Когда автор этой книги был мальчиком, собак держали немногие, в основном охотники. Некоторые энтузиасты держали служебных собак, главным образом, овчарок. Именно овчарок, поскольку в те времена литература и кино были наполнены повестями, рассказами и фильмами о милиционерах и пограничниках, плечом к плечу с которыми действовали самоотверженные овчарки. Ну а что касается декоративных пород, то они, особенно в небольших городах, вообще были диковинкой.
Сейчас в каждом подъезде многоквартирного дома живет как минимум одна семья, владеющая собакой. А то и две семьи, и три. Соответственно, интерес к книгам про собак существенно вырос и этих книг ныне великое множество. Зачем же нужна еще одна книга? Дело в том, что как возросло число собак, так выросло и число проблем, с которыми сталкиваются их владельцы. Причем проблемы эти в большинстве случаев касаются не содержания собак и даже не их здоровья, а их поведения. Непослушная собака, агрессивная собака, пугливая собака – с такими чертами характера своих любимцев сталкивается очень много людей. И если раньше владелец мог получить более или менее профессиональный совет в клубе собаководов или в «своем» отделении ДОСААФ (все служебные собаки были фактически военнообязанными и обязательно регистрировались), то ныне получить толковую консультацию по воспитанию и обучению собаки гораздо труднее. Подавляющее большинство современных книг про собак – это справочники, содержащие сведения о многообразных собачьих породах, их особенностях и происхождении. Реже встречаются книги о содержании собак и уходе за ними. А вот книг о воспитании и обучении совсем мало.
В этой книге есть сведения и о содержании собак, и о том, как собаку выбрать, и об особенностях основных породных групп. Но главное место в ней занимает рассказ о том, чем собачья личность отличается от нас, что такое собачий характер, как и из чего он складывается, как можно попытаться его изменить и чему можно и нужно обучить свою собаку.
![](data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAQAAAAGQBAMAAACzOqMWAAAAMFBMVEUAAABra2soKCi/v78R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)
Теперь необходимо сказать несколько слов о том, как автор подходит к воспитанию и обучению собак. Так вот, всякая собака – личность, причем личность порой очень непростая. В области разума собака уступает человеку на огромную дистанцию, хотя мне кажется порой, что лабораторные эксперименты собачий ум недооценивают. Но вот что касается памяти, чувств и эмоций, то здесь собака отличается от человека очень немного. Иными словами, собака отчасти похожа на ребенка – преобладанием чувств над разумом. А каждый знает, как непросто формируется характер ребенка. С собакой, конечно, намного проще, но тоже довольно сложно. Однако при чтении этой книги у вас частенько будет возникать ощущение, что автор относится к собаке не как к личности, а как к автомату, у которого вся психика состоит лишь из безусловных и условных рефлексов. Почему? Дело в том, что высшие области собачьей психики изучены очень слабо. Плохо известны не только собственно психические процессы, но и процессы чисто физиологические, которые определяют, скажем, силу нервной системы или подвижность нервных реакций. А подход к собаке как, своего рода автомату уже многие десятилетия доказывает свою эффективность. И особенности этого подхода, конкретные методы и приемы, выработаны и отшлифованы поколениями дрессировщиков, егерей-натасчиков и проводников служебных собак. Но не забывайте – хороший дрессировщик не просто тупо применяет конкретные методы, довольно подробно описанные в этой книге, но старается учесть и все остальные стороны собачьей личности. Для этого нужно не просто любить свою собаку, но и стараться ее понять. И моя книга предназначена еще и для того, чтобы хотя бы отчасти облегчить вам это понимание.
Важно помнить еще и о том, что как нет двух совершенно одинаковых собак, так нет и двух дрессировщиков, взгляды которых бы полностью совпадали. Существуют разные школы дрессировки. Очень многие профессионалы, особенно те, кто имеет дело с собаками служебных пород, придерживаются гораздо более жестких методов воспитания и обучения. Моя «мягкость» обусловлена, вероятно, тем, что я близко знаком, главным образом, со зверовыми собаками – терьерами и лайками – и с собаками-пастухами – алабаями. Собаки эти весьма самолюбивы, сильны и неуступчивы, чтобы их согнуть жесткими методами, нужно быть действительно жестким. При этом велик риск собаку «сломать». А сломанные – они никакие работники. Самостоятельность и чувство собственного достоинства – основа их характера, с ними прямо связаны их рабочие качества. Но вообще, надо сказать, что среди собак всех пород есть такие, для которых более эффективны жесткие методы, и такие, с которыми предпочтительно обращаться помягче.
Собственно, на этом предисловие можно было бы и закончить. Но я хочу воспользоваться случаем и поблагодарить тех, чьей помощью и поддержкой я пользовался и на тернистом порой пути собачника, и при написании этой книги. В первую очередь, это моя жена, Елена Целлариус. Кроме того, в течение многих лет я бессовестно пользовался знаниями и бескорыстной помощью Марины Анатольевны Декань, Андрея Дмитриевича Пояркова, Ольги Олеговны Тарасовой и Юрия Генриховича Меньшикова.