Информационная поддержка научных исследований в области естественных наук о Земле представляет собой отдельную задачу, требующую решения на стыке информатики и содержательной предметной области. Основной особенностью наук о Земле является пространственная детерминированность и огромные, постоянно увеличивающиеся с возрастающей скоростью объемы данных, в основе которых лежат географические объекты различного масштаба от локального геологического тела до земного шара в целом. Задачей информатики при этом становится синтез и интегральный анализ большого объема многоаспектных пространственных данных и сопоставление результатов исследований для выявления общих закономерностей геологических процессов в пространственно-временных координатах на локальном, региональном и глобальном уровнях. Для решения поставленных задач необходимо привлекать достижения современных геоинформационных технологий - распределенные ГИС, представляющие собой распределенные разнородные базы данных, распределенные вычисления, и стандарты взаимодействия открытых систем, а также создание инфраструктуры пространственных данных (ИПД).

В рамках проекта «Электронная Земля» создан первый вариант ИПД для Арктического бассейна. На основе собранных данных по глубинному строению этого региона проведено математическое моделирование на глобальном уровне с использованием обобщенных данные ГСЗ (http://mahi.ucsd.edu/Gabi/crast.html). Очевидно, степень изученности отдельных участков земли весьма неоднозначна, что позволяет проводить интерпретацию лишь на глобальном уровне в масштабах 1:15 000 000 - 1:25 000 000. Проведен интегральный анализ взаимосвязей отдельных слоев земной коры, который позволил выявить закономерности и, учитывая многоаспектные геолого-геофизические данные, провести исследования зависимостей глубинного строения земной коры с современными геодинамическими процессами. Для подобного анализа нами выбран регион Арктического бассейна (60° с.ш.).

Для этой цели были использованы сейсмические данные по глубинному строению с размером ячейки 2° х 2° (поверхность Мохо, нижняя кора (гранулит-базитовая фация), средняя кора (гранито-метаморфичекий слой), верхняя кора (гранитно-гнейсовый слой), а также мощности осадочного чехла, (http://mahi.ucsd.edu/Gabi/sediment.html), цифровая модель рельефа GTOPO30 выпущенный USGS (EROS, 1996) (http://edcwww.cr.usgs.gov/landdaac/gtopo30/gtopo30.html) и гравитационное поле (Sandwell D.T., 1997, ftp://topex.ucsd.edu/pub/)

Известно, что при анализе больших объемов данных исследователь постоянно сталкивается с необходимостью классифицировать геологические объекты и процессы. Решение этой задачи определяется рядом последовательных операций, которые приводят к упорядочению объектов по их сходству. Полученные данные обычно относятся к априорно известным однородным классификационным единицам, или по факту строится новая классификация. Под термином «классификация» обычно понимается распределение свойств по заданным классам (группам, типам и т.д.) согласно наиболее существенным признакам с характерными отличительными особенностями каждого класса. Классификация производится с помощью набора числовых признаков (выборки), используя математические методы (кластерный анализ) для разбивки их на группы. Альтернативой формализованному подходу является экспертный метод, основанный на профессиональных знаниях и опыте.

Кластерным анализом называется набор методов, результатом работы которых является объединение входных данных в группы, называемые кластерами. Задача классификации объектов по общим признакам возникала в различных научных дисциплинах, и поэтому среди алгоритмов, которыми можно решать задачу кластерного анализа, можно встретить как статически обоснованные, так и те, сходимость которых до сих пор не доказана, но которые были применены при решении многих актуальных задач.

По завершении анализа алгоритмом k-среднего получившиеся кластеры обрабатываются иерархическим алгоритмом. На каждом шаге иерархического алгоритма вместе объединяются два наиболее близких кластера. Расстояние между кластерами определяется как максимальное расстояние между объектами, лежащими в одном кластере и объектами, лежащими в другом. В результате работы иерархического алгоритма получается дендрограмма, описывающая последовательность объединения кластеров.

Для того чтобы проинтерпретировать результаты кластерного анализа, необходимо их визуализировать. Результаты могут быть представлены в виде растрового рисунка, где цвет точки соответствует принадлежности объекта, расположенного в данной точке, к тому или иному кластеру. Но для визуализации результатов кластерного анализа геологических данных, необходимо представить получившиеся кластеры в виде векторного покрытия. Для получения такого покрытия используются алгоритмы автовекторизации - т.е. нахождения границ получившихся областей. Задача нахождения границы множества точек в виде кривых поверхностей Безье так же, как и многие алгоритмы кластерного анализа, принадлежит к классу задач минимизации функционала. В данной задаче автовекторизации производятся только для данных, расположенных в узлах равномерной двухмерной сетки.

Проведен анализ ассоциаций и выявлены сходство и различия специфических связей между различными записями в банках данных, которые базируются на статистических методах корреляционного и регрессивного анализов. В результате обработки выделено 11 типов (кластеров) земной коры исследуемого региона: континентальная кора (40- 45 км ), субконтинентальная (30- 37 км ), субокеаническая (20- 24 км ) и океаническая (12- 17 км ). На гистограмме (рис. 1) и на графике (рис. 2) отношений выделенных типов прослеживается четкая корреляция между поверхностью Мохо и нижней корой, что свидетельствует о наследованном развитии нижних слоев коры. В соотношении средней коры и поверхности Мохо прямая корреляция нарушается в пределах распространения субокеанической коры (типы 7, 8 и 9). Еще более контрастное положение по отношению к поверхности Мохо занимает верхняя кора (гранито-гнейсовый слой). Можно предположить, что это связано с «расслоенностью» (может быть изостазия?) коры в пределах гранито-гнейсового слоя, мощность которого несколько увеличивается в пределах субокенической и океанической кор.

Наиболее мощная кора (40- 45 км ) расположена в пределах континентальной области региона, которая фрагментарно переходит в субконтинентальную. Океаническая и субокеаническая коры приурочены к современной Арктической впадине, но площади распространения не совпадают с современным рельефом. Более того, рифтовая зона хребта Гаккеля не прослеживается даже в верхней части коры. Хребты Ломоносова и Менделеева, четко выраженные в рельефе, также не прослеживается в верхней части коры. Можно предположить, что эти структуры относительно «молодые» и формирование их началось одновременно с раскрытием Северного Ледовитого океана.

Выделенные типы земной коры не противоречат тектоническим картам и схемам для этого региона, а на некоторых участках уточняют положение отдельных структур в современных геодинамических обстановках.

Работа выполнена при поддержки РФФИ, проект № 07-05-01018а; проекта Президиума РАН «Электронная Земля» и проекта Минобрнауки «Ведущие научные школы».