Kuiva vai uiva metsä? Veden vaikutukset metsien hiilen kiertoon ja metsätuhoihin Mikko Peltoniemi Tieteiden talo, Helsinki 13.9.2012
Sisältö Taustaa: Ilmastonmuutos, kasvit ja vesi (kuivuus) Kuivuus ja 1. metsikön hiilitase ja sen ennustaminen 2. vaikuttaako kuivuus myös kasvuun? 3. metsätuhot
Ilmastonmuutos: Kuiva vai uiva metsä? Haihdunta kasvaa kun lämpötila nousee Sadanta kasvaa erityisesti talvella Kesäsadanta entisellään tai kasvaa hieman Sateet intensiivisempiä, harvempia Erittäin kosteat ja kuivat jaksot yleistynevät Miten metsät reagoivat? Pienilläkin ilmastollisilla muutoksilla voi olla suuria seurannaisvaikutuksia
Kasvit ja kuivuus Puilla useita erilaisia selviytymiskeinoja kuivuuden sietämiseen Adaptaatio / akklimaatio Toiminnalliset / rakenteelliset piirteet Nopeat / hitaat vasteet
Sulkeako ilmaraot vai yhteyttääkö? Eri puulajit voidaan karkeasti jakaa kahteen ryhmään niiden kuivuusstrategian perusteella Hydraulic failure Ilmarakoja ei suljeta, isot neg. lehtien vesipotentiaalit Energiasta ei pulaa Vesipotentiaaliero lehtien ja maan välillä kasvaa kestämättömäksi Veden kuljetuksen katkeaminen Carbon starvation Ilmaraot suljetaan jo aikaisessa vaiheessa kun maa kuivuu / VPD kasvaa, heikko vedenkuljetusrakenne Yhteytys lakkaa, varastoitu energia kuluu ylläpitoon
Keinoja selviytyä kuivassa Toiminnallisia keinoja, mm Ilmarakojen optimaalinen säätö (Max{A-λE}) Osmoottinen kontrolli solutasolla Rakenteellisia keinoja, mm Lehti-juuristo suhteen optimointi Latvuksen ja lehtien rakenne Kasvin osien, erit. lehtien, tiputtaminen (modulaarisuus) Energiavarastodynamiikka todennäköisesti tärkeä Kasvu, suojautuminen patogeeneiltä jne. Vrt. Carbon starvation-strategia/hypoteesi
Mallikehitys VEDEN VAIKUTUKSET METSIEN HIILITASEELLE
Mitä kuivuuden vaikutuksien ennustaminen vaatii? Sadanta haihdunta -tasetta Haihdunnan ennustaminen hankalampaa kuin fotosynteesin Evaporaatio Transpiraatio Maaperätekijöistä usein heikkoa tietoa Yksinkertainen GPP-pohjainen lähestymistapa hedelmällinen?
GPP-haihdunta-vesitase malli PRELES Yksinkertainen semi-empiirinen malli (Peltoniemi et al., käsikirjoitus) Soveltuu esim. kuivuusindeksin laskemiseen
Mallin sovitus eddy-dataan Fotosynteesiin (GPP), haihduntaan (ET) ja maaperän vesipitoisuus θ ET myös valuma-alueen vesitaseesta Vuotuisen eddy-et:n ja vesitase-et:n erot huomattavat Mikä on potentiaalisen eddy-et:n harhan vaikutus mallin ennusteille? Sovitettiin kaikki vasteet (GPP, ET, θ) yhtä aikaa (Bayes-sovitus) VALUMA SADE Mallin sovittaminen vaste (GPP ja ET) kerrallaan ilman informaatiota maaperän vedestä Δθ Ratkaise ET
Maaperän vesipitoisuuden ennusteet Mittaukset Kun GPP, ET, θ yhdessä sovituskriteereinä saatiin kohtuullinen vesiennuste vaikka haihdunta harhainen Osa kerrallaan sovitettu malli herkempi harhalle
Kuivuusvaste Kuivuuden vaikutuksen ennustaminen onnistuu erinomaisesti vaikka vesitaseen ennusteeseen jää harhaa GPP- ja ET-mallit kompensoivat harhan vesiennusteessa
KASVU JA SÄÄMUUTTUJAT
Kasvu ja säämuuttujat Kasvu vaihtelee vuosittain jopa 30 % Kasvuun vaikuttaa vesi solujen turgor-paineen (solujakautuminen) ja fotosynteesikertymän kautta Aiemmin selitetty kasvun vaihtelua lämpötiloilla ja sadannoilla Selittyykö kasvunvaihtelu ennustetulla maaperän kuivuudella?
Kasvulustojen ja kuivuusmallin ennusteiden vertailu (H.Henttonen et al.) Pohjoiskarjalan-alue, lustot 1962-2005 Hiidenmaa, lustot 1967-2005 + 4 muuta aluetta Kuivia kasvupaikkoja, mänty Aikasarjojen korrelaatioanalyysi: Vuotuiset kasvuindeksit vs. Lämpötila-aikasarja Sadanta-aikasarja PRELES-mallinnettu kuivuus -aikasarja
KASVUINDEKSI, MÄNTY, CT, POHJOIS-KARJALA
KASVUINDEKSI, MÄNTY, CT, HIIDENMAA
Ilmasto METSÄTUHOT
Metsätuhot ja kuolemankierrehypoteesi Altistaako kuivuus metsätuhoille? Kilpailu tappaa harvoin puita Useimmat kuolevat seurannaistuhoihin kilpailun heikentämänä Kuivuuskin tappaa harvoin Kuivuus voi silti laukaista saman kierteen Puiden energiavarastot ratkaisevia Kilpailuasetelman vaikutus? Carbon starvation, hydraulic failure Abiotic stress: e.g. drought Fig: Franklin 1987
Mäntypistiäinen ja ilmasto Predators Birds, mammals, ants, etc. Egg parasites eggs Winter N. sertifer N. Summer Climate factors Winter min. T (-36C) Summer T Rainfall Parasites Diseases SURROUNDING LANDSCAPE N Resin Needle quality /tree vitality Scots pine tree / stand Soil factors Phenological changes
Indeksi, standardoitu Ruskomäntypistiäinen (Neodiprion sertifer) KUIVAA LÄMMINTÄ PALJON TUHOJA 2,5 2,0 1,5 1,0 0,5 Southern Savo / Puumala Kuiva jakso (PRELES-ennustettu) Laajamittaisia Drought mäntypistiäishavaintoja Winter_Min_T 0,0 1960 1965 1970 1975 1980 1985 1990-0,5 European_Pine_Sawfly_ outbreak_indice -1,0-1,5-2,0-2,5 MÄRKÄÄ KYLMÄÄ VÄHÄN TUHOJA Lämpimiä talvia Seppo Neuvonen et al, work in progress Laajamittaisia mäntypistiäistuhoja havaitaan (1975-1978) Ei kovia talvipakkasia ennen tuhoja, talvehtivat munat eivät kuole Altistava kuivuus ennen tuhoja, heikentynyt defenssi? TUHOT SEURAAVAT VIIVEELLÄ SÄÄILMIÖITÄ
Pistiäisten (Diprionidae) esiintyminen ja ympäristötekijät Hypoteesi: Kuivuus vaikuttaa pistiäistuhojen esiintymiseen männyllä ICP I materiaali (1995-2008, yht. 707 koealaa, 132493 mittausta, joista valittu kangasmaan männyt e-suomessa) Logistinen sekamalli, puut koealoilla, (tuho 0/1) Kuivuus PRELES-ennustettu: Mittauskesän, edellisen kesän ja sitä edellisen kesän kuivuus (kesän pienin kk-keskiarvo) Standardoitu ennustepistekohtaisesti Lisäksi kovariaatit: puun koko, kilpailuasetelma, pohjoiskoordinaatti
Malliennusteet ja kuivuus Mallin kuivuusennuste osoittautui merkittäväksi selittäjäksi eri lag-efekteillä Kuluvan kesän kuivuus * Vuosi - 1 * Vuosi 2. Kuivuutta ennustavat topografiatekijät korreloituneita puustoa kuvaavien tunnuksien kanssa, efekti epäselvä (työ jatkuu) Conseq. years. * * Dbh=20cm, PPA=30m2
Yhteenveto Kuivuus vaikuttaa kokonaisvaltaisesti puihin/metsiin Sateiden jakautumisella kasvukaudella voi olla iso merkitys Seurannaismerkitykset potentiaalisesti dramaattisia (erit. tuhot) Seurannaisvaikutusten fysiologista ja ekologista mekaniikkaa täytyy selvittää lisää Yksinkertaisilla malleilla päästään kuitenkin alkuun Ilmastollisten ääritilanteiden vaikutuksien arviointi vaatii Hyvät kasvillisuuden vastemallit, kilpailun vaikutus Altistavat spatiaaliset tekijät - puulajikohtaisesti Kasvit sopeutuneita: Anomaliatilanteet suhteessa niiden säähistoriaan, ääriarvojen tilastotiede