Desertificazione, transizione di ecosistemi marini complessi come le barriere coralline, scioglimento dei ghiacci sono solo alcuni esempi di cambiamenti di regime, che sono sempre più frequenti e stanno avvenendo in molti sistemi naturali. Laresilienza ecologica è la capacità di un ecosistema di mantenere la stessa struttura e funzione e di evitare di arrivare a un tipping point (o cambiamento di regime), ossia una variazione drastica, inaspettata e spesso irreversibile e catastrofica. Il Global Tipping Point Report, pubblicato nell’ambito della COP 28, ha mostrato che 25 sistemi della biosfera sono già andati incontro a queste dinamiche. La mancanza di metodologie solide per stimare empiricamente la resilienza ecologica ha determinato la sua parziale esclusione dai quadri di gestione basati sugli ecosistemi: questa carenza è dovuta in parte alle incoerenze legate al concetto di resilienza – con definizioni diverse a seconda delle discipline –, ma soprattutto alla complessità intrinseca dei sistemi naturali.
Come fare quindi a stimare e interpretare la resilienza negli ecosistemi se i metodi matematici proposti fino ad ora sono complessi da applicare ai dati reali? Lo svela lo studio Resilience assessment in complex natural systems pubblicato sulla rivista Proceedings of the Royal Society B che vede come prima autrice Camilla Sguotti, ricercatrice del dipartimento di Biologia dell’Università di Padova in collaborazione con il Joint Research Center dell’Unione Europea, l’Università di Patrasso (Grecia) e l’International Livestock Research Insitute (Kenya).
Lo studio propone l’approccio Cusp Resilience Assessment (CUSPRA), un nuovo metodo empirico per stimare la resilienza degli ecosistemi in modo da individuare eventuali cambiamenti di regime. Il modello è stato sviluppato estendendo lo “stochastic cusp model”, un modello matematico-statistico sviluppato partendo dalla teoria delle catastrofi del matematico Thom negli anni Settanta del secolo scorso. L’approccio CUSPRA è in grado di identificare la presenza di un cambiamento di regime a causa di due pressioni antropiche sinergiche (come, per esempio, temperatura e pesca) e di determinare quanto dista il sistema rispetto al cambiamento. Attraverso questo modello sarà dunque possibile quantificare la resilienza di un ecosistema calcolandola come la distanza da un cambiamento irreversibile: ne abbiamo parlato con Camilla Sguotti, prima autrice dello studio.
Facciamo una premessa necessaria: in ecologia, possiamo utilizzare i termini resilienza e resistenza come sinonimi?
No, in ecologia i due termini non sono sinonimi.
Immaginiamo il cambiamento di regime come una valle al cui interno è presente una pallina, che rappresenta il nostro sistema. Quando la pressione esterna impatta sulla pallina, questa viene spinta verso l’esterno della valle ma, almeno all’inizio, non esce perché la valle è molto profonda. Ecco: la valle è la resilienza mentre la resistenza, in questo caso definita anche come “resilienza ingegneristica”, corrisponde a quanto tempo la pallina ci mette a tornare sul fondo quando subisce una spinta. Quando avviene un cambiamento di regime, la valle si modifica e la pallina viene spinta fuori, all’interno di un’altra valle che sarà il nuovo stato dell’ecosistema: la pallina non tornerà mai più in quella precedente (o, in alcuni casi, solo dopo molto tempo e una riduzione delle pressioni drastica o una trasformazione attiva del sistema).
La resilienza sociale, invece, anche nel linguaggio di tutti i giorni, assume un significato di trasformazione e adattamento a qualcosa – non necessariamente di negativo o catastrofico –. In ecologia, il significato è un po’ meno positivo perché se il nuovo sistema in cui è caduta la pallina è resiliente significa che non può tornare allo stato precedente. Per esempio, lo stato di barriera algale che può raggiungere una barriera corallina dopo un cambiamento di regime è ecologicamente, economicamente e socialmente sfavorevole rispetto allo stato precedente: la resilienza di questo nuovo stato algale, e quindi la sua irreversibilità, assumono in questo caso un’accezione negativa.
Nello studio viene dimostrata l’applicazione del metodo a diversi sistemi marini, come la popolazione del merluzzo nel Mare di Barents o la comunità di pesci del Mare del Nord e del Mar Mediterraneo. Come si applica, nel concreto, il modello CUSPRA a questi sistemi marini?
Ho iniziato a osservare i cambiamenti di regime nelle diverse popolazioni di merluzzo – ce ne sono più di 20 nel Nord Atlantico – durante la mia tesi di dottorato in Germania. Il merluzzo costituisce uno dei casi più evidenti di cambiamento di regime in una popolazione di pesci: nel 1992 le popolazioni di merluzzo del Terranova, in Canada, sono collassate di più dell’80%, lasciando i pescatori senza lavoro. Misure di gestione hanno tentato di ristabilire l’equilibrio iniziale bloccando completamente la pesca, ma non hanno funzionato. La popolazione che ho osservato come esempio nel mio studio per testare il modello CUSPRA è quella del Mare di Barents e, in realtà, evidenza un cambiamento di regime in senso “positivo”: nel 2014, infatti, si è registrato un aumento drastico della popolazione, probabilmente dovuto anche a un aumento delle temperature. Il merluzzo, quindi, rappresenta davvero un tipping point esemplificativo positivo di quella zona. Applicare CUSPRA è molto semplice: bisogna prendere la serie temporale (in questo caso le abbondanze del merluzzo) insieme alle serie temporali di due pressioni (per esempio pressione di pesca e temperatura) e inserire i valori nel modello. Quest’ultimo, usando un’equazione cubica differenziale, modella le dinamiche del sistema – la popolazione di merluzzo – rispetto ai due stressori. Nelle comunità del Mar Mediterraneo o Mare del Nord l’applicazione è identica ma in questo caso specifico il sistema sarà rappresentato da una serie temporale che riassume le informazioni sullo stato della comunità.
Una volta aggiunti i dati, il modello confronta diversi tipi di dinamiche (con o senza cambiamento di regime) e, attraverso calcoli statistici, stabilisce quali sono state le dinamiche passate del sistema. Se il modello statistico migliore sarà un cambiamento di regime, allora il sistema presenterà una biforcazione (cusp) dovuta alle due pressioni. In particolare, il modello individua dei valori combinati delle due pressioni per cui il sistema raggiunge il tipping point (punto di non ritorno). La nostra estensione CUSPRA calcola la distanza di ciascun punto del sistema dal tipping point: se il sistema è lontano, la resilienza sarà alta (vicina ad un valore di 1); se il cambiamento di regime è appena avvenuto o se il sistema si avvicina al tipping point, la resilienza sarà bassa (attorno allo 0).
Perché questo modello è innovativo rispetto agli altri?
È innovativo per tre aspetti:
1. stima la resilienza in relazione all’effetto sinergico di due o più pressioni esterne,
2. determina la probabilità di arrivare ad un tipping point irreversibile,
3. fornisce un indicatore semplice per la gestione dei cambiamenti.
Infatti, CUSPRA si basa su un modello di biforcazione e quindi guarda a un cambiamento matematicamente irreversibile, mentre prima non si era in grado di stabilire se ci trovasse davanti a una biforcazione o meno. Questo è un passo avanti perché sappiamo con certezza se l’ecosistema si trova davanti a un bivio: se prenderà la direzione sbagliata, il cambiamento sarà irreversibile e non si potrà più tornare indietro.
Il secondo vantaggio è che stima la resilienza da due pressioni esterne e quindi analizza le interazioni tra le variabili che portano alla biforcazione.
Con questo tipo di modello possiamo dedurre cosa sia successo in passato, come il sistema sta reagendo nel presente e come potrebbe reagire nell’immediato futuro. Ovviamente, se le variabili che abbiamo inserito “escono” dai limiti testati nel nostro modello (per esempio la temperatura raggiunge dei valori che prima non si erano registrati) bisognerà ricalcolarlo; ma è anche questo il bello di CUSPRA: è veramente molto versatile e si può aggiornare real time.
