Predecir las respuestas de los ecosistemas bajo condiciones ambientales cambiantes es uno de los principales desafíos en ecología. Se vuelve más complejo por la dinámica no lineal que caracteriza a los ecosistemas y la naturaleza parcialmente estocástica de los factores clave. Los impulsores ambientales (incluidos el clima, los nutrientes, el fuego y los herbívoros) cambian en el tiempo y el espacio, a veces de forma gradual y sin problemas, a veces de forma menos gradual, incluso abruptamente. Los ecosistemas pueden responder a los cambios en sus impulsores ambientales de manera ordenada y continua, pero pueden no responder en ciertos rangos de condiciones ambientales y luego reaccionar rápidamente con fuertes cambios o cambios cuando las condiciones se acercan a un nivel o umbral crítico.
Debido a estas características complejas de los ecosistemas, el modelado estocástico se ha vuelto cada vez más popular, no solo porque es útil en el estudio de los ecosistemas, sino que también presenta muchos desafíos para la investigación matemática y proporciona a los ecólogos, biólogos y matemáticos una gran oportunidad de colaborar juntos. Aunque el modelado estocástico en ecosistemas ha estado muy de moda durante los últimos años, existe una brecha significativa entre ecologistas, biólogos y matemáticos.
Profesor Xuerong Mao or Dr. Andrew Wade La Universidad de Strathclyde, Glasgow, Escocia, Reino Unido, organiza un taller de dos días para reunir a investigadores (principalmente del Reino Unido y la UE), sus asistentes de investigación y estudiantes, con el fin de promover, fomentar e impulsar una mayor cooperación, y de integrar diversas disciplinas, como la ecología, la biología, las matemáticas, la ingeniería y la informática. Además de las charlas y la sección de pósteres impartidos por estudiantes de investigación, el programa también incluirá espacios diseñados para fomentar la interacción entre los asistentes y promover la investigación colaborativa.
Más información sobre el taller está disponible en http://www.mathstat.strath.ac.uk/seminars/stochastic .
