Non sempre, come ipotizzato nella costruzione del modello di Beverton-Holt, la sopravvivenza delle uova dipende dalla loro densità. In alcuni casi è la densità degli adulti, infatti, ad influenzare negativamente la sopravvivenza dei giovani (larve o uova o avannotti) e non l'interazione tra i giovani stessi.
Il caso del salmone del Pacifico è emblematico. Durante il ciclo riproduttivo, le femmine di salmone (si veda l'esemplare di salmone ``sockeye'', Oncorhynchus nerka, in Fig. 5) ricercano un luogo in cui scavare una sorta di `nido' nel greto del fiume dove deporre le uova, in attesa che vengano fecondate da un maschio conspecifico. Al crescere della densità degli adulti, cresce la probabilità che una femmina scelga di scavare il nido nello stesso luogo in cui sono state già deposte uova da un'altra femmina. La distruzione accidentale di alcune delle uova già deposte provoca la loro decomposizione, cui spesso consegue la proliferazione di diversi agenti patogeni, i quali finiranno inevitabilmente per infestare anche le uova deposte dalla seconda femmina. Inoltre in alcuni casi, nel lasso di tempo molto breve che intercorre tra l'evento riproduttivo e la morte degli adulti (nei salmoni del Pacifico, gli adulti muoiono qualche tempo dopo essersi riprodotti), si sono anche osservati fenomeni di cannibalismo degli adulti nei riguardi delle proprie uova. In altre parole, in alcune specie è ragionevole pensare che la sopravvivenza dei nuovi nati decresca con il numero di adulti riproduttivi.
Ricker ha ipotizzato che il legame tra la sopravvivenza delle uova (
)
e il numero di adulti della stagione riproduttiva
-esima
(
) sia del tipo mostrato in Fig. 6, dove il parametro
rappresenta la sopravvivenza delle uova in condizioni di non
affollamento degli adulti, mentre
é un parametro che regola
l'intensità della dipendenza da densità.
![]() |
Seguendo un ragionamento del tutto simile a quello già utilizzato in
precedenza per ricavare il modello di Beverton-Holt, e indicando con:
e
il numero di uova e giovani della stagione riproduttiva
-esima;
la fertilità degli adulti;
la sopravvivenza dei
giovani, si avrà che
Grazie all'uso del diagramma di Moran, è semplice studiare il
comportamento qualitativo del modello di Ricker al variare del valore
numerico attribuito ai parametri. Fissato che sia il valore di
(nelle simulazioni che seguono si è scelto
)
è interessante chiedersi come varia l'andamento temporale
dell'abbondanza della popolazione al variare del parametro
. Se
, ad esempio, si ottiene l'andamento
riportato in Fig. 7.
![]() |
Come si può notare, dopo un breve transitorio la popolazione si assesta
al valore di equilibrio non banale (che vale
in questo caso) che possiamo quindi riconoscere
come equilibrio stabile della popolazione. Se
invece,
il modello di Ricker prevede un andamento ciclico, come mostrato in Fig. 8
A regime, in questo caso, si alterneranno anni in cui la
popolazione è scarsa ad anni in cui essa è abbondante.
per questo motivo, si dice che il regime ciclico è di periodo 2.
Risulta evidente dal diagramma di Moran che l'equilibrio positivo è in questo
caso instabile: partendo da densità pur vicine ad esso, si tende ad
allontanarsi dalla densità di equilibrio per avvicinarsi a due altri
punti sul diagramma. Tali punti non sono equilibri -- infatti non stanno
sulla bisettrice -- e vengono visitati ad anni alterni e
per questo motivo, si dice che il regime ciclico è di periodo 2.
Se si aumenta ulteriormente il valore di si ottiene
un comportamento come quello descritto in Fig. 9.
![]() |
Dopo un breve transitorio, la densità della popolazione oscilla con regolarità tra quattro valori diversi (si notino nel diagramma di Moran i quattro punti che vengono visitati in maniera alternata sulla curva).
Ad ogni anno di `elevata' abbondanza della popolazione segue sistematicamente un anno di `bassa' abbondanza ma, a differenza di quanto accade in Fig. 8, per i valori dei parametri di cui alla Fig. 9, né le abbondanze elevate né quelle basse restano costanti nel tempo.
Tanto i minimi quanto i massimi della serie temporale di Fig. 9
assumono alternativamente due valori diversi e per questo motivo la traiettoria
ottenuta viene chiamata ciclo di periodo 4. Si se interpreta l'andamento
ciclico di Fig. 8 come un ciclo di periodo 2,
si può affermare che è avvenuto un raddoppio del periodo al crescere di .
Si può mostrare che incrementando ulteriormente il parametro
si possono
ottenere cicli di periodo 8, 16, 32, ...e così via. In realtà la
successione dei raddoppi di periodo avviene per incrementi sempre minori di
. Superato un certo valore di
si ha
un comportamento davvero stravagante e imprevedibile, per questo detto
caotico (o turbolento).
Ad esempio, simulando il modello di Ricker con
e
per diversi passi temporali, partendo dalla condizione iniziale
, si ottiene l'andamento riportato in Fig. 10.
A questo andamento complesso si dà nome di caos deterministico,
perché i valori assunti dall'abbondanza della popolazione sembrano
fluttuare in modo del tutto casuale -- cioè senza apparente regolarità,
ma il meccanismo che genera queste fluttuazioni è invece di tipo deterministico.
Uno dei fenomeni più caratteristici del caos deterministico consiste nella dipendenza sensibile della soluzione dalle condizioni iniziali. In Fig. 11 sono riportate due simulazioni del modello di Ricker per gli stessi valori dei parametri usati in Fig. 10, ma per due condizioni iniziali leggermente differenti. Sebbene per i primi dieci passi temporali le abbondanze appaiano molto simili, i valori previsti dal modello tendono a differenziarsi sempre più fra loro. In particolare si osserva come i valori previsti dal modello possano essere addirittura in controfase: per un intervallo di tempo piuttosto lungo a partire dal trentesimo passo temporale, per esempio, la traiettoria rossa ha un massimo quando la blu ha un minimo. Questo fenomeno è del tutto analogo a quello della turbolenza nei fluidi. Mentre nel moto laminare due particelle di fluido che siano inizialmente vicine continuano a stare vicine in tempi successivi, nel moto turbolento due particelle inizialmente vicine possono trovarsi ad essere molto lontane con l'andare del tempo.
![]() |
Quali sono le implicazioni ecologiche che conseguono dal caos
deterministico? Se alle dinamiche intrinsecamente complesse appena
analizzate si aggiungono da un lato la variabilità naturale
dell'ambiente fisico in cui la popolazione vive, dall'altro le molteplici
interazioni tra le diverse specie che compongono l'ecosistema, si comprende
facilmente perché in molti casi sia così difficile prevedere con
accuratezza la sorte di una certa popolazione che vogliamo salvaguardare o
gestire. Inoltre la maturazione della nostra capacità di comprendere e
controllare fenomeni ecologici complessi non è purtroppo rapida quanto
l'incremento delle azioni di distruzione del territorio e di sfruttamento
indiscriminato che minano la sopravvivenza stessa di molti ecosistemi. Non
bisogna tuttavia pensare che l'esistenza di dinamiche complesse precluda
completamente la gestione razionale degli ecosistemi. Va infatti chiarito
che per gestire razionalmente una popolazione naturale non è sempre
necessario prevederne con esattezza l'abbondanza negli anni futuri:
parametri indicativi come il valor medio e la varianza dell'abbondanza,
nonchè i suoi valori massimi e minimi, sono buoni indicatori dello stato
di salute di una risorsa faunistica. Se si calcolano il valor medio e la
deviazione standard per le due traiettorie rossa e blu riportate nella
Fig. 11, ad esempio, si ottengono valori molto simili fra loro
(precisamente 2.89142.15 per la traiettoria rossa e 2.8513
2.1335
per la traiettoria blu).