Prati, pascoli e paesaggio alpino - SoZooAlp
Prati, pascoli e paesaggio alpino - SoZooAlp
Prati, pascoli e paesaggio alpino - SoZooAlp
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Fausto Gusmeroli<br />
di elementi uguali, perciò non informativi. Segue poi uno stadio ad andamenti ciclici,<br />
ancora prevedibili e non complessi, ossia linearizzabili e controllabili dall’esterno regolando<br />
il flusso energetico. Da qui si può passare alla fase terza, dove il sistema diviene<br />
complesso, non più descrivibile con modelli matematici lineari, per la comparsa di strutture<br />
emergenti, o direttamente alla fase quarta di caos, dove il sistema è destrutturato e<br />
la distribuzione casuale degli elementi impedisce di nuovo ogni acquisizione d’informazione.<br />
L’autorganizzazione si manifesta dunque in prossimità del caos, ossia ad intensità<br />
di flusso energetico tali da superare le fasi ad andamenti prevedibili, senza però sfociare<br />
in quella ad andamenti caotici.<br />
La dinamica del sistema complesso è considerata dai più deterministica, non casuale,<br />
ma essendo non lineare risulta in ogni caso imprevedibile. Nelle equazioni non lineari,<br />
causa le ripetute iterazioni i piccoli errori di arrotondamento conducono già a grande<br />
incertezza nelle soluzioni, ma, ancor più, le soluzioni crescono di numero all’aumentare<br />
della non linearità. Si profilano così molti percorsi alternativi in relazione a nuovi stati<br />
stazionari locali collegati a nuovi attrattori locali che emergono in particolari punti d’instabilità<br />
detti biforcazioni. Qui i bacini di attrazione sono molto piccoli e bastano minime<br />
variazioni stocastiche (rumore) del flusso energetico, quali si osservano comunemente,<br />
perché il sistema salti da uno stato all’altro. La via che prenderà il sistema in uno<br />
di questi punti critici dipende dalla sua storia precedente, ossia dalla traiettoria seguita<br />
per raggiungerlo. Vi sarebbe dunque una stretta dipendenza dalle condizioni iniziali e<br />
queste conducono a traiettorie molto distanti anche a partire da scostamenti esigui, con<br />
una progressione esponenziale indotta da meccanismi di retroazione autocatalitici 9 . Se si<br />
considera che le biforcazioni possono essere molto numerose e che le condizioni iniziali<br />
del sistema non possono neppure essere conosciute, causa la mancanza di informazioni,<br />
la numerosità delle variabili coinvolte o la difficoltà di misurazione, si può capire come<br />
un’analisi di tipo deterministico-quantitativo di questi sistemi sia esclusa, ma sia necessario<br />
un approccio probabilistico-qualitativo 10 .<br />
9 Nella teoria del caos questo fenomeno è noto come butterfly effect (effetto farfalla), fenomeno ipotetico<br />
immaginato in una famosa conferenza del 1972 dal matematico e meteorologo americano Edward Lorenz (l’inventore<br />
della teoria del caos), per il quale il battito delle ali di una farfalla nella foresta Amazzonica potrebbe provocare, a<br />
seguito di una catena di eventi, disastrosi uragani nelle città del Texas. Lorenz arrivò a questa conclusione studiando<br />
un modello di previsione meteorologica rappresentato da un sistema di tre equazioni non lineari e due variabili. Le<br />
soluzioni del sistema sono estremamente sensibili alle variazioni delle condizioni iniziali, ossia le traiettorie che<br />
si sviluppano da punti di partenza pressoché coincidenti divergono rapidamente e profondamente, ciò che rende<br />
impossibile ogni previsione a lungo termine, nonostante il modello sia governato da equazioni deterministiche.<br />
L’attrattore del modello è quello riportato in figura 1.5. Per sottolineare la dipendenza dei sistemi complessi alle<br />
condizioni iniziali, il chimico-fisico di origine russa Ilya Prigogine arrivò ad affermare che essi, a differenza dei<br />
sistemi lineari, non dimenticano!<br />
La concezione deterministica che stà dietro la teoria del caos e dei sistemi complessi si fonda sul fatto che l’incapacità<br />
di prevedere la traiettoria del sistema non deriva primariamente dall’impossibilità di conoscere con assoluta<br />
precisione le condizioni iniziali, ma dalla sensibilità intrinseca del sistema a queste, ossia da un’instabilità oggettiva.<br />
Altri studiosi teorizzano una natura probabilistica della realtà, sostenendo che è proprio l’amplificazione di piccoli<br />
scarti a rivelare la casualità. Se, infatti, il sistema fosse deterministico, due posizioni iniziali identiche produrrebbero<br />
le stesse traiettorie. In ogni caso, deterministico o casuale che sia, il sistema complesso rimane imprevedibile.<br />
10 Ciò significa anche passare da una matematica della quantità (quella convenzionale fatta di formule) ad<br />
una della qualità (fatta di schemi, forme, topologie), passaggio che segna un altro solco tra il metodo di studio<br />
riduzionista e quello sistemico. L’analisi qualitativa di un sistema non lineare consiste nell’identificare gli attrattori<br />
e i bacini di attrazione e nel classificarli sulla scorta delle loro prerogative topologiche. Ne discende un’immagine<br />
dinamica del sistema, denominata ritratto delle fasi o funzione caratteristica, i cui metodi matematici di analisi sono<br />
stati abbozzati all’inizio del 1900 dal grande matematico Jules Henri Poincaré e sviluppati negli anni sessanta da<br />
30