عنوان:
Modeling: Concepts, methods and its usage in Entomology
حس کنجکاوی بشر همواره در پی یافتن رمز و راز طبیعت بوده و با دقت و وسواس پیگیر فرآیندها و پدیده های طبیعی بوده است تا در بیشتر موارد حس کنجکاوی خود را اقناع کرده و بعدها نیز تصمیم گرفت تا با شناخت دقیق پدیده های طبیعی بر اساس منافع خود در آنها دستکاری نموده و حتی الامکان و در حد مقدورات ذهنی و امکانات خود مسیر این پدیده ها را به سوی بهره برداری خود تغییر دهد.
بر اساس تکامل تدریجی علم و فهم بشر، نحوه شناخت پدیده ها نیز در طول زمان مراحلی را طی نموده است. بشر در ابتدا پدیده ها را فقط بصورت تجربی مشاهده و تفسیر می نمود . در طی زمان بشر دریافت که بسیاری از پدیده ها دارای آهنگ همگونی از تکرار و ارتباط هستند که با شناخت این آهنگهای طبیعی اسرار طبیعت را بهتر و عمیقتر درک خواهد کرد و با پی بردن به موسیقی هماهنگ پدیده های طبیعی امکان هم جهت شدن و یا تغییر مسیر این فرآیندها حداقل در تئوری برای بشر آسانتر می نمود.
گام بعدی بشر تلاش برای یافتن زبانی بود تا این آهنگهای طبیعی را با آن نوشته، تفسیر نموده و نتیجه دستکاریهای خود را بطور علمی و مستند مشاهده نماید. شاید اولین تلاشهای بشر در این زمینه تلاش برای شبیه سازی تجربی پدیده ها و ایجاد مدلهای مفهومی از روند این پدیده ها بود. اینگونه مدلهای مفهومی برای دریافتن رابطه های علت - معلولی در طبیعت و تمرکز بر بخشهای خاصی از فرایند بسیار مفید ، اما ناکافی بود.
مدلهای کمی، گام بعدی و موثر در شناخت پدیده های طبیعی بود. در این مسیر بشر با بهره گیری از رابطه های ریاضی سعی نمود تا مدلهای پیش فرض مفهومی خود را به زبان ریاضیات ترجمه کند و در قالب رابطه های ریاضی ارتباط عوامل مختلف ایجاد کننده پدیده های طبیعی را بیان نماید . مدلهای ریاضی اگر بر اساس مشاهدات دقیق تجربی استوار باشند و نیز دارای منطق ریاضی قوی داشته باشند در آزمون فرضیه های علمی مربوط به پدیده ها، پیش بینی فرآیندهای طبیعی و پیشگویی اثر دستکاریهای بشر در آنها، بسیار موثر و مفید می باشند.
در کنار همه تلاشها برای کمی کردن رابطه های طبیعی و کارایی غیر قابل انکار آنها در بیشتر شرایط، امروزه محققین بر این باورند که بسیاری از مدلهای کـــمی نمی توانند همه روابط طبیعی را بطور دقیق در همه شرایط تبیین و تفسیر نمایند و نیاز به طراحی و تدوین مدلهای کیفی در بسیاری از موارد غیر قابل اجتناب است. مدلهای کیفی زمانی بکار می آیند که روابط ریاضی نتوانند بطور دقیق در شرایط طبیعی پدیده ها را تفسیر نمایند و این مساله زمانی است که در زمینه آن پدیده خاص، بشر هنوز نتوانسته بطور کامل آن پدیده را شناسایی و ضابطه مند نماید و این نقص علم بشر را مدلهای کیفی تا حدودی جبران می کنند.
با پیشرفت فناوری اطلاعات و علوم رایانه، امروزه بسیاری از این مدلها مبتنی بر زبانهای برنامه نویسی کامپیوتری و نرم افزاهای مربوط به آن است که بهترین نمونه برای این موارد اشاره به نرم افزارهای مربوط به سیستم اطلاعات جغرافیایی (GIS) می باشد.
از آنجا که علم حشره شناسی در تمام گرایشها و شاخه ها، مبتنی بر شناخت روابط طبیعی است یقینا" استفاده از انواع مدلها در این علم قدمت بسیار دارد و شاید بتوان گفت که بهترین و کارآمد ترین مدلها در همه انواع آن در مطالعات حشره شناسی تهیه و ارزیابی شده اند. امروزه در تمام شاخه ها و گرایشهای حشره شناسی و علوم مربوطه، بسیاری از مطالعات بویژه مطالعات اکولوژیک با بهره گیری از مدلها صورت میگیرد.
امروزه پدیده های مهم در حشره شناسی پزشکی همچون رابطه ناقل و عامل بیماریزا ، الگوی پراکنش ناقل و ارتباط آن با اپیدمیولوژي بیماریها، ارتباط فاکتورهای زیستی و محیطی ناقل با تاثیر برنامه های کنترلی، تاثیر عوامل محیطی بر پراکنش ناقلین، ارتباط بین حلقه های اپیدمیولوژیکی بیماریهای منتقله، شبیه سازی ساختارهای زیستی مولکولهای هدف در مطالعات مربوط به طراحی واکسنهای جدید و دستکاریهای ژنتیکی ناقلین و... با بهره گیری از مدلهای مناسب مورد مطالعه قرار می گیرند و در این مسیر محققین در تلاشند تا بتوانند با کارآزمایی این مدلها ،بويژه مدلهای کمی، آنها را در شرایط طبیعی ارزیابی، گراگیری و بهینه سازی نمایند تا قدرت پیش بینی و صحت آن را بالا ببرند.
Selected references:

1. Z.S. Ma and E.J. Bechinski (2009) A new modelling approach to insect reproduction with same-shape reproduction distribution and rate summation: with particular reference to Russian wheat aphid. Bulletin of Entomological Research, 1 – 11.

2. Ma, Z.S. & Bechinski, E.J. (2008a) Developmental and Phenological Modeling of Russian Wheat Aphid. Annals of Entomological Society of America 101(2), 351–361.

3. Jorge Cano, Miguel Ángel Descalzo, Nicolás Ndong-Mabale ,et al (2007) Predicted distribution and movement of Glossina palpalis palpalis (Diptera: Glossinidae) in the wet and dry seasons in the Kogo trypanosomiasis focus (Equatorial Guinea).Journal of Vector Ecology, Vol. 32(2) ,218-225.

4. Weidong gu and robert j. Novak (2005)Habitat-based modeling of impacts of mosquito larval interventions on entomological inoculation rates, incidence, and prevalence of malaria. Am. J. Trop. Med. Hyg., 73(3), 2005, pp. 546–552.

5. Peter Zeilhofer, Olga Patrícia Kummer, Emerson Soares dos Santos et al. (2008) Spatial modelling of Lutzomyia (Nyssomyia) whitmani s.l. (Antunes & Coutinho, 1939) (Diptera: Psychodidae: Phlebotominae) habitat suitability in the state of Mato Grosso, Brazil. Mem Inst Oswaldo Cruz, Rio de Janeiro, Vol. 103(7): 653-660

6. Hirofumi Ishikawa , Akira Ishii , Nobuhiko Nagai ,et al(2003) A mathematical model for the transmission of Plasmodium vivax malaria. Parasitology International 52 (2003) 81–93

7. Steven M. White, Steven M. Sait and Pejman Rohani (2007) Population dynamic consequences of parasitised-larval competition in stage-structured host parasitoid systems. Oikos 116: 1171_1185.

8. Richard Carter (2002)Spatial simulation of malaria transmission and its control by malaria transmission blocking vaccination, International Journal for Parasitology 32 , 1617–162