H1: Introductie
Ecologie = studie van verspreiding & overvloed van organismen + interacties met omgeving. Doelen van ecologie:
• Bronnen van biologische diversiteit & processen die deze diversiteit behouden begrijpen.
• Natuurlijke & artificiële ecosystemen (zoals agricultuur) te beheren
• Communities aangetast door overexploitatie & habitat destructie te gaan herstellen (want beschermen alleen is
niet genoeg).
=> Ecologie is wetenschap voor conservatie & restoratie.
Ecologisch nadenken:
• Waarom zoveel epifyten, lianen, varens, … in jungle? => Ecosysteem is vochtig, dus er kan water
opgenomen worden zonder te moeten wortelen in grond. Ook veel competitie voor licht & er is
weinig tot geen fenologie
• Waarom kunnen zebra’s & gnoes samenleven? => Eten hetzelfde gras maar elk ander deel ervan.
Gnoe gaat bovenste deel eten & zebra eet de stompjes dichtbij grond.
• Waarom meer diversiteit bij koraalriffen? => Koralen komen voor in ondiep water waar meer
nutriënten & licht per m² aanwezig zijn (dus meer energie). Ze zijn ecosysteem ingenieurs die
beschermende omgeving & niches creëren voor andere soorten. Ze creëren ook grenzen
waardoor populatie fysiek wordt gescheiden, genenuitwisseling stopt & er is soortvorming (=
vicariantie). Deze omgeving is constanter dan andere, waardoor soorten zich minder verplaatsen
om te overleven. Dus ze vestigen & specialiseren zich op die plek, wat leidt tot hogere
biodiversiteit.
Is moeilijk om zeggen waarom soorten op bepaalde plaats voorkomen. VB: waarom zit
glaskikker op blad => Mannetjes glaskikker heeft witte vlekken op rug & gaan naast eieren zitten
op onderkant bananenblad, om roofdier weg te slaan die naar eieren toekomt.
Gebruikte tools:
• Modellen => laten zien dat iets mogelijk zou kunnen zijn onder gegeven virtuele omstandigheden.
• Experimenten => bewijzen dat iets gebeurt onder gegeven echte omstandigheden. Onderzoeken laten
patronen zien die consistent kunnen zijn met bepaalde hypotheses, ze leveren geen solide bewijs.
• Meta-analyses => kunnen aantonen dat patronen consistent zijn tussen studies.
Voorspellingen & conclusies zijn altijd contextafhankelijk => Soorten in andere contexten gedragen zich anders & dit
geeft niet altijd hetzelfde resultaat bij meta-analyse. (Onder deze omstandigheden... zou dit kunnen gebeuren, maar
onder andere omstandigheden... kan er iets anders zou kunnen gebeuren; Ervan uitgaande dat ... dit zou kunnen
gebeuren).
Verschillende processen in natuur:
• Deterministisch proces = proces dat resulteert in voorspelbare effecten, het is voorspelbaar. VB: Dood van prooi
door predator
• Random proces = toevallig proces, niet voorspelbaar. VB: gooien van dobbelsteen, mutatie, bosbranden door
blikseminslag
• Stochastisch proces = niet volledig random, maar omdat zoveel deterministische processen interageren kan
uitkomst niet voorspeld worden (hoe meer processen = hoe moeilijker te voorspellen). VB: weer, dispersie over
lange afstand
=> Random processen & stochastische processen worden vaak als synoniem gebruikt.
Lineair proces vs. niet-lineair proces
• Lineair proces = oorzaak-gevolg => als variabele verhoogd wordt dan gaat respons variabele ook verhogen.
• Niet-lineair proces = effecten op respons zijn complexer. VB: dichtheidsafhankelijke groei
1
,Proximale VS uiteindelijke/ultimate oorzaak:
• Proximal cause (= onmiddellijke aanleiding) = gemakkelijkere/oppervlakkigere verklaring. VB:
o Bos ziet er zo uit omdat het juist afgebrand is
o Het regent omdat er regenwolken zijn & daarom condenseert water rond bepaalde kernen.
• Ultimate cause (= achterliggende reden) = lange termijn verklaring in evolutionaire context. VB:
o Bos ziet er zo uit omdat duizenden jaren van natuurlijke selectie ervoor zorgen dat soorten op deze
specifieke manier reageren op brand.
o Soort is hier omdat het evolueerde in warme omgevingen met lage pH.
Fundamental VS applied ecology => je weet soms niet wat toepassing (toegepaste wetenschap) is van iets in
fundamentele wetenschap.
Sommige patronen zijn artefacten, dus ze reflecteren geen betekenisvolle processen.
Men moet experimenteel manipuleren om patronen te linken aan processen. VB: Soort komt enkel op bepaalde
plaats, dus kan deze soort niet dichter bij zee doordat omstandigheden ongunstig zijn of is er een roofdier? =>
Manipuleren om te achterhalen wat juist is, zoals kooi gebruiken zodat roofdieren er niet aan kunnen.
Op sommige temporele of spatiale schalen zijn experimenten niet haalbaar.
1.1: Mathematische tools
Wiskunde is de taal van exacte wetenschap & in ecologie proberen we:
• patronen te beschrijven door statistische fit => men gebruikt verschillende functies om
patronen te fitten. VB: Exponentiële VS power curves => populatie groeit eerst sneller met
power curve, maar minder explosief als de exponentiële curve. Na een tijdje zal de
exponentiële curve de power curve inhalen.
• processen te synthetiseren in vergelijkingen
• statistische modellen te bouwen die werkelijkheid kunnen voorspellen
Ecologische modellen:
• Analytische modellen = Hele scala aan combinaties gaan testen. Bestaat meestal uit reeks vergelijkingen, maar
is moeilijk te maken. VB: Lotka Volterra differentiaalvergelijkingen
• Simulatiemodellen = Gebouwd op basis van set van voorwaarden die werden gespecificeerd. Meestal niet erg
elegant, maar gemakkelijk te maken. VB: typische "FOR-lus"-modellen waarin je bepaalde tekens laat
veranderen van ene stap naar de volgende.
• Statistische modellen = gebaseerd op echte gegevens die in veld zijn verzameld, op waarschijnlijkheidstheorie
& gebruikt om hypotheses te testen. Vaak gaat het om het passen van een lijn door een puntenwolk. VB:
lineair regressiemodel.
Differentiaalvergelijkingen worden gebruikt om veranderingen in voorkomen van 2
interagerende soorten doorheen de tijd uit te drukken. => Abundantie van de ene soort
determineert groeisnelheid van andere doorheen de tijd. Meer prooi zorgt voor meer
predatoren, hierdoor meer prooi meer opgegeten. Daarom is er minder eten & dus minder
predatoren. Piek van prooi wordt gevolgd door piek van roofdier maar met time lag (vertraging).
2
,Lotka-Volterra vergelijkingen => werden 1st gebruikt voor chemische reacties, later predator- 𝑑𝑁
= 𝑏 × 𝑁 − (𝑃 × 𝑎 × 𝑁)
prooi & competitie. 𝑑𝑡
Predator-prooi model: 𝑑𝑃
= 𝑒 × (𝑃 × 𝑎 × 𝑁) − 𝑠 × 𝑃
• Verandering aantal konijnen doorheen tijd = (birth rate * aantal konijnen) – (%konijnen 𝑑𝑡
gedood door vos * aantal vossen * aantal konijnen).
• Verandering aantal vossen doorheen tijd = hoeveel konijnen voor 1 vos * (aantal vossen *
%konijnen gedood door vos * aantal konijnen) – (death rate * aantal vossen)
• a*N = functionele respons
=> Dit model is simplistisch want vossen eten niet alleen konijnen & konijn gaat niet alleen dood door vossen.
Men gaat vergelijkingen aanpassen om meer of minder complexiteit te hebben & zoeken naar model dat zorgt voor
beste verklaring. Een oplossing van een differentiaalvergelijking = functie die bij substitutie in vergelijking, een
gelijkheid oplevert. Er kunnen veel functies zijn die voldoen aan de differentiaalvergelijking (= families van
oplossingen).
Meestal geven we beginvoorwaarde als extra beperking voor oplossing. Uitkomst is afhankelijk
van startcondities => elke startconditie zorgt voor een bepaalde curve & uitkomst.
• elk puntje = vertrekpunt
• lijn = waar de situatie naartoe gaat
=> op figuur gaan alle lijnen naar hetzelfde punt, er wordt dus een bepaald evenwicht bereikt. De
situatie is dus niet altijd cyclisch, want er kunnen ook soorten zijn die samen kunnen leven, …
1.2: Schaalafhankelijkheid van ecologie, van populaties tot biogeografie
Er zijn 2 perspectieven => “2 views of 1 world”:
• Ecologisch perspectief = kijken naar afgebakende ecosystemen & interacties op kleine schaal.
• Biogeografisch perspectief = kijken naar grotere schaal (zoals distributie van soorten).
Alfred Russell Wallace maakte 1ste geografische kaart met grenzen afhankelijk van voorkomen van soorten. =>
Wallacelijn = denkbeeldige lijn die scheiding maakt tussen soorten in Azië & “Australazië”. (Die lijn volgt diepe
zeegeulen die tijdens ijstijden nooit droog kwamen te liggen, waardoor veel soorten nooit konden oversteken &
vormde scheiding).
Spatiële interacties tussen ecosystemen, we definiëren:
• Populatie = individuen van dezelfde soort die met elkaar kunnen voortplanten & gebonden zijn aan specifieke
locatie (moeilijk af te bakenen want specifieke locatie is vaag, wat zijn de grenzen?). We gaan ervan uit dat
populaties aparte units zijn.
o Metapopulatie = populaties die met elkaar interageren in de ruimte.
• Community = groep van populaties die op zelfde moment, op zelfde plek voorkomen & gekarakteriseerd zijn
door hun eigen dynamiek => moeilijk om grenzen te bepalen & is afhankelijk van veel processen.
o Metacommunity = set van lokale gemeenschappen die samenhangen door dispersie van potentieel
interagerende soorten (meerdere populaties gelinkt door uitwisseling).
3 soorten gemeenschappen:
• Clementsiaanse community (Clements, 1936) = community is afgebakend in de ruimte waar een aantal soorten
gaan interageren & deze interagerende soorten gaan unieke eigenschappen verwerven in tegenstelling tot
andere gemeenschappen. Elke community heeft dus unieke properties & gedraagt zich als een superorganisme
(maar superorganismen bestaan niet). VB: vegetatie types, plant ecoregions
3
, • Gleasoniaanse community (Gleason, 1926) = distributie van soorten verandert langs omgevingsgradiënten.
Soorten zijn eenheden die een keer met bepaalde soorten samen kunnen zitten & andere keer met andere.
Communities zijn waar bepaalde soorten overlappen in de ruimte.
=> Beide hebben gelijk, want soorten komen voor langs bepaalde gradiënten (Gleason) & soorten komen voor als
communities (Clements).
• Regional community concept verzoent beide ideeën => Community = willekeurig punt waar
biogeografische ranges overlappen & daarom soorten tezamen voorkomen.
o als alle mogelijke combinaties van soorten bestaan => meer Gleasoniaanse community
o als sommige combinaties bestaan maar anderen niet (ze komen voor in voorspelbare
combinaties) => meer Clementsiaanse community
Communities identificeren via onderscheid aanwezige soorten, soortenrijkdom, abundante soorten & fysieke
omgeving. Me gaat dus gebruik maken van statistiek, waarbij species richness & diversiteitsparameters in rekening
worden gebracht:
VB: 2 patronen van abundantie voor sets van soorten langs milieugradiënt.
• Clementsiaanse situatie => We zien groepen van sterk geïntegreerde & concurrerende
soorten die reageren als community op milieuvariatie. Deze sterke concurrentie creëert
scherpe breuken in samenstelling. Hier zijn dus steeds 3 soorten die samen een
community vormen onder bepaalde condities (droog, vochtig, nat).
• Gleasoniaanse situatie => De soorten reageren individualistisch op milieuvariatie, zonder
geïntegreerde & gecorreleerde respons. We zien geen echte communities, sommige
soorten komen voor langs hele gradiënt & andere slechts langs een deel. Geeft een idee
van wat er gebeurt bij veranderingen in omgeving.
Eveness = gelijkmatige soorten => wordt samengenomen met species richness om diversiteit te bepalen. Als alle
soorten even abundant zijn = maximale eveness = minder kwetsbaar & beter voor diversiteit.
Vector representation = abundanties van soorten in meerdere dimensies plotten.
VB: Statistical delineation of communties (PCA) = ordination diagram => Stalen van verschillende
plaatsen krijgen ander symbool & hun positie in figuur is afhankelijk van hoe algemeen soorten
waren. Clusteringen achterhalen om gemeenschappen af te bakenen.
Soortensamenstelling van community hangt af van veel processen (evolutionaire & historische gebeurtenissen,
fysiologische beperkingen, verspreidingsvermogen, habitatselectie, interspecifiek interacties) die opname soorten
remmen of vergemakkelijken in community.
=> Soorten die op bepaalde locatie voorkomen zijn subset van soorten die in bredere regio
aanwezig zijn. Dit wordt via filtermodel, waarbij regionale soorten poel door verschillende filters
gaat & die bepalen welke soorten op een bepaalde plaats voorkomen. Enkele filters:
• Habitatselectie of selectieve mortaliteit => bepaalt op welke plaatsen soort kan overleven
• Verspreidingsvermogen => soorten moeten fysiek in staat zijn om de locatie te bereiken
• Interspecifieke interacties => soort moet kunnen samenleven met soorten die al aanwezig
zijn op die plek.
Aanwezigheid van een soort wordt ook beïnvloed door evolutionaire processen, fysiologische
beperkingen & historische gebeurtenissen. VB: Impact van ijstijden => Europa heeft vandaag
minder boomsoorten dan Noord-Amerika, omdat de Alpen tijdens ijstijd een barrière vormden
voor zuidwaartse migratie. Terwijl Noord-Amerika had geografisch meer mogelijkheden voor soorten om te
ontsnappen aan de kou.
In veld is het moeilijk om community of populatie te definiëren, tenzij het een insulaire (= eilandachtige) habitat is.
VB: Een vijver kan een gesloten populatie zijn voor slecht verspreid zoöplankton, maar voor een mug kan het een
patch zijn in een metapopulatie, voor een bezoekende eend is het gewoon een plek waar ze foerageren. Voor een
trekplevier is het een tussenstop in een netwerk van patches dat wordt gebruikt.
4
Ecologie = studie van verspreiding & overvloed van organismen + interacties met omgeving. Doelen van ecologie:
• Bronnen van biologische diversiteit & processen die deze diversiteit behouden begrijpen.
• Natuurlijke & artificiële ecosystemen (zoals agricultuur) te beheren
• Communities aangetast door overexploitatie & habitat destructie te gaan herstellen (want beschermen alleen is
niet genoeg).
=> Ecologie is wetenschap voor conservatie & restoratie.
Ecologisch nadenken:
• Waarom zoveel epifyten, lianen, varens, … in jungle? => Ecosysteem is vochtig, dus er kan water
opgenomen worden zonder te moeten wortelen in grond. Ook veel competitie voor licht & er is
weinig tot geen fenologie
• Waarom kunnen zebra’s & gnoes samenleven? => Eten hetzelfde gras maar elk ander deel ervan.
Gnoe gaat bovenste deel eten & zebra eet de stompjes dichtbij grond.
• Waarom meer diversiteit bij koraalriffen? => Koralen komen voor in ondiep water waar meer
nutriënten & licht per m² aanwezig zijn (dus meer energie). Ze zijn ecosysteem ingenieurs die
beschermende omgeving & niches creëren voor andere soorten. Ze creëren ook grenzen
waardoor populatie fysiek wordt gescheiden, genenuitwisseling stopt & er is soortvorming (=
vicariantie). Deze omgeving is constanter dan andere, waardoor soorten zich minder verplaatsen
om te overleven. Dus ze vestigen & specialiseren zich op die plek, wat leidt tot hogere
biodiversiteit.
Is moeilijk om zeggen waarom soorten op bepaalde plaats voorkomen. VB: waarom zit
glaskikker op blad => Mannetjes glaskikker heeft witte vlekken op rug & gaan naast eieren zitten
op onderkant bananenblad, om roofdier weg te slaan die naar eieren toekomt.
Gebruikte tools:
• Modellen => laten zien dat iets mogelijk zou kunnen zijn onder gegeven virtuele omstandigheden.
• Experimenten => bewijzen dat iets gebeurt onder gegeven echte omstandigheden. Onderzoeken laten
patronen zien die consistent kunnen zijn met bepaalde hypotheses, ze leveren geen solide bewijs.
• Meta-analyses => kunnen aantonen dat patronen consistent zijn tussen studies.
Voorspellingen & conclusies zijn altijd contextafhankelijk => Soorten in andere contexten gedragen zich anders & dit
geeft niet altijd hetzelfde resultaat bij meta-analyse. (Onder deze omstandigheden... zou dit kunnen gebeuren, maar
onder andere omstandigheden... kan er iets anders zou kunnen gebeuren; Ervan uitgaande dat ... dit zou kunnen
gebeuren).
Verschillende processen in natuur:
• Deterministisch proces = proces dat resulteert in voorspelbare effecten, het is voorspelbaar. VB: Dood van prooi
door predator
• Random proces = toevallig proces, niet voorspelbaar. VB: gooien van dobbelsteen, mutatie, bosbranden door
blikseminslag
• Stochastisch proces = niet volledig random, maar omdat zoveel deterministische processen interageren kan
uitkomst niet voorspeld worden (hoe meer processen = hoe moeilijker te voorspellen). VB: weer, dispersie over
lange afstand
=> Random processen & stochastische processen worden vaak als synoniem gebruikt.
Lineair proces vs. niet-lineair proces
• Lineair proces = oorzaak-gevolg => als variabele verhoogd wordt dan gaat respons variabele ook verhogen.
• Niet-lineair proces = effecten op respons zijn complexer. VB: dichtheidsafhankelijke groei
1
,Proximale VS uiteindelijke/ultimate oorzaak:
• Proximal cause (= onmiddellijke aanleiding) = gemakkelijkere/oppervlakkigere verklaring. VB:
o Bos ziet er zo uit omdat het juist afgebrand is
o Het regent omdat er regenwolken zijn & daarom condenseert water rond bepaalde kernen.
• Ultimate cause (= achterliggende reden) = lange termijn verklaring in evolutionaire context. VB:
o Bos ziet er zo uit omdat duizenden jaren van natuurlijke selectie ervoor zorgen dat soorten op deze
specifieke manier reageren op brand.
o Soort is hier omdat het evolueerde in warme omgevingen met lage pH.
Fundamental VS applied ecology => je weet soms niet wat toepassing (toegepaste wetenschap) is van iets in
fundamentele wetenschap.
Sommige patronen zijn artefacten, dus ze reflecteren geen betekenisvolle processen.
Men moet experimenteel manipuleren om patronen te linken aan processen. VB: Soort komt enkel op bepaalde
plaats, dus kan deze soort niet dichter bij zee doordat omstandigheden ongunstig zijn of is er een roofdier? =>
Manipuleren om te achterhalen wat juist is, zoals kooi gebruiken zodat roofdieren er niet aan kunnen.
Op sommige temporele of spatiale schalen zijn experimenten niet haalbaar.
1.1: Mathematische tools
Wiskunde is de taal van exacte wetenschap & in ecologie proberen we:
• patronen te beschrijven door statistische fit => men gebruikt verschillende functies om
patronen te fitten. VB: Exponentiële VS power curves => populatie groeit eerst sneller met
power curve, maar minder explosief als de exponentiële curve. Na een tijdje zal de
exponentiële curve de power curve inhalen.
• processen te synthetiseren in vergelijkingen
• statistische modellen te bouwen die werkelijkheid kunnen voorspellen
Ecologische modellen:
• Analytische modellen = Hele scala aan combinaties gaan testen. Bestaat meestal uit reeks vergelijkingen, maar
is moeilijk te maken. VB: Lotka Volterra differentiaalvergelijkingen
• Simulatiemodellen = Gebouwd op basis van set van voorwaarden die werden gespecificeerd. Meestal niet erg
elegant, maar gemakkelijk te maken. VB: typische "FOR-lus"-modellen waarin je bepaalde tekens laat
veranderen van ene stap naar de volgende.
• Statistische modellen = gebaseerd op echte gegevens die in veld zijn verzameld, op waarschijnlijkheidstheorie
& gebruikt om hypotheses te testen. Vaak gaat het om het passen van een lijn door een puntenwolk. VB:
lineair regressiemodel.
Differentiaalvergelijkingen worden gebruikt om veranderingen in voorkomen van 2
interagerende soorten doorheen de tijd uit te drukken. => Abundantie van de ene soort
determineert groeisnelheid van andere doorheen de tijd. Meer prooi zorgt voor meer
predatoren, hierdoor meer prooi meer opgegeten. Daarom is er minder eten & dus minder
predatoren. Piek van prooi wordt gevolgd door piek van roofdier maar met time lag (vertraging).
2
,Lotka-Volterra vergelijkingen => werden 1st gebruikt voor chemische reacties, later predator- 𝑑𝑁
= 𝑏 × 𝑁 − (𝑃 × 𝑎 × 𝑁)
prooi & competitie. 𝑑𝑡
Predator-prooi model: 𝑑𝑃
= 𝑒 × (𝑃 × 𝑎 × 𝑁) − 𝑠 × 𝑃
• Verandering aantal konijnen doorheen tijd = (birth rate * aantal konijnen) – (%konijnen 𝑑𝑡
gedood door vos * aantal vossen * aantal konijnen).
• Verandering aantal vossen doorheen tijd = hoeveel konijnen voor 1 vos * (aantal vossen *
%konijnen gedood door vos * aantal konijnen) – (death rate * aantal vossen)
• a*N = functionele respons
=> Dit model is simplistisch want vossen eten niet alleen konijnen & konijn gaat niet alleen dood door vossen.
Men gaat vergelijkingen aanpassen om meer of minder complexiteit te hebben & zoeken naar model dat zorgt voor
beste verklaring. Een oplossing van een differentiaalvergelijking = functie die bij substitutie in vergelijking, een
gelijkheid oplevert. Er kunnen veel functies zijn die voldoen aan de differentiaalvergelijking (= families van
oplossingen).
Meestal geven we beginvoorwaarde als extra beperking voor oplossing. Uitkomst is afhankelijk
van startcondities => elke startconditie zorgt voor een bepaalde curve & uitkomst.
• elk puntje = vertrekpunt
• lijn = waar de situatie naartoe gaat
=> op figuur gaan alle lijnen naar hetzelfde punt, er wordt dus een bepaald evenwicht bereikt. De
situatie is dus niet altijd cyclisch, want er kunnen ook soorten zijn die samen kunnen leven, …
1.2: Schaalafhankelijkheid van ecologie, van populaties tot biogeografie
Er zijn 2 perspectieven => “2 views of 1 world”:
• Ecologisch perspectief = kijken naar afgebakende ecosystemen & interacties op kleine schaal.
• Biogeografisch perspectief = kijken naar grotere schaal (zoals distributie van soorten).
Alfred Russell Wallace maakte 1ste geografische kaart met grenzen afhankelijk van voorkomen van soorten. =>
Wallacelijn = denkbeeldige lijn die scheiding maakt tussen soorten in Azië & “Australazië”. (Die lijn volgt diepe
zeegeulen die tijdens ijstijden nooit droog kwamen te liggen, waardoor veel soorten nooit konden oversteken &
vormde scheiding).
Spatiële interacties tussen ecosystemen, we definiëren:
• Populatie = individuen van dezelfde soort die met elkaar kunnen voortplanten & gebonden zijn aan specifieke
locatie (moeilijk af te bakenen want specifieke locatie is vaag, wat zijn de grenzen?). We gaan ervan uit dat
populaties aparte units zijn.
o Metapopulatie = populaties die met elkaar interageren in de ruimte.
• Community = groep van populaties die op zelfde moment, op zelfde plek voorkomen & gekarakteriseerd zijn
door hun eigen dynamiek => moeilijk om grenzen te bepalen & is afhankelijk van veel processen.
o Metacommunity = set van lokale gemeenschappen die samenhangen door dispersie van potentieel
interagerende soorten (meerdere populaties gelinkt door uitwisseling).
3 soorten gemeenschappen:
• Clementsiaanse community (Clements, 1936) = community is afgebakend in de ruimte waar een aantal soorten
gaan interageren & deze interagerende soorten gaan unieke eigenschappen verwerven in tegenstelling tot
andere gemeenschappen. Elke community heeft dus unieke properties & gedraagt zich als een superorganisme
(maar superorganismen bestaan niet). VB: vegetatie types, plant ecoregions
3
, • Gleasoniaanse community (Gleason, 1926) = distributie van soorten verandert langs omgevingsgradiënten.
Soorten zijn eenheden die een keer met bepaalde soorten samen kunnen zitten & andere keer met andere.
Communities zijn waar bepaalde soorten overlappen in de ruimte.
=> Beide hebben gelijk, want soorten komen voor langs bepaalde gradiënten (Gleason) & soorten komen voor als
communities (Clements).
• Regional community concept verzoent beide ideeën => Community = willekeurig punt waar
biogeografische ranges overlappen & daarom soorten tezamen voorkomen.
o als alle mogelijke combinaties van soorten bestaan => meer Gleasoniaanse community
o als sommige combinaties bestaan maar anderen niet (ze komen voor in voorspelbare
combinaties) => meer Clementsiaanse community
Communities identificeren via onderscheid aanwezige soorten, soortenrijkdom, abundante soorten & fysieke
omgeving. Me gaat dus gebruik maken van statistiek, waarbij species richness & diversiteitsparameters in rekening
worden gebracht:
VB: 2 patronen van abundantie voor sets van soorten langs milieugradiënt.
• Clementsiaanse situatie => We zien groepen van sterk geïntegreerde & concurrerende
soorten die reageren als community op milieuvariatie. Deze sterke concurrentie creëert
scherpe breuken in samenstelling. Hier zijn dus steeds 3 soorten die samen een
community vormen onder bepaalde condities (droog, vochtig, nat).
• Gleasoniaanse situatie => De soorten reageren individualistisch op milieuvariatie, zonder
geïntegreerde & gecorreleerde respons. We zien geen echte communities, sommige
soorten komen voor langs hele gradiënt & andere slechts langs een deel. Geeft een idee
van wat er gebeurt bij veranderingen in omgeving.
Eveness = gelijkmatige soorten => wordt samengenomen met species richness om diversiteit te bepalen. Als alle
soorten even abundant zijn = maximale eveness = minder kwetsbaar & beter voor diversiteit.
Vector representation = abundanties van soorten in meerdere dimensies plotten.
VB: Statistical delineation of communties (PCA) = ordination diagram => Stalen van verschillende
plaatsen krijgen ander symbool & hun positie in figuur is afhankelijk van hoe algemeen soorten
waren. Clusteringen achterhalen om gemeenschappen af te bakenen.
Soortensamenstelling van community hangt af van veel processen (evolutionaire & historische gebeurtenissen,
fysiologische beperkingen, verspreidingsvermogen, habitatselectie, interspecifiek interacties) die opname soorten
remmen of vergemakkelijken in community.
=> Soorten die op bepaalde locatie voorkomen zijn subset van soorten die in bredere regio
aanwezig zijn. Dit wordt via filtermodel, waarbij regionale soorten poel door verschillende filters
gaat & die bepalen welke soorten op een bepaalde plaats voorkomen. Enkele filters:
• Habitatselectie of selectieve mortaliteit => bepaalt op welke plaatsen soort kan overleven
• Verspreidingsvermogen => soorten moeten fysiek in staat zijn om de locatie te bereiken
• Interspecifieke interacties => soort moet kunnen samenleven met soorten die al aanwezig
zijn op die plek.
Aanwezigheid van een soort wordt ook beïnvloed door evolutionaire processen, fysiologische
beperkingen & historische gebeurtenissen. VB: Impact van ijstijden => Europa heeft vandaag
minder boomsoorten dan Noord-Amerika, omdat de Alpen tijdens ijstijd een barrière vormden
voor zuidwaartse migratie. Terwijl Noord-Amerika had geografisch meer mogelijkheden voor soorten om te
ontsnappen aan de kou.
In veld is het moeilijk om community of populatie te definiëren, tenzij het een insulaire (= eilandachtige) habitat is.
VB: Een vijver kan een gesloten populatie zijn voor slecht verspreid zoöplankton, maar voor een mug kan het een
patch zijn in een metapopulatie, voor een bezoekende eend is het gewoon een plek waar ze foerageren. Voor een
trekplevier is het een tussenstop in een netwerk van patches dat wordt gebruikt.
4
