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 xn1 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