Spreading speeds for prey--predator systems in a shifting environment: a short proof

Résumé technique : Vitesses de propagation pour les systèmes proie-prédateur dans un environnement changeant

Énoncé du problème
Cet article étudie la vitesse de propagation de la composante prédatrice d'une classe de systèmes de réaction-diffusion proie-prédateur soumis à un environnement changeant. Le système est modélisé par les équations suivantes :
$$\begin{cases} \partial_t u = d\partial_{xx}u + u f(x - c_1 t, u, v), \\ \partial_t v = \partial_{xx}v + v g(x - c_1 t, u, v), \end{cases}$$
où $u$ et $v$ représentent respectivement les densités de proies et de prédateurs, $d$ est le taux de diffusion de la proie, et $c_1 > 0$ est la vitesse de l'habitat changeant. Les fonctions d'interaction $f$ et $g$ dépendent de la variable mobile $z = x - c_1 t$, représentant l'hétérogénéité spatio-temporelle. L'objectif principal est de déterminer la vitesse de propagation vers la droite du prédateur ($v$) lorsque la proie est initialement établie de manière uniforme.

Une difficulté centrale abordée est que le système complet manque d'un principe de comparaison direct en raison de la nature non coopérative de l'interaction (la prédation réduit la croissance des proies, tandis que la densité des proies stimule la croissance des prédateurs). De plus, le profil environnemental $g(z, 1, 0)$ peut être non monotone, un scénario courant en modélisation biologique où les taux de croissance dépendent de façon unimodale de la température ou d'autres facteurs.

Méthodologie
L'auteur emploie une stratégie de réduction pour contourner l'absence de principe de comparaison pour le système couplé. La contribution méthodologique centrale est l'établissement d'une estimation ponctuelle (Lemme 4.1), qui démontre que dans les régions où la densité du prédateur est suffisamment faible, la densité de la proie est proche de sa capacité de charge (normalisée à 1).

Plus précisément, la preuve procède comme suit :

1. Région invariante et bornes : En utilisant les principes de comparaison scalaires pour chaque composante séparément, l'auteur établit que les solutions restent dans une région invariante bornée $[0, 1] \times [0, V]$.
2. Estimation ponctuelle : Par l'absurde et l'utilisation d'estimations paraboliques (arguments d'explosion/blow-up), il est montré que pour tout $\alpha > 0$, il existe des constantes telles que $1 - u(t, x) \leq \alpha + M_\alpha v(t, x)$ pour $t$ grand. Cela implique que là où $v$ est petit, $u \approx 1$.
3. Réduction à l'équation KPP scalaire : Cette estimation permet de borner l'équation du prédateur par le bas par une équation de Fisher–KPP scalaire avec un taux de croissance effectif $g(x - c_1 t, 1, 0)$. La borne supérieure est dérivée de manière similaire en utilisant la monotonie de $g$ par rapport à $v$.
4. Analyse des valeurs propres : La vitesse de propagation est déterminée en analysant la valeur propre principale généralisée $\Lambda_1$ de l'opérateur linéarisé associé au taux de croissance effectif $g(z, 1, 0)$ dans le référentiel mobile.

Résultats clés
Le théorème principal (Théorème 2.7) fournit une formule explicite pour la vitesse de propagation $c^*_v$ du prédateur, qui dépend de la vitesse de changement $c_1$, des taux de croissance asymptotiques $r_\pm = \lim_{z\to\pm\infty} g(z, 1, 0)$, et de la valeur propre principale généralisée $\Lambda_1$. La vitesse est donnée par une fonction par morceaux :

• Cas 1 ($0 < c_1 \leq 2\sqrt{r_+}$) : $c^*_v = 2\sqrt{r_+}$. La vitesse est déterminée linéairement par le taux de croissance du front de tête.
• Cas 2 ($2\sqrt{r_+} \leq c_1 \leq 2\sqrt{\Lambda_1}$) : $c^*_v = c_1$. Il s'agit du phénomène de verrouillage (locking), où le prédateur se propage à la même vitesse que l'environnement changeant.
• Cas 3 ($2\sqrt{\Lambda_1} \leq c_1 \leq 2(\sqrt{r_-} + \sqrt{\Lambda_1 - r_-})$) : La vitesse est donnée par une formule complexe impliquant $c_1, \Lambda_1,$ et $r_-$. Cela correspond au phénomène de traction non locale (nonlocal pulling), où les habitats favorables lointains améliorent la vitesse de propagation au-delà de ce que suggérerait le front local.
• Cas 4 ($c_1 \geq 2(\sqrt{r_-} + \sqrt{\Lambda_1 - r_-})$) : $c^*_v = 2\sqrt{r_-}$.

L'article établit également des comportements asymptotiques (Corollaires 2.10 et 2.13). Il montre qu'en amont du front, la proie approche sa capacité de charge et le prédateur disparaît. En aval du front, la solution converge vers un équilibre de coexistence déterminé par l'environnement limite ($f_\pm, g_\pm$) observé dans le référentiel mobile, à condition que les systèmes d'EDO limites admettent des fonctions de Lyapunov strictes.

Signification et affirmations
L'article affirme fournir une réduction rigoureuse d'un système proie-prédateur non coopératif vers une équation de Fisher–KPP scalaire associée dans un environnement changeant, même lorsque le profil environnemental est non monotone.

• Extension de la théorie scalaire : Les résultats confirment que les phénomènes précédemment découverts pour les équations KPP scalaires — spécifiquement le verrouillage (locking) et la traction non locale (nonlocal pulling) — persistent au niveau de l'invasion du prédateur dans les systèmes non coopératifs.
• Gestion de la non-monotonie : La méthodologie traite avec succès les difficultés introduites par les environnements changeants non monotones, qui sont biologiquement significatifs mais mathématiquement complexes.
• Confirmation de conjecture : Le résultat principal confirme une conjecture concernant le cas de verrouillage énoncée dans un travail antérieur [16, Remarque 3], qui utilisait une approche Hamilton–Jacobi pour un cas monotone spécifique. Ce papier étend la validité du phénomène de verrouillage aux contextes non monotones.
• Limites : L'auteur note que bien que la vitesse de propagation soit caractérisée, la correction du retard logarithmique (correction de Bramson) pour la position du front de la solution reste un problème ouvert pour les systèmes proie-prédateur, et l'argument actuel ne traite pas cela.

L'article conclut en appliquant ces résultats généraux à un modèle de Lotka–Volterra avec un taux de conversion changeant, démontrant le calcul explicite des vitesses de propagation et la vérification de la convergence asymptotique vers des états de coexistence.