1 DINMICA DE SISTEMAS ECOLGICOS Prctica Dirigida D3: Flujos aleatorios.

Introduccin:
En las prcticas dirigidas D2 y D3 tratamos aquellos flujos determinados fuera del sistema sin que medie en ellos ninguna decisin, es decir, cuyo valor no est condicionado por ninguna otra informacin del sistema. Dentro de estos, podemos distinguir: Flujos determinsticos: bajo idnticas condiciones, siempre se obtiene el mismo resultado (visto en la prctica D2). Flujos aleatorios: en cada ocurrencia del proceso, su valor depende de una funcin de probabilidad.

Como ejemplos en un ecosistema de procesos no controlados por el mismo podemos mencionar la radiacin, la precipitacin, el viento, los flujos de marea, la entrada de nuevos individuos (inmigracin) o de nuevas especies (semillas o individuos), o el aporte de nutrientes y/o de contaminantes. Por otra parte, un objetivo bsico de los modelos es, utilizando la informacin de lo que ha ocurrido en el pasado, realizar predicciones sobre lo que pasar en el futuro. Se trata de asumir la variabilidad e incertidumbre caracterstica de la informacin sobre la mayora de esos procesos, acotarla mediante la identificacin de patrones en las series de datos (ciclos, distribuciones de probabilidad) e implementarla en el modelo para trabajar operativamente con ella (fig. 1). Por tanto, la descripcin de tales procesos (representaciones, estadstica) no es el resultado final en Dinmica de Sistemas, sino que se utiliza como punto de partida.

a.1. Radiacin

a.2. Contaminacin industrial

b.1. Precipitacin

a) Flujos determinsticos Fig. 1.

b) Flujos aleatorios

Actividades para el aula:

I. Flujos aleatorios

Actividad 1: Flujos con distribucin probabilstica Normal. Evaporacin.

Se supone que los valores suministrados por el Servicio Meteorolgico Nacional sobre la evaporacin de masas de agua continentales son una aproximacin razonable de la evaporacin real de dichas aguas. Se quiere tener en cuenta, para la construccin de embalses previstos en el Plan Hidrolgico, la cuanta de las perdidas por evaporacin de dichos embalses. Nos han pedido que hagamos una simulacin de dichas prdidas para un perodo de 20 aos, en posibles embalses (an no existentes) situados en las proximidades de las siguientes ciudades: Gijn, La Corua, Mlaga y Madrid. Hemos recogido los datos de evaporacin de las estaciones ms prximas a las localidades anteriores. Los datos son los suministrados por el Servicio Meteorolgico Nacional (en mm/da, indicados como .d, o mm/ao, indicados como .a) para el perodo 1962-1991, de las estaciones meteorolgicas de Gijn, aeropuerto la Bacolla (La Corua), aeropuerto el Rompedizo (Mlaga) y El Retiro (Madrid). Estas estaciones eran las ms prximas a las localidades antes citadas, que tuviesen este tipo de informacin.

2
La solucin para simular las perdidas de cada una de las situaciones anteriores, dado que el sistema es no-determinstico, es utilizar los datos histricos de las estaciones como base para los posibles valores futuros. Para ello hay que dar los siguientes pasos: 1. Testar si los datos de que se dispone siguen una distribucin conocida. En esta actividad vamos a obviar este paso, asumiendo que los datos histricos antes mencionados siguen una distribucin normal (equivalente a la distribucin de frecuencias NORMAL de la figura 2.a). Una vez comprobado el ajuste obtendramos los parmetros de la distribucin (Media y Desviacin Estndar en el caso de la distribucin normal). Estos valores estn ya calculados para cada localidad en el archivo Excel Evaporacin de la carpeta de Prcticas DSE. 2. Para simular el comportamiento de un sistema real asumiremos estos valores de media y desviacin estndar de los datos histricos y los implementaremos en un flujo. Para ello utilizaremos la "built-in Function" NORMAL(media, desv_estndar), indicando los valores de los parmetros obtenidos antes, separados por una coma. En el caso de una distribucin estadstica de otro tipo se hara algo parecido, siempre que esta fuese alguna de las incluidas en el programa Stella (NORMAL, RANDOM, EXPRND: exponencial negativa, LOGNORMAL o POISSON). Si la funcin fuese de otro tipo, habra que poner la expresin de la misma en el correspondiente campo de implementacin de ecuaciones de un flujo Stella. 3. Para contabilizar la acumulacin de prdidas por evaporacin, conectaremos el flujo a un nivel (para cada localidad). Representar en una grfica los cuatro niveles y en otra los cuatro flujos (en ambos casos con una nica escala para las cuatro variables representadas) y simular varias veces. Cuestiones adicionales: - De las cuatro localidades consideradas cul sera, a tu juicio, la ms ventajosa para colocar un embalse? Podras cuantificar la respuesta? - Dnde es ms explcito el efecto de la variabilidad aleatoria, en los flujos o en los niveles? - Cul de los dos parmetros de la distribucin Normal crees que puede afectar ms al resultado final? (simula y compara varias versiones del sistema modificando los parmetros independientemente). - La forma del valle sobre el que se colocara el embalse, cmo afectara al proceso antes considerado? Cmo podra implementarse esta caracterstica en el sistema Stella?

3
40

35 30 25 20 15 10 5

0 60 70 80 90 100 110 120 130 0 0 20 40 60 80 100 120

a) Normal
60 50 40 30 20 10 0 0 50 100 150 200 250 300

c) Exponencial negativa Fig. 2. Ejemplos de distribuciones de frecuencias de series de datos simulados mediante las correspondientes funciones "built-in" del programa.

Fr e c u e n ci a Fr ec ue nci a

Fre cue nci a

30 25 20 15 10 5

b) Random

Actividad 2: Flujos con distribucin probabilstica uniformemente aleatoria (RANDOM). Acumulacin de Materia Orgnica.
En un fondo marino se ha registrado durante 100 das consecutivos la cantidad de materia orgnica en forma de detritus que cae hasta l, expresada en g . m-2 da-1 (archivo Excel "Flujo marino" en la carpeta de Prcticas DSE). Despus de analizar estadsticamente estos datos (paso que obviamos en esta prctica), se ha encontrado que esta serie de datos no difiere significativamente de una distribucin probabilstica uniformemente aleatoria (equivalente a la distribucin de frecuencias RANDOM de la figura 2.b). Los parmetros que definen esta distribucin son los valores mnimo y mximo observados en la serie de datos (ambos indicados en el archivo Flujo marino). Utilizando esta informacin emprica, tenemos que construir un sistema Stella que permita simular un flujo equivalente al observado. Para ello, usando la funcin built-in RANDOM del Stella y los valores de los parmetros obtenidos anteriormente ( RANDOM(mn., mx.)) simulamos varias veces un flujo de nutrientes como el de los datos reales, observando el comportamiento en el tiempo de los valores del flujo y de la acumulacin de materia orgnica en el fondo marino. La funcin RANDOM genera valores con igual probabilidad dentro del intervalo definido por el mnimo y el mximo que se indiquen. Cuestiones adicionales: - Si la evaporacin o la acumulacin de materia orgnica varan en cada simulacin debido al componente aleatorio cul sera el modo riguroso de presentar los resultados de modelos con componentes aleatorios? - Cul sera la diferencia esencial entre una funcin de flujo expresada frente al tiempo (la que se obtiene normalmente en las simulaciones) o frente a la frecuencia de los diferentes valores de esa variable (la que se obtiene en una distribucin de frecuencias)? - Cul es la diferencia entre los resultados de las simulaciones de los dos tipos de funciones aleatorias que se han probado (NORMAL y RANDOM)? Puede deducirse esta diferencia a partir de los datos de flujo o de acumulacin?

Actividad 3: Efectos aleatorios segn la posicin del componente aleatorio en la ecuacin de flujo
Para iniciarse en el complejo problema de incorporar componentes estocsticos ("ruido") a los modelos determinsticos de un flujo, es muy importante saber tanto las distintas formas en que estos pueden ser introducidos en la ecuacin como las consecuencias que tendrn sobre la dinmica del nivel. Para hacer ms comprensible este problema mostraremos algunas de estas consecuencias mediante el siguiente supuesto: Se quiere utilizar una cepa bacteriana para un proceso de depuracin de aguas residuales mediante la tcnica de lagunaje. Se sabe que el crecimiento neto de los cultivos responde a la siguiente ecuacin:

dN =rN dt

cel 3 mm h

(1)

donde el valor promedio de r es 0.2 en condiciones de laboratorio. Se ha visto que el modelo anterior responde bien a las condiciones habituales en las que se produce el lagunaje, pero que es muy sensible a cambios de contenido de oxgeno en agua. Esta sensibilidad se manifiesta en oscilaciones en torno a los valores de crecimiento establecidos en la ecuacin (1). Para solucionar las variaciones de oxgeno en el medio se propone un agitador mecnico del agua. El efecto de la agitacin hace homogneo el contenido de oxgeno en todo el volumen de agua. Sin embargo, cuando se reproduce esta agitacin en laboratorio aparecen nuevas variaciones en el crecimiento de la poblacin, cuya causa es atribuible a la agitacin misma.

5
En laboratorio se han aislado y medido los efectos de ambos componentes (variaciones en contenido de oxgeno y agitacin). El efecto de la agitacin sera explicable mediante el trmino aditivo Random( 2,2 ) aadido a la ecuacin (1) como se muestra a continuacin:

dN = 0,2 N + Random( 2,2 ) dt

cel 3 mm h

(2)

donde -2 y 2 son los valores mnimo y mximo, respectivamente, del efecto aleatorio que se aade segn una distribucin uniformemente aleatoria (es decir, la probabilidad es igual para cualquier valor entre esos lmites). El efecto de la variacin del contenido de oxgeno en el medio queda bien asumido en la ecuacin (1) haciendo que el parmetro r sea ahora Random( rmin , rmax ) , en concreto rmin = -0.2 y rmax = 0.6 , lo que dara lugar a la siguiente ecuacin:

dN = Random(0.2, 0.6) N dt

cel 3 mm h

(3)

Se pide que tomemos una decisin sobre agitar o no el agua de las lagunas de depuracin, explicando el porqu de la decisin. Las razones de esta decisin han de estar basadas en el comportamiento de las ecuaciones (2) y (3). En este sentido, y para facilitar la comprobacin de dicho comportamiento, han de darse los siguientes pasos: 1. Mediante la conexin de un flujo a un nivel, se implementar la ecuacin (1), lo que permitir simular la dinmica de crecimiento en ausencia de perturbacin. Esta parte del sistema ser utilizada como referencia (testigo, control). En el mismo diagrama se conectarn dos flujos a otros tantos niveles, pero sin relacin ni con el nivel anterior anterior ni entre s. En ambos se implementar la ecuacin (2), con lo que estos dos nuevos flujos-niveles sern exactamente iguales. Conviene que se considere el tipo de flujo que se ha de utilizar en este caso (uni o bidireccional). Igual que en el punto anterior pero implementando la ecuacin (3). Tambin aqu conviene considerar el tipo de flujo a utilizar (uni o bidireccional). Al final de este paso tendremos cinco flujos conectados a otros tantos niveles produciendo una dinmica en paralelo, pero sin relacin entre ellos. El equivalente real de estos simuladores en paralelo sera el seguimiento simultneo de cinco cultivos, uno en ausencia de movimientos de agua y en condiciones constantes de contenido de oxgeno, otros dos en los que el contenido de oxgeno se mantiene constante mediante agitacin, y por ltimo dos cultivos en los que el contenido de oxgeno vara. Se recomienda analizar los resultados al menos grficamente, pero ordenados de forma que podamos ver independientemente cada tipo de experimento en relacin con la situacin de referencia (flujo conectado al nivel del punto 1 anterior). Facilita la interpretacin tener los resultados grficos de flujos y niveles por separado, as como poner todos los resultados de una misma grfica a igual escala. Las condiciones iniciales de los niveles sern de 2 clulas y el tiempo de simulacin 24 horas. Tras las conclusiones sacadas con una simulacin, conviene ponerlas a prueba mediante varias simulaciones.

2.

3.

4.

5.