Моделирование морских экосистем: опыт, современные подходы, направления развития (обзор). Часть 1. Сквозные модели

С. В. Бердников1,✉, В. В. Селютин1, Ф. А. Сурков2, Ю. В. Тютюнов1

1 Федеральный исследовательский центр Южный научный центр Российской академии наук (ЮНЦ РАН), Ростов-на-Дону, Россия

2 Южный федеральный университет (ЮФУ), Ростов-на-Дону, Россия

✉ e-mail: berdnikovsv@yandex.ru

Аннотация

Цель. Несмотря на сравнительно недолгую историю моделирования морских систем, точкой отсчета которой является конец 1960-х – начало 1970-х гг., данное направление развивается исключительно интенсивно, и количество публикаций по моделированию морских систем исчисляется тысячами. Целью статьи является обзор накопленных в этой области достижений. Основное внимание уделено общим принципам и спектру современных подходов к моделированию морских систем. Результаты анализа и обобщения более двухсот источников – научных статей, монографий и разделов монографий, интернет-ресурсов – представлены в двух частях, публикуемых отдельно.

Методы и результаты. За последние десятилетия понимание закономерностей функционирования морских экосистем существенно возросло, как и возможности экологического мониторинга и компьютерных технологий. Одновременно в связи с увеличением количества глобальных и региональных экологических программ и проектов в области морепользования, охраны морской среды и анализа последствий изменения климата возрос спрос на количественные инструменты для поддержки инициатив по управлению рациональным использованием морских ресурсов на основе экосистемного подхода. Это привело к запросу на более сложные многокомпонентные модели и значительному росту числа такого рода моделей. Первая часть данного обзора посвящена «сквозным» (end-to-end) моделям – сложным интегративным инструментам поддержки инициатив по управлению рациональным использованием морских ресурсов.

Выводы. Способность анализировать сценарии «что, если» делает сквозные модели полезным инструментом для определения эффективных вариантов управления морскими биологическими ресурсами, в том числе управления рыболовством, и оценки влияния климатических изменений и антропогенных воздействий на все трофические уровни, включая биогеохимический цикл, микробную петлю, различные типы детрита. Эти модели не следует использовать при принятии тактических решений (в этом случае лучше работают локальные объектно-ориентированные субмодели), но они являются полезными инструментами для стратегического планирования и комплексных оценок альтернативных стратегий управления.

Ключевые слова

морские экосистемы, сквозное моделирование, модели трофодинамики, модели промысловых популяций, информационные технологии

Благодарности

Публикация подготовлена в рамках ГЗ ЮНЦ РАН на 2022 г. по теме № 122013100131-9 «Геоинформационный анализ и моделирование морских и наземных экосистем Юга России».

Для цитирования

Моделирование морских экосистем: опыт, современные подходы, направления развития (обзор). Часть 1. Сквозные модели / С. В. Бердников [и др.] // Морской гидрофизический журнал. 2022. Т. 38, № 1. С. 105–122. EDN DVFRPJ. doi:10.22449/0233-7584-2022-1-105-122

Berdnikov, S.V., Selyutin, V.V., Surkov, F.A. and Tyutyunov, Yu.V., 2022. Modeling of Marine Ecosystems (Review): Experience, Modern Approaches, Directions of Development. 1. End-to-End Models. Physical Oceanography, 29(1), pp. 98-114. doi:10.22449/1573-160X-2022-1-98-114

DOI

10.22449/0233-7584-2022-1-105-122

Список литературы

  1. Using ecological models to assess ecosystem status in support of the European Marine Strategy Framework Directive / C. Piroddi [et al.] // Ecological Indicators. 2015. Vol. 58. P. 175–191. https://doi.org/10.1016/j.ecolind.2015.05.037
  2. Using ecological modelling in marine spatial planning to enhance ecosystem-based management / A. Shabtay [et al.] // Marine Policy. 2018. Vol. 95. P. 14–23. https://doi.org/10.1016/j.marpol.2018.06.018
  3. Интегрированная математическая модель большой морской экосистемы Баренцева и Белого морей – инструмент для оценки природных рисков и эффективного использования биологических ресурсов / С. В. Бердников [и др.] // Доклады Академии наук. 2019. Т. 487, № 5. С. 566–572. https://doi.org/10.31857/S0869-56524875566-572
  4. Observations and models to support the first Marine Ecosystem Assessment for the Southern Ocean (MEASO) / M. J. Brasier [et al.] // Journal of Marine Systems. 2019. Vol. 197. 103182. https://doi.org/10.1016/j.jmarsys.2019.05.008
  5. Саркисян А. С. Численный анализ и прогноз морских течений. Л. : Гидрометеоиздат, 1977. 182 с.
  6. Чернов И. А. Особенности сопряжения моделей циркуляции моря и морской экосистемы BMF // Труды Карельского научного центра РАН. 2018. № 7. С. 100–116. https://doi.org/10.17076/mat830
  7. Крукиер Л. А. Математическое моделирование гидродинамики Азовского моря при реализации проектов реконструкции его экосистемы // Математическое моделирование. 1991. Т. 3, № 9. С. 3–20. URL: http://mi.mathnet.ru/mm2266 (дата обращения: 15.01.2022).
  8. Сурков Ф. А., Крукиер Л. А., Муратова Г. В. Численное моделирование динамики Азовского моря при сужении гирла Таганрогского залива // Морской гидрофизический журнал. 1989. № 6. С. 55–62.
  9. Чикин А. Л., Клещенков А. В., Чикина Л. Г. Моделирование изменения солености в Таганрогском заливе при штормовых нагонах // Водные ресурсы. 2019. Т. 46, № 6. С. 592–597. doi:10.31857/S0321-0596466592-597
  10. Muratova G. V., Andreeva E. M. Multigrid method for solving convection-diffusion problems with dominant convection // Journal of Computational and Applied Mathematics. 2009. Vol. 226, iss. 1. P. 77–83.
  11. Функционирование экосистемы Белого моря: исследование на основе математической модели трансформации органогенных веществ / А. В. Леонов [и др.] // Водные ресурсы. 2004. Т. 31, № 5. С. 556–575.
  12. Селютин В. В., Задорожная Н. С. Моделирование первичных звеньев экосистемы Азовского моря // Среда, биота и моделирование экологических процессов в Азовском море. Апатиты : Изд. КНЦ РАН, 2001. C. 336–368.
  13. Oxygen depletion risk assessment in shallow water bodies of the Sea of Azov region / V. Kulygin [et al.] // SGEM2016 Conference Proceedings. 2016. Book 3, Vol. 2. P. 799–806. https://doi.org/10.5593/SGEM2016/B32/S15.104
  14. Численное моделирование экологического состояния Азовского моря с применением схем повышенного порядка точности на многопроцессорной вычислительной системе / А. И. Сухинов [и др.] // Компьютерные исследования и моделирование. 2016. Т. 8, вып. 1. С. 151–168. URL: http://crm.ics.org.ru/journal/article/2418/ (дата обращения: 15.01.2022.
  15. Теоретические и прикладные аспекты моделирования первичной продуктивности водоемов / Ю. А. Домбровский [и др.]. Ростов н/Д : Изд-во Рост. ун-та, 1990. 174 с.
  16. Селютин В. В. Круговорот вещества и поток энергии в экологических системах: от модели системы к системе моделей // Обозрение прикладной и промышленной математики. 1994. Т. 1, вып. 6. С. 957–973.
  17. SPRAT: A spatially-explicit marine ecosystem model based on population balance equations / A. N. Johanson [et al.] // Ecological Modelling. 2017. Vol. 349. P. 11–25. https://doi.org/10.1016/j.ecolmodel.2017.01.020
  18. Рациональное использование водных ресурсов бассейна Азовского моря: Математические модели / Под ред. И. И. Воровича. М. : Наука, 1981. 360 с.
  19. Использование математической модели экосистемы Азовского моря для исследования закономерностей функционирования и структуры системы / И. И. Ворович [и др.] // Доклады АН СССР. 1981. Т. 259, № 2. С. 302–306. URL: http://mi.mathnet.ru/dan44590 (дата обращения: 15.01.2022.
  20. Общая характеристика и описание имитационной модели Азовского моря / И. И. Ворович [и др.] // Доклады АН СССР. 1981. Т. 256, № 5. С. 1052–1056. URL: http://mi.mathnet.ru/dan44234 (дата обращения: 15.01.2022.
  21. Селютин В. В. Малые параметры и редуцированные экологические модели // Экология. Экономика. Информатика. Серия: Системный анализ и моделирование экономических и экологических систем. Ростов н/Д : Изд-во ЮНЦ РАН, 2019. Т. 1, вып. 4. С. 241–244. https://doi.org/10.23885/2500-395X-2019-1-4-241-244
  22. Daewel U., Schrum C., Macdonald J. I. Towards end-to-end (E2E) modelling in a consistent NPZD-F modelling framework (ECOSMO E2E_v1.0): application to the North Sea and Baltic Sea // Geoscientific Model Development. 2019. Vol. 12, iss. 5. P. 1765–1789. https://doi.org/10.5194/gmd-12-1765-2019
  23. Hannah C., Vezina A., St. John M. The case for marine ecosystem models of intermediate complexity // Progress in Oceanography. 2010. Vol. 84, iss. 1–2. P. 121–128. https://doi.org/10.1016/j.pocean.2009.09.015
  24. Закономерности экосистемных процессов в Азовском море / Г. Г. Матишов [и др.]. М. : Наука, 2006. 304 c.
  25. Selyutin V., Shabas I. A simplified approach to designing of compartmental models of spatial-temporal dynamics and matter cycling in aquatic ecosystems // 17th International Multidisciplinary Scientific GeoConference SGEM 2017 : Proceedings. 2017. Book 21. P. 45–52. https://doi.org/10.5593/sgem2017/21/S07.007
  26. Явная модель поискового поведения хищника / Ю. В. Тютюнов [и др.] // Журнал общей биологии. 2002. Т. 63, № 2. С. 137–148.
  27. Tyutyunov Yu. V., Titova L. I. Simple models for studying complex spatiotemporal patterns of animal behavior // Deep Sea Research Part II: Topical Studies in Oceanography. 2017. Vol. 140. P. 193–202. https://doi.org/10.1016/j.dsr2.2016.08.010
  28. Tyutyunov Yu. V., Zagrebneva A. D., Azovsky A. I. Spatiotemporal pattern formation in a prey-predator system: The case study of short-term interactions between diatom microalgae and microcrustaceans // Mathematics. 2020. Vol. 8, iss. 7. 1065. https://doi.org/10.3390/math8071065
  29. Huse G., Giske J., Salvanes A. G. V. Individual-based models // Handbook of Fish Biology and Fisheries / Eds. P. J. Hart, J. D. Reynolds. Oxford : Blackwell Science, 2002. Vol. 2. Chapter 11. P. 228–248. https://doi.org/10.1002/9780470693919.ch11
  30. DeAngelis D. L., Mooij W. M. Individual-based modeling of ecological and evolutionary processes // Annual Review of Ecology, Evolution, and Systematics. 2005. Vol. 36. P. 147–168. https://doi.org/10.1146/annurev.ecolsys.36.102003.152644
  31. Grimm V., Railsback S. F. Individual-based Modeling and Ecology. Princeton : Princeton university press, 2005. P. 448.
  32. Breckling B., Middelhoff U., Reuter H. Individual-based models as tools for ecological theory and application: understanding the emergence of organizational properties in ecological systems // Ecological Modelling. 2006. Vol. 194, iss. 1–3. P. 102–113. https://doi.org/10.1016/j.ecolmodel.2005.10.005
  33. A model of loggerhead sea turtle (Caretta caretta) habitat and movement in the oceanic North Pacific / M. Abecassis [et al.] // PLОS ONE. 2013. Vol. 8, iss. 9. e73274. https://doi.org/10.1371/journal.pone.0073274
  34. An individual-based model of skipjack tuna (Katsuwonus pelamis) movement in the tropical Pacific ocean / J. Scutt Phillips [et al.] // Progress in Oceanography. 2018. Vol. 164. P. 63–74. https://doi.org/10.1016/j.pocean.2018.04.007
  35. Process study of circulation in the Pearl River Estuary and adjacent coastal waters in the wet season using a triply-nested circulation model / X. Ji [et al.] // Ocean Modelling. 2011. Vol. 38, iss. 1–2. P. 138–160. https://doi.org/10.1016/j.ocemod.2011.02.010
  36. Three-dimensional hydrodynamic-eutrophication model (HEM-3D): application to Kwang-Yang Bay, Korea / K. Park [et al.] // Marine Environmental Research. 2005. Vol. 60, iss. 2. P. 171–193. https://doi.org/10.1016/j.marenvres.2004.10.003
  37. Interactive visualization of marine pollution monitoring and forecasting data via a Web-based GIS / M. Kulawiak [et al.] // Computers & Geosciences. 2010. Vol. 36, iss. 8. P. 1069–1080. https://doi.org/10.1016/j.cageo.2010.02.008
  38. Science plan and implementation strategy / Eds. J. Hall [et al.]. Stockholm : IGBP Secretariat, 2005. 76 p. (IGBP Report ; No. 52).
  39. Ecosystem-based fishery management / E. K. Pikitch [et al.] // Science. 2004. Vol. 305, iss. 5682. P. 346–347. https://doi.org/10.1126/science.1098222
  40. The Norwegian ecosystem-based management plan for the Barents Sea / E. Olsen [et al.] // ICES Journal of Marine Science. 2007. Vol. 64, iss. 4. P. 599–602. https://doi.org/10.1093/icesjms/fsm005
  41. Dealing with uncertainty in ecosystem models: The paradox of use for living marine resource management / J. S. Link [et al.] // Progress in Oceanography. 2012. Vol. 102. P. 102–114. https://doi.org/10.1016/j.pocean.2012.03.008
  42. Patrick W. S., Link J. S. Myths that continue to impede progress in ecosystem-based fisheries management // Fisheries. 2015. Vol. 40, iss. 4. P. 155–160. https://doi.org/10.1080/03632415.2015.1024308
  43. Plagányi E. E. Models for an Ecosystem Approach to Fisheries. Rome : Food and Agriculture Organization of the United Nations, 2007. 108 p.
  44. Ecosystem model skill assessment. Yes we can! / E. Olsen [et al.] // PLОS One. 2016. Vol. 11, iss. 1. e0146467. https://doi.org/10.1371/journal.pone.0146467
  45. An integrated approach is needed for ecosystem based fisheries management: insights from ecosystem-level management strategy evaluation / E. A. Fulton [et al.] // PLОS One. 2014. Vol. 9, iss. 1. e84242. https://doi.org/10.1371/journal.pone.0084242
  46. Reconciling complex system models and fisheries advice: Practical examples and leads / S. Lehuta [et al.] // Aquatic Living Resources. 2016. Vol. 29, no. 2. 208. https://doi.org/10.1051/alr/2016022
  47. Ecosystem oceanography for global change in fisheries / P. M. Cury [et al.] // Trends in Ecology & Evolution. 2008. Vol. 23, iss. 6. P. 338–346. https://doi.org/10.1016/j.tree.2008.02.005
  48. End-to-end models for the analysis of marine ecosystems: Challenges, issues, and next steps / K. A. Rose [et al.] // Marine and Coastal Fisheries. 2010. Vol. 2, iss. 1. P. 115–130. https://doi.org/10.1577/C09-059.1
  49. Complexity of coupled human and natural systems / J. Liu [et al.] // Science. 2007. Vol. 317, iss. 5844. P. 1513–1516. doi:10.1126/science.1144004
  50. Interactions between changes in marine ecosystems and human communities / R. I. Perry [et al.] // Marine ecosystems and global change / M. Barange [et al.] (Eds.). New York : Oxford University Press, 2010. Chapter 8. P. 221–251. doi:10.1093/acprof:oso/9780199558025.003.0008
  51. Towards end-to-end models for investigating the effects of climate and fishing in marine ecosystems / M. Travers [et al.] // Progress in Oceanography. 2007. Vol. 75, iss. 4. P. 751–770. https://doi.org/10.1016/j.pocean.2007.08.001
  52. Two-way coupling versus one-way forcing of plankton and fish models to predict ecosystem changes in the Benguela / M. Travers [et al.] // Ecological Modelling. 2009. Vol. 220, iss. 21. P. 3089–3099. https://doi.org/10.1016/j.ecolmodel.2009.08.016
  53. Shin Y.-J., Cury P. Exploring fish community dynamics through size-dependent trophic interactions using a spatialized individual-based model // Aquatic Living Resources. 2001. Vol. 14, iss. 2. P. 65–80. https://doi.org/10.1016/S0990-7440(01)01106-8
  54. Christensen V., Walters C. J. Ecopath with Ecosim: methods, capabilities and limitations // Ecological Modelling. 2004. Vol. 172, iss. 2–4. P. 109–139. https://doi.org/10.1016/j.ecolmodel.2003.09.003
  55. Lehodey P., Senina I., Murtugudde R. A Spatial ecosystem and populations dynamics model (SEAPODYM) – Modeling of tuna and tuna-like populations // Progress in Oceanography. 2008. Vol. 78, iss. 4. P. 304–318. https://doi.org/10.1016/j.pocean.2008.06.004
  56. Senina I., Sibert J., Lehodey P. Parameter estimation for basin-scale ecosystem-linked population models of large pelagic predators: application to skipjack tuna // Progress in Oceanography. 2008. Vol. 78, iss. 4. P. 319–335. https://doi.org/10.1016/j.pocean.2008.06.003
  57. Shifting from marine reserves to maritime zoning for conservation of Pacific bigeye tuna (Thunnus obesus) / J. Sibert [et al.] // Proceedings of the National Academy of Sciences of the United States of America. 2012. Vol. 109, no. 44. P. 18221–18225. https://doi.org/10.1073/pnas.1209468109
  58. Modeling environmental effects on the size-structured energy flow through marine ecosystems. Part 1: The model / O. Maury [et al.] // Progress in Oceanography. 2007. Vol. 74, iss. 4. P. 479–499. https://doi.org/10.1016/j.pocean.2007.05.002
  59. Ecosystem model specification within an agent based framework / R. Gray [et al.]. Hobart, Tasmania : CSIRO, 2006. 127 p. (North West Shelf Joint Environmental Management Study Technical Report ; vol. 16.
  60. Fulton E. A. Approaches to end-to-end ecosystem models // Journal of Marine Systems. 2010. Vol. 81, iss. 1–2. P. 171–183. https://doi.org/10.1016/j.jmarsys.2009.12.012
  61. Lessons in modelling and management of marine ecosystems: the Atlantis experience / E. A. Fulton [et al.] // Fish and Fisheries. 2011. Vol. 12, iss. 2. P. 171–188. https://doi.org/10.1111/j.1467-2979.2011.00412.x
  62. Ortega-Cisneros K., Cochrane K., Fulton E. A. An Atlantis model of the southern Benguela upwelling system: Validation, sensitivity analysis and insights into ecosystem functioning // Ecological Modelling. 2017. Vol. 355. P. 49–63. https://doi.org/10.1016/j.ecolmodel.2017.04.009
  63. Atlantis User’s Guide Part I: General Overview, Physics & Ecology / A. Audzijonyte [et al.]. Hobart, Australia : CSIRO, 2017. 226 p. URL: https://research.csiro.au/atlantis/wp-content/uploads/sites/52/2021/10/AtlantisUserGuide_PartI.pdf (date of access: 15.01.2022.
  64. Atlantis user’s guide part II: Socio-economics / A. Audzijonyte [et al.]. Hobart, Australia : CSIRO, 2017. 109 p. URL: https://research.csiro.au/atlantis/wp-content/uploads/sites/52/2021/10/AtlantisUserGuide_PartII.pdf (date of access: 15.01.2022.
  65. Kaplan I. C., Holland D. S., Fulton E. A. Finding the accelerator and brake in an individual quota fishery: linking ecology, economics, and fleet dynamics of US West Coast trawl fisheries // ICES Journal of Marine Science. 2014. Vol. 71, iss. 2. P. 308–319. https://doi.org/10.1093/icesjms/fst114
  66. Exploring Lake Victoria ecosystem functioning using the Atlantis modeling framework / C. Nyamweya [et al.] // Environmental Modelling & Software. 2016. Vol. 86. P. 158–167. https://doi.org/10.1016/j.envsoft.2016.09.019
  67. Fulton E. A., Smith A. D. M., Smith D. C. Alternative management strategies for southeast Australian commonwealth fisheries: Stage 2: Quantitative management strategy evaluation. CSIRO, 2007. 378 p.
  68. Set-up of the Nordic and Barents Seas (NoBa) Atlantis model / C. Hansen [et al.]. Havforskningsinstituttet, 2016. 110 p. (Fisken og Havet ; no. 2. URL: http://hdl.handle.net/11250/2408609 (date of access: 15.01.2022.
  69. Do marine ecosystem models give consistent policy evaluations? A comparison of Atlantis and Ecosim / R. E. Forrest [et al.] // Fisheries Research. 2015. Vol. 167. P. 293–312. https://doi.org/10.1016/j.fishres.2015.03.010
  70. Comparing the steady state results of a range of multispecies models between and across geographical areas by the use of the jacobian matrix of yield on fishing mortality rate / J. Pope [et al.] // Fisheries Research. 2019. Vol. 209. P. 259–270. https://doi.org/10.1016/j.fishres.2018.08.011
  71. End-to-end model of Icelandic waters using the Atlantis framework: Exploring system dynamics and model reliability / E. Sturludottir [et al.] // Fisheries Research. 2018. Vol. 207. P. 9–24. https://doi.org/10.1016/j.fishres.2018.05.026
  72. Sensitivity of the Norwegian and Barents Sea Atlantis end-to-end ecosystem model to parameter perturbations of key species / C. Hansen [et al.] // PLОS ONE. 2019. Vol. 14, iss. 2. e0210419. https://doi.org/10.1371/journal.pone.0210419
  73. Grimm V., Railsback S. F. Individual-based modeling and ecology. Princeton : Princeton University Press, 2005. 448 p.
  74. Uchmański J., Grimm V. Individual-based modelling in ecology: what makes the difference? // Trends in Ecology & Evolution. 1996. Vol. 11, iss. 10. P. 437–441. http://dx.doi.org/10.1016/0169-5347(96)20091-6
  75. Individual-based model of yellow perch and walleye populations in Oneida Lake / K. A. Rose [et al.] // Ecological Monographs. 1999. Vol. 69, iss. 2. P. 127–154. https://doi.org/10.2307/2657234
  76. Moss S., Pahl-Wostl C., Downing T. Agent-based integrated assessment modelling: the example of climate change // Integrated Assessment. 2001. Vol. 2, no. 1. P. 17–30.
  77. Shin Y.-J., Cury P. Simulation of the effects of marine protected areas on yield and diversity using a multispecies, spatially explicit, individual-based model // Spatial processes and management of marine populations : proceedings of the Symposium on spatial processes and management of marine populations, October 27–30, 1999, Anchorage, Alaska / Eds. Gordon H. Kruse [et al.]. Fairbanks, Alaska : University of Alaska, 2001. Vol. 17. P. 627–642. (Lowell Wakefield Fisheries Symposia Series.
  78. Shin Y.-J., Shannon L. J., Cury P. M. Simulations of fishing effects on the southern Benguela fish community using an individual-based model: learning from a comparison with ECOSIM // African Journal of Marine Science. 2004. Vol. 26, iss. 1. P. 95–114. https://doi.org/10.2989/18142320409504052
  79. Simulating and testing the sensitivity of ecosystem-based indicators to fishing in the southern Benguela ecosystem / M. Travers [et al.] // Canadian Journal of Fisheries and Aquatic Sciences. 2006. Vol. 63, no. 4. P. 943–956. https://doi.org/10.1139/f06-003
  80. Multiple Use Management Strategy Evaluation for the North West Shelf: Results and Discussion / L. R. Little [et al.]. Hobart, Tasmania : CSIRO, 2006. 50 p. (North West Shelf Joint Environmental Management Study Technical Report ; Vol. 18.
  81. Multiple-use management strategy evaluation for coastal marine ecosystems using InVitro / A. D. McDonald [et al.] // Complex Science for a Complex World: Exploring Human Ecosystems with Agents / P. Perez, D. Batten (Eds.). Canberra : ANU Press, 2006. Chapter 13. P. 283–300. URL: https://www.jstor.org/stable/j.ctt2jbhz2.19 (дата обращения: 15.01.2022.
  82. An agent-based modelling approach to evaluation of multiple-use management strategies for coastal marine ecosystems / A. D. McDonald [et al.] // Mathematics and Computers in Simulation. 2008. Vol. 78, iss. 2–3. P. 401–411. https://doi.org/10.1016/j.matcom.2008.01.039
  83. Modelling for management: news from Ningaloo / E. A. Fulton [et al.] // Ningaloo Research Progress Report: Discovering Ningaloo – latest findings and their implications for management / K. Waples, E. Hollander (Eds.). Department of Environment and Conservation, WA, 2008. P. 91–94.
  84. A novel modeling approach for the “end-to-end” analysis of marine ecosystems / C. E. Sansores [et al.] // Ecological Informatics. 2016. Vol. 32. P. 39–52. https://doi.org/10.1016/j.ecoinf.2016.01.001
  85. Balancing end-to-end budgets of the Georges Bank ecosystem / J. H. Steele [et al.] // Progress in Oceanography. 2007. Vol. 74, iss. 4. P. 423–448. https://doi.org/10.1016/j.pocean.2007.05.003
  86. Coupling planktonic ecosystem and fisheries food web models for a pelagic ecosystem: description and validation for the subarctic Pacific / K. A. Kearney [et al.] // Ecological Modelling. 2012. Vol. 237–238. P. 43–62. https://doi.org/10.1016/j.ecolmodel.2012.04.006
  87. Steele J. H., Ruzicka J. J. Constructing end-to-end models using ECOPATH data // Journal of Marine Systems. 2011. Vol. 87, iss. 3–4. P. 227–238. https://doi.org/10.1016/j.jmarsys.2011.04.005
  88. Challenges in integrative approaches to modelling the marine ecosystems of the North Atlantic: Physics to fish and coasts to ocean / J. Holt [et al.] // Progress in Oceanography. 2014. Vol. 129, part B. P. 285–313. https://doi.org/10.1016/j.pocean.2014.04.024
  89. Madec G. NEMO ocean engine. France, Institut Pierre-Simon Laplace (IPSL), 2008. 300 p. (Note du Pole de Modélisation ; no. 27). doi:10.5281/ZENODO.3248739
  90. Modelling environmental effects on the size-structured energy flow through marine ecosystems. Part 2: Simulations / O. Maury [et al.] // Progress in Oceanography. 2007. Vol. 74, iss. 4. P. 500–514. https://doi.org/10.1016/j.pocean.2007.05.001
  91. Lehodey P., Murtugudde R., Senina I. Bridging the gap from ocean models to population dynamics of large marine predators: A model of mid-trophic functional groups // Progress in Oceanography. 2010. Vol. 84, iss. 1–2. P. 69–84. https://doi.org/10.1016/j.pocean.2009.09.008
  92. Link J. S., Fulton E. A., Gamble R. J. The northeast US application of ATLANTIS: A full system model exploring marine ecosystem dynamics in a living marine resource management context // Progress in Oceanography. 2010. Vol. 87, iss. 1–4. P. 214–234. https://doi.org/10.1016/j.pocean.2010.09.020
  93. Fisheries management under climate and environmental uncertainty: control rules and performance simulation / A. E. Punt [et al.] // ICES Journal of Marine Science. 2013. Vol. 71, iss. 8. P. 2208–2220. https://doi.org/10.1093/icesjms/fst057
  94. A protocol for the intercomparison of marine fishery and ecosystem models: Fish-MIP v1.0 / D. P. Tittensor [et al.] // Geoscientific Model Development. 2018. Vol. 11, iss. 4. P. 1421–1442. https://doi.org/10.5194/gmd-11-1421-2018
  95. Projecting changes in the distribution and productivity of living marine resources: A critical review of the suite of modelling approaches used in the large European project VECTORS / M. A. Peck [et al.] // Estuarine, Coastal and Shelf Science. 2018. Vol. 201. P. 40–55. https://doi.org/10.1016/j.ecss.2016.05.019

Скачать статью в PDF-формате