Матричные популяционные модели

Матричные популяционные модели — это особый тип популяционных моделей, использующий матричную алгебру. Популяционные модели используются в популяционной экологии для моделирования динамики популяций животных или человека. Матричная алгебра, в свою очередь, является способом записи большого количества повторяющихся и громоздких алгебраических вычислений (итераций).

При условии, что отдельные особи в популяции могут быть сгруппированы в категории, в которых вероятности выживания и темпы воспроизводства одинаковы для любой особи, эти модели можно использовать для прогнозирования изменений в количестве особей, присутствующих в каждой категории от одного временно́го шага к другому (обычно временной шаг принимают равным году).

Общая форма матричных моделей популяции:

$\mathbf{n}(t+1)=\mathbf{A}\mathbf{n}(t),$$\mathbf {n} (t+1)=\mathbf {A\,n} (t),$

где n(t) — вектор, компоненты которого равны числу особей в разных классах модели, а A — матрица с положительными коэффициентами. Таким образом, модель матрицы населения можно рассматривать как расширение геометрической модели роста Мальтуса, чтобы учесть тот факт, что отдельные особи в популяции не идентичны.

Одним из главных преимуществ этих моделей является их большая простота. Это делает их важными инструментами для теоретической экологии, а также для более прикладных областей, таких как биология сохранения или демография человека.

ИсторияПравить

Использование матричных моделей для описания динамики популяции было введено несколько раз независимо:

• Харро Бернарделли в 1941 г. ,
• Э. Г. Льюисом в 1942 г.
• Патриком Х. Лесли в 1945 г. . Поскольку работа Лесли является наиболее совершенной и наиболее влиятельной, ему обычно приписывают введение матричных моделей популяции в биологию.

Рассмотренные Лесли модели были ограничены структурой популяции по возрастным группам. В 1965 году Леонард Лефкович ввёл классификацию по стадиям развития. Модель, структурированная по классам размеров, была введена в следующем году Майклом Б. Ашером. Другие структуры были введены позже, такие как структурирование в соответствии с географическим положением, используемым в моделях метапопуляции. Сегодня, хотя очевидно, что матричные модели популяции могут быть обобщены для любой дискретной структуры населения, модели возраста и класса размера остаются наиболее распространёнными на практике.

Математическое выражение моделиПравить

Общая формаПравить

Модель МальтусаПравить

Предложенная Мальтусом модель экспоненциального роста:

$n(t+1)=\mathrm{\lambda <!--\; \lambda \; -->}n(t),$$n(t+1)=\lambda \,n(t),$ 

где n(t) — число особей в момент времени t, а λ — знаменатель геометрической прогрессии, который выражает средний вклад индивидуума, присутствующего в популяции в момент времени t, в прирост численности популяции на следующем временно́м шаге. Математическая индукция даёт формулу для численности популяции:

$n(t)={\mathrm{\lambda <!--\; \lambda \; -->}}^{t}n(0).$$n(t)=\lambda ^{t}\,n(0).$ 

Численность популяции следует геометрической прогрессии и растёт при λ > 1 или уменьшается при λ < 1.

Недостатком этой модели является то, что она не учитывает структуру популяции. Она основана на допущении, что все особи имеют одинаковую вероятность выживания от одного временно́го шага к другому и одинаковую скорость размножения, что является неудовлетворительным предположением во многих случаях. Матричные модели позволяют ослабить эту гипотезу.

Матричная модель популяцииПравить

Простой способ учесть различия между особями — это сгруппировать их в классы, в которых демографические характеристики являются однородными. Затем модель Мальтуса обобщается с учётом вклада индивидуума класса j в состав класса i на следующем шаге времени. Обозначив этот вклад a_ij, можем написать, что общий вклад класса j в класс i будет a_ij n_j(t), где n_j(t) — размер класса j в момент времени t, то есть количество особей, составляющих его. Суммируя по всем классам, получаем класс i в момент времени t + 1:

$n_i(t+1)=\underset{j}{\sum <!--\; \sum \; -->}{a}_{ij}{n}_j(t),$$n_{i}(t+1)=\sum _{j}a_{ij}\,n_{j}(t),$ 

следовательно система:

${\begin{cases}n_{1}(t+1)&=a_{11}\,n_{1}(t)+\cdots +a_{1m}\,n_{m}(t)\\&\vdots \\n_{m}(t+1)&=a_{m1}\,n_{1}(t)+\cdots +a_{mm}\,n_{m}(t)\\\end{cases}}$ 

Эта система может быть записана в матричной форме:

$\mathbf{n}(t+1)=\mathbf{A}\mathbf{n}(t).$$\mathbf {n} (t+1)=\mathbf {A\,n} (t).$ 

Вектор n = (n_i) называется вектором популяции, а матрица A = (a_ij) называется матрицей проекции популяции. Из этого выражения мы выводим явную формулу

$\mathbf{n}(t)={\mathbf{A}}^t\mathbf{n}(0).$$\mathbf {n} (t)=\mathbf {A} ^{t}\mathbf {n} (0).$ 

Таким образом, зная начальный вектор населённости n(0), мы можем определить размер населённости в любой момент времени t ∈ ℕ путем итерации матричного произведения.

Связь с марковскими цепямиПравить

Предыдущее выражение — это общая форма моделей матрицы популяции. Мы можем заметить, что для транспонированного замыкания этот формализм идентичен тому, который использовался для изучения цепей Маркова, x_t+1 = x_t P. Основное различие между матрицами проекций населённостей и матрицами марковских цепных переходов состоит в том, что сумма записей в столбцах A не равна 1. Это потому, что особи могут умереть (поэтому сумма может быть меньше 1) и размножаться (поэтому сумма может быть больше 1). Другое отличие состоит в том, что в случае матриц проекции популяции нас чаще всего интересуют только матрицы с дополнительными свойствами (примитивностью), например, наличием поглощающего состояния (изучено Марковская цепь) не актуальна с биологической точки зрения^{[прояснить]}.

Балансовое уравнение популяцииПравить

Динамика любой популяций может быть описана балансовым уравнением

$N_{t+1}=N_t+B-<!--\; -\; -->D+I-<!--\; -\; -->E,$$N_{t+1}=N_{t}+B-D+I-E,$ 

где

$N_{t+1}$$N_{t+1}$  — численность в момент времени t + 1;

$N_t$$N_{t}$  — численность в момент времени t;

B — число рождений в популяции в интервале времени между t и t + 1;

D — число смертей в популяции в интервале времени между t и t + 1;

I — число индивидов, иммигрирующих в популяцию в интервале времени между t и t+1;

E — число индивидов, эмигрирующих из популяции в интервале времени между t и t + 1.

Это уравнение называется BIDE-моделью (Birth — рождение, Immigration — иммиграция, Death — смерть, Emigration — эмиграция). Хотя BIDE-модели концептуально просты, довольно трудно получить надёжные оценки их переменных. Обычно исследователи пытаются оценить общую текущую численность, $N_t$$N_{t}$ , часто с помощью той или иной методики отлова и повторного отлова. Оценки B могут быть получены с помощью отношения $R_i$$R_i$  числа незрелых к числу взрослых особей вскоре после брачного сезона. Число смертей может быть получено путём оценки вероятности выжить в течение года, обычно с помощью методов отлова и повторного отлова, с умножением затем текущей распространённости на вероятность дожития. Часто иммиграция и эмиграция не учитывается из-за трудности их оценки.

Для дальнейшего упрощения можно считать момент времени t концом брачного сезона в году t и считать, что у данного вида только один дискретный брачный сезон в году. В этом случае BIDE-модель приведётся к виду

$N_{t+1}=N_{t,a}\times <!--\; \times \; -->S_a+N_{t,a}\times <!--\; \times \; -->R_i\times <!--\; \times \; -->S_i,$$N_{t+1}=N_{t,a}\times S_{a}+N_{t,a}\times R_{i}\times S_{i},$ 

где

$N_{t,a}$$N_{t,a}$  — число взрослых самок в момент t,

$N_{t,i}$$N_{t,i}$  — число незрелых самок в момент t,

$S_a$$S_{a}$  — выживаемость взрослых самок за временной шаг от момента t к моменту t + 1,

$S_i$$S_{i}$  — выживаемость незрелых самок за временной шаг от момента t к моменту t + 1,

$R_i$$R_i$  — доля выживших молодых самок в конце брачного сезона от всех брачующихся самок.

В матричном виде эта модель может быть записана как

${\begin{pmatrix}N_{t+l_{i}}\\N_{t+l_{a}}\end{pmatrix}}={\begin{pmatrix}S_{i}R_{i}&S_{a}R_{i}\\S_{i}&S_{a}\end{pmatrix}}{\begin{pmatrix}N_{t_{i}}\\N_{t_{a}}\end{pmatrix}}.$ 

Предположим, что изучается вид с максимальной продолжительностью жизни 4 года. Ниже записана матрица Лесли для этого вида по годам. Каждая строка первой и третьей матрицы соответствует животным заданного интервала возрастов (0–1 лет, 1–2 года и 2–3 года). В матрице Лесли элементы верхней строки выражают фертильность особи в разных возрастах: $F_1$$F_{1}$ , $F_2$$F_{2}$  и $F_3$$F_{3}$ . Обратите внимание, что в матрице выше $F_1=S_i\times <!--\; \times \; -->R_i$$F_{1}=S_{i}\times R_{i}$ . Так как животные не доживают до возраста 4 года, матрица не содержит элемента $S_3$$S_{3}$ .

${\begin{pmatrix}N_{t+l_{1}}\\N_{t+l_{2}}\\N_{t+l_{3}}\end{pmatrix}}={\begin{pmatrix}F_{1}&F_{2}&F_{3}\\S_{1}&0&0\\0&S_{2}&0\end{pmatrix}}{\begin{pmatrix}N_{t_{1}}\\N_{t_{2}}\\N_{t_{3}}\end{pmatrix}}.$ 

Решения этих моделей могут быть циклическими, либо квази-хаотическими по численности популяции при высоких значениях фертильности. Элементы $F_i$$F_{i}$  и $S_i$$S_{i}$  могут быть константами, либо функциями от параметров окружающей среды, таких как размер ареала или численность популяции. Также может быть учтена стохастичность внешней среды. Известно также более сложная матрица Лесли — Уильямсона, а также многочисленные вариации матриц описанные в монографии У. И. Рикера.

ЛитератураПравить

• С. В. СОКОЛОВ. МОДЕЛИ ДИНАМИКИ ПОПУЛЯЦИЙ. Учебноепособие  (рус.). Издательство СПбГЭТУ «ЛЭТИ». Дата обращения: 5 июня 2019.

См. такжеПравить

• Популяционная экология

СсылкиПравить

• Матричная модель Лесли (демонстрация) (Silverlight)