Значение имитационного моделирования в сельском хозяйстве

№25-1,

физико-математические науки

Имитационные модели широко используются для описания продукционного процесса животных и растений, применяются для разработки оптимального режима выращивания растений с целью получения максимального урожая, или равномерно распределенного во времени созревания плодов. Особенно важны такие разработки для дорогостоящего и энергоемкого хозяйства.

Похожие материалы

Одним из наиболее эффективных методов прогнозирования катастрофических последствий воздействия человека на природные экосистемы представляется построение и последующее исследование математических моделей соответствующих ситуаций. Бурное развитие вычислительной техники и успехи ее применения в решении различных задач породили естественные надежды на ее применение и в экологической проблематике. Результатом явилось возникновение и интенсивное развитие имитационного моделирования [1].

Имитационные модели созданы для описания физиологических процессов, происходящих в жизненно важных органах, а также для моделирования поведения биологических существ – как флоры, так и фауны. На них «проигрываются сценарии» процессов, протекающих в норме и при различных патологиях, исследуется влияние на процессы различных внешних воздействий. Впервые пространственно-временное распределение генотипов было построено американскими учеными Abrahamson D. и Wilensky U. (2004) в имитационной модели для прогнозирования динамики распределения доминантных и рецессивных генов для различного количества видов рыб [2].

Применительно к трансгенным культурам имитационные модели получили наибольшее развитие в работах американских и европейских ученых (Peck et al., 1999; Guse et al., 2002; Ives, Andow, 2002; Storer et al., 2003; Heimpel et al., 2005). Модели, построенные Пеком [3], Эндоу и др., используют чрезвычайно подробные предположения о популяционной генетике и жизненном цикле видов насекомых. Corinne Vacher[5], Denis Bourguet, Marion Desquilbet, Michael Hochberg [6] и другие в своих моделях опираются на три основные составляющие: среднюю частоту аллелей, зависимость плотности вредителей от погодно - климатических условий и экономическую оценку.

Имитационная модель была составлена для хлопковой совки Helicoverра armigera (Hubner) и близкого к ней вида H.punctigera Wallengren [7]. O6a эти вида являются вредителями хлопчатника в Австралии и США. На основе этой модели учеными компании Monsanto (США) были разработаны имитационные модели поведения вредителей на кукурузе, сое и томатах. Основным отличием этой модели является введенная в компьютер карта местности, разделенная на относительно небольшие ячейки, характеризующиеся своим растительным покровом и почвенно–климатическими условиями. В компьютер вводится отдельно для каждого такого участка информация о состоянии и фазе развития основного растения, о численности и развитии этих совок и метеорологические условия. В модель включены такие этапы роста насекомых, как имитация развития яиц, гусениц и куколок, миграции имаго в зависимости от их физиологического состояния, температуры, направления и скорости ветра, а также откладки яиц в зависимости от привлекательности растений данного вида и на данной стадии их развития.

Модели динамики численности входят как важная часть в коммерческие модели развития агроценоза. Такие модели объединяют как субмодели имитацию развития сельскохозяйственного растения и модели динамики численности наиболее важных вредителей. Кроме этих данных в компьютер регулярно вводится метеорологическая информация. Модель дает информацию о прогнозируемом урожае, а также рекомендации о поливе полей и обработке их химическими средствами защиты растений (на основе порогов вредоносности).

Отличительной особенностью имитационных моделей, разрабатываемых американскими учеными, является их экономическая составляющая.

Работы французских ученых в области имитационного моделирования - D. Bourguet, J. Chaufaux, M. Séguin, C. Buisson, J.L.Hinton, T.J. Stodola, P. Porter, G. Cronholm, L.L. Buschman, D.A. Andow [8], [9] - опираются на половозрастную структуру популяции вредителей и учитывают климатические условия только Западной Европы.

Следует, однако, отметить их вклад в моделирование поведения кукурузного мотылька – основного вредителя кукурузы. В своих работах они показали, что эффективность воздействия трансгенной кукурузы на вредителя зависит от таких факторов как время суток, пол вредителя, погодные условия и размножение вредителей [10].

Множество моделей, имитирующих возникновение локализованных стационарных структур в биологическом морфогенезе реализованы на основе диффузионного механизма, приведено в книге Дж. Марри [11]. Марри рассматривает также моделирование динамики популяций, синхронизации биологических осцилляторов и механохимические модели формообразования. Стохастические реакционно-диффузионные системы учитывают возникновение и усиление флуктуаций (случайных колебаний), что существенно влияет на структурообразование. Практическая значимость его исследований была подтверждена работами его однофамильца С. Марри [12].

Большой вклад в развитие имитационного моделирования внесли Essin, Levchenko [13]. Ими была разработана имитационная модель эволюции MACROPHYLON [14], которая основывается на принципах дарвиновской эволюции; в ней задаются правила для отдельных популяций, исследуются изменения не только на популяционном уровне, но и на всей системе, содержащей множество популяций. Модель была задумана для того, чтобы варьируя ряд параметров, отражающих условия среды обитания, отслеживать динамику роста эволюционных деревьев, а также исследовать главные закономерности этого роста. Это отличает ее от ряда других программ, имитирующих эволюционные процессы, в которых мало использованы биологические закономерности, а, например, просто вводятся некие абстрактные вероятности возникновения и гибели таксонов и средние времена их жизни. В качестве объектов модели выступают популяции, описываемые рядом дискретных признаков и имеющие те или иные экологические ниши. В модели предусмотрены процессы мутаций и размножения, переходы популяций в наиболее благоприятные для них места обитания, учтены взаимоотношения хищник-жертва. Основной недостаток модели в том, что не учитывается взаимодействие мутаций на разных популяционных уровнях.

Следует отметить распространенное в последнее время благоприятное сотрудничество американских и китайских ученых (QiuPing Wu, FanJun Chen, YanLing Chen, LiXing Yuan, FuSuo Zhang, GuoHua Mi); последние занимаются адаптацией известных имитационных моделей под агроклиматические условия стран Азии.

Вывод: при всех своих достоинствах имитационные модели применяются только тогда, когда не разработаны аналитические модели, либо не разработаны методы решения полученной модели, невозможно экспериментировать на реальном объекте; вместе с тем нет имитационных моделей, учитывающих особенности конкретных вредителей и их поведение на поле трансгенными агрокультурами.

Список литературы

  1. Кобелев Н.Б. Повышение "электронной готовности" принимаемых решений на основе имитационного моделирования// Прикладная информатика. №5. 2006. С. 49-59.
  2. Abrahamson D., Wilensky U. The quest of the bell curve: a constructionist approach to learning statistics through designing computer-based probability experiments/ In Allessandra M., Battanero C., Biehler R, Henry M., Pratt D. Proce. 2003.
  3. Nicholas P. Storer, Steven L. Peck. Spatial processes in the evolution of resistance in helicoverpa zea (lepidoptera: noctuidae) to bt transgenic corn and cotton in a mixed agroecosystem: a biology-rich stochastic simulation model./ Plant resistance. May, 2002.
  4. Vacher C., Bourguet D., Rousset F., Chevillon C. Hochberg M.E. High dose refuge strategies and genetically modified crops – reply to tabashnik et al. Journal of evolutionary biology. Vol. 17. 2004. Pp. 913-918.
  5. Vacher C., Bourguet D., Desquilbet M., Lemarié M., Ambec S., Hochberg M.E., Fees or refuges: which is better for the sustainable management of insect resistance to transgenic bt corn? Bbiology letters. Vol. 2. 2006. Pp. 198-202.
  6. Vacher C., Weis A.E., Hermann D., Kossler T.M., Young C. Hochberg M.E. 2004. Impact of ecological factors on the initial invasion of bt transgenes into wild populations. Theoretical and applied genetics. Pp. 806-814.
  7. Bourguet D, Chaufaux J., Segui M. N, Buisson C., Hinton J. L., Stodola T. J., Porter P., Cronholm G., Buschman L. L. and D. A. Andow. Frequency of alleles conferring resistance to Bt maize in French and US corn belt populations of the European corn borer, Ostrinia nubilalis. Theoretical and Applied Genetics. 2003. Pp. 1225-1233.
  8. Icoz I., Saxena D., Andow D. A., Zwahlen C. and Stotzky G. Microbial populations and enzyme activities in soil in situ under transgenic corn expressing Cry proteins from Bacillus thuringiensis. Journal of Environmental Quality 37. 2008. Pp. 647-662.
  9. Olson D.M. and Andow D.A. Patch size and edges and insect populations in landscapes. Oecologia 155. 2008. Pp. 549–558.
  10. Murray J. Tracts on the Corn Laws of Great Britain/ London. Keith, George Skene. 1792. Pp. 1752-1823.
  11. Murray S.C. Differentiation of seed, sugar, and biomass-producing genotypes in Saccharinae species. In A.H. Paterson (ed.) Genetics and Genomics of the Saccharinae. Springer. 2012. Pp. 479-502.
  12. Левченко В.Ф., Меншуткин В.В. Имитация макроэволюционного процесса на ЭВМ// Журн. эволюц. биохим. и физиол. 1987. Т. 23. № 5. С. 668-673.
  13. Essin K.V., Levchenko V.F. The Simulation Model of Evolutionary Process (article, demonstrations, computer program). Granada (Spain). 1995. http://kal-el.ugr.es/macrophylon/intro.html.
  14. Алтухов Ю. П. Генетические процессы в популяциях/ Москва. Изд-во ИКЦ «Академкнига» 2003. C.431.