Vorhersage der Waldgesundheit mithilfe von Modellen zur Vorhersage der Baumkronenhöhe

Die Baumhöhe ist ein wichtiger Indikator für die Reife und allgemeine Gesundheit eines Waldes. Waldrestaurierungsprojekte stützen sich auf die Baumhöhe als Prädiktor und Maßstab für den Erfolg, aber die zukünftige Baumhöhe eines Waldes allein auf der Grundlage von Beobachtungen vorherzusagen, ist nahezu unmöglich. Zu viele Faktoren tragen zum Wachstum und zur Gesundheit von Bäumen bei.

Da so viele Faktoren Einfluss darauf haben können, wie sich ein Baum entwickelt, haben Forscher ein Vorhersagemodell namens Allmetric Scaling and Resource Limitations (ASRL)-Modell verbessert und es dann mithilfe der Google Earth Engine eingesetzt, um Wälder im Nordosten der USA zu untersuchen.

Die Forschung ist veröffentlicht im Zeitschrift für Fernerkundung.

„Die potenzielle Baumhöhe kann bis in die Zukunft reichen und das Wachstum eines Baumes über einen unendlichen Zeitraum beobachten. Die Vorhersage der potenziellen Baumhöhe ist wichtig für die zukünftige Waldentwicklung und -struktur, was für die Planung und Bewertung der Waldwiederherstellung von großer Bedeutung ist“, sagte Zhenpeng Zuo, ein Doktorand Student an der Boston University in Boston, Massachusetts. „Mit der Weiterentwicklung von Computersimulationen von Waldprozessen in verschiedenen Maßstäben sind mehrere mechanismusbasierte Modelle zur Simulation potenzieller Höhen entstanden.“

Modelle, die potenzielle Baumhöhen vorhersagen, berücksichtigen bekannte Einschränkungen des Baumwachstums, wie z. B. die zunehmende Schwierigkeit für Bäume, Wasser zu heben (hydraulische Einschränkung), die Anfälligkeit für Windschäden (mechanische Einschränkung) und die Bodenbedingungen. Diese Studie konzentriert sich auf das auf dem Wasserhaushalt basierende ASRL-Modell. Im einfachsten Fall löst das ASRL-Modell den Schnittpunkt von drei verschiedenen Durchflussraten und nutzt dabei den potenziellen Wasserbedarf, die Wasseraufnahme und die Wasserableitung des Baums, um vorherzusagen, wie hoch ein Baum sein wird.

Für diese Studie versuchten die Forscher, das ASRL-Modell zu verbessern, indem sie die Wiederherstellung von Wäldern hervorhoben, und setzten es mithilfe der Google Earth Engine, einer Geodaten-Wolkenberechnungsplattform, ein, um Buchen-Ahorn-Birken-Wälder zu analysieren. Diese Version des ASRL-Modells berücksichtigte nicht nur die Durchflussraten, sondern auch Zeitskala, räumliche Auflösung und Modellmechanismen. Das Modell zog lokale meteorologische Datensätze der letzten zehn Jahre (2011 bis 2020) heran, um die Vorhersagen zu verbessern, und berücksichtigte dann drei allometrische Messungen: Baumhöhe versus Stammradius, Baumhöhe versus Kronenhöhe und Baumhöhe versus Kronenradius.

Um zu zeigen, wie gut das modifizierte ASRL-Modell funktionierte, verglichen die Forscher ihre Ergebnisse mit zuvor gemeldeten Baumhöhenvorhersagen. Es gab einige Fälle, in denen das ASRL-Modell die Baumhöhe überschätzte, aber die Forscher führten die meisten dieser überhöhten Vorhersagen auf sehr unreife Wälder zurück, die schwieriger vorherzusagen sind.

Im Vergleich zur Originalversion des ASRL-Modells ist die modifizierte Version bei der Vorhersage der Baumhöhe viel erfolgreicher.

„Die neue Version liefert realistischere Vorhersagen für eine bestimmte Artengruppe aufgrund einer verbesserten Simulationszeitskala, gezielterer Parametrisierung und vollständigerer Mechanismen und bietet eine bessere räumliche Abdeckung durch die Verwendung gerasterter Klima-Reanalysedaten. Außerdem werden die Parameteroptimierungstaktiken nicht verwendet.“ „passt an vorhandene Baumhöhenbeobachtungen und behält daher den prognostischen Charakter des ursprünglichen Modells bei“, sagte Zuo.

Zusätzlich zum Test des modifizierten ASRL-Modells berichteten die Forscher über die Ergebnisse ihrer Ergebnisse, die vorhersagen, dass die Baumhöhe dieser Buchen-Ahorn-Birken-Wälder durch ein heißeres und weniger feuchtes Klima negativ beeinflusst wird, was wahrscheinlich mit dem Klimawandel einhergeht.

Für die Zukunft hoffen die Forscher, den Umfang des Untersuchungsgebiets zu erweitern. „Wir gehen davon aus, dass wir das Untersuchungsgebiet vom regionalen Raum auf die gesamten angrenzenden Vereinigten Staaten erweitern und die Methode auf mehr Waldtypen und -gruppen anwenden werden. Diese Arbeit wird hoffentlich zu einem Datenprodukt artenabhängiger potenzieller Waldhöhen führen“, sagte Zuo.