Analysis and Forecast of the Zeiraphera griseana Dynamics Using the Delayed Moran-Ricker Model: the Impact of the Training Sample on Forecast Quality

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

We have applied the Moran–Ricker model with a time lag to describe the dynamics of two populations of larch bud moth. The model takes into account intrapopulation self-regulatory mechanisms. Data on populations inhabiting Switzerland in Graubunden (Baltensweiler, Fischlin, 1988; the Global Population Dynamics Database: Data set 1525) and Oberengadin (Baltensweiler, 1991) locations were used. We have found estimates of model parameter values by minimizing the sum of squared deviations of empirical and model trajectories. The point estimates of the population parameters were shown to satisfy the statistical criteria. The point estimates are located in the region of quasi-periodic oscillations, where, as a rule, they are adjacent to other dynamics modes. Consequently, the variation of population parameters caused by, for example, evolutionary processes or modifying factors influence can change the observed dynamics mode. To test the predictive properties of these models, we use the first part of the data to estimate the parameter values and the rest to compare the real dynamics with the model forecast. As it turned out, the quality of the forecast significantly depends on the nature of the dynamics at the end of the training sample used to estimate the parameters. The best prediction can be obtained if the training sample ends at the population peak phase. In the case of a low abundance phase, the forecast may have an acceptable error, but the nature of the predicted dynamics may change: for example, a shift in the population peak. For Data set 1525, we compare the point estimates obtained from a training sample of different lengths with the dynamic modes of the Moran–Riker model. This allows us to get an insight into the dynamic mode evolution in the Zeiraphera griseana population and to identify transitions from one dynamics mode to another.

About the authors

G. P. Neverova

Institute for Automation and Control Processes FEB RAS

Author for correspondence.
Email: galina.nev@gmail.com
Russia, 690041, Vladivostok, st. Radio, 5

E. Ya. Frisman

Complex Analysis of Regional Problems Institute FEB RAS

Email: galina.nev@gmail.com
Russia, 679016, Birobidzhan, st. Sholom Aleikhem, 4

References

  1. Безручко Б.П., Смирнов Д.А. Математическое моделирование и хаотические временные ряды. Саратов: ГосУНЦ “Колледж”, 2005. 320 с.
  2. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985. 509 с.
  3. Исаев А.С., Пальникова Е.Н., Суховольский В.Г., Тарасова О.В. Динамика численности лесных насекомых-филлофагов: модели и прогнозы. М.: Товарищество научных изданий КМК, 2015. 262 с.
  4. Исаев А.С., Хлебопрос Р.Г., Недорезов Л.В., Киселев В.В., Кондаков Ю.П., Суховольский В.Г. Популяционная динамика лесных насекомых. М.: Наука, 2001. 347 с.
  5. Неверова Г.П., Фрисман Е.Я. Математическое моделирование динамики локальных однородных популяций с учетом эффектов запаздывания // Математическая биология и биоинформатика. 2015. Т. 10. № 2. С. 309–324.
  6. Недорезов Л.В. Динамика численности сосновой пяденицы в Нидерландах: оценка параметров обобщенной дискретной логистической модели // Евразиатский энтомологический журн. 2015а. Т. 14. № 1. С. 93–99.
  7. Недорезов Л.В. Нетрадиционный подход к оценке параметров экологических моделей (на примерах динамики численности серой лиственничной листовертки и сосновой пяденицы) // Сибирский лесной журн. 2015 б. № 3. С. 70–82.
  8. Недорезова Б.Н., Недорезов Л.В. Динамика численности сосновой пяденицы: прогноз с помощью дискретных математических моделей // Евразиатский энтомологический журн. 2011. Т. 10. № 3. С. 280–288.
  9. Суховольский В.Г., Пономарев В.И., Соколов Г.И., Тарасова О.В., Красноперова П.А. Непарный шелкопряд Lymantria dispar L. на Южном Урале: особенности популяционной динамики и моделирование // Журн. общей биологии. 2015. Т. 76. № 3. С. 179–194.
  10. Тютюнов Ю.В., Титова Л.И. От Лотки–Вольтерра к Ардити–Гинзбургу: 90 лет эволюции трофических функций // Журн. общей биологии. 2018. Т. 79. № 6. С. 428–448.
  11. Akaike H. A new look at the statistical model identification // IEEE Transactions on Automatic Control. 1974. V. 19. № 6. P. 716–723.
  12. Baltensweiler W. The folivore guild on larch (Larix decidua) in the Alps. Forest insect guilds: Patterns of interaction with host trees Radnor: US Forest Service General Technical Report NE-153, 1991. P. 145–164.
  13. Baltensweiler W., Fischlin A. The Larch Budmoth in the Alps. Dynamics of Forest Insect Populations. Population Ecology. Springer, Boston, MA, 1988. https://doi.org/10.1007/978-1-4899-0789-9_17
  14. Draper N.R., Smith H. Applied Regression Analysis Ed. 3. N.Y.: Wiley and Sons Inc., 2014. 736 p.
  15. Kendall B.E., Briggs C.J., Murdoch W.W., Turchin P., Ellner S.P., McCauley E., Nisbet R.M., Wood S.N. Why do population cycle? A synthesis of statistical and mechanistic modeling approaches // Ecology. 1999. V. 80. P. 1789–1805.
  16. Moran P.A.P. Some remarks on animal population dynamics // Biometrics. 1950. V. 6. № 3. P. 250–258.
  17. Nedorezov L.V., Sadykova D.L. Dynamics of larch bud moth populations: application of Moran–Ricker models with time lag // Ecological Modelling. 2015. V. 297. P. 26–32.
  18. Neverova G.P., Yarovenko I.P., Frisman E.Y. Dynamics of populations with delayed density dependent birth rate regulation // Ecological Modelling. 2016. V. 340. № 24. P. 64–73.
  19. Ricker W.E. Stock and recruitment // Fisheries Research Board of Canada. 1954. V. 11. № 5. P. 559–623.
  20. Turchin P. Complex Population Dynamics: A Theoretical/Empirical Synthesis. Princeton: Princeton University Press, 2003. P. 472.
  21. Turchin P. Rarity of density dependence or population regulation with lags? // Nature. 1990. V. 344. P. 660–663.
  22. Turchin P., Wood S.N., Ellner S.P., Kendall B.E., Murdoch W.W., Fischlin A., Casas J., McCauley E., Briggs C.J. Dynamical effects of plant quality and parasitism on population cycles of larch budmoth // Ecology. 2003. V. 84. № 5. P. 1207–1214.

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (760KB)
3.

Download (453KB)
4.

Download (438KB)
5.

Download (498KB)
6.

Download (240KB)

Copyright (c) 2023 Г.П. Неверова, Е.Я. Фрисман

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».