GraphGists

食物链的级联效应：狼在黄石生态系统中的作用

这个交互式Neo4j图谱教程揭示了近期影响黄石北部区域的一个生态现象。

简介

食物链的级联效应是一个生态过程，它始于食物链的顶端并一路向下影响到底层。一个经典的例子是美国黄石国家公园发生的事情，狼在中断了70年后于1995年被重新引入。这引发了巨大的食物链级联效应，涉及不同的掠食者、猎物、植物甚至物理景观。重新引入狼可能是被动恢复生态系统的有效方法。

问题

黄石北部的食物链级联效应涉及跨越多个营养级别的巨大生态系统。研究这些相互依赖关系及其对整个系统中生物量水平的影响可能是一个挑战。

解决方案

图谱为上述生态现象提供了恰当且直观的表示。为了有效理解和研究一个改变的因素如何影响特定的系统行为/响应，能够可视化因果关系从一个参与者到其反应者（或多个反应者）的流动方式将非常有帮助。重新引入狼如何改善河流的稳定性？景观特征如何取决于哺乳动物的密度和行为？如果熊狩猎增加，更多的熊被杀死，黄石生态系统是会指数级地破坏（直到熊灭绝！）还是会恢复到平衡（某种程度上恢复原状）？让我们来了解一下！

数据模型：因果循环实现

f640c6e9 ccac 47b2 b8de 948a6a989bfb SQJpJ7cY6
图1. 示例：分析人寿保险公司增长或衰退模型的因果循环图

因果循环图（CLD）通过可视化一系列相互连接的节点以及这些连接形成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中最简单的实体描绘了原因及其直接结果之间的关系，而这个直接结果又可以作为其他结果的原因，如此循环……​

如果原因的变化导致其结果向同一方向变化，则称因果元组直接（正向）相关；反之，则称反向（负向）相关。

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

'注意 - 为了在本GraphGist中简化可视化（参见查询(a)和(b)），黄石食物链级联中每个实体的实际因果发生情况已包含在其各自的节点中（独立于CLD模型）。'

闭合循环，定义为增强循环或平衡循环，是CLD非常重要的特征。增强循环是节点的一个循环，其中任何变量的增加（减少）通过循环传播并以增加（减少）的形式返回到同一变量。如果在增强循环中变量发生变化，则这种变化的影响会增强最初的变化。如果不打破循环，系统将陷入恶性循环的连锁反应。相反，在平衡循环中，任何变量的变化通过循环传播并以相反的偏差形式返回到同一变量。因此，平衡循环通常与系统稳定和平衡相关。

(增强循环：偶数个“反向”链接，平衡循环：奇数个“反向”链接)

图数据库有潜力有效地建模庞大复杂系统的特征，这些系统在当今的“大数据”领域日益普遍。下面简化的图数据模型展示了黄石生态系统的一部分如何在上述现象中相互关联，随后的Cypher查询展示了一些有价值的可获得见解。

数据集

狼的数量到底如何影响黄石河流的稳定性？

这种食物链级联的美妙之处在于，仅仅增加了98只狼，就可能产生如此广泛的生态变化，一直波及到河流的行为。下面一个简单的Cypher查询模拟了其下复杂的相互依赖关系。

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河流的稳定性？”

请注意，上面的表格输出限制为5个条目。要获取从“狼”到“河流”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

黄石的景观特征如何受到哺乳动物的影响？

更广泛地说，不同实体群组（例如特定的动物类别）之间的相互依赖关系也可以用类似（简单而有效）的方式建模。

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，上面的表格输出限制为5个条目。要获取从所有“哺乳动物”到所有“景观”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，更多的熊被杀死，黄石生态系统是会指数级地破坏（直到熊灭绝！）还是会恢复到平衡（某种程度上恢复原状）？

在许多因果循环实现中，通过识别闭合循环并确定它们是增强循环（循环中“反向”链接的数量为偶数）还是平衡循环（数量为奇数）可以获得有价值的见解。这有助于揭示“参考行为模式”，即系统可能的动态行为。结合初始假设（例如，循环的节点1增加），我们可以预测相应的系统结果——增强循环与指数级增加/减少相关，而平衡循环倾向于达到平台期。

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. 熊变少 → 鹿变多 → 柳树变少 → 鸣禽变少 → 浆果灌木变少 → 熊变少 → 鹿变多 → …​

在上述识别的因果循环中，我们有偶数个反向链接，表示一个增强循环。因此，如果熊的数量自发下降，这很可能会扰乱系统并导致熊种群指数级下降。

假设：浆果对熊的饮食影响比鹿更大。

参考资料

Ripple, W. J., & Beschta, R. L. 黄石的食物链级联：狼重新引入后的最初15年。生物保护。于2014年6月9日获取，来自 https://web.archive.org/web/20171101203229/http://www.cof.orst.edu/leopold/papers/RippleBeschtaYellowstone_BioConserv.pdf

Monbiot, G. (导演). (2013). 为了更多奇迹，让世界野化。美国：TED演讲。于2014年6月9日获取，来自 https://www.ted.com/talks/george_monbiot_for_more_wonder_rewild_the_world

因果循环图。(无日期). 于2014年6月10日获取，来自 https://en.wikipedia.org/wiki/Causal_loop_diagram

© . All rights reserved.