Петрозаводский государственный университет, Институт биологии, экологии и агротехнологий
Петрозаводск, Республика Карелия, Россия
Россия
УДК 55 Геология. Геологические и геофизические науки
УДК 550.34 Сейсмология
УДК 550.383 Главное магнитное поле Земли
ГРНТИ 34.35 Экология
ГРНТИ 37.01 Общие вопросы геофизики
ГРНТИ 37.15 Геомагнетизм и высокие слои атмосферы
ГРНТИ 37.25 Океанология
ГРНТИ 37.31 Физика Земли
ГРНТИ 38.01 Общие вопросы геологии
ГРНТИ 36.00 ГЕОДЕЗИЯ. КАРТОГРАФИЯ
ГРНТИ 37.00 ГЕОФИЗИКА
ГРНТИ 38.00 ГЕОЛОГИЯ
ГРНТИ 39.00 ГЕОГРАФИЯ
ГРНТИ 52.00 ГОРНОЕ ДЕЛО
ОКСО 05.00.00 Науки о Земле
ББК 26 Науки о Земле
ТБК 63 Науки о Земле. Экология
BISAC SCI SCIENCE
Изучался уровень продуктивности некоторых частей акватории Онежского озера. Использовались четыре показателя: численность сапрофитных бактерий, биомасса зоопланктона, концентрация хлорофилла а и прозрачность воды. В анализ включили пробы с 14 станций, расположенных на трансектах от вершины Кондопожской губы до центра Онежского озера и от вершины Петрозаводской губы до центра озера. Сопоставлялись два периода по 20 лет – конец прошлого века и начало нынешнего. Уровень продуктивности оценивался с помощью технологии нечёткой логики по алгоритму Мамдани. Функции принадлежности по каждому показателю включали по два терма «продуктивность низкая» и «продуктивность повышенная»; диапазоны значений для каждого терма были заданы экспертным путем. Выходная функция принадлежности включала два терма прямоугольной формы со значениями «продуктивность низкая» и «продуктивность повышенная». Всего построено 16 продукционных правил, используя которые были получены 706 оценок уровня продуктивности для всех станций. Для оценки значимости отличий был применён бутстреп. Сопоставление данных для конца прошлого и начала нынешнего века показало следующее. На трансекте «Петрозаводская губа – центр Онего» значимых изменений оценок продуктивности не было. На трансекте «Кондопожская губа – центр Онего» наблюдается рост уровня продуктивности, вероятно, за счёт появления новых факторов антропогенного воздействия (форелевые хозяйства). Преимущество метода моделирования с помощью нечёткой логики состоит в прозрачном теоретическом смысле и более простой технологии расчётов по сравнению с методами статистической классификации.
Онежское озеро, продуктивность, нечёткая логика, многолетняя динамика, эвтрофирование, антропогенное влияние
1. Бульон В. В. Первичная продукция планктона внутренних водоемов. — Л. : Наука, 1983. — 150 с. DOI: https://doi.org/10.1016/j.talanta.2006.09.026
2. Быков А. В., Кореневский Н. А. и Устинов А. Г. Нечеткий алгоритм прогноза развития ишемической болезни конечностей для различных этапов ведения пациентов // Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. — 2016. — № 2. — С. 142—155. EDN: https://elibrary.ru/WFQIQR
3. Винберг Г. Г. Первичная продукция водоемов. — Минск : Изд-во АН БССР, 1960. — 329 с.
4. Ефремова Т. В. и Пальшин Н. И. Многолетняя изменчивость температуры воды и ледовая фенология // 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. 38—44.
5. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / под ред. Н. Н. Моисеева и С. А. Орловского. — М. : Мир, 1976. — 167 с.
6. Калинкина Н. М., Коросов А. В. и Теканова Е. В. Экологическая информационная система «Онего» // Принципы экологии. — 2019. — № 1. — С. 72—88. — https://doi.org/10.15393/j1.art.2019.8222. EDN: https://elibrary.ru/SJUZDU
7. Коросов А. В., Калинкина Н. М., Теканова Е. В. и др. Разработка индексов трофности для Онежского озера с помощью экологической информационной системы // ИнтерКарто. ИнтерГИС. — 2021. — Т. 27, № 3. — С. 256—273. — https://doi.org/10.35595/2414-9179-2021-3-27-256-273. EDN: https://elibrary.ru/WONJOQ
8. Крупнейшие озера-водохранилища Северо-Запада европейской территории России: современное состояние и изменения экосистем при климатических и антропогенных воздействиях / под ред. Н. Н. Филатова. — Петрозаводск : Карельский научный центр РАН, 2015. — 376 с. DOI: https://doi.org/10.1016/j.pocean.2008.10.010
9. Лакин Г. Ф. Биометрия. — М. : Высшая школа, 1973. DOI: https://doi.org/10.15393/j1.art.2019.8222
10. Ланге Ф. Нечеткая логика. — М. : Страта, 2018. — 114 с.
11. Меншуткин В. В. Искусство моделирования (экология, физиология, эволюция). — Петрозаводск - Санкт-Петербург : Институт водных проблем Севера КарНЦ РАН, Санкт-Петербургский Экономико-математический институт РАН, Карельский научный центр РАН, 2010. — 416 с. DOI: https://doi.org/10.35595/2414-9179-2021-3-27-256-273; EDN: https://elibrary.ru/QKSXMF
12. Петров М. П. 3.3 Термический режим // Экосистема Онежского озера и тенденции ее изменения. — Л. : Наука, 1990. — С. 32—37. DOI: https://doi.org/10.1007/978-3-540-68145-8
13. Петрова Н. А., Гусаков Б. Л. и Стравинская Е. А. Особенности антропогенного эвтрофирования больших глубоких озер // Современное состояние экосистемы Ладожского озера. — Л. : Наука, 1987. — С. 6—12.
14. Резвой П. Д. К определению понятия «биоценоз» // Русский гидробиологический журнал. — 1924. — № 3. — С. 204—209.
15. Рыбин В. В. Основы теории нечетких множеств и нечеткой логики. — М. : МАИ, 2007. — 96 с. DOI: https://doi.org/10.1021/es0531632; EDN: https://elibrary.ru/QJSUFV
16. Харьков C. B. Оценка послеоперационного состояния урологических больных на основе нечетких моделей // Медицинские приборы и технологии. Международный сборник научных статей. — 2011. — № 4. — С. 258—260.
17. Чернов В. Г. Нечеткие множества. Основы теории и применения. — Владимир : ВлГУ, 2018. — 156 с.
18. Шитиков В. К. и Розенберг Г. С. Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R. — Тольятти : Кассандра, 2013. — 314 с. EDN: https://elibrary.ru/WKLETX
19. Эюбова Н. И. Методы классификации в диагностике уролитиаза с применением нечеткой логики для предобработки данных // Информационно-управляющие системы. — 2013. — № 6. — С. 85—90. EDN: https://elibrary.ru/RPRFAP
20. Astel A. Chemometrics based on fuzzy logic principles in environmental studies // Talanta. — 2007. — Vol. 72, no. 1. — P. 1–12. — https://doi.org/10.1016/j.talanta.2006.09.026. EDN: https://elibrary.ru/MLLHNP
21. Convery I., Baibagysov A., Baiturbayov K., et al. Fuzzy Logic Modelling of Snow Leopard Populations in Response to Threats from Climate Change. — Ambleside, U.K. : Centre for Wildlife Conservation, University of Cumbria, 2015.
22. Jarre A., Paterson B., Moloney C. L., et al. Knowledge-based systems as decision support tools in an ecosystem approach to fisheries: Comparing a fuzzy-logic and a rule-based approach // Progress in Oceanography. — 2008. — Vol. 79, no. 2–4. — P. 390–400. — https://doi.org/10.1016/j.pocean.2008.10.010. EDN: https://elibrary.ru/LVRPBT
23. Ladoga and Onego - Great European Lakes / ed. by L. Rukhovets and N. Filatov. — Chichester, UK : Springer Berlin Heidelberg, 2010. — https://doi.org/10.1007/978-3-540-68145-8. DOI: https://doi.org/10.1134/S0097807822060173
24. McKone T. E. and Deshpande A. W. Can Fuzzy Logic Bring Complex Environmental Problems into Focus? // Environmental Science & Technology. — 2005. — Vol. 39, no. 2. — 42A–47A. — https://doi.org/10.1021/es0531632.
25. Tekanova E., Sidelev S., Kalinkina N., et al. Toxigenic Cyanobacteria and Microcystins in a Large Northern Oligotrophic Lake Onego, Russia // Toxins. — 2024. — Vol. 16, no. 11. — P. 457. — https://doi.org/10.3390/toxins16110457. EDN: https://elibrary.ru/PLQVWU
26. Tekanova E. V. and Litvinova I. A. Organic Matter Destruction in the Kondopoga Bay, Onego Lake, under Changing Anthropogenic Load // Water Resources. — 2022. — Vol. 49, no. 6. — P. 1009–1016. — https://doi.org/10.1134/s0097807822060173. EDN: https://elibrary.ru/ZCYXDA
27. The R Foundation. The R Project for Statistical Computing. — 2023. — URL: https://www.r-project.org/ (visited on 03/10/2025). DOI: https://doi.org/10.1007/978-1-4684-2106-4_1
