Будущие леса будут иметь более мелкие деревья и поглощать меньше углерода
Исследователи из Университета Аризоны, объединив данные годичных колец деревьев с инвентаризационными данными Лесной службы США по сосне желтой (Ponderosa pine) в Аризоне, создали модель для прогнозирования роста деревьев в условиях меняющегося климата.
Ключевой вывод: Модель предсказывает снижение индивидуального прироста деревьев на 56–91%. Это приведет к сокращению поглощения атмосферного углекислого газа (CO2) лесами Аризоны в будущем.
Методология:
- Данные инвентаризации леса (проводится раз в 10 лет на западе США) предоставили информацию о количестве деревьев, их диаметрах и качестве почвы на участках.
- Данные дендрохронологии (годичные кольца) добавили высокое временное разрешение, позволив оценить реакцию деревьев на ежегодные изменения климата.
- Совместный анализ позволил учесть комплекс факторов: конкуренцию между деревьями, качество почвы, диаметр дерева, а также климатические переменные (вариации осадков и температуры).
Причины снижения роста:
- Влияние температуры: Рост сосны желтой в Аризоне снижается с повышением температуры. Крупнейшие деревья наиболее уязвимы, так как их водопроводящая система испытывает большее напряжение и повреждается при потеплении.
- Влияние засухи: Мелкие деревья более уязвимы к засухе, вызванной нехваткой воды, из-за меньшей площади корневой системы.
- Плотность леса: Более густые леса хуже переносят жаркие и засушливые условия. Современная тенденция к увеличению плотности этих лесов вызывает обеспокоенность.
Практическое значение:
- Для глобального углеродного цикла: Леса — одна из естественных климатических решений для связывания CO2. Снижение их продуктивности повлияет на углеродный баланс.
- Для управления лесами: Лесники могут смягчать климатический стресс, регулируя плотность леса через прореживание, тем самым уменьшая конкуренцию за ресурсы.
Дальнейшие исследования планируется направить на включение в модель таких факторов, как прошлые лесные пожары или вспышки численности насекомых-вредителей, чтобы уменьшить неопределенность прогнозов.