Анализ и прогноз динамики численности серой лиственничной листовертки при помощи модели Морана-Рикера с запаздыванием

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Модель Морана–Рикера с запаздыванием 1 и 2 года, учитывающая внутрипопуляционные саморегуляторные механизмы, применяется к описанию динамики плотности двух популяций листовертки лиственничной (Zeiraphera griseana). Используются данные о популяциях, обитающих в Швейцарии в локациях Graubunden (the Global Population Dynamics Database: Data set 1525 (Baltensweiler, Fischlin, 1988)) и Oberengadin (Baltensweiler, 1991). Оценки значений параметров моделей находились путем минимизации суммы квадратов отклонений эмпирических и модельных траекторий. Показано, что найденные точечные оценки популяционных параметров удовлетворяют статистическим критериям и располагаются в области квазипериодических колебаний, как правило, соседствуя с другими динамическими режимами. Следовательно, вариация демографических параметров, например, в результате эволюционных процессов или же влияния модифицирующих факторов может привести к смене динамического режима. Чтобы проверить прогностические свойства этих моделей, часть данных была использована для оценок значений параметров, а оставшаяся часть – для сопоставления реальной динамики и модельного прогноза. Как оказалось, качество прогноза существенно зависит от характера динамики в конце обучающей выборки, используемой для оценки параметров. Наилучший прогноз будет получен, если обучающая выборка заканчивается на фазе пика численности. В случае фазы низкой численности прогноз может характеризоваться приемлемой ошибкой, однако характер прогнозируемой динамики может измениться: например, произойдет смещение пика численности. Для Data set 1525 проведено сопоставление точечных оценок, полученных по обучающей выборке разной длины, с динамическими режимами модели Морана–Рикера. Это позволило получить представление об эволюции динамических режимов в популяции листовертки лиственничной и выявить переходы от одних динамических режимов к другим.

Об авторах

Г. П. Неверова

Институт автоматики и процессов управления ДВО РАН

Автор, ответственный за переписку.
Email: galina.nev@gmail.com
Россия, 690041, Владивосток, ул. Радио, д. 5

Е. Я. Фрисман

Институт комплексного анализа региональных проблем ДВО РАН

Email: galina.nev@gmail.com
Россия, 679016, Биробиджан, ул. Шолом-Алейхема, д. 4

Список литературы

  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.

Дополнительные файлы


© Г.П. Неверова, Е.Я. Фрисман, 2023

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».