Movimenti collettivi degli animali

Il movimento collettivo che osserviamo in numerose specie animali, Homo sapiens compreso, ha da sempre affascinato i biologi per la sua complessità, ma solo oggi, grazie ad un approccio multidisciplinare, cominciamo a svelarne i segreti. Il Prof. Claudio Carere dell’Università della Tuscia (Dipartimento di Ecologia e Biologia) ci spiega come l’ambizioso progetto europeo STARFLAG che ha unito fisici, modellisti, biologi del comportamento ed economisti sia riuscito a rispondere ad alcune domande di base sui meccanismi e le funzioni che regolano il complesso volo degli stormi di storno.

1)    Come nasce l’idea di un progetto di ricerca sulla complessità del movimento collettivo negli storni?

I sistemi composti da molti individui differenti (“agents”) che interagiscono fra loro mostrano proprietà complesse che non possono essere spiegate dal comportamento degli individui presi singolarmente. I movimenti collettivi degli animali, uccelli, pesci, insetti e la stessa specie umana, si prestano a studiare queste proprietà emergenti. Il progetto, coordinato dal fisico Giorgio Parisi e comprendente un team internazionale di fisici, etologi, ornitologi, biologi teorici ed economisti, si è focalizzato sul comportamento di flocking degli storni, forse il miglior esempio a disposizione per caratterizzare i comportamenti collettivi e le loro proprietà e funzioni.

2)    Quale approccio metodologico avete utilizzato per quantificare le dinamiche di volo degli uccelli?

Tre approcci paralleli: 1) Ricostruzione tridimensionale della struttura di stormi composti da migliaia di individui in cui è difficile ipotizzare la presenza di un singolo leader e dunque ricostruzione di tutte le caratteristiche intrinseche come volume, densità, velocità, distanze inter-individuali; tali dati sono stati raccolti con un approccio di fotografia stereoscopica presso i dormitori invernali della città di Roma; 2) Contesto e significato biologico e funzionale degli stormi e delle loro manifestazioni comportamentali complesse; i dati sono stati raccolti con un approccio osservazioni sistematiche e video-riprese ad alta definizione successivamente analizzate fotogramma per fotogramma nei dormitori della città di Roma parallelamente a quelli dei colleghi fisici e in relazione a fattori ambientali che si ipotizzava influenzassero i comportamenti di flocking: stagionalità, predazione, fattori meteorologici; in parallelo sono stati condotti studi in condizioni controllate in cui venivano confrontati i comportamenti di mini-stormi e singoli individui esposti a simulazioni di rischio di predazione; 3) Costruzione di nuovi modelli sulla base dei dati empirici raccolti

3)    Quali sono le principali conclusioni tratte dal progetto?

1) Movimenti, comportamenti e decisioni collettive si basano su regole semplici di coordinazione locale (“auto.organizzazione”) che si estende a tutto il gruppo come una reazione a catena. Non c’è un leader, ciascuno cerca di fare quello che fanno i vicini nello spazio 3D intorno a esso, in particolare interagendo con 6-7 individui in sua prossimità, ma indipendentemente dalla distanza. Possono trovarsi a tre come a 10 metri. L’unità di misura è topologica, non metrica. E’come quando prendiamo la metropolitana o il bus: la distanza non la calcoliamo in metri o km, ma in numero di fermate. La velocità per esempio è sincronizzata in tal modo, se uno rallenta o accelera lo stesso fanno i 7 vicini e ciascuno dei 7 vicini a questi 7, così che l’effetto si amplifica rapidamente. La coesione sociale diminuisce all’aumentare della distanza in “unità di uccelli”. Sei-sette sembrerebbe il numero ottimale per non avere troppe informazioni inutili ed è probabilmente il numero fino a cui gli uccelli possiedono l’abilità numerica di contare. Un’onda di densità all’interno di uno stormo si propaga in meno di 1 secondo a una velocità che arriva a 25 m/sec, maggiore di quella dello stormo stesso. Treni di decine di onde che durano fino a 20 sec nello stesso stormo si generano quando è sotto attacco diretto di un falco e ne diminuiscono significativamente il successo di predazione; 2) Il principale “motore” causale del flocking e dei relativi comportamenti collettivi negli storni studiati a Roma è la predazione da parte dei falchi pellegrini; determinate “forme”, in genere più dense e compatte si osservano in dormitori e giornate in cui la presenza di falchi in caccia attiva è maggiore. I falchi hanno un successo di predazione maggiore se attaccano individui temporaneamente fuori dal gruppo, tuttavia spesso si “accaniscono” e dedicano più tempo a seguire, spesso senza successo, grandi stormi. Negli esperimenti in condizioni controllate gli individui singoli si sono mostrati assai più “stressati” di quelli posti in un contesto sociale e ciò suggerisce la presenza di meccanismi “intrinseci” di coesione sociale, almeno in specie gregarie come lo storno, che aumentano la correlazione inter-individuale: in contesto sociale tutti gli individui divengono “un po’ più simili” fra loro rispetto a quando sono da soli. 3) I nuovi modelli hanno tenuto conto di tali nuove acquisizioni e ne hanno notevolmente beneficiato. Per esempio, se in una simulazione di uno stormo concediamo un angolo di “banking” (inclinazione) di 45 gradi ai singoli individui e imponiamo al gruppo una rotazione di 180 gradi, osserviamo una perdita della forma, cosa che non accade nel mondo reale. Sul campo abbiamo osservato che gli storni hanno un angolo d’inclinazione che raggiunge tranquillamente i 90 gradi. Inserendo tale dato al computer lo stormo mantiene perfettamente la forma quando ruota di 180 gradi.

4)    I meccanismi che regolano il movimento collettivo degli storni sono traslabili ad altre specie di uccelli o animali in generale, uomo compreso?

Tenendo conto di opportune importanti variazioni dipendenti per esempio dal mezzo (certi parametri variano a seconda se stiamo osservando uno stormo di uccelli in aria, 3D; un banco di sardine in acqua, 3D forte spinta di Archimede; o un branco di gnu a terra, 2D) e da caratteristiche specie specifiche delle specie considerate (si pensi a un uccello rispetto a un insetto) anche a livello di capacità cognitive ci sono delle regole generali di auto-organizzazione che valgono per tutti, specie umana inclusa. Il fenomeno della “ola” (“mexican wave”), descritto e matematicamente proposto in un famoso lavoro apparso su Nature una decina di anni fa è un esempio che tutti conosciamo.

Letture consigliate: Ballerini et al. 2008. Animal Behaviour, 76, 217-236; Ballerini et al. 2008. PNAS, 105, 1232-1237; Carere et al. 2009. Animal Behaviour, 77, 101-107; Cavagna et al. 2010. PNAS, 107, 11865-11870; Caro TM. 2005. Antipredator defenses in birds and mammals. Chicago: University of Chicago Press; Krause J & Ruxton GD. 2002. Living in groups. Oxford: Oxford University Press; Zoratto et al. 2010. Journal of Avian Biology, 41, 427-433.

David Costantini

Annunci