Anar al contingut

Ecologia teòrica

De L'Enciclopèdia, la wikipedia en valencià
Archiu:FoodWeb.svg
Els models matemàtics desenrollats en ecologia teòrica prediuen que les rets alimentàries complexes són menys estables que les rets simples.[1][2]
Archiu:Fig.2 Life on Earth-Flow of Energy and Entropy.gif
Vida en la Terra: fluix d'energia i entropía

La ecologia teòrica és la disciplina científica dedicada a l'estudi dels sistemes ecològics utilisant métodos teòrics com models conceptuals simples, models matemàtics, simulacions computacionals i anàlisis alvançat de senyes. Els models efectius milloren la comprensió del món natural en revelar cóm la dinàmica de les poblacions d'espècies a sovint es basa en condicions i processos biològics fonamentals. Ademés, el camp té com a objectiu unificar una àmplia gama d'observacions empíriques en supondre que els processos mecanicistas comuns generen fenomens observables a través d'espècies i entorns ecològics. En base en suposicions biològicament realistes, els ecólogos teòrics poden descobrir noves idees no intuïtives sobre els processos naturals. Els resultats teòrics a sovint es verifiquen per mig d'estudis empírics i observacionals, que revelen el poder dels métodos teòrics per a predir i comprendre el món biològic sorollós i divers.

El camp és ampli i inclou fonaments en matemàtica aplicada, informàtica, biologia, física estadística, genètica, química, evolució i biologia de la conservació. L'ecologia teòrica té com a objectiu explicar una àmplia gama de fenomens en les ciències de la vida, com el creiximent i la dinàmica de poblacions, la peixca, la competència, la teoria evolutiva, l'epidemiologia, el comportament animal i la dinàmica de grups, rets alimentàries, ecosistemes, ecologia espacial i els efectes del canvi climàtic.

L'ecologia teòrica s'ha beneficiat ademés del advenimiento de la potència informàtica, que permet l'anàlisis i la visualisació de simulacions computacionals a gran escala de fenomens ecològics. És important destacar que estes ferramentes modernes proporcionen prediccions quantitatives sobre els efectes del canvi ambiental induït per l'home en una varietat diversa de fenomens ecològics, tals com: invasions d'espècies, canvi climàtic, l'efecte de la peixca i la caça en l'estabilitat de la ret alimentària i el cicle global del carbono.

Enfocaments de modelació

[editar | editar còdic]

Com en la majoria de les atres ciències, els models matemàtics formen la base de la teoria ecològica moderna.

  • Models fenomenológicos: destilen les formes funcionals i distribucionales dels patrons observats en les senyes, o els investigadors decidixen les funcions i la distribució que són lo suficientment flexibles per a coincidir en els patrons que ells o uns atres (ecólogos de camp o experimentals) han trobat en el camp o per mig de l'experimentació.[3]
  • Models mecanicistas: modelen els processos subjacents directament, en funcions i distribucions que es basen en raonaments teòrics sobre processos ecològics d'interés.[3]

Els models ecològics poden ser determinista o estocàstics.[3]


  • Els models determinista sempre evolucionen de la mateixa forma des d'un punt de partida determinat.[4] Representen el comportament promig esperat d'un sistema, pero carixen de variació aleatòria. Molts models de dinàmica de sistemes són determinista.
  • Els models estocàstics permeten la modelació directa dels destorbament aleatoris que subyacer als sistemes ecològics del món real. Els models de cadena de Markov són estocàstics.

Les espècies es poden modelar en temps continu o discret.[5]

  • El temps continu es modela per mig d'equacions diferencials.
  • El temps discret es modela utilisant equacions en recurrencias. Estos models de processos ecològics que poden descriure's com que ocorren en passos de temps discrets. l'àlgebra matricial s'utilisa a sovint per a investigar l'evolució de poblacions estructurades per edat o estructurades per etapes. La matriu de Leslie, per eixemple, representa matemàticament el canvi de temps discret d'una població estructurada per edat.[6][7][8]

Els models s'utilisen a sovint per a descriure processos de reproducció ecològica reals d'una o vàries espècies. Estos es poden modelar per mig de processos de ramificació estocàstics. Alguns eixemples són la dinàmica de les poblacions que interactuen (competència per depredació i mutualisme), que, depenent de l'espècie d'interés, pot modelar-se millor en un temps continu o discret. Es poden trobar atres eixemples de tals models en el camp de l'epidemiologia matemàtica, a on les relacions dinàmiques que es modelaran són les interaccions hoste-patógeno.[5]

Archiu:Logistic Map Bifurcation Diagram, Matplotlib.svg
Diagrama de forcall del mapa llogístic

La teoria del forcall s'usa per a ilustrar cóm menuts canvis en els valors dels paràmetros poden donar lloc a resultats a llarc determini dramàticament diferents, un fet matemàtic que pot usar-se per a explicar les diferències ecològiques dràstiques que es produïxen en sistemes cualitativamente molt similars.[9] Els mapes llogístics són mapages polinomiales i, a sovint, se citen com a eixemples arquetípicos de cóm el comportament caòtic pot sorgir d'equacions dinàmiques no llineals molt simples. Els mapes varen ser popularisats en un artícul fonamental de 1976 per l'ecologiste teòric Robert May.[10] L'equació de diferència està destinada a capturar els dos efectes de la reproducció i la fam.

En 1930, R. A. Fisher va publicar el seu clàssic La teoria genètica de la selecció natural, que va introduir l'idea de que l'aptitut depenent de la freqüència aporta un aspecte estratègic a l'evolució, a on els beneficis per a un organisme en particular, que sorgixen de l'interacció de tots els organismes rellevants, són el número de descendents viables d'este organisme.[11] En 1961, Richard Lewontin va aplicar la teoria de jocs a la biologia evolutiva en la seua Evolution and the Theory of Games,[12] seguit de prop per John Maynard Smith, qui en el seu artícul seminal de 1972, "Game Theory and the Evolution of Fighting",[13] va definir el concepte d'estratègia evolutivamente estable.

Degut a que els sistemes ecològics són típicament no llineals, a sovint no es poden resoldre analíticamente i per a obtindre resultats sensibles, es deuen utilisar tècniques no llineals, estocàstiques i computacionals. Una classe de models computacionals que s'està tornant cada volta més popular són els models basats en agents. Estos models poden simular les accions i interaccions d'organismes múltiples i heterogéneus a on les tècniques analítiques més tradicionals són inadequades. L'ecologia teòrica aplicada produïx resultats que s'utilisen en el món real. Per eixemple, la teoria de la captura òptima es basa en tècniques d'optimisació desenrollades en economia, informàtica i investigació d'operacions, i s'utilisa àmpliament en la peixca.[14]

Ecologia poblacional

[editar | editar còdic]
Artícul principal → Ecologia de poblacions.


La ecologia de poblacions és un subcampo de l'ecologia que s'ocupa de la dinàmica de les poblacions d'espècies i cóm estes poblacions interactuen en el mig ambient.[15] És l'estudi de cóm el tamany de la població d'espècies que viuen juntes en grups canvia a lo llarc del temps i l'espai, i va ser un dels primers aspectes de l'ecologia que es va estudiar i va modelar matemàticament.

Creiximent exponencial

[editar | editar còdic]

La forma més bàsica de modelar la dinàmica de la població és assumir que la taxa de creiximent d'una població depén únicament del tamany de la població en eixe moment i de la taxa de creiximent per càpita de l'organisme. En atres paraules, si el número d'individus en una població en un temps t, és N (t), llavors la taxa de creiximent de la població ve donada per:

dN(t)dt=rN(t)

a on r és la taxa de creiximent per càpita, o la taxa de creiximent intrínseca de l'organisme. També es pot descriure com a r = bd, a on byd són les taxes de natalitat i mortalitat invariantes en el temps per càpita, respectivament. Esta equació diferencial llineal de primer orde es pot resoldre per a produir la solució

N(t)=N(0) ert ,

una trayectòria coneguda com creiximent maltusiano, en honor a Thomas Malthus, qui va descriure per primera volta la seua dinàmica en 1798. Una població que experimenta un creiximent maltusiano seguix una curva exponencial, a on N (0) és el tamany de la població inicial. La població creix quan r> 0 i disminuïx quan r <0. El model és més aplicable en els casos en que uns pocs organismes han començat una colónia i estan creixent ràpidament sense llimitacions o restriccions que impedixquen el seu creiximent (per eixemple, bactèries inoculadas en mijos rics).

Creiximent llogístic

[editar | editar còdic]

El model de creiximent exponencial fa una série de suposicions, moltes de les quals a sovint no es complixen. Per eixemple, molts factors afecten la taxa de creiximent intrínseca i, a sovint, no és invariante en el temps. Una simple modificació del creiximent exponencial és assumir que la taxa de creiximent intrínsec varia en el tamany de la població. Açò és raonable: quant major siga el tamany de la població, menys recursos disponibles, lo que pot resultar en una taxa de natalitat més baixa i una taxa de mortalitat més alta. Per lo tant, podem reemplaçar la r invariante en el temps en r'(t) = (b –aN(t)) - (d+cN(t)), a on a i c són constants que modulen el naiximent i la mort taxes d'una manera depenent de la població (per eixemple, competència intraespecífica). Tant a i c dependran d'atres factors ambientals que, per ara, podem assumir que són constants en este model aproximat. L'equació diferencial és ara:[16]

dN(t)dt=((baN(t))(dcN(t)))N(t)

Açò es pot reescriure com:[16]

dN(t)dt=rN(t)(1NK)

a on r = bd i K = (b - d)/(a + c).

El significat biològic de K es fa evident quan es consideren les estabilitat dels equilibris del sistema. La constant K és la capacitat de càrrega de la població. Els equilibris del sistema són N = 0 i N = K. Si el sistema està linealizado, es pot vore que N = 0 és un equilibri inestable mentres que K és un equilibri estable.[16]

Creiximent poblacional estructurat

[editar | editar còdic]

AP

Un atre supòsit del model de creiximent exponencial és que tots els individus dins d'una població són idèntics i tenen les mateixes provabilitats de sobreviure i reproduir-se. Esta no és una suposició vàlida per a espècies en històries de vida complexes. El model de creiximent exponencial es pot modificar per a tindre en conte açò, per mig del seguiment del número d'individus en diferents classes d'edat (per eixemple, un, dos i tres anys d'edat) o diferents classes d'etapes (jovenils, subadultos i adults) per separat i permetent que els individus de cada grup tinguen les seues pròpies taxes de supervivència i reproducció. La forma general d'este model és

𝐍t+1=𝐋𝐍t

a on Nt és un vector del número d'individus en cada classe en el moment t i L és una matriu que conté la provabilitat de supervivència i la fecunditat per a cada classe. La matriu L es denomina matriu de Leslie per als models estructurats per edat i matriu de Lefkovitch per als models estructurats per etapes.[17]

Si els valors dels paràmetros en L s'estimen a partir de senyes demogràfiques sobre una població específica, es pot usar un model estructurat per a predir si s'espera que esta població creixca o disminuïxca a llarc determini, i quin serà la distribució d'edat esperada dins de la població. Açò s'ha fet per a vàries espècies, incloses les tortugues beques i les ballenes franques.[18][19]


Referències

[editar | editar còdic]
  1. May, Robert M. (2001). Stability and complexity in model ecosystems, First Princeton landmarks in biology edition edició, p. 75-77. OCLC 1134769428. ISBN 978-0-691-20691-2.
  2. Pimm, Stuart L. (2002). Food web, University of Chicago Press, p. 64. OCLC 49283824. ISBN 0-226-66832-0.
  3. 3,0 3,1 3,2 Bolker, Benjamin M. (2008). Ecological models and data in R, Princeton University Press, p. 6-9. OCLC 166273862. ISBN 978-0-691-12522-0.
  4. (1990).Nature.344(6268)
    734–41.doi:10.1038/344734a0.Consultat el 2011-05-13.
  5. 5,0 5,1 Soetaert, Karline (2009). A practical guide to ecological modelling : using R as a simulation platform, Springer. OCLC 310352170. ISBN 978-1-4020-8624-3.
  6. Grant WE (1986) Systems analysis and simulation in wildlife and fisheries sciences. Wiley, University of Minnesota, page 223. ISBN 978-0-471-89236-6.
  7. Jopp F (2011) Modeling Complex Ecological Dynamics Springer, page 122. ISBN 978-3-642-05028-2.
  8. Burk AR (2005) New trends in ecology research Nova Publishers, page 136. ISBN 978-1-59454-379-1.
  9. Ma, Tian (2005). Bifurcation theory and applications, World Scientific. OCLC 232159976. ISBN 981-270-115-X.
  10. May, Robert M. (1981). Theoretical ecology : principles and applications, 2d ed edició, Blackwell Scientific Publications. OCLC 7649443. ISBN 0-632-00768-0.
  11. Fisher, R. A. (1930). The genetical theory of natural selection, Oxford: The Clarendon press.
  12. (1961).Journal of Theoretical Biology.1(3)
    382–403.doi:10.1016/0022-5193(61)90038-8.
  13. (1974).Journal of Theoretical Biology.47(1)
    209–21.doi:10.1016/0022-5193(74)90110-6.
  14. Supriatna AK (1998) Optimal harvesting theory for predator–prey metapopulations University of Adelaide, Department of Applied Mathematics.
  15. Odum, Eugene P. (1959). Fundamentals of Ecology, Second edició, Philadelphia and London: W. B. Saunders Co., p. 546 p. OCLC 554879. ISBN 9780721669410.
  16. 16,0 16,1 16,2 Moss, Robert; Ollason, John (1982). Animal population dynamics. OCLC 8493500. ISBN 0-412-22240-X.
  17. Hal Caswell (2001). Matrix Population Models: Construction, Analysis, and Interpretation, Sinauer.
  18. (1987).Ecology.68(5)
    1412–1423.doi:10.2307/1939225.
  19. (2001).Nature.414(6863)
    537–541.doi:10.1038/35107054.