સ્ટારલિંગ ગણગણાટ: કુદરતના સૌથી મહાન પ્રદર્શનોમાંના એક પાછળનું વિજ્ઞાન

મેનો શેફર / શટરસ્ટોક

શિયાળાની સાંજના સમયે આકાશમાં પક્ષીઓના ઉછળતા, ડૂબકી મારતા અને ચક્રમાં ઉડતા તારાઓના ગણગણાટને જોવો એ એક મહાન આનંદ છે. નેપલ્સથી ન્યૂકેસલ સુધી, ચપળ પક્ષીઓના આ ટોળા એક જ અદ્ભુત એક્રોબેટિક પ્રદર્શન કરી રહ્યા છે, સંપૂર્ણ સુમેળમાં આગળ વધી રહ્યા છે. પરંતુ તેઓ તે કેવી રીતે કરે છે? તેઓ કેમ ક્રેશ થતા નથી? અને તેનો અર્થ શું છે?

૧૯૩૦ ના દાયકામાં એક અગ્રણી વૈજ્ઞાનિકે સૂચવ્યું હતું કે પક્ષીઓમાં ટોળામાં સાથે કામ કરવા માટે માનસિક શક્તિઓ હોવી જોઈએ. સદનસીબે, આધુનિક વિજ્ઞાન કેટલાક વધુ સારા જવાબો શોધવાનું શરૂ કરી રહ્યું છે.

સ્ટારલિંગ શું કરી રહ્યા છે તે સમજવા માટે, આપણે 1987 માં પાછા ફરવાનું શરૂ કરીએ છીએ જ્યારે અગ્રણી કમ્પ્યુટર વૈજ્ઞાનિક ક્રેગ રેનોલ્ડ્સે પક્ષીઓના ટોળાનું અનુકરણ બનાવ્યું હતું. આ "બોઇડ્સ", જેમ કે રેનોલ્ડ્સે તેમના કમ્પ્યુટર-જનરેટેડ જીવો કહ્યા હતા, તેમની ગતિવિધિના વિવિધ પ્રકારો બનાવવા માટે ફક્ત ત્રણ સરળ નિયમોનું પાલન કરતા હતા: નજીકના પક્ષીઓ વધુ દૂર જશે, પક્ષીઓ તેમની દિશા અને ગતિને સંરેખિત કરશે, અને વધુ દૂરના પક્ષીઓ નજીક જશે.

આમાંના કેટલાક પેટર્નનો ઉપયોગ ફિલ્મોમાં વાસ્તવિક દેખાતા પ્રાણીઓના જૂથો બનાવવા માટે કરવામાં આવ્યો હતો, જેની શરૂઆત 1992 માં બેટમેન રિટર્ન્સ અને તેના ચામાચીડિયાના ટોળા અને પેન્ગ્વિનની "સેના" થી થઈ હતી. નિર્ણાયક રીતે આ મોડેલને કોઈ લાંબા અંતરના માર્ગદર્શન અથવા અલૌકિક શક્તિઓની જરૂર નહોતી - ફક્ત સ્થાનિક ક્રિયાપ્રતિક્રિયાઓ. રેનોલ્ડ્સના મોડેલે સાબિત કર્યું કે મૂળભૂત નિયમોનું પાલન કરતી વ્યક્તિઓ દ્વારા એક જટિલ ટોળું ખરેખર શક્ય હતું, અને પરિણામી જૂથો ચોક્કસપણે પ્રકૃતિમાં રહેલા લોકો જેવા "દેખાતા" હતા. આ શરૂઆતના બિંદુથી પ્રાણીઓની હિલચાલ મોડેલિંગનું એક સંપૂર્ણ ક્ષેત્ર ઉભરી આવ્યું. 2008 માં ઇટાલીના એક જૂથ દ્વારા આ મોડેલોને વાસ્તવિકતા સાથે મેચ કરવાનું અદભુત રીતે પ્રાપ્ત થયું, જેઓ રોમમાં રેલ્વે સ્ટેશનની આસપાસ સ્ટારલિંગના ગણગણાટને ફિલ્માવવામાં, 3D માં તેમની સ્થિતિનું પુનર્નિર્માણ કરવામાં અને ઉપયોગમાં લેવાતા નિયમો બતાવવામાં સક્ષમ હતા. તેમને જે મળ્યું તે એ હતું કે સ્ટારલિંગ તેમની આસપાસના તમામ નજીકના પક્ષીઓની હિલચાલનો જવાબ આપવાને બદલે, નજીકના સાત કે તેથી વધુ પડોશીઓની દિશા અને ગતિ સાથે મેળ ખાવાનો પ્રયાસ કરતા હતા.

જ્યારે આપણે કોઈ ગણગણાટને મોજામાં ધબકતો અને આકારોની શ્રેણીમાં ફરતો જોઈએ છીએ ત્યારે ઘણીવાર એવું લાગે છે કે એવા વિસ્તારો છે જ્યાં પક્ષીઓ ધીમા પડે છે, અને ગીચ થઈ જાય છે, અથવા જ્યાં તેઓ ગતિ કરે છે અને પહોળા ફેલાય છે. હકીકતમાં આ મોટે ભાગે 3D ફ્લોક દ્વારા બનાવવામાં આવેલા ઓપ્ટિકલ ભ્રમને આભારી છે જે વિશ્વના આપણા 2D દૃશ્ય પર પ્રક્ષેપિત થાય છે, અને વૈજ્ઞાનિક મોડેલો સૂચવે છે કે પક્ષીઓ સ્થિર ગતિએ ઉડે છે.

કોમ્પ્યુટર વૈજ્ઞાનિકો, સૈદ્ધાંતિક ભૌતિકશાસ્ત્રીઓ અને વર્તણૂકીય જીવવિજ્ઞાનીઓના પ્રયાસોને કારણે હવે આપણે જાણીએ છીએ કે આ ગણગણાટ કેવી રીતે ઉત્પન્ન થાય છે. આગળનો પ્રશ્ન એ છે કે તે શા માટે થાય છે - સ્ટાર્લિંગ્સ આ વર્તન વિકસાવવાનું કારણ શું છે?

શિયાળા દરમિયાન રાત્રે હૂંફની જરૂરિયાતનું એક સરળ કારણ એ છે કે પક્ષીઓને ગરમ સ્થળોએ ભેગા થવું પડે છે અને જીવંત રહેવા માટે નજીકમાં રહેવું પડે છે. સ્ટાર્લિંગ્સ પોતાને એક નિવાસસ્થાનમાં - રીડ બેડ, ગાઢ વાડ, સ્કેફોલ્ડ જેવા માનવ માળખા - માં 500 થી વધુ પક્ષીઓ પ્રતિ ઘન મીટર પર, ક્યારેક લાખો પક્ષીઓના ટોળામાં ભરી શકે છે. પક્ષીઓની આટલી ઊંચી સાંદ્રતા શિકારીઓ માટે એક આકર્ષક લક્ષ્ય હશે. કોઈ પણ પક્ષી એવું બનવા માંગતું નથી જેને શિકારી ઉપાડી લે, તેથી સંખ્યામાં સલામતી એ રમતનું નામ છે, અને ફરતા ટોળા એક મૂંઝવણની અસર બનાવે છે જે એક પણ વ્યક્તિને નિશાન બનાવતા અટકાવે છે.

સ્ટાર્લિંગ્સ મનોવિજ્ઞાની નથી - તેઓ ફક્ત નિયમોનું પાલન કરવામાં સારા છે. ફોટોગ્રાફી એડ્રી / શટરસ્ટોક દ્વારા

જોકે, સ્ટાર્લિંગ ઘણીવાર દસ કિલોમીટર દૂરથી ઘરોમાં આવે છે, અને આ ઉડાનોમાં તેઓ થોડી ગરમ જગ્યાઓ પર રહેવાથી બચી શકાય તેટલી ઊર્જાનો ઉપયોગ કરે છે. તેથી, આ વિશાળ ઘરોમાં રહેવાની પ્રેરણા ફક્ત તાપમાન કરતાં વધુ હોવી જોઈએ.

સંખ્યામાં સલામતી આ પેટર્નને આગળ ધપાવી શકે છે, પરંતુ એક રસપ્રદ વિચાર સૂચવે છે કે ટોળાં રચાઈ શકે છે જેથી વ્યક્તિઓ ચારો શોધવા વિશે માહિતી શેર કરી શકે. આ, " માહિતી કેન્દ્ર પૂર્વધારણા ", સૂચવે છે કે જ્યારે ખોરાક અવ્યવસ્થિત હોય અને શ્રેષ્ઠ લાંબા ગાળાના ઉકેલ માટે મોટી સંખ્યામાં વ્યક્તિઓ વચ્ચે માહિતીની પરસ્પર વહેંચણી જરૂરી છે. જેમ મધમાખીઓ ફૂલોના પેચનું સ્થાન શેર કરે છે, તેવી જ રીતે જે પક્ષીઓ એક દિવસ ખોરાક શોધે છે અને રાતોરાત માહિતી શેર કરે છે તેમને બીજા દિવસે સમાન માહિતીનો લાભ મળશે. જોકે ખોરાકની અછત હોય ત્યારે મોટી સંખ્યામાં પક્ષીઓ ઘરોમાં જોડાય છે, જે આ વિચારને મર્યાદિત સમર્થન પૂરું પાડે છે, તેમ છતાં એકંદર પૂર્વધારણાને યોગ્ય રીતે ચકાસવી અત્યાર સુધી અત્યંત મુશ્કેલ સાબિત થઈ છે.

છેલ્લા કેટલાક દાયકાઓમાં ગતિશીલ પ્રાણીઓના જૂથો વિશેની આપણી સમજણમાં ઘણો વધારો થયો છે. હવે પછીનો પડકાર એ છે કે આ વર્તણૂકને બનાવનારા ઉત્ક્રાંતિ અને અનુકૂલનશીલ દબાણોને સમજવાનો છે, અને તે દબાણો બદલાતા સંરક્ષણ માટે તેનો શું અર્થ થઈ શકે છે. કદાચ આપણે આપણી સમજને અનુકૂલિત કરી શકીએ છીએ અને રોબોટિક સિસ્ટમ્સના સ્વાયત્ત નિયંત્રણને સુધારવા માટે તેનો ઉપયોગ કરી શકીએ છીએ. કદાચ ભવિષ્યની સ્વચાલિત કારનું ધસારો-અવર વર્તન સ્ટાર્લિંગ્સ અને તેમના ગણગણાટ પર આધારિત હશે.