Matematické modely v ekologii

Prezentace na téma: "Matematické modely v ekologii"— Transkript prezentace:

1 Matematické modely v ekologii
a na co jsou dobré

2 Induktivní a deduktivní uvažování
Indukce - mám spoustu pozorování, a v nich se snažím nalézt zákonitosti, zobecnění atd. Dedukce - mám řadu “pravd”, a hledám jejich důsledky (matematika jako nejdokonalejší deduktivní systém) Hypoteticko-deduktivní přístup k vědě (K. Popper)

3 Teorie - deduktivní systém
Explikativní funkce (vysvětlit) Prediktivní funkce (predikovat, co bude za podmínek, které jsme jestě nevyzkoušeli) Matematika jako deduktivní systém Ale - každá teorie nemusí být nutně matematická

4 * Verbání vs. formalizované (většinou matematikou)
Systémy, které modeluji, jsou vždy nějakou abstrakcí, kterou si definuji na reálném objektu Typy modelů: * Verbání vs. formalizované (většinou matematikou) * Statistické vs. dynamické obvykle Systém diferenčních nebo diferenciálních rovnic model odpovědi druhu frekvence vlhkost

5 Když se řekne Ekologické modely
většina lidí si představí dynamické matematické model, tj. soustavy diferenčních, nebo diferenciálních rovnic

6 Diferenční rovnice popisuje stav systému v diskrétních okamžicích
popisuje změnu za jednotku času (jak ze stavu v čase t spočítám, jaký bude stav v čase t+1) Pozor, potřebujeme počáteční podmínky, tj. N v čase 0, ale často lze nalézt i obecné řešení.

7 velikost změny bude asi záviset na časovém intervalu (který nemusí být nutně 1), např.
když bude časový interval extrémně krátký (limitně se blížící nule), dostáváme diferenciální rovnici Pozor – čím kratší je Δt , tím bude růst populace rychlejší – (obecně r= ln(λ))

8 Řešení = nalezení funkce závislosti hodnot stavových proměnných v čase
Diferenciální rovnici můžeme řešit buď analyticky, nebo numericky - vpodstatě tím, že zvolíme “strašně malý” krok, a počítáme jako diferenční rovnici. Ale ani to není přesné - populární metoda je Runge Kutta. Analytické řešení je obecné, (ale ne vžty to jde). (Vzpomeň - Integrační konstanta -> řešení obsahuje počáteční hodnoty proměnných.) Numerické řešení jde vždycky, ale je jen pro dané počáteční podmínky.

9 Modely analyticky řešitelné vs. simulační
Analyticky řešitelné - dostávám úplné řešení, ale jsem omezen ve složitosti rovnic Matematičtí ekologové rádi analyzují různé vlastnosti systému, jako rovnovážné body a jejich vlastnosti (typy stability), a řadu jejich dalších charakteristik Simulační - mohu si vymyslet rovnice, jak chci složité, ale dostávám řešení pouze numerické a pro dané počáteční podmínky

10 Kdy diferenční a kdy diferenciální rovnice?
V ekologii je mnoho procesů, které se dějí s určitou periodicitou; jeden rok, jeden den. Pak je pro modelování na dlohých časových úsecích přirozené užít diferenční rovnici s kroken jeden rok resp. jeden den (samozřejmě, pokud nechceme explicitně modelovat sezónní nebo cirkadiánní dynamiku). Jinak je rozhodnutí často “pragmatické” (třeba, co umím spočítat).

11 Vlastnosti modelů Věrnost, přesnost, obecnost
Věrnost - jak dobře vystihuje mechanismy Přesnost - jak dobře predikuje vývoj v čase Obecnost - kolika systémů se týká Většinou jsou rozumně splněny jen dva ze tří požadavků

12 Modely teoretické ekologie - hlavně obecné, často i věrné, přesnost není prvořadá Modely aplikované ekologie - důležitá přesnost, potom i věrnost

13 Modely deterministické vs
Modely deterministické vs. stochastické Každý reálný objekt podléhá stochastickým (tj. námi neměřeným) vlivům. Při modelování se rozhodujeme, jak je pro nás stochasticita důležitá, např.

14 Sleduji, zda (např. za určitých stresových podmínek) vyhyne populace, když má každé individuum 50% pravděpodobnost přežití 1. Populace ohroženého druhu, čítající 10 individuí (stochasticitu asi musím vzít v úvahu, šance, že vyhyne je 0,510= , což je sice málo, ale asi bych to neměl ignorovat) 2. Populace druhu s individui. Šance, že vyhyne, je 0,510000=0, …...

15 Modelování: populační růst

16                                                                                                                                                                  Rychlost růstu nezávisí na hustotě - Exponenciální dá se přepsat                                                                                  což mi říká, že per capita velikost změny je konstantní Diferenciální rovnice

17 Diferenční rovnice Discrete form                                                                                 

18 Logistic growth - density dependent

19 Záporná zpětná vazba Jen záporná zpětná vazba dokáže stabilizovat systém Kladná zpětná vazba

20

21 Optimální “harvesting” (sklizeň)

22 Zpoždění (záporná zpětná vazba se zpožděním) způsobuje fluktuace - nedřív tlumené

23 Čím větší zpoždění, tím menší tlumení

24 Nakonec už oscilace netlumené

25 Diskrétní logistická rovnice se zvětšující se rychlostí růstu (krok je jednotka času, takže čím větší rychlost, tím větší zpoždění)

26

27 Deterministický chaos

28 Stochastická forma logistického růstu: Demographic stochasticity b and d are probabilities (in deterministic models rates),

29 Increase in K

30 Increased initial size

31 Strukturované populace - maticové modely - parametry se dají odhadnout v terénu - často se užívají pro management věková struktura vs. velikostní struktura Individua nejsou stejná

32 Age Stage

33

34 Když N je charakteristický vektor matice A, pak může být matice nahrazena svým charakteristickým číslem λ. N odpovídá stabilní věkové struktuře, λ je ekvivalentní λ v diskrétním modelu exponenciálního růstu. Klasické maticové modely ignorují závislost na hustotě Projekce vs. predikce.

35 Lotka-Volterra kompetiční model
Stabilní equilibrium nastane, když: and

36

37

38 Analýza senzitivity (a analýza elasticity) - jak se změní chování modelu při (malé) změně hodnoty parametrů - zjistíme, které parametry jsou důležité, případně, kde chyba v odhadu může mít katastrofální důsledky

39 Individual based models
Každé individuum je popsáno stavovou proměnnou (nebo více proměnnými) V každém kroku, růst individua závisí na jeho velikosti, a na kompetici Podobně, pravděpodobnost prěžití je závislá na velikosti individua a kompetičním tlaku Monte Carlo simulace (v podstatě systém Pán jeskyně a kostka) nebo deterministické pravidlo rozhodne, zda individuum přežije Můžeme třeba zkoušet management - v podstatě na stejné bázi, jako počítačové hry

40

41

42 Velké ekosystémové modely
velmi jednoduchý příklad

43 Zdroj a propad CO2 v atmosféře T Z Fotosyntéza Primární producenti [gC] Dýchání herbivorů Mikrobní rozkl. [gC] Detritus [gC] Herbivoři [gC] A Fotosyntéza = P.f´(T,Z) Dýchání herbivorů=k . H

44 Modeluji toky uhlíku (v podstatě toky energie)
Bilanční rovnice P/t = fotosyntéza - dýchání - co je sežráno - co odumřelo z P H/t = co je sežráno - co je prodýcháno - co odumřelo z H D/t = co odumřelo z P + co odumřelo z H M/t = co mikroorganismy sežraly z detritu - co prodýchaly Aktivita mikrobů jako pomocná proměnná vstupuje do několika procesů (není nutná [t.j.- můžeme jednotlivé výpočty provádět bez ní], ale ulehčuje výpočty) T, Z - teplota, záření - řídící proměnné - tj. proměnné v modelu systémem neovlivnitelné [ve skutečnosti to může být jinak] Scenario - naše představy, jak se tyto budou vyvíjet

45 Validace a verifikace Validace - jak je model schopen reprodukovat data, na jejich základě byl vytvořen Verifikace - jak je model schopen predikovat nezávislá data

46 Další modely - mohou být prostorově explicitní (např
Další modely - mohou být prostorově explicitní (např. pohyb vody krajinou) Při současném vybavení počítačů mohou být značně složité Otázka je, zda je to vždy výhoda (není), resp. kdy je to výhoda Stránka ekologických modelů - co všechno se dá modelovat a modeluje:

47 Model jako deduktivní nástroj
struktura modelovaného systému hodnoty parametrů Průběh stavových proměnných v čase Pomocí dvou můžeme odhadnout (testovat) třetí

48 Na co modely používáme Praktická ekologie (pokud už je model rozumně verifikovaný) - vyzkoušet si managemet (a to i v podmínkách, které jsme zatím empiricky netestovali) - pozor na různá nebezpečí - Experimenty, které nechceme/nemůžeme provádět v realitě Máme-li strukturu modelovaného systému a hodnoty parametrů, můžeme predikovat změny hodnot v čase (nejběžnější užití v praktické ekologii - můžeme si i “vyzkoušet” management). Dobrý simulační model s grafickým výstupen je vlastně počítačová hra.

49 Na co modely používáme Jako deduktivní nástroj v rámci vědeckého poznání (v principu na testování hypotéz) Máme-li všechny tři složky (tj. strukturu, hodnoty parametrů, reálný průběh v čase) , můžeme testovat shodu predikcí modelu s reálným chováním - nejčastěji tím testujeme věrohodnost struktury modelu (má různá úskalí).

50 Na co modely používáme Máme-li strukturu modelovaného systému a změny hodnot v čase, můžeme odhadovat hodnoty parametrů

51 Složité modely Propojení s GIS
Možnost modelovat změny v prostoru, změny v celé krajině Některé modely jdou až na celoplanetární úroveň Některé modely zahrnují globální dynamiku, a ekosystémy tvoří jen jeden subsystém

52 NASA FED (Forest Ecosystem Dynamic) model - konceptuální diagram
Všimněte si hierarchické struktury (např. Vegetation Dynamics by mohl být celý model) Systém, subsystémy etc. (viz Teorie systémů, Ludwig von Bertalanffy ( )

53 Globální modely Můžu (s modelem) provádět experimenty v globálním měřítku, v libovolném počtu opakování Ale verifikace chybí

54 Pamatuj Každý model vyvíjím za určitým účelem
Každý model je zjednodušením skutečnosti Kvalita každého modelu závisí na kvalitě vstupní informace “GIGO” - Garbage In Garbage Out