makeMap(int year, String por, String vozr) - создает карту для лесов на заданный год моделирования year породы por класса возраста vozr;

public void CalcDUD() - запускает расчет по модели с учетом указанных параметров. Функция CalcDUD() использует для расчетов следующие переменные модуля jsCalc: int time - количество лет интервала моделирования, целое число;

String lesh - название лесхоза, для которого необходимо произвести расчет, строка; boolean mlt - логическая переменная, указывает, будет расчет производится по одному конкретному лесхозу (false) или по всем (true), значение по умолчанию - false;

String uh, gp, pz - соответственно уровни проведения рубок ухода, рубок главного пользования и пожаров, строковая переменная со значениями low, middle, high.

public void CalcLR() - запускает расчет по модели «Лесные ресурсы» с учетом указанных параметров:

int time - количество лет интервала моделирования, целое число; int U- максимальный объем рубок в год, целое число.

Рассмотрим пример приложения JavaScript. Вначале необходимо произвести инициализацию модулей:

var frame = Packages.javax.swing.JFrame //модуль для формы

var label = Packages.javax.swing.JLabel // метки полей в интерфейсе пользователя

var jsc = Packages.first.jsCalc // модуль расчетов

var ar = java.lang.reflect.Array. newInstance(java.lang.Double.TYPE, 31); //массив для хранения результатов

var ar1 = java.lang.reflect.Array.newInstance(java.lang.Double.TYPE, 31); var ar2 = java.lang.reflect.Array.newInstance(java.lang.Double.TYPE, 31);

Основной текст скрипта выглядит следующим образом:

var fr = new frame(); // создаем форму

var lb = new label(); // создаем метку интерфейса

var js = new jsc(); // создаем экземпляр модуля расчетов

js.time = 30; // задаем величину интервала моделирования

js.lesh = "Марковский"; // задаем лесхоз

js.uh = "high"; //уровень рубок ухода - высокий

js.gp = "high"; //уровень рубок главного пользования - высокий

js.pz = "low"; //уровень пожаров - низкий

js.CalcDUD(); // запускаем расчет по заданным данным

js.defineData("Марковский, сосна, молодняки 1кл",

js.getData ("Марковский", "сосна", "молодняки 1кл")); // добавляем к графику данные по молоднякам 1 класса сосны Марковского лесхоза

ar1 = js.getData("Марковский", "ель", "приспевающие"); // получаем данные по приспевающим елям Марковского лесхоза

ar2 = js.getData("Марковский", "ель", "молодняки 2кл"); // получаем данные по молоднякам 2 класса елей Марковского лесхоза for (i = 0; i<30; i++)

ar[i] = ar1[i]-ar2[i]; // создаем массив со значениями разницы приспевающих и молодняков 2 класса ели Марковского лесхоза

js.defineData("MapKOBcm^ ель, приспевающие-молодняки 2 кл.", ar); // добавляем полученный массив к графику

var image = js.chart(); // создаем объект изображение

lb.setIcon(new Packages.javax.swing.ImageIcon(image)); //отображаем график на метку fr.getContentPane().add(lb); // добавляем метку на форму fr.show(); //показываем форму

Созданное приложение проводит расчеты по модели ДУД, с высоким уровнем рубок ухода и главного пользования и низким уровнем пожаров. Из полученных данных выделяются и добавляются к графику временной ряд значений площадей молодняков 1 кл. сосны Марковского лесхоза и ряд, который представляет собой разницу приспевающих и молодняков 2 класса ели Марковского лесхоза. Полученный график (объект-изображение) помещается на созданную форму и отображается пользователю (рис. 2).

Данный механизм позволяет управлять не только выводом графиков, но и такими возможностями информационной системы как расчеты по моделям, построение цифровых карт в ГИС.

Для того, чтобы вывести с помощью скрипта результаты расчетов на карту, у нему надо добавить строку:

]к.такеМар(10,”сосна”,”спелые и перестойные”); //карта для спелых и перестойных сосен десятого года интервала моделирования.

Полученное приложение будет отображать карту площадей спелых и перестойных сосен десятого года интервала моделирования по лесхозам Иркутской области. Причем, чем темнее цвет окраски лесхоза на карте, тем больше в нем площадей указанной породы и класса возраста.

Возможность программирования скрипта является удобным инструментом для разработчиков. Например, с помощью скрипта можно создавать собственный интерфейс, импортировать исходные данные из форматов, неподдерживаемых информационной системой, анализировать результатные данные и т.д. Таким образом, модуль программирования javascript позволяет на основе Java-библиотеки jsCalc разработчикам создавать собственные варианты программного обеспечения для моделирования лесных ресурсов.

Интеллектная подсистема параметрической идентификации моделей

При большом разнообразии исходных данных, математических моделей и их параметров очень важно так организовать систему, чтобы она могла гибко настраиваться на проведение конкретных расчетов и специфику исходных данных. Поэтому в состав программной системы включена интеллектная подсистема, реализованная при помощи логического языка программирования Prolog. Она содержит базу знаний (БЗ) о структурной и параметрической

идентификации моделей динамики лесных ресурсов. Кроме того, интеллектная подсистема реализует вопросно-ответную подсистему, при помощи которой можно делать запросы к внутренней структуре модели и результатам компьютерного моделирования.

Подсистема языка Пролог в программную систему встроена при помощи Java-библиотеки tuProlog 1.3, которая позволяет любые сущности Java (объекты, классы, пакеты) представлять в виде термов Пролога.

Когда пользователь начинает расчет прогноза состояния ЛР с помощью информационной системы то ему необходимо указать некоторые начальные данные о природном объекте (например, тип геосистемы) и задаче прогнозирования (например, длительность). Далее дана основе знаний, хранящихся в базе знаний, будет произведен поиск соответствующей модели. Например, начальные данные для модели ДУД имеют следующий вид:

models(dud, problem(model_dinam), rang(land), type(les), progn(desytilet)), т.е., начальные данные - это утверждение, представленное в виде факта языка Пролог. В приведенном примере утверждение означает, что для модели ДУД характерно моделирование динамики объекта ранга ландшафта, тип ландшафта - лес, временной интервал моделирования - десятилетия.

После того, как с помощью БЗ и механизма логического вывода будет найдена модель, подходящая для конкретной задачи прогнозирования, начнется построение выбранной модели. Например, для модели ДУД состояние объекта моделирования в начальный момент времени t0 получаем, используя правило:

fs0(model(dud), Lesh, S, Snep, Nas) s0(Lesh, t0, S, Snep, Nas).

Результатом работы правила будут значения общей площади лесхоза S, не покрытой площади Snep и численности населения Nas для лесхоза Lesh.

Далее для расчетов необходимо получить исходные данные о площадях, занятых породой определенного класса возраста. Для этого применяются правила вида:

square(Lesh, Prd, vozrast(”молодняки 1кл "), t0, S) :- sq(Lesh, Prd, _, S,_, _, _, _).

Структура типа sq(Lesh, Prd, S, Sm1, Sm2, Ssr, Spr, Ssp) содержит данные о площадях лесхоза Lesh породы Prd: общей S, молодняков 1 кл. Sm1 и 2 кл Sm2, средневозрастных Ssr, приспевающих Spr, спелых и перестойных Ssp.

После того, как из БЗ получены все исходные данные, начинается построение последовательности смены участками леса своих возрастных классов по модели ДУД с помощью следующего правила:

perehod(model(dud), Prd, Kl, Kl2, In) :-smena(Kl2, Kl), intens(Prd, In).

«В модели ДУД переход леса породы Prd из класса Kl в класс Kl2 с интенсивностью In осуществляется, если Kl2 сменяет Kl и интенсивность для породы Prd равна In».

Смена классов возраста представлена термами вида smena("молодняки 2кл", "молодняки 1кл").

Используя это правило, строится матрица коэффициентов перехода площадей леса из одного состояния в другое, проводятся численные расчеты. Также при этом может быть учтено проведение в лесах рубок главного пользования и рубок ухода. Правило проведения рубок выглядит следующим образом:

rubkaGP(model(dud), porod(K), vozrast(V), Vr) :-porodRub(K), rubkaGP type(V), rubGP(K, Vr).

rubkaGP_type("спелые и перестойные").

«В модели ДУД рубки главного пользования по породе K возраста V объемом Vr проводятся, если порода K может вырубаться, ее возраст V подлежит вырубке и объем ее рубки составляет Vr».

При этом породами, которые могут вырубаться porodRub() являются сосна, лиственница, пихта, ель, береза и осина (кроме кедра). Также для рубок главного пользования предназначены только деревья спелого и перестойного класса возраста rubkaGP_type().

Далее по построенной структуре модели и полученным исходным данным информационной системой проводятся прогнозные расчеты. Для задачи автоматизации идентификации модели ДУД определены следующие входные данные:

1) характеристики исследуемого объекта (термы ранг геосистемы rang(), тип ландшафта type_land());

2) формулировка решаемой задачи, например, моделирование динамики, расчеты вырубок, пожаров и т.п. (термы problem());

3) виды пород леса (термы porod());

4) характеристики смены классов возраста в процессе роста леса (термы smena());

5) характеристики интенсивности смены классов возраста в процессе роста леса (термы intens());

6) виды пород леса, вырубаемых на рассматриваемой территории (терм porodRub( ));

7) типы классов возраста леса (термы vozrast());

8) классы возраста леса, который можно вырубать (термы rubkaGP_type());

9) характеристики рубок главного пользования (термы rubGP());

10) характеристики рубок ухода (термы rubUh());

11) характеристики начального состояния объекта моделирования (термы s0());

12) характеристики начального состояния объекта моделирования по породе и классу возраста (термы sq()).

Алгоритм загрузки кода Пролога и обработки его результатов выглядит следующим образом: Prolog engine = new Prolog(); // создаем экземпляр класса Prolog

engine.setTheory(new Theory(new FileInputStream("model.pl"))); // загрузка файла базы знаний SolveInfo info=engine.solve(quer); // запрос к базе if (info.isSuccess()){ //если есть решение, то...

String res = info.getSolution(). toString(); // получаем решение if (engine.hasOpenAlternatives()) //если есть еще решения info = engine.solveNext(); // обрабатываем следующее else break; // иначе заканчиваем

База знаний содержит правила, позволяющие производить автоматическую идентификацию математической модели. Это делает наглядным процесс моделирования, дает возможность описывать сложные закономерности динамики природных объектов. Также для гибкой подстройки модели к условиям региона не требуется изменять код программной системы расчета прогноза, а необходимо лишь внести требуемые данные в базу знаний или дополнить ее новыми правилами.

Список литературы

Модели управления природными ресурсами / Под ред. В. И. Гурмана. М.: Наука. Гл. ред. физ.-мат. лит., 1981. 204 с.

Черкашин А. К. Система математических моделей леса // Планирование и прогнозирование природно-экономических систем. Новосибирск: Наука, 1984. С. 46-57.

Материал поступил в редколлегию 20.05.2008

A. K. Popova

The Information System for Forest resources Dynamic Prediction

The developed information system for taking decisions of forest resources conservation by computer analysis and state prediction is considered. The knowledge bases of automatic parametric identification of forest resources dynamic mathematical models are described. The software tools of the software system which allow users to make own applications are considered.

Keywords: mathematical modeling, forest resources, artificial intelligence, Java, Prolog.