ИСТИНА

Выявление пространственной структуры вида является одной из классических задач систематики. Поиск таксонов подвидового ранга и пространственных границ между ними, выявление характера географической изменчивости проводятся в зоологической литера- туре более ста лет. Как ни странно, набор методов для решения такого рода задач достаточ- но консервативен и включает несколько выдержанных временем методов многомерной статистики. К сожалению, разрешающая способность этих методов не бесконечна, что проявляется в большом количестве «видов-двойников», «сложных групп» и т.п., особенно у мелких млекопитающих. Возможно, в случае морфологических данных помочь решению проблемы может соче- тание концепции морфопространства (Павлинов, 2008) и методов пространственного ана- лиза. Концепция морфопространства позволяет рассматривать часть данных, лишенную возрастного или какого-либо иного тренда, маскирующего географическую изменчивость. Само по себе это часто становится решением проблемы. В остальных случаях, для выявле- ния внутривидовой структуры имеет смысл учитывать пространственное положение вы- борок. В докладе будут рассмотрены теоретические предпосылки использования простран- ственного анализа для биологических данных, обзор методов, которые были или могут быть использованы для выявления пространственной структуры видов. Отдельное внима- ние будет уделено несоответствию географической дистанции между популяциями и ре- альной проницаемости среды для животных, а также обзору методов, решающих эту про- блему. Самостоятельную проблему составляет изучение так называемых «барьеров», препят- ствующих свободному расселению животных. Чаще всего такие барьеры «назначают» про- извольно, исходя из общих соображений или догадок предшественников. В то же время, методы экологического моделирования позволяют решать вопрос о непроницаемости того или иного физико-географического объекта на количественной основе. Большинство методов пространственного анализа можно использовать как для морфо- логических, так и для молекулярно-генетических данных.