5 Μαθηματική Βιολογία – Πληθυσμιακά Μοντέλα Ενός Είδους

5.4 Μελέτη

5.4.1 Ασκήσεις

Άσκηση 5.1.

Εκθετικό Μοντέλο – Επίλυση
Όπως είδαμε το Μαλθουσιανό (εκθετικό) μοντέλο ορίζεται από τη συνήθη διαφορική εξίσωση:

dN(t)dt=(b-d)N(t)=rN(t)
  • (α)

    Βρείτε τη λύση για αρχική τιμή του πληθυσμού N(t=0)=N0.

  • (β)

    Βρείτε τα (ή το) σημεία ισορροπίας και μελετήστε την ευστάθειά τους.

Άσκηση 5.2.

Εκθετικό Μοντέλο – Περιγραφή
Όπως είδαμε το Μαλθουσιανό (εκθετικό) μοντέλο προβλέπει εξέλιξη του πληθυσμού η οποία δίνεται ως

N(t)=N0ert.

Μελετήστε την εξέλιξη του πληθυσμού, κάνοντας τη γραφική παράσταση N(t) vs. t, για:

  • (α)

    r=1.0, και διαφορετικές τιμές του N(0)=N0 , π.χ. N0=0.01,0.1,1,10,100.

  • (β)

    N0=1.0, και διαφορετικές τιμές του r , π.χ. r=0.1,1,2,5.

Τι παρατηρείτε;

Άσκηση 5.3.

Συνεχές Λογιστικό Μοντέλο – Επίλυση

Η λογιστική εξίσωση, δηλαδή διαφορική εξίσωση που περιγράφει το συνεχές λογιστικό (logistic) μοντέλο είναι η εξής:

dNdt=rN(1-NK)

όπου r,K θετικές σταθερές. Θεωρήστε αρχική συνθήκη N(t=0)=N0. Δείξτε ότι η λύση του παραπάνω προβλήματος αρχικών τιμών είναι:

N(t)=N0KertK+N0(ert-1).

[Υπόδειξη: Η λογιστική εξίσωση είναι μια υποπερίπτωση των εξισώσεων Bernoulli.]

Άσκηση 5.4.

Συνεχές Λογιστικό Μοντέλο – Μελέτη
Έστω πληθυσμός που περιγράφεται από το συνεχές λογιστικό μοντέλο ως:

N(t)=N0KertK+N0(ert-1)

όπου r,K, και N0 είναι θετικές σταθερές Χρησιμοποιώντας ένα πρόγραμμα γραφικών παραστάσεων κάνετε τα παρακάτω:

  • (α)

    Κάνετε τη γραφική παράσταση N=N(t), για K=1,r=1.0, και διαφορετικές τιμές του N(0)=N0 , π.χ. N0=0.01,0.1,1,10,100.

  • (β)

    Κάνετε τη γραφική παράσταση N=N(t), για K=1,N(0)=2, και διαφορετικές τιμές του ρυθμού αύξησης r, π.χ. r=0.1,1,2,5,10.

Συζητήστε όλα τα παραπάνω αποτελέσματα.

Άσκηση 5.5.

Εξίσωση von Bertalanffy
Μελετήστε το γενικευμένο συνεχές λογιστικό μοντέλο, ή αλλιώς εξίσωση von Bertalanffy.

  1. 1.

    Πρώτα επιβεβαιώστε τη λύση της εξίσωσης.

  2. 2.

    Κατόπιν κάνετε γραφικές παραστάσεις της λύσης για διαφορετικές τιμές των παραμέτρων.

Σε κάθε περίπτωση συγκρίνετε με τις προβλέψεις του Λογιστικού μοντέλου.

Άσκηση 5.6.

Λογιστικό μοντέλο με συγκομιδή
Έστω μονάδα ιχθυοκαλλιέργειας, στην οποία εκτρέφεται και αλιεύετε ένα συγκεκριμένο είδος ψαριού. Θεωρήστε ότι ο πληθυσμός του είδους περιγράφεται από το συνεχές λογιστικό μοντέλο με συγκομιδή της μορφής:

dN(t)dt=rN(t)(1-N(t)K)-EN(t)=F(N)
  • (α)

    Βρείτε τα σημεία ισορροπίας του πληθυσμού και μελετήστε την ευστάθειά τους.

  • (β)

    Βρείτε τη μέγιστη απόδοση της μονάδας.

Άσκηση 5.7.

Διακριτό Λογιστικό Μοντέλο
Θεωρήστε το διακριτό λογιστικό μοντέλο:

ΔP=rP[1-P/1000].

Βρείτε και γράψτε σε μια αναφορά τα ακόλουθα:

  • (α)

    Αλλάξτε τις μονάδες πληθυσμού ώστε η χωρητικότητα K να είναι K=1 και η μόνη παράμετρος του μοντέλου να είναι ο ρυθμός αύξησης r. Κατόπιν εξετάστε την μακροπρόθεσμη (long-term) χρονική συμπεριφορά για διαφορετικές τιμές του r ξεκινώντας από 0.5.

  • (β)

    Για ποια τιμή του r παρατηρούμε την αλλαγή της συμπεριφοράς σε ταλαντώσεις 2 κύκλων; 4 κύκλων; 8-κύκλων;

  • (γ)

    Πως επηρεάζει τη λύση η αύξηση της τιμής του r; Συγκρίνετε με την περίπτωση του συνεχούς λογιστικού μοντέλου.

5.4.2 Εργασίες

Αναφέρουμε ενδεικτικά θέματα για εργασίες (projects) κατά τη διάρκεια της διδασκαλίας του μαθήματος. Οι εργασίες μπορεί να είναι ατομικές ή ομαδικές.

Εργασία 5.1.

Λογιστικό Μοντέλο: Συνεχές ή Μοντέλο με μη-σταθερή χωρητικότητα.
Για είδη με μικρή χρονική διάρκεια ζωής (π.χ. έντομα) μπορεί να μην είναι καλή παραδοχή η σταθερή χωρητικότητα στο λογιστικό μοντέλο.

Μελετήστε τι γίνεται αν περιγράφουμε ένα πληθυσμό με το διακριτό λογιστικό μοντέλο:

Pt+1=Pt[1+r(1-Pt/K(t))]

όπου η χωρητικότητα μεταβάλλεται με ταλάντωση. Θεωρήστε: Κ=5+sin((2π/12)t).

  • Α)

    Εξηγήστε γιατί η χωρητικότητα η οποία μεταβάλλεται με ταλάντωση μπορεί να είναι καλή υπόθεση για κάποιες περιβαλλοντικές συνθήκες.

  • Β)

    Μελετήστε τη συμπεριφορά, με κατάλληλα γραφήματα, για διαφορετικές τιμές των r,P(0). Ελέγξτε κυρίως τη συμπεριφορά σε μεγάλους χρόνους. Είναι τα αποτελέσματα σε συμφωνία με ότι περιμένατε;

  • Γ)

    Τι γίνεται αν η συχνότητα της ταλάντωσης αλλάξει; Δοκιμάστε Κ=5+sin((2π/Χ)t) για διαφορετικά X.

  • Δ)

    Όσο το r μεγαλώνει εμφανίζει το σύστημα διακλάδωση (bifurcation), χάος;

Εργασία 5.2.

Μοντέλα Leslie-Usher
Κατηγοριοποίηση ενός πληθυσμού ανάλογα με κάποιους δείκτες. Τα μοντέλα Leslie-Usher μπορούν να χρησιμοποιηθούν για το σχεδιασμό στρατηγικών ανάπτυξης πληθυσμών οι οποίοι κινδυνεύουν. Στόχος: Η μελέτη μοντέλων με διάκριση πληθυσμού κατά ηλικία (Age structured population models). Εφαρμογή σε ένα μοντέλο για τις θαλάσσιες χελώνες.

Βιβλιογραφία: Allman and Rhodes, 2004, Κεφάλαιο 2.

Εργασία 5.3.

Καθορισμός φύλλου ανάλογα με τη θερμοκρασία (Temperature-Dependent Sex Determination, TSD).
Σε κάποια είδη (π.χ. κροκόδειλος) το φύλο καθορίζεται από τη θερμοκρασία επώασης των αυγών κατά τη διάρκεια της κύησης. Στόχος: Η ανάπτυξη ενός πληθυσμιακού μοντέλου για τη μελέτη του φαινομένου TSD. Θα πρέπει να συμπεριλάβετε τη διαφορετική συμπεριφορά ανάλογα με το φύλλο καθώς και την ηλικία.

Βιβλιογραφία: (Murray 2002, Κεφάλαιο 4).