Новая модель описывает законы масштабирования в джунглях

Под кажущимся хаосом и разнообразием леса скрываются строгие закономерности, управляемые биологическими механизмами роста, смерти и конкуренции. Исследователи из Института Санта-Фе (SFI) представили новую вычислительную модель, связывающую эти универсальные силы.

В статье, опубликованной 9 апреля в журнале PNAS, группа под руководством Эдди Ли описывает framework, который воспроизводит пространственные и временные паттерны в растительных сообществах. Модель использует метаболические принципы, управляющие жизнью отдельного организма, чтобы объяснить разнообразное расположение деревьев и растений в ландшафтах.

«Эта работа показывает, как вещи, выглядящие произвольными, на самом деле могут быть поняты в рамках математической структуры», — говорит выдающийся профессор SFI Джеффри Уэст, соавтор модели.

Учёные давно ищут математические законы, связывающие похожие паттерны на разных масштабах. Например, метаболическая скорость организма следует степенному закону масштабирования (power scaling law) с его массой. Более ранние модели, разработанные Уэстом и другими, начинали с метаболических ограничений для одного, оптимизированного дерева, чтобы предсказать закономерности в сообществе. Они точно показывали, как такие черты, как скорость роста или размер кроны, меняются с размером растения.

Новая модель обобщает ключевые идеи о том, как смоделировать рост, смерть и конкуренцию за ресурсы, но также позволяет применять их к широкому спектру видов и ситуаций. Исследователи могут ослабить определённые допущения (например, об аллометрических соотношениях дерева) или включить взаимодействия с другими организмами.

«Что происходит, когда этот закон масштабирования отклоняется для отдельных видов или в разных контекстах? Как всё это сочетается?» — задаётся вопросом соавтор Крис Кемпес.

Поворачивая эти «ручки» в симуляции, учёные могут точнее воспроизвести разнообразие реальных лесов, отклоняющихся от идеализированной модели, и чётко связать биологические принципы на уровне организма со структурой леса на больших масштабах.

Такой аналитический подход не только выявляет ранее незамеченные законы масштабирования, но и указывает на пробелы в данных. «Одно из великих преимуществ такой модели — она показывает, каких данных не хватает и что именно следует измерять», — отмечает Уэст.

Модель также демонстрирует, как подход, вдохновлённый физикой (часто фокусирующейся на идеализированных ситуациях), может способствовать пониманию биологической сложности.