Lihtsam matemaatika ennustab, kui lähedal on ökosüsteemide kokkuvarisemine

Hägusad kimalased, nagu pisikesed oranžid lambad, lendavad Argentina metsa alusmetsa katvate liiliate vahel, väetades lilli ja hankides endale toitu. sisse põline heinamaa Inglismaal jahivad tantsukärbsed, kes näevad välja rohkem nagu kogukad sääsed kui baleriinid, õisi õietolmu abil, ignoreerides läheduses asuvaid nektaririkkaid lilli. Peal kivine saar Seišellidel, mesilased ja ööliblikad korjavad hoolikalt õisi; tolmeldajate arv ja tüübid mõjutavad seda, millised taimed kaljude külge klammerduvad.

Sellised liikidevahelised vastasmõjud, mida väliökoloogid kohusetundlikult oma vaatlustes registreerivad, võivad üksikult vaadatuna tunduda ebaolulised. Kokkuvõttes kirjeldavad nad aga ökosüsteemi moodustavate liikide vastasmõju üksikasjalikku dünaamikat.

See dünaamika on kriitiline. Paljud looduskeskkonnad on uskumatult keerulised süsteemid, mis kõiguvad peaaegu pöördumatu ülemineku ühest eristatavast olekust teise pöördepunkti lähedal. Iga häiriv šokk – mis on põhjustatud metsatulekahjudest, tormidest, reostusest ja metsade hävitamisest, aga ka liikide kadumisest – häirib ökosüsteemi stabiilsust. Pärast murdepunkti on taastumine sageli võimatu.

See on nagu veeklaasi kallutamine, selgitas György Barabas, Rootsi Linköpingi ülikooli teoreetiline ökoloog. "Kui me seda natuke surume, siis see naaseb," ütles ta. "Aga kui me selle liiga kaugele lükkame, kukub see ümber." Kui klaas on ümber lükatud, ei saa väike tõuge klaasi püstiasendisse tagasi viia ega veega uuesti täita.

Üha pakilisem on mõista, mis määrab need keskkonnaalased pöördepunktid ja nende ajastuse. Laialt tsiteeritud 2022 uuring leidis, et Amazonase vihmamets on kuivaks rohumaaks muutumas, kuna metsade hävitamine ja kliimamuutused muudavad põua suurematel aladel sagedasemaks ja tõsisemaks. Selle ülemineku mõjud võivad levida ülemaailmselt teistele ökosüsteemidele.

Hiljutine läbimurre ökosüsteemide matemaatilises modelleerimises võib võimaldada esimest korda täpselt hinnata, kui lähedal on ökosüsteemid katastroofiliste pöördepunktide lähedal. Avastuse rakendatavus on endiselt järsult piiratud, kuid Jianxi GaoRensselaeri polütehnilise instituudi võrguteadlane, kes uurimistööd juhtis, loodab, et teadlastel ja poliitikakujundajatel on aja jooksul võimalik tuvastada kõige ohustatumad ökosüsteemid ja kohandada nende jaoks sekkumisi.

"Nüüd on sul number"

Matemaatilised mudelid võivad põhimõtteliselt võimaldada teadlastel mõista, mida on vaja süsteemi kallutamiseks. Seda ennustamisvõimet arutatakse sageli kliimamudelite ja soojenemise mõju kohta suurtele geofüüsikalistele süsteemidele, nagu Gröönimaa sulav jääleht. Kuid selliste ökosüsteemide nagu metsad ja niidud kukkumist on vaieldamatult raskem prognoosida, kuna nii palju erinevaid koosmõjusid on erakordselt keeruline. Tim Lenton, kes töötab Inglismaal Exeteri ülikoolis kliimamuutuste kallal.

Barabas ütles, et süsteemi iga liigi iseloomulike vastasmõjude tabamiseks võib vaja minna tuhandeid arvutusi. Arvutused muudavad mudelid tohutult keerukaks, eriti kui ökosüsteemi suurus suureneb.

Eelmise aasta augustis Looduse ökoloogia ja areng, Gao ja rahvusvaheline kolleegide meeskond näitasid, kuidas teha tuhandeid arvutusi vaid üheks koondades kõik interaktsioonid üheks kaalutud keskmiseks. See lihtsustus vähendab tohutu keerukust vaid käputäie võtmedraiveriteni.

"Ühe võrrandiga teame kõike," ütles Gao. "Enne on sul tunne. Nüüd on sul number olemas."

Toetati varasematele mudelitele, mis võisid öelda, kas ökosüsteem võib olla hädas varajased hoiatussignaalid, näiteks vähenev taastumismäär pärast šokki. Kuid varajased hoiatussignaalid võivad anda vaid üldise aimu, et ökosüsteem läheneb kalju servale, ütles Egbert van Nes, Madalmaade Wageningeni ülikooli ökoloog, kes on spetsialiseerunud matemaatilistele mudelitele. Gao ja tema kolleegide uus võrrand kasutab ka varajasi hoiatussignaale, kuid see võib täpselt öelda, kui lähedal on ökosüsteemid kallutamisele.

Isegi kaks ökosüsteemi, millel on samad hoiatussignaalid, ei pruugi aga olla kokkuvarisemise äärele võrdselt lähedal. Seetõttu töötas Gao meeskond välja ka skaleerimisteguri, mis võimaldab paremaid võrdlusi.

Oma uue modelleerimise lähenemisviisi testimiseks kogusid teadlased andmeid 54 tegeliku ökosüsteemi kohta. online-andmebaas väliuuringute vaatlusi kõikjalt maailmast – sealhulgas Argentina metsadest, Inglismaa niitudelt ja Seišellide kivistelt kaljudelt. Seejärel käivitasid nad need andmed nii uue mudeli kui ka vanemate mudelite kaudu, et kinnitada, et uus võrrand töötab korralikult. Meeskond leidis, et nende mudel töötab kõige paremini homogeensete ökosüsteemide jaoks, muutudes ökosüsteemide mitmekesisemaks muutudes vähem täpseks.

Eelduste testimine

Barabas juhtis tähelepanu sellele, et äsja tuletatud võrrand põhineb eeldusel, et liikidevahelised vastasmõjud on palju nõrgemad kui liigisisesed isendite vastasmõjud. See on eeldus, mida toetab tugevalt ökoloogiaalane kirjandus, kuid ökoloogid on sageli eriarvamusel, kuidas kõige paremini määrata liikide interaktsioonide sagedust ja tugevust erinevates võrkudes.

Sellised erinevused mudeli eeldustes ei ole alati probleemiks. "Tihti võib matemaatika olla üllatavalt andestav," ütles Barabas. Oluline on mõista, kuidas eeldused piiravad meetodi kasulikkust ja sellest tulenevate prognooside täpsust. Gao võrrand muutub liikidevahelise interaktsiooni tugevnedes vähem täpseks. Praegu töötab mudel ka ainult vastastikuse interaktsiooni ökoloogilistes võrgustikes, kus liigid saavad üksteisele kasu, nagu teevad mesilased ja lilled. See ei tööta röövloomade ja saakloomade võrkude puhul, mis sõltuvad erinevatest eeldustest. Kuid see võib siiski kehtida paljude ökosüsteemide kohta, mida tasub mõista.

Pealegi on teadlased alates augusti avaldamisest juba välja mõelnud kaks võimalust heterogeensete ökosüsteemide arvutuste täpsemaks muutmiseks. Need hõlmavad ka muud tüüpi koostoimeid ökosüsteemis, sealhulgas röövloomade ja saakloomade suhteid ning teatud tüüpi interaktsiooni, mida nimetatakse konkurentsidünaamikaks.

Selle võrrandi väljatöötamiseks kulus 10 aastat, ütles Gao, ja kulub palju rohkem aega, et võrrandid saaksid reaalse maailma ökosüsteemide tulemusi täpselt ennustada – aastaid, mis on väärtuslikud, sest sekkumisvajadus tundub pakiline. Kuid ta ei ole masendunud, võib-olla sellepärast, nagu märkis Barabas, isegi alusmudelid, mis pakuvad kontseptsiooni tõestust või ideed lihtsat illustratsiooni, võivad olla kasulikud. "Teatud tüüpi mudelite analüüsimise hõlbustamine … võivad need aidata isegi siis, kui neid ei kasutata tegelike kogukondade jaoks selgesõnaliste ennustuste tegemiseks," ütles Barabas.

Lenton nõustus. "Kui olete suhtelise teadmatuse positsioonist silmitsi keeruliste süsteemidega, on kõik hea," ütles ta. "Olen põnevil, sest tunnen, et oleme jõudmas selle praktilise poole, et saaksime tegelikult paremini teha."

Töörühm näitas hiljuti mudeli kasulikkust, rakendades seda Atlandi ookeani keskosas mererohu taastamise projekti andmetele, mis pärinesid aastast 1999. Teadlased määrasid kindlaks mererohu konkreetse koguse, mis ökosüsteemi taastumiseks vajab taastamist. Tulevikus kavatseb Gao teha koostööd ökoloogidega, et juhtida mudelit New Yorgi järvel George'i järvel, mida Rensselaer sageli katsealusena kasutab.

Gao loodab, et kunagi saab mudel aidata otsustada kaitse- ja taastamispüüdluste kohta, et vältida pöördumatuid kahjustusi. "Isegi kui me teame, et süsteem langeb," ütles ta, "meil on veel aega midagi ette võtta."