
- •1. Методы изучения микробных популяций
- •Выделение, учет и идентификация м/о.
- •Методы изучения динамики микробных популяций в почве
- •2. Микробные препараты в растениеводстве
- •3. Биоремедиация загрязненных почв
- •4. Методы биотестирования в контроле окружающей среды
- •5. Особые принципы организации комплекса почвенных микроорганизмов
- •6. Типы взаимодействий между микроорганизмами и растениями
- •7. Молекулярно-биологические методы в экологии
- •8. Экологические проблемы применения агрохимических средств
- •9. Основные принципы биоиндикации
- •10. Классификация и свойства основных загрязняющих веществ
- •11. Роль почвы в обеспечении устойчивости экосистем
- •12. Роль микроорганизмов в экологических функциях почв
- •13. Основные направления современной биотехнологии
- •14. Основные принципы управления почвенными микробными системами
- •15. Математическое моделирование в экологии
15. Математическое моделирование в экологии
Этап математизации дисциплины начинается тогда, когда ей не хватает того естественного языка, с которого начиналось ее становление. Матмод один из методов экологии. Фундаментом математической экологии является математическая теория динамики популяций, в которой биологические представления о динамике численности видов формализованы в виде математических структур, в первую очередь, систем дифференциальных, интегро-дифференциальных и разностных уравнений.
Первые модели в экологии: Томас Мальтус (мальтузианский рост населения 1798). Затем 1. Матмодели динамики популяций. 2 Матмодели продуктивности растений 3. Модели циклов элементов. В развитии метода ключевую роль сыграло развитие компьютерных технологий.
Математический подход - неизбежное упрощение, подчёркивание существенных связей, количественный подход. Построение матмоделей в экологии - способ компактно записать существующую наиболее важную инф-цию об интересующих ЭС с целью дальнейшего анализа. Общая цель моделирования - анализ поведения ЭС на основе компактной системы записи о структуре и свойствах этой ЭС.
Принципы МатМод в экологии:
1. Модель должна иметь конкретные цели (прогноз, объяснение явлений (анализ), описание наблюдений)
2.принцип несоответствия точности и сложности моделей (обратная зависимость между ними)
3. Любая модель должна иметь оптимальную сложность
4.Принцип разделения функции описания и прогнозирования
5.для объяснения или предсказания структуры и/или поведения сложной системы возможно построение нескольких моделей, имеющих одинаковое право на существование (принцип множественности моделей)
этапы построения моделей:
1.формирование целей моделирования
2.качественный анализ ЭС. исходя из целей
3.концептуализация - формирование законов и правдоподобных гипотез относительно структуры ЭС, механизмов её поведения в целом или отдельных частей
4. формализация -(записывают основные уравнения, входящие в модель)
5. выбор метода решения и реализация модели.
6. верификация (проверка. нет ли противоречий в модели)
7. анализ чувствительности (на сколько переменные зависят от начальных условий)
8. калибровка модели (попытка найти лучшее соотношение между наблюдаемыми и получаемыми данными путем подбора коэффициентов)
9. проверка адекватности модели (степень соответствия результата моделирования экспериментальным данным)
10. заключительный синтез - обозначают область применения модели, оценивают неопределённость прогноза, представляют содержательные результаты
Области применения моделей в экологии:
-динамика популяций (экспоненциальный рост (dN\dt=N0*r), логистический рост (dN\dt=N0*r(1-r\K) или dN\dt=rN-cN2, где с-коэф. самоингибирования - ур-е Ферхюльста-Пира). модели промысла (долевой и постоянный), модель Моно (прирост МО за счёт субстрата), хемостата, культивирование МО)
-взаимодействие популяций (основное - система двух уравнений "хищник-жертва" Вальтерра)
-Модели продуктивности ЭС
-глобальные биосферные модели (сценарии изменения климата, глобальное потепление, модели ядерной зимы, распространение загрязнений, рост населения и судьба планеты-модели глобального развития- Форрестер, Медоуз, Мессарович-Пестель)
экспериментальное обеспечение моделей:
-проблемы разных масштабов данных,
-проблема разнообразия в пределах рассматриваемой системы (почва-ужас модельера)
-некомпетентность в смежных областях
-нехватка экспериментальных данных.