Ein besserer Weg, um herauszufinden, welche Arten gefährdet sind

Ein besserer Weg, um herauszufinden, welche Arten gefährdet sind

Waldbrände, Überschwemmungen, Umweltverschmutzung und Wilderei gehören zu den vielen Störungen, die das Gleichgewicht von Ökosystemen verändern und manchmal die Zukunft ganzer Arten gefährden können. Aber die Bewertung dieser Ökosysteme zur Identifizierung der am stärksten gefährdeten Arten, um Schutzmaßnahmen und -politiken dort zu konzentrieren, wo sie am dringendsten benötigt werden, ist eine herausfordernde Aufgabe.

Die meisten dieser Bemühungen gehen davon aus, dass sich Ökosysteme im Wesentlichen im Gleichgewicht befinden und dass externe Störungen eine vorübergehende Verschiebung verursachen, bevor die Dinge schließlich zu diesem Gleichgewichtszustand zurückkehren. Aber diese Annahme erklärt nicht die Tatsache, dass Ökosysteme oft in Bewegung sind, wobei sich die relative Häufigkeit ihrer verschiedenen Komponenten entsprechend ihrer eigenen Zeitskalen ändert. Jetzt hat ein Crew von Forschern am Massachusetts Institute of Expertise und anderswo eine bessere Vorhersagemethode zur Bewertung dieser Systeme entwickelt, um die relative Anfälligkeit verschiedener Arten einzustufen und Arten zu erkennen, die anfällig sind, aber unbemerkt bleiben könnten.

Im Gegensatz zu den traditionellen Methoden, solche Klassifizierungen heute vorzunehmen, stellen sie fest, dass die Arten mit den geringsten Populationen oder dem stärksten Rückgang der Anzahl – die heute allgemein verwendeten Kriterien – manchmal nicht die anfälligsten sind.

Ergebnisse wurden gemeldet im Magazin Umweltwissenschaftliche Botschaften In einem Artikel, der von MIT Affiliate Professor of Civil and Environmental Engineering Sergoy Saavedra, dem kürzlichen Doktoranden Lucas Medeiros Ph.D. ’22 und drei anderen präsentiert wurde.

Laut Saavedra ähnelt die neue Arbeit der Artwork und Weise, wie Edward Lorenz mit seiner Analyse von Wettermustern vor Jahrzehnten das Feld revolutionierte. Die Forschung von Lorenz deutete darauf hin, dass kleine Störungen schließlich zu sehr großen Ergebnissen führen könnten – berühmt ausgedrückt durch die Idee, dass das Schlagen der Flügel eines Schmetterlings an einem Ort schließlich zu einem Twister an einem anderen führen könnte. „Auch sehr enge Anfangsbedingungen können über einen bestimmten Zeitraum stark voneinander abweichen und damit unvorhersehbar werden“, sagt er. Vor diesem Hintergrund: „Wir haben uns gefragt, was passieren würde, wenn wir dieselbe Perspektive anwenden würden, um herauszufinden, welche Arten empfindlicher sind?“

In einigen Fällen, wie etwa bei Aspekten der Wettervorhersage, verstehen Wissenschaftler die grundlegende Physik von Phänomenen und können Gleichungen aufstellen, die ihre Dynamik bis zu einem gewissen Grad beschreiben. Dies sei bei komplexen Ökosystemen nicht der Fall, sagt er, wo wir nicht die grundlegenden Gleichungen für die Dynamik sogar einzelner Arten haben, geschweige denn des gesamten Techniques. Aber in den letzten zehn Jahren, sagt er, hat das Crew mathematische Techniken entwickelt, so dass „wir eine Beschreibung der Dynamik erhalten können, ohne die Grundgleichungen zu kennen“, solange es genügend Zeitreihen von Daten gibt, mit denen wir arbeiten können.

Das Crew entwickelte zwei unterschiedliche Ansätze, die als erwartete Sensitivitätsklassifizierung und Eigenvektor-Rating bezeichnet werden. Beide Ansätze schnitten in Assessments mit großen Sätzen simulierter Daten intestine ab und lieferten Bewertungen, die den erwarteten aufgrund der zugrunde liegenden Annahmen des Simulationsmodells nahe kamen.

Herkömmliche Versuche, die Anfälligkeit von Arten einzustufen, konzentrieren sich in der Regel auf Maße wie die Körpergröße – größere Arten sind tendenziell anfälliger – sowie die Clangröße, die beide meistens nützliche Indikatoren sein können. Aber, wie Saavedra betont: „Diese Arten sind so integraler Bestandteil von Gesellschaften, und diese Gesellschaften haben ein so nichtlineares aufkommendes Verhalten, dass selbst eine kleine Änderung an einem Ort sich völlig anders verändern kann als ein anderer Aspekt des Techniques.“

Die Tatsache, dass Arten innerhalb eines Ökosystems in ihrer Häufigkeit steigen und fallen können, manchmal periodisch, manchmal zufällig oder durch äußere Kräfte bestimmt, bedeutet, dass der genaue Zeitpunkt einer bestimmten Störung einen großen Unterschied machen kann – etwas, das Gleichgewichtsmodelle nicht erklären können. “Methoden, die auf der Gleichgewichtsdynamik basieren, haben diese konsistente Sicht auf Wechselwirkungseffekte zwischen Arten”, sagt Medeiros. “Bei Ungleichgewichtsschwankungen können sich diese Interaktionseffekte im Laufe der Zeit ändern und die Empfindlichkeit einer bestimmten Artwork von Störung beeinflussen.”

Beispielsweise können Arten, die im Sommer sehr aktiv sind, aber im Winter ruhen, von einem sommerlichen Lauffeuer oder einer Hitzewelle stark betroffen sein, aber völlig unberührt, wenn die Störung im Winter auftritt. Oder wenn die Interaktionen zwischen einem Raubtier und seiner Beuteart im Laufe eines Jahres variieren, kann der Zeitpunkt der Störung in einigen Jahreszeiten störender sein als in anderen.

Laut Saavedra sind die neuen Analysemethoden auf alle Arten von Ökosystemen anwendbar, ob marine, terrestrische, tropische oder polare. Tatsächlich sind die Formeln so allgemein, wenn sie auf Systeme mit vielen Interaktionen und kontinuierlichem Fluss angewendet werden, dass einige Forscher sie auch erfolgreich angewendet haben, um die Dynamik der Finanzmärkte vorherzusagen.

“Die Techniken sind sehr allgemein für alle nichtlinearen Dynamiken oder dynamische Systeme im Allgemeinen außerhalb des Gleichgewichts”, sagt Saavedra. Ein Pupil in der Gruppe, der an diesen Techniken gearbeitet hatte, arbeitete schließlich für einen Hedgefonds, sagt er, und ein anderer ließ sich beurlauben, um bei einer ausländischen Financial institution zu arbeiten. “Er konnte diese Technologien grundsätzlich anwenden, und sie funktionierten.”

Das primäre Ziel der Arbeit bleibt jedoch die Bewertung der Anfälligkeit einer Artwork, und die Anwendung der Ergebnisse hat bereits begonnen. Zum Beispiel arbeitet Medeiros, der Hauptautor des Papiers, an der College of California, Santa Cruz und der Nationwide Oceanic and Atmospheric Administration, wo er diese Techniken im Fischereimanagement anwendet. „Insbesondere bei der Fischerei gibt es viele Datenreihen, die den Anstieg und Rückgang dieser Populationsgrößen im Laufe der Zeit betrachten“, sagt Saavedra. Anhand dieser Daten sei es nun möglich, “genau vorherzusagen, welche Arten beispielsweise am empfindlichsten auf den Klimawandel reagieren oder die höchsten Fangquoten”.

Zum Forschungsteam gehörte auch Stefano Alesina, der derzeit an der College of Chicago und der Northwestern College arbeitet. Vassilis Dakos, jetzt an der Universität Montpellier, Frankreich; Und George Sugihara ist jetzt an der College of California, San Diego. Die Arbeit wurde von der MIT Environmental Options Initiative, der Martin Household Affiliation of Fellows for Sustainability, dem US Division of Protection Environmental Analysis and Improvement Program, der Nationwide Science Basis, dem Division of the Inside und dem MIT Sea Grant Program unterstützt.

– Diese Pressemitteilung wurde ursprünglich veröffentlicht in Website des Massachusetts Institute of Technology

#Ein #besserer #Weg #herauszufinden #welche #Arten #gefährdet #sind

Leave a Comment

Your email address will not be published. Required fields are marked *