第 1 章：单物种连续种群模型（Continuous Population Models for Single Species）
1.1 连续增长模型（Continuous Growth Models）
单物种模型主要用于实验研究，但在真实世界中也折射出影响种群动态的若干叠加效应。设 \(N(t)\) 为 \(t\) 时刻的种群数量，则其变化率满足守恒方程 \(dN/dt = \text{births} - \text{deaths} + \text{migration}\)（式 1.1）。在最简单的模型里不考虑迁移，且出生与死亡均与 \(N\) 成正比，即 \(dN/dt = bN - dN\)，从而解出 \(N(t) = N_0 e^{(b-d)t}\)。这一 Malthus（1798）指数增长模型虽然粗糙，但对照 17 世纪以来世界人口的总量变化表（联合国对 21 世纪的中位数预测），自 1900 年以来世界人口几乎呈指数增长。Malthus 论文在 1798 年匿名发表，对达尔文（1838 年首次读到）等人影响深远，作者本人 38 岁结婚，长期担任英国乡村牧师，生活幸福。人口学界注意到，1975 年仅 18% 的世界人口生活在生育率处于或低于更替水平（约 2.1）的国家，1997 年升至 44%，预计 2015 年达 67%；1970 年低于更替生育率的国家仅 10 个，1995 年 51 个，2015 年估计 88/180 个国家加入。WHO 1992 年报告给出每天约 1 亿次性行为、91 万次受孕、35.6 万次性传播疾病等数据。然而建立可靠的人口预测模型极其困难，缺乏关键数据时模型可能定性可参考但定量上完全偏离。
Verhulst（1838, 1845）提出当种群过大时应存在自我限制过程，即 logistic 增长 \(dN/dt = rN(1 - N/K)\)（式 1.2），其中 \(K\) 为环境承载力，\(r\) 为内禀增长率，\(1/r\) 是模型对任何种群变化响应的特征时间尺度。该方程有两个平衡态：\(N=0\)（不稳定，线性化后 \(dN/dt \approx rN\)，指数增长）和 \(N=K\)（稳定，线性化后 \(d(N-K)/dt \approx -r(N-K)\)，指数回归）。若 \(N(0) = N_0\)，式 1.2 的显式解为 \(N(t) = N_0 K e^{rt} / [K + N_0(e^{rt} - 1)]\)，当 \(t \to \infty\) 时趋于 \(K\)（式 1.3）。\(N_0 < K\) 时单调增至 \(K\)，\(N_0 > K\) 时单调减至 \(K\)；其中 \(N_0 < K/2\) 的解曲线呈典型的 S 形。\(N_0 > K\) 意味着人均出生率为负，对应式 1.1 中出生加迁入小于死亡加迁出。式 1.2 实质上是一类具有密度依赖调节机制的种群模型的隐喻，Pearl（1925）在 1925 年的书中将其作为普适规律推广，作者曾到各地巡回演讲其理论。Logistic 形式仅三个参数 \(N_0, K, r\)，Pearl 拟合了美国、瑞典、法国等国的人口普查数据，但 U.S. 数据从 1790 到 1910 年的下段曲线拟合尚可，其余部分与实际人口数据相去甚远；法国数据拟合上段曲线，但对未来增长的预测同样失准。教训是只拟合数据的一小段、特别是未覆盖主增长段的数据，对预测极不可靠；引入更多参数做代数拟合虽能改善曲线，但本质只是曲线拟合而无助于理解机制。建模的真正动机是理解潜在过程，从而做出有根据的预测。
对更一般的 \(dN/dt = f(N)\)（式 1.4），其平衡态 \(N^*\) 是 \(f(N) = 0\) 的解，线性稳定性取决于 \(f'(N^*)\) 的符号：\(f'(N^*) < 0\) 稳定，\(f'(N^*) > 0\) 不稳定。线性化方法（式 1.5）给出 \(n(t) \propto \exp[f'(N^*) t]\)，响应的特征时间尺度为 \(1/|f'(N^*)|\)——即扰动被改变 \(e\) 倍所需的时间。
模型之所以选择 logistic 形式 \(rN(1 - N/K)\)，主要因为代数简洁且能定性体现"零解不稳定、有限正稳态稳定"这类常见模式；该形式将在全书多处以不同语境出现（不限于单种群），但需明确它只是"对密度依赖调节机制的一种隐喻"，不应被当作种群增长的字面方程。Stability 的线性化方法有两个细节值得记住：(1) 在 \(N=0\) 附近，式 1.2 略去 \(N^2\) 后退化为 \(dN/dt \approx rN\)，故 \(N=0\) 总是不稳定（任何小正 \(N\) 都指数增长）；这与 \(N=0\) 是数学上的平衡态但"实际无种群"的事实一致。(2) 在 \(N=K\) 附近，\((N-K)^2\) 与 \(|N-K|\) 相比可略去，得 \(d(N-K)/dt \approx -r(N-K)\)，故 \(K\) 稳定，且收敛速度仅由 \(r\) 决定，与 \(K\) 大小无关。这意味着做时间变换 \(t \to rt\) 后动力学与 \(r\) 无关，\(1/r\) 即模型对种群变化的固有响应时间尺度。
对一般 \(f(N)\) 情形，若 \(f(N)\) 与 \(N\) 轴有多个交点（如图 1.3 中 \(N=0, N_1, N_2, N_3\)），各交点处梯度 \(f'(N^*)\) 的符号即线性稳定性的判据：图中 \(N=0\) 与 \(N_2\) 处梯度为正故不稳定，\(N_1, N_3\) 处梯度为负故稳定。但稳态可能对有限扰动不稳定：例如 \(N_1\) 是线性稳定的，但若将种群扰动到 \(N_2 < N < N_3\) 区间内（扰动幅度超过 \(N_2 - N_1\)），则 \(N\) 不再回到 \(N_1\) 而趋于 \(N_3\)；反之将 \(N_3\) 扰动到 \(0 < N < N_2\) 则 \(N\) 趋于 \(N_1\)。故每个线性稳定的稳态都有一个阈值扰动幅度（\(N_1\) 的阈值为 \(N_2 - N_1\)），超过则系统跳跃到另一稳态；该阈值由 \(f(N)\) 的完整非线性形式决定，不能仅从 \(f'(N^*)\) 局部信息读出。这正是后面云杉蚜虫模型中"避难—爆发"两稳态跃迁的几何来源。
1.2 害虫爆发模型：云杉蚜虫（Insect Outbreak Model: Spruce Budworm）
Ludwig 等（1978）提出云杉蚜虫种群动态可由 \(dN/dt = r_B N(1 - N/K_B) - p(N)\) 建模，其中 \(r_B\) 为线性出生率，\(K_B\) 为与可食针叶量相关的承载力，\(p(N)\) 代表鸟类捕食。当 \(N\) 较大时捕食饱和，存在近似阈值 \(N_c\)，低于 \(N_c\) 捕食较小，高于 \(N_c\) 接近饱和值；\(p(N)\) 形如阈值开关，\(N \to 0\) 时 \(p(N)\) 较线性衰减更快（鸟类改寻他食）。具体取 \(p(N) = BN^2/(A^2 + N^2)\)，则 \(N\) 的动力学由式 1.6 描述：\(dN/dt = r_B N(1 - N/K_B) - BN^2/(A^2 + N^2)\)。该方程有四个参数 \(r_B, K_B, B, A\)，\(A\) 和 \(K_B\) 与 \(N\) 同量纲，\(r_B\) 量纲为时间\(^{-1}\)，\(B\) 量纲为 \(N \cdot \text{时间}^{-1}\)，\(A\) 度量"开关"阈值 \(N_c\) 的大小。
建模前需先做无量纲化。无量纲化使单位无关、大小具有相对意义，并把相关参数化简为无量纲组合。引入 \(u = N/A\), \(r = Ar_B/B\), \(q = K_B/A\), \(\tau = Bt/A\)（式 1.7），代入式 1.6 得 \(du/d\tau = ru(1 - u/q) - u^2/(1 + u^2) = f(u; r, q)\)（式 1.8），参数减为 \(r, q\) 两纯数。\(u \ll 1\) 即 \(N \ll A\)，意味着此范围内捕食可忽略。式 1.7 的特定形式使得平衡态分析特别便利。令 \(f(u; r, q) = 0\)，显式得 \(u=0\) 与满足 \(r(1 - u/q) = u/(1 + u^2)\)（式 1.9、1.10）的正根。三次方程的解析解代数上繁复，故通常作图求解（图 1.5a），作直线 \(r(1 - u/q)\) 与曲线 \(u/(1 + u^2)\) 的交点；对固定 \(q\) 增加 \(r\) 时，交点数可在 1 与 3 之间切换。\(u=0\) 与 \(u=u_2\) 线性不稳定（\(\partial f/\partial u > 0\)），\(u_1, u_3\) 稳定（\(\partial f/\partial u < 0\)）。在 \(r, q\) 参数空间存在三根区域（图 1.6），其边界曲线参数式为 \(r(a) = 2a^3/(a^2+1)^2\), \(q(a) = 2a^3/(a^2-1)\)，\(a \geq \sqrt{3}\)，\(\sqrt{3}\) 处为尖点 \(P\)（边界推导留作习题 1）。
此模型表现出滞后效应（hysteresis）。固定 \(q\)，沿 \(ABCD\) 路径增加 \(r\)：从 \(r=0\) 的 \(u_1=0\) 单调增至 \(C\) 点后跳跃到 \(u_3\)；沿 \(DCBA\) 减小 \(r\)：\(u_3\) 持续到下临界值时跳回 \(u_1\)。\(r\) 在 \(C\) 处不连续上跳，\(r\) 在 \(B\) 处不连续下跳，这是一个尖点突变（cusp catastrophe），见图 1.7。田间参数给出三个可能稳态：\(u_1\) 为"避难"平衡，\(u_3\) 为"爆发"平衡。控制策略：从害虫控制角度，应使种群维持在 \(u_1\) 而非爆发状态。喷洒针叶使 \(K_B\) 减小从而 \(q\) 减小，若降幅足够大可使 \(r, q\) 落在三根区域之外，模型只剩一个平衡；或者减小 \(r_B\) 或提高捕食者阈值（减小 \(r\)）亦可。优化策略需考虑空间效应（蚜虫扩散），将在 Volume II 第 2 章讨论。时间尺度上，蚜虫爆发使冷杉针叶脱落约需四年；冷杉死后桦木取而代之；冷杉再回归的时间尺度为 50-100 年。Hassell 等（1999）以 80 余变量和参数的多物种模型简化至幼虫、针叶、老树面积分数三个差分方程，再降为两个方程即可捕捉振荡机制。
感知中的突变：虽然严格说不属于种群动力学，但与滞后和突变性变化的主题相关。Fisher（1967）开发了一系列图示展示视觉感知的突然变化：图 1.8 中图片 1 明显是男性面孔，图片 8 明显是一位坐姿女性，中间图片为过渡形态。作者对 57 名学生做了如下三轮实验：按 1234567876543212345678 顺序展示 8 张图（即正序一遍—逆序一遍—正序一遍），学生被要求记录每次"感知发生重大变化"的图片编号。结果（表 1.2）：第一轮前向运行中切换发生在 4、5、6、7、8 编号的人数分别为 0, 5, 8, 25, 19，集中在 6-7 附近，均值 7.0；第二轮反向运行时切换发生在 2-7 编号的人数分别为 1, 1, 17, 29, 6, 3，集中在 4-5 附近，均值 4.8；第三轮前向运行切换集中在 3-5 附近，均值 4.9。
实验的预期是：第一轮前向运行时受试者认知"锁定"于男性面孔，直到图片明显呈现女性时才发生感知跳跃，故切换延迟到 6-7 附近；第二轮反向运行时受试者已意识到"两种可能"并存，对中间过渡图能做出更平衡判断，故切换前移到 4-5 附近；第三轮前向运行时受试者保持此"中间判断"模式，切换仍在 5 附近。感知 \(p\) 与刺激（图片编号）的多值关系（图 1.9）在 \((p, \text{刺激})\) 平面上呈经典的尖点突变回线：三个切换点对应 Maxwell 点与两 bifurcation 点。该实验与蚜虫模型具有清晰类比——多值、滞后、不连续跃迁——但存在根本差异：蚜虫模型的滞后可重复再现（取决于 \(r\) 的历史路径），而此处视觉感知的滞后只发生一次（首轮后受试者已"知晓"两个可能），此后动力学对每刺激变为单值。Zeeman（1982）对同样的图示系列做了更细致研究，Stewart 和 Peregoy（1983）推广到一般情形。若以图片 8 起做三轮，切换分别约在 2、5、5 附近。Zeeman（1977）还讨论了心理学中的其它突变性变化案例。
1.3 延迟模型（Delay Models）
单种群模型（式 1.4）的不足在于出生率被视为瞬时生效，而实际上需考虑性成熟时间、妊娠期等延迟。引入时滞 \(T>0\) 的延迟微分方程 \(dN(t)/dt = f(N(t), N(t-T))\)（式 1.11）。作为 logistic 模型（式 1.2）的扩展，\(dN/dt = rN(t)[1 - N(t-T)/K]\)（式 1.12）假设调节作用依赖 \(t-T\) 时刻而非 \(t\) 时刻的种群。式 1.12 实际是真实平均效应的简化，更精确的模型为卷积形式（式 1.13）：\(dN/dt = rN(t)[1 - (1/K) \int_{-\infty}^t w(t-s) N(s) ds]\)，其中 \(w(t)\) 是权重因子，描述历史种群对当前资源可用性的影响。\(w(t)\) 在 \(|t|\) 很大时趋于零，在某代表时刻 \(T\) 处取极大（图 1.10）。若 \(w(t)\) 在 \(T\) 附近足够窄，可近似为 Dirac 函数 \(\delta(t-T)\)，式 1.13 退化为式 1.12。式 1.12 的求解在 \(t>0\) 时需要 \(-T \le t \le 0\) 的全部 \(N(t)\)，通常只能数值求解。
启发论证（图 1.11）的更细致形式：设某时刻 \(t_1\) 处 \(N(t_1) = K\) 且 \(t_1\) 之前 \(N(t-T) < K\) 持续了"足够长"的时间（即过去 \(T\) 段内种群未越界），则 \(1 - N(t_1-T)/K > 0\)，\(dN/dt > 0\)，\(N\) 在 \(t_1\) 仍增长（即使瞬时 \(N\) 已达 \(K\)，因过去 \(T\) 段时间种群偏低，"调节项"仍为正）。当时间增至 \(t_1 + T\)，由 \(N((t_1+T)-T) = N(t_1) = K\) 知 \(dN/dt = 0\)；\(t_1 + T < t < t_2\) 段 \(N(t-T) > K\)（过去种群偏高），\(dN/dt < 0\)，\(N\) 下降直至 \(t_2 + T\) 时 \(N(t_2) = K\), \(dN/dt\) 再次为零。下一轮 \(t_2 + T < t < t_3\) 段 \(N(t-T) < K\), \(dN/dt > 0\), \(N\) 上升，周而复始。故 \(N(t)\) 在 \(K\) 附近上下振荡，振荡周期近似为 \(4T\)（"上升 \(T\) + 过冲 \(T\) + 下降 \(T\) + 回升 \(T\)"），这与下节严格的线性分析结果一致。该论证的要点是延迟使"调节项"依赖过去种群，从而即使瞬时 \(N\) 越过 \(K\)，系统仍按过去的状态继续演化——这正是产生持续振荡（而非简单阻尼回到 \(K\)）的根本机制。对简单线性延迟方程 \(dN/dt = -\pi N(t-T)/(2T)\)，可解出 \(N(t) = A \cos(\pi t/2T)\)（周期为 \(4T\) 的余弦函数），代回原方程直接验证：右端 \(-\pi/(2T) \cdot A \cos[\pi(t-T)/(2T)] = -\pi/(2T) \cdot A \sin(\pi t/2T)\)，与左端 \(dN/dt = -A (\pi/2T) \sin(\pi t/2T)\) 一致。事实上式 1.12 在 \(rT\) 较大范围内可具有稳定极限环周期解，周期 \(t_p\) 满足 \(N(t+t_p) = N(t)\)；稳定极限环意味着扰动后解随 \(t \to \infty\) 回到原周期解（可能伴有相移），周期行为与初始数据无关。极限环稳定的物理意义是：若实验或数值中对 \(N(t)\) 引入扰动（如短时改变环境），解不会停留于新状态，而是渐近回到原周期轨道；这与"稳态"的稳定完全不同——稳态回到常数值，极限环回到时变轨道。
由图 1.11 的启发论证，周期量级约为 \(4T\)。数值计算表明在大范围 \(rT\) 内确实如此；\(rT\) 是无量纲组合（式 1.12 的无量纲形式 \(N^* = N/K\), \(t^* = rt\), \(T^* = rT\)）。变化的只是振幅，例如 \(rT = 1.6\) 时 \(t_p \approx 4.03T\), \(N_{\max}/N_{\min} \approx 2.56\)；\(rT = 2.1\) 时 \(t_p \approx 4.54T\), \(N_{\max}/N_{\min} \approx 42.3\)；\(rT = 2.5\) 时 \(t_p \approx 5.36T\), \(N_{\max}/N_{\min} \approx 2930\)。
应用实例：May（1975）以式 1.12 拟合 Nicholson（1957）对澳大利亚绵羊丽蝇（Lucilia cuprina）近两年的实验数据（受控温控食），观察到约 35-40 天的基本周期振荡。\(K\) 由食量决定，\(T\) 约为幼虫成熟为成虫的时间（9-11 天），唯一未知参数 \(r\) 取 \(rT = 2.1\) 时周期约 \(4.54T\)。若以观测周期 40 天计得 \(T \approx 9\) 天，实际延迟更接近 11 天；模型预示 \(K\) 加倍对时间周期无影响（因可作 \(N/K\) 变换消去），实验确实如此。Gurney 等（1980）的更复杂模型能更好匹配包含两个生殖活动峰的实际数据（包括 Nicholson 数据中"持续第二峰"特征）；Nisbet 和 Gurney（1982）将该案例作为完整研究专题。May（1981）以式 1.12 讨论加拿大 Churchill 地区旅鼠种群，周期约 4 年，妊娠期 \(T=0.72\) 年；Stirzaker（1975）研究的苏格兰高地田鼠种群周期约 4 年，\(T=0.75\) 年，将捕食效应并入该单一方程。Myers 和 Krebs（1974）讨论啮齿类一般 3-4 年周期。13 年和 17 年周期的蝉（locust）是另一个戏剧性例子。单条（非延迟）ODE 模型 \(dN/dt = f(N)\) 不可能产生极限环。其证明相当简洁：将方程两边乘 \(dN/dt\) 并在 \([t, t+T]\) 上积分，左端 \(\int_t^{t+T} (dN/dt)^2 dt\) 非负且不恒为零（否则 \(N\) 为常数，与极限环矛盾），右端通过换元 \(\tau = N(t)\) 得 \(\int_t^{t+T} f(N) (dN/dt) dt = \int_{N(t)}^{N(t+T)} f(N) dN\)。若 \(N(t)\) 是周期为 \(T\) 的解，\(N(t+T) = N(t)\)，右端积分为零，与左端为正矛盾。故任何单条标量 ODE \(dN/dt = f(N)\) 不可能有周期解——这是后面 7、8、9 章反复回引的"基线反例"，延迟或耦合是产生极限环的两大途径。
建模警示：模型与数据吻合"看起来合理"并不足以证明模型正确或机制正确，这是建模的常见陷阱——本书后续讨论生物模式与形态生成的章节（Volume II 第 2-6 章）会反复遇到。简单的延迟模型能在定性与定量上与数据相合，是其在实际研究中应用正当性的某种佐证，但模型选择本身需要更细致的生物学/生理学论证。
1.4 延迟模型的线性分析：周期解（Linear Analysis of Delay Population Models: Periodic Solutions）
延迟微分方程（式 1.12）能产生极限环周期解，其存在的一个指示是平衡态因增长振荡而不稳定。在 \(N=0\) 附近小扰动满足 \(dN/dt \approx rN\)，故 \(N=0\) 不稳定。考虑 \(N=K\) 附近扰动，先将式 1.12 无量纲化：\(N^*(t) = N(t)/K\), \(t^* = rt\), \(T^* = rT\)（式 1.14），略去星号得 \(dN(t)/dt = N(t)[1 - N(t-T)]\)（式 1.15）。在 \(N=1\) 处线性化：\(N(t) = 1 + n(t)\)，\(dn(t)/dt \approx -n(t-T)\)（式 1.16）。设 \(n(t) = c e^{\lambda t}\)，代入得 \(\lambda = -e^{-\lambda T}\)（式 1.17）。该超越方程的根 \(\lambda\) 决定稳定性。取 \(\lambda = \mu + i\omega\)，\(|\lambda| = e^{-\mu T}\)：若 \(|\lambda| \to \infty\) 则 \(e^{-\mu T} \to \infty\) 要求 \(\mu \to -\infty\)，故存在实数 \(\mu_0\) 使 \(\text{Re} \lambda < \mu_0\)。引入 \(z = 1/\lambda\), \(w(z) = 1 + z e^{-T/z}\)，\(w(z)\) 在 \(z=0\) 处有本质奇点；由 Picard 定理，\(w(z) = 0\) 在 \(z=0\) 邻域有无穷多复数根，故 \(\lambda\) 有无穷多根。
将式 1.17 分实虚部：\(\mu = -e^{-\mu T} \cos \omega T\), \(\omega = e^{-\mu T} \sin \omega T\)（式 1.18）。先看 \(\lambda\) 实数即 \(\omega=0\)：第二式满足，第一式 \(\mu = -e^{-\mu T}\) 无 \(\mu>0\) 的解（\(e^{-\mu T}>0\) 对所有 \(\mu T\) 成立），故不存在实数正解使不稳定。考虑 \(\omega \neq 0\)：由对称性取 \(\omega>0\)；\(\mu < 0\) 要求 \(\omega T < \pi/2\)。当 \(T\) 从零增加，\(\mu\) 在 \(\omega T = \pi/2\) 处首次为零；此时 \(\mu=0\), \(\omega=1\)（由第二式），\(T = \pi/2\) 为分岔值 \(T_c\)。另一种推导是验证 \((\partial \mu/\partial T)|_{T=\pi/2} > 0\)。当 \(T>\pi/2\) 时 \(\omega<1\)，故 \((\partial \omega/\partial T)|_{T=\pi/2} < 0\)。稳定性条件为 \(0 < T < \pi/2\)（式 1.19）。
回到有量纲形式：\(N(t) = K\) 稳定当 \(0 < rT < \pi/2\)，不稳定当 \(rT > \pi/2\)（后者预期极限环）。分岔值 \(T_c = \pi/(2r)\) 是参数 \(rT\) 处解的特征由稳态突变为时变解的临界值；延迟通常增加不稳定性潜能。在分岔值附近估计振荡周期：\(T = T_c + \varepsilon = \pi/2 + \varepsilon\), \(0 < \varepsilon \ll 1\)（式 1.20）。\(T = \pi/2\) 时 \(\mu=0\), \(\omega=1\)；设 \(\mu = \delta\), \(\omega = 1 + \sigma\), \(0<\delta, |\sigma| \ll 1\)（式 1.21）。代入式 1.18 第二式并对小量展开得 \(\sigma \approx -\pi\delta/2\)，第一式给出 \(\delta \approx \varepsilon + \pi\sigma/2\)。联立解得 \(\delta \approx \varepsilon/(1+\pi^2/4)\), \(\sigma \approx -(\varepsilon\pi/2)/(1+\pi^2/4)\)（式 1.22）。由式 1.16 与 1.17 得 \(N(t) \approx 1 + \text{Re}\{c \exp[\varepsilon t/(1+\pi^2/4)] \exp[it(1 - \varepsilon\pi/(2(1+\pi^2/4)))]\}\)（式 1.23），不稳定通过增长振荡实现，周期 \(2\pi/[1 - \varepsilon\pi/(2(1+\pi^2/4))] \approx 2\pi\)（O(1) 量级）。有量纲下周期为 \(2\pi/r\)；因 \(rT = \pi/2\)，即 \(4T\)，与启发论证一致。数值结果：\(rT = 1.6\)（\(\varepsilon \approx 0.029\)）时 O(\(\varepsilon\)) 周期约 \(4.05T\)，与数值 \(4.03T\) 吻合良好；\(rT = 2.1\)（\(\varepsilon \approx 0.53\)）时 O(\(\varepsilon\)) 周期 \(5.26T\)，与数值 \(4.54T\) 偏差大（\(\varepsilon\) 过大，\(\varepsilon^2\) 不可忽略），需二阶分析。式 1.23 中自然出现的"慢时间"\(\varepsilon t\) 表明分岔值附近可用双时间渐近方法获得非线性一致有效解（Murray 1984）。Picard 定理在此处的关键作用是：\(w(z) = 1 + z e^{-T/z}\) 在 \(z=0\) 处有本质奇点（\(e^{-T/z}\) 在 \(z \to 0\) 时无 Laurent 展开），Picard 定理保证 \(w(z) = 0\) 在 \(z=0\) 的任意邻域内有无穷多复数根（除可能一个例外值）——这意味着对任意固定 \(T > 0\)，式 1.17 有无穷多特征值 \(\lambda\)。这是延迟微分方程与常微分方程的本质区别：ODE 的特征方程是多项式，根有限；延迟方程的特征方程是超越方程，根通常无穷多。研究稳定性时只需关注"实部最大"的有限个根（其余根的实部足够负，不影响线性稳定性判断）。双时间渐近在 \(T = T_c + \varepsilon\) 附近给出"快时间"周期 \(\sim 4T\)（式 1.23 中 \(2\pi\) 量级）与"慢时间"包络 \(\exp[\varepsilon t/(1+\pi^2/4)]\) 的分离，这是非线性一致有效解的标准结构。
Driver（1977）是延迟（或函数）微分方程的入门数学书，MacDonald（1979）专论生物模型中的时滞。延迟方程稳定性必要条件的有用技巧由 van den Driessche 和 Zou（1998）给出（Lyapunov 函数法，见 Jordan 和 Smith 1999），这里给出一般方程 \(dy/dt = ay(t) + by(t-\tau)\)（式 1.24），\(a, b\) 为常数，\(y_s\) 为稳态，\(L[y(t)]\) 是 Lyapunov 函数若 \(L[y(t)] > 0\) 对所有 \(y(t) \neq y_s\)、\(L[y(t)] = 0\) 当 \(y(t) = y_s\)（即 \(L\) 正定）且 \(dL[y(t)]/dt < 0\) 对所有 \(y(t) \neq y_s\)。若这样的函数存在则 \(y_s\) 全局渐近稳定且不可能有闭轨道。
该 Lyapunov 函数可以显式构造（式 1.25）：\(L[y(t)] = y^2(t) + |b| \int_{t-\tau}^t y^2(s) ds\)。验证：\(L > 0\) 对 \(y \neq 0\)，\(L = 0\) 当 \(y(t) = y_s = 0\)。对 \(t\) 求导（式 1.26）：
总结 1.4 节：延迟模型线性化后稳定性由超越方程 \(\lambda = -e^{-\lambda T}\)（式 1.17）根的实部决定；\(\mu\) 首次为零的分岔值 \(T = \pi/2\)（无量纲），对应有量纲的 \(rT = \pi/2\)；分岔附近的扰动分析给出振荡周期 \(4T\)（式 1.23）；van den Driessche-Zou Lyapunov 函数法推广到一般线性延迟方程 \(dy/dt = ay + by(t-\tau)\)，\(a < -|b|\) 即全局稳定。这些结果将在 1.5 节应用于 Cheyne-Stokes 呼吸与造血调节等具体生理学问题。
1.5 生理学中的延迟模型：周期性动力学疾病（Delay Models in Physiology: Periodic Dynamic Diseases）
Glass 和 Mackey（1979）将"初始症状表现为正常周期控制系统的改变或不规则化，或原本非周期过程出现振荡"的急性生理疾病称为"动力学疾病"。本节讨论 Mackey 和 Glass（1977）建模、分析并与实验对比的两个具体例子。
Cheyne-Stokes 呼吸：一种人类呼吸系统疾病，特征是呼吸幅度规律性增减（waxing and wane），各周期之间有呼吸暂停（apnea，即每次呼吸量极低）（图 1.13）。动脉 \(\text{CO}_2\) 浓度 \(c(t)\) 由脑干受体监测（信号固有延迟 \(T\)），再决定通气量 \(V\)。通气对 \(\text{CO}_2\) 的响应曲线呈 S 形，以 Hill 函数 \(V = V_{\max} c^m(t-T)/[a^m + c^m(t-T)]\)（式 1.27）描述，\(V_{\max}\) 为最大通气，\(a\) 与 Hill 系数 \(m\) 为正参数。\(\text{CO}_2\) 的清除率与通气量、\(\text{CO}_2\) 浓度之积成正比：\(dc/dt = p - bV c(t) = p - bV_{\max} c(t) c^m(t-T)/[a^m + c^m(t-T)]\)（式 1.28），\(p\) 为体内 \(\text{CO}_2\) 恒定产率，\(b\) 为正参数，\(T\) 为肺血液氧合到脑干化学受体监测之间的延迟。该一阶延迟微分模型可同时展现正常与异常呼吸的定性特征。
无量纲化（式 1.29）：\(x = c/a\), \(t^* = pt/a\), \(T^* = pT/a\), \(\alpha = abV_{\max}/p\), \(V^* = V/V_{\max}\)，模型化为 \(x'(t) = 1 - \alpha x(t) x^m(t-T)/[1 + x^m(t-T)] = 1 - \alpha x V(x(t-T))\)（式 1.30），略去星号。稳态 \(x_0\) 满足 \(1 = \alpha x_0^{m+1}/(1+x_0^m) = \alpha x_0 V_0\)（式 1.31），\(V_0\) 为无量纲稳态通气量；由 \(1/(\alpha x_0)\) 与 \(V(x_0)\) 的图示可知存在唯一正稳态。在 \(x_0\) 附近小扰动 \(u = x - x_0\) 代入并线性化：\(u' = -\alpha V_0 u - \alpha x_0 V_0' u(t-T)\)（式 1.32），\(V_0' = dV(x_0)/dx_0 > 0\)。设 \(u(t) \propto e^{\lambda t}\) 得 \(\lambda = -\alpha V_0 - \alpha x_0 V_0' e^{-\lambda T}\)（式 1.33）。最关注的是稳态因增长振荡失稳时的参数范围。设 \(\lambda = \mu + i\omega\)，与上节同理有 \(\mu_0\) 使 \(\text{Re}\lambda < \mu_0\)，且无正实数解。简记 \(\lambda = -A - B e^{-\lambda T}\), \(A = \alpha V_0 > 0\), \(B = \alpha x_0 V_0' > 0\)（式 1.34），分实虚部得 \(\mu = -A - B e^{-\mu T} \cos \omega T\), \(\omega = B e^{-\mu T} \sin \omega T\)（式 1.35）。
令 \(s = \omega T\)。\(\mu=0\) 时式 1.35 化为 \(\cot s = -AT/s\), \(s_1\) 满足 \(\pi/2 < s_1 < \pi\)（对所有有限 \(AT > 0\)，式 1.36）。最小正根 \(s_1\) 给出最小临界 \(T\)。\(\mu=0\) 下 \(0 = -A - B \cos s_1\) 与 \(s_1 = BT \sin s_1\) 同时成立要求 \(BT = \sqrt{(AT)^2 + s_1^2}\)（式 1.37）。\(T=0\) 时 \(\mu = -A - B < 0\)，稳定。从 \(T=0\) 增大 \(T\)，若 \(BT < \sqrt{(AT)^2 + s_1^2}\)（式 1.38）则 \(\mu\) 不可能为零，故 \(\mu < 0\) 稳态线性（且全局）稳定。分岔条件即式 1.37 取等号。原始无量纲变量下，稳定性条件为 \(\alpha x_0 V_0' T < \sqrt{(\alpha V_0 T)^2 + s_1^2}\)，\(s_1 \cot s_1 = -\alpha V_0 T\)（式 1.39）。固定 \(A, B\)，使第一式取等的 \(T_c\) 即分岔值。
Mackey 和 Glass（1977）给出人体正常参数（式 1.40）：\(c_0 = 40\) mmHg, \(p = 6\) mmHg/min, \(V_0 = 7\) L/min, \(V_0' = 4\) L/min·mmHg, \(T = 0.25\) min。由 \(\alpha V_0 T = T/x_0 = pT_{\text{dimensional}}/c_0 = 0.0375\)（很小），\(s_1 \approx \pi/2\)，稳定性近似条件 \(V_0' < \pi/(2 \alpha x_0 T)\)（式 1.41）。若通气对 \(\text{CO}_2\) 的斜率过大，稳态失稳产生极限环。临界值 \(V_0' = 7.44\) L/min·mmHg。\(V_0'\) 随 Hill 系数 \(m\) 增大而增大；其他参数变化也可触发周期行为（违反式 1.41）。数值模拟（图 1.14）显示 \(V_0' = 7.7\) 和 \(V_0' = 10.01\) L/min·mmHg 两种情形下，振荡周期均约 1 分钟（即 \(4T\), \(T=0.25\) min），与上节分析一致；分岔值附近的扰动分析同样表明周期约 \(4T\)（留作习题 6）。实验观察到的周期为延迟时间的 2-3 倍；该简单 \(\text{CO}_2\) 模型不宜做精细定量比较，但其说明延迟模型可在真实生理语境下产生 Cheyne-Stokes 呼吸所见的振荡行为。Fowler 和 Kalamangalam（2000）提出不同解释：呼吸系统动力学由体内不同隔室间 \(\text{CO}_2\) 相互作用决定，产率几乎无关；心输出量严重降低（如心衰）时出现振荡不稳定性，周期约为脑动脉延迟的两倍，与心脏病患者观测一致；加入心输出对血气水平的可变响应（引入可变延迟）起稳定作用。
造血调节：第二个例子。血细胞（白细胞、红细胞、血小板等）在骨髓中产生后入血；血氧降低触发某种物质释放，进而使骨髓向血液释放更多血细胞，构成血液对骨髓的反馈。反馈异常被视为周期性血液疾病的主要嫌疑（亦不例外）。设 \(c(t)\) 为血液中细胞浓度（cells/mm³），细胞以 \(gc\) 速率损失，\(g\) 量纲为 day\(^{-1}\)；细胞减少后约 6 天延迟骨髓释放细胞补充，通量 \(\lambda\) 依赖 \(c(t-T)\)。模型 \(dc/dt = \lambda(c(t-T)) - gc(t)\)（式 1.42），其中 \(T\) 为延迟。取 \(\lambda\) 的一种形式（式 1.43）：\(dc/dt = \lambda a^m c^m(t-T)/[a^m + c^m(t-T)] - gc\)。该方程与式 1.28 分析方法相同（见习题 5）：无量纲化、求稳态、线性稳定性分析、确定失稳条件。分岔值附近的扰动分析可给出极限环周期的估计。数值模拟（图 1.15a, b）显示两种延迟 \(T\) 下稳态失稳的振荡行为：\(T=6\) 天时低振幅周期约 20 天；\(T=20\) 天时解呈非周期行为。慢性粒细胞白血病的 12 岁女孩血细胞计数（图 1.15c）也呈粗略 72 天周期的非周期振荡，与 (b) 形似。这种随延迟增大而出现的定性变化（周期到非周期）即"混沌"：决定性系统的非周期行为，对初始条件敏感依赖（极小初值差异导致长期解的巨大差异）。图 1.16 展示随 Hill 系数 \(m\) 增大的周期倍化分岔序列：(a) 简单闭曲线（简单周期）；(b) 看似双环轨迹，需两圈返回起点（图 1.17a）；(m 进一步增大) 轨迹越发复杂；(e) 时解经过很多圈后可能并不真正闭合，呈准周期/混沌行为；(i) 较大 \(m\) 处又出现规则周期，然后进入下一个混沌区间——这种级联周期倍化通向混沌、其间被相干周期区间分隔的现象是分形结构。这种行为在下一章离散模型中以解析方式（周期倍化）讨论；其生物医学意义重大（见 Othmer 等 1993 编辑的书籍）。注意：图 1.15b（模型解）与 (c)（患者数据）虽形似，但不可断言该模型即控制白血病患者白细胞行为的机制；模型展示了延迟在生理模式破坏中的潜在作用，提示骨髓细胞产生缺陷可能解释白细胞计数的不规则行为。建模练习的真正意义在于为医学生理学家提出重要问题，跨学科合作是将"看似合理"的建议落回现实的关键。
1.6 单一天然种群的捕捞（Harvesting a Single Natural Population）
需建立生态可接受的捕捞策略以获得最大可持续产量（MSY）且投入最小。Clark（1976b, 1985, 1990）是该领域的奠基之作；Kot（2001）有专章讨论捕捞模型与最优控制；Plant 和 Mangel（1987）综述害虫管理。Beddington 和 May（1977）讨论的简单 logistic 加捕捞模型虽简单却能展示更复杂模型也需考虑的要点。Rotenberg（1987）考虑随机参数对种群灭绝的影响。多数物种在无捕捞时维持接近承载力 \(K\) 的恒定种群（出生与死亡相当）；适度捕捞增加死亡率，种群调整至新平衡 \(N_h < K\)。建模问题：如何通过种群增长动力学决定捕捞率，使种群保持最大增长率（从而 MSY）。
模型（式 1.44）：\(dN/dt = rN(1 - N/K) - EN = f(N)\)，\(E\) 为正努力量（effort），\(EN\) 为单位时间捕捞产量。新非零稳态 \(N_h(E) = K(1 - E/r) > 0\)（当 \(E<r\)，式 1.45），产量 \(Y(E) = E N_h(E) = EK(1 - E/r)\)（式 1.46）。\(E > r\) 时 \(E\) 大于低种群时的线性增长率，物种灭绝（\(N=0\)）。\(E<r\) 时 MSY 与对应稳态为 \(Y_M = Y(E)|_{E=r/2} = rK/4\), \(N_h|_{Y_M} = K/2\)（式 1.47）。
动力学分析是否给出与稳态分析不同的结论？图 1.18 展示不同 \(E\) 下 \(f(N)\) 曲线。线性化 \(N_h(E)\) 附近：\(d(N-N_h)/dt \approx f'(N_h(E))(N-N_h) = (E-r)(N-N_h)\)（式 1.48），\(E<r\) 时线性稳定（箭头方向见图 1.18）。\(E=0\) 时恢复时间 \(T_R = O(1/r)\)，这是从 \(K\) 出发的小扰动 \(\sim e^{-rt}\) 衰减的特征时间。\(0 < E < r\) 时捕捞下恢复时间 \(T_R(E) = O(1/(r-E))\)，\(T_R(E)/T_R(0) = O(1/(1-E/r))\)（式 1.49），故固定 \(r\) 时 \(E\) 增大则恢复时间延长。\(E=r/2\)（即 MSY 处）\(T_R(E) = O(2T_R(0))\)。若以将扰动降低 \(e\) 倍的时间为恢复时间（式 1.50）：\(T_R(0) = 1/r\), \(T_R(E) = 1/(r-E)\), \(T_R|_{E=r/2} = 2T_R(0)\)。由 \(Y\) 反解 \(E\) 得 \(T_R(Y)/T_R(0) = 2/(1 \pm \sqrt{1 - Y/Y_M})\)（式 1.51），图 1.19a 显示 \(L_+\)（正根）与 \(L_-\)（负根）两支。保持在 \(L_+\) 支有利，滑向 \(L_-\) 支则有灾难。
从小的 \(E\) 出发（图 1.19b），\(N_h(E)\) 接近 \(K\)（\(N_h > K/2\)），\(T_R(E)/T_R(0) \approx 1\)；增大 \(E\) 在 \(L_+\) 支。\(N_h\) 减至 \(K/2\)（MSY 处）达 \(A\) 点。\(E\) 进一步增大使 \(N_h < K/2\)，恢复时间继续延长但产量减小——进入 \(L_-\) 支。优化捕捞策略：选 \(E\) 使 \(N_h(E) > K/2\) 但尽可能接近 \(K/2\)。越接近 \(K/2\) 越易误入 \(L_-\) 支；Beddington 和 May（1977）做了随机分析——随机因素降低给定 \(E\) 下的平均产量。该模型还表明，最大产量的实现往往是在尝试更高产量之后；若模型有效，"超量捕捞后回到 \(L_-\) 支再降努力"未必能回到 \(L_+\) 支，因此即便无随机分析，随机扰动也能严重破坏 MSY 概念。
替代策略：恒定产量 \(Y_0\) 捕捞（Brauer 和 Sanchez 1975）。模型 \(dN/dt = rN(1-N/K) - Y_0 = f(N; r, K, Y_0)\)（式 1.52）。图 1.20a 的图解法求平衡态。\(0 < Y_0 < rK/4 = Y_M\) 时有两个正平衡 \(N_1(Y_0) < N_2(Y_0)\)，分别不稳定和稳定。\(Y_0 \to rK/4\) 时 \(N_2\) 处对扰动极敏感：扰动使 \(N < N_1\) 则 \(N \to 0\)；\(N\) 较小时 \(dN/dt \approx -Y_0\)，\(N\) 在有限时间 \(t = t_0 + N_0/Y_0\) 达零。恒定产量策略下恢复时间比 \(T_R(Y_0)/T_R(0) = 1/\sqrt{1 - Y_0/Y_M}\)（式 1.53），\(Y_0 \to Y_M\) 时 \(T_R \to \infty\)，故此模型远更敏感，作捕捞策略并不充分。
建模结论之一：恒定努力量比恒定产量的捕捞策略更不易引发灾难；同时该简单模型也质疑了管理渔获的法律。更现实的模型需考虑经济成本等因素（引入反馈起稳定作用，Clark 1976b, 1985, 1990）。Ludwig 及同事（Ludwig 1993, 1994, 1995, 1996a, 1996b, Ludwig 等 1993, 1997 等）主张更复杂、现实、含随机因素的建模，并强调评估种群灭绝可能性（参数不确定性、随机小扰动、稀有灾难）。90 年代以来多个原本被认为可持续的资源崩溃（北大西洋鳕鱼、东北太平洋鲑鱼等）说明，即便科学知识已提示未来灾难，政治与短期经济仍可能阻碍其执行。Getz 和 Haight（1989）综述捕捞与资源管理；Levin（1994, V/VI 部）有相关文章；Hilborn 和 Mangel（1997）将模型与数据对比并提供必要的概率统计背景。
将"恒定 effort vs 恒定 yield"的对比与 1.2 节的"避难/爆发"两稳态相结合可见：捕捞策略本质上是试图将系统维持在某个稳态附近；选错分支（\(L_-\) 而非 \(L_+\)）即意味着灾难——这与 1.2 节"降低 \(K_B\) 使 \(r, q\) 落出三根区域"是同一类控制思想，只是 1.6 节以"努力量/产量"为控制变量而非"承载力/出生率"。两类模型的深层数学结构都是单条 ODE \(dN/dt = f(N)\) 含负二次项（logistic 项），加上线性项（捕捞 effort）或饱和项（捕食 \(p(N)\)）产生三次结构，从而出现多稳态。
1.6 节的方法论层面提示：(a) 即使最简单的 logistic + 线性捕捞模型也能展现多个"看似合理"的策略分支，每个分支都有自己的稳定条件——真实管理决策需对参数不确定性与系统稳态的拓扑结构有完整理解。(b) "稳态分析 + 动力学分析"（线性化 + 恢复时间）比单纯稳态分析更有信息量，但两者都不替代随机分析与数据驱动校准——这是 Ludwig 等人系列案例研究反复强调的方法论。
1.7 含年龄结构的种群模型（Population Model with Age Distribution）
ODE 模型的不足是不含年龄结构，而年龄对很多种群的规模与增长有重大影响。Leslie（1945）提出 Leslie 矩阵模型以整合年龄（如幼体、成体）等结构，量化各阶段间的转移；矩阵元素含出生与生存数据。Charlesworth（1980）、Metz 和 Diekmann（1986）、Kot（2001）综述年龄结构模型及其广泛应用。
设 \(n(t, a)\) 为 \(t\) 时刻年龄在 \(a\) 到 \(a+da\) 区间的种群密度，\(b(a)\) 与 \(\mu(a)\) 分别为年龄 \(a\) 的出生率与死亡率（如图 1.21 所示的人类定性曲线）。\(dt\) 时间内年龄 \(a\) 的种群死亡数为 \(\mu(a) n(t, a) dt\)；出生率仅贡献于 \(n(t, 0)\)，\(a>0\) 无出生。守恒律给出 \(dn(t, a) = (\partial n/\partial t) dt + (\partial n/\partial a) da = -\mu(a) n(t, a) dt\)。因 \(da/dt = 1\)（年龄为时间 \(a\)），除以 \(dt\) 得线性偏微分方程（Von Foerster 方程）\(\partial n/\partial t + \partial n/\partial a = -\mu(a) n\)（式 1.54），对 \(t>0, a>0\) 成立。\(\mu=0\) 时该式简化为守恒方程：\(t\) 时刻 \(a\) 龄种群的时间变化率 \(\partial n/\partial t\) 仅由种群变老速率 \(\partial n/\partial a\) 决定。需对 \(n(t, a)\) 在 \(t\) 和 \(a\) 上各给一个条件。初始条件 \(n(0, a) = f(a)\)（式 1.55）给出 \(t=0\) 时的年龄分布 \(f(a)\)。\(a\) 上的边界条件由出生率给出：\(n(t, 0) = \int_0^\infty b(a) n(t, a) da\)（式 1.56），其中为数学方便取 \(a\) 的上限为 \(\infty\)（实际 \(b(a)\) 在 \(a > a_m\) 时为零）。式 1.54 称为 Von Foerster 方程，常见于细胞增殖等理论生物学。建模要回答的核心问题是：长期来看 \(b(a), \mu(a)\) 如何影响种群增长？
求解方法之一：沿特征线 \(da/dt = 1\)（式 1.57），其上 \(dn/dt = -\mu n\)。特征线为直线 \(a = t + a_0\)（\(a>t\)）与 \(a = t - t_0\)（\(a<t\)）（式 1.58），\(a_0\) 为个体在 \(t=0\) 时的初始年龄，\(t_0\) 为出生时间。沿 \(a>t\) 段积分 \(dn/dt = -\mu n\) 并用 \(n(0, a_0) = n(0, a-t) = f(a-t)\) 得 \(n(t, a) = f(a-t) \exp[-\int_{a-t}^a \mu(s) ds]\)（式 1.59）。沿 \(a<t\) 段得 \(n(t, a) = n(t-a, 0) \exp[-\int_0^a \mu(s) ds]\)（式 1.60）。将式 1.59、1.60 代入边界条件（式 1.56）解 \(n(t, 0)\) 的积分方程（式 1.61）。该线性方程虽可迭代求解但不简单。
主要关心 \(t \to \infty\) 时 \(n(t, a)\) 的行为（增长或衰减）。\(t\) 充分大使 \(t > a\)（实际意义上），\(f(a-t) = 0\)，式 1.61 仅第一项积分起作用；解近似为 \(n(t, a)\)（式 1.60），但不严格满足边界条件。回到原方程（式 1.54），寻找其它解形式：相似解 \(n(t, a) = e^{\gamma t} r(a)\)（式 1.62），即年龄分布形状不变，仅整体按 \(e^{\gamma t}\) 缩放（\(\gamma > 0\) 增长，\(\gamma < 0\) 衰减）。代入式 1.54 得 \(dr/da = -[\mu(a) + \gamma] r\)，解为 \(r(a) = r(0) \exp[-\gamma a - \int_0^a \mu(s) ds]\)（式 1.63）。将式 1.62 代入边界条件（式 1.56）并约去 \(e^{\gamma t} r(0)\)，得 \(1 = \int_0^\infty b(a) \exp[-\gamma a - \int_0^a \mu(s) ds] da =: \phi(\gamma)\)（式 1.64），该方程唯一确定 \(\gamma_0\)（因 \(\phi(\gamma)\) 单调递减）。\(\gamma\) 符号由 \(\phi(0)\) 大小决定（图 1.23）。种群增长的临界阈值 \(S\) 为 \(S = \phi(0) = \int_0^\infty b(a) \exp[-\int_0^a \mu(s) ds] da\)（式 1.65），\(S>1\) 增长，\(S<1\) 衰减。其中 \(\exp[-\int_0^a \mu(s) ds]\) 可视为个体存活到年龄 \(a\) 的概率（不归一）。式 1.62 与 1.63 不满足初始条件（式 1.55）；猜想它是 \(t\) 大时原问题（式 1.54–1.56）的渐近解：当 \(t\) 大时 \(n(t, 0)\) 满足式 1.66（式 1.61 取首项），将 \(n(t, 0) = e^{\gamma t} r(0)\) 代入即回到式 1.64。该解在常数 \(r(0)\) 的尺度上不确定（不影响增长/衰减判据）。关键是阈值参数 \(S\)（式 1.65），由此评估 \(b(a), \mu(a)\) 改变的长期影响。
本章个人批注
本章是 Murray I 全书第一章，承载了"用最少数学工具建立种群动力学直觉"的任务，七节覆盖了指数与 logistic 增长 → 害虫爆发的多稳态与突变 → 延迟微分方程引入与极限环 → 生理学应用 → 捕捞管理 → 年龄结构偏微分方程一条主线。作者的写作风格非常明确：模型 → 无量纲化 → 图示平衡态 → 线性稳定性 → 分岔/极限环估计 → 真实数据/实验对照 → 反思建模局限。这几乎就是后续所有章节的范式（Kot 2001、Edelstein-Keshet 1988、Hoppensteadt & Peskin 1992 等书是补充阅读）。
几个值得记住的"经典"事实点：(1) 单条 ODE \(dN/dt = f(N)\) 不可能有极限环——证明是乘 \(dN/dt\) 在 \([t, t+T]\) 积分，右侧因周期性归零，左侧 \(\int (dN/dt)^2 dt > 0\) 矛盾；这是后面 7、8、9 章反复回引的"基线反例"。(2) 延迟 logistic 模型 (1.12) 出现极限环的分岔条件是 \(rT = \pi/2\)，分岔附近的周期 \(\approx 4T\)——这条经验法则在 Cheyne-Stokes 呼吸、造血、白血病等多个生理应用中反复出现。(3) van den Driessche-Zou 的 Lyapunov 函数 \(L = y^2 + |b| \int_{t-\tau}^t y^2(s) ds\) 给出 \(a < -|b|\) 即可保证全局稳定——这种"用积分项加二次型构造 Lyapunov"的技巧是延迟方程稳定性的标准工具。(4) 1.6 节恒定 effort vs 恒定 yield 捕捞的对比是一个管理学上极有现实意义的"反直觉"结果：恒定 yield 模型在 \(Y_0 \to Y_M\) 时 \(T_R \to \infty\)（种群极敏感、扰动即崩溃），而恒定 effort 模型在最大产量处 \(T_R\) 仅翻倍——这一差异在 90 年代北大西洋鳕鱼崩溃等案例中得到体现，Ludwig 等人 1993–1997 系列的现实案例研究是该节的核心引用对象。
1.5 节两个生理学应用的叙述方式特别值得注意：Cheyne-Stokes 呼吸和造血调节的建模路径几乎完全平行（Hill 函数通气/细胞释放、\(T\) 监测-释放延迟、线性化分岔分析、数值 vs 实验对比），但作者明确警告"模型与患者数据形似 \(\ne\) 病因"，强调跨学科合作——这种"建模可提出可被医学家检验的问题，但不替代机制研究"的态度贯穿全章（乃至全书）。Mackey & Glass 1977 / Glass & Mackey 1979 / Mackey & Milton 1988 / Othmer 等 1993 是这一建模传统的代表作。
1.7 节的 Von Foerster 方程是从 ODE/PDE 视角引入年龄结构的"零号案例"，特征线方法给出 \(a>t\) 段和 \(a<t\) 段两段解（分别依赖初始年龄分布 \(f\) 和出生率积分），相似解 \(n = e^{\gamma t} r(a)\) 给出长期增长率 \(\gamma_0\) 由 \(\phi(\gamma_0) = 1\) 确定，阈值 \(S = \phi(0)\) 是"出生-死亡"的代际算子——这是后续 Metz & Diekmann（1986）和 Charlesworth（1980）"矩阵人口学"的解析前身。
我没把握的地方：1.2 节"感知突变"实验（Fisher 1967 图形序列、57 学生实验、Zeeman 1982 的精神分析案例）虽然作为突变现象的例子有意思，但感觉稍微偏离"种群动力学"主线——属于作者为说明 cusp catastrophe 概念而插入的"软插曲"。1.6 节 Beddington & May 1977 的随机分析细节、Rotenberg 1987 的具体随机化处理没有展开。
与上下章的衔接（一段话）
作为全书第一章，本章承担"建立读者的数学建模直觉"任务：从最简单的指数模型出发，逐步引入"密度依赖（logistic）→ 多稳态（突变）→ 时间延迟（极限环）→ 生理学应用（跨学科）→ 管理学含义（捕捞）→ 结构化扩展（年龄）"这一条由浅入深的链。上一章是序言（全书 Preface，本章之前为目录、Preface 等前页），下一章是离散种群模型（Chapter 2: Discrete Population Models for a Single Species）——离散化将揭示确定性 ODE 不可能产生混沌（1.3 节已证明），但差分方程 \(N_{t+1} = f(N_t)\) 在某些 \(f\) 下确实能产生级联周期倍化通向混沌（如逻辑斯蒂差分方程），恰好对应 1.5 节末提到的"周期倍化分形"——这一话题在 1.5 节尾做了预告，Chapter 2 将以解析方式给出。此外，1.2 节的云杉蚜虫、1.5 节的生理模型都涉及 \(f(u; r, q)\) 类型的多参数右端项，Chapter 2 起将对这类右端项在离散情形下做完整的分岔分析。因此 Chapter 1 既给出全书反复用到的工具（无量纲化、线性化、稳定性的 \(f'\) 符号判据、Lyapunov 函数、Hill 函数、卷积延迟、S 形响应曲线），也为接下来所有章节的案例提供原型。