Titelaufnahme

Titel
Resilience analysis of a complex network : resilience patterns and early warning signals of a pollinator-plant web / by Raphael Wasserbaur
Verfasser/ VerfasserinWasserbaur, Raphael Reinhold
Begutachter / BegutachterinFüllsack, Manfred
ErschienenGraz, 29.09.2016
Umfang55 Blätter : Zusammenfassungen (2 Blätter) ; Diagramme
HochschulschriftKarl-Franzens-Universität Graz, Univ., Masterarbeit, 2016
Anmerkung
Zusammenfassungen in Deutsch und Englisch
Abweichender Titel laut Übersetzung des Verfassers/der Verfasserin
SpracheEnglisch
DokumenttypMasterarbeit
URNurn:nbn:at:at-ubg:1-105763 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Resilience analysis of a complex network [1.78 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die Auswirkungen des Menschen auf die Umwelt sind evident. Das Übertreten mehrerer Planetarischer Grenzen, wie Klimawandel und Biodiversitätsverlust verursacht, dass Ökosystemleistungen, die für das menschliche Überleben fundamental sind, gefährdet werden. Ihre Relevanz und ihre Aufrechterhaltung kommen mehr und mehr in den gesellschaftlichen Fokus. In diesem Umfeld ist Resilienz ein zentrales Konzept. Grob gesagt beschreibt Resilienz die Fähigkeit einer Störung zu widerstehen. Letztendlich wahrt Resilienz Ökosysteme davor in ungewünschte Zustände zu wechseln und damit, dass Ökosystemleistungen erhalten bleiben. Wissen über Resilienz und die zugrundeliegenden Faktoren könnte helfen den Biodiversitätsverlust einzuschränken.Das Messen der Resilienz von realen System stellt eine analytische Herausforderung dar. Die Modelle müssen die notwendige Komplexität abbilden, was oft in mehrere voneinander abhängige nicht-lineare Gleichungen resultiert und die Fähigkeit Vorhersagen zu treffen einschränkt. Eine neue komplexitätsreduzierende Methode (GBB-Methode) aus dem Forschungsbereich Komplexe Netzwerke scheint neues Licht auf die Angelegenheit zu werfen. Die Methode reduziert die komplexen Parameterräume eines realen Systems auf eine Dimension und erlaubt es Vorhersagen über Bifurkationen des Systems zu treffen. Die Methode wurde noch nicht auf breiter Basis angewendet. In dieser Arbeit wurden bestehende Resultate repliziert und seine Validität getestet. Die Methode wurde verwendet um die Resilienz einer Nahrungskette zu ermitteln. Zusätzlich wurde die GBB-Methode mit einer ‚Early Warning Signal‘-Analyse, ein Ansatz der Frühwarnungen untersucht, kombiniert.Die GBB-Methode konnte anhand eines eigens entwickelten Computeralgorithmus verifiziert werden. Danach wurde die Methode auf eine Nahrungskette bestehend aus Kolibris und Pflanzen aus dem brasilianischen Atlantikwald angewendet. In dem virtuellen Experiment wurde versucht das System kontinuierlich in den Kollaps zu führen. Dazu wurden die Reaktionen des Systems numerisch simuliert. Die Ergebnisse zeigen die verschiedenen Sensibilitäten des Systems zu unterschiedlichen Perturbationen an und heben die Wichtigkeit der Kolibris im Vergleich zu den Pflanzen für die Resilienz der Nahrungskette hervor. Diese Art von Experiment war auch passend für die Anwendung einer Early Warning Signal-Analyse. Eine steigende Erholungsrate während sich das System einer kritischen Schwelle nähert konnte ermittelt werden.

Zusammenfassung (Englisch)

The ramifications of the increasing anthropogenic pressure on the natural environment are evident. The trespassing of several planetary boundaries like climate change or biosphere integrity imply that ecosystem services, which are of utmost importance for humanity, are threatened. Their relevance and their maintenance gets into societal attention. In this matter resilience is a central concept. Roughly, it is a systems ability to withstand disturbances. Ultimately resilience is what keeps ecosystems from shifting to undesired states after disturbances and with them the ecosystem services they provide. Knowledge about resilience and the underlying factors, might help sustain biosphere integrity.Measuring the resilience states of real-world systems poses an analytical challenge. Their models need to capture the complexity, which often results in multiple interdependent sets of non-linear equations hampering the predictive capacity. A new complexity reducing method (GBB-method) from the research on complex networks seems to shed new light on the issue. The method reduces the complex parameter space of a real-world system into one dimension and allows a prediction of the systems bifurcation point based on the specifics of the underlying dynamic model. The method has not found broad application yet. Its results were replicated and its validity tested in this work. It was used to investigate a food webs resilience patterns. Additionally a combination of the GBB-method with an early warning signal analysis was attempted.The GBB-method could be verified by means of a specifically developed computer algorithm. After that the method was applied on a food web of hummingbirds and plants of the Brazilian Atlantic forest. The virtual experiment attempted to push the system steadily into its collapse. During this process the systems responses were numerically simulated. The results indicate the sensibility of the network to different perturbations and highlight the importance of the hummingbirds compared to the plants for the resilience of the food web. This experimental setting was also appropriate for the application of an early warning signal analysis. An increase of the recovery rate as the system approaches its critical transition point could be detected.