Key points are not available for this paper at this time.
Le chaos est généralement considéré comme une alternative distincte aux effets aléatoires tels que les fluctuations environnementales ou les perturbations externes. Nous soutenons qu'une séparation stricte entre les dynamiques chaotiques et stochastiques dans les systèmes écologiques est inutile et trompeuse, et nous présentons une approche plus globale pour les systèmes soumis à des perturbations stochastiques. La propriété définissante du chaos est la dépendance sensible aux conditions initiales. Les systèmes chaotiques sont des "amplificateurs de bruit" qui magnifient les perturbations ; les systèmes non chaotiques sont des "réducteurs de bruit" qui atténuent les perturbations. Nous présentons également des méthodes statistiques pour détecter le chaos dans les données de séries temporelles, basées sur l'utilisation de la modélisation non linéaire des séries temporelles pour estimer l'exposant de Lyapunov λ, qui donne le taux moyen auquel les effets de perturbation croissent (λ > 0) ou décroissent (λ < 0). Ces méthodes permettent du bruit dynamique et peuvent détecter du chaos de faible dimension avec des quantités réalistes de données. Les résultats pour les populations naturelles et de laboratoire couvrent toute la gamme allant de dynamiques dominées par le bruit et fortement stables à un chaos faible. La distribution des exposants de Lyapunov estimés est concentrée près de la transition entre dynamiques stables et chaotiques. Dans ces cas limites, les fluctuations des exposants de Lyapunov à court terme peuvent être plus informatives que l'exposant moyen λ pour caractériser les dynamiques non linéaires.
Ellner et al. (Wed,) ont étudié cette question.