Задачи и проблемы взаимодействия биолимнологии и математики (на примере изучения экосистемы озера Байкал) Докладчик: Мельник Наталья Григорьевна, зав.лабораторией биологии рыб ЛИН СО РАН, к.б.н.

Основное направление научно-исследовательских работ ЛИН СО РАН - «Лимнология: механизмы образования, биоразнообразие, эволюция, современное состояние и прогноз развития водоемов и водотоков суши» Озеро Байкал – Объект Мирового Наследия - оценка состояния и прогноз развития! Поставим вопрос - почему так трудно делать экологические прогнозы развития больших озер? Я не помню устойчиво успешного применения математического аппарата для такого прогноза относительно озера Байкал – неизбежно приходило разочарование. Первый на моей памяти «бум» математизации биологии байкальских организмов, как статистики, так и моделирования (в основном имитационного), пришелся на 70-е гг. ХХ века. Однако математические построения не оказались настолько успешными, чтобы стать признанным инструментом прогнозирования динамики экосистемы озер. Они в большинстве своем остались недееспособными схемами, несмотря на то, что привлекались мощные силы. Основная причина, на мой взгляд, неготовность биологов - нехваток хорошо сформулированных идей относительно механизмов динамики популяций, сообществ и экосистемы озера – фактически концепции, а главное - трудность (и даже невозможность) верификации моделей по разным причинам. К 90-м гг. в наступило ощущение тупика и разочарование. Были предложены частные алгоритмы прогноза динамики популяций – но как «черного ящика», не через экологические закономерности. Существует одна теоретическая работающая модель динамики первичных продуцентов пелагиали озера, авторы – В.К.Евстафьев и Н.А.Бондаренко, именно потому, что это синтез работы хорошего биолога и хорошего математика. Как ни парадоксально, она принципиально не воспринимается местным научным сообществом, я думаю, вследствие кажущейся ее простоты и привлечения солнечной активности как основного действующего экологического фактора. В 1978 г. в Институте математики СО РАН профессор Полетаев высказался, что для описания биологических явлений нужно разрабатывать особый аппарат математики. Т.о. перед математиками стоит соответствующая теоретическая проблема. Опыт нашей группы в публикации экологических статей за рубежом показал, что основные отказы от опубликования связаны с плохой наглядностью и слабой математической доказательностью выявленных закономерностей! Т.е. существует проблема грамотной текущей практики биологических исследований. К 2000-м гг. российской математикой, по-видимому, достигнут высокий уровень работ: в том числе в программировании, в разработке ГИС и ВЕБ –технологий! Байкальские лимнологи накопили новые знания об экосистеме озера. Сотрудничество необходимо и возможно!

Что необходимо? 1.Прежде всего, необходимо объединение усилий в конкретные проекты, для чего, наверное, мы здесь и собрались. 2.Необходимо обдумать принципиальные установки, которые выведут нас из тупика. 3.Необходим перечень конкретных биологических задач, требующих математического решения. 4.Для этого, прежде всего, необходимо осознать сложность объекта, с которым мы имеем дело! 5.Что мы имеем? Экосистему древнего, большого, глубоководного, олиготрофного, ультрапресного и холодноводного озера – сложноорганизованного в пространстве и времени, изучаемого много лет. 6.Информация о публикациях – на сайте ЛИН СО РАН (lin.irk.ru) + ОТТИСКИ.

Установка первая 1.У Свт. Николая Сербского есть хорошие слова: «Невозможно познать часть, не познав целого. Кто не знает телеги, не может знать и колеса. Кто знает телегу, узнает и колесо.» 2.Главная проблема на сегодняшний день – четко представлять как устроено (организовано) озеро? (Melnik, 2006). Это, прежде всего, проблема границ (в пространстве и времени) целого и частей. 3.Биотопы (водные массы и участки дна) + сообщества – видовые популяции – гидробиоценозы. Срочно нужна рабочая схема экологического районирования озера с учетом новых данных комплексных (и дистанционных) наблюдений! 4.Вопрос к математикам: «Есть ли математическое доказательство целого? Не выявления различий двух совокупностей, а прямое доказательство целостности?» 5.Какой первый шаг?

Задача 1: Организация данных До сих пор мы не имеем рабочей базы данных по экосистеме озера. Почему не базы, а сундуки? 1) юридическая неясность с авторскими правами, 2) универсальная направленность баз – нечеткость задач, 3) разное разрешение междисциплинарных данных, 4) отсутствие всех этапов спланированной работы. Опыт показывает, что надо собирать рабочий коллектив единомышленников, ставить предметно задачу, делать базу под организованные данные, решать задачу, делать авторское свидетельство и (или) публиковать книгу.

Задача 1: Организация данных в базы (ИПС) Пока биологи и программисты в ЛИН СО РАН создают систему локальных (предметно- ориентированных) баз, не связанных между собой. Пример 1 - БД «Биологический вид» + стандарты описей условий лова (рейсы и станции или полигоны). Пример 2 – БД «Морфо-биологические характеристики байкальского омуля». Существует база знаний – адрес см. на сайте ЛИН СО РАН.

Структура БД «Морфо-биологические характеристики байкальского омуля» (Коцарь и др., в печати)

Температура воды в период формирования весеннего термобара на Селенгинском мелководье и распределение коловраток (Лазарев, 2007).

Установка вторая 1.Итак, локализация «жидких границ» в пелагиали Байкала изменяется в пространстве и времени. Последнее зависит от сроков фенологической фазы. 2.2D-образы – мертвые схемы, мир принципиально четырехмерен, значит надо создать концептуальную систему 3D-образов (ячеек экосистемы) во времени. 3.Шаг следующий – выявить эти ячейки и внутри них – описать физико-химические феномены микромасштаба (< 1 м) и тонкого (от 1 м и десятки метров) масштаба.

Задача 2: Построение компьютерной 3D-модели озера и ГИС-технологии Задача «Батискаф» - поставить изучение сопряженности (приуроченности) биологических явлений и условий среды в пространстве и времени на новый уровень- создание компьютерной модели озера в 3D- варианте с объединением разно режимных наблюдений обеспечит повышение наглядности и доказательности. Только такой подход даст нам возможность создать модель пространственно-временной организации озера. Примеры:

Распределение омуля (Coregonus autumnalis migratorius) в районе северо-байкальского мелководья озера Байкал 1 июня 2007 г.: верхняя плоскость – поверхностная температура воды, о С; средняя плоскость – усредненная численность омуля по акустическим данным, шт./га; нижняя плоскость – глубина озера, м (Отчет…, 2007).

Эхограмма типичного весеннего скопления байкальского омуля в склоновой области озера Байкал. Глубина дна под скоплением м; слой, в котором лежит скопление – м. Дата Время – Разрабатывается анализ с применением ГИС-технологий (Отчет…, 2006).

Шаг для биологов: оптимизация наблюдений - переход от станций к полигонам. Объединение дистанционных наблюдений и компьютерного моделирования. 1.Почему наземная экология развита лучше? И многие теоретические постулаты пришли из наземной экологии? Во многом дело в том, что мы можем легко наблюдать за образом жизни наземных организмов. 2.Без непосредственного наблюдения за водными организмами мы часто находимся в плену наших фантазий, даже не осознавая этого. Соединение результатов дистанционных методов (акустика, голография, видео наблюдения) и компьютерных 3D-образов биологических феноменов в пространстве помогут избавиться от фантазий.

Задача 3 - Создание программно-аппаратных комплексов – высокоточная и дистанционная регистрация гидрофизических и биологических параметров. Байкальский омуль: история учета запаса - 87 или 20 тысяч тонн? Для выбора корректной системы контрольных траловых ловов и акустических галсов, т.е. маршрута корабля в учетной съемке в 2007 г., проанализированы данные эхосъемки в мае-июне 2003 г. Уточнены доли биомассы омуля в пределах 3 батиметрических зон; определено, что в зоне пелагиали над глубинами менее 200 м находится 42% биомассы омуля, над глубинами от 200 до 400 м – 19% и в открытом Байкале, над глубинами более 400 м – 39% (Дегтярев и др., в печати).

Рисунок 1. Структура научно-методического комплекса тралово- акустического учета байкальского омуля (НМК «Омуль») (Отчет…, 2007).

Задача 3 – Освоение программ и программирование в ПАК Разработана и частично укомплектована программно-аппаратная часть комплекса, которая может быть оперативно развернута на НИС «Верещагин» в следующем составе: разноглубинный трал с зондом для акустического контроля траления и система эхолокации в трех вариантах: 1) арендуемый программно- аппаратный комплекс «АСКОР» с эхолотом с рабочей частотой 200 кГц; 2) арендуемый эхолот типа EY-500 (EK-60) с рабочей частотой 70 кГц и имеющееся программное обеспечение Echoview; 3) стационарная (пока дублирующая) система эхолокации, записи данных эхолокации на носители (эхолот НИС «Верещагин» типа FURUNO FCV-1000 рыбопоискового класса с рабочими частотами 28 и 200 кГц), импорта данных эхолокации в программное обеспечение Echoview и их анализа, в т.ч. с использованием ГИС-технологий (для завершения этого варианта необходима калибровка эхолота НИС и приобретение излучателя, а также введение в систему непрерывного мониторинга навигационных и метеорологических параметров). Для регистрации ЗРС и локализации скоплений омуля в пелагиали Байкала был разработан и изготовлен тракт оцифровки эхосигнала с судового эхолота FURUNO FCV-1000 рыбопоискового класса (частота 28 и 200 кГц), осуществлена процедура импорта данных в программу обработки SonarData EchoView. Тракт построен на основе модуля сбора данных фирмы L-Card E российского производства; модуль мобилен и удобен в полевых условиях. Разработана программа управления сбором данных, позволяющая производить настройку всех необходимых параметров оцифровки: количество регистрируемых каналов, типы каналов, коэффициенты усиления сигнала. В 2007 г. гидроакустик А.И.Дегтев (г.Петрозаводск) подтвердил высокий уровень системы записи эхосигнала с корабельного эхолота на НИС «Верещагин». Эхограммы можно отслеживать на любом компьютере, включенном в корабельную ЛВС, в т.ч. в дублирующей системе АСКОР. Задачи: освоение программ расчета, проведение расчетов численности (биомассы) омуля по акустическим данным, написание дополнительных программ – формирование группы исследователей.

Задача 4 - Оптимизация структуры съемок и методы экстраполяции 1.Важна представительность системы галсов (маршрутных «шагов» корабля во время проведения эхолокации). 2.Важна правильность метода экстраполяции гидроакустических данных на определенные площади. 3.По данным 2003 г. сделан вывод, что открытые воды Байкала должны быть включены в тралово-акустический мониторинг омуля в обязательном порядке и тщательно обследоваться для корректной экстраполяции, так как в глубинной зоне распределение омуля различно: регистрируются как крупномасштабные дисперсные скопления, так и разрозненные плотные косячки одноразмерных рыб, имеющие на эхограммах характерный вид («клубеньков» или «петушков»).

Небольшие плотные скопления байкальского омуля, т.н. «клубеньки», состоящие из одноразмерных рыб. Разрез «м. Средний – п. Бугульдейка». Время – (Отчет…, 2007)

Задача 5 -ТОЧНОСТЬ КОЛИЧЕСТВЕННЫХ ОЦЕНОК поверхностной и объемной плотности планктона, бентоса и рыб в толще воды и на дне Оптимизация учета планктона и молоди рыб – комплексы орудий – необходимое число проб по вертикали – голография! Необходимое число проб по горизонтали – стандартные формулы по коэффициенту вариации - модель распределения животных. Данные суточных станций в открытых водах Южного Байкала в марте 1999, 2000 и 2007 гг. показали высокий уровень внутрисуточной и межсуточной варабельности численности личинок малой голомянки в слое воды м. Коэффициент вариации равен %. Для выявления временных (межсуточных, межсезонных и межгодовых) различий численности личинок следует рекомендовать многократную схему отбора проб. КАКУЮ? ПЕРЕХОД К ПОЛИГОНАМ? КАКИМ? И ГДЕ? МОНИТОРИНГ!!!

Численность коловраток на центральной станции разреза м.Березовый – ст. Танхой 8 июня 2006 г. по данным сети Джеди. Микрослоистость – различие уловов разных орудий (Лазарев, 2007)

Установка третья 1.Подобное познается подобным. 2.«Уход от разнообразия деталей процессов и биологических явлений, осреднение и огрубление их может превратить биологические исследования в науку об абстрактных символах и схемах. Необходимо возвратить приоритет изучению образа жизни животных» (Мельник, 1995). 3.При применении математики мы должны оставаться натуралистами! Мы должны понимать живое существо, которое изучаем!

Задача 6 – Количественное изучение разнообразия биоты и биологической изменчивости Классы подзадач: Мы должны научиться строить: Облик (собирательный образ) вида: что свойственно виду? Биологическая ниша (Melnik, 2006). Ключи! Систематика как наука и как искусство? Распознавание образов. Экологические предпочтения – параметры экологической ниши: построение и классификация многомерных образов. Usual patterns – эталоны – норма: динамика структуры сообществ и популяций? Мы должны научиться выявлять: Параметры порядка – синергетика? Стереотипы поведения. Пример:

Суточные вертикальные миграции науплиусов эпишуры (Epischura baicalensis), личинок малой голомянки и макрогектопуса (Tereza et al., 2007). Usuall pattern? Южный Байкал и Баргузинский залив?

Задача 7 – Количественное изучение разнообразия биоты и биологической изменчивости Классы подзадач: Облик особи: внутривидовая изменчивость. Почему у двух близкородственных сообитающих видов байкальских коловраток в одних условиях среды разные стратегии? Разнообразие морфотипов и стабильность облика. Цель видоизменения формы тела – оптимизация чего? Решение вопроса в 3D- образе? Первый шаг – создание компьютерной имитации особи, затем – автоматизация измерений (поиск принципа соотношения частей?), изучение изменения морфологии модели при изменении параметров среды. Поиск новых 3D-признаков, значимых таксономически – распознавание образов – автоматизация определения вида в природных образцах. Компьютерное моделирование может дать новое для: 1) функциональной морфологии, 2) приспособительной изменчивости – формирования разнообразия – выбор ключевых признаков для таксономического определения – разпознавание образов, 3) экология, 4) топология – бионика.

Задача 7 - Экологические механизмы: математическое доказательство Статистический анализ и модели динамики видовых популяций в экосистеме. Модели роста и формирования морфологических структур. Прогнозы. Модели пищевых цепей (сетей). Сколько омуля в Байкале? Выявление действия факторов среды на биологические параметры особей в популяциях (адаптации). Масса частных задач!!!

Влияние хищников на внутривидовое разнообразие ракообразных

Задачи Задача 1: Организация данных в базы (ИПС) и методы их анализа. Задача 2: Построение компьютерной 3D-модели озера и ГИС- технологии. Задача 3 - Создание программно-аппаратных комплексов (ПАК) изучения динамики экосистемы: 1) высокоточная и дистанционная регистрация гидрофизических и биологических параметров; 2) освоение программ и программирование в ПАК. Задача 4 - Оптимизация структуры полевых съемок и методы экстраполяции. Задача 5 – Определение точности количественных оценок поверхностной и объемной плотности планктона, бентоса и рыб в толще воды и на дне. Задача 6 – Количественное изучение разнообразия биоты и биологической изменчивости. Задача 7 – Математическое доказательство экологических механизмов. P.S. Мультимедиа? Игрушка или научный метод?