SPREAD IN SPACE 115

persamaan reaksi-adveksi-difusi parabola

N ∇
N= ∇ D (ξ)∇ N - D (ξ) p (ξ)
τ ξ pq ξ pq q + p (ξ) ξ

p (ξ) ~
+ g~ (N) N - l (N) N, ( 6.43)
p (ξ) + q

di mana Dpq (ξ) menunjukkan difusi tensor

Dpq (ξ) = q VFP (ξ) v dv;

| V | (p (ξ) + q) V

Fp (ξ) adalah kebalikan semu:

Fp (ξ) = Lp | 1⊥ -1

dan Lp menyatakan operator balik yang efektif

Lp Φ (s) = - (μ + p (ξ)) Φ (s)

+ (μ + p (ξ)) μ T (s, s) + p (ξ) Φ (s) ds

V μ + p (ξ) | V | (μ + p (ξ ))
dan 1 ⊂ L2 (V) menunjukkan ruang bagian linier dari fungsi konstan dalam s ∈
V. fungsi g, ~ l yang rescaled versi g = g, ~ l = l, memastikan bahwa kematian
danreproduksiterjadi pada skala makroskopik, dan tidak pada skala gerakan
individu.
Keterangan: Batas difusi dalam (6.43) yang luar biasa dalam beberapa car
1. Prosedur secara alamiah mengarah ke difusi nonisotropic diungkapkan
melaluidifusi tensor Dpq. Dalam banyak situasi, bagaimanapun, difusi akan
isotro pic dalam hal Dpq = dpq saya dengan difusi dpq konstan dan identitas
I.
Misalnya, jika individu memiliki kecepatan σ konstan> 0, V = σSn-1 dan
perubahan arah didistribusikan seragam, T (s, s) = | V | -1 kemudian, seperti
yang ditunjukkan pada Hillen dan Othmer (2000), kita memperoleh difusi
isotropik dengan

2
σq
d =.
pq n | V | (p (ξ) + q) (p (ξ) + μ)
kondisi lebih umum untuk isotropi dan contoh untuk difusi nonisotropic
diberikandalam Hillen dan Othmer (2000) dan Othmer dan Hille
2. Sungguh luar biasa bahwa (6.43) menunjukkan jangka taksi termasuk ∇p (ξ).
Ini adalah hanyut istilah dalam arah tingkat yang lebih tinggi dari p (ξ).
Karena tingkat berhenti, p (ξ), lebih besar dalam lingkungan yang
menguntungkan (lebih banyak makanan, tempat tinggal yang lebih baik),
istilah yang sesuai de ahli Taurat taksi menuju lingkungan yang
menguntungkan. Persamaan reaksi-difusi dengan pergeseran ke arah
lingkungan yang menguntungkan dipelajari oleh Cosner dan Lou (2003). Al
ternatively, penampilan istilah taksi tambahan ini dapat termotivasi langsung
dari persamaan diam-difusi, di mana tingkat berhenti adalah
spasial penyokdepen-:
vt = DΔv p (x) v + qw
(6.44)
wt = p ( x) v - qw,
PEMODELAN BIOLOGI dENGAN TAHAPAN DIAM

di mana v menjelaskan individu bergerak dalam ruang dan individu w saat

istirahat. Perhatikan bahwa model ini sesuai dengan model yang (6.38) dan model
(6.39) untuk f = 0 dan spasial bergantung menghentikan laju p (x). Untuk tingkat
transisi besar p, q kita memperoleh persamaan membatasi
ut= DΔ qu
q + p (x)
= D∇ q ∇u - qu 2 ∇p (x),

q + p (x) (q + p (x) )

yang menunjukkan jangka taksi yang sama seperti dalam (6.43).

3. Untuk melihat negara stabil yang disebabkan oleh istilah taksi, kami
menganggap tidak ada kelahiran dan kematian (f = g = 0). Kami menganggap
versi satu dimensi dari (6.43) pada interval [0, l] dengan Neumann kondisi
batas yang homogen. Kita menemukan bahwa bagi negara-negara yang stabil
kita memiliki hubungan

N (ξ) = κ (q + p (ξ)),

dengan integrasi konstan

l N (ξ) dξ

0
κ =.
ql + lp (ξ) dξ

Ini berarti bahwa bentuk N (ξ) mengikuti bentuk tingkat berhenti, yaitu,
 N (ξ) dan p (ξ) memiliki maxima umum dan minima.

Aplikasi
Aplikasi sistem dengan fase diam telah disebutkan di seluruh
bagian sebelumnya. Di sini kita secara khusus membahas aplikasi untuk paradoks
hanyut sungai,
untuk pengobatan radiasi tumor, bakteri direkayasa dan penyakit menular.

Penyimpangan Sungai
Paradoks“sungai hanyut paradoks” menggambarkan fenomena bahwa
berbagai spesies hewanpersistdi cepat fl karena sungai meskipun terus individu
hanyut ke sungai.Ternyata masalah ini adalah dari jenis yang muncul pada Contoh
6.1 dan juga dalam chemostat dengan washout. Pachepsky et al. (2005)
menyelidiki interaksi fase reproduksi bentik
w dan fase v bergerak di mana individu bergerak (dengan difusi) dan dapat
dibawa pergi oleh konveksi. Dalam bentuk nondimensional model mereka
membaca (membandingkan (6.38))

vt = vxx - νvx -pv + qw

(6,45)
wt = w (1 - w) + pv - qw,mana ν menunjukkan kecepatan drift.
Drift sungai paradoks dapat didekati dengan beberapa cara. Pertama satu
dapat mempertimbangkan masalah ukuran domain kritis klasik dengan adveksi.
Ketika hubungan antara stasioner dan fase gerak lemah (q <1) maka wt tetap
positif untuk kecil w, dan penduduk tetap tanpa syarat. Namun, ketika link yang
kuat (q> 1), maka ketekunan tergantung pada baik kecepatan adveksi ν dan
domain (sungai) panjang L. Sebuah kondisi yang diperlukan untuk ketekunan
adalah bahwa kecepatan adveksi kebohongan
di bawah ambang batas kritis (ν <ν*
= 2 p / (q - 1)). Ketika kondisi batas ini
adalah puas, kritis pendekatan ukuran domain mempekerjakan panjang domain L
sebagaibifur- parameter kationuntuk keberadaan solusi trivial (yaitu,
ketekunan).wajar Kondisi batasuntuk fase bergerak adalah nol fluks di ujung atas
dari aliran (x = 0) dan bermusuhan di ujung bawah dari aliran (x = L) (Pachepsky
et al., 2005). Kondisi ketekunan kemudian
L> 4p2 tan-1-1 4p - ν2. (6.46)

- ν2 ν q - 1
q-1

Kedua, penulis mempertimbangkan tersebar di sungai panjang fi nite, dan

menghitungatas alirandan kecepatan gelombang berjalan hilir. Metode untuk
inigelombang bepergian
analisisadalah sama dengan yang diuraikan dalam Lewis dan Schmitz (1996) dan
Hadeler dan Lewis (2002), tapi sekarang dengan adveksi termasuk (Pachepsky et
al., 2005). ini Analisisdapat dihubungkan dengan analisis ukuran domain kritis
melalui ambang ν*. Sebuah hulu kecepatan gelombang berjalan positif adalah
tergantung ν <ν*.Pada ν = ν* warung invasi hulu. Dengan demikian, pendekatan
cukup terpisah, bepergian kecepatan gelombang
dan ukuran domain kritis, dihubungkan bersama oleh kecepatan adveksi kritis.ap-
ini Proachtelah diperpanjang untuk mencakup umum perilaku penyebaran di
Lutscher et al. (2005).
Pachepsky et al. (2005) juga berasal persamaan membatasi bawah
kecepatan transfer antara usia mobile dan fase stasioner (p, q → ∞, dengan q / p =
ρ), yang mereka sebut “kedua Fisher pendekatan” untuk total kepadatan individu,

( 1 + ρ) ut = u (1 - u) + ρuxx - ρνux. (6.47)

Mereka menggunakan persamaan membatasi fi kondisi nd sederhana untuk

ketekunan daninva- sionbawah asumsi populasi mobile dan stasioner sangat
terkait.dengan Sesuai hasil umum kami para penulis menyatakan bahwa “... fi
nite waktu tinggal dibenthos (p, q <∞) meningkatkan kegigihan populasi.”
(Pachepsky et al., 2005, halaman 12). Juga, dalam masalah ini fase istirahat (fase
bergerak) menstabilkan dinamika.

Penyebaran mikroba rekayasa genetika

genetik rekayasa mikroba (GEMS) dapat menyediakan layanan yang
bermanfaat di bidang pertanian, dan uji coba lapangan cenderung meningkat di
masa depan. Layanan mencakup, misalnya, perpanjanganmusim tanam. Hal ini
disebabkan pencegahan nukleasi es pada tanaman oleh direkayasa bakteri “es-
minus” (Lewis et al., 1996). Namun, kekhawatiran tetap mengenai proliferasi dan
penyebaran permata, serta potensiekosistem gangguan dan transfer gen. Lewis et
al. (1996) model penyebaran permata di hadapan persaingan dengan bakteri liar.
Sebagai contoh, mitra liar untuk “es-minus” bakteri adalah alami“es-plus” strain
yang nukleasi kristal es. Sementara ekologi tradisional pendekatanakan
menekankan rincian kompetisi lokal, kunci untuk pemodelan penyebaran Gems
adalah dimasukkannya kompartemen mobile, menggambarkan aerosol, atau air
permukaan dan air tanah suspensi, di mana ada gerakan yang cepat tapi kematian
yang tinggi. Berikut model ini
∂sw
= s (1 - s - γ s) + pm - qs
∂twwweww

∂se
= rs (1 - s - γ s) + pm - qs
∂teeewee

(6.48)
∂mw ∂2mw
∂t =-μwmw -pmw + qsw + ∂x2

∂me ∂2me
 ∂x2∂t = -μeme -pme + QSE + δ,

di mana dan m mengacu pada kompartemen stasioner dan mobile, dan subscript w
dan e menunjukkan strain liar dan direkayasa. Perhatikan bahwa penyebaran
spasial strain membutuh kanterkait pertumbuhandan penyebaran dan karenanya
nol kecepatan transfer q dan p. Kasus yang paling sederhana, yang kami anggap di
sini, di mana strain liar dan direkayasa adalah identik dalam semua aspek namun
kemampuan mereka untuk bersaing (r = δ = 1 dan μw = μe = μ). Kasus dengan
pengecualian kompetitif satu strain dengan yang lain membutuhkan satu competi-
tion koefisien lebih besar dari satu, dan kurang yang lain dari satu. Ketika satu
strain hanya pesaing sedikit lebih baik, adalah wajar untuk juga menganggap γw +
γe ≈ 2. Tanpa kehilanganumum kita mempertimbangkan kasus di mana strain
rekayasa adalah yang lebih baik pesaing(γe <1). Meskipun ini mungkin tidak
selalu benar, itu adalah kasus yang menarik ketika datangke penyebaran GEMS.
Kita mulai dengan mempertimbangkan persamaan membatasi, mana ada
yang kuat, hubungan yang seimbang
antara kelas menetap dan mobile (q, p → ∞, dengan q / p = ρ). Berikut sistem
(6.48) menyederhanakan fi es ke dimodifikasi spasial persamaan kompetisi Lotka-
Volterra*

2
∂sw ∂ sw
(1 + ρ) = s [1 - ρμ - s - γ s] + ρ
∂twwwe ∂x2
(6,49)
2
∂se ∂ se
(1 + ρ) = s [1 - ρμ - s - γ s] + ρ.
∂x2 ∂teeew

Dalam hal ini pendekatan Okubo et al. (1989) dapat digunakan: penambahan
* Perhatikan kesalahan ketik pada setara persamaan (16) dan (17) dari Lewis et
al. (1996).

dua persamaan dan penerapan kondisi γw + γe = 2 menghasilkan persamaan

tunggal
bentuk Fisher bagi individu menetap

2
∂s ∂ s
(1 + ρ) ∂t = s [1 - ρμ - s] + ρ ∂x2 . (6.50)

Meskipun individu menetap tidak benar-benar menyebar, perilaku mereka

konsisten dengan istilah difusi-jenis dalam persamaan (6.50), karena mereka
digabungkan kuat untuk komponen ponsel difusi. Persamaan ini memilikimenarik
secara global invarian berjenis s = 1- ρμ, yang positif, memberikan pertumbuhan
selama waktu yang dihabiskan di kelas stasioner melebihi kematian selama waktu
yang dihabiskan di kelas mobile. Kami berharap kondisi awal untuk memulai
dekat berjenis invarian ini, dengan sw ≈ 1-ρμ dan se ≈ 0 kecuali pada gangguan
lokal yang sesuai dengan lokalpengantar tiondari strain rekayasa. Oleh karena itu
wajar untuk mempertimbangkan kasuspopulasi penyebaranpada manifold
invarian. Pergantian dari se = 1 - ρμ - sw ke dalam keduapersamaan (6.49)
menghasilkan jenis lain Fisher persamaan
∂se = (1 - ρμ) (1 - γe) s se + ρ ∂2se
e 1 - 2 (6,51)
∂ t (1 + ρ) 1 - ρμ 1 + ρ ∂x
dengan asimtotik spread tingkat
(1 - ρμ) (1 - γ) ρ
c* = 2 e. (6.52)
1+ρ
Perhatikan bahwa penyebaran diperlambat oleh interstrain γe kompetisi dan
kematian μ, tetapi tidak monoton terhadap keseimbangan ρ transfer rate = q / p.
Memang, yang terburuk, atau tercepat, invasi terjadi ketika mobile untuk transfer
rate stasioner sedikit melebihi stasioner untuk tingkat seluler sehingga p = q (1 +
2μ), dengan kecepatan c* = (1 - γ) / (1 + μ ). Seperti angka kematian di kelas
mobile, μ, mendekati nol, kecepatan menyederhanakan fi es untuk c* = √1 - γ,
yang persis setengah tingkat dihitung dengan Okubo et al. (1989) untuk
penyebaran spesies kompetitif unggul ke lain melalui Lotka-Volterra dengan
pertumbuhan kompetitif simultan dan difusi. Mengurangi separuh dari tingkat
penyebaran berasal dari berbeda asumsi asli. Daripada memungkinkan
untuk pertumbuhan simultan kompetitif dan difusi, persamaan (6.48)
mengasumsikan bahwain- dividualsbaik bersaing dan tumbuh, dalam satu kelas,
atau difus, di lain. Kasus dengan kelas mobile dan stasioner terkait lemah dapat
dipahami dengan menggunakan metode matematika yang sama (lihat Lewis et al.
(1996), Lampiran). invarian Manifoldditemukan dengan menambahkan dua yang
pertama dan kedua dua persamaan (6.48), dengan asumsi γw + γe = 2, untuk
mendapatkan sistem berkurang

∂s
= w (1 - w) + pm - qs
∂t
(6,53 )
∂m ∂2m
∂t = -μm -pm + qs + ∂x2.

Berikut variabel s = sw + se dan m = ms + saya merupakan jumlah total

mikroba, baik rekayasa genetika dan liar, di kolam renang stasioner danmobile,
kolam renang masing-masing. Spasial homogen solusi mapan untuk sistem ini
adalah
(0,0) dan (S, M), di mana
 μ (1 - q) + pq
S = M = W. (6.54)
μ+pμ+p

Persetujuan argumen persegi panjang (smoller, 1982) menunjukkan bahwa (s, M)

adalahglobal stabil titik equilibriumuntuk (6,53) (Schmitz, 1993), dan karenanya
sw + se = s dan ms + saya = M adalah manifold invarian menarik secara global.
Pada berjenis ini, permata menyerang
mematuhi
∂se
= s (1 - s - γ (S - s)) + pm - qs
∂teeeeee
(6,55)
∂me ∂2me
∂t = -μme -pme + QSE + ∂x2 .

Karena S <1 (6,54) dan γe <1, persamaan (6.55) menjelaskan pertumbuhan

logistik dinegara stasioner dan beralih antara fase menetap dan keadaan seluler
(lihat Bagian 6.8.1). Berikut penyebaran GEMS dapat dihitung sebagai untuk
persamaan (6.38). Seperti dengan kasus sangat digabungkan (di atas), angka
kematian nol (μ = 0) dantransfer yang seimbang kecepatanq dan p menyebabkan
tingkat penyebaran c* = √1 - γ. Gambar 2 dari Lewis et al. (1996)
menunjukkan tingkat spread untuk μ nol dan kecepatan transfer yang tidak
seimbang.

Pertumbuhan tumor: Model linear-kuadrat

Kita dapat menggunakan mekanisme dinamika diam untuk mendapatkan
kuadrat linear Model dalam pengobatan radiasi kanker. Ada diasumsikan bahwa
fraksi yang masih hidup S (D) dari tumor setelah pengobatan radiasi dengan dosis
D (t) dapat dinyatakan sebagai
 -αD (t) -βD (t) 2
S (D) = e, (6,56)

di mana α dan β adalah konstanta negatif. Telah terbukti bahwa model ini fi ts
banyak data yang benar-benar baik (Wheldon, 1988). Hal ini diketahui bahwa sel-
sel berkembang biak dapat memasuki fase diam untuk akhirnya memasuki
siklussel lagi. Fase diam adalah kepentingan tertentu dalam pengobatan radiasi
kanker karena radiasi yang paling merusak sel-sel berkembang biak sangat
aktif.Qui- Sel-sel escentyang terkena radiasi juga tapi mereka punya waktu cukup
untuk memperbaiki DNA kerusakandan memulihkan. Oleh karena itu untuk
pengobatan untuk menjadi sukses adalah penting untuk memperkirakanfase diam.
Pengendalian kanker model siklus sel dipelajari oleh Dawson dan Hillen (2005)
dan Swierniak et al. (1996) dan banyak lainnya. Di sini kita mempelajari
penyandang. model berikut adalah Biarkan N (t) menunjukkan sel-sel tumor aktif
dan R (t) sel-sel tumor istirahat. Hal ini diasumsikan bahwa sel-sel secara acak
beralih antara fase aktif dan diam. Model alternatif,di mana sel-sel setelah
proliferasi langsung memasuki fase diam, telah
dipelajari dalam Dawson dan Hillen (2005). Di sini kita belajar:

˙˙
N = μN (1 - N / K) -pn + QR - (A1 + BD (t)) D (t) N,
˙˙
R = -qR + pN - A2D (t) R.

Pertumbuhan tumor dimodelkan melalui istilah logistik. Model-model alternatif

menggunakanhukum Gompertz, persamaan Bernoulli atau hukum pertumbuhan
von Bertalanffy (lihat Gyllen- berg dan Webb (1989), Britton (2003)). Kami
menggambarkan kerusakan radiasi melalui
fungsi hazard h (t) = (A1 + 2BD (t)) D (t) (lihat Zaider dan Minerbo (2000)),
mana D (t) adalah total dosis dan D ( t) adalah dosis-tingkat. Parameter A1 dan
A2
menggambarkan kerusakan radiasi yang disebabkan oleh peristiwa hit tunggal
sedangkan koefisien B de- ahli Taurat kerusakan hit ganda. Hal ini diasumsikan
bahwa sel-sel diam dapat pulih dariganda, peristiwa hit karena mereka punya
waktu untuk memperbaiki kerusakan. Kami juga menganggap bahwa A <A.

Persamaan membatasi berbunyi ˙˙

u = qu~ (1 - qu / K~) - ((~qA1 + pA~ 2) D (t) + qB~ D (t) D (t)) u. (6,57)
Untuk mendapatkan model linear-kuadrat (6,56) kita mengasumsikan
bahwa proliferasi sel lambat pada skala waktu pengobatan radiasi. Oleh karena itu
kami mempelajari
U = - ((~qA1 + pA~ 2) D (t) + qB~ D (t) D (t)) u (6,58)

yang memiliki solusi

u (t) = u (0 ) exp (-αD (t) - βD (t) 2),

dengan
α = qA~ 1 + pA~ 2, β = qB.~

The α / β-rasio yang digunakan dalam aplikasi klinis untuk memilih protokol
radiasi terbaik.
Telah diamati secara eksperimental bahwa sel-sel dalam siklus sel lama memiliki
α / β-besar,
rasio sementara sel-sel dalam siklus sel pendek memiliki α / β-rasio rendah.
Model ini menunjukkan bahwa α
adalah rata-rata tertimbang dari A dan A, sedangkan β sebanding dengan Q dan B.
Kemudian besar
α / β-rasio sesuai dengan q~ kecil, atau kecil B. Kecil q~ menyiratkan bahwa
sebagian kecil
dari populasi adalah di kompartemen aktif.
Penyakit menular
Memperkenalkan fase diam dalam jumlah model yang Kermack-
McKendrick klasik untuk mengasumsikan bahwa individu menghindari kontak
pada interval acak (Castillo-Chavez dan Hadeler, 1995; Hadeler dan van den
Driessche, 1997). Satu memperoleh

˙ SI
S = -β p S + q W
11
N
˙ SI
I = β - αI p I + q Z
22
N
˙
R = αI + αZ
˙
W=pS-qW
11

˙
Z = -αZ + p I - q Z
22

N=S+I+W+Z+R
di mana S menunjukkan aktif rentan, saya aktif terinfeksi, R pulih, dan W, Z in
dividuals yang temporal meninggalkan kelompok risiko . Parameter β
menunjukkan infeksi tingkatdan α adalah tingkat pemulihan. Di sini dapat
mengasumsikan bahwa N adalah konstan. Oleh karena itu tidak peduli apakah
seseorang menggunakan kinetika aksi massa atau kejadian standar.
Namun, interpretasi dari hal-hal fase diam. Itu membuat perbedaan jika orang
menghindari kontak sosial sama sekali atau hanya kontak yang dapat
menyebabkan penularan penyakit.Hal ini juga penting jika jumlah kontak
berkurang atau jika tetap konstan dan karenanya jumlah yang sama dari kontak
didistribusikan di lebih kecilkemudian
populasiaktif. Jumlah reproduksi dasar

ß q1 q2 + α
R0 =. (6.59)
α p1 + q1 p2 + q2 + α

Dalam pandangan d (S + I + W + Z) / dt = -α (I + Z) jelas bahwa akhirnya aku + Z

→ 0.
Dari d (S + I) / dt = -βSI berikut bahwa jumlah total potensi susceptibles
S + W menurun. Karena itu pada batas set S + W adalah konstan dan p S = q W.
Dalam Berbeda dengan kasus klasik tidak ada rumus eksplisit atau persamaan
untuk Proporsi individu yang belum pernah terinfeksi.
Oleh karena itu model berperilaku dasarnya sebagai model Kermack-
McKendrick klasik tetapi fase diam mengurangi jumlah reproduksi dasar. Hadeler
dan van den Driessche (1997) membahas situasi yang lebih umum (dan lebih
realistis) di mana tingkat tergantung pada prevalensi penyakit.

distribusi Hubungi dibandingkan migrasi infektif

tradisional, penyebaran wabah penyakit dalam ruang telah dimodelkan
denganyang cara berbeda,dengan distribusi kontak (Kendall) dan oleh migrasi
individu (Noble). Sebuah distribusi kontak menggambarkan kekuatan menular
yang satu individu menular pada posisi y diberikannya pada individu yang rentan
pada posisi x. Distribusi kontak adalah nonnegatif simetrik konvolusi kernel k
dengan k * 1 = 1,
(k * u)(x) = IRN k (x - y) u (y) dy.
Model ini mengasumsikan bentuk

St = -β (k * I)S
(6.60)
Ini = β (k * I)S - αI.

Di sisi lain, salah satu dapat model gerakan individu dengan proses migrasi
melalui
St = -βIS + dS (k* S- S)
(6.61)
Ini = βIS - αI + dI (k* I - I)

di mana lagi k adalah a non-negatif simetris konvolusi kernel dengan k * 1 = 1

dan dS, dI adalah difusi koefisien koefisien, biasanya berbeda untuk rentan dan
terinfeksi.
Tugas

STATISTIKA SPASIAL

NAMA : HARYO BAGUS EKA

NIM : F1A2 15 020

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HALU OLEO
KENDARI
2018