Nieuwe methode voor het modelleren van de wereldwijde waterbeweging in planten

Gouden uur met uitzicht op het UConn Bos.

Aardesystemenmodellen zijn belangrijke hulpmiddelen voor het bestuderen van complexe processen die zich wereldwijd voordoen, zoals die tussen de atmosfeer en de biosfeer. Ze helpen onderzoekers en beleidsmakers beter te begrijpen hoe verschijnselen zoals klimaatverandering werken. Door meer gegevens in deze simulaties op te nemen, kan de nauwkeurigheid van de modellering worden verbeterd; soms vereist dit echter de moeilijke taak om miljoenen gegevenspunten te verzamelen.

Onderzoekers, waaronder James Knighton, assistent-professor aan de UConn-afdeling Natuurlijke Hulpbronnen en Milieu, Pablo Sanchez-Martinez van de Universiteit van Edinburgh, en Leander Anderegg van de Universiteit van Californië, Santa Barbara, hebben een methode ontwikkeld om de noodzaak van het verzamelen van gegevens over meer dan 55.000 boomsoorten te omzeilen. Dit is gedaan om beter rekening te houden met hoe planten de waterstroom op aarde beïnvloeden. Hun bevindingen zijn gepubliceerd in Scientific Data.

Planten spelen essentiële rollen in de processen op aarde, van het vastleggen van koolstof tot het beschikbaar maken van zuurstof voor andere levensvormen, zoals mensen. Planten zijn ook verantwoordelijk voor de waterbeweging, zegt Knighton, waarbij naar schatting 60% van alle regen via transpiratie weer aan de atmosfeer wordt teruggegeven. Deze enorme wereldwijde waterbeweging door planten is complex en wordt momenteel in aardesystemenmodellen (ESM’s) op een vereenvoudigde manier weergegeven, waarbij alle planten in een regio als één entiteit kunnen worden beschouwd (d.w.z. een plantfunctioneel type).

“Plantfunctionele types (PFT’s) worden gebruikt omdat we niet veel weten over de details van individuele plantensoorten,” zegt Knighton, lid van de faculteit van de Faculteit Landbouw, Gezondheid en Natuurwetenschappen. “Het zou moeilijker zijn om een gedetailleerde kaart van vegetatie over een continent te maken en alle juiste waarden voor elke individuele soort in te voeren, dus het is gemakkelijker om slechts één algemeen PFT te beschouwen.”

Het probleem met PFT’s is dat verschillende plantensoorten variëren in hun hydrologische eigenschappen – of hoe water door planten beweegt – en deze vereenvoudiging van zulke systemisch invloedrijke eigenschappen kan de effectiviteit van beschikbare modellen om de toekomst te voorspellen beperken. Wetenschappers zijn begonnen deze verschillen te verantwoorden door databases te creëren, zoals de TRY Plant Trait Database, waar deze informatie wordt verzameld. Knighton wijst er echter op dat slechts ongeveer 5.000 tot 15.000 plantensoorten hun eigenschappen goed zijn gecatalogiseerd na enkele eeuwen plantwetenschap.

“Er zijn ongeveer 60.000 tot 70.000 boomsoorten op aarde, wat betekent dat we na 200 jaar misschien 5 tot 10% van wat er gebeurt weten,” zegt hij. “Als we het zo zouden aanpakken, zou het ons nog eens 2.000 jaar kosten om alles te leren wat we nodig hebben, en tegen die tijd is de klimaatverandering al aan de gang, en is het te laat. We kunnen dat niet doen. We kunnen niet gewoon wachten tot veldonderzoekers naar buiten gaan en hun studies uitvoeren om deze wereldwijde database te vullen. Het is nog steeds ongelooflijk nuttig om veldstudies uit te voeren, maar die alleen zullen niet snel genoeg zijn.”

Knighton en zijn collega’s besloten dit probleem aan te pakken en het proces te versnellen door te kijken naar de beschikbare gegevens voor eigenschappen – informatie zoals hoe hoog een boom groeit, hoe diep de wortels dalen, of hoe snel water binnen de plant stroomt. Ze vergeleken vervolgens de geschiedenis van die soort en de verwantschap met andere soorten in wat een fylogenetische test voor die eigenschappen wordt genoemd.

“We keken om te zien hoe vergelijkbaar de eigenschapswaarden zijn tussen nauw verwante soorten, en het idee daarachter is, als deze eigenschappen cruciaal zijn voor hun overleving, zal de evolutie de eigenschapswaarden hebben behouden, ze zullen niet willekeurig verspreid zijn,” zegt Knighton. “Bijvoorbeeld, als het groeien van diepe wortels cruciaal was voor een bepaald type plant om te overleven, zullen de soorten die daarvan afsplitsen waarschijnlijk ook diepe wortels hebben, en alles wat in die familie of dat geslacht zit, zal een vergelijkbare wortelstructuur hebben.”

De onderzoekers voerden de test uit voor alle eigenschappen en Knighton zegt dat ze hoge niveaus van behoud vonden over de fylogenetische boom, wat betekent dat nauw verwante soorten de neiging hebben om dicht bij elkaar liggende eigenschapswaarden te hebben. “Vervolgens namen we de fylogenie waar je alle plantensoorten op aarde kunt nemen en ze op elkaar kunt in kaart brengen, en precies kunt tonen hoe nauw verwant elke plant is aan elke andere plant,” zegt hij.

Knighton zegt dat ze de eigenschapsgegevens kunnen imputeren als ze de informatie voor nauw verwante soorten hebben, wat betekent dat deze gegevens kunnen worden afgeleid zonder miljoenen veldmetingen te hoeven maken. “We gebruikten verschillende numerieke machine learning-technieken, en daarmee konden we een database opstellen van deze zeer kritische boomwaarden voor 55.000 boomsoorten op aarde,” zegt hij. “Als je wereldwijde modellering wilt doen die meer detail in de vegetatie omvat, wat belangrijk is, heb je nu een startpunt. Je hoeft niet deze algemene, één plantensoort per continent-aanpak te gebruiken; je zou in theorie iets gedetailleerder kunnen proberen, maar je moet wel alle verschillende soorten invoeren en kijken wat er gebeurt.”

Knighton zegt dat ze dit werk beschouwen als een laagwaardige benadering, maar het is een belangrijk startpunt. Naarmate meer gegevens worden verzameld door veldonderzoekers, kunnen deze gegevens worden gebruikt om de geïmputeerde gegevens bij te werken en te verfijnen om de nauwkeurigheid van deze aanpak te verbeteren. Dit werk is de volgende stap in een groter project, waarvan de eerste stap een proof-of-concept-experiment op een kleiner, meer lokaal niveau was. Dit project heeft deze methode van het imputeren van hydrologische eigenschappen als een levensvatbare aanpak vastgesteld, en Knighton zegt dat de volgende stap is om de geïmputeerde gegevens te vergelijken met observatiegegevens die ze verzamelen in het UConn-bos en van andere locaties in de Verenigde Staten.

Knighton legt uit dat er 10 locaties in de VS zijn waar voldoende gegevens worden verzameld, die als testcase zullen dienen. Knighton zegt dat masterstudent Caroline Stanton ’26 momenteel ecosysteemmodellen voor elke locatie aan het bouwen is, en ze zijn hoge resolutiemodellen aan het kalibreren om de eigenschappen te schatten die ze zullen vergelijken met gegevens die wetenschappers in de afgelopen 20 jaar hebben verzameld.

Vervolgens zullen ze de geschatte plant-eigenschappen vergelijken met de observatiegegevens die van de site zijn verzameld om te zien hoe de kwaliteit van het model wordt beïnvloed door elke benadering. Uiteindelijk hopen de onderzoekers de methode toe te passen op bosrijke gebieden over de hele wereld om aspecten te bestuderen van wat de variatie in eigenschappen aandrijft. Het begrijpen van de variatie in eigenschappen tussen verschillende plantensoorten heeft het potentieel om de nauwkeurigheid van modellen te versterken, maar deze gegevens kunnen ook inzicht geven in wat de verschillende eigenschappen laat variëren.

Knighton zegt dat hij en zijn collega’s hopen dat klimaatmodelleurs deze informatie nuttig zullen vinden, maar ze hopen ook dat het ons begrip van het aardesysteem als geheel kan verbeteren, en meer over de vitale rollen die planten spelen. “Planten beheersen onze omgeving in ongelooflijke mate.”