Populationsdezimierung & Modellgrenzen einfach erklärt

Im Jahr 1957 startete China eine riesige Kampagne: Um die Getreideernte zu schützen, sollten alle Spatzen im Land gejagt werden, da diese angeblich die Samen fraßen. Etwa eine Milliarde Spatzen wurden getötet.

Doch anstatt die Ernte zu retten, passierte das genaue Gegenteil: Eine gigantische Insektenplage vernichtete die Felder und löste eine der schlimmsten Hungersnöte der Geschichte aus.

Was war passiert? Die Menschen hatten bei der mathematischen Modellierung der Populationsdezimierung eine der wichtigsten Regeln der Natur ignoriert. In diesem Artikel lernst du, wie sich Tierpopulationen nach einer Katastrophe erholen und warum mathematische Modelle manchmal an der komplexen Realität und ihren Modellgrenzen scheitern.

Vorwissen

• 1. Lotka-Volterra-Regel (Periodische Zyklen): Die Anzahl von Räubern und Beutetieren schwankt in regelmäßigen Abständen. Der Höhepunkt der Beute kommt immer vor dem Höhepunkt der Räuber. Beispiel: Zuerst gibt es viele Hasen, dann vermehren sich die Füchse, weil sie viel zu fressen haben.
• 2. Lotka-Volterra-Regel (Konstante Mittelwerte): Über einen langen Zeitraum hinweg bleibt die durchschnittliche Anzahl beider Tierarten gleich. Es gibt im Durchschnitt immer mehr Beutetiere als Räuber. Beispiel: Auch wenn die Zahlen schwanken, gibt es im Wald über 10 Jahre gerechnet immer durchschnittlich 500 Hasen und 50 Füchse.

Aufgabentyp 1: Die dritte Lotka-Volterra-Regel (Störung der Mittelwerte)

Wenn wir uns mit der mathematischen Modellierung und Populationsdezimierung beschäftigen, ist die dritte Lotka-Volterra-Regel zentral. Was passiert, wenn eine Katastrophe (wie ein Gift, eine Krankheit oder menschliche Jagd) sowohl die Beute als auch die Räuber gleichzeitig und gleich stark dezimiert?

Man könnte denken, dass sich beide Arten danach gleichmäßig erholen. Doch die 3. Lotka-Volterra-Regel besagt etwas anderes:

Nach einer starken, gleichmäßigen Dezimierung erholt sich die Beutepopulation viel schneller als die Räuberpopulation.

Warum ist das so? Dafür gibt es zwei einfache biologische Gründe:

1. Vermehrungsrate: Beutetiere (wie Insekten oder Mäuse) bekommen viel schneller und mehr Nachwuchs als Räuber (wie Vögel oder Füchse).
2. Nahrungsmangel: Die wenigen überlebenden Beutetiere haben plötzlich keine Feinde mehr und können sich explosionsartig vermehren. Die wenigen überlebenden Räuber haben jedoch kaum noch Nahrung (weil fast alle Beutetiere tot sind) und verhungern oft, bevor sie sich fortpflanzen können.

Genau das passierte in China: Die Spatzen (Räuber) wurden getötet. Die Insekten (Beute) wurden zwar auch durch Pestizide bekämpft, aber sie erholten sich rasend schnell, weil ihr Hauptfeind fehlte. Das Ergebnis war eine Insektenplage.

Schritt-für-Schritt-Anleitung

Wenn du in einer Aufgabe vorhersagen sollst, was nach einem massiven Eingriff in die Natur passiert, nutze diesen Plan:

1. Rollen verteilen: Identifiziere klar, welches Tier die Beute und welches der Räuber ist.
2. Die Störung erkennen: Prüfe, ob beide Populationen stark reduziert wurden (z. B. durch ein Gift, das alle Insekten tötet).
3. Die 3. Regel anwenden: Schlussfolgere immer, dass sich die Beute zuerst und explosionsartig vermehren wird.

Durchgerechnete Beispiele

Aufgabentyp 2: Die Grenzen des Modells

Bei der mathematischen Modellierung müssen wir auch die Modellgrenzen beachten. Die Lotka-Volterra-Regeln sind ein tolles mathematisches Werkzeug, aber sie haben in der echten Natur große Schwächen. Wir müssen zwei wichtige Grenzen dieses Modells kennen:

Grenze 1: Nahrungsnetze statt Nahrungsketten

Das Modell funktioniert nur gut bei extrem einfachen Systemen, in denen es genau einen Räuber und eine Beute gibt (z. B. Luchs und Schneeschuhhase in isolierten Gebieten).

In der Realität, wie in unseren Wäldern in Mitteleuropa, gibt es aber komplexe Nahrungsnetze. Ein Fuchs frisst nicht nur Hasen, sondern auch Mäuse, Vögel und Käfer. Wenn die Hasen sterben, verhungert der Fuchs nicht (wie es das Modell vorhersagt), sondern er frisst einfach mehr Mäuse. Das Modell bricht hier zusammen.

Grenze 2: Korrelation ist nicht gleich Kausalität

Oft sehen die Kurven in der Natur genau so aus, wie das mathematische Modell es vorhersagt. Man nennt diese Übereinstimmung Korrelation (zwei Dinge passieren gleichzeitig). Aber Vorsicht: Das ist kein Beweis für Kausalität (das eine verursacht das andere)!

Ein berühmtes Beispiel: Die Anzahl der Schneeschuhhasen schwankt in perfekten, regelmäßigen Wellen. Man dachte lange, der Luchs sei die Ursache dafür. Später fanden Forscher heraus: Die Hasenpopulation schwankt in genau denselben Wellen auch auf Inseln, auf denen es gar keine Luchse gibt!

Die wahre Ursache für das Hasensterben war oft Nahrungsmangel im Winter oder Krankheiten, nicht der Räuber. Ein passendes Diagramm beweist also noch lange nicht, dass der Räuber die Beute kontrolliert. Um Kausalität zu beweisen, braucht man echte Experimente in der Natur, nicht nur Mathematik.

Wichtige Erkenntnisse

• Die 3. Lotka-Volterra-Regel: Werden Räuber und Beute gleichzeitig stark dezimiert, erholt sich die Beute immer zuerst und viel schneller.
• Gefahr durch Eingriffe: Pestizide oder Jagd können dazu führen, dass Schädlinge (Beute) sich explosionsartig vermehren, weil ihre natürlichen Feinde fehlen.
• Modellgrenzen: Die Regeln gelten nur für einfache 1-zu-1-Beziehungen, nicht für komplexe Nahrungsnetze mit vielen verschiedenen Arten.
• Korrelation vs. Kausalität: Nur weil eine Kurve in der Natur zum Mathe-Modell passt, heißt das nicht, dass der Räuber der Grund für das Sterben der Beute ist. Es könnte auch an Nahrungsmangel oder Krankheit liegen.