WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

Шишов Владимир Валерьевич

Визуализация и анализ дендроклиматической информации на основе интерактивной системы дендроклиматического мониторинга

Специальность 05.13.01 – Системный анализ, управление и обработка информации

Автореферат диссертации на соискание ученой степени доктора технических наук

Братск – 2009

Работа выполнена в Институте леса им. В.Н. Сукачева Сибирского отделения Российской академии наук.

Научный консультант доктор биологических наук, профессор, академик РАН Ваганов Евгений Александрович.

Официальные оппоненты: доктор технических наук, профессор Краковский Юрий Мечиславович доктор физико-математических наук, профессор Семенов Сергей Михайлович доктор физико-математических наук, профессор Смирнова Елена Валентиновна Ведущая организация Институт вычислительного моделирования Сибирского отделения Россйиской академии наук

Защита диссертации состоится «____»______________2009 г. в ______час.

на заседании диссертационного совета Д. 212.018.01 при ГОУ ВПО «Братский государственный университет»

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Братский государственный университет» Автореферат разослан «____» _________________2009 г.

Ученый секретарь диссертационного совета, к.т.н., доцент Игнатьев И.В.

Общая характеристика работы

Актуальность темы Одной из важнейших проблем современной глобальной экологии является надежное выделение и количественная оценка изменений в естественных природных системах, обусловленных антропогенной деятельностью (Ваганов и др., 1996; 2000; Ваганов, Шиятов, 1999; Мазепа, 1999а; 1999б; Хантемиров, 1999; Шиятов, 1986; Шиятов, Ваганов, 1998;

Briffa et al., 1998, 2004, 2007; Cook et al., 1987; Fritts et al., 1971). У этой плохо формализуемой проблемы отсутствуют простые решения. Связано это, прежде всего, с тем, что сама биосфера и лесные экосистемы, как важнейшие составляющие биосферы, их функционирование и взаимоотношения с другими компонентами Земли изучены недостаточно.

Кроме этого, взаимодействие лесных экосистем с другими глобальными системами (например, солнечной иррадиацией) носит нелинейный характер, что также значительно усложняет решение проблемы.

Современные состояния биосферы или глобальные биосферные изменения конца XX века являются результатом нелинейных взаимоотношений естественных и антропогенных причин. Эти изменения отражаются, например, в уникальном 30-летнем повышении глобальной приземной температуры в позднем голоцене Земли, современным увеличением концентрации различных парниковых газов, прежде всего, CO2, увеличением числа и интенсивности различных катастрофических событий (землетрясений, ураганов, штормов, наводнений) в XX век и т.п.

(Jones et al., 2001; Jones, 2002; Hulme, Jones, 1994; Kelly et al., 1996; Thorne et al., 2003; Damon, Peristykh, 2005; IV IPCC report, 2007).

При решение разнообразных задач глобальной экологии принятие обоснованных решений является достаточно сложной проблемой.

Это вызвано рядом причин. Как правило, задачи по принятию решений являются плохо формализуемыми, что вызывает недопонимание между экспертом в области принятия решений и лицом, непосредственно принимающим решение (например, экологом), уже на этапе постановки задачи. Более того, не существует единого алгоритма при решении таких задач. Эксперт в области принятия решений должен обладать достаточно широким алгоритмическим инструментарием, включающим в себя использование методов из различных областей знаний (например, теории классификации, спектрального анализа, множественного регрессионного анализа, математической статистики и т. п.).

Выбор конкретного подхода к решению поставленной задачи обуславливается первичным набором данных, знанием основ функционирования изучаемой системы (например, общих принципов функционирования лесной экосистемы), внутренних и внешних факторов, которые могут оказывать существенное влияние на поведение такой системы. Достаточно часто эти факторы являются неопределенными и носят случайный характер. В таких ситуациях приходится принимать вероятностные решения в условиях риска и неопределенности.

Один из возможных подходов в решении поставленной проблемы заключается в анализе имеющейся совокупности длительных пространственно-распределенных временных рядов наблюдений, как единой системы, фиксирующих динамические состояния биосферы, в частности, компонентов лесных экосистем. Такой подход позволяет определять естественные (без вмешательства человека) состояния лесных экосистем и способы их взаимодействия с другими подсистемами Земли, строить соответствующие имитационные модели, описывающих динамику этих подсистем, с последующим возможным выделением антропогенных составляющих.

С начала 90-х годов XX века в России формируется единая государственная система экологического мониторинга, и в её составе - раздел дендрохронологического и дендроклиматического мониторинга, то есть «информационная система слежения, оценки и прогноза изменений годичного прироста деревьев и определяющих этот прирост факторов» (Ваганов и др., 1996; 2000; Ваганов, Шиятов, 1999; Шиятов, 1986; Шиятов, Ваганов, 1998).

В настоящее время накоплен уникальный дендрохронологический материал, включающий не только данные по обширной территории России, но и данные по Западной Европе, Южной и Северной Америке, Азии (Ваганов и др., 1996; 2000; Ваганов, Шиятов, 1999; Мазепа, 1999а;

1999б; Хантемиров, Шиятов, 1999; Шиятов, 1986; Шиятов, Ваганов, 1998;

Шишов, 2000; Шишов и др., 2002; Briffa et al., 1998, 2004, Cook et al., 1987;

Fritts et al., 1971). Среди прямых и косвенных источников информации о состояниях биосферы, дендрохронологический материал или временные ряды радиального прироста деревьев (древесно-кольцевые хронологии - ДКХ) имеют важные особенности: 1) высокое временное разрешение (год); 2) достаточную длительность (ДКХ по живым деревьям покрывают интервал до 700-800 лет, с использованием ископаемой древесины – несколько тысячелетий, что позволяет оценивать изменение климата); 3) четкую количественную основу; 4) практически повсеместное распространение на территории суши по земному шару. Система таких пространственно-распределенных ДКХ характеризует основное поведение и динамику одной из важнейших лесных компонент биосферы Земли.

Сами ДКХ, представляющие собой временные ряды (ВР) или случайные функции (СФ) с дискретным аргументом, несут разнообразную информацию о факторах, определяющих прирост деревьев, таких как:

внутренних (организменных), фитоценотических и внешних.

Совокупность пространственно-распределенных ДКХ и климатических временных рядов является исходным источником информации для выявления, анализа и моделирования изменений в росте древесных растений, имеющих как специфические (региональные) особенности, так и общий для обширной территории России и Западной Европы характер. Такие общие изменения могут быть ассоциированы с сигналом, характеризующим взаимодействие биосферы с факторами климатической природы.

Выявить, проанализировать и визуализировать подобные закономерности в приросте древесных растений в связи с изменениями климатических факторов можно при помощи разнообразных математикостатистических методов, новых и традиционно используемых в дендроклиматологии и реализованных в виде программного обеспечения с бесплатной лицензией. Но такие задачи являются очень трудоемкими и затратными по времени, так как связаны с обработкой больших массивов данных, а также обобщением и визуализацией пространственнораспределенной информации на огромных территориях.

В связи с этим, представляется важным автоматизация решения подобного рода проблем на основе соответствующих специальноразработанных систем обработки информации, которые позволяли бы решать сложные задачи в полуавтоматическом режиме с минимальными затратами по времени. Такие системы могут стать информационной основой дендроклиматической системы мониторинга России при решении задач, связанных с выявлением и анализом системных связей и закономерностей в приросте древесных растений в связи с меняющимся климатом на территории РФ.

Цель и задачи работы Целью данной работы является разработка, апробация и внедрение интерактивной информационной системы дендроклиматического мониторинга, позволяющей эффективно исследовать системные связи и закономерности функционирования лесных бореальных экосистем в зависимости от динамики ведущих глобальных климатических факторов в для территории Сибири и Дальнего Востока на базе современных коммуникационных технологий, классических и авторских методов обработки дендроклиматической информации.

Основные задачи

исследования:

1. Разработка интерактивной информационной системы обработки дендроклиматической информации, отвечающей общим требованиям к программному обеспечению (ПО) и объединяющей в себе базы дендрохронологических и климатических данных, а также математические методы обработки и анализа этих данных;

2. Дополнение существующего ПО обработки дендроклиматической информации авторскими алгоритмами на базе методов реляционной математики, позволяющих эффективно решать задачи пространственной динамики системных связей между климатическими и дендрохронологическими переменными;

3. Применение интерактивной системы при решении следующих задач дендроклиматического мониторинга: 1) обнаружение общих закономерностей в реакции древесных растений на изменение глобальных факторов, определяющих прирост деревьев, для обширной территории России в XX веке; 2) выявление системных взаимосвязей между пространственным приростом древесных растений и проявлениями "Эль-Ниньо" различной интенсивности; 3) визуализация и анализ взаимосвязей в пространственном распределении системы древесно-кольцевых хронологий и индексов NDVI, являющихся индикатором первичной продуктивности растений; 5) классификация сезонов роста древесных растений по степени их благоприятности на базе параметров структуры годичных древесных колец лиственницы на севере Якутии; 6) визуализация пространственно-временной согласованности прироста древесных растений севера Евразии за последние 2000 лет.

Методы исследования. При решении поставленных задач использовались: методы теория классификации и распознавания образов, методы многомерной математической статистики, методы спектрального анализа данных, методы вычислительной математики, а также языки метапрограммирования.

Научная новизна В данной работе, впервые при решении плохо формализованных задач глобальной экологии и дендроклиматологии предлагается использование интерактивной системы дендроклиматического мониторинга, которая объединяет в единое целое совокупность первичных данных дендроклиматической информации и методов их обработки, а также позволяет автоматизировать процесс принятия решений.

Традиционные в статистике случайных функций или анализе временных рядов характеристики, которые наиболее часто используются в дендроклиматологии, а именно: оценки первых моментов, авто- и взаимнокорреляционные функции, функции спектральных плотностей, являются очень чувствительными к "шумовым" воздействиям. Это может приводить к обнаружению "искусственных" закономерных изменений моментов и существование корреляционных связей и цикличностей там, где их может не быть, и наоборот, не обнаружить такие изменения, связи и цикличности, возникающие под воздействие внешних факторов различной природы.

Поэтому в данной работе вводятся скользящие характеристики, связанные не с абсолютными значениями исходных временных рядов, а с отношениями типа «лучше-хуже», «больше-меньше» и т.п. на исходных множествах значений дендроклиматологических рядов. К этим характеристикам относятся различные статистики, основанные на рангах - отношениях порядка и различные классификационные методы - отношения эквивалентности.

На базе категориальных (вербальных) характеристик предлагается новый спектральный метод к анализу категориальных данных – метод эмпирических категориальных коррелограмм (МЭКК), который является статистически устойчивым к различного рода шумовым воздействиям, даже в тех случаях, когда амплитуда колорированного шума превосходит амплитуду сигнала.

Применение этих характеристик, МЭКК, ряда хорошо разработанных классификационных методов (псевдостатистического метода Байеса с модификациями, метода главных компонент, метода случайного поиска с адаптацией, методов кластерного анализа), современных методов спектрального анализа (сингулярного спектрального анализа, вейвлет анализа и метода множественных сфероидальных последовательностей), а также регрессионного анализа позволило получить ряд новых дендроклиматических результатов:

1. Приведены практические примеры использования в дендроклиматологии алгоритмов теории классификации: псевдостатистического метода Байеса, его линейной модификации (дискриминантного анализа), алгоритма семейства «Краб», метода случайного поиска с адаптацией и метода главных компонент. Например, получен алгоритм идентификации событий Эль-Ниньо различной интенсивности по древесно-кольцевых хронологиям (прямым дендрохронологическим данным), равномернораспределенных на территории севера Западной, Центральной и Восточной Сибири и предложено правило идентификации сезонов роста на основе линейных дискриминантных функций по клеточным характеристикам годичного кольца древесных растений;

2. На базе метода эмпирических категориальных коррелограмм (МЭКК) был проведен спектральный анализ и получены реконструкции 4-х сверхдлительных древесно-кольцевых хронологий для циркумполярной области Евразии. В реконструированных хронологиях наблюдается динамика, обратная к температурно-обусловленной после 1960 г.

Подобного рода расхождение в динамике прироста древесных растений и изменений летней температуры интенсивно изучаются в дендроклиматологии в настоящее время;

3. Было установлено, что 88-летний цикл Глейсберга и 23-летний цикл Хейла могут порождать две новых цикличности в 36 и 62 года в результате нелинейного взаимодействия друг с другом. Существование этих циклов было подтверждено на примере спектрального анализа, проведенного для 1200-летней хронологии по изотопу Be. Прямое сопоставление данных по согласованности в приросте и изотопом Be указывает на существование обратной значимой (p<0.05) коррелированности между данными множествами циклических компонент. Установлено что, ухудшение условий роста (общее понижение температур на территории Евразии) приводит к увеличению согласованности в приросте древесных растений на обширной территории севера Евразии.

4. На основе анализа коэффициентов конкордации Кендалла установлено, что уровень согласованности в приросте древесных растений вдоль северной границы распространения лесов Евразии в XX веке является самым высоким за последние 2000 лет. Такое событие является уникальным в условиях современного глобального потепления климата, особенно, если учесть, что средневековая согласованность была вызвана общим похолоданием.

Теоретическое значение В работе предлагается новый математико-статистический подход на базе интерактивной системы дендроклиматического мониторинга к решению плохо формализуемых проблем, связанных с выявлением системных связей, отношений и взаимодействий между лесными компонентами биосферы, т.е. выявлением и анализом глобальных пространственно-временных закономерностей прироста древесных растений на обширной территории европейской и азиатской части России с учетом региональных особенностей произрастания древесных растений и климатических изменений. В отличии традиционных методов статистики случайных функций и анализа временных рядов, которые наиболее часто применяются в дендрохронологии и дендроклиматологии, большинство методов, используемых в предложенном подходе, являются непараметрическими, т.е. не требуют знания законов распределения исходных данных. Предлагаемая методика позволяет также получать надежные статистические выводы на малых выборках данных. Более того, данный подход позволяет выявлять различного рода закономерности даже в сильно зашумленных временных рядах, когда уровень шума соизмерим и, даже, превосходит амплитуду сигнала.

В рамках предлагаемого подхода разработан новый спектральный метод к анализу категориальных данных – метод эмпирических категориальных коррелограмм (МЭКК), который является статистически устойчивым к различного рода шумовым воздействиям, даже в тех, случаях, когда амплитуда колорированного шума превосходит амплитуду сигнала.

На базе методов теории классификации разработан алгоритм к формализации процедуры группировки сингулярных составляющих метода «Гусеница» на базе деревьев кластеризации и метода K-средних.

Такой подход позволяет автоматически выделять кластеры (классы) однородных сингулярных компонент, отвечающих за различные трендовые и циклические составляющие дендроклиматических рядов.

Данный подход успешно апробирован совместно с китайскими коллегами на дендроклиматическом материале, полученном для Внутренней Монголии, Китай.

Внедрение и реализация результатов работы Средний период прямых инструментальных наземных климатических измерений (например, по приземной температуре и осадкам) охватывает, в лучшем случае, интервал времени не более 200 лет. Для севера европейской части России и Сибири этот период равен, соответственно, около 50 лет. Глобальная спутниковая мониторинговые системы за климатом Земли начала действовать с начала 80-х годов XX века. Более того, по некоторым оценкам действующих метеостанций на территории России в конце 90-х годов насчитывалось около 400. При этом, они крайне неравномерно распределены по географическому пространству. Для примера, в целях мониторинга за окружающей средой на территории Канады на сегодняшний день действует около 15000 автоматических и полуавтоматических наземных метеостанций.

В этой связи, спроектированная интерактивная информационная система дендроклиматического мониторинга является современным инструментом системного анализа косвенных источников информации о прошлых и современных состояниях бореальных экосистем на значительной части северной и центральной Евразии с целью выявления закономерностей в изменениях этих состояний и прогноза развития лесных экосистем в зависимости от возможных сценариев климатической динамики, полученных при помощи современных глобальных климатических моделей.

Предложенный подход к анализу дендроклиматической информации существенно дополняет математической аппарат для пространственновременного анализа дендроклиматических данных в дендроклиматической системе мониторинга, которая активно разрабатывается в Институте географии РАН (г. Москва), Институте экологии растений и животных УрО РАН(г. Екатеринбург), Институте леса СО РАН (г. Красноярск) и Сибирском федеральном университете (г. Красноярск).

Часть из описанных выше результатов была использована Центром климатических исследований университета Восточной Англии (Climatic Research Unit, University of East Anglia, UK) при региональной верификации Германо-Английской глобальной климатической модели GSMs (HadCM3 и Echo-G) в рамках европейского проекта по моделированию наблюдений и палеоклимату (SOAP) (Briffa et al., 2008).

Один из важных прикладных результатов, полученных автором совместно с зарубежными коллегами, связан в сопоставлении пространственной согласованности прироста северной Евразии с модельными экспериментами глобальной атмосферно-океанической циркуляционной модели HadCM3 (Tett et al., 2007) британского климатического центра Хадли (UK Hadley Centre). в рамках Европейского проекта SO&P (http://www.cru.uea.ac.uk/cru/projects/soap/). Этот анализ показал, что современный вариант глобальный циркуляционной модели HadCM3 плохо учитывает возможные пространственно-временные низкочастотные закономерности в региональных изменениях температуры, которые отчетливо проявляются при анализе согласованности косвенных источников о климатической изменчивости, каковыми являются, в частности, длительные древесно-кольцевые хронологии.

Предложенные автором методы по выявлению различных пространственно-временных закономерностей может быть интересен также для специалистов, занимающихся решением подобного рода задач в физике, информатике, экономике, социологии, биологии и т.д.

Защищаемые положения 1. Впервые для РФ спроектирована интерактивная информационная дендроклиматическая система, которая включает в себя обновляемую реляционную базу дендрохронологической и климатической информации на базе SQL технологий, а также функциональное наполнение, объединяющее в себя разнообразное специальное программное обеспечение (ПО) по обработке дендроклиматической информации, адаптированное для разных операционных платформ.

2. Предложена новая методология использования известных алгоритмов теории классификации и распознавания образов при решении разнообразных задач пространственно-временного анализа дендрохронологических данных, являющихся составной частью развивающейся системы дендроклиматического мониторинга Российской Федерации. Эта методология позволяет автоматизировать процедуру принятия решений в плохо формализуемых задачах дендроклиматологии при обобщении результатов, связанных с надежным выделением и количественной оценкой изменений в естественных природных системах, обусловленных антропогенной составляющей.

3. Разработаны авторские алгоритмы и комплексы программ для расчета скользящих ранговых коэффициентов Спирмена, Кендалла, Хубера и коэффициента конкордации Кендалла или отношений порядка, которые являются более устойчивыми по сравнению со стандартными статистическими оценками к сильным шумовым возмущениям в древеснокольцевых хронологиях. Использование окна скольжения позволяет прослеживать динамику распределения значений этих коэффициентов непрерывно на всем периоде наблюдений. Эти скользящие характеристики позволяет выявлять общие закономерности даже в сильно зашумленных временных рядах, когда уровень шума соизмерим с амплитудой сигнала.

4. На базе алгебры отношений порядка разработан и апробирован новый метод спектрального анализа данных – метод эмпирических категориальных коррелограмм (МЭКК), который является статистически устойчивым к различного рода шумовым воздействиям даже в тех случаях, когда уровень шума превосходит амплитуду сигнала. Данный метод выявляет все истинные частоты сигнала при наличии существенных пропусков значений в реализациях или временных рядах, характеризующих изучаемое явление.

Публикации и апробации результатов По результатам данных исследований опубликовано 43 работы, из них: 14 статей в российских и иностранных изданиях, рекомендованных ВАК к защите докторских диссертаций, 7 статей в рецензируемых изданиях РАН и СО РАН, а также прочих изданиях (18), 4 учебнометодических пособия.

Результаты данной работы были доложены и обсуждены на конференциях, из них: 11 международных конференций (Красноярск, 1992; Tucson, USA, 1994; Новосибирск, 1997; Selma, Switzerland, 1996;

Красноярск, 1997; London, UK, 1998; Castelvecchio Pascoli, Italy, 2001;

Москва, 2002; Quebec City, Canada, 2002; Красноярск, 2006; Leicester, UK.

2006), 2 всероссийских совещаниях (Иркутск, 2000, 2003), 1 всероссийской конференции с международным участием (г. Иркутск, 2007) и конференции Молодых Ученых КНЦ СО РАН и ИЛ СО РАН, Красноярск, 1997.

Работа была поддержана различными проектами РФФИ (№№96-0448258-а, 96-07-89101-в, 99-05-64182-а, 01-05-64234-а, 02-05-65119-а, 06-05 64095-а), РГНФ № 00-01-00267а, CRDF RC1-279, INTAS, PAGES, Royal Society NATO/FSO 04-15845, Royal Society fellowship R14577.

Структура и объем диссертации Диссертация состоит из: введения, 3 разделов, включающих таблицу и 123 рисунка, заключения, списка литературы из 2наименований (90 - на русском, 157- на английском языках). Объем диссертации - 323 страниц.

Личный вклад автора Представляемая диссертационная работа является обобщением научных исследований, проводимых лично автором и включающих в себя формулировку целей и задач, планирование вычислительных экспериментов, разработку и апробацию интерактивной системы дендроклиматического мониторинга, создание новых алгоритмов, основанных на методах реляционной математики, решения прикладных задач. Кроме этого, автор лично участвовал в 14 комплексных экспедициях по сбору первичного дендрохронологического материала на п-ове Таймыр, Саяно-Алтайского нагорья, в окрестностях среднего и верхнего течения р.

Енисей.

Содержание работы Во введении приводится обоснование актуальности работы, формулируются ее цели и основные направления исследования. Кратко изложено содержание диссертации, показана научная новизна и практическая значимость результатов диссертационной работы.

В первом разделе описывается интерактивная система дендроклиматического мониторинга, являющейся частью системы экологического мониторинга Российской Федерации (Ваганов и др., 1996;

Ваганов и др., 2000; Ваганов, Шиятов, 2005; Шишов и др., 2002, 2007).

Система включает в себя обновляемую базу первичных дендрохронологических и климатических данных, на основе PostgreSQLтехнологий. Дендрохронологические временные ряды получены с более 300 дендрохронологических тест-полигонов (участков), равномерно расположенных на территории Урала и Сибири для нескольких основных лесообразующих пород (Рис.1). Климатические данные представляют собой временные ряды суточного разрешения с более чем 4климатических станций РФ (Рис.1).

Рис. 1 Пространственное распределение дендрохронологических тестполигонов (участков), метеорологических станций и споро-пыльцевых тест-полигонов, включенных в систему дендроклиматического мониторинга России.

В интерактивной системе используется TCL-SQL проект, который предусматривает общий TCL-интерфейс к базам данных. Реализация на начальном этапе состояла в доступе к интерактивной базе данных (технология PostgreSQL1), в которой находятся данные измерений (Рис. 2).

PostgreSQL — это свободная реляционная объектно-ориентированная система управления базами данных (СУБД), которая является некоммерческой, альтернативой коммерческим СУБД (например, Oracle Database, Microsoft SQL Server, IBM DB2, Informix и СУБД производства Sybase) Отметим, что стандартный скрипт-язык TCL2 (Tool Command Language — «командный язык инструментов») не содержит средств для доступа к PostgreSQL. TCL выполнен так, что может расширять свои возможности через подгружаемые новые библиотеки, а следовательно, наличие необходимой библиотеки - это необходимой и достаточное условие для того, чтобы использовать в проекте всю мощь SQL.

Для интегрирования унаследованных приложений (специального ПО) с разрабатываемой интерактивной системой выбрана технология Expect, как инструмент для автоматизации и тестирования в ОС Unix/Window XP и являющиеся расширением к TCL для неграфических интерактивных унаследованных приложений.

Веб сервер Httpd.tcl Браузер пользователя CGI TCL приложение Реляционная БД Expect Открытые автоматизация программы (прикладное ПО) Рис. 2 Общая схема функционирования системы дендроклиматического мониторинга Для данного интерактивного проекта создан домен третьего уровня на базе домена КГТЭИ http://sg0809.kgtei.ru/, через который проброшен TCL, наряду с Perl и Python, стал одним из трёх классических скриптовых языков общего назначения. В TCL можно манипулировать данными всех типов, включая кодами программы, как строками. Это позволяет TCL являться языком с естественной поддержкой метапрограммирования.

туннель по порту 8015 на Windows-машину с сервером приложения. Это позволяет использовать смешанную архитектуру доступа, в результате реализации которой повышается безопасность, а в конечном итоге надежность функционирования системы.

В целом, в разработанной интерактивной системе используются спроектированные авторские Web-службы, т.е. программы, доступ к которым осуществляется через протокол HTTP, а обмен данными происходит в формате XML, JSON и REST (Рис. 2). В отличие от обычных динамических библиотек неграфических программ такой подход обладает рядом преимуществ:

- Веб-служба находится на серверах, c которыми она взаимодействует.

Поэтому в любой момент пользователю доступна самая свежая версия данных и ему не приходится заботиться об обновлениях и вычислительных мощностях, требуемых для выполнения операции;

- Инструменты для работы с HTTP и XML есть в любом современном языке программирования, поэтому эта система (веб-служба) переходит в разряд платформонезависимых;

- В качестве сервера приложений выбран TCL Web сервер, который является надежным Web-сервером, а также хорошо стыкуется со скриптами и open-source ПО. Сервер использует "родную" систему ввода-вывода, что позволяет ему без проблем оперировать данными между дисковыми накопителями и сокетами.

Спроектированная информационная система на данном этапе позволяет вести комплексных анализ дендроклиматической информации, а именно:

1. выполнять различные запросы по покоординатному поиску дендрохронологических и климатических данных;

2. строить стандартные древесно-кольцевые хронологии (Ваганов и др., 1986; Шиятов, 1986; Cook, Kairiukstis, 1989);

3. вести различные преобразования климатических данных суточного разрешения;

4. анализировать функции отклика древесных растений на изменение климатических факторов (Ваганов и др., 1986; Мазепа, 1996а; 1996б;

Шиятов, 1986; Fritts, 1976);

5. моделировать годичный прирост деревьев по ведущим климатическим факторам на основе VS-модели (Ваганов, Шашкин, 2002; Vaganov et al., 2006);

К интерактивной системе планируется подключение графических приложений, позволяющих:

1. рассчитывать различные скользящие характеристики годичных колец на основе непараметрических статистик (Шишов, Ивановский, 2006; Briffa et al., 2008);

2. проводить пространственную экстраполяцию полученных результатов на анализируемое географическое пространство (Шишов и др., 2002; 2007; Briffa et al., 2008).

Дается описание основных проблем дендроклиматологии и дендроклиматического мониторинга, для решения которых может быть использована спроектированная информационная система. В частности, описывается проблема «дивергенции», возникающая при анализе дендроклиматических данных. Она заключается в несогласованности динамики летней температуры и реального прироста древесных растений после 1960-х годов для регионов, где температура выступает основным фактором, лимитирующим рост деревьев. Существует большое количество непротиворечивых гипотез, объясняющих возникновение этой проблемы.

Многие гипотезы связаны с методами стандартизации дендрохронологических данных и линейного регрессионного анализа дендроклиматических рядов, которые не способны адекватно описать нелинейные взаимодействия между приростом древесных растений и лимитирующими прирост факторами климатической природы. Так, например, для моделирования прироста древесных растений было использовано два независимых статистических подхода: пошаговая регрессия с включением и традиционная для дендрохронологии множественная регрессия на базе метода главных компонент (Дрейпер, Смит, 1986; Ryan, 1997; Frits, 1976).

Для анализа соответствия между реальными и модельными временными рядами были рассчитаны следующие характеристики:

коэффициент корреляции Пирсона R, средняя сумма разностей между анализируемыми рядами D, средняя интегральная разность между кривыми и среднее Евклидово расстояние E. Средние характеристики были использованы для того, чтобы уменьшить влияние объема выборки.

Дело в том, что только 30% анализируемых древесно-кольцевых хронологий имеют длительность до 1998 года и более. Большинство дендрохронологического материала было собрано в период с 1989 по 19гг. Следовательно, большинство древесно-кольцевых хронологий не охватывают период в 4-10 лет на интервале с 1989 по 1998 гг. Это приводило к тому, что интегральные характеристики (например, сумма разностей между рядами) сильно отличались из-за 12-30% недостающих значений для периода верификации моделей. Нормировка этих характеристик к соответствующему объему выборки (длине анализируемого ряда) значительно уменьшало влияние эффекта длительности хронологий.

Пространственные аппроксимации расчетных параметров древеснокольцевых хронологий были получены на основе метода обратных взвешенных расстояний, который широко используется в ГИСтехнологиях, наряду с различными модификациями Криддинг-метода (Высоцкая и др., 2002).

Согласно предварительно высказанной гипотезы (о разной скорости возрастания концентрации углекислоты в атмосфере до и после 1965 года анализируемый временной интервал (с 1935 по 1998 гг.) был разбит на две части. На периоде с 1935 по 1965 гг. были построены множественные регрессионные модели зависимости прироста деревьев от температуры и осадков.

2, 2,1,1,0,R2=90% 0,Период калибровки Период верификации -0,1930 1940 1950 1960 1970 1980 1990 20Год А) 2, Real_Chr Model_Chr 2,1,1,0,R2=82% 0,Период верификации Период калибровки -0,1930 1940 1950 1960 1970 1980 1990 20Год Year Б) Рис. 3. Динамика реальной (1) и смоделированной древеснокольцевых (2) хронологий, полученных для дендрохронологического участка (70.5о С.Ш., 148.1о В.Д.), находящегося в низовьев р.

Индигирка для разных периодов калибровки: А) 1935-1965 гг.

(R2=90%); Б) 1965-1998 гг. (R2=82%).

На интервале с 1966 по 1998 гг. вероятный прирост древесных растений (смоделированная кривая прироста) был оценен при помощи соответствующей множественной регрессионной зависимости. Более того, были проведены расчеты для случая, когда калибровочный (1935-1965 гг.) и верификационный период (1965-1998 гг.) менялись местами (Рис. 3). В этом случае, регрессионные модели строились на интервале с 1965 по 19гг., а прогноз (реконструкция) по полученным моделям проводилась для периода 1935-1965 гг.

В общем случае, множественный регрессионный подход приводит на верификационном временном интервале к завышенной оценки прироста древесных растений по сравнению с реально существующими величинами.

Напротив, при использовании моделей, полученных на интервале 1966-1998, статистическое моделирование приводит на верификационном временном интервале к заниженной оценке прироста древесных растений по сравнению с реально существующими величинами на периоде верификации с 1935 по 1966 гг. (Рис.4). Более того, полученные пространственные распределения на соответствующих верификационных интервалах сильно отрицательно коррелированны между собой (R=-0.86, p<<0.01).

Следовательно, несмотря на добротность регрессионных моделей, полученных для разных калибровочных интервалов (1935-1965 и 19651998 гг.), особенности прироста древесных растений не могут быть также добротно смоделированы на соответствующих калибровочных интервалах времени (1966-1998 и 1935-1965 гг.).

Отмеченные расхождения между расчетными и реальными кривыми прироста устойчивы: для последних десятилетий модели завышают величины прироста по сравнению с наблюдаемыми (при калибровке на интервалах 1935-1965 или 1935-1975 гг.), а для середины 20-го столетия модели занижают величины прироста по сравнению с реальными (при калибровке на интервалах 1965-1998 или 1955-1998 гг.).

Наиболее интересный результат проведения пространственного анализа сети древесно-кольцевых хронологий – отрицательное (для периода 1965-1998 гг.) и положительное (для периода 1935-1965 гг.) расхождения между модельными и реальными хронологиями. При этом, качество моделирования на обоих интервалах калибровки остается практически одинаковым, т.е. нет оснований утверждать, что древесные растений уменьшают чувствительность к изменениям климата (Briffa et al., 1998).

А) Б) Рис. 4. Пространственное распределение средних сумм разностей между реальными и модельными 285 древесно-кольцевыми хронологиями на верификационных интервалах: А) 1965-1998 гг.

и Б) 1935-1965 гг.

Относительный вклад температуры летних месяцев (июня и июля) также значим на рассмотренных интервалах. Не прослеживаются явно и ускоряющие рост влияние повышения концентрации углекислоты. Если бы такое влияние было, то расхождение между реальными и модельными хронологиями для последних десятилетий 20-го столетия было бы положительными по знаку (реальный прирост превышал бы смоделированный).

В ряде последних работ по Аляске было высказано предположение о переходе температуры из зоны ускорения роста в зону лимитирования (D’Arrigo et. al., 2004; Wilmking et. al., 2004). Однако из проведенного анализа наиболее северных хронологий исследуемой территории такого не следует.

Нет сомнения, что в 1965-1998 гг. на прирост древесных растений на территории севера Евразии начинает влиять дополнительный фактор, который предположительно связан с возрастанием концентрации углекислоты в атмосфере. Одна из возможных причин, указывающих на такой фактор – различия в реакции у древесных растений на температуру двух основных процессов, участвующих в продукции стволовой древесины: фотосинтеза и дыхания (Schulze et al., 2005). В области увеличения температур от 12 С до 18 С фотосинтез увеличивается более медленно, чем растет дыхание, которое изменяется по положительной экспоненте. Поэтому, даже увеличение фотосинтеза при увеличении температуры и концентрации CO2 может не компенсироваться ускорением потерь на дыхание (Schulze et al., 2005).

Тогда для периода 1965-1998 гг. с ускоренным ростом CO2 и значительным ростом температуры реальный прирост древесных растений замедляется вследствие увеличения потерь на дыхание. Более того, увеличивается длительность вегетации древесных растений за счет теплой осени (Jones, Briffa. 1995). При этом на дыхание еще более увеличиваются (Schulze et al., 2005). Повсеместное на территории Евразии увеличение зимних температур также повышает вероятность увеличения потерь на дыхание.

Такие нелинейные взаимодействия между радиальным приростом древесных растений и лимитирующими факторами могут быть описаны при помощи разработанной имитационной VS-модели роста (Ваганов, Шашкин, 2000; Vaganov et al., 2006), а также использованием новых статистических характеристик структуры годичного кольца, новых методов пространственно-временного и спектрального анализа данных.

Во втором разделе описываются новые для дендроклиматологии алгоритмы расчета различных скользящих коэффициентов, основанных на известных в литературе (Kendall, 1970) и новых ранговых статистиках.

m Пусть дан набор m временных рядов x ( p) длины n j j( p t0 n 1,...,t0):

Скользящий коэффициент ранговой корреляции Спирмена мера зависимости двух временных рядов i и j в момент времени t c шириной окна W=2k+1 (Хеттманспергер, 1987). Если ранги i-ряда рассмотрены в естественном порядке Qp=1,...,W, а Rp ранг j-ряда, соответствующей той паре (xi(p), xj(p)), для которой ранг i-ряда равен Qp, то t k 6S Sij (t,W) 1 , где S , (R Qp )p W W pt k или в общем случае, когда ранги i-ряда расположены в некотором порядке Rti,..., Rti, а Rpj ранг j-ряда, соответствующей той паре (xi(p), xj(p)), для k k i которой ранг xi(p) равен Rp, то t k 6S i j Sij (t,W) 1 , где S .

(R Rp )3 p W W pt k S коэффициент (Коэффициент Спирмена) изменяется в пределах от [-1, 1].

Для вычисления скользящего коэффициента ранговой корреляции Кендалла ( K коэффициента) в момент t с шириной “окна” W 2k между двумя временными рядами ( i -ым и j -ым) необходимо вычислить предварительно (Kendall, 1970; Kendall, Gibbons, 1990):

1, если x (q) x ( p) 0, i i t k Sij R(xi( p), xi(q))R(x ( p), x (q)), R x ( p), x (q) 0, если x (q) x ( p) 0, j j i i i i p,qt k ( pq) 1, если x (q) x ( p) 0, i i t k t k Ti 1 R x ( p), x (q), T 1 R x ( p), x (q), j j i i j p,qt k p,qt k ( pq) ( pq) и, наконец, сам K коэффициент Sij K (t,W ) ij 0,5W (W 1) Ti 0,5 W (W 1) T j K коэффициент (Коэффициент Кендалла) изменяется в пределах от [-1, 1] (Рис. 5).

Для вычисления скользящего коэффициента синхронности Хубера ( H коэффициента) в момент t с шириной “окна” W 2k 1 между двумя временными рядами ( i -ым и j -ым) необходимо определить для всех p t k,t k 1,...,t,...,t k 1, если x i ( p) x i ( p 1) 0, ri ( p) Rx ( p 1), x ( p) 0, если x ( p) x ( p 1) 0, i i i i ( p) x ( p 1) 0, 1, если x i i и rj ( p), аналогичным образом, а затем, подсчитать число совпадений значений ri( p) и rj ( p) при p t k,...,t k, в случае же равенства одного из сравниваемых значений 0, пару ri( p), rj ( p) считать совпавшей только при условии совпадении предшествующей пары, а затем полученное общее число совпадений, нормированное к длине окна W будет соответствовать H коэффициенту H (t,W ).

ij 1.0.0.0.0.Kend_W_0.Kend_W_Kend_W_1-0.Kend_W_2-0.0 200 400 600 800 1000 1200 1400 1600 1800 20Год Рис. 5. Пример расчета К-коэффициента с различными окнами W(21, 51, 101 и 201 год), полученных для сверхдлительных древеснокольцевых RCS хронологий по территории Швеции и Финляндии Для вычисления скользящего коэффициента конкордации Кендалла (Кендалл, 1975; Шишов, 1998; Kendall, 1970; Kendall, Gibbons, 1990; Briffa et al., 2007) (C коэффициента) в момент t с шириной “окна” W 2k между всеми m рядами необходимо проранжировать все сегменты временных рядов, используя метод осреднения совпавших рангов, m n( p) ( p) подсчитать суммы рангов для каждого момента ni ip t k,...,t,...,t k.

Далее, необходимо подсчитать S - сумму квадраты отклонений сумм рангов от средней суммы рангов, то есть t k S n( p) 0,5 m(W 1) .

ptk Окончательно, C коэффициент вычисляется по следующей формуле:

12S ct C(t,W ) m2W W m T , T ' t3 t где - поправка на одинаковые ранги, которые могут T t t быть во временных рядах на анализируемом сегменте времени [t-k, t+k].

Заметим, что с увеличением окна скольжения, и, исходя из природы многих естественных временных рядов (когда вероятность появления одинаковых значений достаточно мала), влияние такой поправки на окончательный результат становиться несущественным. Поэтому уже с окном W в 7 и более лет, эту поправкой можно пренебречь.

Коэффициент конкордации C изменяется в пределах от 0 до 1. Ноль означает полную несогласованность в поведении временных рядов на рассматриваемом временном интервале. Соответственно, единица - полное совпадение рангов (фактически, динамики) анализируемых временных рядов.

Для вычисления скользящего обобщенного коэффициента t согласованности (GH коэффициента) в момент с шириной “окна” m W 2k 1 между всеми рядами (1) необходимо прежде всего ri ( p) определить по описанной выше формуле для i 1,2,..., m, и p t k,...,t,...,t k, а затем вычислить r( p) как долю общих значений ri ( p) большинства совпавших ( i 1,2,..., m ) для каждого момента времени p ( p t k,...,t,...,t k ).

Значения скользящего GH коэффициента вычисляются по формуле:

t k r( p) pt k GH (t,W ) W Все перечисленные выше S , K , H , C , GH коэффициенты, будучи примененные к двум и более ДХР, характеризуют степень согласованности в поведении этих рядов ( S , K и H коэффициенты применяются к двум рядам, C и GH коэффициенты к большему числу рядов, причем H и GH коэффициенты отличаются от S , K и C коэффициентов еще большей “загрубленностью”, избавленностью от упоминавшихся выше “шумовых” эффектов абсолютных значений ДХР).

Примененные же к паре временных рядов, один из которых дендрохронологический, а другой хронологический (ряд последовательных значений моментов времени), коэффициенты Спирмена, Кендалла и Хубера характеризуют улучшение или ухудшение условий для радиального прироста исследуемого дерева на рассматриваемом интервале времени, равном, например, ширине окна W 2k 1 (Джансеитов, Шишов, 1993; Шишов, 1998; Шишов и др., 2007). Для всех рассмотренных ранговых характеристик описываются законы их распределения.

На примере скользящего коэффициента конкордации Кендалла и осредненного коэффициента корреляции Пирсона показывается большая робастность ранговой статистики к различного рода шумовым воздействиям, типичным для дендроклиматических рядов (Шишов, Ивановский, 2006).

Формулируются D-, S-, X-проблемы теории классификации, описываются классификационные алгоритмы для их решения: метод Байеса с модификациями (Фор, 1989), алгоритм семейства «Краб» (Загоруйко, 1972; Загоруйко и др., 1986; Загоруйко, 1999), метод случайного поиска с адаптацией С.Г. Лбова (Загоруйко и др., 1986), метод главных компонент.

Приводятся примеры решения дендроклиматических задач, связанных с пространственно-временным анализом и реконструкцией на базе рассмотренных скользящих ранговых статистик и классификационных методов.

Например, рассматривается доказательство статистической связи между сильными проявлениями событий Эль-Ниньо и изменениями летней температуры в высоких широтах северного полушария для обширного района Субарктики Сибири. При этом, не делается каких-либо дополнительных предположений о существовании циклических колебаний в проявлениях EN различной интенсивности (Шишов, 2000).

В работе были использованы опубликованные данные о проявлениях (1525-1982 гг.) Эль-Ниньо разной интенсивности (Quinn, Neal, 1997). Для сопоставления использованы 33 обобщенные древесно-кольцевые хронологии сети дендрохронологических тест-полигонов (станций) в Субарктике Сибири, относительная изменчивость ширины годичных колец в которых на 50-70% определяется изменениями летней температуры (Ваганов и др., 1996; Briffa et.al, 1998). Сеть станций организована в две широтных полосы: северная - соответствует полярной границе распространения древесной растительности, более южная - на 200 км южнее (Рис. 6).

При анализе материала использованы два основных метода. Первый «метод наложенных эпох», в котором величины радиального прироста в обобщенных древесно-кольцевых хронологиях брались во временном окне с центром, который соответствовал году проявления Эль-Ниньо определенной интенсивности, и затем усреднялись по годам и участкам (Fritts, 1976). Анализировались изменения индексов прироста за 10 лет до и после года проявления Эль-Ниньо. Второй метод – метод Байеса (Фор, 1989). Этот классификационный метод с обучением был использован для идентификации проявлений Эль-Ниньо разной интенсивности по совокупности изменений прироста деревьев на разных участках широтного трансекта (Рис.5).

Рис. 6 Карта распределения 285 дендрохронологических станций на территории России. Выделенная (заштрихованная) область на карте представляет собой район исследования Рассмотрим более подробно применение классификационного подхода. Для обучающей выборки, которая включала 19 участков из отобранных 33, равномерно распределенных внутри широтного транcсекта, решалась задача разделения сильнейших и очень сильных (VS и S+) от средних (М) проявлений Эль-Ниньо. При этом каждое наблюдение (год проявления Эль-Ниньо определенной интенсивности) характеризовалось 21-мерным вектором (21 последовательными значениями индексов прироста деревьев обобщенных хронологий для каждого участка за 10 лет до и после события Эль-Ниньо) (Рис.7).

Для сильных и средних интенсивностей проявлений Эль-Ниньо в динамике изменения радиального прироста деревьев до и после события не отмечается каких-либо существенных изменений, значимо отличных от среднего уровня. Для сильнейших и суммы сильнейших и очень сильных проявлений Эль-Ниньо такие значимые отличия присутствуют. Так, прирост за два предшествующих года и особенно за два года после сильнейших проявлений Эль-Ниньо значимо ниже среднего уровня для всей территории Субарктики Сибири.

Рис.7. Характерные средние кривые прироста деревьев (типичные 21мерные объекты), полученные методом наложенных эпох, для следующих проявлений (классов) Эль Ниньо: VS - сильнейшие, VS и S+ - сумма сильнейших и очень сильных, S - сильные, М+ - выше среднего, М - средние.

По-видимому, это является следствием некоторого понижения температуры в Субарктики Сибири. Отметим также, на значимые отличия в анализируемых кривых прироста, возникающие за 8-10 лет и после проявлений Эль-Ниньо анализируемых интенсивностей. Эти различия являются не случайными и обусловлены 50-летними циклическими колебаниями в проявлениях Эль-Ниньо, выявленные при помощи МЭКК подхода.

Результаты классификации показали, что из 133 объектов (7 лет х участков) в случае сильнейших и очень сильных проявлений Эль Ниньо правильно классифицируются 127 (или 95,5%), в случае средних - 1(94%). Среднее качество идентификации или правильного распознавания объектов составляет 95%. Проверка работы классификации на независимой выборке (7 лет и 14 других участков) дала следующие результаты: идентификация сильнейших и очень сильных проявлений ЭльНиньо составила 84 из 98 (или 85,7%), средних - 83 из 98 (84,7%). Среднее качество идентификации составило 85%.

Решение других классификационных задач по разделению сильнейших и очень сильных проявлений Эль Ниньо от сильных и средних (S, М+, М, М-) показало, что первые идентифицируются по независимой выборке на 89-92%, тогда как вторые - на 61-82%. Таким образом, по данным изменчивости относительного прироста деревьев хорошо идентифицируются годы сильнейших и очень сильных проявлений ЭльНиньо.

Заключительным этапом статистического анализа с использованием классификационного метода Байеса было использование данных прироста деревьев на отобранных 33 участках для выявления лет сильнейших и очень сильных проявлений Эль Ниньо с одной стороны и средних - с другой для периода с 1800 по 1982 гг. Для этого полученный алгоритм классификации применялся к каждому году для указанного временного интервала и оценивался процент идентификации соответствующего события. Результаты выявления соответствующих событий в рамках алгоритма классификации сравнимы с историческими данными (Шишов, 2000).

Аналогичная классификация событий Эль-Ниньо была проведена на базе скользящих коэффициентов конкордации Кендалла, полученных для каждого дендрохронологического тест-полигона анализируемой географической области. При этом, средняя идентификация событий ЭльНиньо на независимой (контрольной) выборке была выше, чем в предыдущем случае и составила 91%. Информативность использованных признаков (значений коэффициентов конкордации), оцененная при помощи метода случайного поиска с адаптацией, была самой высокой за года до и 3 года после проявлений событий Эль-Ниньо, что полностью согласуется с результатом, полученным методом наложенных эпох при анализе стандартных древесно-кольцевых хронологий. Особо можно отметить информативность значений коэффициентов конкордации за 8-лет до и после наступлений событий Эль-Ниньо. Это является еще одним обоснованием использования 21-мерных векторов при изучении 50-летних проявлений Эль-Ниньо, выявленных при помощи метода эмпирических категориальных коррелограмм (Шишов, 2007в).

Таким образом, рассмотренные выше результаты можно рассматривать как доказательство наличия статистической связи между очень сильными проявлениями Эль-Ниньо и изменением летней температуры в субарктической области Сибири северного полушария. При этом наиболее значительные изменения летней температуры в субарктике (похолодания) имеют опережение или запаздывание на два года по сравнению с сильнейшими и очень сильными проявлениями Эль-Ниньо.

На основе применения кластерного и дискриминантного анализов, а также GIS технологий выявлены пространственно-временные закономерности изменений радиального прироста древесных растений в прошлом, которые являются качественно (не количественно) согласованными с современной картой трендов прироста деревьев за последние 20 лет XX век (Шишов, Рубцов, 2006). Таким образом, можно проследить общее постепенное уменьшение значение трендов прироста с Запада на Восток и более высокие значения трендов в южных широтах исследуемой территории. В то же время, отмечается самая значительная количественная изменчивость прироста древесных растений за последние 25 лет XX века, которая, вероятней всего, связана с самым значительным потеплением за последние 2000 лет.

При совмещении карты трендов NDVI с данными, полученными по приросту, выявляется хорошая пространственная согласованность в изменчивости этих показателей (Рис. 8).

Рис. 8. Карта трендов NDVI, совмещенная с пространственными значениями трендов прироста древесных растений Проявляется общая тенденция к уменьшению значений с Запада на Восток, а также более высокие значения трендов в южных широтах исследуемой территории (Шишов и др., 2002).

Последний результат показывает указывает на перспективность использования системы ДКХ как индикатора состояния вегетационной активности на больших территориях за последние 250 лет, существенно дополняющего современные инструментальные спутниковые данные.

В третьем разделе описываются новые для дендроклиматологии методы спектрального анализа дендроклиматических данных.

Предлагается новый спектральный метод к анализу категориальных данных – метод эмпирических категориальных коррелограмм.

Рассмотрим временной ряд (или случайная функция натурального аргумента), сгенерированный при помощи следующего соотношения:

1 1 1 S(t) A1 sin 2 t 2 A2 sin 2 t A3 sin 2 t A4 sin 2 t 3.14 120 80 55 (*) 1 1 1 A5 sin 2 t A6 sin 2 t A7 sin 2 t A8 sin 2 t 1.5R(t), 30 25 10 где A1, A2,..., A8 – равномерно распределенные случайные величины на интервале [0, 1], R(t)=R(t-1)+t, (t=1,…,2000), где =0.8 - автокорреляционный коэффициент 1-го порядка, - гауссовский шум с математическим ожиданием R0=0 и дисперсией 2=1 (Mann, Lees, 1996).

Отметим, что такой уровень автокорреляции является практически максимальным для различных временных рядов, встречаемых в климатологии и дендрохронологии (Mann, Lees, 1996). Более того, амплитуда «красного» шума была увеличена в полтора раза. Это привело к тому, что шум по амплитуде стал превосходить амплитуду сигнала.

Преобразуем анализируемый временной ряд (ВР) длины N=1500 лет, определенный соотношением (*), по следующему правилу. Во-первых, проведем группировку с равными интервалами всех значений этого ВР (Елисеева, 2002). При этом, количество групп М определим при помощи известной формулы Стерджесса, т.е. М=Целое(1+Ln(N)), а длину группировочного интервала h, как h (Smax Smin ) M, где Smax- максимальное значение временного ряда S(t) и Smin- минимальное значение временного ряда S(t), соответственно. Группировочный интервал для iгруппы (i=1..M) определим по следующему соотношению:

[Smin (i 1)h ; Smin ih), если i M i [Smin (i 1)h ; Smax ], если i M Далее, значению категориального временного ряда (t) в момент времени t припишем номер той группы, в группировочный интервал которой попало значение исходного временного ряда S(t).

Процедура группировки значений ВР позволяет стабилизировать амплитуду ВР и снизить влияние фонового шума на абсолютные значения исходного ВР.

Охарактеризуем каждую из М групп средним группировочным k значением s (оценкой математического ожидания для каждой k-группы, k k=1…M), группировочным среднеквадратическим отклонением (оценкой дисперсии для каждой k-группы) и количеством попавших в эту группу значений анализируемого ВР. Эти характеристики будут использованы при восстановлении ВР после спектрального разложения.

Конечно, количество признаков для каждой образованной группы можно увеличить, например, центральными моментами более высоких порядков.

На следующем шаге, будем сравнивать полученный категориальный ряд с синус-функциями {sin(2 t 1 j ), [0, 2 ] ( j 2...N)}.

Предварительно, каждую j-синус-функцию (t,) sin(2 t 1 j ), [0, 2 ] ( j 2...N), которая также j представляет собой ВР, преобразуем в категориальный ВР (t) по j правилу, описанному выше.

Оценим степень сходства между двумя категориальными рядами (t) и (t) при помощи коэффициента корреляции Спирмена, который j позволяет сравнивать категориальные данные. Повторим процедуру 1 j (t,) сравнения (t) и (t) при фиксированной частоте для, j j последовательно изменяя фазу от 0 до 2 с достаточно малым шагом .

Таким образом, можно найти оптимальную фазу для каждой (t) при j 1 j фиксированной частоте путем нахождения максимального коэффициента корреляции Спирмена по.

В результате, можно получить коррелограмму, где по оси абсцисс откладываются значения частоты (или соответствующим им периодам), а по оси ординат – значения максимальные значения коэффициента корреляции Спирмена (Рис. 8). Критерием определения базовых частот может служить порог значимости коэффициента Спирмена для соответствующего объема выборки N (в нашем случае, длины ВР) и выбранного уровня надежности p.

В нашем примере (Рис. 9) предложенный метод выявляет все базовые частоты исходного временного ряда S(t). Но из-за низкого порога значимости коэффициента Спирмена, появляются дополнительные «искусственные» частоты. Если дополнительные пики в коррелограмме появляются в низкочастотной области можно всегда подобрать такой (t,) фазовый сдвиг, при котором моделируемая совпадет с базовой j гармоникой, являющейся составляющей исходного S(t) при условии, что отклонения по частоте не будут изменять кросскорреляционную функцию.

0.Спирмен 0.Ев клидово расстояние 0.0.0.0.0.0.0.0.0.0.0.Кр и тический уровень корреляции р<0.00.-0.0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 1Период Рис. 9. Пример коррелограммы, полученной при сравнении категориального ряда (t) с категориальными синус-функциями (t) j (j=1..N) С другой стороны, обращает на себя внимание то, что коэффициенты Спирмена являются строгими локальными максимумами. И наряду с дополнительной статистикой, например, Евклидовом расстоянии между двумя категориальными рядами можно эвристически определить базовые частоты (Рис. 9).

После определения базовых частот, естественно, появляется необходимость в восстановлении чистого сигнала, то есть исходного S(t) без аддитивной шумовой составляющей.

Для этого, на основе коррелограммы определяются k (k< N 3 ) базовые баз частоты баз 1 j и соответствующие им фазы, при которых коэффициент Спирмена достигает локальных максимумов. Далее, восстанавливается чистый сигнал S(t) на основе линейной комбинации баз (t,) базовых синус-функций, а именно:

j рек S (t) Ajбаз (t,), j j где все амплитуды Aj равны 1.

Корреляция Спирмена Евклидово Расстояние чист Отметим, когда все амплитуды Aj близки к 1, чистый сигнал S (t) рек (без шума) и реконструированный сигнал S (t) получаются сильно положительно коррелированными (R=0.89, p<0.00001) (Рис. 10). При этом, рек чист S (t) объясняет 80% изменчивости S (t). Сравним полученные результаты с корреляцией между исходным ВР S(t) и чистым сигналом чист чист S (t). В данном случае, S(t) объясняет всего 30% изменчивости S (t).

В случае амплитуды Aj неизвестны, можно воспользоваться рек следующей процедурой. А именно, реконструированный S (t), при рек условии Aj 1 ( j 1..k), перевести в категориальный ряд (t) по алгоритму, описанному выше, считая, что существует взаимнооднозначное соответствие между группами, полученными для S(t) и рек S (t).

Сигнал S( t ) Чис тый S( t ) Реконс труированный S( t ) -----200 250 300 350 400 450 500 550 6Время Рис. 10. Фрагмент динамики исходного сигнала S(t), чистого сигнала чист рек S (t) (без шума) и реконструированного сигнала S (t) на основе метода эмпирических категориальных коррелограмм.

i Далее, считать, что группировочные средние s для каждой i-группы S(t) (i=1…M) и соответствующие группировочные среднеквадратические i отклонения являются группировочными характеристиками для каждой рек из M групп, полученных для S (t). Окончательно, заменить номера рек групп (t) на соответствующие группировочные средние, для которых можно указать доверительные интервалы.

Рассмотренная выше процедура спектрального анализа называется методом эмпирических категориальных коррелограмм (МЭКК). В работе на базе вычислительного эксперимента проводятся исследования на его статистическую устойчивость к различного рода шумовым воздействиям.

Отмечается также, что традиционные методы спектрального анализа (MTM-метод, метод максимальной энтропии, Вейвлет-анализ, сингулярный спектральный анализ) на подобных сильно-зашумленных случайных функциях теряют до 50% информации об истинном сигнале.

В данном разделе приводиться пример анализа дендрохронологических данных на основе МЭКК подхода.

Предлагается формализованный подход к нахождению групп сингулярных компонент в методе «Гусеница» (Golyandina et al., 2001).

Одной из самых неформализованных процедур в алгоритме сингулярного спектрального анализа является процедура группировки собственных троек (Elsner, Tsonis,1996; Golyandina et al., 2001). Этот шаг сингулярного разложения является чрезвычайно важным. Дело все в том, что именно на этом этапе происходит разделение компонент ВР, а именно выделяются трендовые, циклические и шумовые составляющие исходного ряда. Разные группировки сингулярных компонент могут приводить к абсолютно разным результатам (Liu Yu et al., 2004).

В данном случае, для формализации процедуры группировки предлагается использовать методы хорошо разработанного кластерного анализа (Hartigan, 1975; Hartigan, Wong, 1978), используя методы деревьев классификации и К-средних. Первый метод позволяет определиться с количеством классов и примерной структурой каждого класса сингулярных компонент, второй подход позволяет выявить точную структуру классов этих компонент. При этом, на первом этапе считается, что каждый из классов состоит только из одного сингулярного элемента.

После восстановления мы получаем восстановленные компоненты ВР, которые затем классифицируем на базе кластерного анализа, определяя наиболее близкие из них. Это близость в соответствующем N-мерном пространстве означает близость соответствующих собственных троек.

Следовательно, возвращаемся к этапу группировки с учетом выявленных классов (групп) собственных троек и повторяем процедуру восстановления (или реконструкции).

Эта модификация алгоритма «Гусеница» рассматривается на примере анализа реконструированного временного ряда осадков, полученного для Внутренней Монголии, Китай (Liu Yu et al., 2004a).

В этом разделе диссертации приводится пример использования сингулярных компонент при анализе сверхдлительных древеснокольцевых хронологий (Табл.1).

Всего в анализе было использованы 3 региональных древеснокольцевых хронологии и одна межрегиональная хронология. Причем общим методом стандартизации исходных дендрохронологических данных был метод стандартизации региональной возрастной кривой – Regional curve standardization (RSC). Все региональные хронологии были также отфильтрованы при помощи сингулярного спектрального анализа (Singular spectrum analysis - SSA) (Elsner, Tsonis, 1996; Liu Yu et al., 2004б;

Cook et al., 2006) с длиной окна сингулярного разложения равным 1годам.

Таблица 1.

Название дендрохронологических участков, их широта (с.ш.) и долгота (в.д.), временной интервал (начало и конец), покрываемых построенными древесно-кольцевых хронологий3, количество образцов, использованных для получения хронологий, значения межсериального коэффициента корреляции RBar для высокочастотных и низкочастотных составляющих, вид хвойных растений, использованный для построения хронологий, согласно международной классификации (PISY - Pinus sylvestris, LASI - Larix sibirica, LAGM - Larix gmelinii), а также литературные источники, где были опубликованы данные хронологии.

RBar Название КолиВысо- Низдендрохроноло- Нача- Ко- чество СШ ВД Вид Источник кочас- кочасгического ло нец образтот- тотучастка цов ный ный (Grudd et Tornetrsk 6814 1940 -38 1997 587 0.37 0.25 PISY al., 2002) (Helama et Finnish-Lapland 6950 2800 -289 1999 430 0.38 0.27 PISY al., 2002) FENNOSCANDIA -289 1999 1017 0.33 0.22 PISY (Hantemirov Yamal 6500 6900 -200 1996 611 0.54 0.24 LASI & Shiyatov, 2002) YAMAL -200 1996 611 0.54 0.24 LASI (Сидорова Bol’shoi Avam 7030 9301 851 2003 178 0.50 0.24 LAGM и др., 2007) (Naurzbaev Taimyr 7200 10100 -207 2000 152 0.52 0.23 LAGM et al., 2000) AVAM-TAIMYR -207 2003 330 0.46 0.21 LAGM N.W. EURASIA -289 2003 1599 0.18 0.Такое окно не позволяет отделить трендовые, высоко- и низкочастотные гармонические составляющие друг от друга, но позволяет значительно сократить количество сингулярных компонент, тем самым увеличить процент объясненной вариации в отфильтрованных данных при помощи нескольких первых сингулярных компонент.

Так, первые 3 сингулярные компоненты объясняют 64% исходной вариации Скандинавской древесно-кольцевой хронологии, 44% - для Ямальской хронологии и 38% - для Таймырской хронологии.

Евразийская RCS хронология была получена как простая средняя арифметическая, полученная осреднением Скандинавской, Ямальской и Знак «минус» означает время до нашей эры Таймырской древесно-кольцевых хронологий. Такое осреднение позволило выравнить вклады в общую среднюю всех древесено-кольцевых хронологий, построенных по разным количествам индивидуальных индексных рядов. Отметим, что первая сингулярная компонента евразийской хронологии объясняет 35% исходной вариации, вторая – 17% и третья – 13%, соответственно.

Очевидно, что все анализируемые хронологии отражают значимую изменчивость прироста в различных временных шкалах. Как было показано ранее в различной степени разными авторами (Grudd et al., 2002;

Hantemirov, Shiyatov, 2002; Helama et al., 2002; Naurzbaev et al., 2002;

Сидорова и др., 2007) существует увеличение относительной скорости роста древесных растений в течении XX века, которое объяснялось более высокими температурами в летний период в этом веке для всех анализируемых регионов и в целом, как следствие, для всей северной части Евразии. Такие периоды согласованных потеплений наблюдались и ранее: в Скандинавии и на Ямале (начало XV и XIX веков); в Скандинавии и Таймыре (в IV веке, в начале XVIII века); а также для Ямала и Таймыра (в начале III, в конце IV и XVIII веков).

Однако, перед XX веком, существует только один период потепления, присущий всем анализируемым регионам – это несколько десятилетий в конце и начале первого тысячелетия нашей эры. Это событие отчетливо проявляется во всех анализируемых древесно-кольцевых хронологиях, за исключением очень короткого похолодания, случившегося на Ямале (Briffa, 2000).

Для оценки природы глобальной древесно-кольцевой изменчивости севере Евразии для последних двух тысячелетий было вычислено два скользящих параметра с окном в 101 год. Во-первых, был оценен скользящий тренд, как угол наклона для линии регрессии. Во-вторых, была вычислена соответствующая скользящая средняя арифметическая. Оба параметра были вычислены для Евразийской SSA хронологии. Значения параметров рассчитывались для центра окна скольжения. Полученные скользящие значения параметров были центрированы к соответствующей средней и нормированы к соответствующему среднеквадратическому отклонению.

Были построены распределения скользящих параметров, значения которых были разбиты на два временных интервала с 51 по 1849 гг. и с 1900 по 1946 гг (Рис.11).

Современные тренды и скользящие средние прироста являются аномально высокими по сравнению с предыдущими значениями за последние два тысячелетия. Отметим, что аналогичные результаты получаются при аналогичном анализе каждой региональной хронологии по отдельности (Рис. 11).

50% 50% a) Тренды б) Средние 45% 45% AD 51-1849 AD 51-1839% AD 1900-1946 39% AD 1900-1934% 34% 28% 28% 22% 22% 17% 17% 11% 11% 6% 6% 0% 0% -3 -2 -1 0 1 2 3 4 5 -3 -2 -1 0 1 2 3 4 Standard Deviation Starndard Deviation Рис. 11 Распределение стандартизированных скользящих трендов (а) и средних (б), полученных для Евразийской SSA древесно-кольцевой хронологии. Распределения скользящих значений параметров, соответствующих центрам окон скольжения, показаны для двух временных интервалов с 51 по 1849 гг (серый цвет) и с 1900 по 1946 гг (черный цвет).

Отметим, что соответствующие распределения для нефильтрованных данных практически идентичны.

Корреляционный анализ между древесно-кольцевыми хронологиями и соответствующими среднемесячными температурами для общего временного интервала с 1950 по 1993 гг. выявляет значимое влияние температур вегетационного сезона на прирост деревьев для всех регионов, но максимумы корреляций приходятся на различные летние месяцы.

Так, для Скандинавии оптимальная чувствительность древесных растений приходиться на Июль-Августовские температуры. Для Ямала характерно влияние на прирост более ранних Июнь-Июльских температур.

Тогда, как для Таймыра только теплый июль влияет позитивно на рост древесных растений. Эти результаты полностью согласуются с ранними работами, приведенными выше.

Для сравнения степени соответствия в динамика трендов сравниваемых древесно-кольцевых хронологий используем скользящий аналог коэффициента конкордации Кендалла (Kendall, 1970, Шишов, Ивановский, 2006) (Рис.12 а, б).

Период времени с 790 по 930 гг., соответствующий расчетному интервалу 840-880 гг. для коэффициента конкордации, характеризуется Percent of obs ervations Percent of obs ervations глобальным похолоданием на анализируемой территории и не может быть связан с общим потеплением первого тысячелетия (окрестность 1000 г.

нашей эры) (Рис. 12 б).

1.Conc101_unfil (L) а) Conc101 _SSA(R) 0.0.0.0.0.0 200 400 600 800 1000 1200 1400 1600 1800 200.б) 0.0.0.0. 51-year 101-year 0. 201-year 0.0 200 400 600 800 1000 1200 1400 1600 1800 200.5 0.Concord _ Concord _в) г) Concord _1 Concord _101 Year 0.0.0.0.0.0.1400 1600 1800 2014 1600 1800 20Year Year Рис. 12 Скользящий коэффициент конкордации Кендалла, рассчитанный: а) для исходных и сглаженных древесно-кольцевых хронологий с окном в 1год; б) для исходных хронологий с различными окнами в 51, 101 и 201 гг, а затем сглаженный при помощи взвешенной негативной экспонентой; в) для июнь-июльской температуры, смоделированной при помощи глобальной климатической модели HadCM3 без учета антропогенного влияния для трех регионов: Скандинавии, Ямала и Таймыра; г) та же температуры, но смоделированная для HadCM3 с учетом антропогенного влияния.

Критические значения коэффициента при уровне значимости p=0.показаны на рисунках б)-г) пунктирной линией.

Concordance Concordance Concordance Concordance Можно отметить, что в согласованность в приросте древесных растений за последние 2000 лет постоянно возрастала, достигая своих максимальных значений в XX веке (за исключением современных значений коэффициента конкордации, рассчитанного для окна в 51 год).

Анализ распределения стандартизированного скользящего коэффициента конкордации с окном в 101 год показал, что уровень согласованности в приросте древесных растений вдоль северной границы распространения лесов Евразии в XX веке является самым высоким за последние 2000 лет (Briffa et. al., 2007). Такое событие является уникальным в условиях современного глобального потепления климата, особенно, если учесть, что средневековая согласованность была вызвана общим похолоданием. Одной из причин пространственной согласованности в радиальном приросте деревьев может служить солнечная иррадиация, изменчивость которой отражается, в частности, в динамике изотопа 10Be (Beer, 2001). Так, анализ первых 2-ух сингулярных компонент по Be и коэффициента конкордации с окном в 101 год, которые могут быть проинтерпретированы как нелинейные тренды, выявляет значимую отрицательную корреляцию за последние 1200 лет (Рис.13) (Шишов и др., 2007а). Но в XIX-XX веке эта корреляция становится положительной, что еще раз свидетельствует о неординарности влияния современных климатических изменений на прирост древесных растений.

Be10_2SSA Conc101_SSA--800 900 1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 20Год Рис.13 Динамика первых 2-ух сингулярных компонент по Be (черная кривая) и скользящего коэффициента конкордации Кендалла с окном в 101 год (серая кривая). Пунктирной областью выделена согласованная динамика в поведении анализируемых кривых.

Проанализируем динамику скользящего коэффициента конкордации с окном в 51 и 101 год, рассчитанного для смоделированной летней температуры с регионов, эквивалентных местообитаниям деревьев, анализируемым в данной статье (Рис. 12 в,г). Средняя летняя температура была получена в результате двух вычислительных экспериментов, сделанных на основе атмосферно-океанической основной циркуляционной модели HadCM3 (Tett et al., 2007) в британском климатическом центре Хадли (UK Hadley Centre). Эти вычислительные эксперименты были выполнены в рамках Европейского проекта SO&P (http://www.cru.uea.ac.uk/cru/projects/soap/). Первый вычислительный эксперимент позволил получить летнюю температуру за последние 5лет. При этом, он учитывал только изменения климата под действием естественных природных факторов: изменения орбитальных параметров Земли, солнечной иррадиации, вулканической активности и т.д. Второй эксперимент, охватывающий интервал с 1750 по 2000 гг., учитывал не только естественные факторы, но и увеличивающуюся концентрацию тепличных газов Земли.

Можно отметить, что значения конкордации температуры (Рис. 12 г), полученной из второго эксперимента, имеют тенденцию к увеличению на всем моделируемом промежутке времени с 1750 по 2000 гг.

Анализируемая согласованность становиться значимой только в середине XX века. В сравнение с этим, коэффициент конкордации, полученный по температуре, учитывающей только естественные факторы изменения климата, является значимым практически на всем 500-летнем интервале моделирования. В тоже время, динамика 500-летнего коэффициента конкордации плохо согласуется с динамикой согласованности прироста древесных растений.

Полученные результаты можно проинтерпретировать двояко. Либо гипотезу о том, что современное потепление в северной Евразии является прямым результатом увеличения парниковых газов в атмосфере, стоит отклонить. Либо считать, что поставленные модельные эксперименты плохо соотносятся с инструментальными температурными наблюдениями и дендроклиматическими результатами, свидетельствующими об неординарном современном потеплении.

Пространственное покрытие посредством анализируемых древеснокольцевых хронологий является лишь ограниченной частью для всей высокоширотный суши Евразии. Однако, эти хронологии представляют наиболее типичные внутри- и сверхвековые тренды прироста с определенной точностью. Эмпирически выявленные взаимосвязи между изменчивостью прироста и инструментальными температурными данными являются значимыми и стабильными, по крайней мере, на протяжении последних 70-90 лет. Все это позволяет ассоциировать выявленные в 2000летних древесно-кольцевых хронологиях изменения в контексте изменений летних температур. Простой временной анализ относительно теплых и холодных периодов за последние 2000 лет показывает, что XX век был неординарно теплым как для отдельных регионов, так и для всей северной Евразии в целом.

Средневековое потепление было реальным для регионов, в частности, на Таймыре. Это потепление было глобальным, но ограничено относительно узким временным интервалом в окрестности 1000 года нашей эры. Предполагая, что прирост древесных растений лимитируется летней температурой, полученные результаты выявляют, что величина средневекового потепления в северной Евразии является не сопоставимой с современностью. Анализ конкордации в приросте древесных растений показывает высокую, даже беспрецедентную согласованность в трендах потепления в XX веке. Эти результаты согласуются с вычислительными экспериментами на основе общей циркуляционной модели, которые указывают на высокоширотное потепление под действием увеличивающейся эмиссии парниковых газов. Другой важный вывод состоит в том, что современный вариант общей циркуляционной модели HadCM3 плохо учитывает возможные пространственно-временные низкочастотные закономерности в региональных изменениях температуры, которые отчетливо проявляются при анализе согласованности косвенных источников о климатической изменчивости, каковыми являются, в частности, длительные древесно-кольцевые хронологии.

В заключении сформулированы основные результаты проведенных исследований и разработок, выполненных в соответствии с заявленными целями.

Основные результаты диссертационной работы Диссертационная работа посвящена разработке и внедрению интерактивной информационной системы по обработки дендроклиматической информации и дендроклиматическому мониторингу.

Наряду с классическими методами обработки дендроклиматическлй информации автором предлагается использование новых для дендроклиматического мониторинга Российской Федерации статистических оценок, методов, комплексов программ и ГИС технологий, которые позволяют эффективно решать задачи пространственновременного анализа и мониторинга окружающей среды, направленных на выявление внешних факторов, оказывающих синхронизирующее и десинхронизирующее воздействие на прирост древесных растений для больших территорий Сибири и Дальнего Востока.

Основные результаты диссертационной работы заключаются в следующем:

1. Впервые для РФ спроектирована интерактивная информационная дендроклиматическая система, которая включает в себя обновляемую реляционную базу дендрохронологической и климатической информации на базе SQL технологий, а также функциональное наполнение, объединяющее в себя разнообразное специальное прикладное программное обеспечение (ПО) по обработке дендроклиматической информации, адаптированное для разных операционных платформ.

2. Предложена новая методология использования алгоритмов теории классификации при решении разнообразных дендроклиматических задач, показавшая свою эффективность в пространственновременном анализе данных развивающейся системы дендроклиматического мониторинга Российской Федерации. В частности, методом Байеса получен алгоритм идентификации интенсивностей событий Эль-Ниньо различной интенсивности по древесно-кольцевых хронологиям (прямым дендрохронологическим данным), равномерно-распределенных на территории севера Западной, Центральной и Восточной Сибири.

3. Разработан и апробирован новый метод спектрального анализа данных – метод эмпирических категориальных коррелограмм (МЭКК), который является статистически устойчивым к различного рода сильным шумовым воздействиям. На базе МЭКК был проведен спектральный анализ и получены реконструкции 4-х сверхдлительных древесно-кольцевых хронологий для циркумполярной области Евразии. В реконструированных хронологиях наблюдается динамика, обратная к температурной после 1960 года;

4. Разработаны авторские алгоритмы и комплексы программ для расчета модифицированных ранговых коэффициентов Спирмена, Кендалла, Хубера и множественного коэффициента конкордации Кендалла, а также обобщенного коэффициента синхронности Хубера. Модификация состояла в использовании скользящего окна, что позволяет прослеживать динамику распределения значений этих коэффициентов для различных окон скольжения непрерывно на всем периоде наблюдений.

5. Предложена модификация метода «Гусеницы» сингулярного спектрального анализа на базе формализации процедуры группировки сингулярных компонент методами деревьев кластеризации и К-средних. Такой подход позволяет автоматически выделять кластеры (классы) однородных сингулярных компонент, отвечающих за различные трендовые и циклические составляющие дендроклиматических рядов. Модифицированный метод «Гусеницы» успешно апробирован при анализа дендроклиматических данных, полученных китайскими коллегами для Внутренней Монголии и центральной части Китая;

6. Сделано предположение о существовании отрицательной взаимосвязи между согласованностью в приросте древесных растений на рассматриваемой территории и температурой за последние 1200 лет, т.е. ухудшение условий роста приводит к увеличению согласованности в приросте древесных растений на обширной территории севера Евразии;

7. На основе анализа коэффициентов конкордации Кендалла и сингулярного спектрального анализа установлено, что уровень согласованности в приросте древесных растений вдоль северной границы распространения лесов Евразии в XX веке является самым высоким за последние 2000 лет. Такое событие является уникальным в условиях современного глобального потепления климата, учитывая, что согласованность в средние века была вызвана общим похолоданием. Показано, что современный вариант глобальный циркуляционной модели HadCM3 плохо учитывает возможные пространственно-временные низкочастотные закономерности в региональных изменениях температуры, которые отчетливо проявляются при анализе согласованности косвенных источников о климатической изменчивости, каковыми являются, в частности, длительные древесно-кольцевые хронологии;

8. На основе методов теории классификации и GIS технологий выявлена самая значительная количественная изменчивость прироста древесных растений за последние 25 лет XX века, которая, вероятней всего, связана с потеплением Субарктики за последние 2000 лет. При совмещении карты трендов NDVI с данными, полученными по приросту, выявляется хорошая пространственная согласованность в изменчивости этих показателей. Проявляется общая тенденция к уменьшению значений трендов прироста древесных растений с Запада на Восток, а также более высокие значения трендов в южных широтах исследуемой территории.

9. На базе множественного регрессионного анализа и ГИС технологий установлено устойчивое расхождение между смоделированными и реальными изменениями радиального прироста деревьев и четко показано, что отмеченные расхождения между расчетными и реальными кривыми прироста устойчивы: для последних десятилетий модели завышают величины прироста по сравнению с наблюдаемыми (при калибровке на интервалах 1935-1965 или 1935 1975 гг.), а для середины 20-го столетия модели занижают величины прироста по сравнению с реальными (при калибровке на интервалах 1965-1998 или 1955-1998 гг.).

Список публикаций автора по теме диссертации Статьи в журналах, рекомендованные ВАК к защите докторских диссертаций:

1. Шишов В.В. Анализ изменчивости радиального прироста древесных растений на территории севера Евразии в последние десятилетия / В.В. Шишов, М.М. Наурзбаев, Е.А.Ваганов, А.Б.Ивановский, М.А.Корец // Известия РАН. Сер. географ. - 2007а. - № 3. – С. 49-59.

2. Сидорова О.В. Региональные особенности радиального прироста лиственницы на севере средней Сибири по 1000-летним древеснокольцевым хронлогиям. / О.В. Сидорова О.В., М.М. Наурзбаев, М.К.

Хьюс, В.В. Шишов// Экология. – 2007. – № 2. – C. 99-13. Шишов В.В. Анализ согласованности в приросте древесных растений по сверхдлительным древесно-кольцевым хронологиям севера Евразии / В.В. Шишов, К. Бриффа, Т. Мелвин, М.М. Наурзбаев // В сб.

«Проблемы экологического мониторинга и моделирования экосистем». -СПб.: Гидрометеоиздат. - 2007б. - Т. XXI. – С. 2003222.

4. Шишов В.В. Сравнительный анализ скользящих коэффициентов при анализе временных рядов / В.В. Шишов, А.Б.Ивановский // Вестник СибГАУ. – Красноярск: Изд. СибГАУ. – 2006. – Вып. 2(9). – С. 29-33.

5. Шишов В.В. Реконструкция термических характеристик сезона роста по клеточным измерениям годичных колец с помощью методов теории классификации / В.В. Шишов, А.В. Кирдянов // В сб.

«Проблемы экологического мониторинга и моделирования экосистем». – СПб.: Гидрометеоиздат. – 2003. – Т. XIX. – C. 200-216.

6. Шишов В.В. Пространственная изменчивость прироста древесных растений на территории Сибири в последнем столетии / В.В. Шишов, Е.А. Ваганов, М.К. Хьюз, М.А. Корец // ДАН. - 2002. - Т.387, №5. - С. 690-693.

7. Шишов В.В. Статистическая связь между проявлениями Эль-Ниньо и летней температурой в Субарктике Сибири / В.В. Шишов // ДАН. - 2000. - Т.375. - №5. - С. 676-679.

8. Ваганов Е.А. Длительные климатические изменения в арктической области Северного полушария / Е.А. Ваганов, К.А. Бриффа, М.М.

Наурзбаев, Ф.Г. Швейнгрубер, С.Г. Шиятов, В.В. Шишов // ДАН. - 2000. - Т.375, №1. - С.103-106.

9. Панюшкина И.П. Дендроклиматический анализ прироста лиственницы на севере Средней Сибири / И.П. Панюшкина, Е.А.

Ваганов, В.В. Шишов // Географ. и прир. ресурсы. – 1997. – № 1. – С.80-90.

10. Панюшкина И.П. Статистический анализ изменчивости прироста лиственницы на севере Средней Сибири / И.П. Панюшкина, Е.А.

Ваганов, В.В. Шишов // Географ. и прир. ресурсы. – 1996. – № 4. – С.93-102.

11. Briffa K.R. Trends in recent Temperature and Radial Tree Growth spanning 2000 years across Northwest Eurasia./ К.R. Briffa, V.V. Shishov, T.M.

Melvin, E.A. Vaganov, H. Grudd, R.M. Hantemirov, M. Eronen, M.M.

Naurzbaev// Philosophical Transactions of the Royal Society of London Series B. –. 2008. – Special Issue. – doi:10.1098/rstb.2007.2199. P. 1-12. Liu Yu. Reconstruction of May-July precipitation in the north Helan Mountain, Inner Mongolia since A.D. 1726 from tree-ring late-wood widths / Y. Liu, J. Shi, V. Shishov, E. Vaganov, Y. Yang, Q. Cai, J. Sun, L. Wang, I.

Djanseitov // Chinese Science Bulletin. – 2004а. – V. 49. – P. 405-409.

13. Liu Yu. The forecast of seasonal precipitation trend at the north Helan Mountain and Baiyinaobao regions, Inner Mongolia for the next 20 years / Y. Liu, V. Shishov, S. Jiangfeng, E. Vaganov, S. Junyan, C. Qiufang, I.

Djanseitov, A. Zhisheng // Chinese Science Bulletin. – 2004б. – V. 49. – P.

410-415.

14. Panyushkina I.P. Spatial–temporal variation of radial tree growth in relation to climate in the north of Middle Siberia / I.P. Panyushkina, E.A. Vaganov, V.V. Shishov // Dendrochronologia. – 1996. – V.14. – P. 115-126.

Статьи в прочих изданиях:

15. Шишов В.В. Спектральный анализ нечисловых данных.

Дендроклиматические примеры./ В.В. Шишов / В материалах всероссийской конференции с международным участием «Новые методы в дендроэкологии». – Иркутск – 2007в. – С. 81-84.

16. Кирдянов А.В. Преимущества и перспективы многопараметрического подхода в дендроэкологии / А.В. Кирдянов, П.П. Силкин, А.А. Кнорре А.А., В.В. Шишов, И.П. Панюшкин, Е.А.

Ваганов/ В материалах всероссийской конференции с международным участием «Новые методы в дендроэкологии». – Иркутск – 2007. – С. 15-20.

17. Шишов В.В. Пространственные модели отклика характеристик продуктивности лесной растительности на региональные и глобальные изменения климата./ В. В. Шишов, А.В. Рубцов / В кн.:

«Биоразнообразие и динамика экосистем: информационные технологии и моделирование». Под ред. Шумного В.К. и др. –: Из-тво СО РАН (Интеграционные проекты СО РАН). – 2006. – С Новосибирск. 547-518. Ваганов Е.А. Пространственные взаимоотношения между приростом древесных растений и общим содержанием озона в верхних слоях атмосферы / Е.А. Ваганов, В.В. Шишов, О.В. Сидорова: под ред. В.В.

Зуев // В кн. «Современные достижения в исследованиях окружающей среды и экологии». - Томск: STT, 2004. - С. 210-216.

19. Шишов В.В. Статистические модели прогноза интенсивности ЭльНиньо по дендроклиматическим данным Субарктической части Евразии / В.В. Шишов // В кн. «Проблемы реконструкции климата и природной среды голоцена и плейстоцена Сибири». Под ред. Е.А.

Ваганова и др. – Новосибирск: Издательство Института археологии и этнографии СО РАН, 2000. – Вып.2. – С. 458-466.

20. Высоцкая Г.С. Пространственное распределение трендов климатических параметров (XX век) / Г.С. Высоцкая, А.И. Дмитриев, Л.Ф. Ноженкова, В.В. Шишов/ В кн. «Основные закономерности глобальных и региональных изменений климата и природной среды в позднем Кайнозое Сибири». Под ред. Ваганова Е.А. и др.- Новосибирск: Издательство Института археологии и этнографии СО РАН, 2002. – Вып.1. – С. 83-87.

21. Джансеитов К.К.. “Эль-Ниньо” – погодные “качели” планеты? / К.К.

Джансеитов, В.В. Шишов / Препринт. – Красноярск: Издательство ИЛ СО РАН, 1999. – 30 с.

22. Шишов В.В. Пространственно-временной анализ дендрохронологических рядов методами реляционной математики/ Шишов В.В. /Автореферет канд. дисс.- Красноярск: Издательство ИЛ СО РАН, 1998. – 22 с.

23. Джансеитов К.К. Пространственно - временной анализ дендрохронологических рядов на основе отношений «Лучше - Хуже», «Больше - Меньше» / К.К. Джансеитов, В.В. Шишов/ Препринт. – Красноярск: Издательство ИЛ СО РАН, 1993. – 29 с.

24. Vaganov E.A. Dendroclimatic study of boreal forest in the northern part of the Middle Siberia./ E.A.Vaganov, I.P. Panyushkina, V.V. Shishov /Proceedings of International Symp. Asian and Pacific Dendrochronology, Japan, Tskuba, 1995. – P.52-




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.