Preprostejša matematika napoveduje, kako blizu so ekosistemi propadu

Mehki čmrlji, kot drobne oranžne ovce, švigajo med lilijami, ki prekrivajo podrast argentinskega gozda, gnojijo rože in si pridobivajo hrano. notri starodavni senožet v Angliji plesalke – ki so bolj podobne ogromnim komarjem kot balerinam – lovijo cvetove s cvetnim prahom, pri tem pa ne upoštevajo bližnjih cvetov, bogatih z nektarjem. Vklopljeno skalnat otok na Sejšelih, čebele in vešče skrbno trgajo svoje cvetove; število in vrste opraševalcev vplivajo na to, katere rastline se držijo pečin.

Tovrstne interakcije med vrstami, ki jih terenski ekologi vestno beležijo v svojih opazovanjih, se lahko zdijo nepomembne, če jih vzamemo posamezno. Skupno pa opisujejo podrobno dinamiko interakcij med vrstami, ki sestavljajo ekosistem.

Ta dinamika je kritična. Mnoga naravna okolja so neverjetno zapleteni sistemi, ki nihajo blizu "prelomne točke" skoraj nepovratnega prehoda iz enega posebnega stanja v drugega. Vsak moteč šok, ki ga povzročijo gozdni požari, neurja, onesnaženje in krčenje gozdov, pa tudi izguba vrst, moti stabilnost ekosistema. Po prelomni točki je okrevanje pogosto nemogoče.

Pojasnjeno je kot nagniti kozarec vode György Barabas, teoretični ekolog na univerzi Linköping na Švedskem. "Če ga malo potisnemo, se bo vrnil," je dejal. "Toda če ga potisnemo predaleč, se bo prevrnil." Ko se kozarec prevrne, ga z majhnim pritiskom ne morete vrniti v pokončni položaj ali ga ponovno napolniti z vodo.

Razumevanje, kaj določa te okoljske prelomne točke in njihov čas, je vedno bolj nujno. Široko citiran 2022 študija ugotovili, da se amazonski deževni gozd giblje na robu prehoda v suho travinje, saj krčenje gozdov in podnebne spremembe povzročijo, da je suša pogostejša in hujša na večjih območjih. Učinki tega prehoda bi se lahko globalno razširili na druge ekosisteme.

Nedavni preboj v matematičnem modeliranju ekosistemov bi lahko prvič omogočil natančno oceno, kako blizu so ekosistemi katastrofalnim prelomnim točkam. Uporabnost odkritja je še vedno močno omejena, vendar Jianxi Gao, mrežni znanstvenik na Politehničnem inštitutu Rensselaer, ki je vodil raziskavo, upa, da bodo znanstveniki in oblikovalci politik sčasoma lahko prepoznali ekosisteme, ki so najbolj ogroženi, in jim prilagodili posege.

'Zdaj imaš številko'

Matematični modeli lahko načeloma omogočijo znanstvenikom, da razumejo, kaj bo potrebno, da se sistem prevrne. O tej napovedni zmožnosti se pogosto razpravlja v kontekstu podnebnih modelov in vpliva segrevanja na velike geofizične sisteme, kot je taleča se grenlandska ledena plošča. Toda prevrnitev ekosistemov, kot so gozdovi in ​​travniki, je verjetno težje napovedati zaradi izredne zapletenosti, ki jo prinaša toliko različnih interakcij, je dejal Tim Lenton, ki se ukvarja s podnebnimi prelomnimi točkami na Univerzi Exeter v Angliji.

Barabas je dejal, da bo morda potrebnih na tisoče izračunov, da se zajamejo značilne interakcije vsake vrste v sistemu. Zaradi izračunov so modeli izjemno zapleteni, zlasti ko se velikost ekosistema povečuje.

Avgusta lani v Narava Ekologija in evolucija, Gao in mednarodna ekipa kolegov so pokazali, kako narediti na tisoče izračunov v samo enega s strnitvijo vseh interakcij v eno samo tehtano povprečje. Ta poenostavitev zmanjša izjemno zapletenost na le peščico ključnih gonilnikov.

"Z eno enačbo vemo vse," je dejal Gao. »Prej imaš občutek. Zdaj imaš številko.«

Zanašanje na prejšnje modele, ki bi lahko povedali, ali je ekosistem morda v težavah zgodnji opozorilni signali, kot je manjša stopnja okrevanja po šoku. Toda zgodnji opozorilni signali lahko dajo le splošen občutek, da se ekosistem približuje robu pečine, je dejal Egbert van Nes, ekolog na univerzi Wageningen na Nizozemskem, ki je specializiran za matematične modele. Nova enačba Gaa in njegovih sodelavcev uporablja tudi zgodnje opozorilne signale, vendar lahko natančno pove, kako blizu so ekosistemi prevrnitvi.

Tudi dva ekosistema, ki kažeta enake opozorilne signale, pa nista nujno enako blizu robu propada. Gaova ekipa je zato razvila tudi faktor skaliranja, ki omogoča boljše primerjave.

Kot preizkus svojega novega pristopa k modeliranju so raziskovalci pridobili podatke o 54 resničnih ekosistemih iz spletna baza podatkov opazovanj terenskih raziskav z lokacij po vsem svetu – vključno z gozdovi v Argentini, travniki v Angliji in skalnatimi pečinami na Sejšelih. Nato so te podatke pregledali tako v novem modelu kot v starejših modelih, da bi potrdili, da nova enačba deluje pravilno. Ekipa je ugotovila, da njihov model najbolje deluje za homogene ekosisteme in postaja manj natančen, ko ekosistemi postajajo bolj raznoliki.

Preizkušanje predpostavk

Barabas je poudaril, da na novo izpeljana enačba temelji na predpostavki, da so interakcije med vrstami veliko šibkejše od interakcij posameznikov znotraj vrste. To je predpostavka, ki jo močno podpira ekološka literatura - vendar se ekologi pogosto ne strinjajo o tem, kako najbolje določiti pogostost in moč interakcij vrst v različnih omrežjih.

Takšne razlike v predpostavkah modela niso vedno problem. "Pogosto je lahko matematika presenetljivo prizanesljiva," je dejal Barabas. Pomembno je razumeti, kako predpostavke omejujejo uporabnost metode in natančnost izhajajočih napovedi. Gaova enačba postane manj natančna, ko so medvrstne interakcije močnejše. Trenutno model deluje le na ekoloških omrežjih vzajemnih interakcij, v katerih vrste koristijo druga drugi, kot to počnejo čebele in rože. Ne deluje za mreže plenilec-plen, ki so odvisne od različnih predpostavk. Še vedno pa se lahko uporablja za številne ekosisteme, ki jih je vredno razumeti.

Še več, od avgustovske objave so raziskovalci že ugotovili dva načina, kako narediti izračun natančnejši za heterogene ekosisteme. Vključujejo tudi druge vrste interakcij znotraj ekosistema, vključno z odnosi med plenilcem in plenom ter vrsto interakcije, imenovano tekmovalna dinamika.

Za razvoj te enačbe je bilo potrebnih 10 let, je dejal Gao, in še veliko bo potrebnih, da bodo enačbe natančno napovedale rezultate za ekosisteme v resničnem svetu – leta, ki so dragocena, ker se zdi potreba po intervencijah pereča. Vendar ni razočaran, morda zato, kot je opozoril Barabas, da so celo temeljni modeli, ki zagotavljajo dokaz koncepta ali preprosto ilustracijo ideje, lahko koristni. "Z lažjo analizo določenih vrst modelov ... lahko pomagajo, tudi če se ne uporabljajo za izrecne napovedi za resnične skupnosti," je dejal Barabas.

Lenton se je strinjal. "Ko se s položaja relativne nevednosti soočate s kompleksnimi sistemi, je vse dobro," je dejal. "Navdušen sem, ker se mi zdi, da se resnično bližamo praktični točki, da smo dejansko sposobni narediti boljše."

Ekipa je pred kratkim pokazala uporabnost modela, tako da ga je uporabila za podatke iz projekta obnove morske trave v srednjem Atlantiku, ki sega v leto 1999. Raziskovalci so določili specifično količino morske trave, ki jo je bilo treba obnoviti, da si je ekosistem lahko opomogel. V prihodnosti namerava Gao sodelovati z ekologi pri izvedbi modela na jezeru George v New Yorku, ki ga Rensselaer pogosto uporablja kot testno stezo.

Gao upa, da bo nekega dne model lahko pomagal pri odločitvah o ohranjanju in restavriranju, da bi preprečili nepopravljivo škodo. "Tudi ko vemo, da sistem propada," je dejal, "imamo še vedno čas, da nekaj naredimo."