Enklere matematikk forutsier hvor nærme økosystemer er til å kollapse

Fuzzy humler, som bittesmå oransje sauer, flakser mellom liljene som dekker undersiden av en argentinsk skog, gjødsler blomstene og får næring til seg selv. I en eldgammel slåtteeng i England jakter dansefluer – som ser mer ut som store mygg enn ballerinaer – etter blomster med pollen, og ignorerer de nektarrike blomstene i nærheten. På en steinete øy på Seychellene, bier og møll plukker blomstene sine nøye; antall og typer pollinatorer påvirker hvilke planter som klamrer seg til klippene.

Denne typen interaksjoner mellom arter, som feltøkologer pliktoppfyllende registrerer i sine observasjoner, kan virke uviktige, tatt individuelt. Til sammen beskriver de imidlertid den detaljerte dynamikken til artsinteraksjonene som utgjør et økosystem.

Den dynamikken er kritisk. Mange naturlige miljøer er utrolig komplekse systemer som vakler nær et "vippepunkt" med nesten irreversibel overgang fra en distinkt tilstand til en annen. Hvert forstyrrende sjokk – forårsaket av skogbranner, stormer, forurensning og avskoging, men også av tap av arter – forstyrrer et økosystems stabilitet. Etter vippepunktet er restitusjon ofte umulig.

Det er som å vippe et glass vann, forklarte György Barabas, en teoretisk økolog ved Linköpings universitet i Sverige. "Hvis vi presser det litt, vil det komme tilbake," sa han. "Men hvis vi presser det for langt, vil det velte." Når glasset er veltet, kan ikke et lite trykk føre glasset tilbake til en oppreist stilling eller fylle det på nytt med vann.

Å forstå hva som bestemmer disse miljømessige vippepunktene og tidspunktet deres er stadig mer presserende. En mye sitert 2022 studie fant at Amazonas regnskog halter på kanten av en overgang til tørr gressletter, ettersom avskoging og klimaendringer gjør tørken hyppigere og mer alvorlig over større områder. Effektene av denne overgangen kan spre seg globalt til andre økosystemer.

Et nylig gjennombrudd i matematisk modellering av økosystemer kan gjøre det mulig for første gang å estimere nøyaktig hvor nærme økosystemene er katastrofale vippepunkter. Anvendeligheten av funnet er fortsatt sterkt begrenset, men Jianxi Gao, en nettverksforsker ved Rensselaer Polytechnic Institute som ledet forskningen, håper at det med tiden vil være mulig for forskere og beslutningstakere å identifisere økosystemene som er mest utsatt og skreddersy intervensjoner for dem.

'Nå har du et nummer'

Matematiske modeller kan i prinsippet tillate forskere å forstå hva som skal til for at et system tipper. Denne prediksjonsevnen blir ofte diskutert i sammenheng med klimamodeller og effekten av oppvarming på store geofysiske systemer som den smeltende Grønlandsisen. Men tippingen av økosystemer som skog og enger er uten tvil vanskeligere å forutsi på grunn av den ekstraordinære kompleksiteten som kommer med så mange distinkte interaksjoner, sa Tim Lenton, som jobber med klimavippepunkter ved University of Exeter i England.

Tusenvis av beregninger kan være nødvendig for å fange de særegne interaksjonene til hver art i et system, sa Barabas. Beregningene gjør modellene umåtelig komplekse, spesielt ettersom størrelsen på økosystemet øker.

Sist august i Naturøkologi og evolusjon, Gao og et internasjonalt team av kolleger viste hvordan man knuser tusenvis av beregninger til bare én ved å kollapse alle interaksjonene til et enkelt vektet gjennomsnitt. Denne forenklingen reduserer den formidable kompleksiteten til bare en håndfull nøkkeldrivere.

"Med én ligning vet vi alt," sa Gao. «Før har du en følelse. Nå har du et nummer."

Tidligere modeller som kunne fortelle om et økosystem kan være i trøbbel, stolte på tidlige varselsignaler, for eksempel en synkende utvinningsgrad etter et sjokk. Men tidlige varselsignaler kan bare gi en generell følelse av at et økosystem nærmer seg kanten av en klippe, sa Egbert van Nes, en økolog ved Wageningen University i Nederland som spesialiserer seg på matematiske modeller. Den nye ligningen fra Gao og hans kolleger bruker også tidlige advarselssignaler, men den kan fortelle nøyaktig hvor nærme økosystemene er å tippe.

Selv to økosystemer som viser de samme varselsignalene, er imidlertid ikke nødvendigvis like nær randen av kollaps. Gaos team utviklet derfor også en skaleringsfaktor som muliggjør bedre sammenligninger.

Som en test av deres nye tilnærming til modellering, hentet forskerne data om 54 virkelige økosystemer fra en Online database av feltforskningsobservasjoner fra steder rundt om i verden - inkludert skogene i Argentina, engene i England og de steinete klippene på Seychellene. Deretter kjørte de disse dataene gjennom både den nye modellen og eldre modeller for å bekrefte at den nye ligningen fungerte som den skal. Teamet fant ut at modellen deres fungerer best for homogene økosystemer, og blir mindre nøyaktige etter hvert som økosystemene blir mer mangfoldige.

Testing av forutsetningene

Barabas påpekte at den nylig avledede ligningen hviler på antakelsen om at interaksjoner mellom arter er mye svakere enn interaksjonene til individer innenfor en art. Det er en antagelse som er sterkt støttet av økologilitteraturen - men økologer er ofte uenige om hvordan man best kan bestemme frekvensen og styrken til artsinteraksjoner i forskjellige nettverk.

Slike forskjeller i forutsetningene til en modell er ikke alltid et problem. "Ofte kan matematikk være overraskende tilgivende," sa Barabas. Det som er viktig er å forstå hvordan forutsetningene begrenser nytten av metoden og nøyaktigheten til de resulterende spådommene. Gaos ligning blir mindre nøyaktig ettersom interspesifikke interaksjoner blir sterkere. Foreløpig fungerer modellen også kun på økologiske nettverk av gjensidige interaksjoner der arter gagner hverandre, slik bier og blomster gjør. Det fungerer ikke for rovdyr-bytte-nettverk, som avhenger av forskjellige forutsetninger. Men det kan fortsatt gjelde mange økosystemer som er verdt å forstå.

Siden publiseringen i august har forskerne dessuten allerede funnet ut to måter å gjøre beregningen mer nøyaktig for heterogene økosystemer. De inkorporerer også andre typer interaksjoner i et økosystem, inkludert rovdyr-byttedyr-forhold og en type interaksjon kalt konkurransedynamikk.

Det tok 10 år å utvikle denne ligningen, sa Gao, og det vil ta mange flere før ligningene nøyaktig kan forutsi utfall for virkelige økosystemer - år som er dyrebare fordi behovet for intervensjoner virker presserende. Men han er ikke motløs, kanskje fordi, som Barabas bemerket, selv grunnleggende modeller som gir et bevis på konseptet eller en enkel illustrasjon av en idé kan være nyttige. "Ved å gjøre det lettere å analysere visse typer modeller ... kan de hjelpe selv om de ikke er vant til å lage eksplisitte spådommer for virkelige samfunn," sa Barabas.

Lenton var enig. "Når du står overfor komplekse systemer, fra en posisjon med relativ uvitenhet, er alt bra," sa han. "Jeg er spent fordi jeg føler at vi virkelig nærmer oss det praktiske punktet om å faktisk kunne gjøre det bedre."

Teamet viste nylig modellens nytteverdi ved å bruke den på data fra et sjøgress-restaureringsprosjekt i midten av Atlanterhavet som dateres tilbake til 1999. Forskerne bestemte den spesifikke mengden sjøgress som trengte restaurering for at økosystemet skulle komme seg. I fremtiden planlegger Gao å samarbeide med økologer for å kjøre modellen på Lake George i New York, som Rensselaer ofte bruker som testbed.

Gaos håp er at modellen en dag kan bidra til å informere beslutninger om bevaring og restaurering for å forhindre irreversible skader. "Selv når vi vet at systemet avtar," sa han, "har vi fortsatt tid til å gjøre noe."