Alacakaranlıkta tüneklerinden akan yüz binlerce yarasanın görüntüsü, doğanın en güzel manzaralarından biridir. Sürüler o kadar yoğun olabilir ki, uzaktan yükselen dumanı andırır. Ancak onları avlayan yırtıcı kuşların havadaki maskaralıkları da bir o kadar şaşırtıcı.

Bu davranışları Chihuahuan Çölü’nün (güneybatı ABD’den Meksika’ya uzanan) uzak bir köşesinde incelemek, hayvan uçuşu üzerine çalışan bir biyolog olarak neredeyse 25 yıllık kariyerimin en önemli olaylarından biri oldu. Ekibimin çalışması, yarasa bilimcisi Laura Kloepper (New Hampshire Üniversitesi) ile işbirliği içinde yapıldı.

Av hayvanları genellikle sayılarda güvenlik bulur ve yarasalar da bir istisna değildir. Bir grup içinde hareket etmek, bireyin saldırıya uğrama riskini azaltır. Ayrıca avcının kafasını karıştırabilir ve bir hedefi takip etmelerini zorlaştırabilir. Buna karışıklık etkisi denir. İnsanlar da bu şekilde büyük nesne ve hayvan grupları tarafından yönlendirilirler. Swainson’ın şahinleri, besledikleri Meksikalı serbest kuyruklu yarasalara, yarasalar mağaralarından sürüler halinde çıkarken saldırma eğilimindedir. Yarasalar, açık hava sahasına kıyasla mağaralarından çıktıklarında çok daha yavaş uçarlar ( alan açıksa yaklaşık 100 mil hıza ulaşabilirler ).

Ekiptekiler şahinlerin kafa karışıklığından etkilenmediğini gördü.

açıkça görmek

Şahinler, sürü izlerken biz insanları şaşırtan kafa karışıklığından nasıl kurtulur? Bu soruyu yanıtlamak için, şahinleri katedral benzeri bir mağaradan akan yarasa akıntısına düşerek filme aldık. Yarasa mağarasının ağzının çevresine stratejik olarak yerleştirilmiş yüksek çözünürlüklü video kameralar, ekibimin şahinlerin ve saldırdıkları yarasaların 3 boyutlu yörüngelerini yeniden oluşturmasını sağladı. Ancak bir davranışı yeniden yaratmak, onun mekaniğini anlamak için yalnızca ilk adımdır. Ardından ekibim şahinlerin saldırı hattını nasıl yönlendirdiğini analiz etti.

Gökdoğanların saldırı davranışlarını incelemek için ilk olarak 2017 yılında geliştirdiğimiz bir bilgisayar simülasyonu yaklaşımı kullandık . Bu yöntem , kuşların davranışlarını simüle etmek için diferansiyel denklemler adı verilen bir dizi matematiksel formül kullanır .

Önceki çalışmalarımız, şahinlerin saldırı davranışlarının, orantılı navigasyon adı verilen bir teknik kullanılarak güdümlü füzelere benzer şekilde yönlendirildiğini göstermişti . Bunun nasıl çalıştığını anlamak için, kendinizi avınıza hızla yaklaşırken ona bakan bir hava avcısı olarak hayal edin. Avınız sizden kaçmaya çalışabilir. Ancak, avınızın pusula yönünün değişme hızıyla orantılı bir hızda dönerseniz, avınızı engellemeniz için size en iyi şansı veren yolu seçeceksiniz.

Bu tekniği yalnız avını kovalamak için kullanan bir kuş, doğal olarak hedefinin kıvrımlarını ve dönüşlerini takip edecektir. Ancak sürüye saldıran şahinler, yakaladıkları yarasaların bireysel hareketlerine tepki vermiyor gibiydi. Aslında şahinler, neredeyse dairesel bir yay boyunca uçarak sürünün içine doğru neredeyse sabit bir yarıçapta döndüler. Kuşlar, bir yarasa seçmek yerine sürüde sabit bir noktaya doğru yöneliyordu.

Bu strateji, düzensiz bir solo hedefe karşı umutsuz olurdu, ancak yoğun bir av topluluğuna karşı iyi bir başarı şansı var. Bir yarasanın sürüye rastgele atılan bir okla vurulması şaşırtıcı olmaz ve aynı şey dalış yapan bir yırtıcı kuş için de geçerlidir. Şahinlerin kafa karışıklığı etkisinden kaçınmadaki başarısı, yaklaşırken bir hedefi takip etme karmaşıklığını atlatabilmeleriyle kısmen açıklanabilir.

Yaklaşıyor

Öyle olsa bile, bir yarasayı pençelerinize yakalamak kolay değil. Şahinler için çoğu zaman başarısızlıkla sonuçlanan karmaşık bir süreç. Peki şahinler sürünün içine girdikten sonra hangi yarasayı kapacaklarını nasıl seçtiler?

Saldırgandan hedefine çizilen görüş hattının saldırı boyunca nasıl değiştiğini izlemek için grafik yazılımı kullandık. Bu analiz net bir cevap ortaya çıkardı: Hedefe olan görüş hattının yönü tüm saldırılarda neredeyse sabit kaldı. En azından başarılı bir yakalamayla sonuçlananlarda değişiklik gösterdi.

Bu geometri, çarpışma rotasındaki herhangi bir nesne çifti için geçerlidir . Denizcilere, diğer teknelerle çarpışmaları önlemek için sabit bir yön bulmaları öğretilir ve sürücüler, yoğun bir yola güvenli bir şekilde girmek için bunu sezgisel olarak kullanır. İncelediğimiz 900.000’e varan yarasa kolonisi, sadece birkaç dakika içinde toplu halde ortaya çıktı. Bu yoğun sürünün içine dalan bir avcı için o kadar çok hedef var ki en azından biri çarpışma rotasında olacak. Zor olan, onu tespit etmek ve yakalamaktır.

Durağan bir gözlemci tüm sürünün hareket halinde olduğunu algılarken, çarpışmanın geometrisi, hareket halindeki bir gözlemcinin çarpmak üzere olan her şeyi durağan olarak göreceği anlamına gelir. Kendi gözümüze kafa karıştırıcı görünen sürüler, sürüler ve sürüler, dalışa geçen hareketli bir avcıya daha düzenli görünür.

Aynı şey, bir ton balığı okulunu pusuya düşüren bir köpekbalığı ya da bir drone sürüsüne karşı savunma yapan bir drone olsun, herhangi bir saldırgan için geçerli olacaktır. Sonuçlarımız, diğer yırtıcıların bir karışıklık etkisinden nasıl kaçındıklarını anlamak ve hatta otonom hava savunmaları tasarlamak için çıkarımlara sahiptir. Her şeyden önce, bulgularımız, doğanın zorlu zorlukları çözmek için adapte olduğu akıllı yolların güzel bir örneğidir.