Неожиданный подход может помочь спасти хрупкие экосистемы и остановить каскады вымираний

Ученые из Северо-Западного университета разработали математическую модель, которая показывает, как управление видами в нарушенных экосистемах, подобных Галапагосским островам, может эффективно помочь усилиям по сохранению биоразнообразия. Селективное подавление или удаление одного или нескольких видов в проблемной экосистеме может спасти гораздо больше видов.

Ключевые выводы:

• Модель описывает взаимодействия внутри экологических пищевых сетей и динамику сложных сетей.
• Более 70% вторичных вымираний в каскаде можно предотвратить, используя только ресурсы, уже доступные в системе (без введения новых организмов).
• Часто смягчить каскады вымираний можно, подавляя, а не увеличивая популяции определенных видов. В некоторых случаях даже упреждающее удаление вида, которому угрожает каскад, может предотвратить вымирание других.
• Подход может стабилизировать широкий спектр сложных сетей: экосистемы, финансовые сети, энергосистемы и биохимические сети.

Контекст и примеры:

• Пример Галапагосов: Полное удаление одичавших свиней с острова Сантьяго 11 лет назад начинает восстанавливать баланс экосистемы, нарушенный после их интродукции в XIX веке.
• Исследованные сети: Ученые проанализировали пищевую сеть Чесапикского залива (33 водных вида) и долины Коачелла (30 наземных видов).
• Исторический пример: Вымирание птицы додо (Raphus cucullatus) на Маврикии в XVII веке, вероятно, было результатом каскада, вызванного деятельностью человека (охота, интродукция чужеродных видов).

Универсальность метода:

Математическая основа анализа является универсальной и инновационной для области сложных сетей. Она показывает, что крупномасштабных сбоев можно избежать, предотвращая волны отказов, следующие за первоначальным событием. Это применимо для:

• Биохимических сетей — чтобы замедлить или остановить прогрессирование болезней.
• Технологических сетей (например, "умные" энергосети) — для предотвращения масштабных отключений.
• Финансовых сетей — для выявления ключевых факторов на ранних стадиях спада.

Как отмечает автор исследования Адилсон Э. Моттер: «Проблема возникает не тогда, когда существует неопределенность, а тогда, когда вы не можете её оценить». Модель перспективна для изучения изменяющихся сред.