Invasibility of neutral communities

In der Invasionsökologie zeigen vergleichende Daten, dass (i) Störungen die Invasion einer Gesellschaft fördern, (ii) es eine positive Beziehung zwischen der Zeit der Anwesenheit einer invasiven Art und ihrem Erfolg gibt, (iii) ein ungefähr konstanter Anteil der neu ankommenden Arten sich etablieren und dominant werden kann („Zehner-Regel”) und dass (iv) invasive Arten im Vergleich zu nicht-invasiven Arten eine höhere Wachstumsrate haben. Ich verwende eine einfache neutrale Methode um zu testen, ob diese Muster in Gesellschaften vorkommen, in denen alle Arten identisch sind und keine artspezifischen Interaktionen stattfinden. In dem Modell werden lokale Gesellschaften in Kontinenten gruppiert, bei denen die Immigrationsraten zwischen den Kontinenten geringer sind als innerhalb der Kontinente. Arten, die von einem anderen Kontinent stammen, werden als fremd betrachtet und ihr Schicksal verfolgt. In dem Modell erhöhen Störungen vorhersagbar die Anzahl der Arten und die Anzahl der Individuen der fremden Arten. Das Modell macht jedoch unterschiedliche Vorhersagen über die Effekte von Störungen auf drei Prozesse, die mit der Verbreitung fremder Arten verbunden sind: Etablierung (positiver Effekt von Störungen), Einbürgerung (negativer Effekt) und Dominanz (positiver Effekt). Die Vorhersagen ändern sich nicht, wenn eine Variation der Wachstumsrate in das Modell integriert wird. Das Modell sagt ebenso eine positive Beziehung zwischen der Zeit der Anwesenheit und der Abundanz vorher. Die Gesamtgröße der Gesellschaft hatte einen geringen Effekt auf den Erfolg einer fremden Art. Die breite Übereinstimmung zwischen den Vorhersagen des neutralen Modells und den Mustern im Freiland lässt vermuten, dass einige dieser Muster bei der Invasion einer Gesellschaft in gewissem Grade vollständig von irgendwelchen spezifischen biologischen Annahmen unabhängig sind und sie selbst nur wenig Einblicke in die grundlegenden biologischen Prozesse ermöglichen. Die angesammelten Daten sollten daher mit großer Vorsicht genutzt werden und die statistischen Muster müssen durch generieren von Null-Modell-Vorhersagen eliminiert werden.