bygga matbanor-enkelt eller komplext?
i mitt senaste inlägg förklarade jag varför resolutionen är viktig i livsmedelsbanor. Men jag introducerade aldrig riktigt vad som är en matnät och hur man bygger dem.
en matväv är en grafisk representation av rovdjur-bytesrelationer, med andra ord ‘Vem äter vem’. Det är också en generalisering av livsmedelskedjekonceptet. Vi representerar inte bara flödet av energi som går från en primärproducent till en topp rovdjur, men också varje enskild livsmedelskedja i samhället. Åtminstone i teorin försöker vi bygga matbanan så komplett som möjligt. I praktiken är övervakning av alla arter och deras interaktioner i ett ekosystem utmanande om inte omöjligt. Matbanor har grafiskt en lång historia. Den första sådan representation som rapporterats i litteraturen är från 1880. Camerano (1880) representerade förhållandena mellan skalbaggar; vad han kallade “deras fiender” (dvs. deras rovdjur) och fienderna till dessa fiender (Fig. 1). Representationen var ganska enkel: linjer som förbinder en skalbagge till en rovdjur som skulle vara ansluten till en andra rovdjur och så vidare; varje linje som representerar en livsmedelskedja som denna skalbagge var inblandad i.
.png)
vid den tiden var en matväv en enda representation av förhållanden mellan arter. Vi var tvungna att vänta nästan 50 år tills Charles Eltons arbete (1927), för att matbanor skulle bli ett mer praktiskt verktyg. Han försökte representera varje art och var och en av deras relationer i vad han kallade “matcykler”. Nästan 100 år senare kan sätt att analysera matbanor ha förändrats men det gamla diagrammet kvarstår…med sin andel av frågor: “Hur man ritar kompletta matbanor?”och om inte möjligt”, hur man får dem att modellera vad som borde vara deras uttömmande motsvarigheter?”För att representera kompletta livsmedelsbanor måste man identifiera varje enskild art i samhället (dvs. artsammansättningen) tillsammans med ” vem äter vem ” (dvs. deras trofiska länkar). Även om uppgiften kan verka enkel, Ju fler arter, desto mer möjliga interaktioner.
Låt oss göra några enkla matematik. Först kommer vi att överväga följande villkor:
(1) predation av arter till arter (dvs. arter A som livnär sig på arter B, B som livnär sig på A och A och B som livnär sig på sig själva);
(2) ingen ömsesidig predation (dvs. vilket innebär att vi utesluter B-matning på A från det första villkoret)
(3) ingen kannibalism (dvs. exklusive arter som matar på sig själva, a matar på A)
Under dessa förhållanden finns det endast för 10 arter 45 möjliga interaktioner. Om vi glömmer ovanstående undantag skulle det finnas 100 möjliga interaktioner. Låt oss nu vara mer rationella: det finns mycket mer än 10 arter i ett ekosystem. Till exempel, Barents Sea food web jag tidigare presenterade, innehöll cirka 233 trophospecies (Olivier och Planque 2017). Jag låter dig sitta i en fin fåtölj och göra matematiken. Ja. Exakt. Det är många möjliga interaktioner!
NOTA BENE:
för att beräkna antalet interaktioner, först överväga att det finns högst S2 möjliga interaktioner (t.ex. för två arter A och B finns det 4 möjliga interaktioner: a matar på B, B matar på A, A matar på A; och B matar på B). S representerar antalet arter. Om vi utesluter kannibalism, utesluter vi s interaktioner. Om vi inte överväger ömsesidig predation beaktas endast hälften av interaktionerna (dvs. a-flöden på B och vi utesluter B-flöden på A). Vi är kvar med följande ekvation: (S2 – S)/2. Ganska enkelt.
trofiska länkar kan samlas på två huvudsakliga sätt: antingen observerar du dessa interaktioner själv, eller så hittar du någon som gjorde det. Med andra ord, (1) Vi kan samla arter trofiska interaktioner från utfodring ekologi studier (t.ex. maginnehåll analys visas på Fig 2., matpreferensexperiment); eller (2) från litteraturen baserad på här-över kunskap om utfodringsekologi. Personligen gjorde jag båda. Den förstnämnda kräver stark expertis om organismer som finns i samhället. Som en konsekvens fokuserar vi vanligtvis på en viss art (t.ex. Clupea harengus) eller en grupp arter (t. ex. fisk) men vi är vanligtvis inte experter på alla arter i samhället.
som en konsekvens förlitar sig forskare på matwebben på sina kamraters expertis. En stor del av att bygga en matnät ligger i att göra en omfattande litteraturöversikt för att identifiera realiserade och potentiella länkar. Ibland saknas länkar. Informationen har inte samlats in ännu och kan kräva inferring Art diet; eller värre, att klumpa arter tillsammans om de har exakt samma diet eller inte (jord usci 2003). Ändå ofullständiga, matbanor förblir viktiga: om de är ordentligt byggda ger de den första insikten om samhällets funktion. De kan till exempel hjälpa till (1) att identifiera keystone-arter eller (2) följa giftiga kemikalier och mikroplast från en art till en annan. Enkelt? Komplex? Att bygga matbanor bygger på multiplikationen av många ganska enkla uppgifter. Ju mer komplett, desto mer utmanande. Ändå är resultatet alltid givande.
Camerano, L. 1880. Det finns många alternativ för att göra detta. – Accademia delle Scienze di Torino 15: 393-414.
Elton, C. 1927. Djurekologi. – Sidwick och Jackson.
Jord Actubn, F. 2003. Jämförbarhet: nyckeln till tillämpligheten av livsmedelswebforskning. – Appl. Ecol. Env. Res. 1: 1-18.
Olivier, P. och Planque, B. 2017. Komplexitet och strukturella egenskaper hos livsmedelsbanor i Barentshavet. – Oikos 126: 1339-1346.
