Принципы и методы зоогеографического районирования

Важнейшей задачей систематической зоогеографии является характеристика регионов суши и океана по составу их фаун.

Зоогеографическом районировании могут быть два подхода: фауногенетический и ландшафтно-зональный (зонально-климатический). Первый, примененный еще П.Склэтером (1875) и А.Уоллесом (1876), а затем широко использованный М.А.Мензбиром (1934), А. П. Семеновым-Тян-Шанским (1936), И.И.Пузановым (1938) и другими учеными, основан на детальном исследовании ареалов видов и фаунистических комплексов и на выяснении исторически обусловленных различий между фаунами. Главную роль при выделении зоогеографических регионов (зоохоронов) играют виды с узкими ареалами, т. е. эндемики и реликты. Именно они подчеркивают самобытность и древность определенной фауны.

Ландшафтно-зональный подход базируется на изучении животного населения.

При зоогеографическом районировании стоит задача отразить сходство и различия сравниваемых фаун, оценить их в количественных показателях и определить, где проходят границы между территориями, занятыми различными фаунами.

Для ограничения территории зоохоронов используется и так называемый метод синперат. Он заключается в том, что на карту линейным способом наносят границы ареалов возможно большего числа видов или родов. Многие границы совпадут или окажутся близко друг к другу. Полосы совпадения или сближения именуют синператами. Они и служат границами выделов. Как правило, синператы совпадают с различного рода преградами к расселению видов.

Разномасштабное зоогеографическое районирование производится на компромиссной основе: зоохороны высокого ранга (царство, область, иногда и подобласть) определяются с учетом истории фауны, а низкого (провинция, район, участок) — главным образом экологически.

НОВЫЙ ПОДХОД К ПРОБЛЕМЕ ОБЪЕКТИВНОГО

ЗООГЕОГРАФИЧЕСКОГО РАЙОНИРОВАНИЯ

Таким образом, как было отмечено выше, зоогеографическое районирование является завершающим, синтетическим этапом фаунистического исследования достаточно большой территории или акватории. До сих пор для решения этой задачи исследователь должен был обобщить первичные данные о находках отдельных таксонов в конкретных точках и составить списки фаун неких оперативных территориальных единиц, обычно называемых выделами. Именно на этом этапе в сугубо объективную картину первичных данных вторгается элемент субъективности, ибо от выбранных исследователем размеров и конкретных границ выделов в значительной мере зависит результат районирования изученного региона. Дальнейший процесс районирования обычно заключается в количественной оценке сходства фаун выделов с помощью одного из многочисленных индексов, а затем — в кластерном анализе выделов на основе данных об их сходстве.

Попытки прямого использования данных по фаунам конкрет­ных точек в зоогеографическом районировании нам вообще неиз­вестны. Причина этого очевидна — изученность фаун отдельных точек крайне неравномерна.

Предлагаемый новый метод опирается на следующие ключе­вые положения.

1. Кластерному анализу для целей районирования подвергают­ся не фауны субъективно выделенных исследователем выделов, а объективно регистрируемые фауны отдельных точек.

2. Собственно сравнению фаун отдельных точек предшествует всесторонний компьютерный анализ имеющихся данных, в ходе которого можно провести селекцию данных, чтобы повысить их значимость и достоверность.

3. На каждом шаге кластеризации пересчет матрицы сходства точек и кластеров производится не на основе вычисления их усредненного сходства, а на основе объединения фаун сливаю­щихся точек или кластеров и нового вычисления их сходства.

4. В кластерном анализе учитывается не только сходство фаун точек, но и физическое расстояние между самими точками, рас­считываемое по их точным географическим координатам. Это позволяет сгладить случайное сходство далеко отстоящих точек, возникающее зачастую из-за неполной изученности их фаун и случайных совпадений.

5. Процесс кластерного анализа фаун точек протекает парал­лельно как в памяти компьютера (в виде преобразований матриц сходства), так и на экране дисплея (в виде динамического пре­образования закрашенных в разные цвета областей на карте). Это дает исследователю уникальную возможность визуально контро­лировать каждый шаг процесса кластеризации точек и получать при необходимости дополнительную информацию о каждом шаге.