Моделирование в картографии - Тикунов В.C.
ISBN 5-211-03346-9
Скачать (прямая ссылка):
К югу от горного хребта Кульджуктау вплоть до дельты Зерав-шана располагается крупный эпизоотический участок с двумя продолжительными эпизоотиями в начале 70-х и 80-е годы (контур 6). Аналогичная динамическая ситуация установлена в Минбулакской впадине, прилежащих к ней с востока подгорных наклонных равнинах и окаймляющих с запада эоловых равнинах. Причиной ее возникновения могут служить усыхание родниковых болот и формирование солончаков. Такая же динамическая ситуация характерна для отдельных участков аллювиальной равнины Сырдарьи. По времени ее образование коррелирует с прекращением разливов реки, пересыханием существовавших там ранее болот и озер и формированием солончаков (Курочкина, Иманкулов, Корниенко, 1979), точно дешифрируемых на космических снимках.
Глава IV
КОНСТРУИРОВАНИЕ МОДЕЛЕЙ ДИНАМИКИ ЯВЛЕНИЙ
IV. 1. МОДЕЛИ ДИНАМИКИ ПРОСТРАНСТВЕННОГО РАСПРОСТРАНЕНИЯ ЯВЛЕНИЙ
Исследование распространения явлений по территории, как правило, многоаспектно и сложно формализуемо, что связано с большим рядом причин, влияющих на направления и скорости перемещения. Но учет большого количества факторов значительно осложняет имитацию процессов, а иногда второстепенные, соподчиненные причины даже затушевывают основную картину распространения явлений. В связи с этим многопараметрический процесс имитации пространственного распространения явлений весьма заманчиво смоделировать, основываясь на минимальном числе наиболее доступных показателей.
Для этого можно использовать ряд моделей как детерминистских, так и стохастических. Среди стохастических моделей пространственного развития явлений важное место занимает метод Монте-Карло, который имеет хорошо разработанную структуру вычислительного алгоритма (Бусленко, Шрейдер, 1961; Соболь, 1968; и др.) и позволяет получать объективные результаты. По-видимому, все это и привело к широкому использованию данного метода для решения различных задач пространственного развития явлений (Мат-лин, 1971; Петров, Тикунов, 1983; Тикунов, 19856; Bailey, 1957; Bartlett, 1957; H?gerstrand, 1957; Garrison, 1962; Morrill, 1962, 1963; Forster, 1973; и др.).
В географических исследованиях не менее широко используются модели, основанные на цепях Маркова (Харвей, 1971; Ko-медчиков, Светлосанов, Тикунов, 1992; Maccheroni, 1971; Varraso, 1981). Интересен опыт приложения теории игр для решения проблем прогнозирования пространственного размещения явлений (Stevens, 1961; Gould, 1963). Достаточно полные обзоры по данным вопросам можно найти в работах (Хаггет, 1968; Харвей, 1971; Дра-
П* 163
мович, 1979; Przestrzenna.. .,1975; Dramowicz, 1976). Также можно указать на эксперименты по моделированию "волн" заселения (Bylund, 1960), развития эпидемий (Rushton, Mautner, 1955) и др. Однако среди класса детерминистских моделей основная масса работ посвящена тем или иным аспектам применения так называемых "гравитационных" моделей или их модификаций (см., например, обзор в книге П. Хагтета, 1968, с 50-57).
IV.1.1. "Гравитационные" модели динамики пространственного распространения явлений
Судя по анализу опубликованной литературы, среди данного класса моделей наиболее часто имитируются потоки населения или отдельных его категорий, грузопотоки, объемы телефонных переговоров между пунктами и т.д. Иными словами, моделируются сложные многопричинные явления, которые вряд ли могут быть полностью формализованы и описаны математическими уравнениями. Однако целый класс процессов распространения явлений по территории имеет сходные стороны. Например, логично предположить, что поток отдыхающих, устремляющихся к Черноморскому побережью, или покупателей к торговым точкам, так же как и поток иногородних абитуриентов в вузы, будет связан с людностью населенных пунктов, из которых происходит миграция, и их пространственной удаленностью от центров притяжения мигрантов.
Для большинства разновидностей миграций это два самых общих фактора, влияющих на объем миграционных потоков. Но можно назвать и еще целый ряд специфических факторов, например для последнего случая это будет связь профиля вуза с преимущественным видом занятия населения, популярностью данного профиля вуза, характером информации о нем, количеством мест в вузе и т.д. Однако это сложнодоступные и менее значимые факторы. Поэтому в качестве конкретного примера была выбрана задача имитации некоторой "абстрактной" эпидемии по территории (Тикунов, 1981а). В данном случае модель основывалась на формуле взаимодействия населенных пунктов Стюарта (см. формулу (2.2)), созданную по аналогии с моделью тяготения Ньютона. Поэтому получаемые результаты рассматривались нами как ориентировочные, а сама модель — как первое приближение к математическому описанию процесса. В качестве примера моделировалось развитие эпи
164
5
Рис. 43. Условный пример этапности распространения эпидемии
демии между городами Великобритании с числом жителей более 100 тыс.
В рассматриваемом примере отсутствовали типичные источники помех, вызывающие, по мнению некоторых ученых, расхождения фактов с формулой (2.2). Это отсутствие сильных потоков не местного характера и не использование для расчетов малолюдных поселений. Статистический материал был взят из официальных материалов переписи населения в 1971 г. (Census. England and Wales..., 1971; Census. Scotland..., 1971).
