هدف دوره چگونه در اكوسيستمهاي مرتعي مدل بسازيم و از آن استفاده كنيم؟ چگونه مدلها مي توانند ساخته بشوند؟ چگونه ويژگيهاي مدلها مي توانند بررسي بشوند؟ چگونه يك كارشناس مي تواند از مدلها استفاده نموده و به دنبال آن نتايج مدل را بررسي نمايد؟

مباني مدل سازي اكوسيستم هاي مرتعي تعداد واحد: 2 نوع واحد: نظري پيشنياز: ندارد

سرفصل درس تعريف مدل ماهيت و نياز به مدلها مفهوم و اعتبار مدل خصوصيات مدل (مطلق بودن، ساختمان، قياس) طبقه بندي مدلها مدلها در مرتع نقشه و ساير مدلها

تشريح مدل هاي رياضي ابزارهاي اساسي مدل سازي تجزيه وتحليل اختصاصات مدلها جنبه هاي مدل سازي

منابع Starfield, A.M. and Bleloch, A.L. (1986).Building models for conservation and wildlife management. Macmillan Publishing Company. New York. USA Canham, C.D., Cole, j.j. and Lauenroth, W.K. (editors), (2003). Models in ecosystem science. Princeton university Press. USA Dale, V.H. (2003).Ecological modeling for resource management. Springer. New York, USA Munier, N. (2004). Multicriteria Environmental Assessment A Practical Guide, Kluwer Academic Publishers. The Netherlands.

سرفصل درس از مدلها تا فوق مدلها از فوق مدلها تا دنياي واقعي استفاده از مدل به عنوان يك ابزار مديريت انواع مدلها بوم شناسي سيستمها ماهيت مدل هاي رياضي هدف هاي مدل سازي

مدلها در علوم علم فيزيك علوم غير فيزيكي بر اساس اصول ثابت مشكلات به خوبي مشخص نيستند پروسه ها و مكانيسمها به خوبي مشخص نيستند جمع آوري داده ها مشكل مي باشد

تعريف مدل هرنمايش و ارائه اي يا چكيده اي از يك سيستم و يا پروسه اي را مدل گويند.

مدلها چه كمكي به ما مي كنند؟ تعريف مشكلات سازماندهي فكر درك بهتر داده ها ارتباط ما با ديگران از فهممان از سيستم آسانترآزمايش فهم ما از سيستم پيش بيني سيستم

طبقه بندي مدل سازي 1 3 4 2 - كميت و يا كيفيت داده ها + - فهم ما از مشكل +

ناحيه يك (داده هاي خوب و فهم كم) تكنيكهاي آماري مي توانند استفاده شوند تا: داده ها را تجزيه وتحليل كرده ارتباطها والگوها مشخص شوند فرضيه هايي شكل گرفته و آزمايش شود.

ناحيه سه ( داده هاي خوب و فهم خوب) علوم فيزيكي مدلها با اطمينان و به شكل عادي استفاده مي شوند. موثر بودن مدلها ثابت شده است.

ناحيه دوم (داده هاي كم و فهم خوب) علوم غير فيزيكي

ناحيه چهارم داده و فهم كم از سيستم ناحيه چهارم داده و فهم كم از سيستم علوم غير فيزيكي

سوال؟ در مواقعي كه ما داده و اطلاعات خوبي از سيستم نداريم چگونه به تصميمات صحيح برسيم؟ چطور ما ميزان فهممان از سيستم را بالا ببريم و داده هاي مورد نيازمان را بدست آوريم؟(از ناحيه چهار به سه)

مدلها بايستي محتاطانه و با دقت مورد استفاده قرار گيرند جهت مكاشفه نتايجي كه ما عقيده داريم كه درست مي باشد. ساختار مشكلات مشخص نيست و داده هاي مورد نياز نيز در دسترس نمي باشد.

در نواحي 4 و 2 بايستي چه كنيم؟ تمرين دست كاري زير سوال بردن ارتباط مقايسه رفتار آنها با جهان واقعي ارزيابي مجدد از عقايدمان و رسيدن به نسخه جديدي از مدل

احتياط آنهايي كه داده جمع آوري مي كنند بدون ساخت مدل در معرض خطر هستند! وقتي داده هايشان را آناليز مي كنند مي بينند كه آنها دادهاي اشتباه جمع آوري كرده اند.

يك مدل كوچك E=kD D: دلار E: يورو K: نرخ تبديل

نكاتي در مورد مدل كوچك E=kD ورودي و خروجي متغير پارامتر مدل متغير نيست چرا كه كميتي است كه بايستي قبل از استفاده از مدل تخمين بزنيم و آن نحوه ارتباط بين متغير هاي مدل را بيان مي كند.

نكاتي در مورد مدل كوچك E=kD اگر نرخ تبديل به طور رسمي ساليان سال ثابت بود آنگاه پارامتر K را Constant مدل مي ناميم ساختار مدل و داده ها مشخص كننده نتايج مدل مي باشند

نكاتي در مورد مدل كوچك E=kD كيفيت مدل به واقعي بودن آن بستگي ندارد بلكه به اين است كه در ارتباط با هدفي كه ساخته شده است چگونه عمل مي كند

انواع مدل Deterministic Model مثال مدل E=KD Stochastic Model

از چه نوع مدلي استفاده كنيم؟ Deterministic or Stochastic)) هدف از استفاده از مدل وقتي كه در رفتار مدل، واريانس مهم است (Deterministic or Stochastic) اكثر توريست ها مدل deterministic را ترجيح مي دهند اگرچه آنها مي دانند كه نرخ تبديل تغيير مي كند معاون بك شركت بزرگ كه مي خواهد 10 ميليون دلار را به يورو تبديل كند در يك هفته چطود؟ آيا ما الان پول را تبديل كنيم يا به اميد نرخ تبديل بهتر بمانيم آيا مدل deterministic مي تواند پاسخگوي اين نياز باشد؟

تفكيك پذيري مدل Resolution)) كدام جنبه از موضوع مدل شده قابل تشخيص و مشخص و كداميك پنهان ، صرفنظر، پوشيده، محو و يا نامشخص است. Resolution خيلي درشت، مدل غير جوابگو Resolution خيلي ريز ، مدل پيچيده با جزييات زياد آيا به يك مدل با جزييات زياد نياز است؟ Resolution of microscope or telescope

(Resolution جنبه هاي تفكيك پذيري ( Scope كدام اجزا در مدل باشد و كدام نباشد؟ Details چه ميزان جزييات از اجزا آورده شده است؟

تفكيك پذيري، مدل چه كاري را مي تواند و چه كاري را نمي تواند بكند؟ آن دو تا هستند كه در وسط گله چرا مي كنند آنها در يك گله بزرگ هستند يك گله كوچك بك گله متراكم نر يا ماده؟

تفكيك پذيري، مدل چه كاري را مي تواند و چه كاري را نمي تواند بكند؟ Scope مدل كاهش يافته بكي خم شده و ديگري سرش را بالا آورده است آنها نزديك به يكديگر ايستاده‌اند

تفكيك پذيري، مدل چه كاري را مي تواند و چه كاري را نمي تواند بكند؟ با همان Scope ولي با جزييات بيشتر ما مي توانيم در رابطه با جنس ، الگوي نوارهاي روي پوستشان و با شكل شاخ آنها نظر بدهيم

تفكيك پذيري، مدل چه كاري را مي تواند و چه كاري را نمي تواند بكند؟ مدل غير متوازن رزولوشن اشتباه

تفكيك پذيري، مدل چه كاري را مي تواند و چه كاري را نمي تواند بكند؟ در همه اشكال موضوع دوبز كوهي است اما سه ارايه منجر به سه مدل با ساختار، نياز داده‌اي و خروجي متفاوت مي شود. اشاره كنيم كه مدل چه چيزهايي را نشان مي دهد و چه داده هايي نياز دارد

مناسب (Resolution)سطح تفكيك پذيري هدف مدل ساختار سيستم مقياس زماني مدل

)Timeانواع مدل از نظر زمان ( مدلهاي وابسته به زمان( (Time dependent model ممتد (Continuous, time flows) مقطع(Discrete, time jumps ) مدلهاي ثابت ((Static model چه اتفاق مي افتد اگر ما اينكار را بكنيم به جاي آن پيش بيني اينكه چطور نرخ تبديل ممكن است به نسبه زمان تغيير مي كند Continuous, time flows مدل ارتباطي به زمان ندارد

ممتد (Continuous, time flows) جمعيت وابسته به زمان است t, P(t); اگر ما جمعيت را بر اساس زمان پلات كنيم يك گراف ممتد مي دهد. Although the value of P could be zero throughout the winter months and suddenly increase at the beginning of summer.

مدلهاي مقطع(Discrete, time jumps ) Time-driven discrete model Event-driven model مثال مدل مقطع: مثل جمعيت پشه ماهي يكبار يا سالي يكبار، P جمعيت در زمان T، جمعيت در زمان بعدي Pt+1 اگر ما از اين مدل استفاده كنيم آن معني دار نيست كه جمعيت را در هر زمان بخواهيم و فقط در زمانهاي T و T+1 مي توانيم جمعيت را بررسي كنيم. Time-driven discrete model : زمان به طور منظم پرش دارد Event-driven model: زمان فقط موقعي مي پرد كه اتفاق خيلي مهمي بيافتد

مدل ممتد يا مقطع فرمت داده ها سهولت رياضي هدف ما از مدل سطح تفكيك مدل هذف ما از مدل : چطور جمعيت پشه به اقدامات كنترلي ما واكنش نشان مي دهد چطور و كي ما حشره كش ها را به كار مي بريم

از تئوريهاي رياضي استفاده مي شود مدلهاي جبري يا تجزيه و تحليلي – مدلهاي شبيه سازي models Analytical and Simulation مدلهاي جبري يا تجزيه و تحليلي Analytical models) ) از تئوريهاي رياضي استفاده مي شود مدلهاي شبيه سازي ((Simulation models از الگوريتمها و يا مجموعه اي از قواعد محاسباتي استفاده مي شود. شبيه آنچه كه در فلوچارتها است، تجزيه و تحليل واقعي انجام نمي شود.

تاكنون اهداف مدل ، توقعات و محدوديتها انتخاب سطح تفكيك پذيري مناسب را مدل تجزيه و تحليلي يا مدل شبيه سازي شده مدل زماني مقطع يا مدل ممتد آيا مدل غير قطعي stochastic) ( يا مدل قطعي ((deterministic

ارايه از اكوسيستم در سه سطح تفكيك پذيري يك مدل جزء به ج‍زء از سيستم مجزا كردن يك بخش از سيستم تاثير نيروهاي خارجي نظير بارش و فعاليتهاي مديريتي مدل كلي از سيستم

مدل جزء به ج‍زء از سيستم A detailed system model عكس العملها پيچيده ساخت اين مدلها مشكل در عمل خيلي مفيد نيستند

راه حل ساده سازي شروع با مشكل مديريتي پيدا كردن يك چكيده‌اي از اكوسيستم شروع با يك سطح تفكيك پذيري ديگر

مجزا كردن يك بخش از سيستم مشكل مديريتي فقط مربوط به يك بخش از اكوسيستم است. اجزايي كه مربوط به موضوع مي شود و ارتباطات بين آنها را از سيستم جدا مي كنيم. اثرات ساير بخشهاي سيستم را به عنوان يك نيروي مصنوعي در نظر مي گيريم.

يك مدل با جزييات كم از سيستم A less detailed (Lumped) system model مشكل مديريتي مربوط به كل سيستم با سطح تفكيك پذيري كم مي شود

سطح تفكيك پذيري به چه خوبي مدل مشكل مديريتي بيانگر مشكل است پيچيدگي اكوسيستم داده، زمان ، محدوديت