Vai alla Home Page About me Courseware Federica Living Library Federica Federica Podstudio Virtual Campus 3D La Corte in Rete
 
Il Corso Le lezioni del Corso La Cattedra
 
Materiali di approfondimento Risorse Web Il Podcast di questa lezione

Francesco Giannino » 19.Un esempio di IBM: un modello energetico/decisionale del barbagianni


Indice della lezione

Dare un esempio applicativo dell’approccio IBM al movimento ed alla strategia di predazione del Barbagianni.

Modelli interazione consumatori-risorsa

I modelli consumatori/risorsa, possono essere implementati nei due diversi approcci IBM e CM. La tabella di seguito mostra le principali differenze tra i due approcci.

Approcci IBM e CM per modelli consumatori/risorsa

Approcci IBM e CM per modelli consumatori/risorsa


IBM: schema del modello


IBM: schema del modello

Il modello considera diversi processi funzionali dell’animale, avendo come output sia il budget energetico del singolo individuo che la distribuzione spaziale degli individui della popolazione.

Processi:

  • Resting
  • Search
  • Capture
  • Handling
  • Commuting

Scala:

  • Tempo:1 minuto (time step)
  • Unità spaziale: metri

Output: Budget energetico

Proprietà emergente: Pattern di distribuzione spaziale degli individui della popolazione

Fasi di una giornata per un predatore

Fasi di una giornata per un predatore


IBM: struttura

La struttura del modello e dei sottomodelli

La struttura del modello e dei sottomodelli


Sottomodello energetico

Il modello energetico è un modello a due equazioni differenziali (Energia e Alimentazione).

  • Intake – Mangia finché non raggiunge il livello energetico sazietà
  • Processing – La velocità di processing dipende dal coefficiente di manipolabilità della preda (HandCoeff) che rappresenta la percentuale della preda che viene consumata al minuto. Processing è disattivato quando Food raggiunge un valore soglia inferiore (frazione di cibo non consumabile).
Lo schema del sottomodello energetico

Lo schema del sottomodello energetico


Sottomodello decisionale

Il modello decisionale utilizzato (Eliassen et al. 2007) considera i due seguenti processi

1. Acquisizione informazioni – il predatore acquisisce una stima dei tempi medi di cattura nell’ambiente in base alla sua capacità di apprendimento

Tempo medio di cattura nell’area di foraggiamento, np (equazione 1)

2. Decisione – lascia un’area di foraggiamento quando il tempo che vi ha investito nella ricerca di una preda raggiunge quello medio stimato dell’ambiente (giving up time)

Calcolo del giving up time, GUT (equazione 2)

Equazione del Tempo medio di cattura (1)

Equazione del Tempo medio di cattura (1)

Equazione del giving up time (2)

Equazione del giving up time (2)


Sottomodello preda

Il modello descrive la dinamica della preda e di quelle nascoste.

  • Hiding – se c’è un predatore le prede si nascondono
  • Recovery – quando il predatore va via le prede rientrano dai rifugi
  • Immigrazione – le prede immigrano in un patch finché il numero di prede nel patch non raggiunge il valore massimo sostenibile dal patch
  • Death – le prede muoiono se catturate
Lo schema del sottomodello preda

Lo schema del sottomodello preda


Il modello in Simile


Spazializzazione

Il modello può essere spazializzando utilizzando i multipli layers di SIMILE ed il sottomodello “condizionale”.

Lo schema della spazializzazione del modello

Lo schema della spazializzazione del modello


Parametrizzazione

La tabella dei parametri del modello

La tabella dei parametri del modello


Processi indagati

Il modello permette di indagare diversi processi e di definire diversi scenari di simulazione

Il modello permette di indagare diversi processi e di definire diversi scenari di simulazione


N predatori in patch

Numero di predatori per patch in funzione del numero di prede e del fattore di apprendimento

Numero di predatori per patch in funzione del numero di prede e del fattore di apprendimento


N predatori in patch II

Scenari di simulazioni in funzione del numero di prede e del fattore di apprendimento

Scenari di simulazioni in funzione del numero di prede e del fattore di apprendimento


Conclusioni

L’ approccio seguito ha permesso di evidenziare:

  • la complessità dei pattern comportamentali in relazione alla caratteristiche ambientali e agli input di stato interno;
  • l’effetto della stocasticità nella definizione dei pattern comportamentali.

Prospettive:

  • Rappresentare individui in diverse fasi del ciclo vitale
  • Integrazione a scala più ampia per rappresentare i flussi energetici nella comunità
  • Contenuti protetti da Creative Commons
  • Feed RSS
  • Condividi su FriendFeed
  • Condividi su Facebook
  • Segnala su Twitter
  • Condividi su LinkedIn
Progetto "Campus Virtuale" dell'Università degli Studi di Napoli Federico II, realizzato con il cofinanziamento dell'Unione europea. Asse V - Società dell'informazione - Obiettivo Operativo 5.1 e-Government ed e-Inclusion

Fatal error: Call to undefined function federicaDebug() in /usr/local/apache/htdocs/html/footer.php on line 93