ریاضی ساده‌تر پیش‌بینی می‌کند که اکوسیستم‌ها چقدر نزدیک به فروپاشی هستند

زنبورهای کدر مانند گوسفندهای نارنجی کوچک، بین نیلوفرهایی که کف یک جنگل آرژانتینی را پوشانده اند، پرواز می کنند و گل ها را بارور می کنند و برای خود تغذیه می کنند. که در یک علفزار باستانی در انگلستان، مگس‌های رقصنده - که بیشتر شبیه پشه‌های حجیم هستند تا بالرین‌ها - به دنبال شکوفه‌هایی با گرده می‌گردند، بدون توجه به گل‌های غنی از شهد در اطراف. بر جزیره ای صخره ای در سیشلزنبورها و پروانه ها گل های خود را با دقت می چینند. تعداد و انواع گرده افشان ها بر چسبیدن گیاهان به صخره ها تأثیر می گذارد.

این نوع از تعاملات بین گونه‌ها، که بوم‌شناسان میدانی با وظیفه‌شناسی در مشاهدات خود ثبت می‌کنند، می‌تواند بی‌اهمیت به نظر برسد. با این حال، در مجموع، آنها پویایی دقیق تعاملات گونه‌ای را که یک اکوسیستم را تشکیل می‌دهند، توصیف می‌کنند.

این پویایی ها حیاتی هستند. بسیاری از محیط‌های طبیعی، سیستم‌های بسیار پیچیده‌ای هستند که در نزدیکی «نقطه اوج» انتقال تقریباً غیرقابل برگشت از یک حالت متمایز به حالت دیگر متزلزل هستند. هر شوک مخرب - ناشی از آتش‌سوزی‌ها، طوفان‌ها، آلودگی و جنگل‌زدایی و همچنین از دست دادن گونه‌ها - ثبات اکوسیستم را مختل می‌کند. گذشته از نقطه اوج، بهبود اغلب غیر ممکن است.

توضیح داده شد، مثل کج کردن یک لیوان آب است گیورگی باراباس، بوم شناس نظری در دانشگاه لینشوپینگ در سوئد. او گفت: «اگر کمی آن را فشار دهیم، برمی‌گردد. اما اگر آن را بیش از حد جلو ببریم، واژگون خواهد شد.» هنگامی که لیوان واژگون می شود، یک فشار کوچک نمی تواند لیوان را به حالت عمودی برگرداند یا آن را دوباره با آب پر کند.

درک اینکه چه چیزی این نقاط اوج محیطی و زمان بندی آنها را تعیین می کند به طور فزاینده ای ضروری است. یک مورد استناد گسترده مطالعه 2022 دریافتند که جنگل‌های بارانی آمازون در آستانه گذار به علفزار خشک است، زیرا جنگل‌زدایی و تغییرات آب و هوایی خشکسالی را در مناطق بزرگ‌تر مکرر و شدیدتر می‌کند. اثرات این گذار می تواند در سطح جهانی به سایر اکوسیستم ها سرایت کند.

پیشرفت اخیر در مدل‌سازی ریاضی اکوسیستم‌ها می‌تواند برای اولین بار تخمین دقیق نزدیکی اکوسیستم‌ها به نقاط اوج فاجعه‌بار را ممکن سازد. کاربرد این کشف هنوز به شدت محدود است، اما جیانشی گائویک دانشمند شبکه در موسسه پلی تکنیک Rensselaer که این تحقیق را رهبری می کرد، امیدوار است که به مرور زمان برای دانشمندان و سیاست گذاران امکان شناسایی اکوسیستم هایی که بیشتر در معرض خطر هستند و مداخلات مناسب برای آنها وجود داشته باشد.

"اکنون شما یک شماره دارید"

مدل‌های ریاضی اصولاً می‌توانند به دانشمندان این امکان را بدهند که بفهمند برای نوک کردن یک سیستم چه چیزی لازم است. این قابلیت پیش‌بینی اغلب در زمینه مدل‌های اقلیمی و تأثیر گرم شدن بر سیستم‌های ژئوفیزیکی بزرگ مانند ذوب لایه یخی گرینلند مورد بحث قرار می‌گیرد. اما به دلیل پیچیدگی خارق‌العاده‌ای که با بسیاری از تعاملات متمایز همراه است، احتمالاً پیش‌بینی انحراف اکوسیستم‌هایی مانند جنگل‌ها و مراتع دشوارتر است. تیم لنتون، که در دانشگاه اکستر انگلستان روی نقاط اوج آب و هوا کار می کند.

باراباس گفت که ممکن است برای ثبت تعاملات متمایز هر گونه در یک سیستم، هزاران محاسبه مورد نیاز باشد. محاسبات، مدل ها را بسیار پیچیده می کند، به ویژه با افزایش اندازه اکوسیستم.

آگوست گذشته در محیط زیست طبیعت و تکامل، گائو و یک تیم بین المللی از همکاران نشان دادند که چگونه می توان هزاران محاسبه را انجام داد فقط به یکی با جمع کردن همه تعاملات در یک میانگین وزنی واحد. این ساده‌سازی پیچیدگی فوق‌العاده را به تعداد انگشت شماری از محرک‌های کلیدی کاهش می‌دهد.

گائو گفت: "با یک معادله، ما همه چیز را می دانیم." «قبلاً، شما یک احساس دارید. حالا شما یک شماره دارید.»

مدل‌های قبلی که می‌توانستند بگویند آیا یک اکوسیستم ممکن است دچار مشکل باشد، به آن‌ها تکیه کردند سیگنال های هشدار اولیهمانند کاهش میزان بهبودی پس از شوک. اما سیگنال‌های هشدار اولیه می‌توانند فقط یک حس کلی به دست دهند که یک اکوسیستم به لبه یک صخره نزدیک می‌شود. اگبرت ون نس، بوم شناس دانشگاه واگنینگن هلند که در مدل های ریاضی تخصص دارد. معادله جدید گائو و همکارانش از سیگنال‌های هشدار اولیه نیز استفاده می‌کند، اما می‌تواند دقیقاً نشان دهد که اکوسیستم‌ها تا چه حد به سقوط نزدیک هستند.

با این حال، حتی دو اکوسیستم که سیگنال‌های هشدار یکسانی را نشان می‌دهند، لزوماً به یک اندازه به مرز فروپاشی نزدیک نیستند. بنابراین تیم گائو همچنین یک فاکتور مقیاس‌پذیری ایجاد کرد که امکان مقایسه بهتر را فراهم می‌کند.

به عنوان آزمونی از رویکرد جدید خود در مدل سازی، محققان داده های مربوط به 54 اکوسیستم واقعی را از یک پایگاه داده آنلاین مشاهدات تحقیقات میدانی از مکان‌هایی در سراسر جهان - از جمله جنگل‌های آرژانتین، مراتع در انگلستان و صخره‌های سنگی در سیشل. سپس آن‌ها این داده‌ها را از طریق مدل جدید و مدل‌های قدیمی‌تر اجرا کردند تا تأیید کنند که معادله جدید به درستی کار می‌کند. این تیم دریافتند که مدل آنها برای اکوسیستم های همگن بهترین عملکرد را دارد و با تنوع بیشتر اکوسیستم ها دقیق تر می شود.

آزمایش فرضیات

باراباس خاطرنشان کرد که معادله جدید مشتق شده بر این فرض استوار است که تعاملات بین گونه ها بسیار ضعیف تر از تعامل افراد در یک گونه است. این فرضیه ای است که به شدت توسط ادبیات بوم شناسی پشتیبانی می شود - اما بوم شناسان اغلب در مورد بهترین روش برای تعیین فراوانی و قدرت تعاملات گونه ها در شبکه های مختلف اختلاف نظر دارند.

چنین تفاوت هایی در مفروضات یک مدل همیشه مشکل ساز نیست. باراباس گفت: "اغلب ریاضیات می تواند به طرز شگفت آوری بخشنده باشد." آنچه مهم است درک این موضوع است که چگونه مفروضات سودمندی روش و دقت پیش‌بینی‌های حاصل را محدود می‌کنند. معادله گائو با قوی تر شدن برهمکنش های بین گونه ای دقیق تر می شود. در حال حاضر، این مدل فقط بر روی شبکه‌های اکولوژیکی تعاملات متقابل که در آن گونه‌ها مانند زنبورها و گل‌ها برای یکدیگر سود می‌برند، کار می‌کند. برای شبکه های شکارچی که به فرضیات مختلفی بستگی دارند کار نمی کند. اما هنوز هم می‌تواند برای بسیاری از اکوسیستم‌های قابل درک اعمال شود.

علاوه بر این، از زمان انتشار در ماه آگوست، محققان دو راه را برای دقیق تر کردن محاسبه برای اکوسیستم های ناهمگن کشف کرده اند. آنها همچنین انواع دیگری از تعاملات را در یک اکوسیستم ترکیب می کنند، از جمله روابط شکارچی-شکار و نوعی تعامل به نام پویایی رقابتی.

گائو گفت که توسعه این معادله 10 سال طول کشید، و برای پیش بینی دقیق نتایج برای اکوسیستم های دنیای واقعی معادلات بسیار بیشتر طول می کشد - سال هایی که ارزشمند هستند زیرا نیاز به مداخلات ضروری به نظر می رسد. اما او ناامید نیست، شاید به این دلیل که، همانطور که باراباس اشاره کرد، حتی مدل‌های بنیادی که اثبات مفهوم یا یک تصویر ساده از یک ایده را ارائه می‌دهند، می‌توانند مفید باشند. باراباس گفت: «با آسان‌تر کردن تحلیل انواع خاصی از مدل‌ها... حتی اگر از آنها برای پیش‌بینی صریح برای جوامع واقعی استفاده نشود، می‌توانند کمک کنند».

لنتون موافقت کرد. او گفت: «وقتی با سیستم‌های پیچیده مواجه می‌شوید، از موضع ناآگاهی نسبی، همه چیز خوب است. "من هیجان زده هستم زیرا احساس می کنم که ما واقعاً به نقطه عملی می رسیم که واقعاً بتوانیم بهتر عمل کنیم."

تیم اخیراً سودمندی این مدل را با استفاده از آن بر روی داده‌های یک پروژه احیای علف‌های دریایی در میانه اقیانوس اطلس که به سال 1999 بازمی‌گردد، نشان دادند. در آینده، گائو قصد دارد با اکولوژیست ها همکاری کند تا این مدل را در دریاچه جورج در نیویورک اجرا کند، که Rensselaer اغلب از آن به عنوان یک بستر آزمایشی استفاده می کند.

امید گائو این است که روزی این مدل بتواند به تصمیم گیری در مورد اقدامات حفاظتی و بازسازی کمک کند تا از آسیب های برگشت ناپذیر جلوگیری شود. او گفت: «حتی وقتی می دانیم که سیستم در حال افول است، ما هنوز برای انجام کاری وقت داریم.»