Известия РАН. Серия физическая, 2019, T. 83, № 1, стр. 106-112
Автоволновая модель морфогенеза мегаполисов в представлениях неоднородных активных средА. Э. Сидорова, Н. Т. Левашова, А. Е. Семина
А. Э. Сидорова 1, *, Н. Т. Левашова 1, А. Е. Семина 1
1 Московский государственный университет имени М.В. Ломоносова
Москва, Россия
* E-mail: sky314bone@mail.ru
Аннотация
Морфогенез мегаполисов рассмотрен как процесс автоволновой самоорганизации в пространственно неоднородных средах. Представлены модели динамики развития Москвы и Шанхая. В основе модели – модифицированное авторами уравнение ФитцХью–Нагумо. Обоснованность модели подтверждена статистическими и картографическими данными. Модель позволяет прогнозировать развитие мегаполисов.
Вопросу морфологии распределения населения в городских условиях уделяется немало внимания в научной литературе. Наиболее перспективными методами исследования городской структуры являются комбинация теории клеточных автоматов и цепей Маркова [1] и теория фракталов, позволяющая моделировать неоднородные структуры городов [2].
Авторами в качестве биофизической основы для построения модели пространственно-временной самоорганизации урбоэкосистем (УЭС) использованы представления об активных средах [3–6]. УЭС, и в первую очередь о мегаполисах, которые характеризуются множественными режимами самоорганизации и, следовательно, сложностью оперативного и стратегического управления. Их нелинейность объективно формируется экстремальностью антропогенных нагрузок, несоответствием характерных времен и масштабов эволюции природной и антропогенной компонент, а также наличием сложной системы положительных и отрицательных связей между подсистемами. Формирование городских агломераций начинается в форме поселений – малых флуктуаций, по мере развития которых, в результате роста численности населения, формируются гигантские флуктуации – мегаполисы; в границах последних происходит фрагментация структуры экосистем. В УЭС возможны два основных варианта развития: усиление антропогенного воздействия, способствующего формированию самоподдерживающегося возбуждения среды, и ослабление антропогенного воздействия, приводящее к разрыву или уничтожению автоволнового фронта. Первый вариант – результат расширения территории УЭС. Именно таким образом происходит формирование мегаполисов в пространстве и времени.
Аналогично происходит пространственно-временное развитие микромицетов – самой крупной группы слизевиков, тело которых является гигантской многоядерной клеткой, распространяющейся в направлении ресурса со скоростью порядка 10 мкм ⋅ с–1 [7]. (рис. 1а), а траектория движения хорошо описывается уравнениями автоволновой самоорганизации.
УЭС как системы сопряженных иерархических активных сред обладают следующими свойствами [3–6]:
1. Наличием распределенного ресурса (населения, инфраструктуры, экономических стимуляторов – стоимости жилых и нежилых объектов, территории) и источников воздействия, модулирующих системные процессы.
2. Это нелинейные макроструктуры, образующие иерархические системы из сопряженных природных и антропогенных подсистем.
3. Управляющие параметры – природные и антропогенные факторы.
На базе уравнения ФитцХью–Нагумо [10] авторами предложена пространственно-временная система уравнений [3–6]:
(1)
$\begin{gathered} \varepsilon \frac{{\partial u}}{{\partial t}} - \varepsilon {{D}_{u}}\Delta u = - \frac{1}{\varepsilon }\left( {u\left( {u - \alpha \left( {x,y} \right)} \right)\left( {u - 1} \right) + u\nu } \right), \\ 0 \leqslant x,\,\,\,\,y \leqslant L,\,\,\,\,t > 0; \\ \varepsilon \frac{{\partial \upsilon }}{{\partial t}} - \varepsilon {{D}_{\upsilon }}\Delta \upsilon = - \gamma \nu + \beta u. \\ \end{gathered} $Здесь u – функция интенсивности активатора (антропогенных процессов); υ – функция интенсивности ингибитора (природных процессов); α – параметр активации системы; β и γ – кинетические параметры связи активатора и ингибитора Du и Dυ – коэффициенты диффузии активатора и ингибитора; ε – параметр, характеризующий скорость распространения активатора (0 < ε < 1), отражает значительное различие скоростей изменения функций активатора и ингибитора. На границе расчетной области задаются однородные краевые условия Неймана.
Распределение в начальный момент времени считается известным. Реализация численного счета производится при помощи схемы с эволюционной факторизацией [11].
Вырожденная система уравнений $u\left( {u - \alpha \left( {x,y} \right)} \right) \times $ $ \times \left( {u - 1} \right) + u\nu = 0,$ $ - \gamma \nu + \beta u = 0$ в зависимости от выбора величины α может иметь либо три, либо одно вещественное решение. В последнем случае единственное возможное устойчивое состояние системы – нулевое, то есть, любая начальная флуктуация затухает со временем. Применительно к УЭС это означает, что параметры природной подсистемы способны ингибировать негативные антропогенные процессы. В случае наличия трех вещественных решений у вырожденной системы, система (1) описывает бистабильное состояние, и в нем возможно образование устойчивых стационарных решений, содержащих внутренние переходные слои (контрастные структуры [12]) и описывающих качественное изменение состояния системы. Такая модель бистабильной среды позволяет учитывать условия туннелирования или запирания автоволны в активной среде. Достаточным условием для формирования автоволнового фронта активатора является такое соотношение параметров α, β и γ, которое соответствует области возбудимой среды. Система становится невозбудимой, как только кинетические параметры системы (γ и β) становятся сравнимыми [3, 6]. Необходимо учитывать, что самоорганизация возможна только в подпороговой зоне устойчивости системы (имеются в виду границы УЭС, количество, направленность и взаимодействие природных и антропогенных факторов).
Модель была проверена на примере присоединения населенных пунктов Фили, Мазилово и Кунцево к Москве (1952–1968 гг.) [5]. На основе данных аэрофотосъемки и карт [13] с использованием приложения авторской разработки на язые С++, позволяющей создавать текстовые файлы с данными на основе изображений, была получена матрица значений параметра α размера [70 × 70], в дальнейшем использованная при численной реализации согласно модели. Основной код разработан в среде OpenCL и реализован с использованием графических процессоров AMD FIREPRO. Графическая интерпретация проведена с использованием программы “Serfer”.
Расчеты проводились согласно следующей модели:
(2)
$\begin{gathered} \frac{{\partial u}}{{\partial t}} - {{D}_{u}}\left( {\frac{{{{\partial }^{2}}u}}{{\partial {{x}^{2}}}} + \frac{{{{\partial }^{2}}u}}{{\partial {{y}^{2}}}}} \right) = - \frac{1}{{K_{u}^{2}T{\text{*}}}} \times \\ \times \,\,u\left( {u - {{N}_{B}}K\alpha \left( {x,y,t} \right)} \right)\left( {u - {{N}_{B}}K} \right) - \frac{1}{{{{K}_{u}}T{\text{*}}}}u\upsilon , \\ \frac{{\partial \upsilon }}{{\partial t}} - {{D}_{\upsilon }}\left( {\frac{{{{\partial }^{2}}\upsilon }}{{\partial {{x}^{2}}}} + \frac{{{{\partial }^{2}}\upsilon }}{{\partial {{y}^{2}}}}} \right) = \frac{1}{{T{\text{*}}}}\left( { - \frac{1}{\gamma }\upsilon + \beta u} \right). \\ \end{gathered} $Где u (км2) − площадь, застроенная на квадратный километр; υ (км2) – ингибитор негативных процессов застройки – площадь уничтоженных зеленых насаждений на квадратный километр; T* = 1 год – характерный масштаб времени, K = 10 км2 – характерная площадь одноподъездного дома с придомовой территорией; NB = 80 – число зданий на квадратный километр; α(x, y, t) − функция, убывающая с ростом плотности населения: $\alpha = K{{N}_{B}}\exp \left( { - 0.05K\rho } \right).$ Начальное распределение плотности населения: жилая застройка – ρ = 2000 чел. ⋅ км–2, промышленная территория – ρ = 200 чел. ⋅ км–2, парки, леса и водные преграды – ρ = 0; Du = 5 км2 ⋅ год–1 − скорость роста площадей застройки; Dυ = 0.1 км2 ⋅ год–1 – скорость уменьшения площадей зеленых насаждений; γ − доля уничтоженной зелени от площади застройки. В области интенсивной застройки и промышленных зон полагаем γ = 0.75: согласно нормативам, площадь биоценозов должна составлять не менее 25% от общей площади [14]; β = 100/NB − нормировочный коэффициент согласования локальной площади застройки с общей площадью застраиваемого района. Результаты численных расчетов представлены на рис. 2.
Результаты численных расчетов согласно модели (2) хорошо согласуются с картографическими данными (рис. 2а, 2г). В ходе расширения территории Москвы лесопарковая территория вдоль реки и пруд стали естественными барьерами (рис. 2б, 2д), а застраивались небольшие естественные биоценозы (рис. 2в, 2е). При этом малоэтажная застройка уступила место многоэтажной (рис. 2б, 2д), что автокатализировало процесс увеличения численности и плотности населения на присоединенных территориях.
На основе аналогичного анализа и уравнения (2) авторами построена прогнозная модель развития Новой Москвы до 2030 г. (рис. 3). Основные допущения, принятые в модели:
1. Планируемые территории застройки и плотность населения приняты согласно [14], ρ − планируемая плотность населения на этих территориях, согласно их назначению. Для жилого фонда плотной застройки и промышленной зоны ρ = 4000 чел. ⋅ км–2, для коттеджной застройки ρ = 2000 чел. ⋅ км–2, для территорий парков ρ = 0, $\alpha = K{{N}_{B}}\exp \left( { - 0.05K\rho } \right)$ − параметр, характеризующий назначение земель (наличие и тип застройки).
2. Планируемые лесопарковые территории составляют 10% от общей площади [15]. К 2030 году общая площадь лесопарковой территории должна составить 12 тыс. га, что составляет 8% от площади Новой Москвы. Учитывая скорости застройки территории Новой Москвы и меры, предпринимаемые по сохранению биоценозов, было принято Du = 5 км2 ⋅ год–1 и Dυ = 0.1 км2 ⋅ год–1 (Dυ/Du = 1/50).
3. Численное значение кинетического параметра: γ = 0 для естественных биоценозов; γ = 0.1 для парков (согласно анализу картографических данных характерных парковых территорий Москвы [16] посредством их обработки с помощью авторской программы, площадь естественных биоценозов составила примерно 10%); γ = 0.5 – для коттеджной застройки (согласно [14, 15]); γ = 0.75 для плотной застройки (согласно [14]); γ = 0.85 – для промышленных зон (согласно [14] и обработке картографических данных с помощью авторской программы).
Анализ данных модели показывает, что по мере расширения площади застройки будут сокращаться площади биоценозов (рис. 3б), и антропогенно преобразованные территории увеличатся на 5–10%. Это приведет к снижению потенциала самоорганизации природных биоценозов и росту вероятности возникновения необратимых процессов в границах мегаполиса.
На основе уравнения (1) разработана модель территориального развития Шанхая до 2030 года
(3)
$\begin{gathered} \frac{{\partial u}}{{\partial t}} - {{D}_{u}}\left( {\frac{{{{\partial }^{2}}u}}{{\partial {{x}^{2}}}} + \frac{{{{\partial }^{2}}u}}{{\partial {{y}^{2}}}}} \right) = \\ = - \frac{1}{{T{\text{*}}}}u\left( {u - \alpha \left( {x,y,t} \right)} \right)\left( {u - 1} \right) - \frac{1}{{T{\text{*}}}}u\upsilon , \\ \frac{{\partial \upsilon }}{{\partial t}} - {{D}_{\upsilon }}\left( {\frac{{{{\partial }^{2}}\upsilon }}{{\partial {{x}^{2}}}} + \frac{{{{\partial }^{2}}\upsilon }}{{\partial {{y}^{2}}}}} \right) = \frac{1}{{T{\text{*}}}}\left( { - \upsilon + \gamma \left( {x,y,t} \right)u} \right). \\ \end{gathered} $Здесь u – функция застройки (безразмерная доля с км2) − активатор; υ – функция цены (безразмерная доля от максимально возможной за м2 жилой площади) – ингибитор; α – доля площади земель естественных биоценозов (рис. 4б): на западном направлении α = 0.3 – зона бистабильности [17], в зоне моря α ≈ 1, в районе Янцзы, на границе невозбудимой и бистабильной зон, α в интервале 0.5–0.7; γ – безразмерный параметр, показывающий зависимость стоимости м2 жилья от района застройки.
Du − скорость изменения площади застройки, м2 ⋅ год–1; Dυ – скорость изменения цены на жилье в зависимости от района застройки и спроса на жилье (в юанях в год). На основании анализа данных за 2005–2017 годы [17] принимаем следующие значения: внутри круга меньшего радиуса на (рис. 4б) Du = 5067 га ⋅ год–1, внутри круга большего радиуса (рис. 4б) Du = 930 га ⋅ год–1, Dυ = 0.22Du. С 2000 по 2010 годы расширение границ Шанхая происходило, в основном, за счет сельскохозяйственных земель и прибрежной территории [18]. Но для сбалансированного экономического развития региона необходимо сохранение баланса между антропогенными и природными процессами в условиях роста численности населения. Особенно при условии увеличения спроса на улучшение качества жизни.
Анализ разработанной модели показал, что сохранение сложившейся к 2017 г. зональности застройки (рис. 4б) позволит не только удовлетворить спрос на жилье значительной массы населения, но и устойчиво развиваться в соответствии с нормативами сохранения естественных биоценозов.
ЗАКЛЮЧЕНИЕ
Разрабатываемый подход носит общий характер и систематизирует описание пространственно-временного развития урбоэкосистем как распределенных диссипативных систем. В настоящей работе в качестве антропогенных факторов, контролирующих пространственно-временную структуру развития урбоэкосистем, рассмотрены факторы социально-экономического и физико-химического характера. Численная реализация модели показала адекватность применения модели с барьерами для описания расширения границ мегаполисов за счет присоединения близлежащих территорий.
Исследование выполнено в рамках реализации проекта Российского Научного Фонда (грант 18-11-00042).
Список литературы
Vaz E., Arsanjani J.J. // J. Environmental Inform. 2015. V. 25. № 2. P. 71.
Frankhauser P. // Dynamics in Nature and Society. 1998. V. 2. № 2. P. 127.
Сидорова А.Э., Левашова Н.Т., Мельникова А.А. и др. // Вестн. Моск. Ун-та. Сер. 3. Физ. Астр. 2016. № 6. С. 39.
Levashova N., Melnikova A., Semina A. // Comm. on Appl. Mathematics and Computation. 2017. V. 31. № 1. P. 32.
Сидорова А.Э., Левашова Н.Т., Мельникова А.А. и др. // Матем. биол. и биоинформ. 2017. Т. 12. № 1. С. 186.
Левашова Н.Т., Мельникова А.А., Лукьяненко А.А. и др. // Матем. моделир. 2017. Т. 29. № 11. С. 40.
Stephenson S.L., Seppelt R.D., Laursen G.A. // Antarctic Sci. 1992. V. 4. P. 431.
https://www.youtube.com/watch?v=MosO2HpJkBo.
https://bestmaps.ru.
FitzHugh R.A. // Biophys. J. 1961. V. 1. № 6. P. 445.
Калиткин Н.Н., Корякин П.В. Численные методы: в 2 кн. Кн 2. Методы математической физики. М: Издательский центр “Академия”, 2013. 303 с.
Бутузов В.Ф., Левашова Н.Т., Мельникова А.А. // Журн. вычислит. матем. и матем. физ. 2012. Т. 52. № 11. С. 1983.
https://yandex.ru/maps/213/moscow/.
https://stroi.mos.ru/infographics/novoi-moskvie-piat- liet-1.
https://investmoscow.ru/city-projects/aip/плaн-paзвития-нoвыx-тeppитopий/.
https://stroi.mos.ru/new-moscow/obustroistvo-parkov.
http://www.stats-sh.gov.cn/tjnj/zgsh/nj2011.html.
Jinghui Li, Wei Fang, Tao Wang. et al. // Sustainability 2017. № 9. P. 1199.
Дополнительные материалы отсутствуют.
Инструменты
Известия РАН. Серия физическая