Een verfijnd model voor bodemvocht onthult plantengedrag en klimaatpatronen

Vergelijking van modelaanpassing. De kaarten tonen de mediane R2-verschillen per SMAP-raster tussen (a) de niet-lineaire en lineaire verliesmodellen, en (b) de niet-lineaire en τ-gebaseerde lineaire verliesmodellen.

Elke tuinier weet dat ze hun bewateringsregime moeten afstemmen op verschillende planten. Vergeet je de bloemenbedden in het weekend water te geven, dan kan dat een ramp betekenen, maar de bomen zullen waarschijnlijk wel overleven. Planten hebben verschillende strategieën ontwikkeld om hun watergebruik te beheren, maar bodemvochtmodellen hebben dit tot nu toe grotendeels genegeerd.

Onderzoekers van de UC Santa Barbara en de San Diego State University hebben een manier gezocht om verder te gaan dan eenvoudige aan/uit-modellen om de genuanceerde manieren vast te leggen waarop planten omgaan met waterstress. Daartoe hebben ze een niet-lineair model ontwikkeld dat deze gedragingen in satellietdata kan observeren. Hun methodologie, gepubliceerd in Geophysical Research Letters, zal klimaatmodellen verbeteren en onze eigen waterbeheerstrategieën informeren.

“We hebben ontdekt dat planten niet eenvoudig reageren op waterstress,” zegt de senior auteur Kelly Caylor, professor aan de Bren School of Environmental Science & Management van UCSB. “In plaats daarvan hebben ze dynamische responspatronen die onthullen of ze ‘waterverbruikers’ of ‘waterbespaarders’ zijn.”

Hoe de bodem uitdroogt
Water kan veel paden volgen nadat het heeft geregend. Het kan naar beneden gaan: van het oppervlak afstromen in beken en rivieren of in diepe aquifers sijpelen. Of het kan omhoog gaan: ofwel direct verdampen van de bodem of via de wortels door planten worden opgenomen, die het water via hun bladeren naar de atmosfeer transpireren. Wetenschappers verwijzen naar deze laatste twee processen als evapotranspiratie.

De manier waarop bodems uitdrogen beïnvloedt de ecologie, weerspatronen en wereldwijde hulpbronnen cycli. Helaas hadden wetenschappers tot voor kort niet veel grootschalige data over bodemuitdroging, waardoor ze sterk afhankelijk waren van numerieke simulaties. “Ironisch genoeg gebruiken de meeste modellen geen bodemvochtdata, terwijl bodemvocht een centrale component is van hydrologisch gedrag,” zegt hoofdauteur Ryoko Araki, een gezamenlijke doctoraatsstudent aan UCSB en SDSU. Deze data was moeilijk te verzamelen en lastig in modellen te integreren, waardoor wetenschappers vaak op neerslag of rivierafvoeren vertrouwden.

De klassieke modellen gaan ervan uit dat alle planten de transpiratie met dezelfde snelheid en op vergelijkbare tijdstippen verminderen. “Alle planten—ongeacht of ze jong of oud zijn, zomer of winter, boom of gras, klein of groot,” aldus Araki. Dit maakt analyse en experimentatie eenvoudiger, maar negeert het gedrag van planten, een groot deel van wat het proces aandrijft. Het opnemen van de interactie tussen planten en de bodem zou de nauwkeurigheid en voorspellende kracht van het model moeten verbeteren, concluderen de auteurs. Ze redeneerden ook dat als het uitsluiten van plantgedrag leidde tot een lineair model, een niet-lineair model hen zou kunnen helpen deze watergebruikstrategieën te onderzoeken.

Een nieuw model bouwen
Araki begon met een lineair model van evapotranspiratie gebaseerd op tijd en bodemvocht. Vervolgens introduceerde ze een niet-lineaire variabele om rekening te houden met hoe planten hun watergebruik aanpassen in reactie op het bodemvocht zelf. In tegenstelling tot wetenschappers van enkele decennia geleden, hebben Araki en haar co-auteurs toegang tot een schat aan data, die ze gebruikten om het nieuwe model te valideren met bodemvochtmetingen. Ze maakten gebruik van de SMAP-satelliet van NASA, die microgolven gebruikt om de gemiddelde bodemvochtigheid over het aardoppervlak te meten.

De auteurs ontdekten dat de niet-lineaire aanpak de satellietdata veel beter paste dan een van de twee belangrijkste lineaire modellen. Ze ontdekten ook dat lineaire modellen de evapotranspiratiesnelheden vaak overschatten, met de voorspelling dat bodems veel sneller uitdrogen dan in werkelijkheid het geval is. Een nauwkeuriger verslag van dit proces is van groot belang in een staat met blijvende waterzorgen.

Volgens Araki hebben sommige collega’s de niet-lineaire model als onnodig complex bekritiseerd. Hoewel de voorspellingen mogelijk nauwkeuriger zijn, zeggen zij dat de extra parameter het moeilijker maakt om toe te passen. Araki erkent dit, maar stelt dat de resultaten deze afweging rechtvaardigen. “Ook al is het niet-lineaire model ingewikkelder, het past beter bij de data en legt meer van de gedragingen van het systeem vast,” zegt ze. Bovendien biedt het een manier om plantadaptaties te onderzoeken.

Het is moeilijk te meten hoe planten hun wateropname beheren in reactie op omgevingscondities. “Blijven ze doorgroeien zolang ze nog een bepaalde hoeveelheid water hebben, of stoppen ze gewoon volledig met transpireren om weefselschade te voorkomen?” vraagt co-auteur Bryn Morgan, een voormalige doctoraatsstudent aan UCSB die nu postdoctoraal fellow is aan MIT.