Компьютерно-информационные системы обработки и отображения экологических данных

Современные информационные технологии обеспечивают широкие возможности систематизации, обработки отображения экологической информации, а также для моделирования различных объектов и процессов.

Электронные библиотеки. Одним из наиболее эффективных способов систематизации данных об объектах природной среды является организация информации в форме электронных библиотек. Электронные библиотеки (ЭБ) – это распределённые каталогизированные информационные системы, позволяющие хранить, обрабатывать, распространять, анализировать, а также организовывать поиск в разнообразных коллекциях электронных документов через глобальные сети передачи данных. Электронные публикации научных коллекций представляют собой новую форму хранения и обмена информацией. Для неё характерны, прежде всего, динамичность (возможность обновления) и глобальный доступ (через компьютерные сети).

Основной проблемой при создании электронных библиотек является организация разнородной информации в удобном для конечного пользователя виде, что требует новых исследований и разработок интерфейсов для корректного отражения предметной области.

Другая задача обслуживания электронных коллекций состоит в стандартизации данных при разработке технологических решений и юридических аспектов использования информации.

Основным объектом (ресурсом) хранения данных в ЭБ является документ, снабжённый метаданными. Основные задачи ЭБ – интеграция информационных ресурсов и эффективная навигация в них. Под интеграцией информационных ресурсов понимается их объединение с целью использования различной информации с сохранением её свойств, особенностей представления и пользовательских возможностей манипулирования ей.

В настоящее время теория построения ЭБ развивается как в России, так и за рубежом. В СО РАН создан ряд ЭБ, одна из них – «Биоразнообразие в объектах животного и растительного мира Сибири». В качестве примера можно обратится на портал BioDat (www. biodat.ru), на котором представлена информационная система «Биоразнообразие России».

Базы экологических данных. Другой востребованной формой представления информационных ресурсов являются базы экологических данных. В настоящее время имеется два варианта хранения данных в цифровом виде:

· в базах данных и хранилищах данных с использованием систем управления базами данных (СУБД, Data Base Management Systems - DBMS) с хорошо определенными четкими моделями данных;

· в виде типичных реляционных моделей данных, объектно-реляционных, или объектно-ориентированных моделей с применением специальных прикладных систем файлов, которые широко используется во многих географических информационных системах.

В большинстве случаев, экоданные состоят из трех видов информации: основная информация о веществе, временная и пространственная информация.

База экоданных, характеризуется типом хранения данных в базе данных, системой управления данными и типом информации, доступной из БД. Исследователи разных стран занимаются созданием подобных БД. При этом применяют разные подходы. Либо создаются списки видов всех групп живых существ (например, World Species List (http://species.enviroweb.org), World Biodiversity Database (http://www.eti.uva.nl)), либо формируется многоуровневая информационная система для какого-либо таксонаили же региона. Создается узел индексации списков известных видов живых существ (http://www.sp2000.org). Существуют системы, ориентированные на природоохранные аспекты (http://www.wcmc.org.uk.), либо на потенциально вредные группы живых организмов.

На серверах размещают базы данных по коллекционным формам отдельных учреждений (Зоологический институт РАН (http://www.zin.ru), ВИР, Институт систематики и экологии животных (http://szmn.eco.nsc.ru) и др.). Опыт создания таких информационных систем подтверждает возможность систематизированного хранения анализа данных, связанных с биоразнообразием.

В ботанике открытие нового вида должно обязательно опираться на гербарный материал. Так, собранный в качестве документации для одной работы, гербарный образец в дальнейшем становится исходным материалом и для многих других исследований. Поэтому гербарные образцы хранятся в гербариях десятки и сотни лет, являясь при этом ценным национальным достоянием. Со временем старые гербарные образцы ветшают, растения в них теряют окраску, поедаются вредителями гербарных коллекций, на листах выцветают гербарные этикетки. Особую ценность для ботаников представляют типовые гербарные образцы – это те гербарные листы, на основе которых автором был описан новый таксон (подвид, вид, род и т. д.).

Крупнейшие гербарии мира еще в начале 90-х годов прошлого столетия поставили перед собой задачу сохранения гербарного фонда в цифровом виде. Некоторые ботанические учреждения создали закрытые базы данных гербарных коллекций, размещенные на внутренних серверах и не выставленные в Интернет. Для нас наибольший интерес представляют Интернет-ресурсы по гербарным коллекциям, позволяющие знакомиться и обмениваться необходимой информацией с биологическими организациями по типовым материалам, исследовать изменчивость морфологических признаков таксонов по цифровым изображениям гербарных образцов в условиях удаленного доступа. В ряде российских и зарубежных ботанических учреждениях имеются Интернет-ресурсы, содержащие сведения о гербарных коллекциях и типовых гербарных образцах. Рассмотрены примеры таких электронных гербариев. На сайте Ботанического института в разделе «Информационные системы» (www.binran.spb.ru) представлен «Типовой гербарий лишайников». Выбор таксона осуществляется по алфавиту родовых названий, далее – по видам. Информация представлена в виде текста гербарной этикетки, с примечаниями, заметками по таксономии, типификацией, что представляет интерес для специалистов по этой группе растений. Также существует Гербарий Всероссийского НИИ растениеводства им. Н.И. Вавилова (http://www.herbarium.nw.ru). Общая информация данного гербария – база данных, представленная тремя разделами: «Основной гербарий», «Типовой гербарий», «Обменный гербарий». Языки сайта – русский и английский. Поиск возможен по названию семейства или названию рода и далее – по номеру гербарного листа. На экране появляется номер гербарного листа, текст этикетки (в базе «Происхождение образца»), характеристика места сбора, фотография данного листа.

Под эгидой ЮНЕП в России созданы следующие базы и банки данных (http://www.grid.unep.chl):
- база данных по видам растений, занесенных в Красную книгу России;
- база данных по видам растений, требующих сохранения в ботанических садах;
- банк флористических и фаунистических данных государственных заповедников;
- междисциплинарный банк данных, характеризующий режимы и состояние экосистем Чукотского и Берингова морей и др.

Географические информационные системы (ГИС) – это специальные экологические компьютерно- информационные средства для управления ОС, включая СППР и визуализацию больших массивов экоданных.

Экспертные системы. Экспертными системами (ЭС) называют вычислительную систему использования знаний эксперта и процедур логического вывода для решения проблем, которые требуют проведения экспертизы и позволяют дать объяснение полученным результатам. ЭС обладает способностями к накоплению знаний, выдаче рекомендаций и объяснению полученных результатов, возможностями модификации правил, подсказки пропущенных экспертом условий, управление целью или данными. ЭС отличают следующие характеристики: интеллектуальность, простота общения с компьютером, возможность наращивания модулей, интеграция неоднородных данных, способность разрешения многокритериальных задач при учете предпочтений лиц, принимающих решения (ЛПР), работа в реальном времени, документальность, конфиденциальность, унифицированная форма знаний, независимость механизма логического выводы, способность к объяснению результатов. В настоящее время можно выделить основные сферы применения ЭС: диагностика, планирование, имитационное моделирования, предпроектное обследование предприятий и др.В настоящее время выделяют следующие основные типы моделей представления знаний:
1. семантические сети, в том числе функциональные;
2. фреймы и сети фреймов;
3. продукционные модели.

Семантические сети определяют как граф общего вида, в котором можно выделить множество вершин и ребер. Каждая вершина графа представляет некоторое понятие, а дуга – отношение между парой понятий. Метка и направление дуги конкретизируют семантику. Метки вершин семантической нагрузки не несут, а используются как справочная информация.

Различные разновидности семантических сетей обладают различной семантической мощностью, следовательно, можно описать одну и ту же предметную область более компактно или громоздко.

Фреймом называют структуру данных для представления и описания стереотипных объектов, событий и ситуаций. Фреймовая модель представления знаний состоит из двух частей:
- набора фреймов, составляющих библиотеку внутри представляемых знаний;
- механизмов их преобразования, связывания и т.д.

Продукционные модели – это набор правил вида «условие-действие», где условиями являются утверждения о содержимом база данных, а действия представляют собой процедуры, которые могут изменять содержание базы данных.

Пакеты прикладных программ для обработки экологических данных. Значительный объем данных наземных методов мониторинга, отражающих физико-химическое состояние исследуемой среды (уровень радиации, содержание тяжелых металлов, пестицидов в почве и воде и т.д.), а также данные медико-статистических и биологических исследований, отражающие реакцию живых организмов на загрязнение окружающей среды, относятся к непространственным данным и представляются в виде набора таблиц. Часто данные, получаемые в процессе мониторинга, представляют собой ряды последовательных изменений изучаемых показателей во времени, т.е. так называемые временные или динамические ряды наблюдений. Обработка временных рядов с целью их последующего анализа включает, кроме вычисления средних характеристик ряда и отклонений от средних величин, выявление общей тенденции развития изучаемого процесса (т.е. тренда), сглаживание и фильтрацию отдельных частот ряда, определение ритмичности (цикличности) колебаний изучаемых величин, корреляцию временных рядов, прогнозирование последующих изменений показателей исследуемого процесса. Среди этих операций особое значение имеют выявление и анализ тренда и установление зависимостей между факторами, которые изменяют показатели ряда, и его переменными с целью прогнозирования изучаемого процесса. Все эти и другие вычислительные операции обработки данных реализованы в пакетах прикладных программ по статистике и численным методам.

Дата добавления: 2013-12-13