Моделирование в экологии

оригиналом. Виды моделей: «натурные» (физические), аналоговые и компьютерные. Классификация моделей: случайные и детерминированные, континуальные и дискретные. Зачем создавать модели?
2. Модели в экологии. Логика построения модели. Сбор данных для модели. Выявление границ моделируемой системы и ее «существенных черт» (ключевых параметров) с точки зрения задачи исследования. Вербальная модель.
3. Имитационное моделирование. Логика построения модели. Определение состояний системы, параметров состояния и системного времени исходя из задач исследования. Средства имитационного моделирования.
4. Методы построения моделей-1. Методы построения моделей-3. Системный подход
и орграфическое моделирование. Примеры из экологических исследований.
Системная динамика и среды моделирования VenSim, Stella
5. Практикум: Разработка модели по собственной проблематике в среде VenSim PLE
6. Методы построения моделей-3. Универсальные языки программирования (пример с Visual Basic 6). Игра «Жизнь» и клеточные автоматы (КА). Примеры из экологических исследований.
7. Моделирование и игровые технологии. Обзор игр по экологической тематике. Пример игровой модели «Ecologic». Создание моделей или игр – практические вопросы.
8. Практикум-4: Играем в «Эволюцию» или в «Ecologic»
11. Зачет. Обратная связь от слушателей.

процессов
Моделирование динамики популяции

Подход

Системная динамика
Событийное моделирование
Мультиагентное моделирование

Средство

Специализированные среды моделирования
Универсальные языки программирования

Выбор ПОДХОДА (метода) моделирования – исходя из ЗАДАЧИ исследования. Далее подход определяет выбор СРЕДСТВА моделирования

VenSim, IThink и др.

AnyLogic,
NetLogo и др.

Модели на
Visual Basic 6

AnyLogic,
eM-Plant и др.

---

Агентный (мультиагентный) подход - моделирование индивидуального поведения и взаимодействия множества однокачественных объектов (агентов)

ф

Индивидуальное рассмотрение объектов (individual-based view вместо whole system view в системной динамике)
Нет необходимости в гипотезах или знаниях о «глобальных» закономерностях системы
Легче корректировка и сопровождение модели
Агенты как правило имеют физический аналог из реальной системы

ТЕОРИЯ КОНЕЧНЫХ АВТОМАТОВ

1. Конечный автомат – абстрактный объект, который каждый момент времени может находиться только в одном состоянии, количество таких состояний конечно
2. Автомат изменяет свое состояние при действии множества внешних сигналов («входы»), определенному сигналу соответствует переход в определенное состояние
3. Сам автомат может давать сигналы во вне («выходы»), которые могут быть источником («входами») для других автоматов.
4. Время дискретно: события «входной сигнал», «изменение состояния», «выходной сигнал» как правило происходят за один временной шаг (t)

Состояние автомата на шаге t зависит от его состояния на шаге (t-1) и входного сигнала на шаге t. Вероятностные автоматы – входной сигнал приводит автомат к определенному состоянию лишь с некоторой вероятностью

моделирования дискретных систем в технике и различных естественнонаучных областях (математика, физика, биология и др.). Акцент на пространственно-временной динамике системы.

достаточно сложными, с набором «разветвленных» условий.

Метод Клеточных Автоматов (КА)

3. Принцип «близкодействия». Окрестность «клетки» - совокупность соседних «клеток», с которой она может взаимодействовать. Например:

4. Правила перехода из одного состояния в другое (как функция текущего состояния клетки и состояния ее соседей). За один временной «шаг» правила применяются однократно ко всем клеткам. Например:

Основные идеи:

…и другие

клетка может находиться в двух состояниях: «живая» или «мёртва» (пустая). Клетка имеет восемь соседей (окружающих клеток)

Распределение живых клеток в начале игры – 1-ое поколение. Каждое следующее поколение рассчитывается на основе предыдущего по правилам перехода:
1. пустая (мёртвая) клетка, рядом с которой 3 живые клетки, оживает;
2. если у живой клетки есть 2 или 3 живых соседа, эта клетка продолжает жить;
3. если соседей < 2 или > 3 - клетка умирает (от «одиночества» или от «перенаселённости»).

или

Конец Игры: отсутствие изменений (или все фигуры стали устойчивыми или не осталось «живых» клеток)

среда моделирования различных процессов, явлений и феноменов во многих областях науки

Перспективный подход: совмещение ГИС и КА-моделей

Активация или ингибириование пигмента в конкретной клетке зависит от активирующего или ингибирующего действия соседних клеток.

Один из клеточных автоматов С. Вольфрама - механизм формирования окраски моллюска Conus textile

http://en.wikipedia.org/wiki/Cellular_automata

Тюва, Северо-Восточная часть Кольского залива, 2009 г.

Губа Тюва Кольского залива - хороший «модельный» регион для изучения микроэволюционных процессов у мидий:
Массовые поселения мидий
Гибридная зона M. edulis и M. trossulus
Данные по размерно-возрастной и генетической структуре
Пространственная неоднородность среды и поселений моллюсков

Изучение популяционной и динамики и микроэволюционных процессов в поселениях одного из самых массовых видов водных беспозвоночных - мидий Mytilus spp.
Большой объем литературных данных по теме
Собственные данные (Каф. Ихтиологии и Гидробиологии – П.П. Стрелков)
«Работа руками»: представление о масштабах, особенностях, методах изучения объекта, методах обобщения и представления полученных данных

Mytilus edulis x M. trossulus в губе Тюва

МОДЕЛЬ

Модель на Visual Basic 6: Программа «МИДИЯ»

Метод:
Клеточные автоматы на плоскости

коэффициенты отбора
Тонкая регулировка начального пространственного распределения
Возможность имитировать плотность-зависимую регуляцию численности популяции
Возможность настройки общей плодовитости моллюсков
Возможность задания возраста с которого начинается размножение
Динамика генотипа, гибридного индекса
Имитация «внутреннего отбора»
Возможность моделировать «катастрофы» (массовую гибель с последующим вселением)
Подробные выходные данные (экспорт в Excel)

ПУСК

генерация (1 год). Факторы с меньшими характерными периодами выпадают из рассмотрения

Пространство двухмерно – выпадает параметр «глубина» и связанные с ним градиенты факторов

Ограничение по масштабу. Только микрогеографическая изменчивость

Источник личинок. Реальный фрагмент популяции испытывает приток личинок из соседних участков, находящихся за пределами рассматриваемого пространства

В модели не учтены данные по гидродинамике (нет данных наблюдений)