Прогнозирование здоровья леса с помощью моделей для предсказания высоты древесного полога
Высота деревьев — важный показатель зрелости и общего здоровья леса. Проекты по восстановлению лесов полагаются на высоту деревьев как на предиктор и меру успеха, но прогнозировать будущую высоту деревьев в лесу только на основе наблюдений практически невозможно. Слишком много факторов влияет на рост и здоровье деревьев.
Поскольку множество факторов может влиять на развитие дерева, исследователи усовершенствовали прогностическую модель под названием Allometric Scaling and Resource Limitations (ASRL), а затем развернули её с помощью Google Earth Engine, изучив леса на северо-востоке США.
Исследование опубликовано в Journal of Remote Sensing.
"Потенциальная высота дерева может заглянуть в будущее, показывая рост дерева на бесконечной временной шкале. Прогнозирование потенциальной высоты деревьев важно для будущего развития и структуры леса, что чрезвычайно значимо для планирования и оценки восстановления лесов", — сказал Чжэньпэн Цзо, докторант Бостонского университета. "С развитием компьютерного моделирования лесных процессов в различных масштабах появилось несколько механистических моделей для моделирования потенциальной высоты".
Модели, предсказывающие потенциальную высоту деревьев, учитывают известные ограничения роста, такие как возрастающая трудность подъёма воды (гидравлическое ограничение), уязвимость к повреждению ветром (механическое ограничение) и условия почвы. Это исследование фокусируется на модели ASRL, основанной на водном балансе. В своей основе модель ASRL решает задачу пересечения трёх различных скоростей потока, используя потенциальный спрос дерева на воду, потребление воды и её рассеивание для прогнозирования высоты дерева.
В этом исследовании учёные попытались улучшить модель ASRL, сделав акцент на восстановлении лесов, и развернули её с помощью платформы геопространственных облачных вычислений Google Earth Engine для анализа буково-кленово-берёзовых лесов. Эта версия модели ASRL учитывала не только скорости потоков, но и временной масштаб, пространственное разрешение и механизмы модели. Модель использовала локальные метеорологические данные за последние десять лет (2011–2020 гг.) для улучшения прогнозов, а также учитывала три аллометрических измерения: высота дерева против радиуса ствола, высота дерева против высоты кроны и высота дерева против радиуса кроны.
Чтобы показать эффективность модифицированной модели ASRL, исследователи сравнили свои результаты с ранее опубликованными прогнозами высоты деревьев. Были случаи, когда модель ASRL переоценивала высоту деревьев, но исследователи связали большинство этих завышенных прогнозов с очень молодыми лесами, которые сложнее предсказывать.
По сравнению с исходной версией модели ASRL, модифицированная версия оказалась гораздо успешнее в прогнозировании высоты деревьев.
"Новая версия обеспечивает более реалистичные прогнозы для конкретной группы видов благодаря улучшенному временному масштабу моделирования, более целенаправленной параметризации и более полным механизмам, а также обеспечивает лучшее пространственное покрытие за счёт использования сеточных данных климатического реанализа. Она также не использует тактику подбора параметров для соответствия существующим наблюдениям за высотой деревьев и, следовательно, сохраняет прогностическую природу исходной модели", — сказал Цзо.
Помимо тестирования модифицированной модели ASRL, исследователи сообщили о результатах своих выводов, которые предсказывают, что высота деревьев в этих буково-кленово-берёзовых лесах будет негативно влиять более жаркий и менее влажный климат, что вероятно в условиях изменения климата.
В перспективе исследователи надеются расширить географию исследования. "Мы ожидаем увеличить область исследования с регионального пространства до всей континентальной части США, применяя метод к большему количеству типов и групп лесов. Эта работа, надеемся, приведёт к созданию продукта данных о потенциальной высоте лесов в зависимости от вида", — сказал Цзо.