Простая статистическая модель объясняет экологические паттерны без учета ограничения светом

Исследователи применили теорию максимальной энтропии в экологии (METE) к данным с 50-гектарного лесного участка в Панаме, где Смитсоновский институт собрал детальную информацию о видах, распределении и размерах деревьев. Ранее, в 2016 году, было предложено, что характеристики этого леса и его общий метаболический уровень ограничены светом.

Новая работа, опубликованная в Global Ecology and Biogeography Джоном Хартом, Энди Ромингером и Эрикой Ньюман, показывает, что гораздо более простая модель, не зависящая от конкретных механистических факторов (таких как свет), также точно описывает этот лес, а также другие природные системы: сообщества насекомых на Гавайях и растений на альпийском лугу в Колорадо.

Ключевые выводы:

• Теория METE, основанная на принципах термодинамики, теории информации и процедуре вывода по максимуму энтропии (MaxEnt), использует очень общую информацию об экосистеме для предсказания детальных распределений.
• Применяя METE к данным из Панамы, исследователи получили паттерны, почти идентичные результатам исследования 2016 года, но без использования множества параметров, связанных с ограничением светом.
• Одна и та же модель успешно описала распределение метаболических уровней в системах, которые не ограничены солнечным светом (насекомые на Гавайях, растения в Колорадо).

Значение для экологии:

Авторы подчеркивают, что их цель — не опровергнуть предыдущее исследование, а начать более широкую дискуссию о методологии в экологии.

• Джон Харт: «Вам не нужна модель ограничения светом. То же самое поведение можно вывести из гораздо более обоснованной теории, которая также описывает сценарии, не ограниченные светом».
• Энди Ромингер: «Когда мы видим общие закономерности в сложной системе, самые простые объяснения, основанные на статистических механизмах, вероятно, являются лучшими. Кажется, наиболее плодотворно начинать с простого, с минимальными допущениями, и добавлять уникальные особенности жизненных циклов только тогда, когда это необходимо».
• Эрика Ньюман: «Красота MaxEnt в том, что для каждого паттерна существует только одна оптимизирующая функция, которая требует очень мало информации для реалистичного описания природы. Этот метод может означать реальный сдвиг парадигмы в экологии».