Modelamiento de Sistemas!

Dr. Ciro Rodriguez R.

dH
dt = r*H - g*H*F
dF
dt = g*w*H*F - m*F

Que es un Sistema?
Sistema: grupo de partes interactuantes que
comparten una ubicacin comun en un espacio ,
tiempo y/o funcion.
Dinamica de Sistemas : todo lo que cambia en el tiempo
Ecosistema

Flujo de sistemas

Objetivos de la Ciencia Ambiental

Entendimiento
Prediccion
Administracion

CO2

Como mejoramos el
1. Campo de Estudios
entendimiento?
Observacional
Manipulativo

2. Modelos

Control

Realis
m

Conceptual
Fisico (vivientes y no vivientes)
Matematico
(puede tambien ser observacional o manipulativo)
Las Opciones reflejan equilibrio
Control: capacidad de manipular y relacionar causa y
efecto
Realismo: como se representa la naturaleza con
precision de los experimentos.

Campo de estudio Manipulativo

e.j.Estudios de Lago y Vertiente

Pedro y Pablo estudio de lago

Riachuelo Hubbardestudio de vertie

Ventajas: Realismo
Desventajas: Control, repeticion, costo, viabilidad

Cual es el Modelo?
Modelo: Representacion abstracta y simplificada
de la realidad
Modelo = analogia, metafora
Lenguaje simbolico para describir relaciones

Objetivo: construir un repertorio de analogias

Poesia cuantitativa

dH
dt = r*H - g*H*F
dF
dt = g*w*H*F - m*F

Verdades acerca de Modelos

1. Fundamental (y quizas unico?) a seres humanos
Construimos y comunicamos la realidad con simbolos y
analogias
Aprendizaje = construccion de modelos mentales
Nuestra realidad es siempre un modelo subjetivo de
alguna realidad objetiva.
dH
dt = r*H - g*H*F
dF
dt = g*w*H*F - m*F

Verdades acerca de Modelos

2. Mentalmente simulamos derivando significado y
prediccion

Que pasa
si?

dH
dt = r*H - g*H*F
dF
dt = g*w*H*F - m*F

Verdades acerca de Modelos

3. Estan conectados a puntos de vista y/o objetivos
4. Todos los modelos son errados, algunos son utiles
(W.E. Deming)
5. Ningun modelo esta siempre completo (J.
Hawkings)
dH
6. No tenemos otra alternativa, excepto
modelar!
dt = r H - g H F
*

dF
dt = g*w*H*F - m*F

Tipos de Modelos:

Modelos
Modelos
Modelos
Modelos

Mentales
Conceptuales
Matematicos
Fisicos
dH
dt = r*H - g*H*F
dF
dt = g*w*H*F - m*F

Modelos Mentales
Construccion mental simbolica de la realidad
Pros: Ha permanecido en nosotros desde la
evolucion
Cons: No confiable para sistemas con:

Caracteristicas
Muchas variables
claves de muchos
Retroalimentacion
sistemas sociales y
Tiempo de demora
ambientales!
Sentido
Mucho tiempo y escala de espacio
s

CO2

Modelos Conceptuales
Descripcion mas formalizada de relaciones entre
componenes de un sistema

Frecuentemente escrito en palabras o en simbolos

e.j. Mapas de lugares, ideas, relaciones
e.j. Diagramas de Flujo, graficos
e.j. Hipotesis, teorias

Modelos Conceptuales
e.j. candado y llave hipotesis de reacciones de
enzima catalizada
Ej. Surcase = enzima
sustrato
Lugar
glucosa
activo

glucosa + fructuosa = molecula de

fructuos
a

H2O

Enzima Libre
Enzima(E)
(sacarosa)

Sustratos(
S)
Enzima-Sustrato
complejo(E-S)
combinacin especifica
entre
enzima + sustrato

Sacarosa
(producto)

Modelos Conceptuales
e.j. Modelo del atomo de Bohr

Modelos Conceptuales
e.j. Aprendizaje de Servicio
Niveles de complejidad en modelos

Modelos Conceptuales
e.j. Efectos interactivos de CO2 elevados en plantas y
ecosistema

CO2
Microbial
activity

Free N

+
-

Photosynthesis

Root exudation

Crecimiento de Planta

Decomposition

C/N ratio

Decomposition

Free N

Herviboro

Modelos Conceptuales
Modelos Conceptuales como humor
(El poder de la analogia!)

Modelos Conceptuales
e.g. dynamics of a simple planktonic
ecosystem

Consumers
Producers
(HT Odums energy
circuit language)

Light
Nutrients

Modelos Fisicos
Small scale physical representations which
retain certain key features of larger natural
system
Nonliving
Organismal
Ecological
(Not this type of model silly!)

Modelos Fisicos

Experimental ecosystems (microcosms &

mesocosms)
Bonsai ecosystems
The lab rats of ecosystem level research
Advantage: intermediate level of control and realism

Grado de abstraccion en los

Question and objectives determine appropriate degree of
modelos
specificity
Genericos: A una amplia clase de sistemas
Especificos: A un tipo de sistema
Realism
Control

Modelos
de Ecosistemas
Models
of Human
PhysiologyNaturales
and Behavior

Generalidad, Realismo, Costo

Modelos Matematicos

Tipos (categorias no exclusivas

categories):

Modelos Analiticos
Modelos Estadisticos
Modelos Estocasticos vs. Deterministicos
dH
Modelos de Caja (modelos de presupuesto)
dt = r H - g H F
dF
Modelos Empiricos vs.
dt = g w H F - m F
teoricos/mecanisticos
Modelos de Simulacion Estaticos y
Dinamicos
*

Modelos y relaciones entre

Variables Independientes
variables

Causa, etimulos, forzamiento de funciones

Variables Dependientes
Variables Dependientes

Efecto, respuesta, variable de estado

e.j. Curva de respuesta de Dosis

Variables Independientes

Modelos de Simulacion
Sigue los cambios a traves del tiempo (tiempo =
Dinamica
variable independiente)

Lenguaje de la Simulacion
Stock = variable de estado:
Dinamica

Cantidad de material almacenada en varias partes de un

sistema

Flow = entrada & salida = tasa de cambio = ecuacio

diferencial :

Stock

Movimiento de material dentro o fuera del un stock

Numero de Personas

Nacimiento

Muertes

Flow

e.j. Modelo Simple de Predadores

La relacion matematica que construimos entre stocks y

flujos representa una formalizacion de hipotesis.
dH
Cambio en Liebres =
dt = r*H - g*H*F

Lobos

Lobos
nacimientos muertes

dF
dt = g*w*H*F - m*F

Liebres

Abundancia

Predadores

nacimientos muertes

Cambio en Lobos =

0.00

25.00
50.00
Tiempo (dias)

e.g. Simple predator-prey model

nacimientosmuertes

Lobos
nacimientosmuertes

Discrepancia?

Lobos

Predadores

Predadore

Abundance

Simulacion del Modelo

Datos de un sistema
real

0.00

25.00
50.00
Tiempo (dias)

e.j. Modelo de un ecosistema acuatico

La simulacion nos permite examinar escalas de
tiempo, espacio y complejidad que de otra manera
podria ser imposible
Periphyton
Phyto
DIN
Control
&
Graphs

1st experiment runs from day 111 (Apr. 21)

to day 139 (May 19).
2nd experiment runs from day 187 (July 6)
to day 237 (Aug. 25). Nut pulse on day
220,221.
3 rd experiment runs from day 291 (Oct. 18)
to day 336 (Dec. 2). Nut. pulse on day 311,
312.

O2

Benthic algal

Sed C

g
in
r
lF
c
s
y
P
r
t
a
p
m
T

g
L
e

io
s
ff
D
g
in
r
F
m
s
o
C

Lt, Nut Limited

t
D

Lt, Nut Limited

s
io
e

a
t
D
g
in
r
o
F
C

e
g
n
h
c
E

Ventajas: Control, flexibilidad

Desventajas: Realismo (model only as good as assumptions

Premisa de supuesto:

Un limitado numero de formulaciones basicas puede ser

combinado para entender a una amplia variedad de
sistemas y fenomenos complejos.
A mayor cantidad de analogias que se domine , sera mayor
el entendimiento del fenomeno sistemico!
dH
dt = r*H - g*H*F
dF
dt = g*w*H*F - m*F

Para que son buenos los modelos

de simulacion?
Organizing, summarizing and integrating our
understanding
Formalizing hypotheses
Forcing us to identify our assumptions
Testing and identifying gaps in knowledge
Forum for communication and discussion
Conducting impossible experiments
Elucidating dynamics resulting from time-delays and
feedback
Improving rigor of conceptual models
Prediction

Personal info for card

Major
Year
Geographic home
Academic interests
Non-academic interests
Some phenomena you might like to model

Write your name in big block letters on

back

Modelo de Silvicultura Sostenible

Mature trees (#/acre)

Dancing Bear Forest Simulation

Time (yrs)
Start new
harvest

Sustainable forestry model

Two conceptual models of

I. The Charlie Parker model
learning
II. Collaborative learning
dH
dt = r*H - g*H*F
dF
dt = g*w*H*F - m*F

I. Modelo de aprendizaje de Charlie

Aprende el intrumento, Aprende la musica, y luego
olvidalos
Tres tareas de parendizaje aplicadas al modelamiento
1. Instrumento: vocabulario y grmatica del modelamiento
2. Musica: comprension de topicos & formulaciones
basicas
3. Olvida ambos: pensamiento de sistemas intuitivos

Structure and evaluation in ENVS340

Lectures and readings: 1&2
Quizzes: 1&2
Modeling assignments: 1,2&3
Modeling project: 2&3

II. El Modelo Colaborativo

Top-Down

Porque?
Habilidad de solucionar problemas
Retencion y motivacion
Mejor modelo de sistema ambiental!

Componentes Esenciales:
Interdependencia positiva
Colaborativo
Responsabilidad individual y de grupo
Heterogeneidad (habilidades mezcladas)

Implementacion
Cambio a modelado par

Collaborative

Combinacion de Modelos de Aprend

Conclusiones: El desempeo individual
resaltado por el desempeo colectivo
ensamble
Es buena la diversidad
Examenes en pareja
Grading not on curve
% of your grade determined by group members
Collaborative

es
de