Matematické modely v ekologii a na co jsou dobré

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)

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

* 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

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

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.

Pozor, je-li r=2, potom je lambda 7.4 velikost změny bude asi záviset na časovém intervalu (který nemusí být nutně 1), např. [bude záviset lineárně jen pro malá Δt] Pozor – čím kratší je Δt , tím bude při stejné konstantě, kterou násobím Nt, růst populace rychlejší – (obecně r= ln(λ)): ln(3) = 1,099 když bude časový interval extrémně krátký (limitně se blížící nule), dostáváme diferenciální rovnici Pozor, je-li r=2, potom je lambda 7.4

Důležité – schopnost „přečíst“ co mi rovnice říká, tj. na základě jakých předpokladů je vytvořena. Klasika: dN/dt=rN - mi říká, že velikost změny populace je přímo úměrná velikosti populace (což si můžu představit tak, že každé individuum bakterie se rozdělí s danou konstantní pravděpodobností)

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.

Analytické řešení dN/dt = rN - rovnice v diferenciální podobě Řešení Platí pro jakékoliv hodnoty parametrů a počátečních podmínek

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

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).

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

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

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.

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=0.000977, což je sice málo, ale asi bych to neměl ignorovat – je rozumné použít nějaký stochastický model) 2. Populace druhu s 10 000 individui. Šance, že vyhyne, je 0,510000=0,000000000000…... – asi si zcela vystačím s modelem deterministickým

Modelování: populační růst (už jsme probírali)

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

Diferenční rovnice Discrete form To neznamená, že by se populační hustoty měnily skokově, ale mezi červenými body o velikosti populace nic nevím.                                                                                 

Logistic growth - density dependent Pozor – i logistický růst můžu modelovat pomocí difwerenční rovnice, dělá se to málo, protože je to výpočetně složitější – tedy, pokud nepoužiju simulaci

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

Co z té rovnice mohu vyčíst

I takto jednoduchou rovnici mohu použít pro praktické aplikace, např I takto jednoduchou rovnici mohu použít pro praktické aplikace, např. určení optimálního harvestingu (harvesting je skilzeň, ale v angličtině to slovo znamená i „sklizeň“ ryb)

Optimální “harvesting” (sklizeň)

Záporná zpětná vazba Jen záporná zpětná vazba dokáže stabilizovat systém Záporná vazba se zpožděním často systém „rozkmitá“ Kladná zpětná vazba

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

Čím větší zpoždění, tím menší tlumení

Nakonec už oscilace netlumené

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

Deterministický chaos

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

Lotka - Volterra Model kompetujících si druhů jako příklad analýzy teoretického modelu

Co z formulace modelu vidíme Model není příliš mechanistický – vidíme, že druh snižuje rychlost růstu kompetitora, ale není zřejmé proč Lotka-Volterra kompetiční model Výsledek analýzy: Koexistence se stabilní rovnováhou nastane, když: and To už je ekologicky interpretovatelný výsledek: je to tehdy, když je mezidruhová kompetice slabší než vnitrodruhová

Systém směřuje ke koexistenci se stabilní rovnováhou (stab Systém směřuje ke koexistenci se stabilní rovnováhou (stab. equilibrium) Příklad numerického řešení, vynesený jako průběh dvou stavových proměnných v čase

Systém směřuje ke kompetičnímu vyloučení druhu 1 – příklad vynesení ve stavovém prostoru

Individual based models – modely založené na chování individuí Každé individuum je popsáno stavovou proměnnou (nebo více proměnnými) V každém kroku, růst individua závisí na jeho velikosti, a na kompetici Podobně, přežití je závislé na velikosti individua a kompetičním tlaku – buď deterministicky, nebo vypočtu jeho pravděpodobnost

STOCHASTICITA Pravděpodobnost přežití – a co s ní Monte Carlo simulace (v podstatě systém „Pán jeskyně a kostka“) V podobných případech dopadne každý běh modelu (trochu) jinak – musím nechat proběhnout model mnohokrát (třeba tisíckrát) a tak zjistím očekávanou variabilitu výsledku

Využití pro „management“ Např. bych mohl „prořezat“ nálet v různých časových okamžicích, a tím zjistit, kdy a jak prořezat les, abych dosáhl největší produkce použitelné dřevní hmoty

Velké ekosystémové modely velmi jednoduchý příklad

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

Modeluji toky uhlíku (v podstatě toky energie) Bilanční rovnice (pro každou stavovou proměnnou jedna) 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

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

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: http://eco.wiz.uni-kassel.de/ecobas.html

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

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.

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). Tj. mám model, který mi predikuje, jak se systém bude chovat. Systém se ve skutečnosti chová úplně jinak – z toho usoudím, že hypotézy, na kterých je model postaven, nejsou správné. (Ale pozor – je zde ještě nebezpečí nesprávného „překladu“ hypotéz do matematických formulí.)

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

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

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 (1901--1972)

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

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