跳转至

第三章:捕食者-猎物模型读书笔记

第三章: Predator-Prey Models

参考书籍:J.D. Murray, Mathematical Biology I
章节内容:Lotka-Volterra系统、复杂性与中国稳定性、竞争模型、共生模型、阈值现象


目录

  1. 3.1 捕食者-猎物模型:Lotka-Volterra系统
  2. 3.2 复杂性与稳定性
  3. 3.3 现实的捕食者-猎物模型
  4. 3.4 极限环周期行为的捕食者-猎物模型分析
  5. 3.5 竞争模型:竞争排斥原理
  6. 3.6 共生或互惠
  7. 3.7 一般模型与警示性评论
  8. 3.8 阈值现象
  9. 公式汇总表

3.1 捕食者-猎物模型:Lotka-Volterra系统

3.1.1 Volterra模型的建立

Volterra(1926)首次提出了一个简单的捕食者-猎物模型,用以解释亚得里亚海中某些鱼类捕获量的振荡现象。设 \(N(t)\) 为猎物种群,\(P(t)\) 为捕食者种群,Volterra模型为:

\[\frac{dN}{dt} = N(a - bP) \qquad(3.1)\]
\[\frac{dP}{dt} = P(cN - d) \qquad(3.2)\]

其中 \(a, b, c, d\) 均为正常数。

3.1.2 模型假设

模型基于以下四个假设:

  1. 无捕食时的猎物增长:在没有捕食的情况下,猎物以马尔萨斯方式无限增长,即方程(3.1)中的 \(aN\) 项。

  2. 捕食效应:捕食作用使猎物的每单位增长率降低,下降量与猎物和捕食者种群都成正比,即 \(-bNP\) 项。

  3. 捕食者死亡:在没有猎物维持的情况下,捕食者的死亡率导致指数衰减,即方程(3.2)中的 \(-dP\) 项。

  4. 猎物转化为捕食者:猎物对捕食者增长的贡献为 \(cNP\),即与可用猎物量及捕食者种群规模都成正比。

\(NP\) 项可视为能量从一种来源到另一种来源的转化:\(bNP\) 从猎物中获取,\(cNP\) 累积到捕食者。

3.1.3 无量纲化

首先对Lotka-Volterra系统进行无量纲化。令:

\[u(\tau) = \frac{cN(t)}{d}, \quad v(\tau) = \frac{bP(t)}{a}, \quad \tau = at, \quad \alpha = \frac{d}{a} \qquad(3.3)\]

则系统变为:

\[\frac{du}{d\tau} = u(1 - v) \qquad(3.4)\]
\[\frac{dv}{d\tau} = \alpha v(u - 1) \qquad(3.4)\]

3.1.4 相平面分析

\(u, v\) 相平面上,有:

\[\frac{dv}{du} = \alpha \frac{v(u - 1)}{u(1 - v)} \qquad(3.5)\]

该方程在 \(u = v = 0\)\(u = v = 1\) 处有奇点。对方程(3.5)积分可得相轨迹:

\[\alpha u + v - \ln u^{\alpha} v = H \qquad(3.6)\]

其中 \(H > H_{\min}\) 为常数,\(H_{\min} = 1 + \alpha\)\(H\) 在所有 \((u, v)\) 上的最小值,出现在 \(u = v = 1\) 处。对于给定的 \(H > 1 + \alpha\),相轨迹在相平面上是封闭的(见图3.1)。

封闭相轨迹意味着 \(u(\tau)\)\(v(\tau)\) 存在周期解。初始条件 \(u(0)\)\(v(0)\) 决定了常数 \(H\),从而决定了相轨迹的形状。

3.1.5 线性稳定性分析

奇点 \((0,0)\) 的分析:设 \(x, y\) 为关于 \((0,0)\) 的小扰动,线性化后得:

\[\frac{d}{d\tau} \begin{pmatrix} x \\ y \end{pmatrix} \approx \begin{pmatrix} 1 & 0 \\ 0 & -\alpha \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} \qquad(3.7)\]

特征值为 \(\lambda_1 = 1 > 0\)\(\lambda_2 = -\alpha < 0\),故 \((0,0)\)鞍点,且线性不稳定

奇点 \((1,1)\) 的分析:设 \(u = 1 + x, v = 1 + y\),线性化后得:

\[\frac{d}{d\tau} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0 & -1 \\ \alpha & 0 \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} \qquad(3.8)\]

特征方程为:

\[\lambda^2 + \alpha = 0 \Rightarrow \lambda_{1,2} = \pm i\sqrt{\alpha} \qquad(3.9)\]

由于特征值是纯虚数,\((1,1)\)中性稳定中心,邻域内的解是周期为 \(2\pi/\sqrt{\alpha}\) 的周期解。

3.1.6 社区矩阵

在生态学中,线性方程中的矩阵 \(A\) 称为社区矩阵(community matrix),其特征值 \(\lambda\) 决定了定态的稳定性: - 若 \(\text{Re}(\lambda) > 0\),定态不稳定 - 若 \(\text{Re}(\lambda) < 0\),定态稳定 - 若 \(\text{Re}(\lambda) = 0\),为中性稳定

3.1.7 Lotka-Volterra模型的主要缺陷

结构不稳定:从图3.1可见,Lotka-Volterra系统的解不是结构稳定的。任何小的扰动都可能使振幅发生很大变化。这类系统称为保守系统

3.1.8 加拿大猞猁-雪靴兔实例

将Lotka-Volterra模型应用于哈德逊湾公司1845年至1930年代左右的皮毛捕获记录(涉及加拿大猞猁和雪靴兔的相互作用)。数据显示存在可接受的周期性波动,相平面上呈现近似封闭曲线。

问题:图3.3(c)中的时间箭头方向与图3.1相反,表明猞猁振荡(捕食者)先于雪靴兔。这与捕食者-猎物情形相反,意味着"兔子在吃猞猁"!

Gilpin(1973)的解释:猞猁-兔数据可能是自然界中奇异吸引子(混沌行为)的证据。真正的"疾病"可能是捕兽者——在低密度年他们做其他事,只有当兔子足够多时才回到陷阱线。由于猞猁比兔子更有价值,捕兽者会花更多时间捕猎猞猁。


3.2 复杂性与稳定性

3.2.1 广义Lotka-Volterra系统

为研究复杂性对稳定性的影响,考虑有 \(k\) 种猎物和 \(k\) 种捕食者的广义Lotka-Volterra系统。每种捕食者以不同强度捕食所有猎物:

\[\frac{dN_i}{dt} = N_i a_i - \sum_{j=1}^{k} b_{ij} P_j \quad (i = 1, \ldots, k) \qquad(3.10)\]
\[\frac{dP_i}{dt} = P_i \sum_{j=1}^{k} c_{ij} N_j - d_i \quad (i = 1, \ldots, k) \qquad(3.10)\]

3.2.2 定态与社区矩阵

平凡定态 \(N_i = P_i = 0\)(对所有 \(i\))的社区矩阵是对角矩阵:

\[A = \text{diag}(a_1, \ldots, a_k, -d_1, \ldots, -d_k) \qquad(3.11)\]

特征值为 \(\lambda_i = a_i > 0\)\(i = 1, \ldots, k\))和 \(\lambda_{k+i} = -d_i < 0\)\(i = 1, \ldots, k\)),故该定态不稳定。

3.2.3 非平凡定态的稳定性

非平凡定态 \(N^*, P^*\) 满足:

\[\sum_{j=1}^{k} b_{ij} P_j^* = a_i, \quad \sum_{j=1}^{k} c_{ij} N_j^* = d_i \quad (i = 1, \ldots, k) \qquad(3.11)\]

或向量形式:\(BP^* = a, CN^* = d\)

线性化后得到的社区矩阵 \(A\)\(2k \times 2k\) 分块矩阵,其特征值 \(\lambda_i\) 满足:

\[\sum_{i=1}^{2k} \lambda_i = \text{tr}A = 0 \qquad(3.13)\]

3.2.4 关键结论

由于特征值若为复数则共轭出现,从(3.13)可知存在两种情况: 1. 所有特征值都是纯虚数 → 中性稳定 2. 存在 \(\text{Re}(\lambda) \neq 0\) 的特征值 → 定态不稳定

复杂性在种群相互作用中引入了不稳定的可能性。这表明了一个重要且普遍的结果:复杂性通常导致不稳定性而非稳定性


3.3 现实的捕食者-猎物模型

3.3.1 Lotka-Volterra模型的不足

Lotka-Volterra模型的一个重要不现实假设是:在没有捕食的情况下,猎物增长是无界的。更现实的模型应考虑猎物和捕食者密度都影响增长率:

\[\frac{dN}{dt} = NF(N,P), \quad \frac{dP}{dt} = PG(N,P) \qquad(3.14)\]

3.3.2 更现实的猎物方程

一个合理的改进是假设猎物在没有捕食时满足逻辑斯蒂增长:

\[\frac{dN}{dt} = NF(N,P) = rN\left(1 - \frac{N}{K}\right) - PN \cdot R(N) \qquad(3.15)\]

其中 \(R(N)\) 是捕食响应函数,\(K\) 是当 \(P \equiv 0\) 时猎物的环境容纳量。

3.3.3 功能响应

功能响应是捕食者对猎物密度变化的反应,通常表现出饱和效应。设 \(PNR(N)\) 为单位时间内捕获的猎物量,其中 \(NR(N)\)\(N\) 增大时饱和。一些典型例子:

\[R(N) = A \quad \text{(Lotka-Volterra型,不饱和)} \qquad(3.16)\]
\[R(N) = \frac{A}{N+B} \qquad(3.16)\]
\[R(N) = \frac{AN}{N^2+B^2} \qquad(3.16)\]
\[R(N) = \frac{A(1-e^{-aN})}{N} \qquad(3.16)\]

这些函数的图像显示了低密度时近似线性、高密度时饱和的特性。

3.3.4 捕食者方程的改进

捕食者方程也应比Lotka-Volterra模型更现实:

\[G(N,P) = k\left(1 - \frac{hP}{N}\right) \qquad(3.17)\]
\[G(N,P) = -d + eR(N) \qquad(3.17)\]

第一式表明捕食者的环境容纳量与猎物密度成正比。


3.4 极限环周期行为的捕食者-猎物模型分析

3.4.1 模型方程

作为分析现实2-物种模型的例子,考虑:

\[\frac{dN}{dt} = Nr\left(1 - \frac{N}{K}\right) - \frac{kNP}{N+D} \qquad(3.18)\]
\[\frac{dP}{dt} = Ps\left(1 - \frac{hP}{N}\right) \qquad(3.18)\]

其中 \(r, K, k, D, s, h\) 均为正常数。

3.4.2 无量纲化

令:

\[u(\tau) = \frac{N(t)}{K}, \quad v(\tau) = \frac{hP(t)}{K}, \quad \tau = rt \qquad(3.19)\]
\[a = \frac{k}{hr}, \quad b = \frac{s}{r}, \quad d = \frac{D}{K} \qquad(3.19)\]

系统变为:

\[\frac{du}{d\tau} = u - (1-u) - \frac{auv}{u+d} = f(u,v) \qquad(3.20)\]
\[\frac{dv}{d\tau} = bv\left(1 - \frac{v}{u}\right) = g(u,v) \qquad(3.20)\]

无量纲化将6个参数减少为3个:\(a, b, d\)。例如,\(b = s/r\) 是捕食者与猎物的线性增长率之比。

3.4.3 定态分析

平衡或定态 \(u^*, v^*\) 满足 \(f(u^*,v^*) = 0, g(u^*,v^*) = 0\),即:

\[u^*(1-u^*) - \frac{auv^*}{u^*+d} = 0 \qquad(3.21)\]
\[bv^*\left(1 - \frac{v^*}{u^*}\right) = 0 \qquad(3.21)\]

正解为:

\[v^* = u^*, \quad u^{*2} + (a+d-1)u^* - d = 0 \qquad(3.22)\]
\[u^* = \frac{(1-a-d) + \sqrt{(1-a-d)^2+4d}}{2}, \quad v^* = u^* \qquad(3.22)\]

3.4.4 线性稳定性分析

\(x(\tau) = u(\tau) - u^*, y(\tau) = v(\tau) - v^*\),线性化后得:

\[\frac{d}{d\tau} \begin{pmatrix} x \\ y \end{pmatrix} = A \begin{pmatrix} x \\ y \end{pmatrix} \qquad(3.24)\]

其中社区矩阵:

\[A = \begin{pmatrix} \frac{\partial f}{\partial u} & \frac{\partial f}{\partial v} \\ \frac{\partial g}{\partial u} & \frac{\partial g}{\partial v} \end{pmatrix}_{u^*,v^*} = \begin{pmatrix} \frac{au^*(u^*+d) - 1}{(u^*+d)^2} & -\frac{au^*}{u^*+d} \\ b & -b \end{pmatrix} \qquad(3.24)\]

3.4.5 稳定性条件

特征值 \(\lambda\) 满足:

\[|A - \lambda I| = 0 \Rightarrow \lambda^2 - (\text{tr}A)\lambda + \det A = 0 \qquad(3.25)\]

线性稳定的充要条件为 \(\text{Re}(\lambda) < 0\),即:

\[\text{tr}A < 0 \Rightarrow \frac{au^*}{(u^*+d)^2} - 1 < b \qquad(3.26)\]
\[\det A > 0 \Rightarrow 1 + \frac{a}{u^*+d} - \frac{au^*}{(u^*+d)^2} > 0 \qquad(3.26)\]

由(3.27)可知第二个条件始终满足,不稳定性域完全由第一个不等式决定:

\[b > a - \frac{\sqrt{(1-a-d)^2+4d}}{2a} \qquad(3.28)\]

3.4.6 参数空间分析

  • \(0 < a < 1/2\) 时,对所有 \(b > 0, d > 0\),定态 \((u^*,v^*)\) 线性稳定
  • \(a > 1/2\) 时,存在 \(b > 0, d > 0\) 的区域使定态不稳定

不稳定意味着至少有一个特征值的 \(\text{Re}(\lambda) > 0\)

3.4.7 极限环存在性

当定态不稳定时,需确定相平面正交限中是否存在有界集,以便应用Poincaré-Bendixson定理证明极限环的存在。

有界集的构造:在相平面上找到一条简单封闭边界曲线,使得在该边界上及边界外部,相轨迹始终指向内部。null clines(零增长曲线)是分析的重要工具。

由方程(3.20)确定的null clines:\(f(u,v) = 0\)\(g(u,v) = 0\)。在边界ABCDEA上,相轨迹明显指向内部(由 \(f\)\(g\) 的符号决定)。

3.4.8 分岔行为

从稳定域到不稳定域的参数变化会导致Hopf分岔:均匀定态分岔到振荡解。

例如,设固定的 \(a > 1/2\),沿某条参数线移动,当 \(b\) 连续减小穿过临界值时,定态失稳并出现周期性极限环解。

生物学意义:从(3.19)知 \(b = s/r\)。若定态稳定,当捕食者增长率 \(s\) 减小时,更容易出现周期性行为。


3.5 竞争模型:竞争排斥原理

3.5.1 竞争模型

考虑两个或更多物种竞争同一有限食物资源的基本2-物种Lotka-Volterra竞争模型:

\[\frac{dN_1}{dt} = r_1 N_1 \left(1 - \frac{N_1}{K_1} - \frac{b_{12}N_2}{K_1}\right) \qquad(3.29)\]
\[\frac{dN_2}{dt} = r_2 N_2 \left(1 - \frac{N_2}{K_2} - \frac{b_{21}N_1}{K_2}\right) \qquad(3.30)\]

其中 \(r_1, K_1, r_2, K_2, b_{12}, b_{21}\) 均为正常数,\(r\) 为线性出生率,\(K\) 为环境容纳量,\(b_{12}\)\(b_{21}\) 衡量种间竞争强度。

3.5.2 无量纲化

令:

\[u_1 = \frac{N_1}{K_1}, \quad u_2 = \frac{N_2}{K_2}, \quad \tau = r_1 t, \quad \rho = \frac{r_2}{r_1} \qquad(3.31)\]
\[a_{12} = b_{12}\frac{K_2}{K_1}, \quad a_{21} = b_{21}\frac{K_1}{K_2} \qquad(3.31)\]

方程变为:

\[\frac{du_1}{d\tau} = u_1(1 - u_1 - a_{12}u_2) = f_1(u_1,u_2) \qquad(3.32)\]
\[\frac{du_2}{d\tau} = \rho u_2(1 - u_2 - a_{21}u_1) = f_2(u_1,u_2) \qquad(3.32)\]

3.5.3 定态

定态满足 \(f_1 = f_2 = 0\)

\[(0,0), \quad (1,0), \quad (0,1)\]
\[\left(\frac{1-a_{12}}{1-a_{12}a_{21}}, \frac{1-a_{21}}{1-a_{12}a_{21}}\right) \qquad(3.33)\]

最后一种情况仅当解为非负且 \(a_{12}a_{21} \neq 1\) 时才有意义。

3.5.4 稳定性分析

社区矩阵为:

\[A = \begin{pmatrix} 1 - 2u_1 - a_{12}u_2 & -a_{12}u_1 \\ -\rho a_{21}u_2 & \rho(1 - 2u_2 - a_{21}u_1) \end{pmatrix} \qquad(3.34)\]

各定态的稳定性:

  1. \((0,0)\):特征值 \(\lambda_1 = 1, \lambda_2 = \rho > 0\)不稳定结点

  2. \((1,0)\)

  3. \(\lambda_1 = -1\)
  4. \(\lambda_2 = \rho(1-a_{21})\)
  5. 稳定当且仅当 \(a_{21} > 1\);不稳定当 \(a_{21} < 1\) \qquad(3.35)

  6. \((0,1)\)

  7. \(\lambda_1 = -\rho\)
  8. \(\lambda_2 = 1 - a_{12}\)
  9. 稳定当且仅当 \(a_{12} > 1\);不稳定当 \(a_{12} < 1\) \qquad(3.36)

3.5.5 四种情况

情况 条件 定态 \((1,0)\) 定态 \((0,1)\) 正定态 竞争结果
(i) \(a_{12} < 1, a_{21} < 1\) 不稳定 不稳定 稳定结点 两物种共存
(ii) \(a_{12} > 1, a_{21} > 1\) 稳定 稳定 鞍点 竞争排斥(取决于初始条件)
(iii) \(a_{12} < 1, a_{21} > 1\) 不稳定 稳定 不存在 物种2胜出,物种1灭绝
(iv) \(a_{12} > 1, a_{21} < 1\) 稳定 不稳定 不存在 物种1胜出,物种2灭绝

3.5.6 竞争排斥原理

情况(ii):当 \(a_{12} > 1\)\(a_{21} > 1\) 时,两个定态 \((1,0)\)\((0,1)\) 都是稳定的。相平面被一条分界线(separatrix)分成两个吸引域。若初始条件在区域I,则 \(u_2 \to 0, u_1 \to 1\)(物种2灭绝);若在区域II,则 \(u_1 \to 0, u_2 \to 1\)(物种1灭绝)。

竞争排斥原理:当两个物种竞争同一有限资源时,通常其中一个物种会灭绝。条件取决于无量纲参数 \(a_{12}\)\(a_{21}\) 的值——它们与竞争系数 \(b\) 和容纳量 \(K\) 都有关。

生态学解释:若 \(K_1 \approx K_2\) 且种间竞争强度 \(b_{12}\)\(b_{21}\) 不小,则竞争是激烈的,最终有一方会胜出。若 \(b_{12} = b_{21}\)\(K_1 < K_2\) 的物种(大动物)会灭绝,因为 \(a_{12} < 1 < a_{21}\)


3.6 共生或互惠

3.6.1 简单的互惠模型

互惠或共生是两个或更多物种相互作用对双方都有利的现象。最简单的互惠模型(等价于经典Lotka-Volterra捕食者-猎物模型)是:

\[\frac{dN_1}{dt} = r_1 N_1 + a_1 N_1 N_2 \qquad(3.38)\]
\[\frac{dN_2}{dt} = r_2 N_2 + a_2 N_2 N_1 \qquad(3.38)\]

由于 \(\frac{dN_1}{dt} > 0\)\(\frac{dN_2}{dt} > 0\)\(N_1\)\(N_2\) 会无限增长——May(1981)恰当地称之为"相互恩惠的狂欢"。

3.6.2 带容纳量的互惠模型

引入有限容纳量:

\[\frac{dN_1}{dt} = r_1 N_1\left(1 - \frac{N_1}{K_1} + b_{12}\frac{N_2}{K_1}\right) \qquad(3.38)\]
\[\frac{dN_2}{dt} = r_2 N_2\left(1 - \frac{N_2}{K_2} + b_{21}\frac{N_1}{K_2}\right) \qquad(3.38)\]

无量纲化后得:

\[\frac{du_1}{d\tau} = u_1(1 - u_1 + a_{12}u_2) = f_1(u_1,u_2) \qquad(3.39)\]
\[\frac{du_2}{d\tau} = \rho u_2(1 - u_2 + a_{21}u_1) = f_2(u_1,u_2) \qquad(3.39)\]

3.6.3 定态分析

定态为:

\[(0,0), \quad (1,0), \quad (0,1), \quad \left(\frac{1+a_{12}}{\delta}, \frac{1+a_{21}}{\delta}\right)\]

其中 \(\delta = 1 - a_{12}a_{21}\)

分析表明: - \((0,0)\):不稳定结点 - \((1,0)\)\((0,1)\):鞍点 - 若 \(1 - a_{12}a_{21} < 0\)(即 \(a_{12}a_{21} > 1\)):只有三个定态,种群无限增长 - 若 \(1 - a_{12}a_{21} > 0\)(即 \(a_{12}a_{21} < 1\)):第四个正定态存在,是稳定结点

3.6.4 关键结论

有界增长与无限增长的敏感性:当 \(a_{12}a_{21} < 1\) 时,所有相轨迹趋向正定态 \(u_1^* > 1, u_2^* > 1\),即 \(N_1 > K_1, N_2 > K_2\),表明互惠使每种物种的定态种群都高于单独存在时的最大值。

但当 \(a_{12}a_{21} > 1\) 时,两个种群无限增长。从(3.40)看,这条件等价于 \(b_{12}b_{21} > 1\)。因此,若任一物种的共生作用太强,条件被破坏,两种群无限增长。


3.7 一般模型与警示性评论

3.7.1 Kolmogorov模型

本章讨论的所有模型都是如下形式的非线性微分方程组:

\[\frac{dN_i}{dt} = N_i F_i(N_1, N_2, \ldots, N_n), \quad i = 1, 2, \ldots \qquad(3.42)\]

该2-物种版本有时称为Kolmogorov模型Kolmogorov方程

3.7.2 多物种模型

多物种模型形式为:

\[\frac{du}{dt} = f(u) \quad \text{或} \quad \frac{du_i}{dt} = f_i(u_1, \ldots, u_n), \quad i = 1, \ldots, n \qquad(3.43)\]

其中 \(u(t)\) 是种群密度的 \(n\) 维向量。

3.7.3 社区矩阵与稳定性

定态 \(u^*\) 的稳定性由社区矩阵决定:

\[A = (a_{ij}) = \left(\frac{\partial f_i}{\partial u_j}\right)_{u=u^*} \qquad(3.44)\]

特征值 \(\lambda\) 满足 \(|A - \lambda I| = 0\)。特征值 \(\text{Re}(\lambda) > 0\) 的充要条件由Routh-Hurwitz条件给出(见附录B)。

3.7.4 分岔与混沌

若定态不稳定,解可能:无限增长、演化为另一一定态、或形成稳定的极限环振荡。

Hopf分岔理论:当系统参数 \(p\) 穿过临界值 \(p_c\) 时,若最大 \(\text{Re}(\lambda)\) 从负变为零(且 \(\text{Im}(\lambda) \neq 0\)),则在 \(p > p_c\) 时出现小振幅极限环。

对于3个或更多相互作用物种,可能出现混沌行为。

3.7.5 社区矩阵的生物学意义

\(a_{ij}\) 衡量物种 \(j\) 对物种 \(i\) 在平衡附近的影响: - \(a_{ij} > 0\):物种 \(j\) 直接促进物种 \(i\) 的增长 - \(a_{ij} < 0\):物种 \(j\) 抑制物种 \(i\) 的增长 - \(a_{ij} > 0\)\(a_{ji} > 0\):互利共生 - \(a_{ij} < 0\)\(a_{ji} < 0\):竞争

3.7.6 警示性案例:维多利亚湖与尼罗河鲈鱼的灾难

1960年,尼罗河鲈鱼(Latis niloticus)被引入东非最大的湖泊——维多利亚湖。这种大型肉食鱼类体重可达100公斤以上,被引入的目的是提供高产量、珍贵的蛋白质来源。

灾难性后果: 1. 在过去35年里,湖中数百种较小的慈鲷鱼类基本被灭绝 2. 1984年,湖的整体生产力降至1960年前的约20% 3. 湖岸捕鱼社区的经济基础崩溃 4. 大量树木被砍伐用于烟熏保存鲈鱼 5. 血吸虫病(裂体血吸虫病)传播加剧——血吸虫病在世界上74个国家影响超过2亿人

教训:在修改复杂的食物网之前,必须进行建模研究来研究效果。尽管不能给出完整答案,但模型可以指出必须认真考虑的各种危险信号。


3.8 阈值现象

3.8.1 阈值模型

有一类有趣的模型具有阈值效应:若扰动足够大或形式合适,种群密度会经历大幅变化后才返回定态。

考虑捕食者-猎物系统:

\[\frac{dN}{dt} = N[F(N) - P] = f(N,P) \qquad(3.46)\]
\[\frac{dP}{dt} = P[N - G(P)] = g(N,P) \qquad(3.47)\]

其中 \(F(N)\)\(G(P)\) 定性地如图3.13所示。\(F(N)\) 展示了Allee效应:猎物的每单位增长率最初随猎物密度增加,达到最大值 \(N_m\) 后下降。

3.8.2 Allee效应

Allee效应是指低密度时个体适合度下降的现象,可能由于:难以找到配偶、捕食风险增加、协作防御减少等。

3.8.3 定态分析

定态 \(N^*, P^*\) 满足:

\[P^* = F(N^*), \quad N^* = G(P^*) \qquad(3.48)\]

null clines \(f = 0\)(即 \(P = F(N)\))和 \(g = 0\)(即 \(N = G(P)\))的交点给出定态 \(S\)\(S'\)

3.8.4 稳定性

对于定态 \(S\)\(N^* > N_m\)),有 \(F'(N^*) < 0, G'(P^*) > 0\),因此: - \(\text{tr}A = N^*F'(N^*) - P^*G'(P^*) < 0\) - \(\det A = N^*P^*[1 - F'(N^*)G'(P^*)] > 0\)

\(S\) 总是稳定的。

3.8.5 阈值行为

假设将系统扰动到相平面中的点 \(X\)。由于此时 \(f < 0\)\(g < 0\),有 \(dN/dt < 0\)\(dP/dt < 0\),相轨迹会远离 \(S\),在相空间中进行大幅 excursion 后最终返回 \(S\)

若扰动到点 \(Z\)(在阈值以下),则扰动保持在 \(S\) 附近,不产生大幅 excursion。

阈值的产生:由于null cline \(f = 0\) 具有最大值(Allee效应的结果),存在一个粗糙的阈值扰动——若扰动使轨迹穿过 \(f = 0\)\(N > N_m\),则产生大幅扰动;若 \(N < N_m\),则不产生大幅扰动。

3.8.6 空间阈值波

阈值行为在空间分散物种中更为精确——当允许某一物种通过扩散进行空间扩散时,可能出现阈值行波,这在生物学上有重要意义。


公式汇总表

3.1 Lotka-Volterra系统

编号 公式 描述
(3.1) \(\frac{dN}{dt} = N(a - bP)\) Volterra猎物方程
(3.2) \(\frac{dP}{dt} = P(cN - d)\) Volterra捕食者方程
(3.3) \(u = \frac{cN}{d}, v = \frac{bP}{a}, \tau = at, \alpha = \frac{d}{a}\) 无量纲化变换
(3.4) \(\frac{du}{d\tau} = u(1-v), \frac{dv}{d\tau} = \alpha v(u-1)\) 无量纲化系统
(3.6) \(\alpha u + v - \ln u^\alpha v = H\) 相轨迹方程(首积分)
(3.9) \(\lambda_{1,2} = \pm i\sqrt{\alpha}\) 定态(1,1)的特征值

3.2 复杂性与稳定性

编号 公式 描述
(3.10) \(\frac{dN_i}{dt} = N_i a_i - \sum b_{ij}P_j\), \(\frac{dP_i}{dt} = P_i\sum c_{ij}N_j - d_i\) k物种广义LV系统
(3.13) \(\sum_{i=1}^{2k}\lambda_i = \text{tr}A = 0\) 社区矩阵特征值之和

3.3 现实模型

编号 公式 描述
(3.14) \(\frac{dN}{dt} = NF(N,P), \frac{dP}{dt} = PG(N,P)\) 一般形式
(3.15) \(F(N,P) = r(1 - N/K) - PR(N)\) 具逻辑斯蒂的猎物方程
(3.16) \(R(N) = \frac{A}{N+B}, \frac{AN}{N^2+B^2}, \frac{A(1-e^{-aN})}{N}\) 捕食响应函数

3.4 极限环模型分析

编号 公式 描述
(3.18) \(\frac{dN}{dt} = Nr(1-N/K) - \frac{kNP}{N+D}\), \(\frac{dP}{dt} = Ps(1-hP/N)\) 具体模型
(3.19) \(u = N/K, v = hP/K, \tau = rt, a = k/hr, b = s/r, d = D/K\) 无量纲化
(3.20) \(\frac{du}{d\tau} = u - (1-u) - \frac{auv}{u+d}\), \(\frac{dv}{d\tau} = bv(1-v/u)\) 无量纲系统
(3.22) \(u^* = \frac{1-a-d + \sqrt{(1-a-d)^2+4d}}{2}\) 正定态
(3.25) \(\lambda^2 - (\text{tr}A)\lambda + \det A = 0\) 特征方程
(3.26) \(\text{tr}A < 0, \det A > 0\) 稳定性条件
(3.28) \(b > a - \frac{\sqrt{(1-a-d)^2+4d}}{2a}\) 稳定性边界

3.5 竞争模型

编号 公式 描述
(3.29)-(3.30) \(\frac{dN_i}{dt} = r_i N_i(1 - N_i/K_i - b_{ij}N_j/K_i)\) 竞争方程
(3.31) \(u_i = N_i/K_i, \tau = r_1 t, \rho = r_2/r_1, a_{ij} = b_{ij}K_j/K_i\) 无量纲化
(3.32) \(\frac{du_1}{d\tau} = u_1(1-u_1-a_{12}u_2)\), \(\frac{du_2}{d\tau} = \rho u_2(1-u_2-a_{21}u_1)\) 无量纲竞争系统
(3.33) \((0,0), (1,0), (0,1), (\frac{1-a_{12}}{\delta}, \frac{1-a_{21}}{\delta})\) 定态

3.6 互惠模型

编号 公式 描述
(3.38) \(\frac{dN_i}{dt} = r_i N_i(1 - N_i/K_i + b_{ij}N_j/K_i)\) 互惠方程
(3.39) \(\frac{du_1}{d\tau} = u_1(1-u_1+a_{12}u_2)\), \(\frac{du_2}{d\tau} = \rho u_2(1-u_2+a_{21}u_1)\) 无量纲互惠系统
(3.41) \((0,0), (1,0), (0,1), (\frac{1+a_{12}}{\delta}, \frac{1+a_{21}}{\delta})\) 定态(\(\delta = 1-a_{12}a_{21}\)

3.7 一般模型

编号 公式 描述
(3.42) \(\frac{dN_i}{dt} = N_i F_i(N_1, \ldots, N_n)\) Kolmogorov形式
(3.44) \(A = (\frac{\partial f_i}{\partial u_j})_{u=u^*}\) 社区矩阵定义

3.8 阈值现象

编号 公式 描述
(3.46)-(3.47) \(\frac{dN}{dt} = N[F(N)-P], \frac{dP}{dt} = P[N-G(P)]\) 阈值模型
(3.48) \(P^* = F(N^*), N^* = G(P^*)\) 定态条件
(3.49) \(\lambda^2 - (\text{tr}A)\lambda + \det A = 0\) 特征方程
(3.50) \(\text{tr}A = N^*F'(N^*) - P^*G'(P^*)\)
(3.51) \(\det A = N^*P^*[1 - F'(N^*)G'(P^*)]\) 行列式

关键概念总结

  1. Lotka-Volterra系统:经典的捕食者-猎物模型,具有守恒定律和周期解,但结构不稳定

  2. 社区矩阵:线性化后的 Jacobian 矩阵,其特征值决定定态的稳定性。

  3. 极限环:封闭的相轨迹,代表周期性振荡。Poincaré-Bendixson定理可用于证明极限环的存在。

  4. 竞争排斥原理:当两个物种竞争同一资源时,通常只有一个能存活——最终由初始条件和无量纲竞争系数决定。

  5. 互惠模型:简单模型导致无限增长,需加入容纳量限制才能得到正定态。

  6. 阈值现象:由Allee效应引起,小扰动返回定态,大扰动产生大幅 excursion。

  7. 复杂性导致不稳定:这是Murray强调的重要结论。


读书笔记完成日期:2026年5月9日
参考:J.D. Murray, Mathematical Biology I, Chapter 3