Системный анализ и моделирование экономических и экологических систем

Системный анализ и моделирование экономических и экологических систем (САМЭС-2015) 6 -12 сентября, Дюрсо Использование среды поливариантного анализа динамических моделей агроэкосистемы «APEX» для среднесрочного планирования в агроэкологии А. Г. Топажa, С. А. Медведевa, Е. Т. Захароваa, П. Хлавинкаb a. Агрофизический научно-исследовательский институт, Санкт-Петербург b. Институт Агросистем и Биоклиматологии, Университет им. Менделя, Брно, Чехия

Кто мы? Ратмир Александрович Полуэктов 1930 -2012 Агрофизический НИИ Лаборатория математического моделирования агроэкосистем 1967 -…

1967 – 1976 Динамика популяций и сообществ

Отцы-основатели Николай Владимирович Алексей Андреевич Тимофеев-Ресовский Ляпунов

«Первые ученики» Игорь Андреевич Полетаев Ратмир Александрович Полуэктов Юрий Михайлович Свирежев Александр Дмитриевич Базыкин Альберт Макарьевич Молчанов Вадим Александрович Ратнер

Молодежные школы и семинары по математической биологии и экологии v Можайское - 1967 v Аксаково – 1968 v Пущино - 1969 -… v Ленинград – 1969 -1975 v Сигулда – 1970 v Новосибирск – 1970 -1974 v Дюрсо – 1978, 1983

Литература 1. Базыкин, А. Д. Нелинейная динамика взаимодействующих популяций 2. Заславский, Б. Г. , Р. А. Полуэктов. Управление экологическими системами 3. А. А. Ляпунов (ред. ) Проблемы кибернетики 4. А. М. Молчанов (ред. ) Математическое моделирование в биологии 5. Меншуткин, В. В. Математическое моделирование популяций и сообществ водных животных 6. Полуэктов Р. А. (ред. ). Динамическая теория биологических популяций 7. Полуэктов Р. А. , Пых Ю. А. , Швытов И. А. Динамические модели экологических систем 8. Резниченко, Г. Ю. Лекции по математическим моделям в биологии 9. Резниченко, Г. Ю. Математические модели в биофизике и экологии 10. Резниченко, Г. Ю. , Рубин А. Б. Математические модели биологических продукционных процессов 11. Горстко А. Б. , Домбровский Ю. А. , Сурков Ф. А. Модели управления эколого-экономическими системами 12. Свирежев, Ю. М. , Логофет Д. О. Устойчивость биологических сообществ 13. Свирежев, Ю. М. , Пасеков В. П. Основы математической генетики

1973 – … Её Величество Модель реализует выполнение эволюционного оператора с суточным шагом от момента сева (посадки) до уборки урожая x(k), x(k+1) –вектор состояния на двух соседних шагах, u(k) – управление (агротехника), w(k) – погода (суточные метеоданные) A – вектор параметров модели. сельскохозяйственный посев Объект моделирования –

Модель AGROTOOL v. 3. 5 Лимитирующие факторы Продуктивность Modeling domain конкуренция, Leaf Area Development & Light Interception V болезни, вредители Utilization Light (экология) Yield Formation IV P, K, (минеральное микроэлементы. Crop Phenology питание) Root Distribution over Depth N, C III Stresses Involved (азотный режим) Water Dynamics W, P II Evapo-transpiration (водный режим) Soil CN-model Q, T Approach D P-R Y(PRT) ДВУ f(T, O) EXP W, N R PM CN, P(5) КОУ I (фотосинтез, фенология) ПУ

Фотосинтез Скорость фотосинтеза единичной поверхностью листа (мг CO 2/(м 2 • с)) где QФ-поглощенная ФАР, Cw – концентрация CO 2 в хлоропласте Фmm- макс. скор. фотосинтеза Rd –интенсивность фотодыхания rx – сопротивление карбоксилирования α - наклон световой кривой ф. -с. Интенсивность газообмена: где Ca - концентрация CO 2 в атмосфере r. CΞ - суммарное сопротивление

Моделирование динамики влаги в системе «почва-растение-атмосфера» Атмосфера Транспирация Осадки Стресс роста Испарение Растение Стресс развития Корневое поглощение Почва Переток влаги Перколяция Поливы

Взаимодействие углерода и азота в почве растении. Адаптивные ростовые функции

Литература

Система имитационного моделирования APEX-AGROTOOL

Задачи поливариантного анализа Задача Источник поливариантности Анализ чувствительности и идентификация параметров Поливариантность исследуемого параметра Статистический анализ и определение средних характеристик продуктивности Фактические реализации погодных условий в разные годы Реакция агроэкосистем на антропогенные изменения климата Сгенерированные реализации погоды для климата будущего Оптимизации агротехнологий Варианты (нормы и сроки) технологических воздействий Оперативное сопровождение полевых опытов и производственных посевов Сценарии развития погодных условий Проактивное управление посевами Прогноз развития погодных условий и варианты управления Точное земледелие и связь с ГИС Единицы управления (контура) на сельскохозяйственном поле Среднесрочный анализ продукционного процесса в севообороте Поля, сезоны и культуры севооборота

Среда поливариантных расчетов APEX А – Диалог создания проекта; В – визуализатор сценариев

Факторы в APEX Предопределенные качественные факторы: u u u Почва Культура/сорт Погода Технология Местность Начальное состояние Недостатки: • Отсутствие отношений метрики и порядка • Семантические ограничения на подключаемые модели • Ограниченный набор факторов для анализа Преимущества: • Ограниченная и обозримая размерность факторного пространства • «Семантически-богатые» процедуры подготовки данных и анализа результатов

3 р то Ф ак Фактор 1 К понятию проекта в APEX ПРОЕКТ Фактор 2 Результаты РАСЧЕТ Сценарий Дата 13/04/11 14/04/11 15/04/11 BLEAF 0. 12 0. 14 0. 16 … WSOIL 22. 1 24. 1 23. 4 EPLANT 324 345 355

Использование моделей для принятия решений u На оперативном уровне – Модели формирования урожая Уровень Решения Временной Оперативное сопровождение производственных посевов интервал u На тактическом уровне 1 Стратегический 10 лет и более – Модели продуктивности посевов. (Проектный) Оптимизация агротехнических мероприятий 2 Тактический 1 год u На стратегическом уровне (Плановый) – Модели почвенного плодородия 3 Оперативный Сутки, недели Используются упрощённые статические модели, в декады которых игнорируются климатические, технологические и физические процессы. Критическая неопределённость входных данных

Преимущества динамических моделей в задачах среднесрочного планирования u u u повышение точности и адекватности расчетов благодаря учету большего количества факторов многовариантность расчетов, обуславливаемая широким набором возможностей по варьированию входных данных получение результатов в виде распределений показателей на вероятностных выборках внешних условий с выходом на анализ рисков неограниченное расширение числа отслеживаемых в модели показателей состояния агроэкосистемы (продуктивность, экология, плодородие и пр. ) снижение степени неопределенности модельных расчетов

Расчет модели в севообороте Как правило, динамическая модель продукционного процесса считает один вегетационный сезон u В реальности для задач среднесрочного планирования требуется расчёт нескольких лет вегетации подряд в севообороте u – Модель должна поддерживать возможность считать разные культуры и учитывать процессы, происходящие в агроэкосистеме вне вегетационного периода – Среда выполнения модели должна поддерживать поливариантный расчёт с переносом данных от одного вегетационного периода к другому

Plug-in анализа севооборота в системе APEX selection tool dividing factor ordering tool

Примеры использования. Расчеты в режиме «года Сурка» SPIN-UP STEADY STATE

Примеры использования. Смягчение изменений климата Crop growth and soil processes modeling - the use of multimodel ensembles for crop rotations under recent and future climatic conditions

Исследуемые схемы севооборота 2 схемы x 5 культур x 20 сценариев по 120 лет x 3 места x 2 почвы = 144000 вариантов расчета (запусков) модели

Сравнительный анализ эффективности различных мероприятий

http: //agrotool. ru http: //www. rpoluektov. ru