Координация движений самцов в анофелиновых брачных роях

1. Получение данных о рейсе Москитные рои были сняты в период с 17 августа 2010 года по 2 сентября 2010...
2. Имитированная модель роя
3. Имитационная модель роя с взаимодействием

Получение данных о рейсе

Москитные рои были сняты в период с 17 августа 2010 года по 2 сентября 2010 года и снова в период с 6 октября 2011 года по 9 октября 2011 года в деревне Донегебогу, Мали, Африка. Donéguébogou был сайт предыдущего An. исследования, связанные с gambiae, включая исследования роев спаривания 30 , Съемки были проведены примерно в 7 часов вечера по местному времени. Две идентичные системы стереокамер, каждая из которых состоит из пары параллельно установленных камер Hitachi KP-F120CL (Hitachi- Kokusai, Токио, Япония) с объективами HF12.5SA-1 Fujinon (Fujifilm, Valhalla, NY), рамки Imperx FrameLink Express Граббер (Imperx Inc., Бока-Ратон, Флорида, США) и четырехъядерный ноутбук с частотой 2,8 ГГц, на котором установлено программное обеспечение STREAMPIX v. 5 (Norpix Inc, Квебек, Канада), использовались для съемки 25 различных скоплений в течение этого периода. Во время съемок такие погодные данные, как скорость и температура ветра, регистрировались с частотой 0,1 Гц на портативной метеостанции Kestrel 4500 (Nielsen-Kellerman, Boothwyn, PA, USA). Образец самцов отбирали из каждого роя с сеткой для последующей идентификации видов на основе ПЦР. Чтобы преобразовать получающиеся траектории комаров в мировую систему отсчета, наклон, магнитное направление и высота системы камеры были записаны перед съемкой.

Синхронизированные по времени видеоданные были постобработаны с использованием алгоритма многоцелевого отслеживания 35 , Алгоритм отслеживания использовал нелинейную методику оценки, называемую фильтрацией частиц. 36 наряду с множественным назначением гипотезы 37 автоматически восстанавливать трехмерные сегменты траектории, соответствующие индивидуальным схемам полета комаров в стереоизображениях. Срезы изображения адаптивно подвергали пороговой обработке, чтобы изолировать исчезающие полосы от комаров, и для устранения окклюзии использовали нелинейную оптимизацию сляпов переднего плана. Сегменты траектории, полученные с помощью алгоритма автоматического отслеживания, были проверены и объединены в полноразмерные треки с использованием пользовательского графического интерфейса пользователя. С использованием этого метода было реконструировано в общей сложности 11 мероприятий по роению комаров из различных мест в Деньегебу.

Значение корреляции

Значение корреляции Cij ( t ) между комаром i и комаром j в момент времени t с временным окном T рассчитывается по формуле (2) следующим образом:

Принимая среднее а также обеспечивает согласованность отношений между i и j , т. е. i и j не отстают друг от друга одновременно. Параметр T влияет на значение корреляции различными способами. Во-первых, он указывает количество точек данных, используемых для определения сходства между направлением движения двух комаров. Следовательно, меньшее значение T приводит к более высокому риску обнаружения случайной координации. Во-вторых, поскольку мы усредняем значение по кадрам T + 1, истинная корреляция может быть подавлена, если мы выберем T слишком большим. Учитывая эти два момента, мы основываем выбор T на частоте полетов, которые совершают мужчины. Рисунок 6а показывает совокупную вероятность кривизны κ в траектории полета мужчины. Используя этот рисунок, мы устанавливаем порог в 0,1 (см-1) для значения кривизны, чтобы определить крутые повороты. Рисунок 6б показывает, что интервал между крутыми поворотами, определенный таким образом, имеет максимальную вероятность в 8 кадров (0,32 с). Мы выбираем T = 10 кадров (0,40 с), чтобы эти поворотные полеты обычно включались в каждое скользящее временное окно.

(а) Совокупная вероятность значения кривизны. Крутой поворот определяется как поворот с кривизной более 0,1 (см-1). (б), Интервал между крутых поворотов. Пик составляет 8 кадров (0,32 с).

Мы устанавливаем два ограничения на оптимальное запаздывание m * при поиске максимума в (4). Во-первых, чтобы избежать ошибочной корреляции, мы устанавливаем верхнюю и нижнюю границы для m *, определяемые как m max = 4 кадра (0,16 с), на основе частоты крутых поворотов, как описано выше. Во-вторых, так как оптимальное m * с точки зрения согласования двух сигналов должно быть критической точкой на кривой как показано в Рисунок 1с мы ограничиваем кандидатов на m * теми m, которые достигают локальных максимумов. Когда существует несколько локальных максимумов, мы используем m * с наибольшим среди этих кандидатов; когда в диапазоне [- m max, m max] нет критической точки, тогда мы используем значение m * = 0.

Имитированная модель роя

Позволять быть ускорением комара i относительно инерциальной точки O, а m обозначает массу. Вслед за Окубо 19 , мы моделируем силу на комара i как линейную комбинацию внешней силы сила сопротивления и сила взаимодействия т.е. Колебания скорости моделируются как затухающий генератор 18 ; частота ω 0 и коэффициент затухания ξ получены из автокорреляции скорости. Основываясь на этом предыдущем анализе, мы моделируем первые два компонента в (5) как результат демпфированной пружины, которая соединяет комара с центром тяжести роя. Пусть r i = R i / O / || R i / O ||. Предполагая, что центроид зафиксирован в инерциальной системе отсчета (только приблизительно в реальных данных), мы можем без потери общности прикрепить пружину к точке O , т.е. Параметры k и b обозначают трехмерную пружину и постоянные демпфирования соответственно; поскольку они являются векторными величинами, пружина имеет разные константы в каждом направлении (например, при ветре, при ветре и по вертикали) 18 , Поскольку мы не знаем внутреннюю силу взаимодействия, мы назначаем белый шум в качестве третьего компонента, т. Е. F (int) = W , где случайный процесс W ( t ) имеет автокорреляцию R W ( τ ) = A δ ( τ ) , Интенсивность А белого шума была определена ранее 18 , Мы дискретизируем W ( t ) при численном интегрировании с шагом по времени интегрирования t = 0,04 (с), равным частоте кадров видео. Обратите внимание, что подгонка модели к каждому из 8 реальных скоплений дает уникальный набор параметров. Таблица 2 показывает среднее и стандартное отклонение значений параметров от всех 8 An. последовательности роя gambiae .

Таблица 2: Параметры для моделирования роя.Четыре параметра внизу используются только в симуляции с взаимодействием.Три компонента в каждом из k и b соответствуют значениям, используемым для ветров, ветров и вертикального направления соответственно

Имитационная модель роя с взаимодействием

Чтобы смоделировать скоординированное поведение, используя выравнивание скорости, мы вводим демпфер между взаимодействующими мужчинами. Демпфер совместим с точкой зрения динамического моделирования, в отличие от других моделей самоходных частиц, в которых агенты имеют постоянную скорость. Позволять обозначим набор комаров, взаимодействующих с комарами i и W, обозначим белый шум с нулевым средним и интенсивностью A. Пусть R j / i = R j - R i , а r j / i = R j / i / || R j / i || Модель силы взаимодействия Коэффициент усиления λ ∈ (0, 1] создает выпуклую комбинацию демпфирующей силы и случайной силы, когда комар i находится во взаимодействующем состоянии; λ = 0 исключает демпфирующий член, когда он находится во невзаимодействующем состоянии. Всякий раз, когда две частицы связаны демпфером скорости, он уменьшает относительную скорость между ними и увеличивает скорость выравнивания.

Мы создали следующую модель для определения топологии взаимодействия, как описано в разделе «Результаты»: пара мужчин взаимодействует, если согласие в направлении их движения превышает порог 0,75; один из двух выбирается случайным образом, чтобы быть последователем на время взаимодействия. Остальные параметры модели - это постоянная затухания b int и коэффициент усиления λ . Мы использовали вероятностный метод поиска, названный имитацией отжига 38 получить значения b int и λ, которые наилучшим образом соответствуют реальному рою с точки зрения вероятностей корреляции. Таблица 2 показывает параметры, которые используются в имитационной модели.

Похожие