Cosa hanno in comune un’antilope e un leone? Convivono nello stesso ecosistema assieme a decine di altre specie. Quello che non si sapeva è che il rapporto che li lega, del tipo preda-predatore, aumenta la stabilità dell’ecosistema evitando grandi variazioni nel numero di esemplari delle diverse specie. Da sempre l'uomo ha cercato di descrivere le relazioni che intercorrono tra i diversi animali che vivono in uno stesso ambiente, ora però si è cercato di dare una una rappresentazione matematica a questi legami. In uno studio apparso su Nature il 19 febbraio scorso, due ricercatori dell'Università di Chicago, Stefano Allesina e Si Tang, mostrano i risultati da loro raggiunti nello studio della stabilità di ecosistemi complessi in cui interagiscono diverse specie animali. Allesina e Tang prendono spunto da una ricerca del 1972, condotta dal fisico Robert May. L'obiettivo di May era studiare quale fosse il comportamento dei sistemi naturali in cui coesistono molte specie; la sua conclusione fu che tale comportamento avesse caratteristiche d'instabilità. A piccole modifiche nel numero di animali per una data specie corrispondeva una variazione dei rappresentanti anche delle altre. Allesina, di origine italiana, e Tang hanno scelto di partire dallo studio di May. May supponeva che le relazioni tra le specie fossero casuali. I due ricercatori hanno invece diviso i rapporti tra animali in tre categorie: predatore-preda, di sostegno o di competizione, assegnando a ciascun tipo di legame tra due specie un valore numerico diverso a seconda della tipologia di relazione. È così emerso che i rapporti del tipo preda-predatore aumentano la stabilità di un sistema, al contrario dei rapporti di sostegno o competizione; questo risultato giustifica la presenza di sistemi complessi in natura che mantengono un equilibrio stabile nonostante l'interazione tra molte specie diverse. Con questa lettura il modello descrittivo proposto da May risulta più realistico. Solo comprendendo le dinamiche che proteggono gli ecosistemi saremo in grado di non distruggerli in futuro.
Questione d'equilibrio
Primary tabs
prossimo articolo
Vedere le faglie in 3D grazie al machine learning
Un sistema di algoritmi di machine learning permette di ricostruire la geometria tridimensionale delle faglie sismiche a partire solo dalla posizione degli ipocentri, rivelando la loro struttura gerarchica e segmentata. L’approccio, sviluppato da un gruppo di ricercatori dell’Università di Napoli Federico II e testato su diverse sequenze sismiche, potrebbe migliorare i modelli di previsione probabilistica operativa dei terremoti. Nell'immagine il palazzo della prefettura a L'Aquila dopo il terremoto del 6 aprile 2009. Credit: TheWiz83/Wikipedia (CC BY-SA 3.0).
Siamo abituati a immaginare le faglie come piani, a separazione di blocchi di roccia che muovendosi l’uno rispetto all’altro generano i terremoti. In realtà, le faglie hanno geometrie molto più complicate. Più che come piani, dovremmo immaginarle come sottili parallelepipedi, strati di roccia con un certo spessore, all’interno dei quali si trovano altre faglie più piccole, e così via in un meccanismo di segmentazione gerarchico.