Jump to content

Моделирование изменения земель

Вырубка лесов (на примере Боливии) является основной движущей силой изменения земель во всем мире и часто является предметом моделей изменения земель.

Модели изменения земель (LCM) описывают, прогнозируют и объясняют изменения и динамику землепользования и растительного покрова. LCM — это средство понимания того, как люди изменяли поверхность Земли в прошлом, настоящем и будущем.

Модели изменения земель имеют ценное значение в политике развития, помогая принимать более правильные решения по управлению ресурсами и природной средой в различных масштабах: от небольшого участка земли до всего пространственного масштаба. [1] [2] Более того, развитие данных о растительном покрове , окружающей среде и социально-экономических данных (а также в рамках технологической инфраструктуры) расширило возможности моделирования изменений земель, чтобы помочь поддержать и повлиять на решения, которые влияют на системы человек-окружающая среда . [1] поскольку внимание на национальном и международном уровне все больше сосредотачивается на вопросах глобального изменения климата и устойчивого развития .

Важность [ править ]

Бульдозеры часто используются для расчистки земель для строительства или сельского хозяйства.

Изменения в земельных системах имеют последствия для изменения климата и окружающей среды во всех масштабах. Поэтому решения и политика в отношении земельных систем очень важны для реагирования на эти изменения и работы в направлении более устойчивого общества и планеты. [3]

Модели изменения земель имеют важное значение в своей способности помочь земельным системам добиться положительных социальных и экологических результатов в то время, когда внимание к изменениям в земельных системах растет. [3] [4]

За последние несколько десятилетий множество ученых и практиков смогли увеличить объем и качество данных при моделировании изменений земель. Это повлияло на разработку методов и технологий моделирования изменения земель. Множество разработанных моделей изменения земель важны с точки зрения их способности учитывать изменения в земельных системах и полезны в различных научных кругах и сообществах практиков. [3]

Для научного сообщества модели изменения земель важны, поскольку они позволяют проверять теории и концепции изменения земель и их связи с отношениями между человеком и окружающей средой, а также исследовать, как эта динамика изменит будущие земельные системы без наблюдения в реальном мире. [3]

Моделирование изменения земель полезно для изучения пространственных земельных систем, видов использования и покровов. Моделирование изменения земель может учитывать сложность динамики землепользования и растительного покрова путем связи с климатическими, экологическими, биогеохимическими, биогеофизическими и социально-экономическими моделями. Кроме того, LCM способны давать пространственно точные результаты в зависимости от типа и сложности динамики земельной системы в пределах пространственного масштаба. Многие биофизические и социально-экономические переменные влияют на моделирование изменений земель и приводят к различным результатам. [3]

Неопределенность модели

Смена земель видна на этом изображении из Японии. Модели не могут быть такими же точными, как спутниковые снимки.

Примечательным свойством всех моделей изменения земель является то, что они имеют некоторый неуменьшаемый уровень неопределенности в структуре модели, значениях параметров и/или входных данных. Например, одна из неопределенностей в моделях изменения земель является результатом временной нестационарности, которая существует в процессах изменения земель, поэтому чем дальше в будущем применяется модель, тем более неопределенной она становится. [5] [6] Еще одной неопределенностью в моделях изменения земель являются неопределенности данных и параметров в рамках физических принципов (т. е. типологии поверхности), что приводит к неопределенности в понимании и прогнозировании физических процессов. [5]

Более того, разработка модели изменения земель является результатом как принятия решений, так и физических процессов. Важно учитывать антропогенное воздействие на социально-экономическую и экологическую среду, поскольку оно постоянно меняет растительный покров, а иногда и неопределенность модели. Чтобы избежать неопределенности модели и более точно интерпретировать результаты модели, используется диагностика модели, чтобы лучше понять связи между моделями изменения земель и фактической земельной системой пространственного масштаба. Общая важность диагностики модели с проблемами неопределенности модели заключается в ее способности оценить, как представлены взаимодействующие процессы и ландшафт, а также неопределенность внутри ландшафта и его процессов. [5]

Подходы [ править ]

обучение и статистические модели Машинное

Подход машинного обучения использует данные о земном покрове из прошлого, чтобы попытаться оценить, как земля изменится в будущем, и лучше всего работает с большими наборами данных. Существует несколько типов машинного обучения и статистических моделей. Исследование, проведенное в западной Мексике в 2011 году, показало, что результаты двух внешне похожих моделей значительно различаются, поскольку в одной используется нейронная сеть , а в другой — простая модель весов доказательств. [7]

Клеточные модели [ править ]

Ячеистая . модель изменения земель использует карты пригодности для различных типов землепользования и сравнивает территории, которые непосредственно соседствуют друг с другом, для прогнозирования изменений в будущем Изменения в масштабе ячеек клеточной модели могут оказать существенное влияние на выходные данные модели. [8]

Отраслевые и пространственно дезагрегированные экономические модели

Экономические модели построены на принципах спроса и предложения . Они используют математические параметры, чтобы предсказать, какие типы земель будут желательны, а какие будут выброшены. Их часто строят для городских территорий, как, например, в исследовании 2003 года, посвященном густонаселенной дельте Жемчужной реки на юге Китая . [9]

Агентные модели [ править ]

Агентные модели пытаются смоделировать поведение множества людей, делающих независимый выбор, а затем посмотреть, как этот выбор повлияет на ситуацию в целом. Агентное моделирование может быть сложным – например, исследование 2005 года объединило агентную модель с компьютерным генетическим программированием для изучения изменений земель на полуострове Юкатан в Мексике. [10]

Гибридные подходы [ править ]

Многие модели не ограничиваются одним из вышеперечисленных подходов — они могут комбинировать несколько для разработки полностью всеобъемлющей и точной модели. [ нужна ссылка ]

Оценка [ править ]

Цель [ править ]

Модели изменения земель оцениваются для оценки и количественной оценки прогнозирующей способности модели с точки зрения пространственного распределения и количества изменений. Оценка модели позволяет разработчику модели оценить производительность модели для редактирования «выходных данных модели, измерения данных, а также сопоставления и моделирования данных» для будущих приложений. Целью оценки модели является не разработка единой метрики или метода для максимизации «правильного» результата, а разработка инструментов для оценки и изучения результатов модели для создания лучших моделей для конкретных приложений. [11]

Методы [ править ]

Существует два типа проверки при моделировании изменений земель: проверка процесса и проверка шаблона. Валидация процесса сравнивает соответствие между «процессом в модели и процессом, действующим в реальном мире». Проверка процесса чаще всего используется в агентном моделировании, при котором разработчик модели использует поведение и решения для информирования процесса, определяющего изменение земель в модели. При проверке шаблона сравниваются выходные данные модели (т. е. прогнозируемые изменения) и наблюдаемые результаты (т. е. эталонные изменения). [2] Анализ трех карт — это широко используемый метод проверки шаблона, в котором сравниваются три карты: эталонная карта в момент времени 1, эталонная карта в момент времени 2 и смоделированная карта во время 2. [ нужна ссылка ] Это генерирует перекрестное сравнение трех карт, где пиксели классифицируются как одна из этих пяти категорий:

Пример сравнения трех карт, используемого для проверки модели изменения земель.
  • Попадания: изменение ссылки корректно моделируется как изменение.
  • Промахи: изменение ссылки моделируется неправильно как постоянство.
  • Ложные тревоги: постоянство справочных данных моделируется неправильно по мере изменения
  • Правильные отклонения: изменение эталона правильно моделируется как постоянство
  • Неправильные попадания: изменение эталона моделируется так же правильно, как и изменение, но в неправильную категорию усиления. [12]

Поскольку три сравнения карт включают как ошибки, так и правильно смоделированные пиксели, это приводит к визуальному выражению как ошибок распределения, так и ошибок количества.

Для оценки LCM также используются одиночные суммарные метрики. Существует множество отдельных сводных показателей, которые разработчики моделей использовали для оценки своих моделей и часто используются для сравнения моделей друг с другом. Одним из таких показателей является показатель качества (FoM), который использует значения попаданий, промахов и ложных тревог, полученные в результате сравнения трех карт, для получения процентного значения, которое выражает пересечение между эталонными и смоделированными изменениями. [11] Единичные сводные показатели могут скрыть важную информацию, но FoM может быть полезен, особенно когда также сообщаются значения попаданий, промахов и ложных тревог.

Улучшения [ править ]

Отделение калибровки от валидации было определено как проблема, которую следует решать как задачу моделирования. Обычно это происходит из-за того, что разработчики моделей используют информацию, полученную после первого периода времени. Это может привести к тому, что уровень точности карты будет намного выше фактической предсказательной силы модели. [13] Дополнительные улучшения, которые обсуждались в этой области, включают определение разницы между ошибками распределения и количественными ошибками, что можно сделать посредством трех сравнений карт, а также включение как наблюдаемых, так и прогнозируемых изменений в анализ моделей изменения земель. [13] В прошлом на отдельные сводные показатели слишком полагались, и они имели разную степень полезности при оценке LCM. Даже лучшие отдельные сводные показатели часто упускают из виду важную информацию, а такие показатели отчетности, как FoM, вместе с картами и значениями, которые используются для их создания, могут передавать необходимую информацию, которая в противном случае была бы запутана. [14]

Возможности реализации [ править ]

Ученые используют LCM для построения и проверки теорий моделирования изменения земель с учетом различных динамики человека и окружающей среды. [15] Моделирование изменения земель имеет множество возможностей реализации во многих научных и практических дисциплинах, таких как принятие решений, политика и реальное применение в государственных и частных сферах. Моделирование изменения земель является ключевым компонентом науки об изменении земель , которая использует LCM для оценки долгосрочных последствий для земного покрова и климата. Научные дисциплины используют LCM для формализации и проверки теории изменения земель, а также для изучения и экспериментирования с различными сценариями моделирования изменений земель. В практических дисциплинах LCM используются для анализа текущих тенденций изменения земель и изучения будущих результатов политики или действий, чтобы установить соответствующие руководящие принципы, ограничения и принципы для политики и действий. Сообщества исследователей и практиков могут изучать изменение земель для решения тем, связанных с взаимодействием земли и климата, количеством и качеством воды, производством продуктов питания и волокон, а также урбанизацией, инфраструктурой и искусственной средой. [15]

Улучшение и продвижение [ править ]

наземных Улучшенные наблюдений стратегии

Аэрофотосъемку можно использовать в сочетании со спутниковыми изображениями и наземными данными для улучшения моделей изменения земель.

Одно из улучшений в моделировании изменений земель может быть достигнуто за счет более качественных данных и интеграции с имеющимися данными и моделями. Улучшенные данные наблюдений могут повлиять на качество моделирования. Данные с более точным пространственным и временным разрешением, которые можно интегрировать с социально-экономическими и биогеофизическими данными, могут помочь моделированию изменения земель объединить типы социально-экономического и биогеологического моделирования. Разработчикам моделей изменения земель следует оценивать данные в более мелком масштабе. Точные данные могут дать лучшее концептуальное понимание основных конструкций модели и отразить дополнительные аспекты землепользования. Важно поддерживать временную и пространственную непрерывность данных наблюдений с воздуха и обследований с помощью группировок небольших спутников, алгоритмов обработки изображений и других новых данных для увязки спутниковой информации о землепользовании и информации об управлении земельными ресурсами. Также важно иметь более полную информацию об участниках процесса изменения земель, их убеждениях, предпочтениях и поведении, чтобы улучшить прогнозирующую способность моделей и оценить последствия альтернативной политики. [2]

Согласование выбора модели с целями модели [ править ]

Одно важное улучшение в моделировании изменений земель можно сделать за счет лучшего согласования выбора модели с целями модели. Важно выбрать подходящий подход к моделированию, исходя из научного и прикладного контекста конкретного интересующего исследования. Например, когда кому-то необходимо разработать модель с учетом политики и политических субъектов, он может выбрать агентную модель. Здесь полезны структурные экономические или агентные подходы, но конкретные закономерности и тенденции в изменении земель, как и во многих экологических системах, могут оказаться не столь полезными. Когда нужно понять ранние этапы выявления проблем и, следовательно, понять научные закономерности и тенденции изменения земель, полезны машинное обучение и клеточные подходы. [2]

позитивных и Интеграция нормативных подходов

Моделирование изменений земель также должно лучше интегрировать позитивные и нормативные подходы к объяснению и прогнозированию, основанные на фактических данных о земельных системах. Он также должен интегрировать подходы к оптимизации для изучения наиболее выгодных результатов и процессов, которые могут привести к этим результатам. [2]

Интеграция между масштабами [ править ]

Важно интегрировать данные в разных масштабах. Разработка моделей основана на доминирующих процессах и данных конкретного масштаба применения и пространственного распространения. Межмасштабная динамика и обратные связи между временными и пространственными масштабами влияют на закономерности и процессы модели. Такие процессы, как телесвязь , косвенное изменение землепользования и адаптация к изменению климата в различных масштабах, требуют лучшего представления с помощью межмасштабной динамики. Реализация этих процессов потребует лучшего понимания механизмов обратной связи в разных масштабах. [16]

в области исследовательской инфраструктуры и киберинфраструктуры Возможности поддержки

Поскольку происходит постоянное переосмысление сред, структур и платформ моделирования, моделирование изменений земель может улучшиться за счет лучшей поддержки исследовательской инфраструктуры. Например, разработка моделей и инфраструктуры программного обеспечения может помочь избежать дублирования инициатив членов сообщества, занимающихся моделированием изменений земель, совместно изучить моделирование изменений земель и интегрировать модели для оценки последствий изменения земель. Улучшенная инфраструктура данных может предоставить больше ресурсов данных для поддержки компиляции, обработки и сравнения разнородных источников данных. Лучшее моделирование и управление сообществом может расширить возможности принятия решений и моделирования внутри сообщества с конкретными и достижимыми целями. Моделирование и управление сообществом станут шагом на пути к достижению согласия сообщества по конкретным целям для продвижения возможностей моделирования и данных. [17]

Ряд современных проблем в моделировании изменений земель потенциально можно решить с помощью современных достижений в киберинфраструктуре, таких как краудсорсинг, «майнинг» распределенных данных и совершенствование высокопроизводительных вычислений . Поскольку разработчикам моделей важно находить больше данных для лучшего построения, калибровки и проверки структурных моделей, полезна возможность анализировать большие объемы данных об индивидуальном поведении. Например, разработчики моделей могут найти данные точек продаж об отдельных покупках потребителей и действиях в Интернете, которые раскрывают социальные сети. Однако некоторые вопросы конфиденциальности и правомерности улучшений краудсорсинга еще не решены. [ нужна ссылка ]

Сообщество, занимающееся моделированием изменений земель, также может извлечь выгоду из системы глобального позиционирования и распространения данных с мобильных устройств через Интернет. Сочетание различных структурных методов сбора данных может улучшить доступность микроданных и разнообразие людей, которые видят выводы и результаты проектов моделирования изменения земель. Например, данные, предоставленные гражданами, поддержали реализацию Ушахиди на Гаити после землетрясения 2010 года , что помогло предотвратить как минимум 4000 стихийных бедствий. Университетам, некоммерческим организациям и волонтерам необходимо собирать информацию о подобных мероприятиях, чтобы добиться положительных результатов и улучшений в моделировании изменений земель и приложениях моделирования изменений земель. Доступны такие инструменты, как мобильные устройства, которые облегчают участие участников в сборе микроданных об агентах. Карты Google используют облачные картографические технологии с наборами данных, которые создаются совместно общественностью и учеными. Примеры в сельском хозяйстве, такие как фермеры, выращивающие кофе в Аваай-Отало, демонстрируют использование мобильных телефонов для сбора информации и в качестве интерактивного голоса. [ нужна ссылка ]

Развитие киберинфраструктуры может также повысить способность моделирования изменений земель удовлетворять вычислительные потребности различных подходов к моделированию, учитывая увеличение объемов данных и определенные ожидаемые взаимодействия моделей. Например, улучшение разработки процессоров, хранения данных, пропускной способности сети и объединение моделей изменения земель и экологических процессов в высоком разрешении. [18]

Оценка модели [ править ]

Дополнительным способом улучшения моделирования изменений земель является совершенствование подходов к оценке моделей . Улучшение анализа чувствительности необходимо для лучшего понимания изменений выходных данных модели в ответ на такие элементы модели, как входные данные, параметры модели, начальные условия, граничные условия и структура модели. Улучшение проверки закономерностей может помочь разработчикам моделей изменения земель проводить сравнения между результатами модели, параметризованными для какого-либо исторического случая, например карт, и наблюдений для этого случая. Улучшение источников неопределенности необходимо для улучшения прогнозирования будущих состояний, которые являются нестационарными в процессах, входных переменных и граничных условиях. Можно явно распознать предположения о стационарности и изучить данные для выявления доказательств нестационарности, чтобы лучше признать и понять неопределенность модели и улучшить источники неопределенности. Улучшение структурной проверки может помочь улучшить признание и понимание процессов в модели и процессов, действующих в реальном мире, посредством сочетания качественных и количественных показателей. [2]

См. также [ править ]

Ссылки [ править ]

  1. Перейти обратно: Перейти обратно: а б Браун, Дэниел Г.; и др. (2014). Развитие моделирования изменений земель: возможности и требования к исследованиям . Вашингтон, округ Колумбия: Национальная академическая пресса. стр. 11–12. ISBN  978-0-309-28833-0 .
  2. Перейти обратно: Перейти обратно: а б с д и ж Браун Д.Г., Вербург П.Х., Понтиус-младший Р.Г., Ланге, доктор медицинских наук (октябрь 2013 г.). «Возможности улучшить воздействие, интеграцию и оценку моделей изменения земель». Текущее мнение об экологической устойчивости . 5 (5): 452–457. дои : 10.1016/j.cosust.2013.07.012 .
  3. Перейти обратно: Перейти обратно: а б с д и Браун, Дэниел Г.; и др. (2014). Развитие моделирования изменений земель: возможности и требования к исследованиям . Вашингтон, округ Колумбия: Национальная академическая пресса. стр. 13–14. ISBN  978-0-309-28833-0 .
  4. ^ Бриассулис, Хелен (2000). «Анализ изменений в землепользовании: теоретические подходы и подходы к моделированию» . ЭконПаперс . Архивировано из оригинала 15 мая 2017 г. Проверено 6 мая 2017 г.
  5. Перейти обратно: Перейти обратно: а б с Браун, Дэниел Г.; и др. (2014). Развитие моделирования изменений земель: возможности и требования к исследованиям . Вашингтон, округ Колумбия: Национальная академическая пресса. стр. 21–22. ISBN  978-0-309-28833-0 .
  6. ^ Лю, СяоХан; Андерссон, Клаас (1 января 2004 г.). «Оценка влияния временной динамики на моделирование изменений в землепользовании». Компьютеры, окружающая среда и городские системы . Геомоделирование. 28 (1–2): 107–124. дои : 10.1016/S0198-9715(02)00045-5 .
  7. ^ Перес-Вега, Асусена; Мас, Жан-Франсуа; Лигманн-Зелинска, Арика (01 марта 2012 г.). «Сравнение двух подходов к моделированию изменений землепользования/покрова и их последствий для оценки потери биоразнообразия в лиственных тропических лесах». Экологическое моделирование и программное обеспечение . 29 (1): 11–23. дои : 10.1016/j.envsoft.2011.09.011 .
  8. ^ Пан, Ин; Рот, Андреас; Ю, Чжэнжун; Долушиц, Райнер (1 августа 2010 г.). «Влияние изменения масштаба на поведение клеточных автоматов, используемых для моделирования изменений в землепользовании». Компьютеры, окружающая среда и городские системы . 34 (5): 400–408. doi : 10.1016/j.compenvurbsys.2010.03.003 .
  9. ^ Сето, Карен С.; Кауфманн, Роберт К. (1 февраля 2003 г.). «Моделирование факторов изменения городского землепользования в дельте Жемчужной реки, Китай: интеграция дистанционного зондирования с социально-экономическими данными». Земельная экономика . 79 (1): 106–121. дои : 10.2307/3147108 . ISSN   0023-7639 . JSTOR   3147108 . S2CID   154022155 .
  10. ^ Мэнсон, Стивен М. (1 декабря 2005 г.). «Агентное моделирование и генетическое программирование для моделирования изменения земель в регионе южного полуострова Юкатан в Мексике». Сельское хозяйство, экосистемы и окружающая среда . 111 (1–4): 47–62. CiteSeerX   10.1.1.335.6727 . дои : 10.1016/j.agee.2005.04.024 .
  11. Перейти обратно: Перейти обратно: а б Понтиус-младший Р., Кастелла Х.К., де Нейс Т., Дуан З., Фотсинг Э., Гольдштейн Н., Каспер К., Кумен Э., Д. Липпетт С., МакКоннелл В., Мохд Суд А. (2018). «Уроки и проблемы моделирования изменений земель, полученные на основе перекрестных сравнений». В Бениш М., Мейнель Г. (ред.). Тенденции в пространственном анализе и моделировании . Геотехнологии и окружающая среда. Том. 19. Международное издательство Спрингер. стр. 143–164. дои : 10.1007/978-3-319-52522-8_8 . ISBN  978-3-319-52520-4 .
  12. ^ Варга О.Г., Понтиус-младший Р.Г., Сингх С.К., Сабо С. (июнь 2019 г.). «Анализ интенсивности и компоненты показателя качества для оценки клеточных автоматов - марковской имитационной модели» . Экологические показатели . 101 : 933–942. дои : 10.1016/j.ecolind.2019.01.057 . ISSN   1470-160X .
  13. Перейти обратно: Перейти обратно: а б Понтиус-младший Р.Г., Боерсма В., Кастелла Дж.К., Кларк К., де Нейс Т., Дитцель С., Дуан З., Фотсинг Е., Гольдштейн Н., Кок К., Кумен Э. (16 августа 2007 г.). «Сравнение входных, выходных и проверочных карт для нескольких моделей изменения земель» . Анналы региональной науки . 42 (1): 11–37. дои : 10.1007/s00168-007-0138-2 . ISSN   0570-1864 . S2CID   30440357 .
  14. ^ Понтиус-младший, Роберт Гилмор; Си, Канпин (06 января 2014 г.). «Общая рабочая характеристика для измерения диагностических возможностей для нескольких порогов». Международный журнал географической информатики . 28 (3): 570–583. дои : 10.1080/13658816.2013.862623 . ISSN   1365-8816 . S2CID   29204880 .
  15. Перейти обратно: Перейти обратно: а б Браун, Дэниел; и др. (2014). Развитие моделирования изменений земель: возможности и требования к исследованиям . 500 Пятая улица, северо-запад Вашингтона, округ Колумбия, 20001: Национальная академия наук. п. 13. ISBN  978-0-309-28833-0 . {{cite book}}: CS1 maint: местоположение ( ссылка )
  16. ^ Браун, Дэниел Г.; и др. (2014). Развитие моделирования изменений земель: возможности и требования к исследованиям . Вашингтон, округ Колумбия: Национальная академическая пресса. п. 1. ISBN  978-0-309-28833-0 .
  17. ^ Браун, Дэниел Дж; и др. (2014). Развитие моделирования изменений земель: возможности и требования к исследованиям . Вашингтон, округ Колумбия: Национальная академическая пресса. стр. 7–8. ISBN  978-0-309-28833-0 .
  18. ^ Браун, Дэниел Г.; и др. (2014). Развитие моделирования изменений земель: возможности и требования к исследованиям . Вашингтон, округ Колумбия: Национальная академическая пресса. стр. 90–98. ISBN  978-0-309-28833-0 .
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 306ac7ec1efe4e4111ceaf252d2076fe__1705492500
URL1:https://arc.ask3.ru/arc/aa/30/fe/306ac7ec1efe4e4111ceaf252d2076fe.html
Заголовок, (Title) документа по адресу, URL1:
Land change modeling - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)