ОБЪЯСНЕНИЕ И ПРОГНОЗИРОВАНИЕ В ЭКОЛОГИИ

Любая естественно-научная теория выполняет несколько функций (Глинский и др., 1965), среди которых наиболее важными являются функции объяснения и предсказания наблюдаемых феноменов в исследуемом классе систем (Флейшман и др., 1982).

При исследовании простых систем (например, в классической физике) функции объяснения и предсказания совмещаются в рамках одного закона. Так, одним из явлений, которые получили объяснение в законе всемирного тяготения И. Ньютона, было явление приливов и отливов на Земле, а предсказанием - анализ движения Луны, связанный с падением тел на Землю. Для сложных свойств сложных систем нельзя ожидать аналогичного успеха: одна модель (один закон) будет не в состоянии одновременно удовлетворительно выполнять как объяснительную, так и предсказательную функции (Флейшман, 1982; Розенберг, 1984). Иллюстрацией этому положению может служить следующий пример из фитоценологии.

И.Ной-Меир (Noy-Meir, 1975) построил аналитическую модель сезонного роста общей фитомассы растительного сообщества, используемого в качестве пастбища:

dy/dt = G(y) - C(y) ,

где dy/dt - скорость накопления фитомассы y ; G(y) - скорость роста этой фитомассы (описывается логистической кривой); С(у) - скорость ее поедания консументами (задается функцией с насыщением Михаэлиса-Ментена).

Прогностические способности модели Ной-Меира, даже при весьма точном определении ее коэффициентов (хотя среди них есть такие, "подобраться" к которым очень сложно, например максимальная скорость потребления фитомассы животными), будут низкими. Очевидность этого вытекает из факта сознательного упрощения данной экосистемы с тем, чтобы объяснить взаимодействие в подсистеме "растительное сообщество - травоядные животные" (не учитывается влияние на растительность факторов окружающей среды, погодных условий, хозяйственной деятельности человека и т.д.). Учет новых факторов значительно усложнит модель и переведет ее в ранг имитации, которая обладает хорошей прогностической способностью, но по которой сложно (или даже невозможно) проследить причинно-следственные связи с целью объяснения.

Имитационная модель растительности, используемой под пастбище, была предложена Д.Гудолом (Goodall, 1967). Это одна из первых имитационных сравнительно несложных моделей: растительность была "редуцирована” до пяти видов, осадки - до двух градаций (средние и слабые), рассматривался только сильный и слабый выпас, учитывались лишь три зоны удаленности от воды и три типа ее положения в рельефе (естественно, что анализируемые виды различались по степени их поедаемости, по скорости роста, по отношению к факторам среды и пр.).

Рассмотрим теперь логическую структуру научного объяснения и предсказания (Ракитов, 1966). Процесс объяснения заключается в том, что некоторые явления или свойства сложных систем (известные или вновь открытые) пытаются подвести под заранее установленные и принятые в данной теории законы и гипотезы (дедуктивное объяснение). Если это не удается, то необходимо либо дополнять существующую теорию новым законом или гипотезой, либо отказаться от этой теории и строить другую. Кроме дедуктивного объяснения А.И.Ракитов выделяет методы индуктивного объяснения, связанные с выдвижением статистических гипотез и получением статистических описаний для объясняемого явления. В этот класс (в соответствии с качественными индуктивными методами предсказания Ю.З.Кулагина, 1982, 1985) следует отнести методы экстраполяции, адаптивных оценок и аналогий. Каждый из этих подходов имеет свои субъективные особенности. Так, например, главным моментом при использовании метода аналогий выступает сам подбор объекта- аналога (сходная или близкая структурно-функциональная организация объекта и, соответственно, сходная реакция на внешние воздействия; в частности, Ю.З. Кулагин предлагал приравнивать сольфатарные поля вулканов промышленным площадкам, каменистые горные крутосклоны и осыпи - отвалам горно-рудной промышленности и пр.). Таким образом, объяснение по аналогии рассматривается как вероятностное, что и определяет его принадлежность классу индуктивных объяснений.

Методы предсказания также делятся на дедуктивные (в количественном прогнозировании это - имитационные модели) и индуктивные (классический регрессионный анализ и методы самоорганизации; подробнее см.: Розенберг, . А.И.Ракитовым было показано сходство структур процессов объяснения и предсказания (как дедуктивных, так и индуктивных).

С этих позиций рассмотрим аргументы Б.Я.Виленкина по упрощению процесса экологического прогнозирования (Лексин, 1986). Им приводится пример построения прогноза качества воды и состояния рыбных популяций при переброске части стока северных рек на юг. Но вот несколько цитат (с. 30-31): “Разработаны вполне приемлемые и оправдывающие себя суждения о том, как формируется качество воды в природных водоемах” (иными словами, есть хорошая объясняющая теория), “...водоемы обладают естественной способностью к самоочищению. Известны и характеристики, которыми они должны обладать, чтобы это самоочищение проходило самым быстрым образом” (есть некоторая экологическая информация), “...мы должны знать все источники загрязнения, места их расположения, количество сбросов и их компоненты... подобных сведений у нас никогда не было, нет и, сдается мне, не будет” (т.е., чтобы дать удовлетворительный прогноз, необходимо четко представлять структуру всей этой экосистемы и иметь хорошо налаженную службу мониторинга). Почему же далее следует вывод о том, что “... точного прогноза мы дать не можем, но не по свойственной якобы системе сложности (а почему же еще - ведь простая объяснительная теория у нас есть. - Ремарка наша), а потому, что не знаем простых конкретных вещей” ? Думается, что никто не мешает продолжить изучение этих "простых и конкретных вещей" с тем, чтобы построить и идентифицировать сложную прогностическую модель.

Разделение функций объяснения и прогнозирования для сложных систем в рамках, как минимум, двух моделей сводит на нет всю дискуссию о примате простоты или сложности в экологии. Для объяснения необходимы простые модели, и здесь, по меткому выражению У.Р.Эшби (1966, с. 177), “...в будущем теоретик систем должен стать экспертом по упрощению”. Что касается экологического прогнозирования, то “...сложность модели для сложных объектов принципиально необходима” (Ивахненко и др., 1980, с. 6).