Yeni simülasyonlar, Neanderthals ve Mezolitik avcı-toplayıcıların tarımdan çok önce Avrupa ekosistemlerini belirgin biçimde şekillendirdiğini gösteriyor. Araştırmaya göre avcılık ve ateş kullanımı; ormanların açıklık-kapalılık dengesini ve bitki örtüsünün dağılımını, fosil polen verileriyle uyumlu şekilde değiştirmiş olabilir.
Avrupa’nın tarımdan önce “dokunulmamış” bir vahşi doğa olduğu fikri, yeni bir çalışmayla sorgulanıyor. Aarhus University’nin de yer aldığı uluslararası ekip, geçmişteki iki sıcak dönemde Avrupa bitki örtüsünü etkileyen unsurları bilgisayar simülasyonlarıyla yeniden kurdu ve sonuçları fosil polen kayıtlarıyla karşılaştırdı.
Neanderthals etkisi polen kayıtlarında iz bırakıyor
Araştırmacılar; iklim, büyük otoburlar (megafauna), doğal yangınlar ve insan faaliyetlerinin bitki örtüsünü nasıl yönlendirdiğini ayrı ayrı test etti. Modeller, yalnızca iklim ve doğal süreçlerle polen verilerindeki değişimleri yeterince açıklayamazken; insan kaynaklı yangınlar ve avcılık gibi etkiler eklendiğinde gözlemlerle daha iyi örtüşen bir tablo ortaya çıktı.
Çalışma iki döneme odaklanıyor: İlki, yaklaşık 125.000–116.000 yıl önceki Last Interglacial; bu dönemde Avrupa’daki tek insan türü Neanderthals’tı. İkincisi ise son Buzul Çağı’nın ardından 12.000–8.000 yıl önceki Early Holocene; bu dönemde Homo sapiens’in Mezolitik avcı-toplayıcı toplulukları kıtada yaşıyordu.
Simülasyonlara göre Mezolitik avcı-toplayıcıların, bitki tiplerinin dağılımında %47’ye varan bir etkiye sahip olması mümkün. Neanderthals etkisi daha sınırlı görünse de ölçülebilir: bitki tiplerinin dağılımında yaklaşık %6, bitki örtüsünün “açıklığı”nda (ormanların ne kadar seyrek/açık olduğu) yaklaşık %14 düzeyinde.
Ekip, insan etkisinin iki kanaldan geldiğini vurguluyor: ateşin ağaç ve çalı örtüsünü azaltması ve avcılığın büyük otobur popülasyonlarını düşürmesi. Özellikle avcılığın dolaylı bir sonucu dikkat çekiyor: daha az otobur, bazı alanlarda otlatma baskısının azalmasıyla bitki örtüsünün daha “kapalı” ve yoğun hale gelmesine yol açabiliyor. Araştırmacılar, yöntemin gücünün geniş ölçekli mekânsal verileri kıta genelinde bir araya getirmesi ve çok sayıda senaryoyu taramak için yapay zekâ temelli bir optimizasyon yaklaşımı kullanması olduğunu belirtiyor.
