Der allgemeine Gesundheitszustand von Wäldern kann anhand des Mikro- und Makronährstoffgehalts von Baumblättern beurteilt werden, um Entscheidungen zur Waldbewirtschaftung angesichts des Klimawandels, des Artenverlusts und anderer Variablen zu treffen. Herkömmliche Methoden zur Beurteilung des Nährstoffgehalts in Wäldern sind teuer und arbeitsintensiv.
Forscher haben vor kurzem die reflektierten Spektren von Baumblättern analysiert, um den Nährstoffgehalt der Blätter präzise zu bestimmen und so eine schnellere und groß angelegte Methode zur Beurteilung der Waldgesundheit anzubieten.
Feldmethoden, bei denen Blattproben gesammelt und anschließend der Nährstoffgehalt des Laubes im Labor gemessen wird, sind zeitaufwändig. Da der Klimawandel die Wachstumsbedingungen verändert, sind neue, schnellere Methoden erforderlich, um den Zustand des Waldes zu beurteilen.
Um dieses Problem zu lösen, analysierte ein Forscherteam der University of Massachusetts und der University of Virginia das von Waldblättern reflektierte Licht (Spektren) über einen großen Wellenlängenbereich, um die Konzentrationen von Kalzium (Ca), Magnesium (Mg), Kalium (K), Phosphor (P), Mangan (Mn) und Zink (Zn) in Blättern genau zu bestimmen.
Das Team veröffentlicht die Studie am 27. Juni im Zeitschrift für Fernerkundung.
Konkret maßen die Forscher reflektiertes Licht bei Wellenlängen von 400 bis 2.450 Nanometern (nm, 1,0 x 10-9 m), um die Nährstoffkonzentrationen zu ermitteln. Das Team konnte die besten Wellenlängen zur Messung jedes analysierten Nährstoffs durch eine partielle Kleinstquadrate-Regression (PLSR) ermitteln. PLSR eignet sich besonders gut für die Verwaltung stark korrelierter unabhängiger Variablen, wie beispielsweise der individuellen Reflektivität über ein kontinuierliches Spektrum.
„Das entwickelte PLSR-Modell prognostizierte Pflanzennährstoffe mit mittlerer bis hoher Genauigkeit für Makro- und Mikronährstoffe in gemäßigten Laubholzwäldern im Nordosten der USA. Spektralmessungen in Kombination mit Wellenlängenauswahl und PLSR-Modellen können verwendet werden, um Makro- und Mikronährstoffe in Blättern auf regionaler Ebene zu quantifizieren und können durch die Einbeziehung geologischer Materialien und Baumgattungen vor Ort weiter verbessert werden“, sagte Qian Yu, außerordentlicher Professor für Erd-, Geographie- und Klimawissenschaften an der University of Massachusetts-Amherst und korrespondierender Autor des Forschungspapiers.
Die Forscher erkannten, dass sie die Nährstoffkonzentration im Laub von Bäumen mithilfe von Spektren deutlich besser bestimmen konnten, wenn sie die Bodenart berücksichtigten, in der die Bäume wuchsen. Bemerkenswerterweise wird diese Variable bei der Beurteilung der Nährstoffzusammensetzung von Baumblättern häufig übersehen.
Das Team maß die Laubnährstoffe Ca und P von Bäumen in vier Bodenarten: grober Gletschermoränenboden, Gletscherfluvialboden, Schmelzmoränenboden und Sanderboden. Durch Berücksichtigung der Bodenart verbesserten die Forscher die Genauigkeit ihrer PLSR-Nährstoffanalyse von R2 = 0,66 auf R2 = 0,87 (ein R2 oder Determinationskoeffizient von 1,0 bedeutet, dass alle beobachteten Abweichungen auf Unterschiede in der unabhängigen Variable oder Spektralmessungen zurückzuführen sind).
Verschiedene Böden hatten mehr oder weniger große Auswirkungen auf Ca und P. So hatte der Boden beispielsweise wenig Einfluss auf die Ca-Konzentration, neigte aber dazu, P in größerem Maße zu beeinflussen. Ausschwemmungsböden lieferten auch die genauesten Vorhersagen für die Ca- und P-Nährstoffe. Entscheidend ist, dass Ca ein limitierender Nährstoff in Wäldern ist, der eine wichtige Rolle in der Pflanzenstruktur, der chemischen Signalgebung und als Enzym-Cofaktor spielt, der die Enzymeffizienz verändert.
Die Baumgattung beeinflusste zusätzlich die Genauigkeit der Vorhersagen der Nährstoffkonzentration im Laub. Tatsächlich verbesserte die Analyse von Spektraldaten basierend auf Baumgattungen die Genauigkeit der Nährstoffvorhersagen sogar besser als die Bodenzusammensetzung. Die Baumgattung verbesserte die Ca-Vorhersagegenauigkeit von R2 = 0,66 auf bis zu R2 = 0,91 bzw. R2 = 0,93 für die Gattungen Fagus (Buche) und Quercus (Eiche). Das Team analysierte auch Spektraldaten für die Gattungen Acer (Ahorn) und Betula (Birke).
Das Forschungsteam vermutet, dass bestimmte Baumgattungen wahrscheinlich Einfluss auf die Blattnährstoffe haben, da die physiologischen Mechanismen, die für die Nährstoffaufnahme und den Nährstofftransport verantwortlich sind, genetisch gesteuert werden und für jede Gattung einzigartig sind. Darüber hinaus benötigen manche Baumgattungen bestimmte Nährstoffe möglicherweise stärker als andere Gattungen, die besser an einen bestimmten Boden angepasst sind, was zu Unterschieden bei der Nährstoffaufnahme führt.
Letztendlich hofft das Forschungsteam, dass sich die neue spektrale Bewertungstechnik erfolgreich auch auf andere Laubwälder anwenden lässt und so wichtige Entscheidungen zur Waldbewirtschaftung unterstützt.
„Die in diesem Artikel vorgestellte Methode ist vielversprechend für die groß angelegte Bewertung von Pflanzennährstoffen und kann die Kosten traditioneller, feldbasierter Ansätze senken“, sagte Wenxiu Teng, Doktorand für Erd-, Geographie- und Klimawissenschaften an der University of Massachusetts-Amherst und Erstautor des Artikels.
Weitere Informationen:
Wenxiu Teng et al., Vorhersage von Nährstoffkonzentrationen im Laub in geologischen Materialien und Baumgattungen im Nordosten der USA unter Verwendung von spektralen Reflexions- und partiellen Kleinstquadrate-Regressionsmodellen, Zeitschrift für Fernerkundung (2024). DOI: 10.34133/remotesensing.0093
Zur Verfügung gestellt vom Journal of Remote Sensing