ИСТИНА

В последнее время наблюдается все большее внедрение вероятностных оценок и статистических критериев в различные области почвоведения, развиваются новые методы анализа данных. Можно выделить несколько преимущественных направлений: 1. Усиливается внимание к качеству почвенной информации, собранной в базы данных или представленной цифровыми или бумажными картами, на основании которой лица, принимающие решения, делают выводы. Пришло осознание, что все без исключения данные о природных объектах и покровах обладают неопределенностью, которая может и должна быть оценена количественно. Эта неопределенность обусловлена как природным почвенным варьированием, так и взаимодействиями объекта и субъекта. Оценка неопределенности охватывает все уровни информации: от оценки неопределенности почвенных функций и услуг, оценки рисков прогнозов до сертификации аналитических лабораторий. Отсюда возникает требование к подготовке специалистов- почвоведов и экологов, разбирающихся в структуре неопределенности почвенной информации и способах ее интерпретации. 2. Развитие технологий получения и обработки экспериментальных данных приводит к необходимости априорного планирования как активных, так и пассивных почвенных экспериментов с целью фильтрации избыточной информации, удаления шума, а также адекватного выбора методов анализа получаемых данных. В российском почвоведении неоправданно мало уделяется внимания этим проблемам, в том числе проблеме «мнимых повторностей», что приводит либо к недооценке, либо к переоценке масштабов выраженности тех или иных процессов, протекающих в окружающей среде. Соответственно, при подготовке специалистов- почвоведов и экологов должно быть уделено достаточное внимание современным знаниям в области планирования и проведения почвенных и экологических экспериментов (см., например, книгу de Gruijter, J., Brus, D.J., Bierkens, M.F.P., Knotters, M. “ Sampling for Natural Resource Monitoring”, практически неизвестную отечественным почвоведам). 3. Попытки создать глобальные модели почвенного покрова на основании учета стремительно увеличивающейся информации о внешней среде требуют от почвоведов овладения новыми методами анализа данных. Современные ГИС-пакеты позволяют вести обработку данных при помощи большого арсенала методов как сравнительно простого анализа, так и такими продвинутыми методами, как различные виды кригинга, в том числе эмпирический Байесовский кригинг, географическая взвешенная регрессия и т.п. Требуют осмысления сравнительно новые методы обработки данных нечисловой природы: деревья классификации, нейронные сети и т.п. Поскольку традиционное почвоведение имеет дело с качественными объектами, эти методы имеют широкую перспективу применения в областях, связанных с классификацией и географией почв. Таким образом, требуется корректировка программ подготовки специалистов-почвоведов и экологов в области изучения ими статических методов.