PL 
EnglishDomyślny
Українська🐺 Wilki i owce
Ekologiczna symulacja agentowa: owce jedzą trawę, wilki jedzą owce. Zobacz, jak z prostych reguł lokalnych na siatce wyłaniają się cykle populacyjne Lotki-Volterry i epizody wymierania.
O symulacji Wilki i owce
Ta symulacja jest przestrzenną, agentową wersją klasycznego problemu drapieżnik-ofiara. Zamiast bezpośrednio rozwiązywać równania różniczkowe Lotki-Volterry, umieszcza setki pojedynczych owiec i wilków na torusowej siatce 50×50, gdzie każda komórka niesie odrastającą wartość trawy od 0 do 100. W każdym takcie agenci poruszają się, żywią, tracą energię, rozmnażają się probabilistycznie i giną, gdy energia spada do zera, więc znajome oscylujące cykle populacyjne wyłaniają się z czysto lokalnych reguł, zamiast być narzucone przez równanie.
Cztery suwaki ustawiają odrastanie trawy na takt (1–12), energię, jaką owca zyskuje z wypasu komórki (5–35), energię, jaką wilk zyskuje za upolowanie (20–80), oraz prędkość symulacji (1–8 taktów na klatkę). Regulacja tych wartości przesuwa system między stabilnym współistnieniem, wahaniami boom-bust i całkowitym wymarciem. To samo podejście modelowe leży u podstaw rzeczywistej pracy na rzecz ochrony przyrody, pomagając ekologom rozważać reintrodukcję drapieżników szczytowych, zarządzanie presją wypasu i odporność sieci pokarmowych.
Najczęściej zadawane pytania
Co dokładnie pokazuje ta symulacja?
Pokazuje mały ekosystem złożony z trzech elementów: trawy, owiec i wilków. Owce wypasają trawę, by zyskać energię, wilki polują na owce, a oba gatunki wydatkują energię i się rozmnażają. Wykres na żywo przedstawia liczebność owiec i wilków w czasie, dzięki czemu można obserwować charakterystyczne cykle drapieżnik-ofiara, zdarzenia wymierania i odbudowy populacji.
Czym różni się to od klasycznych równań Lotki-Volterry?
Klasyczny model to para ciągłych równań różniczkowych dających gładkie, idealnie powtarzające się cykle dla dwóch wyidealizowanych populacji. Tutaj każde zwierzę jest dyskretnym agentem na siatce podejmującym lokalne decyzje, więc cykle są zaszumione, mogą dryfować i mogą się załamać do wymarcia. Zbiorcze zachowanie przypomina Lotkę-Volterrę, ale wyłania się oddolnie, zamiast być z góry narzucone.
Co kontrolują cztery suwaki?
Odrastanie trawy ustawia, ile każda komórka odnawia na takt (1 do 12). Zysk pokarmowy owcy to energia, jaką owca zyskuje, wypasając komórkę (5 do 35). Zysk pokarmowy wilka to energia, jaką wilk otrzymuje za zjedzoną owcę (20 do 80). Prędkość ustawia, ile taktów symulacji jest obliczanych na klatkę animacji (1 do 8), zmieniając tempo upływu czasu bez zmiany dynamiki.
Jak agenci zyskują i tracą energię?
W każdym takcie owca traci 1 energii, a wilk 3. Owca wypasająca komórkę zyskuje do wartości swojego zysku pokarmowego, z limitem łącznym 100. Wilk zjadający owcę na swojej komórce zyskuje wartość zysku pokarmowego wilka, z limitem 120. Każdy agent, którego energia spada do zera lub poniżej, natychmiast ginie i jest usuwany z siatki.
Kiedy i jak zwierzęta się rozmnażają?
Rozmnażanie jest probabilistyczne i uzależnione od energii. Owca z co najmniej 40 energii rozmnaża się z prawdopodobieństwem 4% na takt; wilk z co najmniej 70 energii rozmnaża się z prawdopodobieństwem 2,5%. Gdy zwierzę się rozmnaża, zmniejsza swoją energię o połowę i umieszcza nowego agenta tego samego typu na swojej bieżącej komórce, więc tylko dobrze odżywione zwierzęta przekazują swoją linię.
Jak wilki znajdują i łapią owce?
Każdy wilk przeszukuje promień polowania wynoszący 8 komórek w poszukiwaniu najbliższej owcy, używając wyszukiwania w odległości Manhattan. Jeśli ją znajdzie, wilk wykonuje krok w jej kierunku; w przeciwnym razie porusza się losowo. Upolowanie następuje tylko wtedy, gdy wilk i żywa owca zajmują tę samą komórkę po ruchu. Owce z kolei przeszukują promień ucieczki wynoszący 5 komórek i oddalają się od najbliższego wilka.
Czy model jest dokładny fizycznie lub ekologicznie?
To celowo uproszczony model dydaktyczny, a nie ilościowa prognoza. Oddaje prawdziwe mechanizmy ekologiczne, takie jak budżety energetyczne, rozmnażanie zależne od gęstości populacji, polowanie drapieżników i unikanie ofiar, ale pomija czynniki takie jak wiek, choroby, pogodę, terytorium i genetykę. Wytwarzane przez niego wzorce jakościowe odpowiadają rzeczywistym systemom drapieżnik-ofiara, mimo że dokładne liczby są poglądowe.
Dlaczego populacje oscylują w górę i w dół?
Obfitość owiec daje wilkom mnóstwo pożywienia, więc wilki się mnożą. Rosnąca liczba wilków przycina wtedy owce szybciej, niż się rozmnażają, więc populacja owiec się załamuje. Przy niewielkiej liczbie ofiar wilki głodują i ich liczba maleje, co zmniejsza presję i pozwala owcom się odbudować, ponownie uruchamiając pętlę. To opóźnienie sprzężenia zwrotnego między przyczyną a skutkiem generuje oscylację.
Jaką rolę odgrywa siatka przestrzenna?
Ponieważ zwierzęta oddziałują tylko w swoim lokalnym promieniu na zawijającej się siatce 50×50, geografia ma znaczenie. Owce mogą przetrwać w kieszeniach, do których wilki jeszcze nie dotarły, tworząc tymczasowe refugia, które ponownie zasiedlają populację. Ta struktura przestrzenna jest dokładnie tym, co pomija pojedynczy zestaw równań, i dlatego ten model może pokazać odbudowę tam, gdzie wersja nieprzestrzenna po prostu wymarłaby.
Co się dzieje, gdy gatunek wymrze?
Jeśli wszystkie owce zginą, wilki szybko zagłodzą się, a status wyświetli „Wymarłe”. Jeśli wilki znikną, a owce pozostaną, owce rozmnażają się, aż trawa zostanie wypasiona, a status wyświetli „Brak wilków”. Symulacja nie reintrodukuje gatunków automatycznie, więc można użyć przycisków Reset i presetów, aby zacząć od nowa z innym początkowym balansem owiec i wilków.
Jak to się ma do rzeczywistej ochrony przyrody?
Agentowe modele drapieżnik-ofiara, takie jak ten, wspierają decyzje dotyczące reintrodukcji drapieżników szczytowych, na przykład wilków w Yellowstone, oraz ustalania zrównoważonych poziomów wypasu czy odstrzału. Ujawniając, jak wrażliwy jest ekosystem na dostępność pokarmu i presję drapieżnictwa, pomagają zarządcom przewidywać wahania boom-bust i ryzyko załamania, zanim podejmą interwencję w terenie.