CC BY
214
УДК 711.55:504 (479.24)
КАХРАМАНОВА ШАХЛА ШЕХАЛИ КЫЗЫ канд. архит., доцент, shahlakahramanova@yandex. ru
Азербайджанский архитектурно-строительный университет,
AZ10, г. Баку, пр-т Гасан Бека Зардаби, 88а
МОДЕЛИРОВАНИЕ В ГРАДОСТРОИТЕЛЬСТВЕ И ЭКОЛОГИИ
Статья посвящена моделированию в градостроительстве и экологии. Рассмотрены основные принципы моделирования и виды моделей. Анализируются методы физического, математического (аналитические и системные) и компьютерного моделирования (структурно-функциональные и имитационные модели). Проведен анализ работ по моделированию в области экологии и градостроительства. Рассмотрены основные законы и принципы моделирования сложных систем. Определен метод моделирования в условиях г. Баку (математико-картографическое моделирование).
Ключевые слова: моделирование; градостроительство; экология; г. Баку; статистические модели; эколого-математическая модель; городская экосистема.
KAKHRAMANOVA, SHAKHLA SHEKHALI, Cand. of arch. sc., assoc. prof.,
shahlakahramanova@yandex. ru
Azerbaijan Architecture & Construction University,
88a gasan beka zardabi avanue, Baku-10, Azerbaijan
SIMULATION IN TOWN PLANNING AND ECOLOGY
The article is devoted to simulation in town planning and ecology. The basic principles of simulation and the types of models are considered. Methods for physical, mathematical (analytical and systematic) and computer simulation (structure-functional and imitating) are analyzed. The analysis of works on simulation in the field of ecology and town planning is carried out. The basic laws and principles of complex system simulation are considered. The modeling method in condition of Baku (mathematically-cartographical simulation) is defined.
Keywords: simulation; town planning; ecology; Baku city;statistical models; eco-mathematical model; town ecosystem.
1. Моделирование. Основные принципы моделирования и виды моделей
Рост антропогенной нагрузки на окружающую среду во второй половине XX века привел к обострению многих экологических проблем. Разумным подходом к решению данных проблем является не ликвидация последствий, а предупреждение порождающих их ситуаций. Для качественного преобразования и предупреждения деградации окружающей среды необходимо провести моделирование функционирования экосистемы.
Моделирование как форма отражения действительности зародилась в античную эпоху одновременно с возникновением научного познания. Однако в отчетливой форме (хотя и без употребления самого термина) моделирование начинает широко использоваться в эпоху Возрождения в работах Г. Галилея, Леонардо да Винчи и др. Первоначальным словом «модель» обозначалась
© Ш.Ш. Кахраманова, 2012
уменьшенная копия, а в последующем в широком смысле под моделью стали понимать любой образ (мысленный или условный: изображение, описание, схема, чертеж, график, план, карта и т. д.) какого-либо объекта, процесса или явления [16]. В ХІХ-ХХ вв. трудно назвать область науки, где моделирование не имело бы существенного значения. С появлением же первых электронных вычислительных машин (Дж. Нейман, 1947) и формированием основных принципов кибернетики (Н. Винер, 1948) моделирование приобрело общенаучный характер и применяется в исследованиях живой и неживой природы.
Существует два главных вида моделей: модели-аналоги (описание), широко применяемые в естественных науках, и модели-интерпретации, основные в математике. В случае, когда объектом моделирования является экосистема, эти два вида моделей должны использоваться комплексно. Идеальная модель будущего носит всегда абстрактный характер, хотя она почти всегда модель-описание, в то время как вещественная модель, построенная на основе идеальной, обычно очень конкретна, как правило, она - модель-интерпретация.
При разработке способов преобразования природных систем применимы физическое, математическое и компьютерное моделирование.
Физическое моделирование - метод экспериментального изучения различных физических явлений, основанный на их физическом подобии. Метод применяется в случае, если воспроизведение исследуемого физического явления в целях эксперимента в реальных масштабах невозможно, нежелательно или слишком дорогостояще. Метод состоит в создании лабораторной физической модели явления в уменьшенных масштабах и проведении экспериментов на этой модели. Метод применяется при исследовании течений газов и обтекания летательных аппаратов, автомобилей и т. п. в аэродинамических трубах; гидродинамических исследованиях на уменьшенных моделях кораблей и т. п.; исследовании сейсмоустойчивости зданий и сооружений; изучении устойчивости сложных конструкций под воздействием сложных силовых нагрузок; изучении стихийных явлений и их последствий и т. д.
Математическое моделирование - один из основных инструментов системного анализа, позволяющий в ряде случаев избежать трудоемких и дорогостоящих экспериментов [18]. Плодотворность методологии математического моделирования при решении разнообразных задач за прошедшие годы была неоднократно подтверждена многочисленными примерами из области градостроительства, экономики, экологии, геологии и социальных наук [1, 9]. Без применения этой методологии в развитых странах не реализуется ни один крупномасштабный проект [2, 15].
В современной теории управления создаются и применяются математические модели двух основных типов. Первый тип моделей - аналитические модели (или модели данных). Это модели, которые не требуют, не используют и не отражают каких-либо гипотез о физических процессах (системах), в которых эти данные получены. Второй тип моделей - системные модели (или модели систем). Эти математические модели, которые строятся на базе физических законов и гипотез о том, как система структурирована, и, возможно, о том, как она функционирует [4, 7]. К моделям данных (аналитическим моделям) относятся все модели математической статистики [20]. Системные моде-
ли допускают возможность работы в технологиях виртуального моделирования - в разнообразных системах реального времени (операторские, инженерные, разнообразные системы диагностики и тестирования) [9].
Зачастую результаты математического моделирования содержательных характеристик явлений наносят на карту, что придает им пространственную определенность. Это дает им преимущества перед другими формами представления моделирования (таблицами, списками и т. д.) [1]. По ним легко определить недостатки использованных математических моделей, найти ошибки моделирования и т. д. Карты особенно удобны для содержательногеографического и экологического анализа результатов моделирования [16].
Компьютерное моделирование - это метод решения задачи анализа или синтеза сложной системы на основе использования ее компьютерной модели. Под компьютерной моделью понимают:
- условный образ объекта или системы, описанный с помощью взаимосвязанных компьютерных таблиц, блок-схем, диаграмм, графиков, рисунков и т. д., отображающих структуру и взаимосвязи между элементами объекта -структурно-функциональная модель;
- совокупность программ, позволяющая с помощью последовательности вычислений и графического отображения их результатов воспроизводить (имитировать) процессы функционирования объекта при условии воздействия на него различных факторов - имитационные модели.
Методологической основой компьютерного моделирования является системный анализ. Доминирующей тенденцией сегодня является не противостояние, а взаимопроникновение всех видов моделирования, симбиоз различных информационных технологий в области моделирования.
В последнее время особое значение приобретает экологическое моделирование - имитация экологических явлений и процессов с помощью логических (математических) или натурных моделей. Эти методы сейчас используются при изучении экологических последствий потепления климата [11]. Экологическое моделирование доказало свою эффективность также в следующих областях экологии городской среды: контроль за загрязнением атмосферы и водных ресурсов; управление элементами городской инфраструктуры (канализация, водо- и газопроводная сеть); планирование застройки и размещение общественных объектов; управление транспортной сетью.
Для современного состояния экологического прогнозирования характерны четыре основных принципа [2]. Первый из них - это принцип множественности моделей; он был предложен В.В. Налимовым [10] и заключается в том, что для прогнозирования конкретной экологической ситуации возможно построение нескольких одинаково достоверных математических моделей. Второй принцип - это принцип омнипотентности факторов, также предложенный В. В. Налимовым [10]. Суть его сводится к тому, что существуют факторы (они-то и называются омнипотентными, т. е. всемогущими), которые вчера и сегодня не играли никакой значимой роли в динамике той или иной экосистемы, но которые могут оказывать на нее определяющее воздействие завтра. Классическим примером проявления омнипотентности можно считать все гидробиологические прогнозы развития водохранилищ, которые «не заметили» эффекта цветения водоемов.
Следующий принцип был предложен американским исследователем Дж. Форрестером [17], автором системной динамики (наиболее распространенного приема имитационного моделирования), - принцип контринтуитивного поведения сложных систем. В соответствии с этим принципом сложные системы ведут себя совсем не так, как подсказывает нам наша интуиция, т. е. ведут себя контринтуитивно. Причинами такого поведения являются объективная сложность экосистем, субъективность наших знаний и принцип омнипотентности факторов.
Четвертый - это принцип несоответствия точности и сложности, который предложил Л. Заде [8] и который формулируется следующим образом: понятия «точности» и «сложности» при прогнозировании структуры и поведения экосистем связаны обратной зависимостью - чем глубже анализируется реальная экосистема, тем менее определенны наши суждения о ее поведении. С одной стороны, построенная модель должна быть простой в математическом отношении, чтобы ее можно было исследовать имеющимися средствами. С другой стороны, в результате всех упрощений она не должна утратить и «рациональное зерно», существо проблемы.
При классификации экологических моделей могут быть использованы различные подходы. Многие авторы выделяют статические и динамические модели [2, 7]. Статические модели формализуют связь между показателями без учета переменной времени. Динамические модели используются для оценки явлений в развитии. Функциональные модели отличаются от эмпирических тем, что учитывают механизм процесса. Это позволяет использовать их для прогноза не наблюдавшихся ранее состояний объекта [18]. Различие между стохастическими и детерминированными моделями следует из их названия. При описании неопределенных процессов в природных системах (агрометеорологические условия, миграция веществ по профилю почв, выделение границ почвенных ареалов) предпочтительно использовать вероятностные подходы [15]. При прогнозировании и управлении объектом выделяются модели без управления и оптимизационные [7]. Наиболее часто применяются: статистические, модели математической физики (диффузные), балансовые динамические, матричные модели, а также дискретные математические модели.
Статистические модели экосистем. Статистические модели строятся при допущении, что исследуемый процесс случаен и может быть изучен с помощью статистических методов анализа систем [2]. Они включают в себя эмпирические и динамические статистические модели, корреляционный и факторный анализ, многомерное шкалирование, анализ временных рядов. Для снижения размерности статистических моделей используется ряд методов, например выделение главных компонент в регрессионных уравнениях и гармонических рядах. К эмпирико-статистическим (регрессионным) относятся модели почвенной эрозии (универсальная модель потерь почвы USLE или ее модификация - RUSLE, модели WEPP, CREAMS и др.).
Динамические модели предназначены для прогнозирования и оперативного управления продукционным процессом с учетом складывающейся агрометеорологической обстановки. В основе динамического моделирования -описание системы с помощью обыкновенных дифференциальных уравнений
и уравнений в частных производных, параметры которых определяют по эмпирическим данным. Известны динамические модели накопления и распада поллютантов в экосистемах (пестицидов, нефтепродуктов, радионуклидов).
Физико-статистические модели рассматривают систему как совокупность взаимодействующих элементов со случайными свойствами. К физикостатистическим относятся и так называемые Марковские модели [16]. Они представляют развитие системы в виде разветвленной сети состояний. Вероятности переходов в общем случае могут зависеть не только от текущего положения системы, но и от того, как система его достигла.
Комплексные имитационные модели призваны повысить адекватность экологических прогнозов за счет качественно более полного использования эмпирических данных. Термин «имитационное моделирование» возник первоначально в теории вероятности и математической статистике для обозначения метода вычисления статистических характеристик случайных процессов. При этом случайный процесс многократно воспроизводится с помощью его математической модели, и полученные результаты обрабатываются методами математической статистики. Сегодня под словом «имитация» имеется в виду не способ вычисления характеристик случайных процессов путем набора статистик, а то, что альтернативные варианты управлений задаются «извне» ее [12].
Анализ временных рядов - еще одна область применения статистических методов. Для прогноза периодических процессов по известному спектру частот используется фурье-анализ. К статистическим моделям в экологии можно отнести банки данных, содержащие параметры статистических распределений показателей состояния почв (морфологических, химических, физических) и т. д.
Динамические модели. К динамическим моделям относятся диффузные, балансовые и другие модели. «Диффузные» модели используют аппарат уравнений переноса (диффузии) и применяются при расчете потоков вещества и энергии в относительно гомогенных средах. В почвоведении уравнения диффузии используются для расчета температурных, концентрационных и иных полей в почвах. Балансовые модели описывают динамику систем как совокупность процессов переноса вещества и энергии. В качестве математического аппарата используются обыкновенные дифференциальные уравнения. Частным случаем являются так называемые компартментные модели, представляющие объект в виде резервуаров (компартментов) и связующих их каналов.
2. Анализ работ по моделированию в области градостроительства
и экологии
Градостроительные модели. Градостроительное прогнозирование и проектирование сопряжено сегодня с использованием специальных расчетов, направленных на учет демографических, социально-экономических, экологических, территориальных и других факторов, влияющих на развитие города. Сложность и многоплановость городских процессов не позволяют принятия градостроительных решений на основе одной всеобъемлющей математической модели города.
С помощью прогнозирования в градостроительстве решаются следующие задачи: нахождение оптимальных вариантов размещения функциональных зон, центров обслуживания, промышленных и других объектов; определение оптимальной емкости, мощности, пропускной способности предприятий и учреждений массового обслуживания, транспортных средств и т. д.; установление правильного соотношения типов жилой застройки по этажности, определение старого жилого фонда, подлежащего сносу; осуществление пространственной локализации центров нагрузок культурно-бытового, транспортного и прочего обслуживания с определением оптимальных «зон влияния» или «сфер обслуживания».
Большое значение приобретает для решения задач градостроительного проектирования анализ отдельных характеристик городской системы с помощью количественных методов исследования. Примером такого типа модели может служить модель И. Лоури, характеризующая воздействие одних функциональных подсистем (промышленность, транспорт) на развитие других (население, обслуживание). Модель позволяет рассчитать возможные последствия различных стратегий развития города посредством имитации территориального размещения основных функциональных элементов города. Однако такие функционально-пространственные модели практически не касаются демографических, социально-экономических, экологических вопросов.
В качестве основных математических методов решения задач по определению размещения жилой зоны относительно мест приложения труда используются методы линейного программирования и координатный метод, при котором вся пригодная под застройку территория разбивается прямоугольной сеткой координат на равновеликие квадратные участки и в результате расчетов выбирается требуемое количество квадратов (территория, соответствующая проектной численности населения города с наилучшими характеристиками).
Координатным методом можно также решить задачу по определению зон расселения города. Границы каждого из зон расселения пункта массового тяготения (промышленные предприятия, городские центры, зоны отдыха и т. п.) можно определять по изохронограммам, представляющим собой линии, которые соединяют все точки, отмечающие равные затраты времени на передвижение к пунктам массового тяготения.
Метод линейного программирования («открытая» модель транспортной задачи линейного программирования) позволяет определить оптимальный вариант взаимного размещения жилой и производственной зон по минимальным суммарным затратам времени населения на передвижения к местам приложения труда. По заданным величинам районов и показателям затрат времени на передвижение между ними определяется степень использования каждого из расчетных районов, при которой суммарные (или средневзвешенные) затраты времени на трудовые передвижения населения города минимальны.
Модели экологических сообществ. Природные сообщества обладают сложным строением: несколькими уровнями, между которыми существуют разнообразные связи. Структура системы может быть различной в зависимости от климата, почвы, ландшафта и других факторов.
Принципы лимитирования в экологии. В силу сложности процессов в экологической системе необходимо выделить главные факторы, взаимодействие которых качественно определяет судьбу системы. Фактически все модели, включающие описание роста популяций или сообществ, основываются либо на «принципе лимитирующих факторов», либо на «законе совокупного действия факторов» [3].
Концепция лимитирующих факторов принадлежит немецкому агрохимику Юстусу Либиху, который предложил закон минимума: «Каждое поле содержит одно или несколько питательных веществ в минимуме и одно или несколько других в максимуме. Урожаи находятся в соответствии с этим минимумом питательных веществ». Позже в экологической литературе фактор, находящийся в минимуме, стали называть лимитирующим фактором.
Закон толерантности и функции отклика. В моделировании экологических систем часто применяется принцип совокупного действия факторов, согласно которому для существования любой системы необходима совокупность факторов, каждый из которых имеет некоторые пределы, в которых живая система может существовать. Таким образом, существует многомерная область параметров - величин этих факторов, допустимых для жизни живой системы (организма, вида, биогеоценоза), то есть тех значений факторов, к которым живая система толерантна.
Для исследования зависимости реакции экологической системы от тех или иных факторов в современной науке используют метод функций отклика. Этот метод широко применяется в инженерных науках, например в теории автоматического регулирования. Его суть заключается в использовании информации об отклике системы на известные воздействия для получения оператора перехода по схеме: воздействие-реакция. Аппарат функций отклика успешно применяется для решения проблем, связанных с анализом отклика лесных экосистем на изменения окружающей среды, изучения проблем риска. Разработка теории функций отклика и их применение для широкого круга задач экологической экспертизы и формирования индексов качества окружающей среды представлены в работах И.Г. Малкиной-Пых и Ю.А. Пых [14], где решаются задачи прогнозирования последствий загрязнения территории радионуклидами, предсказания самоочищения звеньев экосистемы от различных поступивших загрязнителей и др.
Оценка загрязнения атмосферы и поверхности земли. Важную практическую задачу математической экологии представляет расчет распространения загрязнений от уже существующих предприятий и планирование возможного размещения промышленных предприятий с соблюдением санитарных норм [6]. Оценка загрязнения атмосферы и подстилающей поверхности пассивными и активными примесями осуществляется с помощью математических моделей, построенных на основе уравнений аэродинамики в частных производных, и также их конечно-разностных аппроксимаций.
Глобальные модели. Особый статус имеют математические модели, в которых рассматриваются глобальные изменения биосферы в результате тех или иных антропогенных воздействий или изменений климата. Классической является модель ядерной зимы, предсказавшая глобальное изменение климата
на срок в несколько десятилетий в сторону понижения температур ниже нуля по Цельсию и гибель биосферы в случае широкомасштабной ядерной войны.
При моделировании глобальных экологических процессов необходимо учитывать огромное число факторов, пространственную неоднородность Земли, физические и химические процессы, антропогенные воздействия, связанные с развитием промышленности и ростом народонаселения. Сложность задачи требует применения системного подхода, впервые введенного в практику математического моделирования Дж. Форрестером [17]. Результатом работ, выполненных по заказу Римского клуба - международной группы выдающихся бизнесменов, государственных деятелей и ученых, стала построенная на основе идей Дж. Форрестера компьютерная модель «World 3» [19]. В модели Земля была рассмотрена как единая система, в которой происходят процессы, связанные с ростом населения, промышленного капитала, производства продуктов питания, потребления ресурсов и загрязнения окружающей среды. Результаты моделирования взаимодействия этих процессов привели к неутешительному выводу о том, что если существующие тенденции роста численности населения мира, индустриализации, загрязнения окружающей среды, производства продуктов питания и истощения ресурсов останутся неизменными, пределы роста на нашей планете будут достигнуты в течение ближайших десятилетий. В 2030-2050 гг. вымирание человечества произойдет либо от демографической катастрофы, либо от чрезмерного загрязнения окружающей среды.
Весьма интересными представляются результаты глобального моделирования М. Месаровича и Э. Пестеля, изложенные в известной книге «За пределами роста» [13], где отмечается, что основной причиной экологических опасностей является стремление к количественному экспоненциальному росту без качественных преобразований экономической системы. Данная модель показала, что угроза экологической катастрофы отодвигается при органичном сбалансированном росте всей мировой системы.
Наиболее широко известен в настоящее время сценарий «устойчивого развития» (УР). Он был одобрен на глобальном экофоруме в Рио-де-Жанейро и уже реализуется в региональных проектах в Нидерландах, Англии, Франции, США и ряде Скандинавских стран. Концепции устойчивого развития - это, по мнению многих специалистов, сценарий «нулевого риска», при котором «удовлетворение потребностей настоящего времени не ставит под угрозу способность будущих поколений удовлетворять свои собственные потребности».
В настоящее время интенсивно разрабатываются глобальные модели для прогнозирования климатических изменений, связанных с парниковым эффектом. Такого типа интегральные модели включают в себя огромные массивы сведений о включенных в них подсистемах. Разработанная в рамках международной программы «Climate Change 1995. Impacts, adaptations and mitigation of Climate Change; Scientific-Technical Analysis» модель IMAGE (Integrated Model to Assess the Greenhouse Effect) дает прогноз таяния полярных льдов, поднятия уровня Мирового океана, значительного потепления климата в северном полушарии и связанного с этим смещения границ растительности к северу.
Смысл таких глобальных моделей заключается в том, что они позволяют оценить вклад отдельных процессов и регионов в общий баланс вещества и энергии на Земле и решать обратную задачу о влиянии на локальные процессы этих глобальных показателей.
ГИС-технологии. В последние годы в мире заметно усилился интерес к геоинформатике, которая изучает принципы, технику и технологию получения, накопления, передачи, обработки и представления данных и как средство получения на их основе новой информации и знаний о пространственновременных явлениях [16]. Одним из основных технологических средств геоинформатики являются географические информационные системы (ГИС).
Географические информационные системы стали разрабатываться более 30 лет назад, а первая реально работающая ГИС Канады (CGIS) появилась в начале 1960-х гг. [5]. 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. Большинство ГИС 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. Базы данных ГИС должны обеспечивать территориальную привязку данных, поскольку ГИС имеют дело только с пространственно-координированными данными. Территориальная упорядоченность сведений важна не только с точки зрения унификации их сбора, но и установления оптимального соответствия размерам исследуемых систем.
3. Выбор инструментальной среды моделирования
С целью разработки стратегического плана развития территории Баку и Апшерона и улучшения экологической ситуации в регионе автор использовала системный комплексный подход, при котором проблема рассматривается во взаимосвязи с другими проблемами, учитывались цели отдельных подсистем, составляющих целостную городскую экосистему.
Городская экосистема Баку рассматривалась как сложная система, т. е. в виде совокупности множества элементов, связанных в единое целое, состоящей из подсистем, которые изучались в качестве самостоятельных объектов. Экосистема Баку имеет признаки сложной системы - многомерность, многообразие, тесную взаимосвязь элементов и т. д.
В ходе системного анализа изучались основные количественные и качественные изменения, происходящие в экосистеме г. Баку, выявлялись основные проблемы функционирования и дальнейшего развития, определялись пути их разрешения. Результатом комплексного экологического анализа территории Баку стало построение обобщенной модели, позволяющей определить пути реабилитации окружающей среды и отдельных ее компонентов. Для этих целей использовалась комплексная эколого-математическая модель г. Баку, которая дает целостную картину функционирования экосистемы города.
Методологическим принципом системно-структурного подхода является иерархическое расчленение городской экосистемы на составляющие ее подсистемы и первичные элементы с установлением функциональных связей между ними, определяющихся геоэкологическими (грунтовые воды, рельеф, оползни, сейсмичность, грунтовые условия), природно-климатическими (аэрационный, инсоляционный, температурно-влажностный режимы) и урбо-экологическими (природными - качество водных акваторий, атмосферы, почвенного покрова, состояние зеленых насаждений и антропогенными - перенаселенность города, бытовые отходы, шумовое загрязнение, системы водоснабжения и канализации) параметрами (рис. 1). Как видно, городская экосистема Баку состоит из многих подсистем, цели которых могут противоречить друг другу. Поэтому главной задачей ставился не поиск оптимальной стратегии, а поиск приемлемой в данных условиях стратегии улучшения состояния городской среды, некоторого компромиссного варианта, позволяющего учесть цели отдельных подсистем и обеспечить комплексное оздоровление окружающей среды в целом.
Комплексное экологическое моделирование жилой среды
Математическое зонирование территории по комплексу геоэкологических условий
Анализ геоэкологической среды
І 1 . _хх
§
О СО
Комплі микроклим районир жилой ксное этическое ование среды
Оценка природноклиматических условий
Комплексное урбо-экологическое зонирование жилой среды
Урбоэкологическая диагностика жилых структур
XX
XXX
і
а
3
1
О
а:
X
I
. а §’Э
В л и II II
►5 £ £ ° * I * й °
О Ї
1 § І §
С; \о
Рис. 1. Схема комплексного экологического моделирования жилой среды г. Баку
Как было указано выше, изучаемая экосистема г. Баку, как любой ландшафтно-географический комплекс, является сложной структурой. В этой
связи для моделирования такой системы необходимо было оперировать большим количеством данных и переменных. Для изучения сложных многопараметрических явлений городской экосистемы наиболее простым и полезным видом обработки информации является группировка (сортировка) объектов по однородным группам (таксонам), как правило, на основе подобия их внутренних структур, выражаемых через систему признаков-индикаторов. В результате подобного моделирования могут создаваться карты как типологической, так и оценочной тематики.
Модели группировки территориальных единиц по комплексу показателей на основе целей их применения можно подразделить на две большие группы, ориентированные на моделирование оценочных и типологических характеристик. В первом случае модели строятся при условии гомогенности территориальных единиц внутри таксонов, которые должны быть иерархически упорядочены между собой. Условие создания моделей второго типа -лишь гомогенность объединяемых в одну группу территориальных единиц. В пределах данного вида моделей может ставиться дополнительное условие максимальной гетерогенности между выделенными группами таксонов и др.
Применительно к условиям Баку нами использована модель второго типа (типологических характеристик). В качестве метода избран кластер-анализ, а в качестве меры связи - евклидово расстояние. Для каждой подсистемы городской экосистемы Баку (геоэкологической, природно-климатической, урбо-экологической) составлена модель типологических характеристик данной субсистемы. Территория Баку разделена по комплексу показателей для каждой из подсистем и даны рекомендации по их преобразованию. В итоге создана комплексная экологическая модель для всей экосистемы Баку по комплексу всех вышеуказанных параметров (рис. 2).
Рис. 2. Районирование территории Баку по комплексу экологических факторов
Выводы
Рассмотрены основные виды моделей и методы моделирования, используемые в разных областях науки. Проведен анализ работ по моделированию в градостроительстве и экологии. Определен метод моделирования в условиях Баку (математико-картографическое моделирование). Для экологического моделирования в условиях Баку использована модель типологических характеристик. В качестве метода избран кластер-анализ, а в качестве меры связи -евклидово расстояние.
С целью моделирования городская экосистема условно подразделена на следующие составляющие ее подсистемы и первичные элементы с установлением функциональных связей между ними: геоэкологические (грунтовые воды, рельеф, оползни, сейсмичность, грунтовые условия), природно-климатические (аэрационный режим, инсоляционный режим, температурно-влажностный режим) и урбоэкологические (природные - качество водных акваторий, атмосферы, почвенного покрова, состояние зеленых насаждений; антропогенные - перенаселенность города, бытовые отходы, шумовое загрязнение, системы водоснабжения и канализации) параметры. Территория Баку разделена по комплексу показателей для каждой из подсистем и даны рекомендации по их преобразованию. В итоге создана комплексная экологическая модель для всей экосистемы Баку по комплексу всех вышеуказанных параметров.
Библиографический список
1. Комплекс программ автоматизированной обработки и интерпретации петролого-геохимической информации / Ш.А. Бабаев, Ч. Кашкай [и др.] // Труды института геологии АН Азерб. ССР. - 1988. - 90 с.
2. Багоцкий, С.В. Математические модели в экологии. Библиографический указатель отечественных работ / С.В. Багоцкий, А. Д. Базыкин, Н.П. Монастырская. - М. : ВИНИТИ, 1981. - 226 с.
3. Баранов, Ф.И. К вопросу о биологических основаниях рыбного хозяйства / Ф.И. Баранов // Изв. отдела рыбоводства и науч.-промысл. исслед. 1918. - Т. 1. - Вып. 1. - С. 84-128.
4. Бахур, А.Б. Системные идеи в современной инженерной практике / А.Б. Бахур. - М. : Пров-пресс, 2000.
5. Берлянт, А.М. Геоинформационное картографирование / А.М. Берлянт // Картография и геоинформатика. Итоги науки и техники. Сер. Картография. - М. : ВИНИТИ АН СССР, 1991. - Т. 4. - С. 80-117.
6. Глазовская, М.А. Качественные и количественные методы оценки сенсорности и устойчивости природных систем к техногенным воздействиям / М. А. Глазовская // Почвоведение. - 1994. - № 1. - С. 134-140.
7. Джефферс, Дж. Введение в системный анализ: применение в экологии / Дж. Джефферс. - М. : Мир, 1981. - 256 с.
8. Заде, Л. Понятие лингвистической переменной и его применение к понятию приближенных решений / Л. Заде. - М. : Мир, 1976. - 165 с.
9. Лорьер, Ж.-Л. Системы искусственного интеллекта : [пер. с франц.] / Ж.-Л. Лорьер. -М. : Мир, 1991. - 568 с.
10. Налимов, В.В. Анализ оснований экологического прогноза. Паттерн-анализ как ослабленный вариант прогноза / В.В. Налимов // Человек и биосфера. Вып. 8. - М. : Изд-во Моск. ун-та, 1983. - С. 31-47.
11. Новосельцев, В.Н. Междисциплинарное моделирование: возможный подход к анализу катастроф / В.Н. Новосельцев // Автоматика и телемеханика. - 2008. - № 2. - С. 101-111.
12. Павловский, Ю.Н. Имитационное моделирование / Ю.Н. Павловский, Н.В. Белотелов, Ю.И. Бродский. - М. : Академия, 2008. - 236 с.
13. Пестель, Э. За пределами роста / Э. Пестель. - М. : Прогресс, 1988. - 272 с.
14. Пых, Ю.А. Об оценке состояния окружающей среды. Подходы к проблеме / Ю.А. Пых, И.Г. Малкина-Пых // Экология. - 1996. - № 5. - С. 323-329.
15. Робертс, Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам / Ф.С. Робертс ; пер. с англ. А.М. Раппопорта, С.И. Травкина. - М. : Наука, 1986. - 496 с.
16. Тикунов, В.С. Моделирование в картографии / В.С. Тикунов. - М. : Изд-во МГУ, 1997. -405 с.
17. Форрестер, Дж.У. Мировая динамика / Дж.У. Форрестер. - М. : Наука, 1978. - 167 с.
18. Хомяков, Д.М. Информационные технологии и математическое моделирование в задачах природопользования при реализации концепций устойчивого развития / Д.М. Хомяков // Экологические и социально-экономические аспекты развития России в условиях глобальных изменений природной среды и климата. - М. : Геос, 1997. - С. 102-119.
19. The limits to Growth: A report for the Club of Rome’s Project On the Predicament of the Mankind / D.H. Meadows, D.L. Meadows, J. Randers [etc.]. - New York, Universe Books, 1972. - 205 p.
20. Statistical models for limiting factors in ecology / J. Opsomer, P. Speckman, M. Kaiser [etc.] // Amer. Statist. Assoc. - 1994. - Vol. 89. - P. 410-423.
