Бесплатный автореферат и диссертация по биологии на тему

ПРИЛОЖЕНИЕ ТЕОРИИ РАСПОЗНАВАНИЯ ОБРАЗОВ К ЗАДАЧАМ ГЕОБОТАНИЧЕСКОЙ ИНДИКАЦИИ

ВАК РФ 03.00.06, Вирусология

Автореферат диссертации по теме "ПРИЛОЖЕНИЕ ТЕОРИИ РАСПОЗНАВАНИЯ ОБРАЗОВ К ЗАДАЧАМ ГЕОБОТАНИЧЕСКОЙ ИНДИКАЦИИ"

Jj-255^5

московскийголЫ'Ьйеми^ и.в.мюшива

fe

квашвЕТ гввадийся^ошч

прилшвниб твсрш рай$шш*яия об^азш к задачам 1вш)танитаж0й ияджащи

fotieaiBjttœ3gtbra.C0^05-4toraB«Ra)

Автореферат диссертации на ооискщшв ученой стелет кандидата- Оиалогичвеких наук

москва - хт

МИНИСТЕРСТВО ВЬСШЕГО И СРЕДНЕГО СПЕЦИАЛЬНОГО ОБРАЗОВАНИЙ РСФСР МОСКОВСКИЙ ГОСТДАРСГВВДЩЙ ЛШЕРСИЖГ Ш. М.В.ЛСИШОСОЕЛ

На правах рутопшн

РСВШЕЕРГ ГЕННАДИЙ сшшт

ПРШНЯаПБ ТЕСРИИ РАСПОЗНАВАНИИ ОБРАЗОВ К ЗАДАЧАМ ГВСбСГЕАШЯНЯИЙ иншлции

(специально ст. ОВ.ОО.Об-йочяякка)

Автореферат дноовргащск ва оожжанш учвю! втвпвяя кандидата Аювтмш неук

МОСКВА - 1977

inCSqpJfbUMjfaj^CU&fCfj^ii:.;.! t

CitœtffiCKoîi ц.д. Л; Гм^жь-. i ЛяалетШ! и;'. :■ íti-.^r'^f

Работа выполнена в лаборатсри-ех геоботаники Института биологии а вытаслите^ной математики Отпела физики и математики .Башюдюкого. филиала Академии наук СОСР.

Научные руководители:

эаведуший лабораторией геоботаники Башкирского государственного упивероитета - и" 40-летгог Октября и лабораторией геоботаники Шститута биологии башкирского филиала Акадешп; наук СССР, доктор биологических наук, профессор Миркин Б.М.,

эаведумщй лабораторией прикладной математики Бишсирского государственного yiamepcmera ш. 40-летия Октября, доктор технических нс.ук, профессор Ртеерлан С.Ю.

Официальные ошюнвитш :

доктор географических з.аук, профессор Викторов C.B. кандидат Сиологгчаскш наук,, ст. научный сотрудник Дмитриев Б. А.

: Ведущее учреадение: Ботанический институт Академии наук СССР т. В.Л.Комарова.

Автореферат разослан " ¿5* 1977 года.

Защита состоится " & * 1977 _ года на эзееда-

иии Специализированного совета Я 5 K-I3/42 биологического факультета Московского государственного университета им. М. В. Ломоносова. - "

С диссертацией можно ознакомиться в библиотеке биологического факультета Московски» государственного университета.

Ог-квы просим присылать в двух екзенширах по адресу! ;

117234 Москва В-234, Ленинские гори, Московский государственный

университет им.. М.В.Ломоносова, биодагЛеокий факультет.

• Ученый секретарь (Зовета кандидат биологических

наук КХТ.Дылав

' " ( взаэдме......

Опенка среди во отделып-м водам-инднкаторам менее надежна,. чем oiKHKa сразу ш всему составу сообоеотва' (Викторов к др. ,1962; Викторов ДОТ .J). Задача шщшсаши среди то растительности ословня- • , ется тем, что п растительность и факторн среди изменяются «континуально* и, следовательно, установление градуированной шкалы «фактора среди - процесс условный. Возникает задача определения числа . гредаша фактора среда, которые можно с уверенностью раэлпчлгь по растительности в кавдом конкретном' случае. ■. •

Связь между растительность» и средой носят стохастический характер. Для ев изучения ^необходшо привлекать статистические _ мето^ дк и математическое моделирование. Неоднократно отмечалось отсутствие строгого математического аппарата, способного прядать щдв-кашоинш задачам характер обь ектквного исследования (Василевич, 1970; №фкин, 1970, ХЭТ2а). В сводная ПО количествекнда методам . (Грейг-Смнт,19(?7; Васплевич,1969, 19? 2 ) возможности опенки среды ш растительности не ашшш своего должного отражения; В связи о ©там уфимские геоботаника в последние года успешно разрабатывают статистические метода фягоиндшеадни ОЛсркин в др. ,1968; Млркин,19?0; ^ Карпов, Имркнн.ХЭТТ; Карпов, 1973; Ииркин,. Карпов, 1974). Настояния. работа является продолжением «их исследований.

• Автором апробированы иетода и подхода теории распознавания образов, каиедпше свое широкое распространение в смежных науках,

в задачах геоботанической дндияпт^т. Специфике этих задач диктовала постановку следуаднх вопросов; : -I. Разработка достаточно эффективного алгоритма оценки среды по растительности, „..■■■■

, 2, Оптимизация процесса распознавании одрдиевюв некоторого ректора среды в зависимости от числа ширднш. признаков—видов, длины обучаюцей последовательности и числа 'рвепозваваашх х^еда-

• цлв »того <евкт0фв{ k '

3." Испытание различных методов груйпировга исходных пркзвахо^зд-дов. л _ ; . ■ ■, '

Настоящая работа посвящена разработав втов проблематика. .

• В качестве »стадного материала, ва котором анализировались К проверялись различные алгоритмы распознавания, попользовались денные its фондов лаборатории геоботаники Шотятута биологии ВИН СССР -и кафедра ботаники Вашгосуниверсгтета i собранные в famitHpiH к Ион-гольской Народной Рдалуйлте. \

. t Диссертация обстоят из введения, tuns глав, заключения и внио— дов (114 отраниЦ машинописного tetters). Крема того, me ется пек»

прилоикший и список литература, шдагчаши'Л 21'В русских и 59 ино-странних публикаций. Работа шшострфована 2? таблицами и 23 рисунками. ■ ■ ' . / ГЛАВА 1. ПРИЛШИОСТЬ РАИИШНЫХ 1.ЩТСЩ0В РАСПОЗНАВШИ

оиу^ой к задачам гесшшш1Екс*1 ¡зиаосыдм .

: Распознавание образов возможно в кнух радиантах: с «учителем" и без яучителя" (автоматическая классификация). Нами избран первый подход, который в последнее время начинает применяться я геобота-шпеских исследованиях (Карманова, Даргщсонова, 1971; Альтермая, , 1973; Алхтерман и др..1973; Дырегосов, Самусенко,1ЧЯА).

Распознавание образов (обучение с „учителем") базируется на сочетании человека и ЭЩ. В этом случав задача распознавания решается.в два этапа; первый - нахождение признаков (видов), характеризующих принадлешюсть объекта (описания) к классу среды, указанному «учителем"; второй этап - построение решающего правила для разбиения пространства признаков на такие подпространства, чтобы некоторая функция потерь принимала минимальное значение. -

Б идеале, при. достаточно полной априорной информации решать щее Правило можно получить на основе результатов теории статистических решений. Необходимость обучения возникав« тогда, когда априорная информация отсутствует (в нашем случае - знание законов ассоциированности »шов) или настолько мала, что непосредственное использование результатов теории статистических решений становится невозможным. Помимо статистического подхода к распознаванию градаций среда по растительности в работе рассматривались метол потенциальных функций Э, М. Ераверыана (1962,1965; Айзерман я др. ,19&1; Дорофеш,№6), алгоритм М.И.Бонгарда (1961,1965; Губермая «др., | 1964), правило близости (Себесгиан,196С! Васш1ьев,196Э). структурный педаод к распознавание образов -Мучник, 1966,1%Э; Нараспмхан, 1969; Вгвв<11пв, Атова ,1972), . .

■ Наиболее.приемлемым для реюеняя задач индикация, как показало исследование проведенное в настоящей работе, оказывается правило ^ близости. Если б качестве меры близости взять евклидово расстояние и рассматривать не среднее.расстояние от объекта до груши; го блдаайпвос обучениях объектов/ а 'средвпи обратных величин« м шда-фицированное правило близости, запишется следущш образом ¡..решаем. что описание А: принадлежит классу р , •

где к число ближайших ^к А /объектов в классах ,'г я ц , а ■ ПОЛОЖИтёльНО? ЧГСЛО, причйч? Г>1 /

' С поморсью этого метола получаются решения, которые■почти не- . чувствительны к юсегозмоязшм^^.отм, т.к. в этом случае наиболее удаленные объекты будут гарактеризоваться минимальтш значениями (1 /К ) ■ , причем, тем меньшими, чем больше г . В принципе, если данное правило близости реализуется при достаточно большом к , то оно превратится в правило БаЛеса (Себестпан, 1365) н при это»,!, по существу, используются предстаадечия В. И. Василевича (1969а) о выделении групп естественных объектов.

- Г31Ш. 2. АНШЙТтЮТН СВШИ РЛЕППШДОСга И СРЕДЫ

шрошозировашз успихл распознавание ^

Геометрический метод распознавания образов (подобный правилу блшостп) понимается как задача выработки и построения решающего правила, с помощью которого и -мерное пространство признаков делится на некоторые непересекающиеся подпространства, зшшмаемые различишь образами (шшми словами, в этом случае должны бить вы-делеяи вэаимоисключающие группы описаний, калдая из которых связана со сшей градацией оцениваемого фактора). Эта операция, обес-печивамдач успех распознавания , может быть вьшолнена только для ведущих факторов среди, в большей степени контролирующих распределение видов и сообществ, чем прочие. Отсюда возникает задчча прогнозирования эффективности распознаваши, которая сводится к определении ведущих факторов,

В работе рассмотрены некоторые количественные методы, с помощью котегрих можно определить ведущие факторы, чтобы в датьаейшем вести по ним распознавание о уверенностью в его эффективность

• г.1 Градиентный анализ.

Прямой градиентный анализ ведет свой начало о* перв'хс работ Л. Г. Раыенского (1925,1939), В последнее время этот подход нвтен-cjbho развивался в остается, в «шу своей простоты, широко распространенном и дающем вполне приемлемые для геоботвшвчеекоа практики результаты (Gofi, Cott««, 1967; Whitt«*er ,1957,197 За,<J; Tarranton, Eeeclelgh ,1968; Еоч н Др. ,1970; Миркш,1970,1971,1972,1974; Выгодская в др. ,1971; Карпов, 1971,1973; Кирясова, 1971,1974; Шагов и др. ,1973,1974; Каналов,1973; Ыухаметашна, 1973; Whitt*k»r, Geuch, 1973; Eo^f, Васидевич, 1974; Ыиркш ш др. ,1974; Квшапов к др. ,1975). Беля фактор среда, влияние которого в растительности необходдю опознать, вносит существенный вклед в ее вефЫфовакие, то это мох-но оценить' критерием согласия Ищюона ( ТС,1) илж квадратом корреляционного отношения (tj*). При этом молно учитывать распределение как отдельных видов, тая и растительных ассоциаций, что делает .

прогноз распознавания более достоиерщм. Если видов, распределение которых зависит от ■иахторз среды, достаточно много, ьюашо предполагать, что распознавание булет успевшим,,

Недостатком методов градиентного анализа является наобхади- . дасть предшартгельного получения . апрто^гоЕ1: ив'ориаюш о 'Трактора среди, вдстудашем объектом нндикащт, ' ,

. 2.2 Группировка остеитов ( сШа^еу а»а1уз1э ) Задача шдэлотм «скоплений" С с1цвЬег епэ^уаАа ) начала изучаться сравнительно недавно; однако уже вылетел достаточно обиир- . . ная литература, посвяценнт* пето дам ее решения ( иооааП ,1953. 19?3а; Терентиев. 1Э£'Л 19Г>0; «ЦШаю, ЬэшЬо!^ . 1053, ЮШ; 1лй , 1962; Выханду,1964; Васнлехшч, 19С5,19С9.1ЭТ2; Ьраверман и др. ,1971; Кво .1Э71; Фрой,13П; ДНвазян и др. Гэъорская.1974! Талалай,

1974; Дмшае» ,19/5). :

Матрипа связей, леяалдо в основе Лжьыянства методов кластерного анализа, строилась в работе с использованием трансформированного коэффициента ИдЁса (Т1(Д; Миркин и др. ,1972) сдальнейшш преобразованием ее в матрицу оввлздошх расстояний СИумельСкий.хдаО; Тарасович в др. ,1274),

Было ррсилиреио несколько штодов видедения иСкоплошйГ: метод ларрелядаотшх плеяд (Терентьев, 1.959,1961), метод построения дендрита ( *в11пек1 ,1960; ВюалДтД^), алгоритм „Спектр" (Дорофеш.1966), метод феногрвшы, описанныП Т.ЭгА.Фрееи (1ЭЯ7, 1971) я его иерархическая кгдафикаядо СГарасевич и др. ,1974}.

Беле выделенные группы водов объединяются и из интуитивно биологических соображений к ясна факторы, способствующие «к соединению в данные группы, то, исходя из этого, можно оценить пер-спеятявностьраспоэнавант. Главным следует считать тот фактор; который объясняет природу скоплений вдетого ранга. /

2.3 «акгоцшй анализ

Орииегштеяьно к гаооотаяическим исследованиям, факторный анализ стал иопользоваться-в конце 60-х годов { 1т1шву-Соок, Р*ое*ог ,1967{Х»гвЬот Д968{г В±«±м ,1969; ,1969;

1969; Ноу-Ив1г ,1971; *«гевг ,1973). Советские фитойенологя щлме- ■ 1 ютт ординашюнные метода*В лихенодаяологии (Мартин.ХЭСЭ), для вы-. деления типов лесных б жггеоценозов (Буш, Буш, 1971), для изученщ 4 фнтопенотической1 структуры яавочвшгного покрова и параметров фогв^зза полроста древестнмх пород (ЗлобЮ1,1?/4,К75). 1Ь тлюго-"' .численны* методов'факторного,анализа предпочтение отдается методу, л главных компонент^ ( £&1в»г ,1ЭР2), ялгоритми которого'весьма эф-".'

6

фектяшш о T047.t зрения получлемых результатов, а их трудоемкость преодолевается благодаря использовании) быстродействующих Ш1 (Харман, 19/2).

Этому методу присущ и о<Зщий недостаток факторного анализа: трудности в даентвХяпеаиии голучадацх (факторов <Ва«иевичЛ972; Зло0инД974>. Однако метод главных коипоненг, позволяя оценить -число факторов, регулирую®« фптоденотячейку» структуру растительного покрова, а тага» вклад каждого фактора в odtsea варьирование растительности, оказывается полезным для оценки э|$ективности распознавания офазов по главному фактору,' Во многжл случаях бжшогу на оосгавляет труда, опираясь на свои знания и ингуша», идентифицировать ведущий фактор. Вели шесте с теоретически« определением ведущих факторов на некоторое цробннх шюшш исследуются какие-то факторы среди, то можно количественно подтвердить правильность лдентоЕикашш, рычи слоняем корреляции между координатами 9тнх описания по главкой оси и значениями факторе среды ( Gsid-. snith ,1973), причем, в силу того, что связь меаду осями орщтащш в факторами среди будет линейной лишь в очень узком даапозоне условий cpejtsí, • желательно проверять правильность вдентификшшв расчетом коэффициента рантовой корреляции ( Ргеаоо ,1969) или дорро- ■ дяционного. отяоиекпя ( Roy-lie ir, ivustl» ,1970). • • •

' ГЛАВА 3. НЕКОТОРЫЕ ВОПРОСИ. ШТОЛШШ ПРОЦЕССА РАСПОЗНАВАНИЯ

Без правильного выбора исходных признаков применение даже самих блестящих биометрических методов теряет всяческий скисл (Ниценко,196в; ucintoah ,1967; Александрова,1969). В случае распознавания Греидаяй некохгрого фактора ср&ш по растительности ..... вибор различаадих признаков сводится к mdopy индикаторных (детер-мцдантнцх) ввдов, приуроченных к сракыгельно узкому отрезку ipa-дпента'распознаваешго фактора СРамзгскяа,1998; Дохман.1960).

Задачу выбора диагностических признаков удойно разделять ва два этапа: прадваригеяьннЯ и окончательный отбор. Для предварительной оценки полезности признака «окно использовать мототонвуп -функции от частотн встречаемости признака в объектах данного класса (Ивахнешсо,1968), что,провозится, к примеру, при отфаенваниж видов выоокой я низкой встречаемости при обработке сводных списков по IfcayH-Блвяке { BllfDberg ,i956; KapeieimeBe,I9e7t Александрове, ^ 1969; Нлрюш,1974)< или сведения о его »авове распределения. Такие ;, оценки иеггут бить получевн оутег применения одвофекторного двяхер—-сионнош анализ^ или критерия X*. Окончательная «щенка ,

тявности признаков, . позволяющая отобрать'' наиболее пригодные для распознаванш, может быть произведена путем многомерных враданий. (Ватанабе.и др. ,19Ш; Andrews ,1971';' Hatort; Lamotto ,1971) ИЛИ .. ; . методом случайного поиска с адаптацией (Лбов; 1966), В последнем,. i случав наблюдается связьс видами, отобранншлипо прииадле.-Ености их мода распределения крайнвм-значениш традиента,'что подтвержден ет важность для ге<*5отанической шщпкшшн этого непараыетрического показателя' (.Jeglum ,1971; Кпатов л др. ,1973,1974), . . . . . J

Наиболее естественной мерой »БФектшностк распознавания, ис-пользуелюй большинством исследователей, является вероятность правильного распознавания.' Однако, априори она неизвестна' и ее заме-, няют относительной частотой. В случае распознавания к .классов,. .. в качестве меры эффективности распознавания можно использовать

где Р±(н) - относительная частота правильного распознавания 1-го класса при наличии В признаков,

=• Стохастическая природа связи растительности и среды исключает возможность отыскания метода, /который-даже весьма.крупные гра-.. даиии фактора оредо будет оценивать абсолютно верно. Поэтому вполне достаточно повысить вероятность правильного распознавания / до порога 0.75 -0,80 , который признается в индикационной геоботанике, как нтняя граница проявления отличных индикаторов * (Викторов и др. ;1962). [-'■''■. ■'■ V-

■ На качество^ расгюзнаваяия большое влияние оказывает число признаков-видов и длина обучающей по следовательности (Харкевич,; -1963; Kanal, СЬапагавеЬагаь1971 i Загоруйко.1372), т.е. колияе-,ствоописаний, о котбрых известна их принадлежность некоторому згаченщгдоучаздого фактора» Из геометрических- еообра*енийи при • весьма жестких ограничениях А. А. Харкевич (1963,1973) определил интервал.изменения числа ииформатишых признаков:-

■,<иу k(k-D/2 , . -. л^"''/ ;':^

где к - число классов, распознаваемых - алгоритмом. -Те или иные *'-г особенности расположения объектов могут .заметно сократить- необхо- -димое для распознавания число признаков-видов. В-работе получена / оценка длины обучавшей последовательности: -■ ...

■Л.'.' ^ * Ь » ЗИ - ^ .. .- "V..,";;. '

что - позволяет заранее определять количество необходимых'измерений^ .фактора средв. т.е. необходимо.для, обучения,ЭШиспользовать в три раза болыие описаний.' чем выбрано индикаторных видов. (например, для 20-25 видов - 60-75 описаний). - " г ' >,-.

ШВА 4. ХАРАКТЕРИСТИКА ОБЪЕКТОВ И ПРОГНОЗ ЭФФЕКТИВНОСТИ РАСПСВНЛВА1Ш 1СЛС®Ш СРШ ПО РАСТИТЕЛЬНОСТИ

\ Исходным материалом, - ка основе которого апробпра вались методы распознавания образов, послужили три рспрезентаттлше выборки, описыващиа растительность.разных районов" п разных типов. Развернутая характеристика этих объектов Лила ранее опубликована ' ffiap-пов,1971,19?3,1ЭТ4;Кгндапо8,19?3; Мухамзтиииа, 1973: Кашапов, ЬЬф-кин,1Э74; Максимович и др. ,1374; Кашапов и кр. ;1975).

■ Первая выборка представляла растительность горных луговых степей Северо-Восточного Хангач- (Монгольская Народная Республика), описанную профилем ориентации С-Ю, который пересек несколько складок местности с абсолютными высотами от 1500 до 2000 иетров на территории сошна Тэвигрулэх, .Длина описанного профиля - около -35 км, размеры учетпих площадок - Ю^Ю м, учет do Крит ня вюов -глазомертшй по пятибальной шкале. Объем выборки составил 386 описаний. Каждому описанию соответствовало измерение некоторых факторов среда: высоты над уровнем мэра . гумусированности, рН f V скелетностд .--.'-■■■■ ■"-'*

Вторая вцбсрка представляла солончаковатые луг® поймы реки Демы (Башкирское Предуралье). Размеры учетных площадок - 5*2 м, способ учета - регулярный, оЛьем выборки составил 500 описание. На калдой учетной площадке бралясь почвенные образш в ^ наиболее насыщенном солями слое 5-15 см. В дальнейшем1 для каждого почвенного образца определялся плотный остаток, который'вЕаражался в процентах веса почвы. По результатам анализов было установлено, что засоление почва меняется от О до 2. единично - до 3.5?. Тип еасоленш - сульфатный. ■ ■

Третья выборка - описания солончановатых сообществ в пойме реки Таколак (Башкирское Зауралье). Объем выборки — 400 опвса-шй, .тпп засоления - хлоршщо-сульфатный. Методика ее получения совпадает с методикой получении второй выборки. '' ' |

Флористическое разнообразие всег трех выборок било достаточно высоко (351 ввд для ч/тепей Северо-Восточного Хангая, около ICO ввдов для лугов Предуралья в более 120 видов - для Зауралья), . поэтому реальная возможность охватить все встреченные виды анализом отсутствовала. Для первой выборки было отобрано вб^ввдов наиболее высокой встречаемости, а для двух других - по 35, причем в обработку бшт нишчена только вида, ' достоверно сопряженные с изменением градиента засоления при опенке тестом Xa.

Прогнозирование э^ректишюсти распознавания факторов среды по растительности било проведено методов главных компонент факторного анализа.

Для горпнх луготьк степей Северо-Восточного Хангая методом главных компонент наделено три оси наибольшего варьирования ра- . стительности, берущих на себя 55,7% общей дисперсии. Группы видов, приуроченные к противоположным концам ^цаелешшх осей, позволяют опознать и поставить в соответствие главным направлениям варьирования растительности некоторые факторы,средн. Так, исходя

из ТОГО, ЧТО ВИДЫ Daslphora frutlCo3e, Valoi-iai-a officinalis, trlnetum biblrieua, Lilium pUillim, ЯВЛЯЮТСЯ ТШШЧНЫМИ ПрвДСТа—

вителями остепненных лугов и горных луговых степей, a Artontlsj.a frieze,. Cfiracaiia et^nophy.'.la, Cymbiufia ' dahjrica,' iJlyaua chi-neaeiB - характерные элементы сухих степей я эти совокупности растительности в условиях горное рельефа шеотно обусловлена, нетрудно сделать вывод, что первая ось варьирования - высота над, уровнем моря, с которой екоррелировацы реакция почвенного раствора и гуыусированность (Максимович и др. ,19?А), Группе типичных петрофитов, связанных со вторим ifiaRTOpOM ( Ада rosace incaia, Arc-nerio oupillai-in, Chomaeihodoa altaica, Arotogeroa цгалХпеищ ii ' противопоставлена труппа видов достаточно моданх почв ( ceragitna

mlcrophylla; tflymus Chilians le, Agropyron cristatum, • Thaiiotj.ua

minus ). 1&енти$икапня этого фактора как скелетностя почва вряд ли может вызвать возражения. Иденпфтапвд третьего фактора представ' ляется более затруднительной, т.к. если виды с одной стороны вы' деленной оси представляют более или менее, естественную группу устойчивых К выпасу ( Veronica Inoaoa, Potent 111 a blfuroa, Elyiaus сЫпевя 1 e,jtrtemlaia friglda' >, то группй иротявотюлажних им видов менее естественна, хотя включает виды, в основном, предпочитающие уело «ми умеренного выпаса и сравнительно редко встречаемые -; на сбоях у дорог 8 Феди ( Polygonum aogustifoliUB, Pulsatilla tiu'czanlaovll,1 Orostachys malacophylla Сложность в опознании третьего ¿актора подтверждает распространенный в литературе вывод, что увеличение числа осей наибольшего варьирования затрудняет ж ндентв^ккацго.

Для того, чтобы окончательно.удостовериться в том, что два ■... первых фактора'идентифиггчрвванн правильно, была проведена редукция числа видов за счет исключения тех да них, которые недосто- ---

верно связаны с фактором гумусированности и реакцией почвешюго раствора. В своп очередь, как указывалось тавте, зти ¡повтори тесно скоррелярованы с фактором впеоты над уровнем моря. В результате ;

редукции, проведенной по результатам прямого градиентного анализа СМухаметшипа,19?3). сохранилось по 37; видов и ведущие фактор -высота над уровнем моря, выраженный чуреэ гумусировалпость и рН, полуил больший вес. Фактор гумусирошнности почвы объяснил 45#, & ф>.ггор рН - 40.1% общего варьировании растит ельности.

. Я*; четырех главных осей, объясняющих' более 82» общего варьирования (солончаковатые луга Белширского Предуралья) идентифицировать удалось только две первые: фактор засоления {46.общей л дзепероил)и фактор, определяющий пастбищную дегрессию (13.3? об--, щей дисперсии). 11а рис. I приведено положение 35: видов в плоскости этих двух факторов. Дгя сравнения представлен результат.группировки тек же вэдов иерархической модификацией метода фенограьии (рис.2). .

Для поЫ Башкирского Зауралья получено три главных компсленты, беруиргх на себя более 71^ общего варьирования, из которых две» удалось опознать: фактор засоления (35.обшей дисперсии) и фактор увложненян (26.60. Причины различий вторых факторов для объектов Прегурэлья и Зауралья объясняются спецификой описанных пойм: солончаковатые луга в поймах Предуралья приурочены к сравнительно узкому диапозону изменения фактора увлажнения. - высокие утшзткн расслямюа нисходяиши токами, низкие - паводковыми волм,:. в условиях пойм Зауралья солончаковатые луга закгмазот все вариант« лугового увлажнения и переводят в оолончаяоватые и солоияеватые ассоциации степей. В этой случае увлажнение подавляет фактор выпаса». котср1$ оказывается затушеванным. ■ ;

Для 1фоверки правильности вдентяфпкацкк полученных главных. осей варьирования растительности, был проведен полный корреляционный анализ зависимости положения видов по атим осям и факторам среды, которыми эти оси вденетфицирована (табл.1). .

^Анализ результатов факторного решения позволил сделать следующий вывод! гчя всех трех объектов /существуют главные фактора,: которые объясняют бояътуп часть общего варьирования растительности., Б результате этого, следует" ажвдатв, . что распознавание градаций этих ведущих факторов будет успешнш.

Г1Ш1А 5, ОПЬГГ РАШОВНАВАНИЯ ГРАДАЦИЯ ФАКТОРОВ СРЭДН ' :: ПО РАСТИТЕЛЬНОСТИ .

Алгоритм распознавания выглядел следующим образом (»абл, 2)! на первом.&тнпе распознавания этаашнашюггное описание А относилось 1С одной из дщух '.частей градиента * * ' или ; в определенен..

35 *!5 *23 ^ ¿4

•¿ъ

•53

20 . »22 • *.2?

29

% 30

* .11

.9

16

: .г

.10

Л.

лв : .

18 * 5

IV, .4, ,

Рис. I Гожяение 35 видов солончаковатих лугов «аишгоского Пре-дуралья в плогноств двух глава их <6акторов ( Хт - засоление почвы, - пастошакал дегрессия).

1. 2.

3.

4.

5. в.

7.

8. 9.

10. 114 12. 15.

14.

15.

16.

17.

18.

19.

20. 21. 221

241

I5' 26.

2?!

28.

29.

X.

51.

¿2.

53.

>4.

¿5.

FiJ.ll.endu 1а ЬэхареЪа1а-Тг11о11ит , войСвтп—— Р1агЛа£о т«<11е I АгЪгева1иа <1ао1сиБ 111 1ш1а Ъг±Ьа1Ш1оа— АсЫ11ва «111 еГоНит— Мей1се£0 Га1саЬа Вгсшиз

Кое1ог1а йе1ау1епе1 ЗавдНзогЪа Са11ш» Ьогва1о-

Уее-Ьиса эи1с»£а——

.Егулв^т рХадша-" ■ ¿•доатоЗДа в1Ыг1оа-Ш;1ра релааС а ——1 РХапБадо шазс1ща— ■■ УвЛиса рвеиас^Хпа-(Пшх ова!й1аа-

Редиса а11в—

АдгоеМа в1;о1ип1:Ее1'е— &1шв 1а(1Го11иа*

Д1 opecaj.ua у«пЪг1совив -Г««сила ргэЪвп£1в ■■- 1 '■ ТгИоНия вгав!Гвгил— ТЬаН^х-ша т1то-

Твхаасесит ЪевеагаЫсищ— С1га1ит аасиХаа^ип- 1 —1 РоЪеОТШа аддег1иа1 , Бсогвопвгв ргигу1?1ога— Липец а еегагй!!-■—

3—

Рис» :2.. Итоговая дендрограша результатов клястерного анализа -•■■■■, 35,видов солончаковатьгг лугов Еоикирекого Прелуралья.

Объект

, .. ' Таблица !. Полный корреляционный анализ соответствий- ' 'главной компоненты Хт и ведущего фактора ' варьирования Мстительности ■ - ■

Коэффицн- {Корреляционное { Критерий ент линяЕт- отномштие ! кряво^ршей^остя

нойкоррвт

Ча 1 ^ 1

Горные дуто- ' высота н.у.м.

рн ■■■■■ ■

скелетнооть

0.770 й063 0.770 1.6М , О ,

0.041. 0.914 0.365 2.5<® 0.441

0.870' - 0.896 О. Б9В ¿738 .1. 952

¿881 ; 0.938 0.900 2.624 0.555

Пойменные луга Башкирского Предург чья засоление ■ почвы, -,. а 863 0.875 0. 903 . а 616 2.607

Пойменные лува Башкирскою. -. Зауралья-: засоление почвы • 0.793 а 827 0.826 0.955 аэзт

Значения г , И| е |)а время как все значения

- достоверны на 99.9% уровне, в то 1 71 и - недостоверны для 95* уровня

Схема классов ¡.

(пояснения в тексте)

Таблица 2.

..П . I

Классы обучения |

.ВТ Т—

Юйссы I порядка

! . £

Классы II порядка

2

| 6 ¡ 7 { 8 ..„'

Классы Ш порядка

фактур ■

принадлежности описания к классам первого порядка учяствувт 1.П и IV. V класснобучения. Решающее правило приотнесении объекта к ' ' тому.' или 'иному-, клаосу имеет следуадкй »ИД!.решаем, А при-

нвдлешя классу г » веля

* (1/Пп> > ^ О/И^) ,

п « 1,П ■ ' п с 1У.У

где на - хэшингово расстояние^ езду объектом А и а -мл объектом классов обучения I иП, а и^ - расстояние между,объектом А н щ -ш объектом классов обучения Р л V, Ь противном случае объект А относится к классу С,

После того, как экзаменационное описание отнесено к однойиз частей грэдаеггта, происходят новое разбиение градиента на класса второго порядка шш е2 . » котором участвует Х,Ш в

V классы обучения. Наконец, на последнем , третьем етЦз происходит окончательное разбиение градиента засоления на тсемь частей при участии всех классов обучения и описание А попадает в один из классов третьего порядка. ; ^

1шличие результатов измерения факторов среды позволило контролировать правильность распознаванияпутей соотнесения потоке-, ния спасания на оси фактора и положения описания в классе Ш порядка после его распознавая®!. Так, средняя частота правдшгого распознавания для описаний лугов Башкирского Предуралья получилась вначале очень низкой'^' Р^Ов) » 0.26 , что явшгось следствием слишком мелкого разбиения градиента засоления. Следователь--но, разбиение гредизнта на к «8 частей нельзя признать удовлетворительном и следует укрупнить полученные классы. Укрупнение классов прекращается в том случае, когда все относительные частоты пра-" вольного распознавания превысят. некоторый порог Т , задаваемый вкспердаентатором. Для Т ~ 0.5 градиент засоления достаточно . объективно разделился на три оценочных класса: 0-0.6$, 0,61-1.8$ и более 1*8% плотного остатка. Неравенство классовых интервалов соответствует природе биологических объектов и их связи со средой: большинство экологических градиентов по отношенш к ним растений должно т^адуироваться в логарифмической шкале, т.кЛ например, при низких концентрациях токсичных солей, различия концентрация ' вскрывается растениями более тонко, чем при высоком содержания солей в почве. - -

Дальнейшая оптиидзащи продесса" распознавания проводилась до пути выбора наиболее информативных видов-индикаторов и редукции числа обучающих объектов. Используя приведенные вше неравенства -и практическую редукдаю менее информативных вадов ((информативность определялась методом случайного поиска с адаптацией и по значениям

. 14' ■ ■ ■ \ г;:':'-'- -

%*) получено, что оптимальное число видов,..при котором можно достоверно распознать три градации фактора засоления пойменных лугов Башкирского Предуралья, раьяо 23-35, а объем обучающей последовательности - 60-75 описаний.

В таблице 3 приведена матршз относительных частот правильного распознавания трех градаций фактора засоления но оптимально отобранному материалу. При этом,.средняя частота правильного распознавания равна 0.726 .

. ' Таблица 3.

Матрица относительных частот правильного распознавания трех градаций фактора засоления по растительности пойменных лугов Башкирского. Предуралья ллн 5 клаосов обучения по 15 описаний в каждом и в пространство признаков-твидов равном 23

\ « 1 ■■■ 1 ■ 3-6 J 7-8

0 - 0.62 . 0.61 - i.aa I.8l£ и выпе , 0.7 56 air? р. 132 а 165. 0.'689 0.135 0.079 0.194 0.733 "

Три выделенных градации неслуча1Ьш. а имев* конкретное био- 1 логическое содержание, т.к. в растительности прослеживается имён-ко три группировки,. соответстйушиа гликефшдыи, галофильным и переходам« во характеру олагаших кимпонентов луговым сообществам.

Диалогичное распознавание было выполнено для оставшихся объектов. В таблице 4 сведены все конечные результаты распознавания.

Для всех объектов качество распознавания, т.е. средняя относительная частота Правильного распознавания, превышает порог 0.72 , Это свидетельствует о вполне приемлемой работоспособности описанного алгоритма. Получаемые при этомградаши легко объясняется : экологией растительных сообществ тех районов, где изучаются дан- / иые факторы среды.

- . Увеличение числа градаций 'Фактора засоления в условиях пойм . . . Бшшфскаго. Зауралья,.по ,сравнению;с.тёи же (фактором в Предуралье, связцвае^ся с уже рассмотренными отличиями засоления, этой тэрри-.., торпн а появления в* волной, вытяжке токсичного винкхлора.'" Таким. ■ ■ „ .образом,...в силу более злостного характеразаеоления в'Зауральэ, v экологический градиент этого Актора окязмвается более протяжен-

ним при сохранении сходной амплитуды изменения плотного остатка водной вытлдкк. . . „ - : ' ,

■ • Таблица 4.' '

Результаты распознавания условий среда по растительности для трех различных объектов

Осгьект

Фактор

, Число .Оптималь-! Объем ;достовер-,ное число, каждого ¡но распо-}видов- , из пяти ¡знаваемых}признаков! классов ¡градаций ¡для рас- ( обучения | ¡познава- { (кол-во

} НИН

< 1КОЛ-ВО

I описаний)

Средняя относительная частота правильного распознавания

Солончако- ватые луга засоление Башкирского почвы Лреяуралья 3 23 15 • ; 0.726

Солончако- ватые луга засоление Башкирского почвы Зауралья 4 23 ; 12 С 0.725

Горные луговые степи гумусяро-Северо-Во- ванность оточного почвы Хангая гольская Народная почви Республика) рН 3 2 . э 22 15 ■ 24 12 12 15 0.795 0.793 , 0.731

Для ректора гумусированности почвы достоверно распознаются три градации со средней частотой правильного распознавании 0.795 . Выделенные градации вполне биологичны, т.к. интервал до 3.25 это область каштановых почв, 2.26-4.25 - темнокавтаиовых, а 4,26 и выше - черноземов и близких к ним мерзлотных почв. В растительности этот почвам соответствуют северный вариант сухих степей, юный вариант луговых степей н типичные луговые степи.

Для фактора реакгаи почвенного раствора (рН) укрупнение позволяло получить {как в для фактора гумусированности) три градации со средней частотой правильного распознавания 0.731 . В этом'случае разбиение градиента также может быть объяснено экологией со- . обществ данного района. 1!нтервал нике в, I соответствует типичным ■

, - ■ ' ■ . '-■.■■ ■ ^ ■ ■ - : горним луговым,степям, растительности лесных опушек, где в почвообразовательном процессе достаточно'велика роль процессов промерзания (Ногина,1964);: следующий интервал -характеризует,слабокислнэ (экологически нейтральные) почвп расположелкого ниже пояса перехода от типичной луговой степи к сухой. Наконец, интервал 6.71 в вшце соответствует оби-лсти сухой степи, где в силу облегченного . механического состава, карбонаты в верхнем слое не накапливаются, ' но реакция почвенного раствора варьирует около 7 .

- Разбиение .градиента скелетности на два отрезка также оправдано, т.к. работа но составлению классификации растительносг». этого района (Кашапов и др. ,1975) показали,' что фа!стор скелетности в данном районе не является сильным га.счет того, что шюгие пет-

■ рофити спускаются в подгораш территория на легкие почвы; Поэтому, больше, чей две градации, опознать по растительно стине удается л

■ все. почвы распадаются на.классы мягких, лишенных скелета, и скелетных, причем, дальнейшее возрастание количества хряща на флористическом составе сказывается незначительно. Данным алгоритмом распознавания эти две градации опознаются с.относительной ча<

той 0.793 . • . . '•".'.... . V"

■ . швш

1. Из рассмотренных методов распознавания образов для целей геоботанической индикации наибольший интерес представляет распознавание по правилу близости. ; . '

2. Для предварительной оценки эЗДюктивностн распознаваняя условий среды по-растительности можно использовать метода градиентной го, клястерного и факторного анализов. Последние- представляются наиболее ценными, т,к. позволяют получить некоторые количественные характеристики ведущих факторов.среды. -,Г, •

3. ■ Достроенный в работе алгоритм респознавшшя позволяет сколь угодно мелко разбить исследуемый градиент фактора^ В дальнейшем

- проводится укрупнение соседних градаций о тем, чтобы учесть соот— ношение экологического дна гс>э она. используемых диагностических водов с реальной протяженностью градиента оцениваемого факторе.

4. Для алгоритма распознавания, основанного, на применении правила близости, целесообразным является использование 22-25 наиболее: информативных трпзнаков-ввдов. Информативность вцдов для целей: • распознавания можно определить либо ме!одами прямого градиентного анализалибо менее эффективным, но не требующий дополнительной июрормашш о закопай 'распределения видов, методом случайного поиска о. адаптацией. В последнем случае учитывается взаимосвязь со

средой не отделив ix вичов, а целой группы, что позволяет извлечь из этом системы большую ш^юрмацюэ.

5. Число обь ектов-огтнсашй для обучения ЩД распознаванию градации фактора по растительности задается пять» группами по 12-15 описаний. Налдая грутша описаний характеризует некоторый отрезок . градиента изучаемого -фактора. Такш образом, для использования -данного алгоритм ^опознавания необхолшо знание 60-80 значений -■ ■-оцениваемого фаз лора.

6. Описанный алгоритм распознавания позволяет достоверно распознать по растительности от 2-х до 4-х градаций фактора tta данных объектах. При использовании более протяженных градиентов, естественно, число распознаваемых градаций возрастет. Выделяемые градации не только дешевле, чем градации, получаемые при химическом анализе, но и представляют больший интерес для хозяйственного использования, т.к. среда измеряется не в масштабе формальных химических шкал, а в масштабе экологической реакции растительности.

7. Относительная частота правильного распознавания 30 всех примерах находится в пределах 0.72-0.80 .

в. Время распознавания 100 описаний.по оптимально отобранному материалу занимает на ЭВМ БЭСМменьше одной минуты.

Отдельные результаты работы били доложзны на I Всесоюзной шифере нпиа «Растительноеть речных пойм, методы ее юучения к вопросы рационального использования" (Уфа, 1972),-на 17 Всесоюзном оовоща-нев «Применение количественных методов при изучении структуры растительности" (Уфа, 1974), на заседании ко^чсспи ш математической геоботанике Всесоюзного ботанического общества (Ленинград, IS75), на Ш Всесоюзной школе-Семинаре по. теории сложных систем (системо-логии) и ее г^иложентм к системотехнике и инженерной экологии (Ленинград, 1975), im сошестном заседании Московского общества испытателей природа, Московского- отделения Всесоюзного бэтаниче-екохо общества в кафедры геоботаники Московского государственного университета им. И.В.Ломоносова (Москва, 1976) и А У конференцки : молодых ученнх-ботаников «Вопроев современной ботаники" (Киев,1976К

Основные результаты работа опубликованы в следующих статьях; I. Вэвенберр Г.С. Опыт приложения теории распознавши»! образов для определения степени засоления noflMeimux почв то растительности. Тезисы докладов I Всесоюзного совещания по растительно^ стя речинх noiiM. Y<fa, 1972. у.

2. Розенберг Г, С. дедукция числа признаков в эффективность оценки почв по растительности гои использовании методов распознавания образов. В сб. : Количественные меташ анализа растительности,

• Ус?а, 1974.

3. Розенберг P.C. 03 одной оценке длины обучамцей последовательности 7з задаче распознавший образов. В сб. : Вопросы теории и математические метод» решети "здач. У1фа, 1975»

4. Розенберг Г.С. О сравнении различных методов автоматической классификации. Автоматика и телемеханика, 1975, Л 9.

5.: Розенберг Г» С. К методик® использования теории распознавания, обраэовв фитсиндикчшооных исследованиях, В сб.: Статистические методы влассийикации растительности и оценка ее связи со средой. Уфа, 1375. ■ ' -

6. Розенберг Г.С. Ошибка вУборочностц трансформированного коМда-

. идекта Дайса. В сб. : Статистичеокш методы кйасснмикашга растительности и оценка ее связи со средой. Уфа, 1975.

' 7. Розенберг Г.С, : Некоторые вопроса оптшшации процесса распозна- . ваши условий среды но растительности. В об. : Аспекты отпмиза-ции'колаче исследивший раопггельноста. 7®а» 1976.

8. Розенберг Г.С. Об одном лесловнон методе уточнения фактариаль-ной дисперсии з однофакторчсм дисперсюнном" комплексе (на примере анализа связи растительности и среды), В сб. i Аспекта оптимизации количественных 'исследований растительности,- Уфа, 1976.

9. Розенберг Г.С., Миркин Б.М , Рудерман O.ÎQ. - Опыт приложения теории распознавания образов для ошяки засоления пота во растительности. Экология, 1972.,* 6. -

10, Миряин E.H., Розенберг Г.С., Наумова Л*Г, Новый адэффишкат межвидовой сопряженности, удобный для классификации пойменных лугов (трансформированный коэффициент Дайса, ТКД)., Тезвзы док" ладов I Всесоюзного еоведания ts> растительности речных лтйм.

. Уфа, 1972. ' .

11. Карпов E.H., Розенберг Г.С. Эксаервжент по маяинвсму распознавании засоления гоШештх почв Башкирского Зауралья ж Оредуралья то растительности. В ed.; Стагавтическив метопа кяасетфващяи

: растительности и оценка ее связи со сбитой. Уфа, 1975.

12.11яркин Б.Ц,, Розенберг,Г.С., Каяшюв ОявтястЕятеекий анализ ищютшг; шнотошклиао®, Баоиюпмеск» нзукк, 1975, * 12,13, МиркивБ.^., Наумова JLJV» Розенберг Г, С., Тарасевич Опыт ' исшльаованян девдрог?Э1®ш для выделения сопряженных груш видов. Эгоолопет,

II I.I ' '

Ротапрмнг Ба*ОПИНе<{)ть. Подписано в печать 7/0-77 г. Л Q03I57. ШЛ.-1.0. Тираж 150 экз. Sax. 301