APEX-AGROTOOL для среднесрочного планирования

реклама
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
aАгрофизический
научно-исследовательский институт,
Санкт-Петербург
bИнститут 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
xn1  a  xn
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
 Можайское - 1967
 Аксаково – 1968
 Пущино - 1969-…
 Ленинград – 1969-1975
 Сигулда – 1970
 Новосибирск – 1970-1974
 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
Модель реализует выполнение эволюционного оператора с
суточным шагом от момента сева (посадки) до уборки урожая
x1
2
x
x
...
x i (k  1)  f i ( x(k ), u (k ), w(k ), A)
x(0)  x0
i  1,2,..., n
k  1,2,...N
xn
x(k), x(k+1) –вектор состояния на двух соседних шагах,
u(k) – управление (агротехника),
w(k) – погода (суточные метеоданные)
A – вектор
модели.
Объектпараметров
моделирования
– сельскохозяйственный посев
Модель AGROTOOL v.3.5
Лимитирующие факторы
ModelingПродуктивность
domain
Area Development & Light
конкуренция, Leaf
Interception
V
болезни, вредители
Light Utilization
(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)
f(T,O)
ДВУ
EXP
W, N
R
PM
CN,
P(5)
КОУ
I
(фотосинтез, фенология)
ПУ
Фотосинтез
Скорость фотосинтеза единичной
поверхностью листа (мг CO2/(м2•с))
где
QФ-поглощенная ФАР,
Cw – концентрация CO2 в хлоропласте
Фmm- макс. скор. фотосинтеза
Rd –интенсивность фотодыхания
rx – сопротивление карбоксилирования
α - наклон световой кривой ф.-с.
Интенсивность газообмена:
где
Ca - концентрация CO2 в атмосфере
rCΞ - суммарное сопротивление
k1
 X  QФ 
X* ,
 *
k2
P
X

CO


Ф

X

2
k3
X P  B 
X  B.

1
 rx
1
1 
  Rd
 n  


 C w Q  mm 
Ca  Cw
n 
rC
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:






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
Фактор 1
К понятию проекта в APEX
ПРОЕКТ
Фактор 2
Результаты
РАСЧЕТ
Сценарий
Дата
BLEAF WSOIL EPLANT
13/04/11 0.12
22.1 324
14/04/11 0.14
24.1 345
15/04/11 0.16
23.4 355
…
Использование моделей для
принятия решений
 На
оперативном уровне
– Модели
урожая
Уровень формирования
Решения
Временной
Оперативное сопровождение производственных
посевов
интервал
 На
тактическом
уровне
1
Стратегический
10 лет и более
– Модели продуктивности
посевов.
(Проектный)
Оптимизация агротехнических мероприятий
 На
2
Тактический
стратегическом
уровне
(Плановый)
1 год
– 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





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
 В реальности для задач среднесрочного
планирования требуется расчёт нескольких лет
вегетации подряд в севообороте

– 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
Скачать