L’analisi di un modello di vegetazione implementato nei due diversi metodi modellistici, introduzione la concetto di equilibrio.
Analisi del concetto di equilibrio nei due diversi approcci modellisitici
Gli ecologi considerano che i sistemi ecologici sono sistemi in equilibrio.
Gli approcci IBM mostrano che una comunità può essere un sistema in non-equilibrio: la sua dinamica è caratterizzata da oscillazioni.
In questo esempio analizzeremo un classico modello di vegetazione (Mechanisms of the species coexistence: Tilman, Competition and Biodiversity in Ecology, vol.75 n°. 1, (1994)) implementato nei due diversi approcci IBM e CM.
Il modello descrive la dinamica di due specie in funzione dei tre differenti fattori:
L’implementazione del modello con un approccio continuo di comunita porta alla sua definizione matematica di due equazioni differenziali (figura 1).
La figura 2 mostra l’implementazione del modello in SIMILE e i risultati delle biomasse di p1 e p2.
Come si puo notare le due variabili di stato raggiungo un equilibrio.
A differenza del modello a equazioni differenziali, il modello di Tilman in un approccio IBM viene tradotto con la descrizione dei singoli individui e della interazioni tra questi (figura 1).
Come si puo notare in figura 2 le due popolazioni non raggiungono un equilibrio ma oscillano attorno a questo.
S. Mazzoleni, F. Giannino, M. Amato, R. Gucci and G. Toraldo, Individual based model of plant communities, athematical Modelling & Computing in Biology and Medicine, (V.Capasso Ed.), The MIRIAM Project Series, ESCULAPIO Pub., 2003, pp. 288-294
I modelli individual-based permettono di simulare la dinamica delle popolazioni in maniera molto piu “realistica” rispetto ai modelli di comunità aggregata, in particolare considerano: la dinamica della comunità come una proprietà emergente del sistema, ottenuta attraverso l’interazione dei singoli individui:
Le difficoltà di implementazioni e i problemi computazioni degli IBM sono attualmente ancora un fattore limitante per una rapida e profonda diffusione di questo approccio modellistico.
2. Introduzione alla modellistica
4. Il software di sistemi dinamici SIMILE
5. Introduzione agli errori numerici
6. Introduzione alle equazioni differenziali ordinarie (ode)
7. Modularità
8. Errori nel processo di modellistica
9. Dinamica di popolazione isolata
11. Interazione tra popolazione
13. Introduzione ai modelli di catene alimentari
14. Modelli Suscettibili - Infetti - Rimossi (SIR)
15. Introduzione a modelli spazio/tempo
16. Modelli integrati di simulazione
17. Introduzione a modelli individual-based (IBM)
18. Un confronto tra individual-based model and community model
19. Un esempio di IBM: un modello energetico/decisionale del barbag...
Huston, DeAngelis, Post, New computer models unify ecological theory. BioScience (1988) 38, 682–691.
DeAngelis, Gross, Individual-Based Models and Approaches in Ecology. Chapman and Hall, London. (1992)
Grimm, Ten years of individual-based modelling in ecology: what have we learned and what could we learn in the future? Ecological Modelling (1999), 115, 129-148
Uchmanski, Grimm, Individual-based modelling in ecology: what makes the difference? Tree (1996), 11, 437-441
Haefner, Parallel computers and individual-based Models: An Overview Individual-Based Models and Approaches in Ecology (1992)
Lorek, Sonnenschein, Modelling and simulation software to support individual-based ecological modelling, Ecological Modelling (1999), 115, 199-216
Lorek, Sonnenschein, Using parallel computers to simulate individual-oriented models in Ecology: a case study
Muetzelfeldt, Massheder, The Simile visual modelling environment,European Journal of Agronomy (2003), 18, 345-358
Villa, Costanza, Design of multi-paradigm integrating modelling tools for ecological research, Environmental Modelling & Software (2000), 15, 169-177
Ulbrich, Henschel, Intraspecific competition in a social spider, Ecological Modelling (1999), 115, 243-251