Моделирование и прогнозирование численности Daphniidae в р. Самаре в 2007 году

Автор: Дмитриев Виктор Борисович, Герасимов Юрий Леонидович

Журнал: Инженерные технологии и системы @vestnik-mrsu

Рубрика: Экология

Статья в выпуске: 4, 2011 года.

Бесплатный доступ

Короткий адрес: https://sciup.org/14719823

IDR: 14719823

Текст статьи Моделирование и прогнозирование численности Daphniidae в р. Самаре в 2007 году

Изучена сезонная динамика численности популяций планктонных ветвистоусых ракообразных р. Самары в районе Южного моста в 2007 г. Были построены стохасти

ческие модели для моделировани для прогнозирования наилучшей

В 2007 г. в р. Самаре в черте г. Самары в районе Южного моста выявлено более 20 видов веслоногих и вствистоусых ракообразных, большинство из которых эвритопны. Эти виды относятся к восьми семействам ракообразных: Cyclopoidae, Eudiaptomidae, Bosminidae, Chydoridae, Daphniidae, Sididae, Leptodoridae и Polyphemidae. Нами были проанализированы данные по численности ракообразных, относящихся к семейству Daphniidae, поскольку они доминируют среди других ветвистоусых. Выбор дафнид как объекта для прогнозирования был также определен их практическим значением. Чис- и прогнозирования численности дафний, при этом из выбранных оказалась модель AR(2).

ленность дафнид является одним из важнейших критериев оценки состояния экосистем водоемов. Разумеется, подобные модели возможны и для других ракообразных. Полученные результаты были обработаны с помощью программы R — среды анализа наборов статистических данных.

Сезонная динамика плотности популяции веслоногих и ветвистоусых ракообразных и их молоди (j) в экз./л изображена на рис. 1 и 2. Даты замеров (их было 17) и соответствующая численность взрослых дафнид приведены в табл. 1.

Рис. 1

Сезонная динамика плотности популяции веслоногих ракообразных, экз./л

4,5

—♦— Bosminidae-j

-■1 Bosminidae

—A— Chydoridae-j

X Chydoridae

-Ж..... Daphniidae-j

—♦— Daphhiidae

—H— Sididae-j

— Sididae

~— Leptodoridae-j

♦ Leptodoridae

-W"" Polyphemidae-j

—A..... Polyphemidae

Табл. 1

27 июля

8 авг.

19 авг.

29 авг.

8 сент.

19 сент.

28 сент.

10 окт.

Daphniidae

0,05

0,31

0,04

0,14

0,1

0,06

0,03

0

Рис. 2

Сезонная динамика плотности популяции ветвистоусых ракообразных и их молоди (j), экз./л

25 апр.

5 мая

14 мая

25 мая

5 июня

15 июня

26 июня

5 июля

16 июля

Daphniidae

0

0,06

0,07

0,08

0,12

0,17

1,87

1,69

0,63

Типичный для водоемов средней полосы России майско-июньский подъем численности выражен у дафний, особенно у молоди, как результат активного размножения в условиях достаточного количества пищи [1]. Последующее быстрое снижение численности с июле вызвано уменьшением количества съедобных для дафнид диатомовых и зеленых водорослей, а также увеличением по мере прогрева воды численности теплолюбивых сине-зеленых водорослей, малодоступных для питания ракообразных. Определенную роль играет и выедание дафний хищниками [3; 5].

Размножение и вымирание дафний относится к процессам, сложным вероятностным образом изменяющихся во времени, по результатам наблюдений за этими процессами. Однако возможно описание и предсказание численности дафний при помощи стохастической модели: подобные модели построены для речных потоков, динамики ряда биологических популяций, солнечных пятен и др.

Это вызвано случайным характером этих процессов и определяло особенности описывающих их систем. Традиционно системы рассматриваются как детерминированные или стохастические. Принципиальным недостатком детерминированных моделей систем является отсутствие эффективного метода сравнения различных возможных моделей, создаваемых на основе одних и тех же эмпирических данных. Кроме того, детерминированная модель крайне неэффективна при наличии сильно нерегулярных флуктуации или в тех случаях, когда она основывается па неправильной или неполной форме: игнорируется вероятностный характер данных.

Случайных факторов, влияющих на чис-j ленность дафний, настолько много, что неце-| лссообразио рассматривать детерминированные модели. Следует отметить модели авторегрессии (AR), которые оказались удачными в случае моделирования численности : дафний. Это важный класс стохастических динамических моделей, а в вычислительном отношении это еще и простейший класс.

Авторегрессионная ^АЮ модель — 1 модель временных рядов, в которой значения : временного ряда в данный момент линейно | зависят от предыдущих значений этого же ряда. Авторегрессионный процесс порядка р | (AR(p)-процесс) определяется следующим J образом:

г/(^) = с+ 2 atyU - г) + w(t\

| z где av ..., dp — параметры модели (коэффициенты авторегрессии), с — постоянная (ча-| сто для упрощения предполагается равной нулю), \w($ — белый шум, т. е. последовательность независимых и одинаково распре-деленных случайных величин (как правило, нормальных), с нулевым средним.

Простейшим примером является авторегрессионный процесс первого порядка — AR(1/процесс:

i          у(0 = с + ry^t -1) + wUY

Для данного процесса коэффициент авторегрессии совпадает с коэффициентом ав-I токорреляции первого порядка.

Другой простой процесс — процесс Юла — АП(2)-процесс:

z/to = с + axy^t - 1) + a2y(t - 2) + w(tY

AR-процесс второго порядка с соответствующими коэффициентами должен иметь коррелограмму типа затухающей синусоиды. Таким образом, AR-процесс второго порядка может представлять эмпирические временные ряды с приблизительно циклическим поведением [2, с. 62].

Мы провели анализ численности популя-I ции дафний подобно тому, как это проводилось для американского журавля [4; 2]. Но эксперименты проводились примерно раз в ; десять дней, что вызвано спецификой вида: их жизненные циклы существенно меньше, чем у журавля. Тем не менее стохастические модели в целом напоминают таковые для журавля, но для учета затухания численности дафний в октябре (и возрождения в апреле) вводится множитель ^(г-э)2- , гдс £) = ^/5. Выбор множителя со значением D = 1/5 служит улучшению авторегрессионной модели и обусловлен общими особенностями гра- фиков численности дафний, в частности, данными за прошлые годы. Таким образом, исследовалась величина

  • У(0 = Уо(Пев<1-9^

где y0(t) — численность Daphniidae. При этом t — номер эксперимента. Он изменяется от 1 до 17, поэтому t - 9 изменяется от -8 до 8. При этом множитель eD^t-^ ,3 убывает от 25,487097 до единицы и затем снова возрастает до 25,487097. Предположения относительно w(t) давали возможность применить метод наименьших квадратов (МНК).

Для практического применения разработанных моделей было необходимо использование автоматизированных средств анализа, моделирования и прогнозирования. Была использована статистическая программа R, с помощью которой осуществлялась параметризация предложенных моделей и оценка их точности.

R — мощный функциональный язык программирования и среда анализа наборов статистических данных. Будучи средой анализа, R позволяет создавать различные графические представления данных из командной строки. Мы рассмотрели четыре класса моделей: С-, г = 0, 1, 2, 3. Соответствующие уравнения приведены ниже. Пусть у. = V In y(t) = = ln#(O -in^U -1), y2 = In y{t).

Тогда

£q : z/to = w(t) + 0O + Qxy - 1),

Ц : yx(t) = w(f) +,60 + Qxyx(t - 1),

£2 ‘ #to = wto + 0O + 01 yU - 1) + 02z/(^ - 2), £3 : z/2(O = w(t) 4- 0O + 0^2 ti -1) 4- 62y2 (t - 2).

Уравнение Lx есть модель типа IAR, оказавшаяся очень успешной при моделировании численности населения США в 1954— 1984 гг. и в исследованиях популяции американского журавля [2, с. 343, 346]. Уравнение Lq — обычный авторегрессионный процесс первого порядка — использовалось в ранних исследованиях популяции американского журавля [4]. Уравнение L2 — обычный авторегрессионный процесс второго порядка. Уравнение £3 есть обобщение на стохастический случай модели Гомпертца.

Для оценки параметров различных уравнений мы использовали наблюдения за период с 25 апреля по 19 августа. Наиболее успешным (в первую очередь с учетом коэффициента детерминации) оказались уравнения L2 и £3. Соответствующие модели Mi} где г = 2, 3, задаются уравнениями

М2 : yV) = гу(О + 0,1762 4- 0,7118z/(t -1) -- 0,2803z/(t-2),

М3 : у-АЙ = w(t) - 0,3621 + 0,4336z/2U -1) + 4- 0,1594y2(t - 2).

При этом прогнозировалась численность взрослых особей лишь примерно на 10 дней (на дату следующего замера), в дальнейшем модель уточнялась с учетом нового замера. Иными словами, значения коэффициентов изменялись. Это вызвано большой нестабильностью численности рачков по сравнению с позвоночными, объективной невозможностью точного предсказания на длительный срок.

Подстановка полученных оценок параметров в рассмотренные модели позволила рассчитать сглаженные модельные значения уровней временного ряда y(t). Вывод в пользу той или иной модели временного ряда можно делать по большему значению меры точности моделирования — коэффициенту детерминации. Как известно, коэффициент детерминации (R2) — это квадрат множественного коэффициента корреляции. Он показывает, какая доля дисперсии результативного признака объясняется влиянием независимых переменных, и вычисляется по формуле где у{ — выборочные данные, у — их среднее значение, fi — соответствующие им значения модели.

Коэффициент принимает значения из интервала [0; 1]. Чем ближе значение к 1, тем ближе модель к эмпирическим наблюдениям. При несущественном статистическом различии коэффициентов детерминации для рассматриваемых моделей предпочтительнее выбрать более простой.

При этом авторегрессионная (и более простая) модель М2 лучше описывает численность дафний, чем логарифмическая модель М3. В данном случае для модели М2 коэффициент R2 меняется от 0,3683 до 0,3364, а для модели М3 коэффициент R2 меняется от 0,1975 до 0,1426. Иными словами, в первом случае сила связи умеренная, во втором — слабая. Более сложная модель здесь » обладает худшими предсказательными свойствами и меньшим коэффициентом детерми- | нации, что неудивительно. Известно, что моде- 5 ли, лежащие за пределами определенного \ уровня сложности, часто оказываются более \ низкими по качеству, чем некоторые более простые. Данные прогноза численности дафний по модели М2 приведены в табл. 2.

Табл. 2

29 авг.

8 сент.

19 сент.

28 сент.

10 окт.

Daphniidae

0,14

0,10

0,06

0,03

0

Прогноз Daphniidae по модели Л/^

0,06639

0,13217

0,06788

0,03417

0,01434

Учитывая размах колебаний численности дафний в течение весны —осени, можно оценить точность предсказания как хорошую. Дальнейшее обнуление численности в октябре можно предсказать, исходя из общих сезонных условий. Данные прогноза численности дафний по модели М3 приведены в табл. 3.

Табл. 3

29 авг.

8 сент.

19 сент.

28 сент.

10 окт.

Daphniidae

0,14

0,1

0,06

0,03

0

Прогноз Daphniidae по модели Ж

0,09256

0,09178

0,06804

0,03282

0,01308

Результаты пости дафний

моделирования   числен-  ной численностью представлены на

в сравнении с  рсаль-  рис. 3.

Рис. 3. Сезонная динамика плотности популяции дафний и их моделирование при помощи авторегрессионной и логарифмической моделей, экз./л

Статья