автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Моделирование однородных территориальных зон на основе многомерной кластеризации и ГИС-анализа в условиях малого объема данных

005002228

КОЧЕРГИН ГЛЕБ АЛЕКСАНДРОВИЧ

МОДЕЛИРОВАНИЕ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН НА ОСНОВЕ МНОГОМЕРНОЙ КЛАСТЕРИЗАЦИИ И ГИС-АНАЛИЗА В УСЛОВИЯХ МАЛОГО ОБЪЕМА ДАННЫХ

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

1 7 НОЯ 2011

Ханты-Мансийск - 2011

005002228

Работа выполнена в Автономном учреждении Ханты-Мансийского автономного округа - Югры "Югорский научно-исследовательский институт информационных технологий"

Научный руководитель:

доктор физико-математических наук, профессор, заслуженный деятель науки РФ Полищук Юрий Михайлович

Официальные оппоненты:

доктор технических наук, профессор Катаев Михаил Юрьевич

доктор физико-математических наук, доцент Славский Виктор Владимирович

Ведущая организация:

Институт радиотехники и электроники им. В.А. Котельникова РАН, г. Москва

Защита состоится 7 декабря 2011 г. п _1_5 часов на заседании диссертационного совета Д 212.330.01 при Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования "Югорский государственный университет" (ЮГУ) по адресу: 628012, г. Ханты-Мансийск, ул. Чехова, 16, ЮГУ, корп. 5, ауд. 324. Тел./факс: (3467) 357-577.

С диссертацией можно ознакомиться в библиотеке ЮГУ. Автореферат разослан 2_ ноября 2011 г.

Отзывы на автореферат (в двух экземплярах, заверенные печатью учреждения) просьба направлять в адрес диссертационного совета.

Ученый секретарь диссертационного совета, доктор технических наук

А.В. Моновская

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Существует широкий круг задач, связанных с выявлением пространственной структуры однородных по своим свойствам зон природных и природно-техногенных объектов или явлений, например, зон повышенного загрязнения, зон распространения различных популяций, зон заболеваемости опасными болезнями и др. Решение подобных задач осуществляется с использованием различных подходов к моделированию однородных территориальных зон (ОТЗ) на основе пространственного анализа экспериментальных данных с применением технологий геоинформационных систем (ГИС-технологий). Исходные данные в задачах моделирования ОТЗ, как правило, получаются в ходе натурного эксперимента, результатом которого является выборка многомерных пространственных данных. Высокая стоимость организации и проведения натурного эксперимента в науках о Земле, а также характерная для решения ряда задач труднодоступность исследуемой территории являются основными причинами того, что измерения совокупности характеристик объектов исследования проводятся в малом числе пунктов отбора проб, как правило, нерегулярно распределенных по территории.

Известные подходы к моделированию ОТЗ традиционно используют статистические методы анализа экспериментальных данных [Тикунов В. С., 1997; Сердюцкая Л. Ф. и др., 2009; Royle А. и др., 2008; Lawson А. и др., 2009; Poh Chin Lai и др., 2009]. Другие подходы основаны на использовании интегрального показателя, рассчитанного на имеющейся совокупности характеристик, либо на одной-единственной характеристике объекта исследования [Кузьмиченок В. А., 2003; Ковалева Т. М., 2008; Катаев М. Ю. и др., 2010; Тимонин С. А., 2010; Кулик К. Н. и др. 2010]. Особенности использования существующих подходов к моделированию ОТЗ (требование соответствия выборки исходных данных нормальному закону распределения, необходимость использования обучающей выборки, требование наличия регулярной сети измерений) не позволяют применять их в условиях малого объема многомерных экспериментальных данных.

В связи с этим возникает необходимость разработки нового подхода к решению задач моделирования ОТЗ в условиях малого объема исходных данных. Спецификой исходных данных, получаемых в ходе натурного эксперимента, является их многомерность и пространственный характер свойств исследуемых объектов. Для анализа многомерных данных перспективным является использование методов многомерной автоматической кластеризации, которые не предъявляют особых требований к выборке исходных данных. Для учета пространственных свойств исследуемых объектов, таких как географические координаты, площадь, протяженность, взаимное расположение объектов и др. традиционно используются методы ГИС-анализа, реализуемые в геоинформационных системах. Поэтому актуальным является разработка нового подхода к моделированию ОТЗ в условиях малого объема исходных данных на основе сочетания методов многомерной кластеризации и ГИС-анализа. Методические вопросы такого подхода в настоящее время не разработаны, что и определило цель настоящей работы.

Целью диссертационной работы является разработка математической модели совокупности однородных территориальных зон в условиях малого объема экспериментальных данных, алгоритма построения модели и комплекса программ имитационного моделирования на основе сочетания методов многомерной кластеризации и ГИС-анализа.

Для достижения поставленной цели потребовалось решить следующие задачи:

• провести анализ современного состояния вопросов математического моделирования однородных территориальных зон на основе экспериментальных данных о пространственно-распределенных объектах, представленных многомерными массивами малого объема;

• разработать математическую модель совокупности однородных территориальных зон, пригодную для использования в условиях малого объема экспериментальных данных и нерегулярной сети наблюдений;

• разработать алгоритмы моделирования и создать комплекс программ имитационного моделирования совокупности однородных территориальных зон в условиях малого объема исходных данных;

• провести исследование адекватности разработанной математической модели совокупности однородных территориальных зон с использованием экспериментальных данных;

• проиллюстрировать использование результатов диссертационных исследований на практических примерах.

Методы исследования базируются на теориях математического моделирования и многомерной кластеризации, а также на методах прикладной математики, ГИС-анализа, численного анализа, прикладного программирования. Для создания программных продуктов применялась технология объектно-ориентированного программирования.

Научная новизна. В диссертационной работе получены следующие новые научные результаты:

1) Предложена математическая модель совокупности однородных территориальных зон, применимая в условиях малого объема многомерных экспериментальных данных и реализуемая с использованием нового алгоритма, основанного на сочетании методов многомерной кластеризации и ГИС-анализа.

2) Разработан численный метод исследования адекватности математической модели совокупности однородных территориальных зон, отличительной особенностью которого является использование тестовых цифровых карт однородных зон, полученных на основе долговременных натурных экспериментов в различных отраслях наук о Земле.

3) Разработан комплекс программ имитационного моделирования, отличительной особенностью которого являются реализации нового алгоритма построения модели совокупности однородных территориальных зон и нового алгоритма преобразования результатов кластеризации к формату представления модели в геоинформационной системе.

Практическая значимость. Практическую ценность работы представляет разработанный алгоритм построения математической модели совокупности однородных территориальных зон и реализованный комплекс программ имитационного моделирования, позволяющий создавать модели однородных зон в условиях малого объема экспериментальных данных. Разработанный комплекс программ имитационного моделирования может быть использован также для комплексного анализа результатов междисциплинарных исследований в различных отраслях наук о Земле. Практическую ценность имеют результаты решения прикладных задач, полученные с использованием разработанного комплекса программ имитационного моделирования.

Реализация и внедрение результатов работы. Комплекс программ имитационного моделирования однородных территориальных зон используется в Институте химии нефти СО РАН для анализа данных о физико-химических свойствах нефтей, что подтверждается актом внедрения.

Разработанный комплекс программ имитационного моделирования был использован в Югорском научно-исследовательском институте информационных технологий при выполнении работ по договору с ООО "РН-УфаНИПИнефть" по теме "Оценка перспективы нефтедобычи пластов баженовской свиты на месторождениях ООО "РН-Юганскнефтегаз", что подтверждается актом внедрения.

Полученные в диссертации результаты были использованы в Югорском государственном университете при выполнении научно-исследовательских работ по Государственному контракту № 14.740.11.0409 (по заказу Минобрнауки РФ) на выполнение НИР "Мониторинг состояния окружающей среды таежной и тундровой зон Западной Сибири в условиях глобальных изменений климата с использованием комплексного подхода на основе методов биоиндикации, дистанционных и наземных исследований", что подтверждается актом внедрения.

Разработанная система имитационного моделирования используется при проведении научных исследований сотрудниками, аспирантами и магистрантами кафедры экологии и природопользования Югорского государственного университета, а также в учебном процессе при проведении лекционных занятий и при выполнении лабораторных работ по дисциплине "Экологические информационные системы" для студентов магистратуры по направлению "Экология и природопользование".

Защищаемые положения:

1) Математическая модель совокупности однородных территориальных зон, применимая в условиях малого объема экспериментальных данных и реализуемая с использованием нового алгоритма, основанного на сочетании методов многомерной кластеризации и ГИС-анализа.

2) Численный метод исследования адекватности математической модели совокупности однородных территориальных зон, основанный на использовании тестовых цифровых карт однородных зон.

3) Комплекс программ имитационного моделирования, реализующий новый алгоритм построения модели совокупности ОТЗ и новый алгоритм преобразования результатов многомерной кластеризации к формату пространственных данных, пригодных для проведения ГИС-анализа с использованием геоинформационных систем.

Апробация работы. Основные результаты диссертационной работы были изложены на международных и всероссийских конференциях и симпозиумах, в том числе на Всероссийской конференции "Северный регион: наука и социокультурная динамика" (Сургут, 2002), на 2-ом Региональном симпозиуме "Химия и окружающая среда" (Сербия, 2003), на Международной конференции "Вычислительно-информационные технологии для наук об окружающей среде" (Томск, 2003), на 21-ой Международной конференции по органической химии (Польша, 2003), на 2-ой Международной научно-практической конференции "Эколого-географические проблемы природопользования нефтегазовых регионов" (Нижневартовск, 2003), на международной конференции "Экология Сибири, Дальнего Востока и Арктики" (Томск, 2003), на Международной конференции по измерениям, моделированию и информационным системам для изучения окружающей среды "Етагоплэ - 2004" (Томск, 2004), на 4-ом Международном симпозиуме "Контроль и реабилитация окружающей среды" (Томск, 2004), на 10-ой Международной научно-практической

конференции по проблемам защиты населения и территорий от чрезвычайных ситуаций (Москва, 2005), на 7-ом Сибирском совещании по климато-экологическому мониторингу (Томск, 2007).

Публикации. По результатам исследований опубликовано 16 печатных работ, в том числе 3 в рецензируемых журналах из перечня ВАК и 1 свидетельство об официальной регистрации программы для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, пяти разделов, заключения и списка литературы. Объем диссертации составляет 138 страниц, включая 31 рисунок, 10 таблиц, 9 приложений и список использованной литературы из 140 источников.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы моделирования однородных территориальных зон на основе экспериментальных данных, представленных многомерными массивами малого объема. Сформулированы основные цели и задачи диссертационного исследования, научная новизна и практическая значимость работы. Описана структура и краткое содержание диссертационной работы.

В первом разделе рассмотрено современное состояние вопросов моделирования ОТЗ. В настоящее время разработано и используется большое количество различных подходов к моделированию ОТЗ. В работах [Тикунов В. С., 1997; Сердюцкая JI. Ф. и др., 2009] приводятся модели ОТЗ, которые реализуются с использованием алгоритмов, основанных на статистических методах корреляционного и факторного анализа многомерных данных. Результаты моделирования отображается на цифровых картах изолиний с использованием геоинформационных систем. В работах [Royle А. и др., 2008; Lawson А. и др., 2009] приводятся различные алгоритмы моделирования ОТЗ, основанные на использовании байесовского вероятностного метода. Результаты использования байесовского метода отображаются на цифровых картах в виде однородных зон текущего или прогнозного состояния объектов исследования. В работе [Катаев M. Ю. и др., 2010] предложен алгоритм построения нечеткого аппроксиматора атмосферных температурных полей, который позволяет построить модель однородных зон температуры воздуха путем восстановления отсутствующих значений на пространственной сетке высокого разрешения. Этот алгоритм основан на подходе, предложенном в [Solomatine D.P., 2002] как "моделирование, управляемое данными". В работах других авторов [Кузьмиченок В. А., 2003; Ковалева Т. М., 2008; Poh Chin Lai и др., 2009; Тимонин С. А., 2010; Кулик К. Н. и др. 2010] приводятся алгоритмы, которые позволяют моделировать ОТЗ на основе значений одного интегрального показателя, рассчитанного по имеющейся совокупности характеристик.

Показано, что существующие подходы не пригодны для моделирования ОТЗ в условиях малого объема выборки многомерных экспериментальных данных. Проведен анализ современного состояния методов ГИС-анализа (пространственного анализа) и средств геоинформационных систем для моделирования ОТЗ. Рассмотрены наиболее часто используемые алгоритмы многомерной автоматической кластеризации данных. В заключении первого раздела приведен перечень выявленных нерешенных задач в области моделирования ОТЗ, сформулированы и обоснованы задачи диссертационного исследования.

Во втором разделе рассмотрены методические вопросы моделирования совокупности ОТЗ в условиях малого объема данных. Представлена разработанная в ходе диссертационных исследований концептуальная схема построения математической модели (имитационного типа) однородных территориальных зон (рис.

г

1), в основу которой положен новый подход, использующий сочетание методов многомерной автоматической кластеризации и ГИС-анализа, что позволяет учитывать как пространственные (географические координаты местоположения, форма, взаимное расположение), так и непространственные (измеренные в ходе натурного эксперимента показатели) характеристики объектов исследования с целью повышения эффективности использования имеющейся разнородной информации.

со с п

Й

Отображение модели " ¿Л))

совокупности однородных территориальных зон

Рис. 1. Концептуальная схема построения математической модели совокупности однородных территориальных зон

Автоматическая кластеризация объектов исследования в многомерном пространстве признаков (рис. 1, этап 1) позволяет разделить все объекты на непересекающиеся классы, таким образом, что каждый класс будет состоять только из однородных (близких) по своим непространственным свойствам объектов. При этом объекты, входящие в разные классы, будут иметь большие отличия, чем объекты, составляющие один класс. Преобразование (рис. 1, этап 2) результатов многомерной кластеризации в формат геоданных (пространственных данных) позволяет отобразить объекты исследования в геоинформационной системе на цифровой карте с учетом их принадлежности к выделенным классам и выявить закономерности пространственного размещения однородных объектов (объектов попавших в один класс). Применение методов ГИС-анализа (рис. 1, этап 3) позволяет определить границы каждой территориальной зоны, в которую попадают однородные объекты. При этом объекты, попавшие в разные классы, будут располагаться в разных территориальных зонах. Таким образом, многомерная кластеризация позволяет выделить классы (группы) однородных объектов, а последующий пространственный анализ позволяет выявить совокупность однородных территориальных зон на основе выделенных групп однородных объектов. Предлагаемая математическая модель представляется в виде

совокупности однородных территориальных зон, отображаемая в картографическом виде с использованием средств геоинформационных систем.

На основе концептуальной схемы был разработан алгоритм построения математической модели совокупности ОТЗ, блок-схема которого представлена на рис. 2. Математическая модель совокупности ОТЗ, реализуемая с использованием алгоритма, является универсальной для решения задач в различных отраслях наук о Земле. Отличительной особенностью предложенной модели является использование нового подхода, основанного на сочетании методов многомерной кластеризации, позволяющих учесть многомерный характер данных в условиях выборки малого объема, и ГИС-анализа, позволяющего учесть пространственные характеристики объектов исследования. Для реализации сочетания методов многомерной кластеризации и ГИС-анализа данных был разработан новый алгоритм преобразования результатов кластеризации в формат геоданных, воспринимаемых различными геоинформационными системами: ArcGIS, Arc View и Golden Surefer.

Начало

Рис. 2. Алгоритм построения модели совокупности однородных территориальных зон на основе экспериментальных данных

Рассмотрены методические вопросы численного анализа адекватности математической модели совокупности ОТЗ. Представлен разработанный численный метод исследования адекватности результатов моделирования (рис. 3), основанный на использовании массива экспериментальных данных и соответствующей тестовой цифровой карты искомых ОТЗ. В численном методе вводится критерий достоверности математической модели, рассчитываемый по формуле:

Р5 = тт1(5'шяП5'те") * 100%,

^¿тест

где 5/„0д - площадь ;'-ой модельной однородной территориальной зоны; Б, тест - площадь однородной территориальной зоны на тестовой цифровой карте соответствующей 5, „од; знак П обозначает операцию пересечения соответствующих зон в геоинформационной системе.

Критерий достоверности модели характеризует степень совпадения площадей модельных зон и соответствующих им зон на тестовой цифровой карте. Высокое значение критерия достоверности будет свидетельствовать о высокой степени совпадения реализации модели ОТЗ и тестовой цифровой карты.

Рис. 3. Схема исследования адекватности модели однородных территориальных зон численным методом

Согласно разработанному численному методу на основе массива экспериментальных данных осуществляется построение модели ОТЗ с использованием

разных алгоритмов кластеризации. Для каждой реализации модели рассчитывается значение критерия достоверности с использованием тестовой цифровой карты. Построенная модель совокупности ОТЗ признается адекватной в том случае, если значение критерия достоверности превышает 70%. Таким образом, использование разработанного численного метода направлено на выявление того алгоритма (алгоритмов) многомерной кластеризации, применение которого в сочетании с пространственным анализом позволит построить адекватную модель ОТЗ.

В третьем разделе представлено описание и особенности реализации разработанного в ходе диссертационных исследований комплекса программ имитационного моделирования ОТЗ (рис. 4), состоящего из трех основных компонент: модуля многомерной кластеризации, модуля геопреобразования данных и подсистемы пространственного анализа.

Модуль многомерной кластеризации Модуль геопреобразования данных Подсистема пространственного анализа

Экспериментальные данные

Картографические данные

Рис. 4. Структурная схема комплекса программ имитационного моделирования

Модуль многомерной кластеризации реализован в виде программы для персонального компьютера под управлением операционной системы Microsoft Windows и содержит функции разбиения совокупности исследуемых объектов в многомерном пространстве признаков на однородные по своим непространственным характеристикам классы. В модуле также реализованы функции импорта многомерных массивов данных, графического отображения исходных данных и результатов кластеризации, экспорта результатов кластеризации в файлы различных форматов, такие как MS Excel, MS Word, JPEG, BMP. Разработанная программа кластеризации многомерных данных зарегистрирована в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам.

Модуль геопреобразования данных представляет собой динамическую библиотеку, в которой реализован алгоритм преобразования результатов кластеризации в формат геоданных, пригодный для отображения, редактирования и последующей обработки в подсистеме пространственного анализа. Реализованные в нем функции преобразования обеспечивают поддержку в составе комплекса программ имитационного моделирования различных геоинформационных систем, таких как ArcGIS, Arc View и Golden Surfer.

В качестве подсистемы пространственного анализа в диссертационной работе используется геоинформационная система ArcGIS 9.3, которая реализует функции ГИС-анализа, позволяет выявлять закономерности пространственного размещения объектов исследования и определять границы территориальных зон однородных объектов. Выбор этой геоинформационной системы обусловлен наличием мощных средств тематической обработки и отображения эмпирических данных и реализацией большого числа различных функций пространственного анализа данных.

Экспериментальные данные представляют собой набор пространственной и атрибутивной информации об объектах исследования. Атрибутивная информация содержит измеренные в ходе полевых исследований числовые характеристики объектов, сформированные в многомерный массив. Пространственная информация содержит данные о географических координатах пунктов отбора проб, их линейных или площадных размерах, взаимном расположении на территории исследования.

Картографические данные представляют собой набор цифровых карт территории исследования и космических снимков, используемых в геоинформационной системе в качестве картографической основы.

Отличительной особенностью разработанного комплекса программ являются реализованные в нем алгоритм построения модели совокупности ОТЗ и алгоритм преобразования результатов многомерной кластеризации в формат геоданных, пригодный для использования в геоинформационных системах. При этом в составе комплекса программ имитационного моделирования поддерживаются и могут использоваться три различные геоинформационные системы: ArcGIS, ArcView и Golden Surfer.

В четвертом разделе приводятся результаты численного исследования адекватности предложенной математической модели совокупности ОТЗ с использованием трех различных массивов экспериментальных данных. В первом примере исследование проводилось на основе массива климатических и геоботанических данных. Этот массив состоит из пяти показателей: усредненные среднегодовые значения температуры, осадков и запаса воды в снежном покрове, а также относительные площади сосновых и темнохвойных лесов в пределах каждой из 25 ландшафтных провинций на территории Ханты-Мансийского автономного округа и Томской области. В качестве тестовой цифровой карты был использован фрагмент карты [Днепровская В.П. и др., 2007] геоботанического районирования "Растительность Западной Сибири" (рис. 5), разработанной в Институте географии СО РАН (г. Иркутск). Согласно тестовой карты на исследуемой территории расположены три однородные геоботанические зоны: северная, средняя и южная тайга.

геоботанического районирования однородных геоботанических зон на центральной части Западной Сибири территории центральной части

Западной Сибири

Согласно численному методу исследования адекватности модели ОТЗ на основе описанной выше совокупности климатических и геоботанических данных было проведено девять численных экспериментов с использованием разных алгоритмов многомерной кластеризации. В результате проведения численных экспериментов было

получено девять различных реализаций модели трех однородных геоботанических зон на территории Ханты-Мансийского автономного округа и Томской области. Количество искомых зон, равное трем, было выбрано на основе имеющейся цифровой карты геоботанического районирования (рис. 5), на которой в указанных административных, границах представлены три зоны. Реализация модели трех однородных геоботанических зон, построенная с использованием алгоритма максимального локального расстояния в сочетании с методами ГИС-анализа, представлена на рис. 6.

По результатам расчета критерия достоверности для каждой из девяти реализаций модели ОТЗ было установлено, что только для двух реализаций значение критерия достоверности превышает 70%. Эти модели были построены с использованием алгоритмов максимального локального расстояния и ¿-средних в сочетании с методами ГИС-анализа. При использовании других алгоритмов многомерной кластеризации рассчитанные значения критерия достоверности были ниже 70%.

Во втором примере для исследования численным методом адекватности модели ОТЗ использовался массив, содержащий данные о двух относительных показателях формы наружной части семенных чешуек еловых шишек (коэффициент вытянутости и коэффициент сужения), собранных в 45 пунктах отбора образцов на территории Среднего Урала и Западной Сибири. В качестве тестовой цифровой карты использовалась карта зон пространственного размещения различных популяций ели [Попов П.П., 2008]. Границы этих зон на исследуемой территории показаны на рис. 7 желтыми линиями.

Рис. 7. Реализация модели ОТЗ пространственного размещения популяций ели на территории Среднего Урала и Западной Сибири

По результатам расчета критерия достоверности для каждой из девяти построенных реализаций модели было установлено, что только для двух реализаций значение критерия достоверности превышает 70%. Эти модели были получены, как и в

12

предыдущем случае, с использованием алгоритмов максимального локального расстояния и ¿-средних (рис. 7) в сочетании с методами ГИС-анализа.

В третьем примере для исследования численным методом адекватности модели ОТЗ использовался массив, содержащий климатические и геокриологические данные, измеренные для 30-ти тестовых участков (рис. 8), расположенных в разных зонах мерзлоты: сплошной, прерывистой и островной. Массив [Брыксина H.A., и др. 2009] состоит из трех показателей: среднелетняя температура воздуха (данные о температуре в теплые месяцы года, в которых среднемесячная температура была положительной величиной), годовая сумма осадков и суммарная площадь термокарстовых озер. В качестве тестовой цифровой карты использовалась карта зон мерзлоты на территории Западной Сибири (рис. 8).

По результатам расчета критерия достоверности для каждой из девяти реализаций модели было установлено, что только для двух реализаций значение критерия достоверности превышает 70%. Эти модели были построены, как и в рассмотренных ранее случаях, с использованием алгоритмов максимального локального расстояния (рис. 9) и /t-средних в сочетании с методами ГИС-анализа. Таким образом, согласно результатам проведенного численного исследования только два алгоритма многомерной кластеризации (из девяти исследованных) приводят к построению адекватной модели совокупности ОТЗ.

Рис. 8. Тестовая карта зон мерзлоты Рис. 9. Реализация модели

на территории Западной Сибири однородных зон мерзлоты на

территории Западной Сибири

В пятом разделе представлены результаты решения трех задач моделирования совокупности ОТЗ. В первом примере решается задача моделирования зон экологического риска воздействия на растительный покров выбросов от факельной

установки по сжиганию попутного газа на нефтяном месторождении. Исследования основаны на 13 биоиндикационных показателях кедра и ели сибирской, которые были измерены в 13 пунктах отбора проб, находящихся в зоне воздействия Приобского нефтяного месторождения. В результате моделирования было выявлено три зоны экологического риска воздействия атмосферного загрязнения на территории Приобского месторождения: зона неприемлемого риска, зона приемлемого риска и зона пренебрежимого риска.

Во втором примере решается задача моделирования зон шумового загрязнения вблизи международного аэропорта г. Ханты-Мансийска. Исследования основаны на данных о замерах четырех характеристик уровня шума, которые были проведены в 34 пунктах вблизи аэропорта во время взлета и набора высоты воздушного судна ТУ-134, выполняющего регулярные рейсы из аэропорта г. Ханты-Мансийска. В результате моделирования было выявлено три зоны шумового загрязнения: низкого, среднего и высокого.

В качестве третьего примера приведены результаты моделирования зон радиационного загрязнения речной воды и донных осадков главных рек Обь-Иртышского бассейна. Исследования основаны на четырех показателях концентрации радионуклидов цезия-137 и стронция-90 измеренных в 16 пунктах отбора проб речной воды на территории Ханты-Мансийского автономного округа, севера Тюменской и Томской областей. Результаты моделирования позволили выявить участок реки Обь вблизи слияния с рекой Иртыш, характеризующийся максимальным относительным уровнем радиационного загрязнения воды и донных осадков.

В приложении приведены: массивы экспериментальных данных, используемых для численного исследования адекватности математической модели ОТЗ и решения практических задач моделирования однородных зон в рамках диссертационных исследований; свидетельство о регистрации программы для ЭВМ; акты и справки об использовании и внедрении результатов диссертационных исследований.

Основными результатами работы являются следующие:

1) Разработана концептуальная схема построения математической модели однородных территориальных зон в условиях малого объема экспериментальных данных с использованием методов многомерной кластеризации и ГИС-анализа.

2) Предложена математическая модель совокупности однородных территориальных зон, применимая в условиях малого объема выборки многомерных экспериментальных данных. Математическая модель реализуется с использованием нового алгоритма, основанного на сочетании методов многомерной автоматической кластеризации и ГИС-анализа.

3) Разработан алгоритм преобразования результатов многомерной кластеризации к формату геоданных, пригодному для использования в геоинформационных системах. В алгоритме реализована поддержка трех различных геоинформационных систем: ArcGIS, ArcView и Golden Surfer.

4) Предложен численный метод исследования адекватности модели совокупности однородных территориальных зон. Отличительной особенностью численного метода является использование экспериментальных данных и тестовых цифровых карт однородных зон, полученных на основе долговременных натурных экспериментов.

5) Создан комплекс программ имитационного моделирования однородных территориальных зон, применимый в условиях малого объема исходных данных. Отличительной особенностью комплекса программ являются реализации алгоритма

построения модели ОТЗ и алгоритма преобразования результатов кластеризации к формату геоданных.

6) По результатам проведенных численных экспериментов на основе трех различных массивов экспериментальных данных и соответствующих им тестовых цифровых карт показано, что адекватными являются те реализации модели ОТЗ, которые были получены с использованием алгоритмов максимального локального расстояния или ¿-средних в сочетании с методами ГИС-анализа.

ОСНОВНЫЕ РАБОТЫ, ОПУБЛИКОВАННЫЕ ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи в журналах, рекомендованных ВАК России:

1. Кочергин Г.А., Полищук Ю.М. Информационно-программный комплекс для анализа пространственных данных с использованием алгоритмов автомАтическрй кластеризации // Системы управления и информационные технологии, 201Ö. - №3, -С. 45-49.

2. Кокорина Н.В., Кочергин Г.А., Перемитина Т.О., Полищук Ю.М., Токарева СКС. Методология оценки экологического риска воздействия точечных источников атмосферного загрязнения на основе данных биоиндикации // Проблемы а liaiill за риска, 2011. - Т.8, №4. - С. 22-35. 1

3. Кочергин Г.А., Полищук Ю.М. Использование геоинформационных сцстем для комплексного анализа пространственных данных на основе мнс)гомер1|0й кластеризации//Геоинформатика, 2011. - №2. - С. 11-15.

Свидетельство об официальной регистрации программы для ЭВМ:

4. Кочергин Г.А. Программный комплекс анализа многомерных данных с применением методов автоматической классификации Свидетельство об официальной регистрации программы для ЭВМ № 2005612705 правообладатель Институт химии нефти СО РАН: - № 2005612154; заявл. 18.08.2005; зарег. 18.10.2005.

Материалы конференций:

5. Кочергин Г.А., Перемитина Т.О., Полищук Ю.М. Разработка геоинформационной технологии комплексного анализа состояния окружающей среды и природных ресурсов региона // Материалы всероссийской конференции "Северный регион: наука и социокультурная динамика", Сургут, 21-23 мая, 2002г. - Сургут: Изд-во Сургут, ун-та, 2002. - С. 5-7.

6. Kochergin G.A., Peremitina Т.О. About the new approach of the radiochemical environment control // Proceedings of 2nd Regional Symposium "Chemistry and environment", Serbia, June 18-22, 2003. - P. 347-348.

7. Кочергин Г.А. Алгоритмы комплексного анализа данных на основе методов кластеризации // Труды постоянно действующей научно-технической школы-семинара студентов, аспирантов и молодых специалистов "Информационные системы мониторинга окружающей среды", Томск, 1-7 сентября, 2003г. - Томск, 2003.-С. 35-40.

8. Kochergin G., Peremitina Т., Polichtchouk Y. West Siberian oils classification based on analysis of physical-chemical properties using geoinformation technology // Proceedings of 21st International Meeting on Organic Geochemistry, Krakow, Poland, 8-12 September, 2003. V. II. - P. 206-207.

9. Кочергин Г.А., Перемитина Т.О., Полищук Ю.М. Методология комплексного анализа многомерных данных с применением ГИС, кластерного и компонентного методов // Материалы II международной научно-практической конференции "Эколого-географические проблемы природопользования нефтегазовых регионов",

Нижневартовск, 20-22 октября, 2003г. - Нижневартовск: Изд. НТТГИ, 2003. - С. 6166.

10. Кочергин Г.А., Мигунов В.И., Несветайло В.Д., Перемитина Т.О., Полищук Ю.М., Трапезников В.А. Комплексный мониторинг радиационного загрязнения окружающей среды // Материалы IV международного симпозиума "Контроль и реабилитация окружающей среды", Томск, 21-23 июля, 2004г. - Томск, 2004. - С. 42-43.

11. Кочергин Г.А., Мигунов В.И., Полищук Ю.М., Трапезников A.B. Геоинформационный подход к анализу воздействия крупных ядерных объектов на радиационное загрязнение Обь-Иртышской речной системы // Материалы X международной научно-практической конференции по проблемам защиты населения и территорий от чрезвычайных ситуаций / МЧС России, Москва, 19-21 апреля, 2005г. -М.: Ин-октаво, 2005. - С. 130-135.

12. Днепровская В.П., Кочергин Г.А., Полищук Ю.М. Мониторинг пространственной структуры бореальных лесов Западной Сибири на основе данных дистанционного зондирования // Седьмое сибирское совещание по климато-экологическому мониторингу: Материалы российской конференции / Под ред. М.В. Кабанова, Томск, 8-10 октября, 2007г. - Томск: Аграф-Пресс, 2007. - С. 346-348.

Публикации в других изданиях:

13. Кочергин Г.А., Перемитина Т.О., Полищук Ю.М. Геоинформационная методология анализа радиационного загрязнения речных систем // Проблемы анализа риска, 2005. - Т.2, №3. - С. 208-220.

14. Ko^eprilH Г.А., Полищук Ю.М. Применение геоинформационного подхода к а тализу закономерностей территориального размещения природных ресурсов // Информационные технологии в территориальном управлении, промышленности, образовании. Сборник статей. - Томск: Изд-е ТУ СУР, 2005. - С. 99-105. <оЧергин Г.А., Перемитина Т.О., Полищук Ю.М. Исследование пространственной ■^|ГрукШ)Ь1 популяций ели на территории Урала и Западной Сибири с применением

еоинфорМационного подхода // Вестник экологии, лесоведения и лЦдщ^фтоведения. - Тюмень: Изд-во ИПОС СО РАН, 2005. - №6. - С. 102-108.

16. Kofiepr^H Г.А., Мигунов В.И., Полищук Ю.М.. Трапезников A.B., Трапезникова В.Н. Исследование радиоактивного загрязнения речной воды и донных осадков в Обь-Иртышской речной системе с использованием методов статистического и пространственного анализа // Проблемы радиоэкологии и пограничных дисциплин. Выпуск 7. - Екатеринбург, 2005. - С. 197-212.

15.

Подписано в печать 18.10.2011. Формат бумаги 60 х 84 '/|6. Гарнитура Times New Roman. Усл.-печ. л. 1. Тираж 100 экз. Заказ 141.

Отпечатано с готового оригинал-макета в Управлении по информационной политике Югорского государственного университета 628012, Ханты-Мансийский автономный округ, г. Ханты-Мансийск, ул. Чехова, 16

ВВЕДЕНИЕ.

РАЗДЕЛ! АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ МЕТОДОВ И СРЕДСТВ МОДЕЛИРОВАНИЯ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН НА ОСНОВЕ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

1.1 Анализ существующих подходов к моделированию однородных территориальных зон.

1.2 Методы и программные средства ГИС-анализа пространственных данных.

1.2.1 Методические вопросы ГИС-анализа.

1.2.2 Реализация функций пространственного анализа программными средствами ГИС-технологий.

1.3 Методы многомерной кластеризации данных.

1.4 Постановка задач диссертационных исследований.

РАЗДЕЛ 2. РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН.

2.1 Методические вопросы моделирования однородных территориальных зон.

2.2 Разработка алгоритма построения модели совокупности однородных территориальных зон.

2.3 Разработка алгоритма преобразования результатов кластеризации в формат геоданных.

2.4 Разработка численного метода исследования адекватности математической модели совокупности однородных территориальных зон

РАЗДЕЛ 3. РАЗРАБОТКА КОМПЛЕКСА ПРОГРАММ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН.

3.1 Структура комплекса программ имитационного моделирования однородных территориальных зон.

3.2 Модуль многомерной автоматической кластеризации.

3.3 Модуль геопреобразования данных.

3.4 Подсистема пространственного анализа.

РАЗДЕЛ 4. ЧИСЛЕННОЕ ИССЛЕДОВАНИЕ АДЕКВАТНОСТИ МОДЕЛИ СОВОКУПНОСТИ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН

4.1 Исследование адекватности имитационной модели однородных геоботанических зон на основе совокупности климатических и геоботанических данных.

4.2 Исследование адекватности имитационной модели однородных зон на основе данных о различных популяциях ели.

4.3 Исследование адекватности имитационной модели однородных зон мерзлоты на основе совокупности климатических и геокриологических данных.

РАЗДЕЛ 5. ПРИМЕРЫ ПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ МАТЕМАТИЧЕСКОЙ МОДЕЛИ СОВОКУПНОСТИ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН.

5.1 Моделирование зон экологического риска воздействия атмосферного загрязнения при сжигании попутного нефтяного газа на растительный покров.

5.2 Моделирование зон шумового загрязнения окружающей среды в окрестностях аэропорта г. Ханты-Мансийска.

5.3 Моделирование зон радиационного загрязнения речной воды и донных осадков.

Существует широкий круг задач, связанных с выявлением пространственной структуры однородных по своим свойствам зон природных и природно-техногенных объектов или явлений, например, зон повышенного загрязнения, зон распространения различных популяций, зон заболеваемости опасными болезнями и др. Решение подобных задач осуществляется с использованием различных подходов к моделированию однородных территориальных зон (ОТЗ) на основе пространственного анализа экспериментальных данных с применением технологий геоинформационных систем (ГИС-технологий). Исходные данные в задачах моделирования, ОТЗ, как. правило, получаются в ходе натурного эксперимента, результатом которого является выборка многомерных пространственных данных. Высокая стоимость организации и проведения натурного эксперимента в науках о Земле, а также характерная для решения ряда задач труднодоступность исследуемой территории являются основными причинами того, что измерения совокупности характеристик объектов исследования проводятся в малом» числе пунктов отбора проб, как правило, нерегулярно распределенных по территории.

Известные подходы к моделированию ОТЗ традиционно используют статистические методы анализа экспериментальных данных [1-5]. Другие подходы основаны на использовании интегрального показателя, рассчитанного на имеющейся совокупности характеристик, либо на одной-единственной характеристике объекта исследования [6-10]. Особенности использования существующих подходов к моделированию ОТЗ (требование соответствия выборки исходных данных нормальному закону распределения, необходимость использования обучающей выборки, требование наличия регулярной сети измерений) не позволяют применять их в условиях малого объема-многомерных экспериментальных данных.

В связи с этим возникает необходимость разработки нового подхода к решению задач моделирования ОТЗ в условиях малого объема исходных данных. Спецификой исходных данных, получаемых в ходе натурного эксперимента, является их многомерность и пространственный характер свойств исследуемых объектов. Для анализа многомерных данных перспективным является использование методов многомерной автоматической кластеризации, которые не предъявляют особых требований к выборке исходных данных. Для учета пространственных свойств исследуемых объектов, таких как географические координаты, площадь, протяженность, взаимное расположение объектов, и др. традиционно используются методы ГИС-анализа, реализуемые в геоинформационных системах. Поэтому актуальным является разработка нового подхода к моделированию ОТЗ в условиях малого объема исходных данных на основе сочетания методов многомерной кластеризации и ГИС-анализа. Методические вопросы такого подхода в настоящее время не разработаны, что и определило цель настоящей работы.

Целью диссертационной работы является разработка математической модели совокупности однородных территориальных зон в условиях малого объема экспериментальных данных, алгоритма построения модели и комплекса программ имитационного моделирования на основе сочетания методов многомерной кластеризации и ГИС-анализа.

Для достижения поставленной цели потребовалось решить следующие задачи:

• провести анализ современного состояния вопросов математического моделирования'- однородных территориальных зон на основе экспериментальных данных о пространственно-распределенных объектах, представленных многомерными массивами малого объема;

• разработать математическую модель совокупности однородных территориальных зон, пригодную для использования в условиях малого объема экспериментальных данных и нерегулярной сети наблюдений;

• разработать алгоритмы моделирования и создать комплекс программ; имитационного моделирования совокупности однородных территориальных зон в условиях малого объема исходных данных;

• провести исследование ■ адекватности разработанной математической модели; совокупности; однородных территориальных зон с использованием тестовых экспериментальных данных; проиллюстрировать использование результатов' диссертационных исследованию напрактических примерах.

Методы? исследования базируются на теориях математического моделирования» и многомерной кластеризации; а также на! методах прикладной; математики,, ГИС-анализа, численного анализа, прикладного программирования. Для создания1 программных продуктов применялась технология объектно-ориентированного программирования.

Научная; новизна; В диссертационной работе получен ряд новых научных.результатов:

1) Предложена математическая модель совокупности однородных территориальных зон; применимая? в условиях малого» объема многомерных экспериментальных данных и реализуемая с использованием нового алгоритма^ основанного, на сочетании методов многомерной кластеризации и ГИС-анализа.

2) Разработан численный; метод исследования адекватности математической- модели совокупности однородных территориальных; зон; отличительной» особенностью которого .является; использование тестовых цифровых карт однородных зон,, полученных на основе долговременных натурных экспериментов<в¡различных отраслях наук о Земле.

3) Разработан; комплекс, программ; отличительной особенностью которого- являются реализации; нового алгоритма; имитационного моделирования: совокупности однородных территориальных зон и нового алгоритма преобразования результатов кластеризации к формату представления модели, в геоинформационной системе.

Практическая значимость. Практическую ценность работы представляет разработанный алгоритм построения математической модели совокупности однородных территориальных зон, и реализованный комплекс: программ имитационного моделирования,, позволяющий создавать модели однородных зон в условиях малого объема экспериментальных данных.-Разработанный комплекс программ имитационного моделирования, может быть использован также, для комплексного анализа результатов междисциплинарных исследований в: различных отраслях наук о Земле. Практическую ценность имеют результаты решения, прикладных задач, полученные с использованием: разработанного комплексам программ имитационного моделирования:

Апробация работы:. Основные результаты, диссертационной работы были, изложены на международных и; всероссийских конференциях и симпозиумах, в том числе на Всероссийской конференции» "Северный регион: наука и социокультурная; динамика" (Сургут, 2002), на 2-ом Региональном симпозиуме "Химия и окружающая среда" (Сербия, 2003), на Международной конференции? "Вычислительно-информационные технологии для наук об окружающей: среде" (Томск,. 2003), на 21-ой Международной конференциишо органической химии; (Польша, 2003), на 2-ош Международной научно-практической конференции "Эколого-географические проблемы? природопользования? нефтегазовых регионов" (Нижневартовск, 2003), на международной, конференции "Экология Сибири, Дальнего Востока и Арктики" . (Томск, 2003), на Международной конференции по измерениям, моделированию и информационным системам дляг изучения окружающей среды "Етагогтз — 2004" (Томск, 2004), на 4-ом Международном? симпозиуме "Контроль и реабилитация окружающей среды" (Томск, 2004), на 10-ой Международной научно-практической конференции по- проблемам: защиты, населения* и территорий от чрезвычайных ситуаций (Москва 2005), на 7-ом Сибирском совещании по климато-экологическому мониторингу (Томск, 2007).

Публикации. По результатам исследований опубликовано 16 печатных работ, в том числе 3 в рецензируемых журналах из перечня ВАК, рекомендуемых для опубликования основных научных результатов диссертации на соискание ученой степени кандидата технических наук, и 1 свидетельство об официальной регистрации программы для ЭВМ.

Структура и объем работы. Диссертация, состоит из введения, пяти разделов, заключения и списка литературы. Объем диссертации составляет 138 страниц, включая ЗГ рисунок, 10 таблиц, 9 приложений и список использованной литературы из 140 источников.

Выводы по разделу 5. Проиллюстрированы возможности использования математической модели совокупности однородных территориальных зон и практического, применения комплекса программ имитационного моделирования на примерах решения трех задач выявления пространственной структуры природных и природно-техногенных объектов и явлений. В результате моделирования зон экологического риска воздействия атмосферного загрязнения на* территории Приобского месторождения выделены три зоны: неприемлемого* риска, приемлемого риска и пренебрежимого риска. Моделирование зон шумового загрязнения окружающей среды в окрестности международного аэропорта г. Ханты-Мансийска позволило выявить зоны высокого, среднего- и низкого уровня шумового загрязнения. По результатам моделирования радиационного загрязнения воды и донных осадков в Обь-Иртышской речной системе был выявлен участок реки Обь вблизи слияния1 с рекой Иртыш, где наблюдается повышенный уровень радиационного загрязнения. Рассмотренные задачи относятся к различным отраслям наук о Земле, что подтверждает универсальность, разработанной в ходе диссертационных исследований математической модели однородных территориальных зон.

ЗАКЛЮЧЕНИЕ

В заключение приведем основные результаты, полученные в диссертационной работе:

1) Разработана концептуальная схема построения математической модели- однородных территориальных зон в условиях малого объема экспериментальных данных с использованием методов многомерной кластеризации иРИС-анализа.

2) Предложена- математическая, модель совокупности однородных территориальных зон, применимая в условиях малого объема выборки многомерных экспериментальных данных. Математическая модель реализуется^ с использованием нового, алгоритма, основанного на сочетании методов многомерной-автоматической кластеризации и ГИС-анализа.

3) Разработан алгоритм* преобразования результатов многомерной кластеризации к формату геоданных, пригодному для использования в геоинформационных системах. В алгоритме реализована поддержка трех различных геоинформационных систем: ArcGIS, Arc View и Golden Surfer.

4) Предложен численный метод исследования адекватности модели совокупности однородных территориальных зон. Отличительной особенностью численного метода является- использование I экспериментальных .данных и тестовых цифровых карт однородных зон, полученных на-основе-долговременных натурных экспериментов.

5) Создан комплекс программ имитационного моделирования однородных территориальных« зон, применимый в условиях малого объема исходных данных. Отличительной особенностью, комплекса- программ являются реализации алгоритма построения модели: однородных территориальных зон и алгоритма преобразования результатов кластеризации^ формату геоданных.

6) По результатам проведенных численных экспериментов на основе трех различных массивов экспериментальных данных и соответствующих им тестовых цифровых карт показано, что адекватными являются те реализации модели однородных территориальных зон, которые были получены с использованием алгоритмов максимального локального расстояния или к-средних в сочетании с методами ГИС-анализа.

1. Тикунов В. С. Моделирование в картографии: Учебник. — М.: Изд-во МГУ, 1997.-405с.

2. Сердюцкая JI. Ф., Яцишин А. В.- Техногенная экология. Математико-картографическое моделирование. — М.: Книжный дом "ЛИБРОКОМ", 2009.-232с.

3. J. Andrew Royle, Robert М. Dorazio. Hierarchical modeling and inference in ecology. Elsevier Ltd., 2008. - 444p.t

4. Andrew B. Lawson. Bayesian disease mapping. Hierarchical modeling in spatial epideviology. Chapman and Hall/CRC, 2009. - 344p.

5. Poh-Chin Lai, Fun-Mun So, Ka-Win g Chan. Spatial epidemiological approaches in disease mapping and analysis. — CRC Press/Tailor and Francis Group, 2009. 184p.

6. Кузьмиченок В. А. Математико-картографическое моделирование возможных изменений водных ресурсов и оледенения Кыргыстана при изменении климата // Вестник Кыргызско-Российского славянского университета. — 2003. — №6. — С. 33—41.

7. Ковалева Т. М. Математическое моделирование очагов зараженияклещевыми зоонозами на территории Алтайского края // Известия Алтайского государственного университета. — 2008. — №1(57). — С. 58— 62.

8. Катаев М. Ю., Лавыгина А. В., Ходашинский И. А., Эпштейн Д. А. Нечеткий аппроксиматор атмосферных температурных полей // Автометрия. 2010. Т. 46, №5. С. 39^18.

9. Тимонин С. А. Математико-картографическое и геоинформационное моделирование демографических процессов в регионах Российской

10. Федерации // Вестник Московского университета. Серия 5. География. — 2010.-№5.-С. 11-18.

11. Кулик К. Н., Юрофеев В. Г. Компьютерное математико-картографическое моделирование агролесоландшафтов на основе аэрокосмической информации // Доклады Российской академии-сельскохозяйственных наук. — 2010. — №1. — С. 52-54.

12. Алаев Э. Б. Социально-экономическая география: понятийно-терминологический словарь. — М.: Мысль, 1983. — 290с.

13. Тикунов В. С. Классификации в географии: ренессанс или увядание? (Опыт формальных классификаций). — Москва-Смоленск: Изд-во СГУ, 1997.-367с.

14. Берлянт А. М. Картография: Учебник для вузов. М.: Аспект Пресс, 2002. -336с.

15. Solomatine D.P. Applications of data-driven modeling and machine learning in control of water recources // Computational Intelligence in Control / Eds. M. Mohammadian, R. A. Sarker, X Yao. London: Idea Group Publishing, 2002. P. 197-217.

16. Solomatine D. P. Data-driven modeling: paradigm, methods, experiences.tb

17. Presentation at the 5 International Conference on Hydroinformatics, Cardiff, UK, July 2002 Электронный ресурс. — Режим доступа: http://www.unesco-ihe.org/hi/hi/staff/sol/HI2002-DDM-76transp.pdf. Дата обращения: 11.04.2011.

18. Kernel density estimation of temporal changes of SARS Cases in Hong Kong Электронный ресурс. — Режим доступа: http://geog.hku.hk/pclai/kernel/ kernelflash.html. Дата обращения: 05.04.2011.

19. Сунгатуллин P. X. От компьютерно-математического моделирования — к синтезу знаний и интегральной геологии // Геоинформатика. — 2008. — № 1. С. 33-34.

20. Andrew В. Lawson, David G.T. Denison. Spatial cluster modeling. — Chapman and Hall/CRC, 2002. 287p.

21. Xinhao Wang Integrating. GIS, simulation models, and visualization in traffic impact analysis // Computers, Environment and Urban Systems. —Volume 29. Issue 4. - 2005. - P. 471-496.

22. Huiyan Sang, Alan E. Gelfand. Hierarchical modeling for extreme values observed over space and time // Environmental and ecological statistics. — Volume 16. Number 3. - 2009. - P: 407-426.

23. Геоинформатика. Толковый словарь основных терминов. Под редакцией А. М. Берлянта, А. В. Кошкарева. — М.: ГИС-Ассоциация, 1999. — 204с.

24. Самарский А. А., Михайлов А. П. Математическое моделирование: Идеи. Методы. Примеры. 2-е изд., испр.- М.: ФИЗМАТЛИТ, 2005. -320с.

25. Введение в математическое моделирование: Учебное пособие / Под ред. Трусова П. В. М.: Логос, 2005. - 440с.

26. Роберте Ф. С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам / Пер. с англ. Раппопорта А. М., Травкина С. И. Под ред. Теймана А. И. М.: Наука. Гл. ред. физ.-мат. лит., 1986. — 496с.

27. Алексеев В. В., Крышев И. И., Сазыкина Т. Г. Физическое и математическое моделирование экосистем. — Санкт-Петербург: Гидрометеоиздат, 1992.— 367с.

28. Калашников В. В. Организация моделирования сложных систем. — М.: Знание, 1982. 64с.

29. Полшцук Ю. М. Имитационно-лингвистическое моделирование систем с природными компонентами. — Новосибирск: Наука. Сиб. отд-ние, 1992. 229с.

30. Лоу А., Кельтон В. Имитационное моделирование. Классика Computer Science. 3-е изд. — СПб.: Питер; Киев: Издательская группа BHV, 2004. — 847с.

31. Шеннон Р. Имитационное моделирование систем — искусство и наука. /Пер. с англ. -М.: Мир, 1978. -421с.

32. Клейнен Дж. Статистические методы в имитационном моделировании / Пер. с англ. Ю. П. Адлера, К. Д. Аргуновой, В. Н. Варыгина, А. М. Талалая. Под ред. и с предисл. Ю. П. Адлера и В. Н. Варыгина. — Вып. 1. -М: Статистика, 1978. -221с.

33. Полшцук Ю. М., Силич В. А., Татарников В. А. Региональные экологические имитационно-моделирующие системы. — Новосибирск: ВО Наука. Сибирская издательская фирма, 1993. — 133с.

34. Бугаевский JI. М., Цветков В. Я. Геоинформационные системы: Учебное пособие для вузов. — М.: "Златоуст", 2000. — 222с.

35. Коновалова Н. В., Капралов Е. Г. Введение в ГИС. Учебное пособие. Изд-е 2-е исправленное и дополненное. — М.: Библион, 1997. — 160с.

36. Замай С. С., Якубайлик О. Э. Программное обеспечение и технологии геоинформационных систем: Учебное пособие. — Красноярск: Краснояр. гос. ун-т, 1998.- 110с.

37. Тикунов В. С., Цапук Д. А. Устойчивое развитие территорий: картографо-геоинформационное обеспечение. — Москва-Смоленск: Изд-во СГУ, 1999.- 176с.

38. Цветков В. Я. Геоинформационные системы и технологии. — М., 1998. — 287с.

39. Иванников А. Д., Кулагин В. П., Тихонов А. Н., Цветков В. Я. Геоинформатика. -М.: МАКС Пресс, 2001. -349с.

40. Митчелл Э. Руководство ESRI по ГИС анализу. Том 1. — ESRI Press, 1999.- 190с.

41. Королев Ю. К. Общая геоинформатика. Часть I. Теоретическая геоинформатика. Выпуск 1. -М.: ООО СП "Дата+", 1998. 118с.

42. Кошкарев A.B., Тикунов B.C. Геоинформатика. — М.: Геодезиздат, 1993. -213с. ' "

43. Турлапов В. Е. Геоинформационные системы в экономике: Учебно-методическое пособие. — Нижний Новгород: НФ ГУ-ВШЭ, 2007. — 118с.

44. Савиных В. П., Цветков В. Я. Геоинформационный анализ данных дистанционного зондирования. — М.: Картгеоцентр-Геодезиздат, 2001. — 228с.

45. Лопандя А. В., Немтинов В. А. Основы ГИС и цифрового тематического картографирования: Учебно-методическое пособие. — Тамбов: ГОУ ВПО "ТГТУ", 2007. 72с.

46. Бут Б., Митчелл Э. Начало работы в ArcGIS. ESRI Press, 1999. - 253с.

47. Журкин И. Г., Шайтура С. В. Геоинформационные системы. — Москва: КУДИЦ-ПРЕСС, 2009. 272с.

48. Ковин Р. В., Марков Н. Г. Геоинформационные системы и технологии: Учебник. Томск: Изд-во ТПУ, 2009. - 267с.

49. Самардак А. С. Геоинформационные системы: Учебное пособие. — Владивосток: ТИДОТ ДВГУ, 2005. 123с.

50. Геоинформационные технологии Электронный ресурс. — Режим доступа: http://gis-tech.ru/. Дата обращения: 09.01.2011.

51. Карпик А. П. Методологические и технологические основы геоинформационного обеспечения территорий: Монография. — Новосибирск: СГГА, 2004. 260с.

52. Дубинин М. Ю., Рыков Д. А. Открытые настольные ГИС: обзор текущей ситуации // Информационный бюллетень ГИС-Ассоциации. № 5 (72). — М.: ООО "Технология ЦД", 2009. С. 14-21.

53. ArcView GIS. Envorinmental Systems Research Institute. Inc. N.Y., 1997. -376р.

54. Maplnfo Professional 9.0. Руководство пользователя / Русский перевод Журавлёв В., Колотов А., Мусин К., Николаев В. М.: ООО "ЭСТИ МАП", 2006.-618с.

55. ArcGIS 9. Начало работы в ArcGIS / Пер. с англ. М.: Изд. "Дата+", 2002. - 265с.

56. ArcGIS 9. Что это такое ArcGIS / Пер. с англ. М.: Изд. "Дата+", 2002. -124с.

57. АгсМар. Руководство пользователя. Часть 1 / Пер. с англ. — М.: Изд. "Дата+", 2000. 290с.

58. ArcGIS 9. Survey Analyst. Руководство пользователя / Пер. с англ. — М.: Изд. "Дата+", 2002. 297с.

59. ArcGIS 9. Spatial Analyst. Руководство пользователя / Пер. с англ. — М.: Изд. "Дата+", 2002. 216с.

60. ArcGIS 9. Geostatistical Analyst. Руководство пользователя / Пер. с англ. -М.: Изд. "Дата+", 2002. 278с.

61. Ковин Р. В., Марков Н. Г. Геоинформационные технологии для анализа двумерных геополей. — Томск: Изд-во Том. ун-та, 2006, — 166с.

62. Силкин К. Ю. Геоинформационная система Golden Software Surfer 8: Учебно-методическое пособие для вузов. — Воронеж: Изд-во ВГУ, 2008. -66с.

63. Терехина А. Ю. Анализ данных методами многомерного шкалирования. -М.: Наука, 1986.-168с.

64. Дейвисон М. JI. Многомерное шкалирование: методы наглядного представления данных. — М.: Финансы и статистика, 1988. — 254с.

65. Орлов А. И. Прикладная статистика. Учебник. — М.: Экзамен, 2006. — 672с.

66. Харман Г. Современный факторный анализ. — М.: Статистика, 1972. — 488с.

67. Лоули Д., Максвелл А. Факторный анализ как статистический метод. Пер. с англ. -М.: Изд-во Мир, 1967. — 144с.

68. Дубров А. М. Обработка статистических данных методом главных компонент. -М.: Статистика, 1978. — 135с.

69. Андерсон Т. Введение в многомерный статистический анализ./ Пер. с англ. — М.: Физматгиз, 1963. — 500с.

70. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. — М.: Наука, 1976. — 736с.

71. Дубровский С. А. Прикладной многомерный статистический анализ. — М.: Финансы и статистика, 1982. — 216с.

72. Глинский В. В. Ионин В. Г. Статистический анализ. М.: ИНФРА-М, 1998.-344с.

73. Савчук В.П. Байесовские методы статистического оценивания. Надежность технических объектов. — М.: Наука, 1989. — 323с.

74. Хей Дж. Введение в методы байесовского статистического вывода / Пер. с англ.; Вступит, статья А. А. Рывкина. — М.:Финансы и статистика, 1987.-335с.

75. Зельнер А. Байесовские методы в эконометрии. — М.: Статистика, 1980. -438с.

76. Айвазян С. А. Бежаева 3. И. Староверов О. В. Классификация многомерных наблюдений. — М.: Статистика, 1974. 240с.

77. Кильдишев Г. С., Аболенцев Ю. И. Многомерные группировки. — М.: Статистика, 1978. — 160с.

78. Прикладная статистика: Классификация и снижение размерности. Справ, изд. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин JT. Д. / Под ред. Айвазяна С. А. — М.: Финансы и статистика, 1989. 607с.

79. Факторный, дискриминантный и кластерный анализ / Пер с англ. Дж. Ким О., Мьюллер Ч. У., Клекка У. Р. и др.; Под ред. Енюкова И. С. — М.: Финансы и статистика, 1989. — 215с.

80. Классификация и кластер / Под ред. Дж. Ван Райзин. — М.: Мир, 1980. — 369с.

81. Мандель И. Д. Кластерный анализ. — М.: Финансы и статистика, 1988. — 176с.

82. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Методы и модели данных: OLAP и Data Mining. СПб.: БВХ-Петербург, 2004 -336с.

83. Журавлев Ю. И., Гуревич И. Б. Распознавание образов и распознавание изображений // Распознавание. Классификация. Прогноз. Математические методы и их применение. Выпуск 2. — М.: Наука, 1989. С. 5-72.

84. Елисеева И. И., Рукавишников В. О. Группировка, корреляция, ' распознавание образов: Статистические методы классификации и измерения связей. — М.: Статистика, 1977. — 143с.

85. Дубров А. М., Мхитарян В. С., Трошин Л. И. Многомерные статистические методы и основы эконометрики. Учебное пособие. Московский государственный университет экономики, статистики и информатики. М.: МЭСИ, 2002. - 79с.

86. Дюран Б., Одел П. Кластерный анализ. — М.: Статистика, 1977. — 128с.

87. Сошникова Л. А., Тамашевич В. Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике: Учеб. пособие для вузов / Под ред. проф. В. Н. Тамашевича. М.: ЮНИТИ-ДАНА, 1999. - 598с.

88. Айвазян С.А. Статистические исследования зависимостей. М.: Металлургия, 1968.-227с.

89. Статистические методы классификации. Сборник статей под ред. Благовещенского Ю.Н. Вып.1. — М.: Издательство МГУ, 1969. 174с.

90. Малиновский Л. Г. Классификация объектов средствами дискриминантного анализа. — М.: Наука, 1979. — 260с.

91. Методы анализа данных: Подход, основанный на методе динамических сгущений: Пер. с. фр. / Кол. авт. под рук. Э. Дидэ; Под ред. и с предисл. С. А. Айвазяна и В. М. Бухштабера. — М.: Финансы и статистика, 1985. — 357с.

92. Уильяме У. Т., Ланс Д. Н. Методы, иерархической классификации // Статистические методы для ЭВМ / Под ред. М. Б. Малютова. — М.: Наука, 1986.-С. 269-301.

93. Аркадьев А. Г., Браверман Э. М. Обучение машины классификации объектов. — М.: Наука, 1971.

94. Загоруйко H. Г. Методы распознавания и их применение. — М.: Сов. радио, 1972.-207с.

95. Фукунага К. Введение в статистическую теорию распознавания образов /Пер. с англ. М.: Наука, 1979. - 367с.

96. Вопросы статистической теории распознавания / Под ред. Барского Б. В.- М.: Сов. радио, 1967. 399с.

97. Девис Дж. Статистика и анализ геологических данных. — М.: Мир, 1977.- 572с.

98. Розин Б. Б. Распознавание образов в экономических исследованиях. — М. : Статистика, 1973. 198с.

99. Жамбю М. Иерархический кластер-анализ и соответствия / Пер. с фр. — М.: Финансы и статистика, 1988. — 342с.

100. Гайдышев И. П. Анализ и обработка данных: специальный справочник.- СПб: Питер, 2001. 752с.

101. Полищук Ю. М., Токарева О. С. Геоимитационное моделирование зон атмосферного загрязнения в результате сжигания газа на нефтяных месторождениях // Информационные системы и технологии. — 2010. — № 2/58 С. 39-46.

102. Бусленко Н. П. Моделирования сложных систем. — М.: Наука, 1978. — 400с.

103. Леонтьев Б. К. Форматы файлов Microsoft Windows ХР. Справочник 2005. М.: ЗАО "Новый издательский дом", 2005. - 352с.

104. Романов Б. А. Кушниренко А. С. dBase IV. Назначение, функции, применение. М.: Радио и связь, 1991. — 384с.

105. Дунаев В. В. Базы данных. Язык SQL. СПб.: БВХ-Петербург, 2006. -288с.

106. Техническое описание Shapefile ArcView Электронный ресурс. — * Режим доступа: http://www.dataplus.ru/support/rNFO/Shape.htm. Датаобращения: 16.12.2010.

107. Справочная система по использованию программы Surfer Электронный ресурс. Режим доступа: http://grinikkos.eom/Donlowd/6/l.pdf. Дата обращения: 23.02.2011.

108. Кэнту М. Delphi.7: Для профессионалов. СПб.: Питер, 2004. - 1101с.

109. Глушаков С. В., Клевцов A. JIi Программирование в среде Delphi-7.0. Изд. 2-е доп., перераб. Харьков:« Фолио, 2003. - 528с.

110. Бобровский С. И. Delphi 7. Учебный курс.— СПб.: Питер, 2004. — 736с.

111. Guide 94: Programming in ArcView 3.x GIS using Avenue. Version 1.4. University of Durham Information Technology Service Электронный ресурс. — Режим доступа: http://www.dur.ac.uk/resources/its/info/guides/ 94Avenue.pdf. Дата обращения: 16.12.2010.

112. Муканова А. А., Попов П. П. Фенотипическая структура популяций ели сибирской на территории тюменской области // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 2. Тюмень: Изд-во ИПОС СО РАН, 2001. - С. 97-104.

113. Гашева Н. А., Попов П. П. Изменчивость и структура популяций ели сибирской на среднем Урале // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 2. — Тюмень: Изд-во ИПОС СО РАН, 2001. — С. 105-112.

114. Попов П. П. Географическая изменчивость и дифференциация популяций ели европейской и сибирской в их непрерывном ареале // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 3. — Тюмень: Изд-во ИПОС СО РАН, 2002. С. 102-109.

115. Попов П. П. Соотношение внутрипопуляционной и географической изменчивости ели в европейско-сибирской части ареала // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 5. — Тюмень: Изд-во ИПОС СО РАН, 2005. С. 80-85.

116. Попов П.П. Географическая изменчивость формы семенных чешуй ели в Восточной Европе и Западной Сибири // Лесоведение. М.: Наука, 1999. -№ 1.-С. 68-73.

117. Попов П. П. Фенотипическое положение популяций ели в Европейско-Сибирской части ареала // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 8. — Тюмень: Изд-во ИПОС СО РАН, 2008. — С.108-115.

118. Полшцук Ю.М., Полищук В.Ю. Имитационное моделирование полей термокарстовых озер на территории многолетней мерзлоты // Информационные системы и технологии. — Орел: ОрелГТУ, 2011. — №1 (63).-С 53-60.

119. Кокорина Н. В., Татаринцев Б. П. Методические вопросы выбора тест-объектов биоиндикации с использованием алгоритма сравнения коэффициентов вариации // Вестник Томского государственного университета. Биология. 2010. № 3 (11) — С. 65-72.

120. Гриценко А. И., Акопова Г. С., Максимов В. М. Экология, нефть и газ. — М.: Наука, 1997.-598с.

121. Алексеев А. С. Мониторинг лесных экосистем. — СПб.: JITA, 1997. — 116с.

122. Убайдулаев А. А., Углев В. В., Шагут Ю. К. Оценка воздействия Ханты-Мансийского аэропорта на окружающую среду // Материалы шестойнаучно-практической конференции, посвященной памяти A.A. Дунина

123. J Горкавича. Нижневартовск: Издательский дом "Югорский", 2010. — С.93.

124. ГОСТ 17187-81 Шумомеры. Общие технические требования и методы испытаний Текст. / введен 01.07.1982. — М.: Издательство стандартов, 1981.-28с.

125. ГОСТ 53188.1-2008 Шумомеры. Часть 1. Технические требования Текст.'/ введен 01.12.2009. М.: Стандартинформ, 2009.- - 36с.

126. Проблемы радиоэкологии и пограничных дисциплин / Ред. Мигунов В. И., Трапезников А. В. Выпуск 7. — Екатеринбург, 2005. — С. 197—212.

127. Кочергин Г.А., Перемитина Т.О., Полищук Ю.М. Геоинформационная методология анализа радиационного загрязнения речных систем. Проблемы анализа риска. Т.2. — 2005. — №3. — С. 208—220.

128. Радиация. Дозы, эффекты, риск / Пер. с англ. М.: Мир, 1990. — 79с.

129. Мамихин С. В. Опыт имитационного моделирования динамики техногенных радионуклидов в наземных экосистемах // Проблемы радиоэкологии и пограничных дисциплин / Ред. Мигунов В. И., Трапезников А. В. Выпуск 6. — Заречный, 2005. — С. 269-291.

130. Мамихин С. В., Никулина М. В. Имитационная модель поведения стронция-90 в почве и древесном ярусе соснового леса // Радиационная биология. Радиоэкология. Т. 45.— М.: Академиздатцентр "Наука" РАН, 2005.-№4.-С. 218-226.

131. Мамихин С. В. Проблемы и перспективы создания глобальных радиоэкологических моделей // Проблемы радиоэкологии и пограничных дисциплин / Ред. Мигунов В.И., Трапезников A.B. Выпуск 8. Заречный, 2006. - С. 156-173.