GraphGists

营养级联：狼在黄石公园生态系统中的作用

这个交互式的 Neo4j 图教程揭示了一种最近的生态现象，它渗透到了黄石公园的北部。

介绍

营养级联是一种生态过程，它从食物链的顶端开始，一直蔓延到食物链的底部。一个典型的例子是发生在美国黄石国家公园的事情，1995年，在 70 年的休眠期后，狼被重新引入。这引发了一场巨大的营养级联，涉及不同的捕食者、猎物、植物，甚至物理景观。重新引入狼可能代表了一种被动恢复生态系统的有效方法。

问题

黄石公园北部的营养级联涉及跨越多个营养级的大型生态系统。研究这些相互依赖关系及其对整个系统生物量水平的影响可能会是一个挑战。

解决方案

图提供了对上述生态现象的恰当且直观的表示。为了有效地理解和研究一个变化的因素如何影响特定系统行为/反应，能够可视化从一个参与者到其反应者(s)的因果关系流将是最有帮助的。重新引入狼是如何改善河流的稳定性的？景观特征如何依赖于哺乳动物的密度和行为？如果熊狩猎增加，黄石公园的生态系统会被破坏还是恢复平衡？让我们来找出答案！

数据模型：因果循环实现

f640c6e9 ccac 47b2 b8de 948a6a989bfb SQJpJ7cY6
图 1. 例子：因果循环图模型，用于检查人寿保险公司的增长或衰退

因果循环图 (CLD) 通过可视化一组连接的节点及其连接创建的反馈循环来解释系统的行为。

efef0b9f a0a3 4de2 a2e9 8fc550beb0ad BRgy8 ZC8
图 2. 因果关系

CLD 中最简单的实体描述了原因与其直接影响之间的关系，然后这种影响可以作为其他影响的原因，依此类推……​

当原因的变化导致其影响在同一方向上发生变化时，因果关系对被称为直接（正向）相关，反之，则被称为反向（负向）相关。

50c82585 9477 4093 ac70 6c845f211453 Lllc iOJA
图 3. 因果关系，扩展

'注意 - 为了在这个 GraphGist 中的可视化简单性（参见查询 (a) 和 (b)），黄石公园营养级联中每个实体的实际因果关系包含在其各自的节点中（独立于 CLD 模型）。'

封闭循环，定义为强化循环或平衡循环，是 CLD 的非常重要的特征。强化循环是一个节点循环，其中任何变量的增加（减少）都会在循环中传播并返回到该变量的增加（减少）。如果一个变量在强化循环中变化，它对变化的影响会强化初始变化。如果不打破循环，系统将陷入循环链式反应的恶性循环。相反，在平衡循环中，任何变量的变化都会在循环中传播并返回到该变量的相反偏差。因此，平衡循环通常与系统稳定性和平衡相关联。

（强化循环：偶数个 '反向' 链接，平衡循环：奇数个 '反向' 链接）

图数据库有可能有效地模拟大型复杂系统的特征，这些系统在当今的 '大数据' 场景中越来越普遍。以下简化的图数据模型代表了黄石公园生态系统的一部分如何在上述现象中相互关联，随后的 Cypher 查询说明了一些可获得的有价值的见解。

数据集

狼的数量到底如何影响黄石公园河流的稳定性？

这个营养级联的美丽之处在于，仅仅增加 98 只狼就能影响到如此广泛的生态变化，这种变化一直蔓延到河流的行为。下面的一个简单的 Cypher 查询模拟了下面的复杂相互依赖关系。

MATCH path = (:Animal {Entity:"Wolves"})-[*]->(:Landscape {Entity:"Rivers"})
WITH [x IN nodes(path) | x.Yellowstone] AS factor, rand() AS number
RETURN factor AS How_Wolves_Affect_RiverStability
ORDER BY number
LIMIT 5

狼的数量到底如何影响黄石公园河流的稳定性？

22c766e0 774a 4ba0 9dde c62a2c83e6d7 z9TZFSMyr
图 4. "狼的数量到底如何影响黄石公园河流的稳定性？"

请注意，上面的表格输出仅限于 5 个条目。要获取从“狼”到“河流”的所有可能的因果关系/路径的详细信息（对于 CLD 模型），请运行 Cypher 查询

MATCH path = ({Entity:"Wolves"})-[*]->({Entity:"Rivers"}) RETURN path

黄石公园的景观特征如何受到哺乳动物的影响？

或者更广泛地说，不同实体组（例如特定动物类别）之间的相互依赖关系也可以以类似的方式（简单但有效）建模。

MATCH path = (:Animal {Group:"Mammal"})-[*]->(:Landscape)
WITH [x IN nodes(path) | x.Yellowstone] AS factor, rand() AS number
RETURN factor AS How_Mammals_Affect_LandscapeFeatures
ORDER BY number
LIMIT 5

请注意，上面的表格输出仅限于 5 个条目。要获取从所有“哺乳动物”到所有“景观”的所有可能的因果关系/路径的详细信息（对于 CLD 模型），请运行 Cypher 查询

MATCH path = (:Animal {Group:"Mammal"})-[*]->(:Landscape) RETURN path

如果熊狩猎增加，更多的熊被杀，黄石公园的生态系统会呈指数级下降（直到熊灭绝！）还是恢复平衡（某种程度上的现状）？

在许多因果循环实现中，从识别封闭循环，然后确定它们是强化循环（循环中偶数个反向链接）还是平衡循环（奇数个反向链接）可以获得有价值的见解。这有助于揭示 '参考行为模式'，即系统的可能动态行为。结合一个初始假设，例如，循环的节点 1 增加，我们可以预测相应的系统结果 - 强化循环与指数级增加/减少相关联，而平衡循环则倾向于达到一个稳定状态。

MATCH path = (n)-[*]->(n)
WITH [x IN nodes(path) | x.Yellowstone] AS factor, [r IN relationships(path) | r.Relationship] AS rel
RETURN factor AS Causal_Loop, rel AS Links
ORDER BY size(factor) DESC
LIMIT 1
feec43b1 5dfd 45b1 b76b 322be2ba3f7b fupy7GVok
图 5. 熊少 → 鹿多 → 柳树少 → 歌鸟少 → 产果灌木少 → 熊少 → 鹿多 → …​

在上面识别的因果循环中，我们有偶数个反向链接，表示强化循环。因此，如果熊的数量自主下降，它可能会破坏系统并导致熊的数量呈指数级下降。

假设：浆果对熊的食谱的影响大于鹿。

参考资料

Ripple, W. J., & Beschta, R. L. 黄石公园的营养级联：狼重新引入后的前 15 年。生物保护。检索于 2014 年 6 月 9 日，来自 https://web.archive.org/web/20171101203229/http://www.cof.orst.edu/leopold/papers/RippleBeschtaYellowstone_BioConserv.pdf

Monbiot, G. (导演)。(2013)。为了更多惊奇，让世界重新野化。美国：TED 演讲。检索于 2014 年 6 月 9 日，来自 https://www.ted.com/talks/george_monbiot_for_more_wonder_rewild_the_world

因果循环图。 (n.d.)。检索于 2014 年 6 月 10 日，来自 https://en.wikipedia.org/wiki/Causal_loop_diagram