Jak lasy reagują na zmianę klimatu

Naukowcy wciąż nie w pełni rozumieją, jak lasy w regionie SSA reagują na zmieniający się klimat. Aby rozwikłać tę zagadkę, powstał projekt "Assessing climate change impacts over large areas of primary forests in southern South America" (FORECOFUN-SSA).

Stworzono dynamiczne ramy modelowania do analizowania interakcji między lasem a klimatem oraz mechanizmy ekologiczne kontrolujące reakcję gatunków drzew i drzewostanu na zmianę klimatu. Ramy wykorzystano do stworzenia modelu ekosystemu leśnego w celu zbadania licznych i oddziałujących na siebie wzajemnie wpływów na lasy w regionie SSA na szeroką skalę.

Przeprowadzono badania w terenie w celu uzyskania danych na temat struktury i składu lasu. Naukowcy zidentyfikowali także cechy, które odpowiadają za istotne zmiany w gatunkach dominujących wraz z dużym gradientem klimatycznym. Wyniki zastosowano, by zdefiniować parametry kontrolujące reakcję różnych gatunków drzew na klimat.

Partnerzy projektu dokonali także modelowania dynamiki lasów w skali drzewostanu i w skali regionalnej w celu oceny składu leśnego i rozmieszczenia gatunków. Dane pochodzące z symulacji wykazały, że bardziej suchy klimat silnie wpłynie na zmianę struktury leśnej, prowadząc do drastycznego spadku nadziemnej biomasy.

Projekt FORECOFUN-SSA wniósł także wkład w bazę danych morfologicznych i funkcjonalnych cech roślin. Bada ta pozwoli naukowcom zrozumieć, jak ekosystemy przystosowują się do globalnej zmiany.

Symulacje komputerowe ujawniły, że zmiany spowodowane przez człowieka w częstotliwości i intensywności występowania pożarów wpływają na odporność zagrożonego wyginięciem gatunku drzewa iglastego Pilgerodendron oviferum. Pokazały także, że bogate w gatunki lasy andyjskie zostaną prawdopodobnie wyparte przez posuwające się na wschód tereny zalesione zdominowane przez pojedynczy gatunek, a ostatecznie przez stepy.

Wyniki projektu przyczyniły się także do pogłębienia wiedzy na temat rzadkich i w mniejszym stopniu zbadanych gatunków drzew, obniżając w ten sposób poziom niepewności w modelach predykcyjnych. Umożliwiło to przeprowadzenie starannego modelowania dużych obszarów lasów pierwotnych w regionie SSA i usprawniło produkcję wysokiej jakości danych referencyjnych dla potrzeb przyszłych badań.