Úvodní slovo#
from datetime import datetime
from babel.dates import format_datetime
now = datetime.now()
print ("Poslední aktualizace: ", format_datetime(now, locale='cs'))
Poslední aktualizace: 20. 5. 2024 10:08:11
Motivace 1, záchrana Lišky ostrovní#
Obr. 2 Liška ostrovní, poddruh žijící na ostrově Santa Cruz, foto: https://wikimedia.org#
Na úvod jako motivaci uveďme jeden optimistický příběh.
Liška ostrovní (Urocyon littoralis) je jedinečný živočišný druh, endemit žijící jenom na ostrůvcích okolo Kalifornie. Velká jako kočka, důvěřivá (díky absenci přirozených nepřátel), jako druh citlivá a zranitelná (malá genetická variabilita, malá odolnost vůči nemocem zavlečeným z pevniny). Jedna z nejmenších psovitých šelem. Umí šplhat po stromech. Vlivem činnosti člověka se dostala do velkých potíží. Na ostrově San Miguel klesla populace z 450 dospělých jedinců v roce 1994 na 15 v roce 1999 (odkaz). Podobná situace byla i na ostatních ostrovech, z nichž každý je osídlen samostatným poddruhem lišky ostrovní. Příčinou úhynu by celý řetězec událostí: produkce insekticidu DDT, farmaření a rozmnožení zdivočelých prasat, vytlačení orla bělohlavého (Haliaeetus leucocephalus) orlem skalním (Aquila chrysaetos). Dříve vrcholný predátor na ostrově se stal najednou kořistí a byl těsně před vyhubením. Naštěstí se podařilo situaci pro lišku zachránit, zajistit podmínky ve kterých je populace stabilní a populaci lišek opětovně rozmnožit. Nyní je liška ostrovní „pouze“ téměř ohrožená. Jedná se o jeden z nejúspěšnějších záchranných programů pro savce. Komplexní program zahrnoval vybití divokých prasat, přesídlení orlů skalních, návrat orlů bělohlavých, umělé rozmnožení lišek, jejich návrat do přírody a jejich vakcinaci proti zavlečeným chorobám. To vše za jednu dekádu.
Článek na idnes.cz z roku 2000 o hrozícím vyhubení.
Youtube video z roku 2018 o záchraně ostrovních lišek.
Matematický model interakce mezi liškami, orly, skunkem a zdivočelými prasaty.
Specifika ostrovní biogeografie si představíme ve třetí přednášce. Modelům interakce živočišných druhů ve vztahu konkurence nebo predace se budeme věnovat koncem semestru. Jednoduchý Jupyter zápisník, ukazující, že umíte zkombinovat text s výpočty a umíte spustit model a nějakým způsobem vizualizovat řešení bude obsahem seminární práce, nutné pro ukončení předmětu.
Motivace 2, záchrana populace želv#
Obr. 3 Kareta obecná, foto: https://wikimedia.org#
Mořské želvy obecně mají poměrně komplikovaný životní cyklus. Vylíhnutí z vajíček probíhá na souši, další vývoj v moři. Ochrana se tradičně soustřeďovala na ochranu pláží pro kladení vajíček a umožnění vylíhnutým želvičkám dostat se k vodě. To je efektní a snadno proveditelná činnost. Je to ale i efektivní? Je to opravdu účinná strategie pro podporu populace želv?
Matematický rozbor přínosu jednotlivých životních fází k celkovému růstu populace ukázal, že pro udržení druhu ochrana vajíček a čerstvě vylíhnutých mláďat nestačí. Ukázal, že tato činnost má malý vliv. Želva se o svá mláďata nestará a jenom malý zlomek se dožije dospělosti. Ukázalo se, že pro podporu populace je důležité chránit dospělé jedince, na kterých stojí břímě rozmnožování. Je nutné snížit riziko, že tyto jedince z populace odstraníme například jako vedlejší efekt rybolovu. Protože se ukazuje, že tato aktivita je pro populaci podstatná (dospělí jedinci mají velkou takzvanou reprodukční hodnotu), má smysl hledat cesty a řešení. V případě rybářských sítí je to například zařízení zvané TED, Turtle Excluder Device, které umožní dospělým želvám (a velkým rybám), na nichž závisí přežití druhu, uniknout z rybářských sítí. Protože se jedná se o poměrně jednoduché a levné zařízení, je poměr cena/užitek obrovský.
Model populace s různými životními etapami si představíme na šesté přednášce. Na sedmé přednášce si ukážeme nástroj na analýzu vlivu parametrů na celkový růst populace a v jednom ze cvičení se budeme blíže věnovat zmíněnému modelu populace karety.
Co budeme dělat#
V předmětu si představíme základní metody modelování jevů a efektů známých z ekologie a populační biologie. Z těchto oblastí máme celou řadu poznatků.
Populace nerostou neomezeně, ale jenom do nosné kapacity prostředí (Verhulst, 1838).
Větší územní celky mají pestřejší druhové složení. (Mac Arthur, Wilson, 1967).
Malé populace mohou mít malou nebo zápornou rychlost růstu per capita (Allee, cca 1930–1940).
Věkově strukturovaná společenstva konvergují ke stabilní věkové skladbě (Leslie, 1945).
Při konkurenci dvou a více druhů dojde za určitých podmínek ke konkurenčnímu vyloučení některých druhů (Gause, 1934).
Ve fragmentovaném prostředí je nutno chránit i migrační trasy mezi fragmenty a také fragmenty, kde se daná populace nenachází (Levins, 1969).
V přírodě dochází k oscilacím, například ve společenstvech dravce a kořisti (Lotka, Volterra, 1920), u dlouhověkých cikád, při některých chemických reakcích (Bělousov, Žabotinski, 1951), při periodickém přemnožování obaleče v kanadských lesích (Ludwig, Jones, Holling, 1978).
Organismy produkují enzymy a bílkoviny a jejich fungování je závislé na rychlosti, s jakou dokáží syntetizovat potřebný enzym a na tom, jak dokáží udržet jeho stabilní hladinu. Výhodnější než jednoduchá konstantní produkce enzymu je, pokud si organismus vytvoří evolucí taktiku směřující ke zrychlení syntézy a zvýšení robustnosti stacionárního stavu, tj. zvýšení odolnosti proti narušení rovnováhy (viz [2]).
Ukážeme si, že uvedené efekty nejsou ničím jiným, než nevyhnutelným důsledkem principů, podle kterých funguje dané společenství. Matematickým modelováním převedeme představy o vztazích v populacích na pozorovatelná data. Zpravidla budeme sledovat velikost populace a její vývoj v čase.
Pokud matematický model vykazuje shodu s pozorovanou skutečností, máme všechny důvody domnívat se, že naše představy o principech fungování společenství jsou správné a to nám umožní sledovat, jak se situace bude měnit při změně parametrů jako jsou změna prostředí nebo lov či sběr členů této populace. Matematika umožní levné, snadné, etické a bezpečné experimenty s danou populací.
O metodách výuky#
Cvičení jsou z výpočetního hlediska zaměřeny na využití jazyka Python. To je moderní a perspektivní skriptovací jazyk, vhodný pro manipulaci s daty a přístupný i neprogramátorům.
Díky Pythonu zpřístupníme možnosti řešení matematických modelů i nematematikům. Vyhneme se obtížným výpočtům, kvůli kterým bychom se museli naučit používat netriviální matematický aparát, jako jsou derivace a integrály.
Nebojte se, nebudete programovat. Měli byste pasivně rozumět kódu z přednášek a cvičení a umět jej přizpůsobit jinému modelu nebo jiné situaci.
Příklady pro cvičení jsou zápisníky prostředí Jupyter, ve kterém Python budeme spouštět. Je možné otevřít v online prostředí nebo na svém lokálním PC.
Ve výuce budeme preferovat server jupyter.mendelu.cz. Přístup mají studenti předmětu. Login je stejný jako do UIS (například
xnovak65), přednastavené heslo máte v UIS, návod jak heslo najít je na přihlašovací stránce JupyterHubu.S Jupyter zápisníky je možno pracovat ve službě Colab spojené s Google účtem.
S Jupyter zápisníky je možno pracovat ve službě Anaconda Cloud. Účet si můžete zřídit sami, stačí free verze účtu a máte přístup i k umělé inteligenci, která Vám pomůže při psaní nebo ladění kódu.
Offline práce je možná, pokud máte nainstalovaný Python, Jupyter a s tím spojený ekosystém. Doporučenou volbou pro nejběžnější operační systémy (Linux, Windows) je Anaconda a jako editor buď Jupyter zápisník v prohlížeči nebo editor Visual Studio Code a pluginy Python, Pylance, Python for VSCode, Jupyter.
Přednášky jsou psány jazykem MyST a je možné je otevřít v online prostředí, které tento jazyk podporuje. To je v zimě 2022 částečně Binder a JupyterHub z online služeb a Jupyter Notebook jako offline volba. (Nejsou renderovány definice, věty a některá další prostředí, ty se zobrazují jako programový kód.) Vývoj však jde rychle dopředu…
Varování
Pokud pracujete na lokálním počítači, máte data pod kontrolou a nikdo jiný je nevidí. Při práci na JupyterHubu na Mendelově univerzitě data může vidět i admin serveru. (Toho budeme využívat při práci na zápočtovém projektu.) Při práci na serverech jako Colab či Binder jdou data přes servery dalších vlastníků a nemáte data plně pod kontrolou. Proto není vhodné pracovat s osobními daty a citlivým obsahem.
Troubleshooting#
V příkazech je chyba a je těžké ji najít#
Příkazy pište po malých krůčcích a teprve poté vše spojte. Pokud vidíte dlouhou chybovou hlášku, je zpravidla nejinformativnější její konec. Pokud nevíte o co jde, můžete část chybového hlášení nakopírovat do vyhledávacího políčka google a pátrat po radách k uvedenému problému.