WWW.KN.LIB-I.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Различные ресурсы
 

Pages:     | 1 |   ...   | 2 | 3 || 5 |

«Научный электронный журнал ПРИНЦИПЫ ЭКОЛОГИИ Т. 6. № 1(22). Март, 2017 Главный редактор А. В. Коросов Редакционный совет Редакционная коллегия Службы ...»

-- [ Страница 4 ] --

Есть еще одна особенность неоднородности общего состава флоры и фауны. При частном районировании отдельно по группам животных и растений четко и в разной степени проявляется диагональность, то есть смещение границ выделяемых таксонов с северо-запада к юго-востоку, причем под разным углом к границам природных зон (с различной дифферентностью). При комплексном районировании северо-западная диагональная граница в пределах Европы и Западной Сибири смещена к юго-западу и приближается к зональному разделению. В то же время ранее не значимое диагональное смещение в Восточной Сибири и на Дальнем Востоке (в связи с более слабым отепляющим влиянием Тихого океана по сравнению с Атлантическим) при комплексном районировании четко прослеживается вплоть до Забайкалья, хотя в северной части Приохотья из-за горных хребтов южная граница Предтундрово-редколесной подобласти смещена к югу. Провинциальность, определяемая континентальностью и горными массивами, прослежена и при первом формализованном разбиении, Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Экологическая организация флоро-фаунистической неоднородности Северной Евразии // Принципы экологии. 2017. № 1. С. 127–141. DOI: 10.15393/j1.art.2017.6142 хотя и в виде непредставительных включений. Так, в островной подобласти самая западная и самая восточная части (Земля Франца Иосифа и остров Врангеля) не приняты в качестве самостоятельных подобластей только из-за малой их представительности (соответственно два и один участок). То же самое отмечено и в Тундровой подобласти (Кольский полуостров), но в ней, в отличие от первой подобласти, восточное отклонение уже достаточно представительно и дает основание для выделения отдельной подобласти – Северо-восточной притихоокеанской. В таежно-степной части территории таких подобластей две: Крымско-кавказская на западе и Юго-восточная притихоокеанская на востоке.

Таким образом, можно констатировать наличие четырех широтных флоро-фаунистических полос, примерно соответствующих полярным пустыням, тундрам, предтундровым редколесьям и широтной полосе от северной тайги до северных (луговых) степей. Кроме того, имеются как минимум два клинальных включения – более южных флор и фаун: средиземноморских в Крым и на Кавказ, а на востоке, в юго-восточной притихоокеанской подобласти, японско-китайских флор и фаун в Уссурийский край, на Сахалин и Курилы. Причины этих проникновений – в отепляющем влиянии Средиземноморья на западе и муссонов на юго-востоке. Казахстанско-среднеазиатскую подобласть тоже можно рассматривать как клинальное включение полупустынно-пустынных условий с юга и соответствующей специфичности флор и фаун. Отепляющее влияние Атлантики приводит к диагональному смещению границ с северо-запада на юго-восток, а Тихого океана – с северо-востока на юго-запад. При этом отклонение от этого тренда четко видно в Северном Приохотье из-за влияния горных хребтов Восточной Сибири и Дальнего Востока.

По отношению к карте Г. Д. Рихтера (1964) диагональ юго-восточного смещения сначала отсекает на западе часть южнотаежно-подтаежной полосы, затем восточнее Тулы опускается до границы широколиственно-лесостепной полосы. Далее за Омском диагональная граница пересекает эту полосу и идет почти вдоль границы со степной зоной, слегка заходя в ее северную оконечность. Таким образом, диагональ пересекает с северо-запада на юго-восток три подзональных полосы. Аналогичное смещение с северо-востока на юго-запад от Тихого океана сначала идет по южной границе полосы темнохвойно-лиственничных лесов и редколесий, затем рассекает ее и примыкает к западным таежным елово-березовым редколесьям с тундрами и лугами Забайкалья. Таким образом, и это диагональное смещение тремя ступенями пересекает две природно-географические полосы.





Пространственно-типологическая структура и экологическая организация флоро-фаунистической неоднородности На структурном графе флоро-фаунистической изменчивости в Северной Евразии четко прослеживаются два основных тренда (рис. 2).

Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Экологическая организация флоро-фаунистической неоднородности Северной Евразии // Принципы экологии. 2017. № 1. С. 127–141. DOI: 10.15393/j1.art.2017.6142 Рис. 2. Пространственно-типологическая структура флоро-фаунистической неоднородности Северной Евразии на уровне подобласти. Внутри значков приведены номера таксонов классификации (см. в тексте), в виде подстрочного индекса показана величина внутригруппового сходства. Между таксонами обозначена величина межгруппового сходства. Стрелки у перечня основных Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Экологическая организация флоро-фаунистической неоднородности Северной Евразии // Принципы экологии. 2017. № 1. С. 127–141. DOI: 10.15393/j1.art.2017.6142 структурообразующих факторов среды указывают направление увеличения их влияния и флоро-фаунистические тренды Fig. 2. Spatial-typological structure of the Floro-faunistic heterogeneity of northern Eurasia at the level of subregion. The numbers of the taxa see in the text, a subscript shows the value of intra-group similarity.

Between the taxa the value of intergroup similarity is indicated. The arrows near the list of basic structure-forming environmental factors indicate the direction of increasing their influence and floro-faunistic trends Первый из них иллюстрирует широтный характер изменений (от полярных до жарких пустынь через тундры, предтундровые редколесья, тайгу, леса, лесостепь и степи). Второй тренд имеет долготное анклавное простирание, представленное Крымско-кавказской подобластью на юго-западе, а также северо- и юго-восточными притихоокеанскими подобластями на востоке. Первое определяет отепляющая роль Средиземноморья и барьерная защита горными массивами от северного переноса холодных воздушных масс. Второе связано с отепляющим воздействием Тихого океана.

–  –  –

Итак, судя по классификации, можно говорить о влиянии на изменчивость флоры и фауны пяти скоррелированных факторов среды. Все они носят сборный характер, но в итоге могут быть сведены к различиям в теплообеспеченности (таблица). С нею можно связать 62 % дисперсии матрицы коэффициентов флоро-фаунистического сходства. Отдельно зональность и провинциальность учитывают соответственно 50 и 20 % дисперсии. Островной эффект и наличие гор определяют существенно меньшую часть неоднородности из-за относительно небольшой площади островов и горных массивов. Всеми перечисленными факторами можно объяснить 72 % дисперсии сходства, т. е.

приращение к влиянию теплообеспеченности составляет по отдельным факторам среды всего 10 % дисперсии. Классификационные и структурные режимы, как неразделимые сочетания факторов, определяют 70 % дисперсии и добавляют к объяснению теплообеспеченностью еще 13 %.

Обсуждение Биомное (по растительности и животному населению) экспертно-умозрительное деление Палеарктики (Udvardy, 1975; Воронов, Кучерук, 1976) на общей части территории заметно отличается от выполненного нами строго формализованного биотического (флоро-фаунистического) районирования.

Если не принимать во внимание частности в местах проведения границ, различия сводятся к следующему. Указанные выше авторы, в отличие от нас, не выделяют полярные пустыни, включая их полностью в тундровый биом. То же следует сказать о предтундровых редколесьях, отнесенных Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Экологическая организация флоро-фаунистической неоднородности Северной Евразии // Принципы экологии. 2017. № 1. С. 127–141. DOI: 10.15393/j1.art.2017.6142 частично в тундровый или таежный биомы. Территория выделенных ими отдельно летнезеленых широколиственных лесов и степной биом входят в состав Таежно-степной подобласти биотического деления. Остальные биомы с несколько иными границами и названиями примерно совпадают с выделенными нами биотическими провинциями. Таким образом, можно считать, что принципиальные отличия прослеживаются в основном в арктической и субарктической части Северной Евразии и в меньшей степени в юго-западной части Таежно-степной провинции флоро-фаунистического деления.

Степной биом при флоро-фаунистическом районировании разделен примерно пополам. Его северная часть (луговые степи) входит в Таежно-степную подобласть, а южная (сухие или настоящие степи) вместе с полупустынями – в Пустынно-степную.

Биотическое районирование этой части Палеарктики в 1.6 раза полнее аппроксимирует матрицу флоро-фаунистической неоднородности, чем биомное разделение. Последнее ближе к зональным представлениям, но, скорее всего, потому, что оно в значительной степени задано авторами, а не выявлено ими в процессе анализа. Результаты фаунистического районирования по позвоночным животным на уровне регионов и флоро-фаунистических подобластей в целом весьма сходны, если не принимать во внимание локальные несовпадения в местах проведения границ. Значимые отличия сводятся к следующему. Предтундрово-редколесная флоро-фаунистическая подобласть разделена по фауне позвоночных между Субарктическим тундровым и Таежно-степным регионами, а Тундрово-таежная притихоокеанская подобласть объединена с последним из них, который включает также часть южнее расположенных полупустынь и северных пустынь, а не только лесостепь и северные степи. Среднеазиатская часть южных пустынь занимает меньшую площадь, образуя по фауне отдельные регион и подобласть. Сихотэ-Алиньский и Сахалино-Курильский фаунистические округа при флоро-фаунистическом делении образуют самостоятельную подобласть так же, как крымско-кавказские округа.

Таким образом, флоро-фаунистическое деление отличается от фаунистического в основном рангом и представительностью ряда таксонов, а также принадлежностью предтундрово-редколесных территорий к двум соседним фаунистическим подобластям и регионам. То есть они не образуют единую подобласть, как при флоро-фаунистическом районировании. Это дает основание утверждать, что дифференциация указанной территории по флоро-фаунистической неоднородности выше, чем по позвоночным, и четче совпадает с зональным делением.

По фауне короедов сходство с результатами флоро-фаунистического районирования очень велико. Отличия в общем сводятся к объединению по короедам в отдельную подобласть территории Тундрово-таежной притихоокеанской флоро-фаунистической подобласти с приохотской частью редколесий, а также отделению фауны Курильских островов от сахалинской и уссурийской из-за большей близости их к таковой на Камчатке (Курильско-Камчатско-Охотская подобласть). При разделении территории Северной Евразии по остальным видам жуков как части эталонной группы беспозвоночных эти территории, кроме Уссурийского края и южной части Сахалина, входят в Балтийско-Тихоокеанскую лесную подобласть. Кроме того, по беспозвоночным Крымско-Кавказская подобласть занимает бльшую, чем совместно по флоре и фауне, площадь за счет включения в ее состав южного Причерноморья, Крыма и Предкавказья. Итак, результаты районирования по выбранной группе жуков ближе к флоро-фаунистическому делению, чем к выполненному по позвоночным.

Результаты районирования по видам древесных растений на уровне региона и подобласти отличаются от флоро-фаунистического разделения очень сильно. Так, Полярно-пустынно-тундровый регион объединяет две подобласти, в первую из которых входит Земля Франца Иосифа, где, по данным портала Биодат, древесных растений нет. Вторая включает все остальные острова Ледовитого океана и большую часть тундровых и редколесных материковых участков. Третий регион образуют остальные редколесья, а также таежные и отчасти лесостепные и степные участки. К этому же региону отнесены все притихоокеанские территории, включая Сахалин и Курилы, которые по флоро-фаунистическому делению выделены как самостоятельные подобласти и не включают северо-восточные тундры и приохотскую материковую часть. На западе, напротив, лесные, степные и полупустынные участки входят в лесопустынно-степную подобласть Юго-Западного региона. Территория Кавказа, пустынно-горно-степные участки Средней Азии, так же как Приморье с Курилами, составляют отдельные подобласти. Главным отличием разделения территории по флоре древесных растений от комплексного флоро-фаунистического можно считать отделение в самостоятельную подобласть юго-западной части, вместе с территорией настоящих степей, полупустынь и северных пустынь.

В итоге можно говорить о вариабельности (подвижности) границ на стыке крупных регионов, подобластей и провинций в зависимости от состава анализируемой группы растений и животных.

Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Экологическая организация флоро-фаунистической неоднородности Северной Евразии // Принципы экологии. 2017. № 1. С. 127–141. DOI: 10.15393/j1.art.2017.6142 Объединение всех проанализированных выборок приводит к более четкому по зональности выделению биотических таксонов, но не снимает необходимости дальнейших работ в этом направлении. При этом возможны два варианта. Первый, наиболее желательный, сводится к следующему: дальнейшее дополнение групп уже не будет значимо менять результаты районирования. Второй сведется к продолжению различий в прохождении границ. В этом случае аналогичные работы следует продолжать, пока существенная вариабельность границ не прекратится.

В целом предлагаемое нами районирование в большей степени объясняет неоднородность усредненной матрицы флоро-фаунистического сходства, чем результаты климатического, биогеографического, флористического и особенно физико-географического и лесорастительного районирования соответственно в 1.5–1.9 и 2.3–2.9 раза (в среднем вдвое). Общий множественный коэффициент корреляции всей системы наших объяснений равен примерно 0.91.

Заключение Результаты проведенного кластерного анализа флоро-фаунистической неоднородности Северной Евразии при сделанных допущениях в общем сходны с ранее полученными представлениями об изменчивости флоры и фауны этой территории. Однако использование методов непараметрической статистики позволило подтвердить некоторые утверждения по флористическому и фаунистическому разделению указанной территории, отвергнуть другие из них или показать невысокую информативность ряда традиционных представлений, например, о высокой значимости Урала и Енисея как рубежей в неоднородности флоры и фауны. Кроме того, состав подобластей по числу участков, как правило, весьма сходен с зональным (от 45 до 100 % в каждом из выделенных таксонов), хотя никогда не совпадает со списком их в целом по зоне. Высокой сборностью в этом плане отличаются Таежно-степная, Крымско-Кавказская и Казахстанско-Среднеазиатская подобласти, поскольку 23–47 % участков в них относятся к соседним зонам. Относительно новым можно считать и выявление диагональных смещений под разным углом по отношению к границам природных зон в результате отепляющего влияния Северо-Атлантического течения и, в меньшей степени, Тихого океана. Главная новизна, как нам представляется, заключается в количественных оценках связи между флоро-фаунистической неоднородностью и изменчивостью основных факторов среды и их сочетаний (природно-географических режимов), как по отдельности, так и по суммарной оценке информативности представлений, рассчитанной через учитываемую ими дисперсию коэффициентов сходства комплекса флор и фаун. При этом не только показано преобладание влияния зональности по сравнению с провинциальностью (континентальностью), но и оценено их интегральное влияние через изменения теплообеспеченности территорий. Поэтому большее совпадение выявлено не с физико-географическим, а с климатическим районированием (соответственно 27 и 42 % дисперсии).

Библиография Атлас СССР [The Atlas of the USSR]. М.: ГУГК, 1983. 260 с.

Блинова Т. К., Равкин Ю. С. Орнитофаунистическое районирование Северной Евразии [Ornithofaunistic Zoning of Northern Eurasia] // Сиб. экол. журн. 2008. Т. 15. № 1. С. 101–121.

Бобров В. В., Алещенко Г. М. Схема герпетогеографического районирования России и сопредельных стран [Scheme of gerpetogeografic regionalization of Russia and neighbouring countries] // Вопросы герпетологии. Пущино; Москва, 2001. С. 31–34.

Воронов А. Г., Кучерук В. В. Биотическое разнообразие Палеарктики: проблемы изучения и охраны [Biotic diversity in the Palaearctic: problems of study and protection] // Биосферные заповедники: Труды I советско-американского симпозиума, СССР, 5–17 мая 1976 г. Л.: Гидрометеоиздат, 1977. С. 7–20.

Кузнецов Б. А. Очерк зоогеографического районирования СССР [Essey on zoogeographical regionalization of the USSR]. М.: Изд-во Моск. об-ва испытателей природы, 1950. 176 с.

Курнаев С. Ф. Лесорастительное районирование СССР [Forest vegetation zoning of the USSR]. М.: Наука, 1973. 203 с.

Малышев Л. И. Моделирование флористического районирования кластерным анализом элементарных Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Экологическая организация флоро-фаунистической неоднородности Северной Евразии // Принципы экологии. 2017. № 1. С. 127–141. DOI: 10.15393/j1.art.2017.6142 выделов Северной Азии и Европы [Modelling floristic zoning by cluster analysis of elementary allotments in northern Asia and Europe] // Сравнительная флористика на рубеже III тысячелетия: достижения, проблемы, перспективы: Материалы V рабочего совещания по сравнительной флористике. СПб., 2000. С.

20–36.

Мекаев Ю. А. Зоогеографические комплексы Евразии [Zoogeografical complexes of Eurasia]. Л.: Наука.

Ленингр. отд-ние, 1987. 125 с.

Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Фаунистическое районирование Северной Евразии [Faunistic Zoning of Northern Eurasia] // Изв. РАН. Сер. геогр. 2015а. № 3. С. 29–40.

Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Сравнительное районирование Северной Евразии по древесным растениям и наземным позвоночным [Comparative regionalization of Northern Eurasia by woody plants and ground vertebrates] // Сибирский лесной журнал. 2015б. № 5. С. 42–53.

Равкин Ю. С., Богомолова И. Н., Цыбулин С. М., Легалов А. А. Районирование Северной Евразии по фауне короедов (Scolytidae) [The zoning of Northern Eurasia on the fauna of bark beetles] // Евразиатский энтомологический журнал. 2014. Т. 13. Вып. 3. С. 271–279.

Равкин Ю. С., Куперштох В. Л., Трофимов В. А. Пространственная организация населения птиц [Spatial arrangement of birds population] // Птицы лесной зоны Приобья / Ю. С. Равкин. Новосибирск: Наука. Сиб.

отд-ние, 1978. С. 253–269.

Равкин Ю. С., Ливанов С. Г. Факторная зоогеография [Factor zoogeography]. Новосибирск: Наука. Сиб.

отд-ние, 2008. 205 с.

Равкин Ю. С., Седельников В. П., Сергеев М. Г., Титлянова А. А., Хмелев В. А., Богомолова И. Н., Цыбулин С. М. Пространственно-типологическая дифференциация экосистем Западно-Сибирской равнины.

Сообщение V. Экосистемы суши [Spatial-typological differentiation of the ecosystems of the West Siberian plain. Message V. terrestrial ecosystems] // Сиб. экол. журн. 2011. Т. 18. № 6. С. 773–788.

Рихтер Г. Д. Физико-географическое районирование СССР [Physico-geographical zoning of the USSR] // Физико-географический атлас мира. М.: Изд-во АН СССР и Главного управления геодезии и картографии СССР, 1964. С. 248–249.

Северцов Н. А. О зоологических (преимущественно орнитологических) областях внетропических частей нашего материка [On zoological (mostly ornitological) regions in extra-tropical parts of our continent] // Изв.

Русск. геогр. об-ва. СПб., 1877. Т. 13. Вып. 3. С. 125–155.

Семенов-Тян-Шанский А. Пределы и зоогеографические подразделения Палеарктической области для наземных сухопутных животных на основании географического распределения жесткокрылых насекомых [Borders and zoogeographical zones of Palearctic region of terrestrial animals on the basis of the geographical division of Coleoptera ]. М.; Л.: Изд-во АН СССР, 1936. 16 c.

Трофимов В. А. Модели и методы качественного и факторного анализа матрицы связи [Models and methods of factor qualitative analysis of communication matrix] // Проблемы анализа дискретной информации. Ч. II. Новосибирск, 1976. С. 24–36.

Трофимов В. А. Качественный факторный анализ матриц связей в пространстве разбиений со структурой [Quality factor analysis of connections matrix in the space of partitions with structure] // Модели агрегирования социально-экономической информации. Новосибирск: Наука, 1978. С. 91–106.

Трофимов В. А., Равкин Ю. С. Экспресс-метод оценки связи пространственной неоднородности животного населения и факторов среды [Express-method of estimating the connection between the heterogenity of animals population and environmrntal factors ] // Количественные методы в экологии. Л.,

1980. С. 113–115.

Равкин Ю. С., Богомолова И. Н., Цыбулин С. М. Экологическая организация флоро-фаунистической неоднородности Северной Евразии // Принципы экологии. 2017. № 1. С. 127–141. DOI: 10.15393/j1.art.2017.6142 Флора СССР [Flora of the USSR]. М.; Л., 1934. Т. 1. 302 с.

Челинцев Н. Г. Математические основы учета животных [Mathematical principles of animals census]. М.: ГУ Центроохотконтроль, 2000. 431 с.

Ravkin Yu. S., Bogomolova I. N., Tsybulin S. M., Legalov A. A. Zoning of Northern Eurasia based on the fauna of pine flower, fungus and leaf-rolling weevils (Coleoptera: Nemonychidae, Anthribidae, Rhynchitidae, Attelabidae) // Евразийский энтомологический журнал. 2015. № 14 (4). С. 367–373.

Holt Ben G., Lessard Jean-Phitippe, Borregaard Michael K., Fritz Susanne A., Arajo Miguel B., Dimitrov Dimitar, Fabre Pierre-Henri, Graham Catherine H., Graves Gary R., Jensson Knud A., Nogus-Bravo David, Wang Zhiheng, Whittaker Robert J., Fjelds Jon, Rahbek Carsten. An Update of Wallace’s Zoogeographic Regions of the World // Science. 2013. Vol. 339. № 4. P. 74–79.

Udvardy M. D. F. Classification of the Biogeographic Provinces of the World Occasional № 18 Int. Union for Conservation of Nature. Morges. Swittzerland, 1975. P. 1–48.

www.biodat.ru Благодарности Исследования, послужившие основой для настоящей статьи, выполнены по программе ФНИ государственных академий наук на 2013–2020 гг., проект № VI.51.1.8, и частично в рамках «Программы повышения конкурентоспособности Томского государственного университета».

Ravkin Y., Bogomolova I., Tsybulin S. Ecological arrangement of floro-faunistic heterogeneity of northern Eurasia // Principy kologii. 2017. Vol. 6. № 1. P. 127141.

–  –  –

References The Atlas of the USSR. M.: GUGK, 1983. 260 p.

Blinova T. K. Ravkin Yu. S. Ornithofaunistic Zoning of Northern Eurasia, Sib. ekol. zhurn. 2008. T. 15. No. 1. P.

101–121.

Ravkin Y., Bogomolova I., Tsybulin S. Ecological arrangement of floro-faunistic heterogeneity of northern Eurasia // Principy kologii. 2017. Vol. 6. № 1. P. 127141.

Bobrov V. V. Aleschenko G. M. Scheme of gerpetogeografic regionalization of Russia and neighbouring countries, Voprosy gerpetologii. Puschino; Moskva, 2001. P. 31–34.

Voronov A. G. Kucheruk V. V. Biotic diversity in the Palaearctic: problems of study and protection, Biosfernye zapovedniki: Trudy I sovetsko-amerikanskogo simpoziuma, SSSR, 5–17 maya 1976 g. L.: Gidrometeoizdat, 1977.

P. 7–20.

Kuznecov B. A. Essey on zoogeographical regionalization of the USSR. M.: Izd-vo Mosk. ob-va ispytateley prirody, 1950. 176 p.

Kurnaev S. F. Forest vegetation zoning of the USSR. M.: Nauka, 1973. 203 p.

Malyshev L. I. Modelling floristic zoning by cluster analysis of elementary allotments in northern Asia and Europe, Sravnitel'naya floristika na rubezhe III tysyacheletiya: dostizheniya, problemy, perspektivy: Materialy V rabochego soveschaniya po sravnitel'noy floristike. SPb., 2000. P. 20–36.

Mekaev Yu. A. Zoogeografical complexes of Eurasia. L.: Nauka. Leningr. otd-nie, 1987. 125 p.

Ravkin Yu. S. Bogomolova I. N. Tsybulin S. M. Faunistic Zoning of Northern Eurasia, Izv. RAN. Ser. geogr. 2015a.

No. 3. P. 29–40.

Ravkin Yu. S. Bogomolova I. N. Tsybulin S. M. Comparative regionalization of Northern Eurasia by woody plants and ground vertebrates, Sibirskiy lesnoy zhurnal. 2015b. No. 5. P. 42–53.

Ravkin Yu. S. Bogomolova I. N. Tsybulin S. M. Legalov A. A. The zoning of Northern Eurasia on the fauna of bark beetles, Evraziatskiy entomologicheskiy zhurnal. 2014. T. 13. Vyp. 3. P. 271–279.

Ravkin Yu. S. Kupershtoh V. L. Trofimov V. A. Spatial arrangement of birds population, Pticy lesnoy zony Priob'ya, Yu. P. Ravkin. Novosibirsk: Nauka. Sib. otd-nie, 1978. P. 253–269.

Ravkin Yu. S. Livanov S. G. Factor zoogeography. Novosibirsk: Nauka. Sib. otd-nie, 2008. 205 p.

Ravkin Yu. S. Sedel'nikov V. P. Sergeev M. G. Titlyanova A. A. Hmelev V. A. Bogomolova I. N. Tsybulin S. M.

Soobschenie V. Spatial-typological differentiation of the ecosystems of the West Siberian plain. Message V.

terrestrial ecosystems, Sib. ekol. zhurn. 2011. T. 18. No. 6. P. 773–788.

Rihter G. D. Physico-geographical zoning of the USSR, Fiziko-geograficheskiy atlas mira. M.: Izd-vo AN SSSR i Glavnogo upravleniya geodezii i kartografii SSSR, 1964. P. 248–249.

Severcov N. A. On zoological (mostly ornitological) regions in extra-tropical parts of our continent, Izv. Russk.

geogr. ob-va. SPb., 1877. T. 13. Vyp. 3. P. 125–155.

Semenov-Tian-Shanskiy A. Borders and zoogeographical zones of Palearctic region of terrestrial animals on the basis of the geographical division of Coleoptera. M.; L.: Izd-vo AN SSSR, 1936. 16 c.

Trofimov V. A. Models and methods of factor qualitative analysis of communication matrix, Problemy analiza diskretnoy informacii. Ch. II. Novosibirsk, 1976. P. 24–36.

Trofimov V. A. Quality factor analysis of connections matrix in the space of partitions with structure, Modeli agregirovaniya social'no-ekonomicheskoy informacii. Novosibirsk: Nauka, 1978. P. 91–106.

Trofimov V. A. Ravkin Yu. S. Express-method of estimating the connection between the heterogenity of animals population and environmrntal factors, Kolichestvennye metody v ekologii. L., 1980. P. 113–115.

Flora of the USSR. M.; L., 1934. T. 1. 302 p.

Ravkin Y., Bogomolova I., Tsybulin S. Ecological arrangement of floro-faunistic heterogeneity of northern Eurasia // Principy kologii. 2017. Vol. 6. № 1. P. 127141.

Chelincev N. G. Mathematical principles of animals census. M.: GU Centroohotkontrol', 2000. 431 p.

Ravkin Yu. S., Bogomolova I. N., Tsybulin S. M., Legalov A. A. Zoning of Northern Eurasia based on the fauna of pine flower, fungus and leaf-rolling weevils (Coleoptera: Nemonychidae, Anthribidae, Rhynchitidae, Attelabidae), Evraziyskiy entomologicheskiy zhurnal. 2015. No. 14 (4). P. 367–373.

Holt Ben G., Lessard Jean-Phitippe, Borregaard Michael K., Fritz Susanne A., Arajo Miguel B., Dimitrov Dimitar, Fabre Pierre-Henri, Graham Catherine H., Graves Gary R., Jensson Knud A., Nogus-Bravo David, Wang Zhiheng, Whittaker Robert J., Fjelds Jon, Rahbek Carsten. An Update of Wallace’s Zoogeographic Regions of the World, Science. 2013. Vol. 339. No. 4. P. 74–79.

Udvardy M. D. F. Classification of the Biogeographic Provinces of the World Occasional No. 18 Int. Union for Conservation of Nature. Morges. Swittzerland, 1975. P. 1–48.

www.biodat.ru Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864

–  –  –

Введение Экспертная система (ЭС) – это программа, заменяющая человека-эксперта. Потребность в ней возникает, когда требуется получить взвешенное обоснованное решение в условиях дефицита, слабой структурированности и большого разнообразия источников исходной информации. К сожалению, для построения однозначных фундаментальных моделей, полноценно описывающих динамику объекта исследований, зачастую на хватает информации. В этой ситуации прогноз состояния природного объекта приходится делать на основе вероятностных или логических методов, аналогичных мышлению специалиста-эксперта.

Главное достоинство любой экспертной системы состоит в попытке воспроизвести мышление эксперта и при этом использовать гораздо больший объем данных и знаний, чем может вместить поле зрения отдельного исследователя. Экспертная система аккумулирует и сохраняет в своей структуре навыки и умения экспертов, строящих и развивающих ее. Роль экспертной системы состоит в том, чтобы рекомендовать то или иное решение выхода из проблемной ситуации. В отношении экологических задач это может быть как текущая оценка состояния природных экосистем, так и прогноз их динамики при том или ином уровне антропогенных воздействий (рубка леса, разработка недр, гидротехническое Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 строительств и пр.). Значимость построения экспертных систем состоит еще и в том, что имеющаяся информация целенаправленно концентрируется и структурируется, разрабатываются планы по развитию и расширению информационной базы, оптимизации методов ее наполнения и обработки.

Например, система REGION, которая на момент создания позиционировалась как экспертная (Костина и др., 2003; Волжский…, 2011), к настоящему времени накопила знания в форме строгих формализованных описаний зависимостей между природными компонентами и тем самым превратилась в полноценную информационную систему (Костина, 2015), обладающую гораздо большим прогностическим потенциалом. В этом ключе создание экспертной системы для Онежского озера мы рассматриваем как средство консолидации накопленных данных и знаний, в том числе с целью осуществления и развития мониторинга его состояния.

К текущему моменту многие компоненты карельских озерных экосистем достаточно хорошо изучены, что позволило сформировать экспертную систему для оценки их состояния и трофического статуса (Меншуткин и др., 2009, 2009а), кроме самых крупных – Онежского и Ладожского озер. Однако в эту систему не был включен зоопланктон вследствие широкой изменчивости исходных данных.

Зоопланктон Онежского озера изучается лабораторией гидробиологии (Институт водных проблем Севера КарНЦ РАН) достаточно давно и с определенной регулярностью, что дает возможность взять эту группу за основу при создании экспертной системы.

В этой связи цель нашей публикации состоит в том, чтобы детально описать этапы работы по созданию диагностической экспертной системы на примере зоопланктона, сформулировать требования к данным и предложить путь оптимизации мониторинга за состоянием зоопланктона.

Материалы В основу работы положен опыт анализа данных по зоопланктону Онежского озера, полученных в период с 1970 по 2016 г. (Сярки, Куликова, 2012).

Зоопланктон пелагиали Онежского озера достаточно хорошо изучен. Описаны состав и биоразнообразие, численность и биомасса зоопланктона, как основных групп, так и отдельных видов.

Изучены пространственное распределение, сезонный ход изменения показателей в годовом цикле и его межгодовые колебания. Описаны основные закономерности трансформации сообщества зоопланктона при воздействии антропогенных факторов (в Кондопожской губе) (Сярки, 2008, 2015; Куликова и др., 1997; Куликова, Сярки, 2004 и др.).

Для показателей состояния зоопланктона характерна высокая пространственно-временная изменчивость. Причинами являются морфометрическая гетерогенность озера, в северо-западной части которого находятся крупные вытянутые заливы (Петрозаводская, Лижемская, Кондопожская губы, Повенецкий залив), а также множество небольших заливов, имеющих северо-западное простирание.

Природную гетерогенность физико-химических характеристик экосистемы озера усиливает антропогенный фактор – максимальные концентрации фосфора и органического вещества наблюдаются в наиболее загрязненных Кондопожской и Петрозаводской губах.

Существенное различие в гидрологическом, температурном, физико-химическом режимах в разных районах озера накладывает глубокий отпечаток на тип и характер функционирования живых организмов. Онежское озеро представляет собой холодноводный водоем, в котором сезонная цикличность планктонных сообществ ярко выражена. Основные фенологические фазы развития биоты (начало вегетационного периода, максимальные уровни численности и разнообразия, спад и переход к зимнему состоянию) в разных районах озера протекают в разные календарные даты, что определяется явлением термобара и временным разделением водоема на термоактивную и термоинертную зоны. В период весеннего термобара прогретая вода в заливах более чем на месяц (примерно в середине мая – июне) отделена от более холодной основной водной массы в глубоководной части озера. В этот период в северо-западных заливах накапливаются речные воды, резко изменяются гидрохимические показатели

– повышается содержание органических, биогенных, взвешенных веществ. Лишь к середине лета формируется прямая температурная стратификация во всех районах озера. Пелагический планктон обладает ярко выраженной пространственно-временной динамикой, которая отмечается как неоднородность состояния планктона в разных областях акватории, особенно в весенний и раннелетний периоды, и объясняется различными фазами сезонного развития в термоактивной и термоинертной зонах озера. Кроме того, в указанный период ярко проявляется межгодовая изменчивость в сроках прогревания воды и скорости весенней сукцессии планктона.

Высокая пространственная гетерогенность и специфические черты биоты Онежского озера предопределяют сложность ее изучения и необходимость развития особых подходов к оценке ее Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 состояния.

Наблюдаемая высокая изменчивость показателей зоопланктона связана с действием сезонных факторов (температура, трофические условия, свет, стратификация и т. д.). Тем не менее существуют предпосылки объяснения как пространственного, так и временного компонентов этой изменчивости (а значит, уменьшения ошибки прогноза). Во-первых, большие размеры и инертность водных масс Онежского озера определяют постоянство условий и однородность сообществ зоопланктона в центральной глубоководной части озера. Во-вторых, сезонная динамика устойчиво воспроизводится от года к году, что позволило формализовать ее в виде модели (Сярки, Чистяков, 2013) и уменьшить неопределенность показателей в годовом цикле, тем самым увеличив их информационную значимость.

Эти подходы позволили рассматривать сообщество зоопланктона как весьма информационный показатель для оценки состояния экосистемы озера в его центральной части и крупных губах.

Зоопланктон является важнейшим звеном озерной экосистемы. Его составляют животные, размеры которых различаются на 3–4 порядка. Самые мелкие имеют размеры от 50 мкм (0.050 мм), крупные достигают размеров до 1–1.5 см. В основном зоопланктон пресных вод представлен видами рачков (веслоногие и ветвистоусые) и коловраток.

Зоопланктон является ключевым звеном в системе передачи энергии и органического вещества от продуцентов к высшим трофическим звеньям, в том числе рыбам. Таким образом, он участвует в формировании биоресурсов озера. Так, основную долю уловов (60 %) в Онежском озере составляют планктофаги (Сярки, 2010).

Сообщество зоопланктона Онежского озера – это многокомпонентная сложная система с развитыми связями, обладающая нелинейностью, разномасштабными структурами и процессами. Как центральное звено в трофической сети пелагиали зоопланктон участвует в самоорганизации планктонной системы озера и обеспечивает ее устойчивое функционирование. Сообщества зоопланктона являются регуляторами сукцессионных процессов и проводниками Top-Down и Bottom-Up эффектов в пелагиали озера.

Тесная связь с другими компонентами экосистемы и факторами среды позволяет использовать зоопланктон в качестве индикатора в системе биомониторинга экосистемы озера.

Традиционные методы исследований Традиционные методы исследования зоопланктона состоят в отборе проб (с помощью планктонной сетки), их фиксации и последующей камеральной обработке. Сохранение единой методической схемы позволяет сравнивать современные данные с материалами 1960–1980-х годов (Зоопланктон Онежского озера, 1972; Куликова, 1982). Для изучения мелкой фракции зоопланктона были использованы другие методы и получены количественные величины, сильно отличающиеся от данных сетных уловов (Куликова и др., 1997).

Схема расположения станций позволяет отразить пространственное распределение показателей зоопланктона (рис. 1) (Сярки, 2010). Точки станций неравномерно распределены по акватории озера и сконцентрированы в Кондопожской и Петрозаводской губах (рис. 1 А) в связи с задачей детально изучать зонирование акваторий от антропогенного воздействия. Вертикальное распределение изучается на стандартных горизонтах (0–5, 5–10, 10–25, 25–50, 50–75, 75–100).

Периодичность отбора проб в период наблюдений была различной (рис. 1 Б). В некоторые годы (1960, 1988, 1989, 1991, 1993, 2016) пробы отбирались с периодичностью по 4–6 раз в год на 6–10 станциях. Чаще проводились одноразовые съемки в различных районах озера с отбором на постоянных 10–15 мониторинговых точках. Сезон отбора проб в этом случае сильно варьировал по годам (май – сентябрь) и определялся финансовыми и людскими ресурсами лаборатории.

Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864

–  –  –

Пробы фиксировались 4 % формалином, затем проводилась камеральная обработка проб с идентификацией видов (Комплексное гидрохимическое..., 2011). В результате в каждой пробе определялись общие численности и биомассы зоопланктона, количество его основных систематических и трофических групп, половая и размерно-возрастная структура популяций составляющих планктон видов. Всего в зависимости от сезона – 20–40 параметров на каждую пробу, а именно – набор видов, половозрастные группы, их численность и биомасса.

Традиционная классификационная экспертная система ориентирована на получение качественного ответа в терминах «хорошо – плохо» или выбора одного из нескольких заранее определенных вариантов (например, при диагностике заболевания). В арсенал средств экспертных систем входят алгоритмы логических умозаключений из серии посылок (логические решающие правила), а техника самой работы состоит в опросе пользователя по серии вопросов, ответы на которые логически связываются в общее заключение. В основе такой системы лежит множество импликаций (утверждений вида «если…, то…»), связывающих имеющуюся в базе данных информацию с ограниченным числом возможных ответов. В процессе опроса пользователя полученная информация аккумулируется в виде накопления шансов в пользу того или иного варианта решения, а полученный вывод выражает оценки вероятности каждого из них. Развитые экспертные системы для формулирования качественного заключения используют разнообразные алгоритмы обработки количественной информации (построение деревьев классификации и регрессии, исчисление предикатов, байесовский классификатор, логистическая регрессия). Например, экспертная система для оценки трофического статуса озер Карелии, использующая алгоритмы нечеткой логики, основана на частотных таблицах сопряженной встречаемости представителей фауны и флоры. Основной расчетной величиной взята «функция принадлежности», которая принимает значения от 0 до 1 и интерпретируется как численная мера «значимости» импликации.

Упрощенно типичная экспертная система состоит из следующих компонентов (Таунсенд, Фохт, 1990; Джарратано, Райли, 2007 и мн.

др.):

база знаний (база данных, база правил), блок приобретения знаний (ввод, обучение), управляющий компонент (решатель, интерпретатор), Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 средства общения с пользователем (оформление запроса, вывод объяснений).

Эта схема легла в основу наших дальнейших построений.

Оригинальные методы исследований Мы рассматриваем экспертную систему как эффективную стратегию, которая позволяет учесть и формализованно описать эмпирически установленные структурно-функциональные особенности всего комплекса гидробионтов экосистемы Онежского озера.

Ниже будет рассмотрено наше видение путей формирования экспертной системы на примере анализа зоопланктона Онежского озера. Выбор пал всего лишь на одну группу организмов по двум причинам. Если рассматривать все компоненты экосистемы Онежского озера, что можно сразу же утонуть в огромном количестве изучаемых переменных. А наша задача состояла в выработке принципиальных подходов к формализованному представлению имеющихся данных. Кроме того, зоопланктон редко используют при моделировании экосистем, поэтому наше внимание не будет отвлекаться на стереотипные подходы к его описанию. Выбор одного из экосистемных компонентов позволит упростить изложение материала и как можно прозрачнее показать принципы организации планируемой экспертной системы. Это открывает путь для последующего включения в состав экспертной системы других биотических сообществ озера. Кроме того, едва ли не главной задачей является поиск принципиальных путей оптимизации мониторинга состояния как зоопланктона, так и других сообществ озерной экосистемы для уточнения признаков нарушения ее состояния.

Экспертная система включает в себя два главных компонента – блоки модели объекта и блоки экспертной оценки состояния объекта. Сопоставляя результаты моделирования с заранее выработанными критериями «нормы» и «нарушения», получаем оценку текущего состояния зоопланктона (рис. 2).

Рис. 2. Схема экспертной системы Fig. 2. Scheme of expert system В соответствии с системным подходом (Коросов, 2002) построение любой «системы» необходимо вести, отталкиваясь от простой конструкции в направлении более полноценной модели путем последовательной дифференциации ее компонентов (в структуре, пространстве и времени), стараясь включить в нее все имеющиеся знание. Такой подход гарантирует изначальную интегрированность и, следовательно, управляемость модельного построения. В рамках экспертной системы модель биосистемы представляет собой «базу знаний»; в свою очередь, создание и развитие модели биосистемы представляет собой процесс «обучения» на основе имеющихся знаний.

Структура базы знаний Связи между компонентами изучаемой системы описываются моделью динамики зоопланктона, которая основана на состоянии среды обитания (физико-химические компоненты экосистемы) и имеет Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 выходом оценки его численности. Простейшим вариантом исходной модели зоопланктона можно взять конечный автомат с ограниченным числом дискретных переходов между ясно различимыми состояниями (рис. 3). Условием переходов могут быть определенные уровни таких характеристик среды, как фотопериод, температура, минерализация, органическое загрязнение. Простейшая модель будет состоять из 5 или 7 переходов между 3–5 состояниями в разные сезоны года, одно из которых можно определить как опасное или критическое.

Рис. 3. Простейшая модель биосистемы в виде конечного автомата Fig. 3. Simplest model of biosistem as a finite state machine Таким образом, результат работы автомата будет определяться текущим уровнем абиотических и антропогенных факторов. В экспертной системе, основанной на такой модели, важнейшим моментом оказывается определение границы «нормы» и «патологии» состояния зоопланктона. Идти к этой оценке можно бесконечно долго, однако для грубой дискретной модели эта граница очевидна. Для загрязняемых акваторий Онежского озера летняя биомасса зоопланктона выше 2 г/куб. м говорит о серьезных физико-химических отклонениях в составе воды. Применяя такую модель к конкретному составу воды, можно сразу получить оценку состояние зоопланктона.

Развитие (дифференциация) базовой модели в пространстве состоит в разбиении всего водного пространства (акватории) Онежского озера на крупные блоки, в каждом из которых выполняется самостоятельное моделирование динамики зоопланктона. Важнейший вопрос, который при этом придется решать, это размер (площадь, объем) таких блоков (камер), т. е. по существу вопрос о репрезентативности отдельных проб, возможностях экстраполяции точечных оценок на площади акватории. Результатом этого этапа станет карта акватории, на которую наносятся меняющиеся по сезонам параметры состояния. Первоначально ячейки могут рассматриваться изолированно, а в дальнейшем будут объединены связями переноса в общую камерную модель (это необходимо, например, для имитации распространения физико-химических водных компонентов – температуры, загрязнителей и пр.). При этом не обойтись без вертикальной стратификации для учета явлений осаждения (Литвинова, Коросов, 1998).

Развитие (дифференциация) базовой модели во времени состоит в разбиении времени жизни модели на периоды (сезоны, фенофазы). Простейший вариант – оценка состояния группы в отдельный (летний) сезон. Учитывая высокую скорость репродукции популяций этой группы, сложно построить модель с учетом преемственности поколений. Выходом может быть, видимо, реконструкция динамики численности в отдельном блоке и использование всего этого ряда (например, из 4–5 значений для отдельных фенофаз) при сравнении с другими рядами из других частей акватории. Очевидно, что в отдельные сезоны состоянию «норма» будут соответствовать разные уровни численности. Это значит, что оценка отклонений от «нормы» зоопланктона в данной части акватории будет более полноценной, если сравнивать не единичные значения, а их наборы, представляющие сезонную динамику. Другой, Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 более важный аспект развития модели во временном плане – это реконструкция многолетней динамики на фоне изменения климатических условий (Филатов и др., 2014) и антропогенной нагрузки (Калинкина и др., 2016). Для реализации этих моделей и построения прогнозов по ним необходимо составить карты распространения ключевых физико-химических компонентов экосистемы по годам. Зная положение дел (Крупнейшие озера-водохранилища..., 2015), необходимо построить имитационные реконструкции распределения указанных компонентов по акватории, а также прогноз такого распределения на следующие годы.

Структурное развитие (дифференциация) базовой модели будет иметь два аспекта. Очевидно, что должно быть выполнено раздельное моделирования динамики отдельных компонентов зоопланктона (трофических и таксономических групп). В качестве метрик могут выступать как преобразованные оценки численности групп, так и полученные на их основе экологические индексы. Не менее очевидно, что безусловные переходы конечного автомата из одного состояния в другое придется сделать вероятностными с использованием, например, байесовской формулы. Поскольку вероятность смены состояний может определяться широким спектром факторов (как внешних абиотических, так и внутренних биотических), значит для их учета необходимо рассчитывать накопление шансов сменить состояние. Байесовский подход предполагает независимость частных вероятностей (Баженов, 2016а), что для биологических систем неправдоподобно и не позволяет оценить степень участия каждой переменной в выборе (Гублер, 1978). Возможно, придется апробировать новый подход, учитывающий зависимость внешних обстоятельств при расчете вероятностей выбора, – метод MaxEnt (Баженов, 2016).

На этом пути, вероятно, полезными окажутся традиционные статистические методы оценки апостериорной принадлежности объекта к той или иной группе – методы логистической регрессии (Шитиков и др., 2003; Леонов, 2016), дискриминантный анализ, нейронные сети и пр. Однако уже имеющийся опыт (Сярки, Чистяков, 2013) говорит о том, что при столь широкой изменчивости и, следовательно, очевидной неточности оценок численности зоопланктона не следует рассчитывать на то, что точные статистические методы позволят уточнить исходно неопределенные оценки.

Обобщая изложенные подходы, видится следующая композиция экспертной системы. В ее основе лежит камерная модель перехода между состояниями (например, зоопланктона), распространенная на всю акваторию и на все годы исследований. Переход из одного состояния в другое осуществляется по вероятностной матрице переходов, составленной при исследовании связей между зоопланктоном и условиями обитания. Для выполнения таких переходов во всех ячейках модели предварительно строится карта (камерная модель: ячейки акватории связаны функциями переноса) уровней физико-химических характеристик воды акватории. Результатом наложения модели смены состояний зоопланктона на модель переноса компонентов воды выступает карта пространственного распределения состояний зоопланктона. Сопоставляя карту с заранее принятыми критериями «нормы»

и «нарушения», получаем карту зон обычного и аномального состояния зоопланктона. В данном случае роль экспертной системы состоит в целесообразной интеграции имеющихся знаний и выработке критериев «нормы» для состояний зоопланктона.

Очевидно, что в процессе расширения и углубления экспертной системы будут меняться как полнота информации, так и алгоритмы формирования знаний и принятия решений (такова, например, динамика экспертной системы по озерам Карелии – Чухарев, 2011).

Выбор числа решений Перед планируемой экспертной системой будет стоять один вопрос – оценить в качественных категориях состояние экосистемы на данной акватории Онежского озера по показателям зоопланктона.

В отношении зоопланктона предлагаемая экспертная система призвана давать оценку вероятности одного из двух альтернативных решений – «состояние нативное», «состояние нарушенное». С ростом числа гидробиологических, гидрохимических, гидрофизических и пр. объектов, включенных в экспертную систему, количество классов возможных решений может возрасти или же она может обрести несколько блоков принятия разного числа решений. Учитывая ограниченный объем информации по динамике численности зоопланктона, указанный вопрос должен быть ориентирован на годовой отрезок времени, а именно: «Каков характер динамики зоопланктона (в данной части акватории озера) в данном году: естественный или нарушенный?» Вопрос о том, что следует считать «естественным»

состоянием, можно решить, используя имеющиеся материалы гидрохимических и гидробиологических исследований, выполненных в разных областях Онежского озера – как в загрязненых акваториях, так и не испытывающих антропогенной нагрузки. Нами уже выполнены описания зоопланктона Онежского озера по районам, а именно, среднемноголетнее его состояние, даны оценки межгодовых колебаний, Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 экспертные оценки сильных отклонений от среднемноголетнего хода кривых и выяснение их причин (вынос сточных вод, изменение термического режима и т. д.) (Геоэкологические закономерности..., 2012; Биогеохимические критерии..., 2016).

Основой для таких сравнений может выступить модель «типичной» посуточной динамики и распределения вокруг нее оценок численности зоопланктона Онежского озера, полученной методами взвешенного сглаживания (Сярки, 2013), а также с помощью аппроксимации заданной функцией многолетних рядов данных (Сярки, Чистяков, 2013). Степень отклонения данных от модели может быть выражена количественно, в том числе в вероятностных показателях, и стать критерием «нормы» и «экстремальности» состояния зоопланктона.

Рассмотренные процедуры могут служить только прологом для собственно работы эксперта, который дает заключение о «нормальности» состояния биосистемы. В первом варианте экспертная система будет ориентироваться на мнение эксперта (в случае с зоопланктоном – М. Т. Сярки) о критериях отнесения того или иного состояния данного компонента экосистемы к норме.

Алгоритм принятия решений В простейшем варианте экспертная система призвана дать рассматриваемому состоянию зоопланктона одну из двух оценок: «хорошо» или «плохо».

Более развитая формулировка проблемы состоит в том, чтобы для конкретного набора характеристик природного объекта оценить вероятность его принадлежности к тому или иному классу.

Эта процедура классификации состоит в поочередной обработке предоставленных данных по ранее построенным правилам и получении вероятностного ответа на вопрос.

В отношении биологических объектов обычно используются следующие процедуры разнесения объектов по заранее заданным классам с использованием количественных и качественных характеристик: дискриминантный анализ, нечеткая логика, байесовский классификатор, логистическая регрессия, метод максимума энтропии, искусственные нейронные сети и пр. В нашем случае дискриминантный анализ не подходит, поскольку, во-первых, распределение изучаемых характеристик не соответствует нормальному, во-вторых, используются не только количественные показатели, в-третьих, результат выдается в виде непрерывной величины, а не в форме рекомендаций (вероятности) для выбора альтернативы (Мурадов, 2011; Бабушкин, 2016). Методы нечеткой логики ориентированы на анализ взаимозависимости нескольких метрик (Круглов и др., 2001; Меншуткин и др., 2009; Паклин,

2016) и вполне могут быть уместны в многокомпонентной экспертной системе. Структура же имеющихся данных такова, что из числа существенных общих факторов, влияющих на зоопланктон, можно назвать лишь сумму накопленных температур в весенний период, задающих всего две градации существенно различных типов динамики зоопланктона – «ранняя весна» и «типичная весна». Для таких ограниченных данных применять аппарат нечеткой логики представляется избыточным. Использование нейронных сетей в нашем случае вряд ли будет эффективно, поскольку для их построения, как правило, требуются большие объемы исходной информации (чем мы не располагаем), а векторы «нагрузок» для учитываемых переменных не несут биологического смысла. Точные прогнозы могут быть получены и с использованием методов бутстреп-агрегирования деревьев: бэггинга (bagging) (Шитиков, Мастицкий, 2017).

Байесовский классификатор прост в использовании, однако, во-первых, он предполагает независимость изучаемых характеристики, во-вторых, оценивает вероятность решения с помощью обратного преобразования отношения шансов и поэтому может накапливать ошибку, а также не позволяет оценить степень участия каждой переменной в диагнозе (Гублер, 1978; Баженов, 2016).

Классификация методом логистической регрессии (Шитиков и др., 2003; Леонов, 2016) и методом максимальной энтропии (Баженов, 2016) строится с учетом возможной зависимости между изучаемыми переменными, выдает вероятностные оценки для каждого из альтернативных решений.

Базы данных В основу работы положена база данных по зоопланктону Онежского озера (Сярки, Куликова, 2012), которая содержит первичные данные обработки 1300 проб на 425 станциях с 1988 г. по настоящее время (формат – таблица MS Excel, объем 10 Мб). База содержит информацию об организмах зоопланктона, об их таксономической принадлежности, поле, возрасте и количестве в пробе, всего 47 тыс. строк; все данные имеют пространственно-временную привязку: дату и координаты места отбора проб.

Число и состав учитываемых характеристик определяется наличными данными. Поскольку по Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 категориям «хорошо – плохо» классифицируется такой объект, как годовая динамика численности зоопланктона, рассмотрим набор ее характеристик. Сезонная динамика зоопланктона характеризуется многократным изменением численности, следовательно, корректно сопоставлять можно только значения для конкретных фаз сезонного цикла. Например, можно отдельно говорить про 4 фазы естественной периодизации для зоопланктона (Сярки, 2013). Динамика зоопланктона во многом определяется температурными и трофическими факторами среды, в силу чего в отдельные годы сходные фазы динамики смещаются по времени. Следовательно, актуальна разработка метода выделения сезонных фаз (Сярки, 2013; Сярки, Фомина, 2014). Поскольку в течение года соотношение отдельных групп зоопланктона изменяется, исходный массив может быть представлен четырьмя систематическими группами (коловратки, веслоногие, ветвистоусые, каляноиды) и двумя-тремя индикаторными видами. Таким образом, состояние зоопланктона для отдельного года будут представлять 6 характеристик (6 пар распределений). Значения этих характеристик – единицы обилия.

В практике гидробиологических исследований бытуют численность, биомасса, комплексные показатели на их основе (Шитиков и др., 2003). Кроме того, в экспертных системах часто используются условные показатели, назначенные конкретным значениям по заранее разработанным шкалам, например показатели «принадлежности», «информационной значимости» (Меншуткин и др., 2009), «желательности» (Адлер и др., 1976), «относительной важности» (Саати, Кернс, 1991) и др.

Многие из полезных характеристик можно почерпнуть из Интернета. Для Онежского озера в открытом доступе есть данные по температуре, количествe органического вещества, взвесей (ESA, 2016; GRHSST, 2016), концентрации хлорофилла (Plymouth marine laboratory, 2016). Используя материалы сайтов, можно получить временные ряды для этих показателей за последние 10–20 лет. Важно отметить, что получение данных с указанных сайтов можно прописать как внутренние процедуры экспертной системы, что позволит не хранить, но непосредственно получать актуальные данные.

Помимо физико-химических факторов, в систему должны быть включены пространственные географические данные – координаты точек отбора проб, модельные карты акваториальных зон распространения изученных гидрологических процессов (Сярки, 2010), в том числе внешние данные с указанных сайтов. Среда ГИС дает возможность не только ввести в анализ географические характеристики объектов, но также выполнить пространственную экстраполяцию прогнозных оценок, наглядно показав зоны благополучия и нарушения естественных экологических процессов (Коросов, Коросов, 2006).

Пополнения баз данных: практика мониторинга состояния зоопланктона Развитие предлагаемой экспертной системы видится в существенном расширении базы фактических данных по зоопланктону. Достичь это можно, модифицировав практику выполнения мониторинга, а именно – резко увеличить количество собираемых проб – географически и хронологически, отказаться от видовой диагностики, перейти на автоматизированные методы распознавания при разборе проб. Увеличение числа отбираемых проб возможно при использовании (аренда, подряд) современных высокоскоростных катеров, широко применяемых сейчас для троллинга во всех частях Онежского озера. Возможна организация отбора проб со специальных, рейсовых и туристических, судов, выполняющих маршруты по акватории Онежского озера (как это делают зарубежные коллеги на паромах Балтийского моря).

Разбор части проб для выполнения экстренных задач мониторинга можно существенно упростить, проводя определение только основных групп, составляющих зоопланктон, и некоторых индикаторных видов (например, Daphnia cristata). Для ускоренной разборки большого числа проб по упрощенной методике можно привлекать исполнителей из числа сотрудников других подразделений КарНЦ РАН.

Кроме того, можно воспользоваться системами распознавания фотографий проб, аналогичными распознаванию паразитов при клинических медицинских исследованиях (iMICROTEC, 2016). Для исследования размерных фракций сестона и планктона и поведения в нем движущихся организмов зоопланктона возможно применение цифрового голографического прибора, разработанного в Физико-техническом институте Петрозаводского государственного университета (Ekimov et al., 2010;

Ипатов и др., 2015). Прибор позволяет измерять амплитуду и фазу оптической волны в произвольном сечении объема измерения без необходимости какого-либо сканирования. За счет этого достигается большая глубина резкости, на порядок превышающая значения, характерные для обычного микроскопа с такой же разрешающей способностью, в результате чего оказывается возможным измерить координаты и форму объектов в объеме и в динамике.

Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 Программная реализация Интерфейс экспертной системы проще всего представить как web-сайт и создать на языке Java (Java, 2016). Ведение баз данных можно также написать на языках Java или R (The R…, 2016).

Организовать источник картографических данных для ГИС (карты, снимки, статистические поверхности) можно в среде QGIS (Коросов, Зорина, 2016), однако выполнять считывание географической информации с подготовленных подложек следует в среде R. Программы для расчетов следует написать на R и оформить как встроенные процедуры. В среде программирования R (The R…, 2016) реализованы все необходимые процедуры обработки данных (Мастицкий, Шитиков, 2014; Jurka, Tsuruoka, 2013;

Шитиков, Мастицкий, 2017).

Обсуждение Наиболее интересный и наиболее сложный вопрос организации экспертной системы по зоопланктону состоит в необходимости учитывать изменчивость этой группы в контексте сезонной динамики условий обитания. Иногда проблема оценки взаимной зависимости компонентов экосистем карельских озер (Меншуткин и др., 2009) решается с помощью перекрестной таблицы частот совместной встречаемости, т. е. как обобщение статичной информации. В другом варианте (Волжский бассейн, 2011) для выражения зависимости планктона от факторов среды приняты многомерные и эволюционные методы, поскольку объемы накопленной информации позволяют выполнять строгий количественный анализ этой зависимости. В нашем случае есть возможность учесть изменение объекта во времени, но информация весьма фрагментарна. Таким образом, стоит задача восстановления информации (передача данных) для целей классификации состояний. Решение проблемы сопряжения динамических рядов откроет дорогу для включения в экспертную систему других биотических и абиотических компонентов озерной экосистемы.

Заключение или выводы

1. Зоопланктон рассматривается как удобный и надежный индикатор в системе биомониторинга состояния пелагического планктона и экосистемы озера в целом.

2. Предлагаются принципы консолидации накопленной информации по зоопланктону Онежского озера в форме экспертной системы с целью оптимизации мониторинга состояния зоопланктона и озерной экосистемы в целом.

3. Предлагается реорганизация мониторинга зоопланктона в направлении роста его масштабности: увеличение числа проб, расширение географии и упрощение процедуры разбора проб, в том числе путем ее автоматизации.

Библиография Адлер Ю. П., Макарова Е. В., Грановский Ю. В. Планирование эксперимента при поиске оптимальных условий [Planning expriment in seaching optimal conditions]. М.: Наука, 1976. 280 с.

Бабушкин Э. Когда дискриминантный анализ предпочтительней логистической регрессии [When discriminant analysis is preferred to logical regression] // Блог про HR-аналитику.

URL:

http://edwvb.blogspot.ru/2014/02/chem-diskriminantnyjj-analiz-predpochtitelnyjj-logisticheskojj-regressii.html (дата обращения 26.05.2016).

Баженов Д. Классификация методом максимальной энтропии [Classification using the method of maximum entropy]. URL: http://bazhenov.me/blog/2013/04/23/maximum-entropy-classifier.html (дата обращения 26.05.2016).

Баженов Д. Наивный байесовский классификатор [Nave Bayes classificator].

URL: http://bazhenov.me/blog/2012/06/11/naive-bayes.html (дата обращения 26.05.2016а).

Биогеохимические критерии состояния экосистемы Онежского озера и ее устойчивости к антропогенному воздействию [Biogeochemical criteria of Lake Onega ecosistem condition and its sustainability to anthropogenic impact]: Отчет о научно-исследовательской работе ИВПС КарНЦ РАН. № гос.

регистрации 01201362240. Петрозаводск, 2016. 267 с.

Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 Волжский бассейн. Устойчивое развитие: опыт, проблемы, перспективы [The Volga basin. Sustainable development: experience, problems, prospects] / Под ред. Г. С. Розенберга. М.: Институт устойчивого развития Общественной палаты Российской Федерации; Центр экологической политики России, 2011. 104 с.

Геоэкологические закономерности устойчивого функционирования крупных озер и водохранилищ Северо-Запада России [Geoecological regularities of sustainable functioning of large lakes and water-bodies in the north-west of Russia]: Отчет о научно-исследовательской работе ИВПС КарНЦ РАН. Т. 2. № гос.

регистрации 01201001300. Петрозаводск, 2012. 489 с.

Гублер Е. В. Вычислительные методы анализа и распознавания патологических процессов [Computating methods of analysis and recognition of pathologic processes]. Л.: Медицина, Ленинградское отд-ние, 1978.

296 с.

Джарратано Дж., Райли Г. Экспертные системы: принципы разработки и программирование [Expert sistems: principles of development and programming]. М.: ООО «И. Д. Вильямс», 2007. 1152 с.

Зоопланктон Онежского озера [Zooplankton of Onega Lake]. Л.: Наука, 1972. 327 с.

Ипатов А. А., Бахмет И. Н., Екимов Д. А., Кулдин Н. А. Автоматическая система раннего оповещения об экологической опасности на водоемах и ее апробация [Automatic sistem of early announcement in water-bodies and its approbation] // Труды Карельского научного центра Российской академии наук. 2015.

№ 12. С. 80–86.

Калинкина Н. М., Сидорова А. И., Полякова Т. Н., Белкина Н. А., Березина Н. А., Литвинова И. А. Снижение численности глубоководного макрозообентоса Онежского озера в условиях многофакторного воздействия [Reducing the number of deep-water macrozoobentos in Lake Onega in the conditions of multifactor impact] // Принципы экологии. 2016. Т. 5. № 2. С. 47–68. DOI: 10.15393/j1.art.2016.5182.

Комплексное гидрохимическое и биологическое исследование качества вод и состояния водных и околоводных экосистем [Complex gydrochemical and biological investigation of water quality and the condition of water wet-land ecosistems]: Метод. руководство. Ч. 1. Полевые исследования / Под ред. Т. И.

Моисеенко. Тюмень: Изд-во Тюменского гос. ун-та, 2011. 128 с.

Коросов А. В. Имитационное моделирование в среде MS Excel (на примерах из экологии) [Simulation in the MS Excel environment (by examples from ecology)]. Петрозаводск, 2002. 212 с.

Коросов А. В., Зорина А. А. Экологические приложения Quantum GIS [Ecological application of Quantum GIS]. Петрозаводск: Изд-во ПетрГУ, 2016. 210 с.

Коросов А. В., Коросов А. А. Техника введения в ГИС: Приложение в экологии [Technology of introduction to GIS: application in ecology]. Петрозаводск: Изд-во ПетрГУ, 2006. 186 с.

Костина Н. В. Информационная система Region: 25 лет развития и практического применения [Informetion system Region: 25 years of development and practiсe] // Известия Самарского научного центра РАН. 2015. Т. 17. № 4. С. 115–124.

Костина Н. В., Розенберг Г. С., Шитиков В. К. Экспертная система экологического состояния бассейна крупной реки [Expert system of ecological condition of the large river basin] // Известия Самарского НЦ РАН.

2003. Т. 5. № 2. С. 284–294.

Круглов В. В., Дли М. И., Голунов Р. Ю. Нечеткая логика и искусственные нейронные сети. М.:

ФИЗМАТЛИТ, 2001. 201с.

Крупнейшие озера-водохранилища Северо-Запада Европейской части России: современное состояние и изменения экосистем при климатических и антропогенных воздействиях [Largest lakes-water reserves in the north-west of European part of Russia: present condition and ecosystem changes at climatic and Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 anthropogenic impacts]. Петрозаводск: Карельский научный центр РАН, 2015. 375 с.

Куликова Т. П. Зоопланктон залива Большое Онего и его продуктивность [Zooplankton of the Great Onego Lake and its productivity] // Лимнологические исследования на заливе Онежского озера Большое Онего. Л.: Наука, 1982. C. 130–155.

Куликова Т. П., Кустовлянкина H. Б., Сярки М. Т. Зоопланктон как компонент экосистемы Онежского озера [Zooplancton a a component of Lake Onega ecosystem]. Петрозаводск, 1997. 112 с.

Куликова Т. П., Сярки М. Т. Влияние антропогенного евтрофирования на распределение зоопланктона в Кондопожской губе Онежского озера [Influence of anthropogenic euthrofication on zooplancton distribution in Kondopozhsraya bay of Lake Onega] // Водные ресурсы. 2004. Т. 31. № 1. С. 91–97.

Леонов В. П. Логистическая регрессия в медицине и биологии [Logistic regression in medicine and biology] // Биометрика. URL: www.biometrica.tomsk.ru/logit_1.htm (дата обращения 26.05.2016).

Литвинова И. А., Коросов А. В. Имитационное моделирование распространения сточных вод КЦБК в Кондопожской губе Онежского озера [Simulation modeling of wastewater distribution in the KPPMK in the Kondopoga Bay of Lake Onega] // Антропогенное воздействие на природу Севера и его экологические последствия / Всерос. совещ. и выездная научная сессия. Апатиты, 22-25 июня 1998 г. Атапиты, 1998. С.

116-118.

Мастицкий С. Э., Шитиков В. К. Статистический анализ и визуализация данных с помощью R. [Statistic analysis and vizualization of data using R.]. 2014. URL: http://r-analytics.blogspot.com (дата обращения 26.05.2016).

Меншуткин В. В., Филатов Н. Н., Потахин М. С. Разработка экспертной системы «Озера Карелии». Ч. 1.

Порядковые и номинальные характеристики озер [Development of expert system «Lakes of Karelia»] // Водные ресурсы. 2009. Т. 36. № 2. C. 160–171.

Меншуткин В. В., Филатов Н. Н., Потахин М. С. Разработка экспертной системы «Озера Карелии». Ч. 2.

Классификация озер [Development of expert system: Lakes of Karelia] // Водные ресурсы. 2009а. Т. 36. № 3.

C. 300–311.

Методика комплексного гидрохимического и биологического исследования качества вод и состояния водных и околоводных экосистем: методическое руководство. Ч. 1. Полевые исследования [Technology of complex hydrochemical and biological investigation of water quality and wet-land ecosystems] / Под. ред. Т. И.

Моисеенко. Тюмень: Изд-во Тюменского гос. ун-та, 2011. С. 63.

Мурадов Д. А. Logit-регрессионные модели прогнозирования банкротства предприятий [Logit-regression models of prognozing enterprize banroptcy] // Труды РГУ нефти и газа им. И. М. Губкина. 2011. № 3 (264). С.

160–172.

Паклин Н. Математические основы нечеткой логики [Matematical fundamentals of fuzzy logic] // Научная библиотека по физике и новым технологиям. URL: http://bourabai.ru/tpoi/fuzzy.htm#5 (дата обращения 26.05.2016).

Паклин Н. Нечеткая логика — математические основы [Fuzzi logic – matematical fundamentals] // BaseGroup Labs. URL: https://basegroup.ru/community/articles/fuzzylogic-math (дата обращения 26.05.2016).

Саати Т., Кернс К. Аналитическое планирование. Организация систем [Analitical planning. System organization]. М.: Радио и связь, 1991. 224 с.

Сярки М. Т. Оценка рыбопродуктивности по состоянию кормовой базы. Зоопланктон [Assessment of fish productivity on the condition of food supply] // Биологические ресурсы Онежского озера. Петрозаводск,

2008. С. 54–67.

Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 Сярки М. Т. Зоопланктон // Онежское озеро: Атлас [Zooplancton. Lake Onega. Atlas] / Отв. ред. Н. Н.

Филатов. Петрозаводск: Карельский научный центр РАН, 2010. С. 117–119.

Сярки М. Т. Как долго длится лето для зоопланктона Онежского озера? [How long is the summer for zooplancton in Lake Onega?] // Принципы экологии. 2013. № 4. С. 70–75. DOI: 10.15393/j1.art.2013.2781.

Сярки М. Т. Оценка современного состояния экосистемы Онежского озера по гидробиологическим показателям и устойчивости функционирования водных сообществ. Зоопланктон [Assessment of Lake Onega ecosystem condition on hydrologic indicators and susceptibility functioning water communities] // Крупнейшие озера-водохранилища северо-запада европейской территории России. Современное состояние и изменения экосистем при климатических и антропогенных воздействиях.

Петрозаводск:

Карельский научный центр РАН, 2015. С. 121–127.

Сярки М. Т., Куликова Т. П. «Зоопланктон Онежского озера». База данных [Zooplancton of Lake Onega.

Database]. Рег. номер 2012621150 (9/11/2012). Правообладатель Федеральное государственное бюджетное учреждение науки Институт водных проблем Севера Карельского научного центра РАН (ИВПС КарНЦ РАН) (RU).

Сярки М. Т., Чистяков С. П. О применении метода ортогональных расстояний для моделирования сезонной динамики планктона Онежского озера [On the application of the method of orthogonal distances for modelling seasonal dynamics of plancton in Lake Onega] // Экология. 2013. № 3. С. 234–236.

Сярки М. Т., Фомина Ю. Ю. Oсобенности сезонных явлений в зоопланктоне Петрозаводской губы Онежского озера [Features of seasonal phenomena in zooplancton in Petrozavodskaya bay of Lake Onega] // Принципы экологии. 2014. Т. 3. № 3. С. 36–43. DOI: 10.15393/j1.art.2014.3682.

Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ [Design and software implementation of expert systems on personal computers]. М.: Финансы и статистика, 1990. 320 с.

Филатов Н. Н., Руховец Л. А., Назарова Л. Е., Георгиев А. П., Ефремова Т. В., Пальшин Н. И. Влияние изменений климата на экосистемы озер севера Европейской территории России [Climat influence on ecosystems in lakes of the North of European part of Russia] // Ученые записки Российского государственного гидрометеорологического института. № 34. СПб.: РГГМУ, 2014. С. 49–55.

Чухарев А. Л. Развитие экспертной системы «Озера Карелии» [Development of expert system Lakes of

Karelia] // Водная среда и природно-территориальные комплексы: исследование, использование, охрана:

Материалы IV Школы-конференции молодых ученых с международным участием (26–28 августа 2011 г.).

Петрозаводск: Карельский научный центр РАН, 2011. C. 261–262.

Шитиков В. К., Розенберг Г. С., Зинченко Т. Д. Количественная гидроэкология: методы системной идентификации [Quantitative hydroecology: methods of systemic identification]. Тольятти: ИЭВБ РАН, 2003.

463 с. URL: http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content0/Content0.htm (дата обращения 26.05.2016).

Шитиков В. К., Мастицкий С. Э. Классификация, регрессия и другие алгоритмы Data Mining с использованием R.

Электронная книга. 2017. 351 с. URL: https://github.com/ranalytics/data-mining (дата обращения 23.03.2017).

Шурига Л. 6 простых шагов для освоения наивного байесовского алгоритма (с примером кода на Python) [Six simple steps of acquisition of nave Bayes algorithm] // DataReview.

URL:

http://datareview.info/article/6-prostyih-shagov-dlya-osvoeniya-naivnogo-bayesovskogo-algoritma-s-primerom-k oda-na-python/ (дата обращения 26.05.2016).

Калинкина Н. М., Коросов А. В., Сярки М. Т. К созданию экспертной системы Онежского озера: оптимизация мониторинга состояния экосистемы по показателям зоопланктона // Принципы экологии. 2017. № 1. С. 117–132.

DOI: 10.15393/j1.art.2017.5864 iMICROTEC. URL: http://www.imicrotec.com/ (дата обращения 26.05.2016).

Ekimov D., Kaikkonen V., Mkynen A. Using digital holographic microscopy for 4D tracking of colloid particles.

The XII International Conference on Laser Applications in Life Sciences, LALS, June 9–11, 2010, Oulu, Finland, in Proc. SPIE 7376, 737615 (2010). DOI: 10.1117/12.871449.

ESA. Climate change initiative. URL: http://www.esa-sst-cci.org/?q=node/134 (дата обращения 26.05.2016).

–  –  –

Java. URL: https://java.com/ (дата обращения 26.05.2016).

Jurka T. P., Tsuruoka Y. Low-memory Multinomial Logistic Regression with Support for Text Classification.

1.3.3.1. 2013. 13 p. URL: http://127.0.0.1:22282/library/maxent/html/00Index.html (дата обращения 26.05.2016).

Plymouth marine laboratory. URL: https://www.oceancolour.org/portal/ (дата обращения 26.05.2016).

Ray S. 6 Easy Steps to Learn Naive Bayes Algorithm (with code in Python) // Analytics Vidhya.

URL:

https://www.analyticsvidhya.com/blog/2015/09/naive-bayes-explained/?utm_source=FBPage&utm_medium=Soc ial&utm_campaign=150914 (дата обращения 26.05.2016).

The R Project for Statistical Computing. URL: https://www.r-project.org/ (дата обращения 26.05.2016).

Благодарности Исследование выполнено за счет гранта Российского научного фонда (проект № 14-17-00766).

Kalinkina N., Korosov A., Syarki M. For creating an expert system of Lake Onega: optimization of monitoring the state of the ecosystem on zooplankton indicators // Principy kologii. 2017. Vol. 6. № 1. P. 117132.

–  –  –

References Adler Yu. P. Makarova E. V. Granovskiy Yu. V. Planning expriment in seaching optimal conditions. M.: Nauka, 1976. 280 p.

Babushkin E. When discriminant analysis is preferred to logical regression, Blog pro HR-analitiku. URL:

http://edwvb.blogspot.ru/2014/02/chem-diskriminantnyjj-analiz-predpochtitelnyjj-logisticheskojj-regressii.html (data obrascheniya 26.05.2016).

Bazhenov D. Classification using the method of maximum entropy. URL:

http://bazhenov.me/blog/2013/04/23/maximum-entropy-classifier.html (data obrascheniya 26.05.2016).

Bazhenov D. Nave Bayes classificator. URL: http://bazhenov.me/blog/2012/06/11/naive-bayes.html (data obrascheniya 26.05.2016a).

Biogeochemical criteria of Lake Onega ecosistem condition and its sustainability to anthropogenic impact:

Otchet o nauchno-issledovatel'skoy rabote IVPS KarNC RAN. No. gop. registracii 01201362240. Petrozavodsk, 2016. 267 p.

Chuharev A. L. Development of expert system Lakes of Karelia, Vodnaya sreda i prirodno-territorial'nye kompleksy: issledovanie, ispol'zovanie, ohrana: Materialy IV Shkoly-konferencii molodyh uchenyh s mezhdunarodnym uchastiem (26–28 avgusta 2011 g.). Petrozavodsk: Karel'skiy nauchnyy centr RAN, 2011. C.

261–262.

Complex gydrochemical and biological investigation of water quality and the condition of water wet-land ecosistems: Metod. rukovodstvo. Ch. 1. Polevye issledovaniya, Pod red. T. I. Moiseenko. Tyumen': Izd-vo Tyumenskogo gop. un-ta, 2011. 128 p.

Ekimov D., Kaikkonen V., Mkynen A. Using digital holographic microscopy for 4D tracking of colloid particles.

The XII International Conference on Laser Applications in Life Sciences, LALS, June 9–11, 2010, Oulu, Finland, in Proc. SPIE 7376, 737615 (2010). DOI: 10.1117/12.871449.

Kalinkina N., Korosov A., Syarki M. For creating an expert system of Lake Onega: optimization of monitoring the state of the ecosystem on zooplankton indicators // Principy kologii. 2017. Vol. 6. № 1. P. 117132.

ESA. Climate change initiative. URL: http://www.esa-sst-cci.org/?q=node/134 (data obrascheniya 26.05.2016).

Filatov N. N. Ruhovec L. A. Nazarova L. E. Georgiev A. P. Efremova T. V. Pal'shin N. I. Climat influence on ecosystems in lakes of the North of European part of Russia, Uchenye zapiski Rossiyskogo gosudarstvennogo gidrometeorologicheskogo instituta. No. 34. SPb.: RGGMU, 2014. P. 49–55.

–  –  –

Geoecological regularities of sustainable functioning of large lakes and water-bodies in the north-west of Russia:

Otchet o nauchno-issledovatel'skoy rabote IVPS KarNC RAN. T. 2. No. gop. registracii 01201001300.

Petrozavodsk, 2012. 489 p.

Gubler E. V. Computating methods of analysis and recognition of pathologic processes. L.: Medicina, Leningradskoe otd-nie, 1978. 296 p.

Ipatov A. A. Bahmet I. N. Ekimov D. A. Kuldin N. A. Automatic sistem of early announcement in water-bodies and its approbation, Trudy Karel'skogo nauchnogo centra Rossiyskoy akademii nauk. 2015. No. 12. P. 80–86.

Java. URL: https://java.com/ (data obrascheniya 26.05.2016).

Jurka T. P., Tsuruoka Y. Low-memory Multinomial Logistic Regression with Support for Text Classification.

1.3.3.1. 2013. 13 p. URL: http://127.0.0.1:22282/library/maxent/html/00Index.html (data obrascheniya 26.05.2016).

Kalinkina N. M. Sidorova A. I. Polyakova T. N. Belkina N. A. Berezina N. A. Litvinova I. A. Reducing the number of deep-water macrozoobentos in Lake Onega in the conditions of multifactor impact, Principy ekologii. 2016. T. 5.

No. 2. P. 47–68. DOI: 10.15393/j1.art.2016.5182.

Korosov A. V. Korosov A. A. Technology of introduction to GIS: application in ecology. Petrozavodsk: Izd-vo PetrGU, 2006. 186 p.

Korosov A. V. Zorina A. A. Ecological application of Quantum GIS. Petrozavodsk: Izd-vo PetrGU, 2016. 210 p.

Korosov A. V. Simulation in the MS Excel environment (by examples from ecology). Petrozavodsk, 2002. 212 p.

Kostina N. V. Rozenberg G. S. Shitikov V. K. Expert system of ecological condition of the large river basin, Izvestiya Samarskogo NC RAN. 2003. T. 5. No. 2. P. 284–294.

Kostina N. V. Informetion system Region: 25 years of development and practiсe, Izvestiya Samarskogo nauchnogo centra RAN. 2015. T. 17. No. 4. P. 115–124.

Kruglov V. V., Dli M. I., Golunov R. Yu. Nechetkaya logika i iskusstvennye neyronnye seti. M.: FIZMATLIT, 2001.

201p.

Kulikova T. P. Kustovlyankina H. B. Syarki M. T. Zooplancton a a component of Lake Onega ecosystem.

Petrozavodsk, 1997. 112 p.

Kulikova T. P. Syarki M. T. Influence of anthropogenic euthrofication on zooplancton distribution in Kondopozhsraya bay of Lake Onega, Vodnye resursy. 2004. T. 31. No. 1. P. 91–97.

Kulikova T. P. Zooplankton of the Great Onego Lake and its productivity, Limnologicheskie issledovaniya na zalive Onezhskogo ozera Bol'shoe Onego. L.: Nauka, 1982. C. 130–155.

Largest lakes-water reserves in the north-west of European part of Russia: present condition and ecosystem changes at climatic and anthropogenic impacts. Petrozavodsk: Karel'skiy nauchnyy centr RAN, 2015. 375 p.

Kalinkina N., Korosov A., Syarki M. For creating an expert system of Lake Onega: optimization of monitoring the state of the ecosystem on zooplankton indicators // Principy kologii. 2017. Vol. 6. № 1. P. 117132.

Leonov V. P. Logistic regression in medicine and biology, Biometrika. URL: www.biometrica.tomsk.ru/logit_1.htm (data obrascheniya 26.05.2016).

Litvinova I. A. Korosov A. V. Simulation modeling of wastewater distribution in the KPPMK in the Kondopoga Bay of Lake Onega, Antropogennoe vozdeystvie na prirodu Severa i ego ekologicheskie posledstviya, Vserop.

sovesch. i vyezdnaya nauchnaya sessiya. Apatity, 22-25 iyunya 1998 g. Atapity, 1998. P. 116-118.

Mastickiy S. E. Shitikov V. K. Statistic analysis and vizualization of data using R.. 2014. URL:

http://r-analytics.blogspot.com (data obrascheniya 26.05.2016).

Menshutkin V. V. Filatov N. N. Potahin M. S. Development of expert system «Lakes of Karelia», Vodnye resursy.

2009. T. 36. No. 2. C. 160–171.

Menshutkin V. V. Filatov N. N. Potahin M. S. Development of expert system: Lakes of Karelia, Vodnye resursy.

2009a. T. 36. No. 3. C. 300–311.

Muradov D. A. Logit-regression models of prognozing enterprize banroptcy, Trudy RGU nefti i gaza im. I. M.

Gubkina. 2011. No. 3 (264). P. 160–172.

Paklin N. Fuzzi logic – matematical fundamentals, BaseGroup Labs. URL:

https://basegroup.ru/community/articles/fuzzylogic-math (data obrascheniya 26.05.2016).

Paklin N. Matematical fundamentals of fuzzy logic, Nauchnaya biblioteka po fizike i novym tehnologiyam. URL:

http://bourabai.ru/tpoi/fuzzy.htm#5 (data obrascheniya 26.05.2016).

Plymouth marine laboratory. URL: https://www.oceancolour.org/portal/ (data obrascheniya 26.05.2016).

Ray S. 6 Easy Steps to Learn Naive Bayes Algorithm (with code in Python), Analytics Vidhya. URL:

https://www.analyticsvidhya.com/blog/2015/09/naive-bayes-explained/?utm_source=FBPage&utm_medium=Soc ial&utm_campaign=150914 (data obrascheniya 26.05.2016).

Rayli G. Expert sistems: principles of development and programming. M.: OOO «I. D. Vil'yams», 2007. 1152 p.

Saati T. Kerns K. Analitical planning. System organization. M.: Radio i svyaz', 1991. 224 p.

Shitikov V. K. Rozenberg G. S. Zinchenko T. D. Quantitative hydroecology: methods of systemic identification.

Tol'yatti: IEVB RAN, 2003. 463 p. URL: http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content0/Content0.htm (data obrascheniya 26.05.2016).

Shitikov V. K., Mastickiy P. E. Klassifikaciya, regressiya i drugie algoritmy Data Mining s ispol'zovaniem R.Elektronnaya kniga. 2017. 351 p. URL: https://github.com/ranalytics/data-mining (data obrascheniya 23.03.2017).

Shuriga L. Six simple steps of acquisition of nave Bayes algorithm, DataReview. URL:

http://datareview.info/article/6-prostyih-shagov-dlya-osvoeniya-naivnogo-bayesovskogo-algoritma-s-primerom-k oda-na-python/ (data obrascheniya 26.05.2016).

Syarki M. T. Chistyakov S. P. On the application of the method of orthogonal distances for modelling seasonal dynamics of plancton in Lake Onega, Ekologiya. 2013. No. 3. P. 234–236.

Syarki M. T. Fomina Yu. Yu. Features of seasonal phenomena in zooplancton in Petrozavodskaya bay of Lake Onega, Principy ekologii. 2014. T. 3. No. 3. P. 36–43. DOI: 10.15393/j1.art.2014.3682.

Syarki M. T. Kulikova T. P. Zooplancton of Lake Onega. Database. Reg. nomer 2012621150 (9/11/2012).

Pravoobladatel' Federal'noe gosudarstvennoe byudzhetnoe uchrezhdenie nauki Institut vodnyh problem Severa Karel'skogo nauchnogo centra RAN (IVPS KarNC RAN) (RU).

Kalinkina N., Korosov A., Syarki M. For creating an expert system of Lake Onega: optimization of monitoring the state of the ecosystem on zooplankton indicators // Principy kologii. 2017. Vol. 6. № 1. P. 117132.

Syarki M. T. Assessment of Lake Onega ecosystem condition on hydrologic indicators and susceptibility functioning water communities, Krupneyshie ozera-vodohranilischa severo-zapada evropeyskoy territorii Rossii.

Sovremennoe sostoyanie i izmeneniya ekosistem pri klimaticheskih i antropogennyh vozdeystviyah.

Petrozavodsk: Karel'skiy nauchnyy centr RAN, 2015. P. 121–127.

Syarki M. T. Assessment of fish productivity on the condition of food supply, Biologicheskie resursy Onezhskogo ozera. Petrozavodsk, 2008. P. 54–67.

Syarki M. T. How long is the summer for zooplancton in Lake Onega?, Principy ekologii. 2013. No. 4. P. 70–75.

DOI: 10.15393/j1.art.2013.2781.

Syarki M. T. Zooplancton. Lake Onega. Atlas, Otv. red. N. N. Filatov. Petrozavodsk: Karel'skiy nauchnyy centr RAN, 2010. P. 117–119.

Taunsend K. Foht D. Design and software implementation of expert systems on personal computers. M.: Finansy i statistika, 1990. 320 p.

Technology of complex hydrochemical and biological investigation of water quality and wet-land ecosystems, Pod. red. T. I. Moiseenko. Tyumen': Izd-vo Tyumenskogo gop. un-ta, 2011. P. 63.

The R Project for Statistical Computing. URL: https://www.r-project.org/ (data obrascheniya 26.05.2016).

The Volga basin. Sustainable development: experience, problems, prospects, Pod red. G. P. Rozenberga. M.:

Institut ustoychivogo razvitiya Obschestvennoy palaty Rossiyskoy Federacii; Centr ekologicheskoy politiki Rossii, 2011. 104 p.

Zooplankton of Onega Lake. L.: Nauka, 1972. 327 p.

iMICROTEC. URL: http://www.imicrotec.com/ (data obrascheniya 26.05.2016).

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842

–  –  –

Материалы Много лет назад произошло мое знакомство со статьей С. С. Либерман и Н. В. Покровской «Материалы по экологии прыткой ящерицы» (1943). С самого первого раза она обратила на себя внимание обстоятельностью, прекрасным методическим обеспечением и натуралистической наблюдательностью, глубоким анализом материала, новаторскими выводами. Постепенно в моих исследованиях по термобиологии рептилий накопилось достаточно много материала и появилась возможность сформировать целостную концепцию этого научного направления. И вот тогда я с удивлением обнаружил, что авторы статьи, опубликованной в самом начале изучения связи биологии пресмыкающихся с температурным фактором, обратили внимание на ключевые методологические, методические и фактологические аспекты, которые большинством последующих исследователей экологии этой группы животных просто забылись. При дальнейших исследованиях термобиологии рептилий становилось все более очевидно, что в статье С. С. Либерман и Н. В. Покровской 1943 г.

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842 обнаруживалось все больше важного и нового. В ней действительно раскрыты такие экологические и физиологические закономерности, которые ранее нигде не встречались: выделение статусов активности (полное и неполное активные состояния), температура тела при полной активности, методика определения оптимальной температуры и др. Это заставило меня особо внимательно проанализировать данную знаковую статью, оценить ее слабые и особенно сильные стороны, ее новаторство, изложить результаты анализа в отдельной, специальной работе (Черлин, 2014).

Но и после публикации у меня оставались важные вопросы: если статья 1943 г. такая серьезная и важная, то кто же такие С. С. Либерман и Н. В. Покровская? Откуда взялась такая замечательная работа, если упоминания об этих авторах не встречались ни до, ни после этой публикации? Кто они?

Откуда они появились и куда исчезли? Ведь память о таких исследователях не должна пропасть!

Первоначальные поиски приносили мало результатов. Об авторах статьи почти не было доступной информации. Но после публикации моей статьи в 2014 г. неожиданно на нее откликнулась внучка С. С.

Либерман, которая обнаружила мою статью в Интернете. Между нами завязалась оживленная переписка. Через нее я познакомился с дочерьми Н. В. Покровской. От всех них было получено много ценной биографической информации и фотографии, которые позволили ответить на те вопросы, которые я изначально перед собой поставил. Теперь я видел свою задачу в том, чтобы донести до современных исследователей биографическую информацию о самих авторах этой замечательной работы и тех людях, которые вдохновили, способствовали и руководили ею.

Таким образом, данная статья – логическое продолжение моей первой публикации о работе С. С.

Либерман и Н. В. Покровской (Черлин, 2014). Она смогла появиться только после того, как (и – вследствие того, что) моя первая публикация уже вышла.

*** По моей просьбе заведующий отделом герпетологии Зоологического музея МГУ В. Ф. Орлова провела в архивах Московского государственного университета поиск данных об авторах статьи. В книге об истории Зоологического музея МГУ (Любарский, 2009) на стр. 99 есть фотография 1941 г., на которой среди известных лиц кафедры зоологии позвоночных есть С. С. Либерман и Н. В. Покровская.

Я искренне благодарю В. Ф. Орлову за помощь в поиске этого исторического материала.

Впоследствии копия с одного из оригиналов этой фотографии вместе с другими ценными биографическими материалами была предоставлена мне внучкой С. С. Либерман – Мариной Либерман (Smith).

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842 Кафедра зоологии позвоночных МГУ 1941 г. Белой рамкой мы выделили С. С. Либерман (слева и выше) и Н. В. Покровскую (справа и ниже). В нижнем ряду слева направо: преподаватель А. М. Сергеев, проф. А. Н. Формозов, проф. С. И. Огнев и проф. Б. С. Матвеев (фотография из архива Марины Либерман) Department of vertebrate zoology, Moscow state University, 1941. In the frame – S. S. Liberman (left and above) and N. V. Pokrovskaya (right and below). In the bottom row from left to right: A. M. Sergeev, prof. A. N.

Formozov, prof. S. I. Ognev and prof. B. S. Matveev (courtesy of Marina Lieberman) Серафима Соломоновна Либерман – Сима – родилась 20 ноября 1919 г. в Москве. Ее мать Елизавета Ильинична Рамм (1886 г. р.) была родом из Стародуба (Брянская область). Она училась в Европе. Вернувшись в Россию, получила медицинское образование и начиная с 1920 г. всю жизнь проработала больничным врачом. Отец Симы Соломон Наумович Либерман был родом из Бобруйска (Белоруссия), работал фармакологом. С. Н. Либерман скончался в 1970 г., Е. И. Рамм – в 1976 г.

Семья жила в коммунальной квартире в центре Москвы на Остоженке, где с 1927 г. Сима училась в средней школе во 2-м Обыденском переулке. Ее одноклассниками были дети известных большевиков.

В школе, несмотря на трагические события 1930-х гг., царила атмосфера дружбы, которая связала многих школьников на всю жизнь.

Окончив школу, Сима поступила в Московский государственный университет (МГУ), где училась с 1936 по 1941 г. После окончания вуза с дипломом по специальности «зоология позвоночных» работала в МГУ под руководством профессора А. Н. Формозова и преподавателя кафедры зоологии А. М. Сергеева.

В одной группе с ней училась одна из ее ближайших подруг Нина Покровская. Сима была участником нескольких экспедиций по исследованию экологии различных животных и опубликовала ряд статей.

Выпускной вечер курса состоялся в ночь с 21 на 22 июня 1941 г., как раз в момент начала Великой Отечественной войны.

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842

–  –  –

С первых дней войны Сима работала в военном госпитале медсестрой, а ее мать – врачом. В выданной ей характеристике отмечалось, как «несмотря на наступление врага, Либерман С. С.

продолжала оказывать помощь раненым, а по ночам работала на дежурствах ПВО».

В книге о жизни А. Н. Формозова (Формозов, 1980) на стр. 105 есть следующая информация:

«Студенты старались как-то облегчить жизнь своего профессора. Жившая по соседству, на Остоженке, Серафима Соломоновна Либерман приходила к нему пилить дрова, а он в другие дни помогал в этом ей». Это относится к 1942–1943 гг.

В октябре 1942 г. у Симы родился сын. Когда в результате напряженных боев немцы были отброшены от Москвы и поток раненых в московские госпитали ослаб, она поступила научным сотрудником в ВНИХФИ (Всесоюзный научно-исследовательский химико-фармацевтический институт имени С. Орджоникидзе), расположенный на Зубовской площади. Выбор места работы был обусловлен близостью к дому – важный фактор при наличии новорожденного сына.

Серафима Соломоновна Либерман проработала во ВНИХФИ почти 59 лет: с декабря 1942 г. по день смерти – 20 сентября 2001 г. В июне 1949 г. С. С. Либерман защитила кандидатскую диссертацию.

В 1952 г. решением ВАК С. С. Либерман было присвоено звание старшего научного сотрудника.

В июне 1965 г. успешно прошла защита ее докторской диссертации. С 1965 по 1972 г. С. С.

Либерман была заведующим лабораторией во ВНИХФИ. Она выполнила много работ совместно с М. Д.

Машковским, автором знаменитого фармакологического справочника, над которым она также активно работала. В 1967 г. решением ВАК С. С. Либерман было присвоено звание профессора по фармакологии.

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842

–  –  –

Серафима Соломоновна Либерман и Михаил Давыдович Машковский во ВНИХФИ, 1954 г.

(фотография из архива Марины Либерман) Serafima S. Liberman and Michail D. Mashkovskiy in the Institute, 1954 (courtesy of Marina Liberman) Серафима Соломоновна Либерман была замужем три раза. В одном случае супруги развелись, а в двух других Серафима Соломоновна овдовела. Последний раз, уже в возрасте около шестидесяти лет, она вышла замуж за своего бывшего одноклассника Юрия Васильевича Шарвина (24.06.1919–1990), Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842 замечательного советского физика- экспериментатора. Его основные труды – по физике низких температур (сверхпроводимость, электрические свойства металлов – частично с И. Л. Ландау). Юрий Васильевич окончил МГУ в 1941 г. С 1943 г. работал в Институте физических проблем АН СССР. С 1965 г.

– профессор Московского физико-технического института. С 1987 г. – академик АН СССР. Награжден орденом Трудового Красного Знамени и медалями.

–  –  –

После брака ее сына с дочерью академика А. Д. Сахарова гонения на Сахарова затронули и С. С.

Либерман. В 1972 г., после создания А. Д. Сахаровым Комитета прав человека, ее вызвали в партком и попросили оставить должность заведующего лабораторией «в связи с выходом на пенсию». Ей разрешили остаться на работе в должности консультанта, в которой она и продолжала воспитывать аспирантов и вести научно-производственную работу.

С 1970 г. С. С. Либерман работала также в Фармакологическом комитете СССР, в составе комиссии по развитию новых лекарственных средств.

С. С. Либерман опубликовала более 70 научных работ и является обладателем многочисленных авторских свидетельств (около 20) за изобретение новых лекарственных средств. Она получала государственные награды и медали за доблестный труд в здравоохранении.

Серафима Соломоновна Либерман скоропостижно скончалась 20 сентября 2001 г. в возрасте 81 года, вернувшись с работы. На ее похороны пришли почти все сотрудники института, многочисленные друзья, коллеги и родные. Она была любящей и заботливой матерью и бабушкой, верным и щедрым другом, терпеливым наставником многих десятков молодых ученых и блестящим, высокоэрудированным научным работником.

Многолетняя дружба связывала двух подруг – Симу Либерман и Нину Покровскую. Они познакомились в университете, и эта дружба продолжалась всю их жизнь, до самой смерти. Их дети и внуки знакомы и поддерживают хорошие, добрые отношения по сей день.

Материалы о жизни Нины Викторовны Покровской любезно предоставлены ее дочерьми – Татьяной Геннадьевной Цветковой и Ольгой Геннадьевной Куликовой, Мариной Либерман и Николаем Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842 Александровичем Формозовым.

Нина Викторовна Покровская родилась 29 декабря 1917 г. в Москве. Отец Нины Виктор Петрович Покровский был царским офицером и погиб в Москве в начале 1918 г. Вырастили ее мама Валерия Валентиновна Покровская, проработавшая почти всю жизнь в Гослитиздате, и отчим Семен Борисович Шерн-Борисов, писатель-журналист «Известий», погибший в Московском писательском ополчении осенью 1941 г. под Москвой. С 1936 по июнь 1941 г. Нина Покровская училась на биологическом факультете МГУ.

–  –  –

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842

–  –  –

Во время войны в эвакуации работала учителем биологии и химии в школе села Криулино Красноуфимского района Свердловской области. С октября 1942 по март 1944 г. – в одной из лабораторий Министерства сельского хозяйства СССР, занимавшейся грибками. С 1948 по 1952 г.

работала на Витебской биофабрике, в ВИЛАР (Всесоюзный научно-исследовательский институт лекарственных и ароматических растений) и на Кашинской биофабрике МСХ СССР. С сентября 1952 по ноябрь 1955 г. была аспирантом Института микробиологии АН СССР. В 1955 г. защитила кандидатскую диссертацию на тему «Влияние углекислоты на размножение дрожжей и брожение». С ноября 1955 по декабрь 1974 г. работала во ВНИИПБП (Всесоюзный научно-исследовательский институт пивоваренной, безалкогольной и винодельческой промышленности) в лаборатории ферментных препаратов старшим научным сотрудником, а затем и заведующим лабораторией. Н. В. Покровская опубликовала более 60 научных работ в области микробиологии. В 1975 г. вышла на пенсию. У нее две дочери. Скончалась Нина Викторовна 16 мая 1992 г.

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842 Нина Покровская с одной из дочерей (фотография из архива Марины Либерман) Nina Pokrovskaya with one of her two daughters (courtesy of Marina Liberman) Хочется отметить, что в те годы, когда С. С. Либерман и Н. В. Покровская учились и были активными участниками научных работ на кафедре зоологии МГУ, там преподавали замечательные российские-советские биологи: профессора Александр Николаевич Формозов, Борис Степанович Матвеев и Сергей Иванович Огнев, преподаватель Алексей Михайлович Сергеев.

Как следует из статьи, непосредственным руководителем работы С. С. Либерман и Н. В.

Покровской по прыткой ящерице был преподаватель кафедры Алексей Михайлович Сергеев. Материалы о его жизни взяты из статьи Б. Д. Васильева и Ф. Б. Васильевой (2012). Алексей Михайлович Сергеев родился в Москве в 1913 г. в семье известных искусствоведов (отец – первый директор Оружейной палаты в советское время, мать была хранителем коллекции Музея новой западной живописи). Ходил в кружок юных биологов Московского зоопарка, где выполнил свою первую научную работу. Свободно владел тремя европейскими языками. Поступил на биологический факультет МГУ на кафедру зоологии позвоночных. Еще в студенческие годы участвовал во многих научных экспедициях. Окончил аспирантуру и представил к защите кандидатскую диссертацию, которая Ученым советом единодушно была оценена как докторская. В 1939 г. участвовал в освобождении Западной Украины от белополяков, а в первые же дни Великой Отечественной войны прямо с полевой практики отправился добровольцем на фронт (хотя как доктор наук мог воспользоваться бронью). Воевал под Киевом, попал в окружение, но вывел из него свой взвод. По навету был арестован и находился в Усольском фильтрационном лагере, где в 1943 г. в возрасте 30 лет покончил с собой.

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842

–  –  –

Он прожил короткую, но яркую жизнь. По воспоминаниям людей, которые его знали, во время учебы и работы на кафедре зоологии позвоночных МГУ все уважали и любили его, называли не по имени и отчеству, а Алешей. Его вклад в науку оценивается очень высоко. Лично знавшие его люди до сих пор считают, что если бы судьба сложилась по-другому и Алексей Михайлович остался жив и продолжал работать, то он, безусловно, стал бы одним из самых значимых биологов в Советском Союзе. Но жизнь человеческая, увы, не имеет сослагательного наклонения… Судя по работе С. С. Либерман и Н. В.

Покровской, которой он руководил, его научный талант и потенциал не вызывают никаких сомнений.

Его научные идеи, в частности в области биологии рептилий (понятия «термобиология» тогда еще не было), явно опережали то, что в тот момент было сделано за границей. Некоторые из них как раз нашли свое подтверждение и развитие в работе С. С. Либерман и Н. В. Покровской.

По материалам внучки С. С. Либерман Марины, куратором работы по прыткой ящерице был также профессор Александр Николаевич Формозов.

Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842

–  –  –

Александр Николаевич Формозов родился 13 февраля 1899 г. в Нижнем Новгороде. Его отец Николай Елпидифорович Формозов (1871–1928), родом из Арзамаса, окончил семинарию в Нижнем Новгороде и служил мелким чиновником в ряде учреждений. Сотрудничал в газете «Волгарь» и в «Нижегородской земской газете». Он был страстным охотником. Таким же любителем природы был и его дед. Наверное, именно от них Александр Николаевич унаследовал любовь к природе и желание писать о ней художественные очерки.

С 1909 по 1917 г. учился в Нижегородской мужской гимназии, где упор делался на гуманитарное образование. В 1917–1918 гг. учился на химическом отделении Варшавского политехнического института, который был эвакуирован в Нижний Новгород.

В 1919–1920 гг. служил в Красной армии на Южном фронте в армии командарма И. П. Уборевича.

Демобилизовался, после этого служил на речном транспорте. Одновременно слушал курс на биологическом отделении Нижегородского университета. Осенью 1922 г. перевелся в Московский университет. В это же время работал в Дарвиновском музее художником-анималистом и инструктором по таксидермии. После окончания университета в 1925 г. был оставлен в аспирантуре при Научно-исследовательском институте зоологии Московского университета, которую окончил в 1929 г.

В 1926-1928 гг. в качестве члена зоологического отряда участвовал в экспедициях АН СССР в Монголию и на Дальний Восток, а позже – во многие регионы СССР и за границу.

В 1929–1930 гг. – доцент Института прикладной зоологии и фитопатологии в Ленинграде. С 1930 по 1956 г. служил в МГУ: 1930–1935 гг. – доцент, с 1935 г. – профессор (докторская степень присуждена без защиты диссертации). Параллельно с этим с 1930 по 1934 г. – доцент Всесоюзного зоотехнического института пушно-сырьевого хозяйства.

В 1931–1932 гг. – заведующий сектором в НИИ птицеводства и птицепромышленности; в 1932–1935 гг. – заведующий научной частью, заместитель директора, консультант ВНИИ охотничьего хозяйства и звероводства. C 1945 г. работал в Институте географии АН СССР, где в 1946 г. организовал Отдел биогеографии, которым и заведовал до 1962 г.

Александр Николаевич Формозов был блестящим популяризатором зоологических и экологических знаний. Своими невероятно популярными книгами «Шесть дней в лесах», «Спутник следопыта», Черлин В. А. Биографические материалы о С. С. Либерман и Н. В. Покровской – авторах статьи по термобиологии прыткой ящерицы 1943 г., и людях, сопричастных к этой работе // Принципы экологии. 2017. №

1. С. 133–145. DOI: 10.15393/j1.art.2017.5842 «История выводка белки», «Звериные гнезда, норы и логовища», «В Монголии», работой издававшегося огромными тиражами журнала «Юный натуралист», которым он многие годы руководил и который сам иллюстрировал, он воспитывал в людях с самого детства любовь и уважение к природе.

Учениками А. Н. Формозова, защитившими у него дипломные работы и кандидатские диссертации после Великой Отечественной войны, были замечательные советские исследователи: Р. П. Зимина, И. В.

Зильберминц, К. С. Ходашова, Ю. Н. Куражковский, А. М. Чельцов, Т. В. Кошкина, Л. Г. Динесман, К. М.

Эфрон, Л. П. Никифоров, Л. А. Гибет, А. Н. Солдатова, С. А. Крассова (Шилова), Б. Е. Карулин, И. А. Шилов, В. В. Лебедева, Б. А. Голов, Г. Е. Королькова, В. М. Смирин, Ю. А. Дубровский.

Александр Николаевич Формозов был автором работ по зоогеографии Поволжья, Кавказа, степных районов СССР, Монголии, в которых сделал обобщения экологического плана, устанавливающие сложную систему взаимоотношений климата, почв, растительности и животного мира. Рассматривал проблему жизненных или адаптивных форм. Он впервые рассмотрел деятельность позвоночных животных в степных и полупустынных районах, их влияние на особенности почв и растительного покрова степей и показал, что их деятельность – неотъемлемое условие существования более или менее стабильного степного сообщества. Он осуществил важнейшие исследования по изучению роли снежного покрова в эволюции, распространению и экологии млекопитающих и птиц, по динамике численности промысловых животных, вел работы по охотоведению и охране природы.

Научные и научно-популярные труды А. Н. Формозов иллюстрировал собственными рисунками.

Научная деятельность А. Н. Формозова во многом была связана с познанием животного мира в его естественной, природной среде. В этом смысле он, безусловно, продолжал традиции основоположников российской экологической школы Карла Францевича Рулье и Николая Алексеевича Северцова, которых называл своими прадедом и дедом за их призыв изучать животных не в кабинетах, а в природной обстановке. Н. А. Северцова он воспринимал как «последнего неинструментального эколога». Это вовсе не означало, что А. Н. Формозов выступал против применения в экологических исследованиях современных технических средств. Он говорил о важности «натуралистического» компонента, который невозможно заменить никакими техническими средствами.

За время своей деятельности он опубликовал более 200 научных работ.

Скончался Александр Николаевич 22 декабря 1973 г. в Москве. Похоронен на Новодевичьем кладбище, на его надгробии изображен горностай работы его ученика, биолога и скульптора Вадима Моисеевича Смирина (1931–1989).

Александр Николаевич Формозов очень тепло относился к талантливым студенткам Симе и Нине.

Они платили ему тем же, и когда настали действительно тяжелые военные времена, они все помогали друг другу чем только могли (Формозов, 1980). Судя по работе С. С. Либерман и Н. В. Покровской, влияние на них исследовательской идеологии и внимательного, тонкого натурализма (в самом лучшем смысле этого слова) А. М. Сергеева и А. Н. Формозова было сильным и благотворным.

Мало того, по воспоминаниям Николая Александровича Формозова об услышанном в юности от отца, у известной нам статьи о прыткой ящерице изначально должно было быть три автора: А.

М.Сергеев, С. С. Либерман и Н. В. Покровская. Но поскольку к моменту ее предполагаемой публикации А.



Pages:     | 1 |   ...   | 2 | 3 || 5 |

Похожие работы:

«Православие Православная версия происхождения зла "Мельников И.В." Православная версия происхождения зла / "Мельников И.В.", 2012 — (Православие) ISBN 978-5-457-19379-6 В основе всех религий лежит понимание того, что такие совершенные и сложно устроенные...»

«ЭЛЕКТРОТЕХНИЧЕСКАЯ КОМПАНИЯ МЕАНДР МР 19.0316.01 ПС V03.04.16 Устройства защиты многофункциональные УЗМ-51МД ТУ 3425-003319288072014 Наличие функции детектирования аварийной электрической дуги Защита от скачков и длительных перенапряжений Встроенная варисторная защита от импульсных скач...»

«УДК504.064.36 И. А. ШВЕДЧИКОВА, д-р. техн. наук, проф. ВНУ им. В. Даля, Северодонецк;9 И. В. НИКИТЧЕНКО, асп. ВНУ им. В. Даля, Северодонецк ПРИНЦИПЫ ПОСТРОЕНИЕ СИСТЕМЫ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА ПАРАМЕТРОВ ШАХТНЫХ ВОД Определены основные загрязняющие со...»

«Тотальный вторжение, 2001, Anton Belozerov, МФ [с.н.], 2001 Опубликовано: 12th September 2011 Тотальный вторжение СКАЧАТЬ http://bit.ly/1cgXAGl Днепровская тарань биология, уловы и состояние запасов, П. Г. Сухойван, 1956, Roach (Fish), 129 страниц.. Alicia Keys, John Bankston, 2005, Juvenile Nonfiction, 32...»

«Ученые записки Таврического национального университета им. В. И. Вернадского Серия "Биология, химия". Том 26 (65). 2013. № 4. С. 110-120. УДК 616.12:616.76 ИЗМЕНЕНИЕ МОЗГОВОЙ ГЕМОДИНАМИКИ ПРИ ПАРАВЕРТЕБРАЛЬНОЙ МИОРЕЛАКСАЦИИ У СПОРТСМЕНОВ Маметова О.Б., Савина К.Д. Таврический национальный университет им...»

«Ученые записки Крымского федерального университета имени В. И. Вернадского Серия "Биология, химия". Том 1 (67). 2015. № 3. С. 49–55. УДК 579.64:581.14(653.63) ВЛИЯНИЕ МИКРОБНОГО ПРЕПАРАТА "ЭМБИ...»

«Федеральная целевая программа Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997-2000 годы· экология Под редакцией докт. техн. наук, проф. Г В. Тягунова, докт. техн. на...»

«Номер: KZ61VCY00072512 Дата: 15.07.2016 АЗАСТАН РЕСПУБЛИКАСЫ МИНИСТЕРСТВО ЭНЕРГЕТИКИ ЭНЕРГЕТИКА МИНИСТРЛІГІ РЕСПУБЛИКА КАЗАХСТАН МНАЙ-ГАЗ КЕШЕНДЕГІ КОМИТЕТ ЭКОЛОГИЧЕСКОГО ЭКОЛОГИЯЛЫ РЕТТЕУ, РЕГУЛИРОВАНИЯ, КОНТРОЛЯ И БАЫЛАУ ЖНЕ МЕМЛЕКЕТТІК ГОСУДАРСТВЕННОЙ ИНСПЕКЦИИ ИНСПЕКЦИЯ КОМИТЕТІ В НЕФТЕГАЗО...»

«МЕЖДУНАРОДНАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ "УРАЛЬСКАЯ ГОРНАЯ ШКОЛА – РЕГИОНАМ" 8-9 апреля 2013 года ГЕОЛОГИЯ, ГЕОФИЗИКА И ГЕ ОЭКОЛОГИЯ УДК 553. 411 ' 44 (598) СТРУКТУРНЫЕ УСЛОВИЯ ФОРМИРОВАНИЯ ОЛОВОРУДНОГО РАЙОНА НАМПАТЕН (НДР ЛАОС) Суваннудом Б.1, Слоб...»

«Известия высших учебных заведений. Поволжский регион УДК 592.173 В. О. Козьминых ЖУЖЕЛИЦА СИБИРСКАЯ CARABUS SIBIRICUS F.-W. (COLEOPTERA, CARABIDAE) – ОХРАНЯЕМЫЙ ВИД ЖЕСТКОКРЫЛЫХ НАСЕКОМЫХ ПОВОЛЖЬЯ И УРАЛА1 Аннотация. Приведены данные о распространении, таксономической структ...»

«ООО “Вторая лаборатория” ЦИФРОВОЙ МЭМС ДИКТОФОН "СОРОКА-07" Руководство по эксплуатации ЛБМД.423363.017 РЭ Страница 1 Версия от 03.06.2014 ООО “Вторая лаборатория” СОДЕРЖАНИЕ 1. ТЕХНИЧЕСКИЕ ПАРАМЕТРЫ И ОПИСАНИЕ РАБОТЫ ДИКТОФОНА.3 1.1 Назначение диктофона. 1.2 Основные технические характеристики диктофона приведены в таблице 2 1.3 Светов...»

«ПРЕДСТАВИТЕЛИ АКЦИОНЕРА В НАБЛЮДАТЕЛЬНЫХ СОВЕТАХ: ОПЫТ ДТЭК Евгений Круть Менеджер Департамента по корпоративному управлению ДТЭК ДАТА: 03.06.2016, Г. КИЕВ КОНФИДЕНЦИАЛЬНО ВМЕСТО ПРЕДИСЛОВИЯ. "ВЫ НЕ ПОМНИТЕ, КТО ТАКИЕ ЮРИДИЧЕСКИЕ ЛИЦА В НАБЛЮДАТЕЛЬНЫХ СОВЕТАХ, ЭТОГО НЕ БЫЛО!!!" Сноски ЧТО НАМ ГОВОРИТ ЗА...»

«Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего образования "Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского" Балашовский ин...»

«Содержание программы: 1. Пояснительная записка 2. Требования к уровню подготовки учащихся 3. Учебно-тематический план 4. Содержание тем учебного курса 5. Календарно-тематическое п...»

«Министерство культуры Российской Федераци ФГБУК "Государственный историко-архитектурный и этнографический музей-заповедник „Кижи“" Карельский научный центр Российской академии наук Бюллетень экологических исследован...»

«АНАЛИЗ ЭНЕРГЕТИЧЕСКОЙ И ЭКОЛОГИЧЕСКОЙ СИТУАЦИИ В БЕЛАРУСИ С ТОЧКИ ЗРЕНИЯ ПЕРСПЕКТИВ ЭКОНОМИЧЕСКОЙ ЦЕЛЕСООБРАЗНОСТИ И ЭКОЛОГИЧЕСКОЙ БЕЗОПАСНОСТИ* Елена Ракова** Резюме Зависимость от одного поставщика топливно-энергетических ресурсов и превалирование приро...»

«3.2016 СОДЕРЖАНИЕ CONTENTS AGROECOLOGY АГРОЭКОЛОГИЯ Красноперова Е. А., Юлдашбаев Ю. А., Гала Krasnoperova E. A., Yuldashbaev Yu. A., Galatov A. N. тов А. Н. Методологические аспекты экологиза Methodological aspects of agrarian production eco ции аграрного производства РАСТЕНИЕВОДСТВО PLANT RAISING Кибальник О. П., Семин Д. С., Старч...»

«Аллергическая заболеваемость детей в современных экологических условиях 63 Сведения об авторах Authors Николаев Валериан Георгиевич – доктор медицинских наук, профессор Nikolaev Valerian Georgievich – Dr.Med.Sc., Professor of the Dep...»

«159 СУМСЬКИЙ ІСТОРИКО-АРХІВНИЙ ЖУРНАЛ. №X-ХІ. 2010 ДУБРОВИНСКИЙ C.Б. К ИСТОРИИ СТАНОВЛЕНИЯ И РАЗВИТИЯ МИКРОБИОЛОГИИ И ЭПИДЕМИОЛОГИИ В СРЕДНЕЙ АЗИИ ПРОФЕССОР А.Д.ГРЕКОВ (1873-1957). ИЗ ВОСПОМИНАНИЙ СТАРОГО ЭПИДЕМИОЛОГА1 Впервые публикуется фрагмент из воспоминаний профессора Самуила Борисовича Дубровинског...»

«OPENGOST.RU www.OpenGost.ru Портал нормативных документов info@opengost.ru 3.1.2. ПРОФИЛАКТИКА ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ. ИНФЕКЦИИ ДЫХАТЕЛЬНЫХ ПУТЕЙ Профилактика дифтерии Санитарно-эпидемиологические правила СП 3.1.2.1108-02 1. Разработаны: Московским научно-исследовательским институтом эпиде...»

«“Экономика Украины”. — 2013. — 5 (610) ЭКОНОМИКА И ПРАВО УДК 502.2 – 630*91 О. И. Ф У Р Д Ы Ч К О, академик НААН Украины, директор Института агроэкологии и природопользования НААН Украины (Киев) ВОПРОСЫ ЭКОНОМИКИ ЗЕМЛЕПОЛЬЗОВАНИЯ В ПРОЦЕССЕ ВЕДЕНИЯ ЛЕСО...»

«ДИСПАНСЕРИЗАЦИЯ ВЗРОСЛОГО НАСЕЛЕНИЯ (КРАТКАЯ ИНФОРМАЦИЯ ДЛЯ ГРАЖДАН О ДИСПАНСЕРИЗАЦИИ И ПОРЯДКЕ ЕЕ ПРОХОЖДЕНИЯ) Диспансеризация проводится бесплатно по полису ОМС в поликлинике по месту жительства (прикрепления) в соответствии с приказом Министерства здравоохранения...»

«2015 Географический вестник 2(33) Экология и природопользование ЭКОЛОГИЯ И ПРИРОДОПОЛЬЗОВАНИЕ УДК 004.6:581.55 П.Н. Бахарев, В.В. Семенов, Д.Н. Андреев27 ГЕОИНФОРМАЦИОННАЯ БАЗА ДАННЫХ ТЕРРИТОРИИ ЗАПОВЕДНИКА "ВИШЕРСКИЙ" В статье приведены результаты сбора, подгот...»

«Ученые записки Крымского федерального университета им. В. И. Вернадского Серия "Биология, химия". Том 1 (67). 2015. № 1. С. 71–77. УДК 616.12:616.76 ХАРАКТЕРИСТИКИ МОЗГОВОЙ Г...»

«МЭФ "КАСПИЙСКИЙ ДИАЛОГ, 2017". ПОСТРЕЛИЗ. 14 апреля 2017 года в Москве в МГИМО МИД России состоялся Юбилейный Десятый Международный Экономический Форум "Каспийский диалог". Форум "Каспийский диалог" проводится в Москве с 2008 года (до 2011 год...»

«НИКУЛИН АРТУР ЮРЬЕВИЧ ФИЛОГЕНЕТИЧЕСКИЕ СВЯЗИ И ФИЛОГЕОГРАФИЯ OROSTACHYS SPINOSA (L.) SWEET (CRASSULACEAE J.ST.-HIL.) ПО ДАННЫМ АНАЛИЗА НУКЛЕОТИДНЫХ ПОСЛЕДОВАТЕЛЬНОCТЕЙ МЕЖГЕННЫХ СПЕЙСЕРОВ ЯДЕРНОЙ...»

«Песков В.Н., Тарасенко М.О., Франчук М.В. 82 Изменчивость линейных размеров. птенцов обыкновенного жулана УДК 598.292:591.3 ИЗМЕНЧИВОСТЬ ЛИНЕЙНЫХ РАЗМЕРОВ, ПРОПОРЦИЙ ТЕЛА И ПЕРИ...»

«СЕЛЬСКОХОЗЯЙСТВЕННАЯ БИОЛОГИЯ, 2009, 3 УДК 633.11+633.3:631.559:631.524 О ВЗАИМОСВЯЗИ УРОЖАЙНОСТИ С СОДЕРЖАНИЕМ БЕЛКА В ЗЕРНЕ У ЗЕРНОВЫХ И БОБОВЫХ КУЛЬТУР (обзор литературы) О.В. КРУПНОВА Рассмотрено современное сос...»























 
2017 www.kn.lib-i.ru - «Бесплатная электронная библиотека - различные ресурсы»

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.