УДК 634:504.581
КОМПЬЮТЕРНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЛЕСНОМ ХОЗЯЙСТВЕ: ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ
Л.Г. Ханина1, В.Э. Смирнов1, Н.В. Лукина2
1 Институт математических проблем биологии РАН 142290 Московская обл., г. Пущино, ул. Институтская, 4,e-mail: lkhanina@rambler.ru
2 Центр по проблемам экологии и продуктивности лесов РАН 117810, г.Москва, ул. Профсоюзная, д.84/32
Проведен обзор современных компьютерных систем поддержки принятия решений (СПР), предназначенных для использования в управлении лесным хозяйством. Даны основные понятия, приведены примеры. Рассмотрены существующие подходы к реализации основных блоков СПР - информационного, модельного, оптимизационного и визуализа-ционного. Обзор современных систем проведен преимущественно по материалам зарубежной печати и с использованием Интернет-источников. В обзор также включены отечественные модельные разработки. Рассмотрены особенности современного этапа развития СПР, выражающиеся в интеграции баз данных и баз знаний, в разработке пространственных и гибридных СПР, в развитии техники решения многокритериальных задач. Показано, что проблемы устойчивого управления многофункциональным лесным хозяйством в условиях глобальных изменений могут успешно решаться только с применением СПР, позволяющих учитывать взаимовлияние множества факторов и интересов. Сделано предположение, что наиболее эффективным путем создания СПР для помощи в организации устойчивого лесного хозяйства России является объединение уже существующих лесных моделей на единой программной и технической базе - создание российской платформы лесных моделей с общим пользовательским интерфейсом и современными визуализацион-ными возможностями.
Ключевые слова: устойчивое управление лесами, системы поддержки принятия решений, моделирование лесных экосистем, оптимизация принятия решений, ГИС-технологии, ИТ-технологии
Decision Support Systems developed for forest management is reviewed. The main terms are defined and some examples are presented. International scientific publications and Internet resources are used for the review. Russian forest modelling systems are also included into the review. The inference is as follows: it is necessary to develop and to apply Decision Support Systems for Sustainable Forest Management in Russia; and it is possible to realize due to the developed earlier Russian forest modelling systems.
Keywords: sustainable forest management, decision support systems, forest ecosystem modeling, decision optimization procedure, GIS-technology, IT-technology
ВВЕДЕНИЕ
Проведен обзор современных компьютерных систем поддержки принятия решений, предназначенных для использования в управлении лесным хозяйством. Даны основные понятия, приведены примеры. Обзор современных систем проведен преимущественно по материалам зарубежной печати и с использованием Интернет-источников. В обзор включены также системы, разработанные в России. Сделан вывод о необходимости и возможности разработки и использования компьютерных систем поддержки принятия решений для организации устойчивого управлениями лесами России.
Устойчивое управление лесами, системы поддержки принятия решений, моделирование лесных экосистем, оптимизация принятия решений, ГИС-технологии, ИТ-технологии. Ключевой принцип современной лесной политики - устойчивое развитие многофункционального лесного хозяйства. Лесной сектор направлен на многоцелевое использование лесов с учетом их глобального экологического значения, сохранения биоразнообразия и экосистем-ных функций.
Россия, наряду с другими лесными странами, уча-
* Статья частично поддержана проектом «Forest management desigion support system, COST Action FP0804»
ствует в так называемых Монреальском и Хельсинском процессах, в ходе которых были выработаны и приняты на государственных уровнях критерии и индикаторы устойчивого управления лесами (Критерии и индикаторы..,1998). Эти критерии следующие: 1) сохранение биологического разнообразия на экоси-стемном, видовом и генетическом уровнях; 2) поддержание продукционной способности лесных экосистем; 3) поддержание жизнеспособности лесных экосистем в условиях негативных антропогенных и природных воздействий; 4) сохранение почвозащитных, водорегулирующих и других защитных функций леса; 5) поддержание вклада лесов в глобальный экологический цикл; 6) поддержание и расширение социально-экономических выгод для удовлетворения общественных нужд.
Соответственно международным требованиям и соглашениям, современное лесное хозяйство должно быть не только экономически прибыльным, неисто-щительным (т.е. обеспечивать лесной продукцией -древесной и недревесной - нынешнее и последующие поколения), но также оно должно заботиться о выполнении лесом присущих ему экосистемных и биосферных функций. Устойчивое управление лесами должно учитывать локальные и региональные экологические и социально-экономические условия, должно уметь адаптироваться к изменениям климата, учитывать возможные катастрофические воздействия на
лес - пожары, ураганы, наводнения, засухи. Тем самым, при управлении лесами на всех уровнях (федеральном, региональном, локальном) как при долгосрочном, так и краткосрочном планировании необходимо решать многокритериальные задачи - задачи сочетания интересов различных групп пользователей, задачи поиска компромиссов и выстраивания гибкой стратегии и тактики управления.
Идентификация и оценка последствий различных стратегий управления, направленных на устойчивое лесопользование, невозможны без применения современных информационных технологий, в частности без разработки компьютерных систем поддержки принятия решений (СПР, или DSS - decision support systems). Такие системы позволят: (1) учитывать функции, которые потенциально способны выполнять лесные экосистемы на конкретных территориях; (2) оценивать современное состояние лесных экосистем и функции, которые они выполняют в настоящее время;
(3) оценивать влияние современного управления лесами на такие «экосистемные услуги», как формирование и защита почв, формирование качества и количества воды, формирование циклов элементов питания, создание местообитаний для растений и животных; (4) оценивать выбор той или иной стратегии лесопользования с учетом ожиданий собственника лесов; (5) предлагать альтернативные пути лесопользования. СПР состоят из нескольких блоков, основными из которых являются базы данных, базы знаний, экологическая и экономическая оценка экосистемных функций, моделирование сценариев. Экономические оценки экосистемных функций базируются на эффективности и рентабельности, а экологические оценки основываются на способности экосистем к самопод-держанию. За рубежом, особенно в европейских странах и Северной Америке, СПР активно развиваются и находят все более широкое применение на различных уровнях ведения лесного хозяйства. Вместе с тем, недавний обширный анализ Северо-Американских СПР для задач сохранения лесного биоразнообразия (Gordon S.N., 2007) показал, что СПР могут как существенно помочь в принятии правильного решения, так и существенно затруднить его принятие. Последнее возможно, например, в случае, когда применение СПР приводит к медленному и дорогостоящему процессу принятия решений, или ошибочно фокусирует внимание пользователя на несущественных проблемах и задачах, или создает иллюзию определенности, или наоборот - вселяет чувство неуверенности и беспомощности среди пользователей системы. Таким образом, опыт использования СПР за рубежом, в том числе в практике лесного управления, достаточно большой и разнообразный, и учет его для организации эффективного управления на разных уровнях в России был бы крайне желателен. Обзор современных СПР в управлении лесами, их анализ с точки зрения возможности и желательности применения подобных систем в России является целью нашей работы.
Основные понятия. Компьютерной системой поддержки принятия решений называют интерактивный и гибкий набор компьютерных средств, который интегрирует интуицию и знания специалиста, принимающего решение, с возможностями информацион-
ной обработки и моделирования с целью улучшения качества принимаемого решения (Varma V.K., 2000). СПР предназначены для того, чтобы организовать процесс выработки решений и обеспечить при необходимости гибкий доступ к полному набору директивных и описательных документов, прогностических и визуализационных средств, относящихся к решению конкретной задачи. СПР должна помогать пользователю на всех этапах процесса принятия решений. Эти этапы следующие: определение проблемы, планирование различных сценариев ее решения, выбор (с оценкой альтернатив), выполнение решения и мониторинг ситуации. Соответственно этапам, основными структурными частями (подсистемам) СПР являются: 1) информационный блок, содержащий базы данных и базы знаний об объекте управления, внешних воздействиях, стратегиях и правилах ведения хозяйства; 2) модельный блок, реализующий (проигрывающий) различные сценарии ведения хозяйства; 3) оптимизационный блок, предназначенный для решения многокритериальных оптимизационных задач и 4) блок визуализации и дружественного интерфейса человека с компьютерной системой.
Первые СПР возникли еще в начале 70-х годов XX века вместе с увеличением мощности и быстродействия компьютеров. К настоящему времени технология создания СПР достаточно хорошо разработана, они активно используются во многих областях деятельности человека. Последний обширный обзор-руководство по разработке СПР (Burstein F, 2008) содержит всесторонний анализ наиболее важных методологических подходов к разработке СПР и примеры их использования в странах Северной Америки, Европы и Азии. Из обзора следует, что где бы не применялись СПР - от уровня индивидуального использования до уровня государственных политических решений, - везде простота и легкость использования системы являются наиболее существенным фактором ее реального применения. Легкость использования означает комбинацию (а) четкости целей системы, (б) понятного интерфейса и (в) реальной поддержки процесса принятия решения посредством используемых в системе моделей и методов. Все эти три фактора являются решающими в успехе применения СПР.
В лесном хозяйстве первые СПР были разработаны для решения задач планирования лесозаготовок (Forest Management Planning), т.е. для оптимизации динамики получения прибыли от продажи древесной продукции с лесного участка в течение заданного периода времени. В первых таких системах экологические критерии в управлении лесами в расчет не принимались. Возможные сценарии ведения лесного хозяйства зависели от (а) породного состава и возраста древостоя, (б) существующих инструкций и правил лесопользования, и (в) определялись с учетом интересов пользователя - собственника леса. К таким системам планирования лесного хозяйства относятся, в частности, MELA в Финляндии (Siitonen M., 2001), MONTE в Испании (Pukkala T., 2003). Рассмотрим принципы реализации СПР на примере системы MONTE.
СПР для планирования лесного хозяйства MONTE. Цель лесного планирования - выявление
оптимального пути использования лесных ресурсов для максимизации прибыли. MONTE содержит подсистемы: 1) управления данными, 2) моделирования роста древостоя по выделам, 3) оптимизации, 4) визуализации выделов и лесного ландшафта. MONTE полностью адаптирована для лесов Каталонии (Испания).
Подсистема управления данными. Система использует данные лесной таксации (инвентаризации лесов), которые могут быть переданы в MONTE из другой системы (например, Excel или Access). Предполагается, что лес разделен на выделы (forest compartments или stands), либо на более крупные блоки, которые подразделяются на выделы. Выделы однородны по типам условий местопроизрастания и бонитету, видовому составу, возрасту и полноте древостоя. Выдел - единица планирования, которая не может быть разделена на более мелкие части. Для составления лесохозяйственного плана используется многоцелевой количественный подход. Первый шаг -симуляция (моделирование) альтернативных режимов (порядка лесохозяйственных операций) для каждого выдела. Второй шаг - оптимизация, комбинирующая результаты отдельных симуляций с целями управления лесом.
Подсистема моделирования. Моделирование различных режимов (альтернатив) ведения хозяйства для каждого выдела базируется на инструкциях по ведению хозяйства и на моделях индивидуального роста и выживания деревьев. Пользователь по желанию может включить в расчеты только часть анализируемой территории. Планирование может быть разделено на 1-3 подпериода, каждый из которых длится от двух до двадцати лет. После того, как параметры моделирования заданы, MONTE для каждого выдела автоматически составляет «лесохозяйственный план» - рассчитывает порядок проведения лесохозяйственных операций в соответствии с инструкциями, которые также могут быть скорректированы пользователем. Так, например, если древостой одновозрастный, то рассчитываются рубки прореживания для поддержания определенной полноты древостоя, а также рубки главного пользования, зависящие от возраста древостоя. Если древостой разновозрастный, то назначаются выборочные рубки в зависимости от общей площади поперечного сечения древостоя, а также назначаются операции прореживания для деревьев различных размерных классов. Момент времени проведения операций может быть различным. Пользователь может управлять как временем, так и последовательностью проведения операций. В результате работы данного блока для каждого выдела моделируются различные комбинации рубок и посадок деревьев, и для всей территории получается достаточно большое число различных «продукционных схем».
Подсистема оптимизации. В процессе оптимизации создается «плановая модель», которая решается с использованием оптимизационных количественных методов (Pukkala T., 2002). Моделирование альтернативных режимов создает «пространство решений», из которого в процессе оптимизации выбирается лучшая комбинация лесохозяйственных воздействий для каждого выдела. Оптимизация начинается с выбора поль-
зователем целевых переменных из списка. Изначально MONTE предполагает, что все цели одинаково важны. Позже, в интерактивном режиме, пользователь может назначить различные веса различным целям. Функция «суб-полезности» рассчитывается для каждой цели на основе определения минимальных, заданных и максимальных значений целевых переменных и их приоритетов. На основе весов и функций суб-полезности рассчитывается функция полезности, которая максимизируется с помощью различных эвристических алгоритмов. Задача этих алгоритмов -найти такую комбинацию последовательности лесохозяйственных операций на выделах, при которой функция полезности была бы максимальна. Возможно назначение следующих целевых переменных: а) общий запас на выделе, б) запас древесины, в) запас «живой» древесины, г) прирост древостоя, д) площадь возобновления.
Подсистема визуализации В MONTE возможна трехмерная визуализация каждого выдела в «планируемом» лесу. После составления плана возможен пошаговый просмотр будущего состояния выделов, с которыми будут произведены выбранные действия. Также в системе возможна трехмерная визуализация всего лесного участка на ландшафтном уровне. Ландшафт можно рассматривать с различных точек в пространстве. Возможен просмотр ландшафта для разных моментов времени при реализации тех или иных альтернативных планов лесопользования.
Таким образом, система MONTE представляет собой СПР для планирования ведения хозяйства в одновидовых лесных насаждениях без учета пространственной структуры древостоев и без оценки динамики (или состояния) каких-либо экологических параметров. При этом в MONTE присутствуют все компоненты СПР - управление данными, моделирование, оптимизация и визуализация; и задача оптимизации «продукционной программы» решается с помощью набора нетривиальных эвристических алгоритмов. В настоящее время существуют различные подходы к реализации структурных блоков СПР, рассмотрим некоторые их них.
Существующие подходы к реализации подсистем СПР. Задачи оптимизации обычно решаются с помощью методов линейного программирования. Компьютерные системы для лесного планирования, основанные на линейном программировании, были разработаны во многих странах, например, модель FORPLAN в США (Johnson K.N., 1986), модель MELA в Финляндии (Siitonen M., 2001) и GAYA-JLP в Норвегии (Hoen H.F.,1996). Однако, во многих случаях реальные проблемы более сложны, чем те, которые могут быть решены алгоритмами линейного программирования. В таких случаях либо проблема упрощается так, чтобы ее можно было решить точными методами, либо решение ищется с использованием эвристических алгоритмов (например, (Davis L-S., 2001; Pukkala T., 2002). Эвристические алгоритмы способны найти хорошее решение при довольно простых вычислениях, однако они не гарантируют, что найденное решение строго оптимально. Достоинство этих алгоритмов состоит в том, что реальные проблемы процесса принятия решения могут быть лучше формализованы с их
помощью, чем с помощью точных методов. В случае, когда требуется найти решение среди множества альтернатив, преследующих разные цели (например, получение дохода с вырубки леса и сохранение местообитаний редких видов), используют многокритериальные модели решений (MCDM - MultiCriteria Decision Models). За последние 25 лет различные техники решения многокритериальных задач были разработаны, однако, по мнению аналитиков (Gordon S.N., 2007; Mendoza G.A., 2006), наиболее популярной среди них остается метод анализа иерархий (AHP - analytic hierarchy process), разработанный T. Saaty (Саати Т., 1993). Модели решений, использующие AHP, относительно легко строить, они базируются на строго обоснованной теории и хорошо разработанной технологии, их результаты легко объяснить, что делает их эффективным средством взаимодействия с пользователем СПР. В настоящее время наиболее широко используются две MCDM-системы, основанные на методе анализа иерархий: Criterium DecisionPlus
(http://www.infoharvest.com) и ExpertChoice (http://www.expertchoice.com).
Аналогично различным подходам к решению задачи оптимизации, существуют различные подходы к решению задачи моделирования лесных экосистем. В недавно опубликованном обширном обзоре моделей (Pretzsch H., 2008) были выделены три основных класса моделей, предназначенных для использования в управлении лесным хозяйством: (1) симуляторы роста и продуктивности древостоев, (2) балансовые модели и (3) ландшафтные модели. Модели первого класса были условно поделены на (а) модели, прогнозирующие средние характеристики древостоя на уровне лесотаксационного выдела; (б) модели, рассматривающие развитие отдельных деревьев с учетом условий местообитания и конкуренции между соседями; и (в) гэп-модели, в которых рост дерева определяется его физиологическими параметрами и экологическими условиями среды. Балансовые модели базируются на описании биогеохимических процессов в лесных экосистемах и называются также «процессноориентированными моделями». Ландшафтные модели представляют собой широкий класс пространственно-привязанных моделей, в которых учитывается гетерогенность условий местообитания, взаимодействия между соседями и обратные связи между различными пространственными процессами. Ландшафтные модели сильно различаются между собой по детальности описания лесных экосистем и потоков вещества, а также по тому, какие в них учитываются взаимодействия между пространственными процессами (см. обзор (He H.S. Forest...2008)). На настоящий момент все более востребованными становятся модели, которые описывают рост и возобновление отдельных деревьев или их когорт на основе физиологических процессов, связанных с водным балансом и балансом питательных веществ конкретного местообитания (Hasenauer H., 2005; Pretzsch H., 2008). Такие модели чувствительны к изменениям среды и к нарушениям разного рода; они могут быть использованы для длительного и краткосрочного планирования при организации экологически устойчивого лесного хозяйства. В целом, существующие модели покрывают большое разнообразие продук-
ционных, экологических и ландшафтных задач в сфере управления лесами. Вероятно, более перспективный путь сегодня состоит не в разработке «универсальной модели» для лесного управления, а в создании некоторой «платформы моделей», из которых по мере надобности выбирается та или иная модель для решения конкретной задачи пользователя (de Coligny F., 2008; Pretzsch H., 2008). Блок визуализации в лесных СПР, как правило, поддерживается с помощью ГИС (геоин-формационных) технологий, поскольку данные лесной таксации (инвентаризации лесов) также поддерживаются этими технологиями. Вместе с тем, во многих системах реализована трехмерная динамическая визуализация лесных выделов и ландшафтов, в некоторых системах присутствуют элементы пространственного анализа.
Любая компьютерная система, содержащая один или несколько достаточно хорошо разработанных компонентов СПР - блок моделирования, оптимизации, визуализации или оценки - также зачастую в литературе относится к СПР. Наиболее известные такие системы - зарубежные и российские - сведены нами в таблице 1 и 2, соответственно. Источниками информации для таблицы 1, помимо научных публикаций, явились сведения о СПР, представленные в недавно завершенном проекте Национальной комиссии США по науке и устойчивому лесопользованию (Gordon S.N., 2007). Анализ таблицы показывает, что за рубежом существует достаточно большое разнообразие компьютерных систем, которые можно отнести к «лесным» СПР. Разнообразие наблюдается как в объеме и перечне решаемых задач, так и в используемых компьютерных инструментах. СПР можно ранжировать по степени увеличения сложности задач, для решения которых они предназначаются: от задач краткосрочного планирования лесозаготовок в одновидовых одновозрастных дре-востоях (система MONTE) до комплексного ландшафтного моделирования (пространственного и динамического) экологических и социально-экономических параметров лесных территорий (система CLAMS). По используемым компьютерным средствам также, с одной стороны, выделяются достаточно простые системы, реализующие либо отдельные блоки СПР (например, модели Moses, SIBYLA), либо все блоки СПР, но с простой их внутренней структурой (например, системы SGIS, SADfLOR). С другой стороны, выделяются системы с довольно серьезными проработками модельных либо оптимизационных блоков (например, системы ToSIA, RAMAS, TELSA). В лесном хозяйстве России компьютерные системы поддержки принятия решений практически отсутствуют. Вместе с тем, существует довольно много «лесных» моделей частично представленных в таблице 2. Они были выбраны нами из всего разнообразия разрабатываемых в России моделей и компьютерных систем исходя из «принципа наибольшей готовности» для использования в СПР в лесном хозяйстве. Области применения представленных шести моделей взаимно дополняют друг друга: это моделирование возникновения и распространения лесных пожаров (№ 1 табл. 2); моделирование динамики популяций лесных насекомых-филофагов (№ 2 табл. 2); моделирование динамики породно-возрастной структуры лесов (№ 1 табл. 2)
Таблица 1 - Характеристика наиболее известных зарубежных СПР в задачах управления лесами
N Название. Общая Реализованные Оценка индикаторов
п/п Страна- инфор- Решаемые задачи Входные данные элементы внеш- устойчивого управле-
изготовитель. мация* них воздействий ния лесами
1 2 3 4 5 6 7
1 САР8І8 [11]. Франция. М Лок. Рег. Глоб. Платформа для моделирования динамики лесных экосистем. Содержит более 40 моделей. Определяются конкретной моделью. Определяются конкретной моделью. Определяются конкретной моделью.
МГ
CLAMS [13]. М
2 США. ЛоК.
Рег.
DSD [27]. МО
Австрия. Лок.
ГОц
EMDS [38, Лок.
39]. США. Рег.
Глоб.
FVS [20]. США.
ЬМБ[29].
США.
МГ
Лок.
Рег.
МГОц
Лок.
Рег.
МОГОц Лок.
Рег. Нац.
MONTE МОГ
(Monsu) [35]. Лок. Испания. Рег.
MELA 7 [43]. Фин
ляндия.
Moses [19]. Австрия
М
Лок.
Моделирование экологических и социально-экономичес-ких аспектов ведения хозяйства в прибрежных лесных районах в условиях многих собственников на землю.
СПР для планирования лесопользования в небольших лесных массивах с доминированием хвойных пород. Многофункциональное управление лесами на основе ГИС-технологий и методов экспертных систем.
Семейство моделей для моделирования динамики многовидовых разновозрастных древостоев.
Модели динамики древостоя, программы визуализации и анализа для управления лесными экосистемами на ландшафтном уровне. СПР для лесного планирования и оценки продукционного потенциала лесов
СПР для лесного планирования.
Моделирование динамики многовидовых разновозрастных древо-стоев
Данные лесоустройства, карты земплепользова-ния, топографические, гидрологические и др. Характеристики объектов моделирования в зависимости от задачи. Экономические и социальные параметры. Данные лесоустройства. Характеристики деревьев и местообитаний.
Ценовые
характеристики.
Характеристики растительности и ландшафтов. Экономические и социальные параметры.
Данные лесоустройства. Характеристики деревьев и местообитаний. Экономические параметры.
Данные лесоустройства.
Таблицы хода роста. Характеристики деревьев и местообитаний.
Данные лесоустройства. Характеристики деревьев и местообитаний. Ценовые характеристики. Данные лесоустройства. Ценовые характеристики.
Данные лесоустройства. Характеристики деревьев и местообитаний.
Л/х**. Различные сценарии использования водных ресурсов. Рекреация.
Л/х.
Рубки.
Рубки
Рубки
Индикаторы биоразнообразия, в т.ч. оценка местообитаний диких животных. Поддержание продукционной способности лесных экосистем и др.
Поддержание продукционной способности лесных экосистем.
Пожары, загрязнения, объедание побегов копытными и др.
Л/х. Пожары. Поражение древостоя насекомыми, болезнями.
Л/х.
Пожары.
Различные индикаторы [38] в зависимости от приложений.
Индикаторы биоразнообразия, в т.ч. разнообразие напочвенного покрова.
Индикаторы биоразнообразия, в т.ч. оценка местообитаний диких животных. Динамика углерода древостоя.
Индикаторы биоразнообразия.
Нет
Нет
10
11
Мойі [41]. Финляндия
ШЭ [46]. США
МО
Лок.
МОц
Лок.
PICUS МГОц
[26]. Авст- Лок. рия Рег.
Моделирование динамики древостоя и СПР для лесного планирования.
Платформа моделей для оценки, прогноза и лесного планирования на небольших территориях.
Моделирование динамики многовидовых разновозрастных дре-востоев и почв. Моделирование углеродного, водного и азотного балансов лесных экосистем.
Данные лесоустройства.
Экофизиологические характеристики деревьев. Ценовые характеристики.
Данные лесоустройства. Экосистемные параметры. Правила лесопользования. Экономические и социальные параметры.
Эколого- физиологические характеристики деревьев. Данные лесоустройства. Характеристики почвы. Климатические региональные параметры.
Рубки, внесение удобрений, мелиорация.
Л/х. Поражение древостоя насекомыми, болезнями; объедание побегов копытными. Локальные изменения климата. Загрязнения воздуха.
Л/х. Локальные (засухи) и глобальные изменения климата.
Поражение древостоя насекомыми.
Индикаторы биоразнообразия.
Индикаторы биоразнообразия, в т.ч. оценка местообитаний диких животных; оценка состояния водных ресурсов, продуктивности лесных экосистем.
Индикаторы биоразнообразия. Динамика углерода, азота. Оценка урожайности недревесной лесной продукции.
3
4
5
6
8
9
Окончание таблицы 1
1
2
3
4
6
7
13
21
МГОц RAMAS Лок. [44]. США Рег.
14
15
16
17
18
19
20
RMLANDS [25]. США
SADfLOR
[15].
Португалия
SGIS [31]. Норвегия
SIBYLA [14]. Словакия
SILVA [32]. Германия
SIMO [42]. Финляндия
TELSA [45]. Канада
22
VDDT [48]. Канада
23
Канада
МГ
Лок.
Рег.
МОГОц
Лок.
Рег.
МОГ
Лок.
Рег.
МГ
Лок.
МГ
Лок.
МОГ
Лок.
Рег.
МГОц
Лок.
Рег.
МОГОц ToSIA [24]. Лок. Евросоюз Рег.
Евр.
МОц
Лок.
Рег.
МОГ
Woodstock. Лок.
Рег.
Глоб.
Моделирование состояния и динамики (ме-та)популяций во фрагментированном и изменяющемся лесном ландшафте. Анализ и выбор территорий для запове-дания. Анализ рисков.
Моделирование антропогенных и природных нарушений и сукцесси-онных процессов в лесных ландшафтах.
СПР для планирования лесного хозяйства по корковому дубу в Средиземноморье с учетом интересов общества.
СПР для долгосрочного лесного планирования
Моделирование динамики древостоев.
Моделирование динамики многовидовых разновозрастных древостоев.
«Открытая» СПР для лесного планирования.
Платформа для ландшафтного моделирования с целью исследования роли различных нарушений в динамике растительности.
СПР для оценки устойчивости при экономических, экологических и социальных изменениях в цепи «лес-древесина»
Платформа для моделирования с целью исследования роли различных нарушений в динамике растительности.
Моделирование и анализ краткосрочного и долгосрочного управления лесами, в т.ч. лесного планирования, экоси-стемного управления и сохранения биоразнообразия.
Характеристики популяций. Характеристики ландшафтов.
Характеристики растительности, ландшафтные карты.
Данные лесоустройства. Характеристики деревьев. Характеристики рельефа. Ценовые характеристики.
Данные лесоустройства. Ценовые характеристики
Данные лесоустройства. Характеристики деревьев и местообитаний. Данные лесоустройства. Характеристики деревьев и местообитаний. Ценовые характеристики. Данные лесоустройства, в т.ч. пространственные характеристики древостоя. Ценовые характеристики.
Информация о растительности, ландшафтах и нарушениях в зависимости от модели.
Продукционные процессы, индикаторные значения, материальные потоки.
Информация о растительности, местообитаниях и нарушениях в зависимости от модели.
Определяются конкретным приложением, наряду с экологическими, используются экономические и социальные параметры. Данные лесоустройства.
Л/х. Разнообразные антропогенные воздействия в зависимости от приложений.
Л/х. Пожары и др. природные нарушения в зависимости от приложений.
Рубки, снятие дубовой корки.
Л/х.
Рубки.
Л/х.
Ветровалы.
Л/х.
Л/х. Пожары, поражение древостоя насекомыми, болезнями, изменения климата. Изменения климата, состояние мирового рынка.
Л/х. Пожары, поражение древостоя насекомыми, болезнями, изменения климата.
Л/х.
Изменения
климата.
Индикаторы биоразнообразия, в т.ч. оценка состояния популяций и местообитаний диких животных.
Индикаторы биоразнообразия, в т.ч. оценка местообитаний диких животных, пространственные оценки.
Индикаторы биоразнообразия.
Индикаторы биоразнообразия.
Индикаторы биоразнообразия.
Определяются конкретной моделью.
Экологические, экономические и социальные критерии и индикаторы.
Определяются конкретной моделью.
Индикаторы биоразнообразия, пространственные оценки.
Примечания: *М - реализован модельный блок СПР, О - реализован блок оптимизации, Г - реализован блок ГИС, Оц -реализован блок оценки состояния объекта. Лок. - локальный, Рег. - региональный, Нац. - национальный, Евр. - европейский, Глоб. - глобальный. **Л/х - лесохозяйственные операции.
5
Таблица 2 - Российские модельные разработки для СПР в задачах управления лесами
N п/п Название Общая информа- ция* Решаемые задачи Входные данные Реализованные элементы внешних воздействий Оценка индикаторов устойчивого управления лесами
1 2 3 4 5 6 7
Инструментарий для долгосрочного прогнозирования динамики породновозрастной структуры лесов [2, 4]
Модели лесоэнто-мологиче-ского мониторинга [2, 8]
БПМОБ
[3]
БО^Ш-Б [9]
МЫог-
SVAT,
SVAT-
Regio,
МЫог-ЗБ
[6]
6 БШАР [1]
МОГОц
Рег.
Нац.
МООц
Лок.
Рег.
Нац.
МГ Лок. Рег. Нац..
МОГОц
Лок.
Рег.
Нац.
МГ
Лок.
Рег.
МОГ
Лок.
Рег.
Нац.
Глоб.
Моделирование возникновения и распространения лесных пожаров; прогнозирование чрезвычайных лесопожарных ситуаций. Моделирование динамики породновозрастной структуры лесов и оценка их ресурсно-экологического потенциала. Моделирование динамики популяций лесных насекомых-филофагов, прогнозирование вспышек массового размножения насекомых в лесных насаждениях.
Моделирование динамики многовидовых разновозрастных дре-востоев и почв. Моделирование динамики углерода и азота в древостое и почве.
Моделирование динамики многовидовых разновозрастных дре-востоев. Экономические оценки.
Моделирование потоков тепла, воды, СО2 в лесных экосистемах. Моделирование микроклимата растительного покрова, динамики водного и теплового режима почвы.
Моделирование динамики водного, теплового и углеродного балансов лесных экосистем и речных бассейнов
Данные по лесному фонду: породновозрастной структуре лесов и структуре лесных земель. Нормативно-справочная информация по воздействиям на лесные экосистемы. Климатические прогнозы.
Гидрометеорологические данные. Данные по растительному покрову (в т.ч. лесоустроительные). Характеристики почвы.
Л/х*. Пожары. Локальные (засухи) и глобальные изменения климата.
Данные по лесному фонду, учеты численности насекомых. Климатические прогнозы.
Эколого-физиологичес-кие характеристики деревьев. Данные лесоустройства. Характеристики почвы. Климатические региональные параметры.
Региональные таблицы хода роста древо-стоев.
Данные по световому минимуму деревьев. Данные лесоустройства. Экономические параметры.
Метеорологические данные. Физические свойства почвы. Биофизические свойства растительности. Рельеф, карты землепользования и почв.
Поражение древостоя насекомыми, в т.ч. в условиях локальных (засухи) и глобальных изменений климата.
Л/х. Распашки. Пожары. Массовые ветровалы. Глобальные изменения климата. Загрязнения.
Л/х.
Локальные и глобальные изменения климата. Изменение форм природопользования. Л/х. Ветровалы.
Л/х. Наводнения. Засухи. Локальные и глобальные изменения климата.
Эмиссия углерода. Оценка устойчивости лесных экосистем к пожарам. Оценка продуктивности лесов. Индикаторы биоразнообразия.
Оценка устойчивости лесных экосистем к вспышкам численности насекомых, в т.ч. в условиях изменения климата.
Индикаторы биоразнообразия, в т.ч. разнообразие напочвенного покрова. Динамика углерода.
Индикаторы
биоразнообра-
зия.
Оценка рекреационного потенциала, урожайности недревесной лесной продукции.
Оценка компонент радиационного, теплового, водного и углеродного балансов. Оценка влияния форм землепользования и климата на водный и углеродный баланс. Оценки динамики водного, теплового и углеродного балансов. Оценка общего стока, испарения, динамики снего- и влагозапасов почвы, динамика промерзания и оттаивания почвы.
Примечания: *М - реализован модельный блок СПР, О - реализован блок оптимизации, Г - реализован блок ГИС, Оц -реализован блок оценки состояния объекта. Лок. - локальный, Рег. - региональный, Нац. - национальный, Евр. - европейский, Глоб. - глобальный.**Л/х - лесохозяйственные операции.
1
2
3
4
5
и динамики многовидовых и разновозрастных древо-стоев (модели EFIMOD и FORRUS-S); моделирование динамики циклов элементов в системе «лес-почва» (модель EFIMOD), динамики водного, теплового и углеродного балансов лесных территорий с учетом динамики снего- и влагозапасов почвы, промерзания и оттаивания почвы (модель SWAP); трехмерное моделирование микроклимата, теплового и водного режимов лесного растительного покрова и почвы (модель Mixfor-3D).
В целом, и за рубежом, и в России, в настоящее время происходит резкое увеличение сложности разрабатываемых компьютерных систем, что определяется как потребностями устойчивого управления многофункциональным лесным хозяйством в условиях глобальных изменений, так и крупными современными достижениями в области информационных технологий (IT-технологий) (Reynolds K.M., 2005).
Особенности современного этапа развития СПР. Отличительными чертами современного этапа развития СПР являются:
(1) интеграция систем управления базами данных (СУБД, или в англоязычной литературе DBMS -DataBase Management System) и систем управления базами знаний (СУБЗ, или MBMS - Model Base Management System). СУБД позволяют пользователю найти необходимые данные, в то время как СУБЗ обеспечивают пользователю доступ к подходящим моделям и другим инструментам, необходимым для анализа. СПР должна позволять пользователю (а не только разработчику) подключать в систему новые данные и модели по мере необходимости;
(2) разработка специального класса СПР - пространственных СПР (SDSS - Spatial Decision Support System), которые, интегрируя пространственные возможности ГИС и СПР, позволяют моделировать пространственные компоненты данных и проводить их пространственный анализ. Это особенно актуально в связи с необходимостью в рамках организации устойчивого управления лесами решать проблемы на разных временных и пространственных шкалах, работать с данными из многих различных источников и зачастую вовлекать в процесс принятия решений множество заинтересованных сторон;
(3) техники и приемы решения многокритериальных задач интегрируются с пространственными СПР с тем, чтобы облегчить пользователю процесс принятия решений и найти компромисс между множественными и зачастую конфликтующими целями (см. например (Lexer M.J., 2005)). Развитие гибридных систем, объединяющих функциональность СПР и методы, развитые в области искусственного интеллекта - такие как нейронные сети, системы, основанные на знаниях (knowledge based systems), и экспертные системы - являются многообещающей областью дальнейшего развития СПР (Burstein F., 2008; Reynolds K.M., 2005)
(4) групповые СПР (GDSS - Group Decision Support Systems) для лесного управления, будучи до сих пор в начальной стадии развития независимыми рабочими группами, активно разрабатываются для поддержания процесса выработки решений по управлению лесными ресурсами с учетом интересов мно-
жества заинтересованных сторон (Davis L-S.,2007; Martins H.,2007 и др.)
ЗАКЛЮЧЕНИЕ
СПР в лесном хозяйстве за рубежом достаточно широко использовались в прошлые два десятилетия для планирования лесозаготовок, выбора лесохозяйственных операций и в отдельных случаях для управления лесами с целью снижения риска заболевания древостоя и поражения насекомыми-вредителями (см. http://www.fs.fed.us/foresthealth/. а также (Buongiorno J.,2003; Gordon S.N.. 2007; Varma V.K.. 2000). Применение СПР для более разнообразных и комплексных задач экосистемного управления и сохранения биоразнообразия до последних лет было ограниченно. Однако, как ученые, так и практики в управлении лесами за рубежом хорошо понимали и понимают мощный потенциал СПР как инструмента. способного реально помочь в устойчивом управлении природными ресурсами. способного моделировать сложные комплексные процессы и интегрировать знания различных дисциплин (Rauscher H.M..1999; Reynolds K.M..2005). Обзор зарубежных и отечественных компьютерных систем поддержки принятия решений в лесном хозяйстве показал. что достаточно широкий круг задач может быть решен с использованием существующих систем. Вместе с тем. современные задачи организации экологически устойчивого лесного хозяйства в условиях глобальных изменений требуют развития существующих систем и объединения усилий на базе современных компьютерных технологий (Purves D., 2008; Reynolds K.M., 2003).
В лесном хозяйстве нашей страны компьютерные системы поддержки принятия решений пока не применяются. что обусловлено рядом причин. С одной стороны. СПР. непосредственно готовые к применению в российской практике лесного хозяйства. пока не разработаны. С другой стороны. научное сообщество. готовое к разработке таких систем. не имеет заказа от пользователей-управленцев. что снижает мотивацию для таких разработок. Однако совершенно очевидно. что проблемы устойчивого управления многофункциональным лесным хозяйством в условиях глобальных изменений могут успешно решаться только с применением СПР. позволяющих учитывать взаимовлияние множества факторов и интересов. С учетом уже существующих российских модельных разработок. вероятно. наиболее эффективным путем создания СПР для помощи в организации устойчивого лесного хозяйства России является объединение уже существующих лесных моделей на единой программной и технической базе - создание российской платформы лесных моделей с общим пользовательским интерфейсом и современными визуализацион-ными возможностями.
Благодарности. Данная статья была инициирована научной дискуссией. развернувшейся в рамках рабочего семинара по российским лесным моделям и проблемам разработки СПР для лесного управления. который состоялся в ноябре 2007 г. в ЦЭПЛ РАН. Авторы искреннее благодарят всех. принявших участие в работе семинара и обсуждении затронутых
вопросов - прежде всего, акад. А.С. Исаева, проф. Е.М. Гусева, проф. А.С. Комарова, проф. Д.О. Логофета, проф. В.Г. Суховольского, д.б.н. С.И. Чумачен-ко, к.г.н. А.В. Ольчева. Авторы также благодарят Е.М. Гусева, А.С. Комарова и А.В. Ольчева за предоставление дополнительной информации по моделям.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
Гусев Е.М., Насонова О.Н., Джоган Л.Я. Моделирование процессов теплового, водного и углеродного обмена в экосистеме соснового леса // Известия РАН. Физика атмосферы и океана. 2005. Т. 41. № 2. С. 227-241.
Исаев А.С., Коровин Г.Н., Лукина Н.В. и др. Катастрофические воздействия антропогенных и природных факторов на лесные экосистемы // В кн. «Изменение окружающей среды и климата. Природные и связанные с ними техногенные катастрофы. 8т. / Пред. ред. кол.
Н.П. Лаверов. РАН. М.: иФз РАН. 2008. Т.4: Процессы в биосфере: Изменение почвенно-растительного покрова и территориальных вод РФ, круговорот веществ под влиянием глобальных изменение и катастрофических процессов/ Отв.ред. Г.А. Заварзин, В.Н. Кудеяров. Пу-щино-Москва: ИФХ и БПП, ИФЗ РАН. 2008. С. 66-79. Комаров А.С., Чертов О.Г., Михайлов А.В. и др. Моделирование динамики органического вещества в лесных экосистемах / Под ред. В.Н. Кудеярова. М.: Наука. 2007. 380 с.
Коровин Г.Н., Покрывайло В.Д., Солодовникова Н.И. Анализ и моделирование статистической структуры поля горимости лесов. Методические рекомендации. Л.: ЛенНИИЛХ. 1984. 64 с.
Критерии и индикаторы устойчивого управления лесами Российской Федерации. М.: ВНИИЦлесресурс, 1998. 25 с.
Ольчев А.В., Курбатова Ю.А., Варлагин А.В. и др. Модельный подход для описания переноса СО2 между лесными экосистемами и атмосферой // Лесоведение. 2008. № 3. С. 3-13.
Саати Т. Принятие решений - метод анализа иерархий. М.: «Радио и связь». 1993. 278 с.
Суховольский В.Г., Исхаков Т.Р., Тарасова О.В. Оптимизационные модели межпопуляционных взаимодействий. Новосибирск: Наука. 2008. 168 с.
Чумаченко С.И., Паленова М.М., Коротков В.Н. Прогноз динамики таксационных показателей лесных насаждений при разных сценариях ведения лесного хозяйства: модель динамики лесных насаждений FORRUS-S // Экология, мониторинг и рациональное природопользование / Научн. труды МГУЛ. Вып. 314. М.. 2001. С. 128-146.
Buongiomo J., Gilles J.K. Decision methods for forest resource management. Academic Press. 2003. 439 p.
Davis L-S., Johnson K.N., Bettinger P.S. et al. Forest management - to sustain ecological, economic and social values. 4th edition. McGraw Hill. 2001. 804 p. de Coligny F. Efficient building of forestry modelling software with the Capsis methodology // Fourcaud T., Zhang X.P. (eds.) Plant growth modeling and applications. Proc. of PMA06. Los Alamitos, California: IEEE Computer Society. 2008. P. 216-222.
E^log^a! Applications. 2007. V. 17. N 1. P. 3-90.
Fabrika M., Dursky Y.J. Algorithms and software solution of thinning models for SIBYLA growth simulator // Journal of Forest Science. 2005. V. 51. N 10. P. 431-445.
Falcao A.O., Borges J.G. Designing decision support tools for Mediterranean forest ecosystems management: a case study in Portugal // Ann. For. Sci. 2005. V. 62. P. 751-760.
Gordon S.N., Johnson K.N., Reynolds K.M. et al. Decision support systems for forest biodiversity. Evaluation of current
systems and future needs. Project A10. Final Report. National commission on science and sustainable forestry. 2007.
Handbook on Decision Support Systems 1, 2. (International Handbooks on Information Systems) / Burstein F., Holsap-ple C.W. (eds.) Springer-Verlag. 2008. 854 p.
Hasenauer H. (ed.) Sustainable forest management: growth models for Europe. Springer. 2005. 389 p.
Hasenauer H., Kindermann G., Steinmetz P. The tree growth model MOSES 3.0. // Hasenauer H. (ed.) Sustainable forest management: growth models for Europe. Springer. 2005. P. 64-70.
Havis R.N., Crookston N.L. (eds.) Third Forest Vegetation Simulator Conference. Fort Collins, CO: U.S. Department of Agriculture, Forest Service. Rocky Mountain Research Station. 2008. 234 p.
He H.S. Forest landscape models: definitions, characterization, and classification // Forest ecology and management. 2008. V. 254. N 3. P. 484-498.
Hoen H.F., Solberg B. Forestry scenario modeling for economic analysis - experiences using the GAYA-JLP model // Paivi-nen R., Roihuvuo L., Siitonen M. (eds.). Large scale forestry scenario models: experiences and requirements. EFI Proceedings. 1996. N 5. P. 435-440.
http://ncseonline.org/ncssf7dss
Johnson K.N. FORPLAN version 1: an overview. Washington DC: USDA Forest Service. Land Management Planning Section. 1986. 85 p.
Kallio A.M.I., Moiseyev A., Solberg B. The global forest sector model EFI-GTM- the model structure. EFI Technical Report. 2004. N 15.
Lee B., Meneghin B., Turner M., Hoekstra T. An evaluation of landscape dynamic simulation models. Fort Collins, CO : USDA Forest Service. Inventory and Monitoring Institute. 2003.
Lexer M.J., Honninger K. A modified 3D-patch model for spatially explicit simulation of vegetation composition in heterogeneous landscapes // Forest ecology and management. 2001. V. 144. P. 43-65.
Lexer M.J., Vacik H., Palmetzhofer D. et al. Improving forestry extension services for smallscale private landowners in southern Austria with a computer based decision support tool // Computers and electronics in agriculture. 2005. V. 49. P. 81-102.
Martins H., Borges J.G. Addressing collaborative planning methods and tools in forest management // Forest ecology and management. 2007. V. 248. P. 107-118.
McCarter J.B., Wilson J.S., Baker P.J. et al. Landscape management through integration of existing tools and emerging technologies // Journal of forestry. 1998. P. 17-23.
Mendoza G.A., Martins H. Multi-criteria decision analysis in natural resource management: a critical review of methods and new modeling paradigms // Forest ecology and management. 2006. V. 230. P. 1-22.
Naesset E. A spatial decision support system for long-term forest management planning by means of linear programming and a geographical information system // Scandinavian journal of forest research. 1997. V. 12. P. 77-88.
Pretzsch H., Biber P., Dursky J. The single tree-based stand simulator SILVA: construction, application and evaluation // Forest ecology and management. 2002. V. 162. P. 3-21.
Pretzsch H., Grote R., Reineking B. et al.. Models for forest ecosystem management: a European perspective // Annals of Botany. 2008. V. 101. P. 1065-1087.
Pukkala T. (ed.). Multi-objective forest planning // Managing forest ecosystems. V. 6. Kluwer Academic Publishers. Dordrecht. 2002. 207 p.
Pukkala T. MONTE, calculation and planning program for even-aged and uneven-aged forest of Catalonia. User's guide. 2003. Joensuu, Finland.
Purves D., Pacala S. Predictive models of forest dynamics // Science. 2008. V. 320. N 5882. P. 1452-1453.
Rauscher H.M. Ecosystem management decision support for federal forests in the United States: a review // Forest ecology and management. 1999. V. 114. P. 173-197.
Reynolds K.M. EMDS: Using a logic framework to assess forest ecosystem sustainability // Journal of forestry. 2001. V. 99. N 6. P. 26-30.
Reynolds K.M., Borges J.G., Vacik H. et al. ICT in forest management and conservation // Hetemaki L., Nilsson S. (eds.) Information technology and the forest sector. IU-FRO World Series. 2005. V. 18. P. 150-171.
Reynolds K.M., Hessburg P.F. Decision support for integrated landscape evaluation and restoration planning // Forest ecology and management. 2003. V. 207. P. 263278.
Salminen H., Lehtonen M., Hynynen J. Reusing legacy FORTRAN in the MOTTI growth and yield simulator // Computers and electronics in agriculture. 2005. V. 49. N
1. P. 103-113.
Siitonen M., Anola-Pukkila A., Haara A. et al. (eds.) MELA Handbook 2000 Edition. // The Finnish Forest Research Institute. - 2001. - 498 p.
SIMO - adaptable simulation and optimization for forest management planning. Kangas A., Rasinmaki J. (eds.) University of Helsinki. Department of forest resource management. Publications 41. 2007.
Species conservation and management: case studies.
Akcakaya H.R., Burgman M., Kindvall O., Wood C., Sjogren-Gulve P., Hatfield J., McCarthy M. (eds.) Oxford University. 2004.
TELSA - Tool for Exploratory Landscape Scenario Analyses: User’s guide, version 3.3. ESSA Technologies Ltd. Vancouver BC. 2005. 236 p.
Twery M.J., Rauscher H.M., Bennett D.J. et al. NED-1: Integrated analyses for forest stewardship decisions // Computers and electronics in agriculture. 2000. V. 27. P. 167-193.
Varma V.K., Ferguson I., Wild I. Decision support system for the sustainable forest management // Forest ecology and management. 2000. V. 128. P. 49-55.
Vegetation Dynamics Development Tool: User guide, version 6.0. ESSA Technologies Ltd. Vancouver BC. - 2007. -196 p.
Поступила в редакцию 13 марта 2009 г. Принята к печати 8 июня 2009 г.