Foto: Impuls
Satelitske slike iz svemira omogućuju naučnicima da dublje prouče pojedinačne funkcije različitih krošnji tropskih šuma s novim i iznenađujućim rezultatima.
Razumijevanje osobina drveća i funkcionalne različitosti u tropima ključno je za biološku raznolikost, modeliranje ekosistema i očuvanje. Sada, po prvi put, zahvaljujući satelitskim podacima sa satelita Sentinel-2 Evropske svemirske agencije (ESA), naučnici mogu pokazati veliku funkcionalnu raznovrsnost tropskih šuma kakvu nikad prije nisu vidjeli.
U studiji koju je vodio Institut za promjenu okoliša na Univerzitetu u Oxfordu, a u kojoj je učestvovalo više od 100 naučnika iz cijelog svijeta, istraživači su koristili podatke s više od 1800 vegetacijskih parcela, zajedno sa satelitskim podacima, podacima o terenu, klimi i tlu, kako bi predvidjeli varijacije u 13 osobina drveća i mapirali funkcionalnu raznolikost tropskih šuma.
Otkrili su da šume u Americi, Africi i Aziji koriste različite dijelove dostupnog prostora svojstava. Američke tropske šume pokazuju 40% više funkcionalnog bogatstva od afričkih i azijskih šuma, dok afričke šume imaju najveću funkcionalnu divergenciju—32% više od američkih šuma i 7% više od azijskih.
Studija, “Varijacija funkcionalnih osobina krošnje u tropskim šumama Zemlje”, objavljena u časopisu Nature, također identifikuje regije kojima je potrebno više podataka za poboljšanje tačnosti. Ovo istraživanje nudi globalni pogled na to kako i zašto se osobine krošnji tropskih šuma razlikuju među regijama.
Dr. Jesús Aguirre-Gutiérrez, vanredni profesor, rekao je: “Upotrebom najsavremenijih satelitskih podataka možemo dobiti informacije visoke razlučivosti i vidjeti što se događa u krošnjama šuma. To možemo koristiti za kvantificiranje razlika između kontinenata.”
U studiji tim naglašava važnost krošnji tropskih šuma u regulaciji ugljika, vode i energije u atmosferi. Tropske šume su bioraznolikiji ekosistemi na Zemlji, čineći veliki dio globalne raznolikosti, uključujući dvije trećine od 73 000 vrsta drveća. Preko milijardu ljudi ovisi o njima za život.
Međutim, istraživači kažu da još uvijek imamo ograničeno znanje o tome kako se osobine koje utiču na funkcije šume (kao što su oblik, obrasci rasta i reakcije na okoliš) razlikuju na velikim područjima, posebno u tropskim šumama. Iako faktori poput vode, temperature i tla utiču na osobine biljaka, ne razumijemo u potpunosti kako oni utiču na funkciju šume.
Predviđanje distribucije svojstava biljaka na velikim površinama obično se usredotočuje na nekoliko svojstava s više dostupnih podataka, kao što su dušik u listu, fosfor i određena površina lista. Postignut je određeni napredak kombiniranjem podataka o vrstama biljaka sa statističkim modelima i satelitskim daljinskim očitavanjem, ali većina modela još uvijek se oslanja na unaprijed definirane vrste biljaka za procjenu distribucije svojstava i korištenje satelitskih podataka niske rezolucije.
Promatranja s tla u tropskim šumama često su ograničena, što pokazuje potrebu za boljim alatima za praćenje osobina biljaka na velikim područjima s visokom rezolucijom. Također postoji potreba za usporedbom predviđanja napravljenih različitim metodama.
Iako baze podataka o svojstvima biljaka pomažu modelirati distribuciju svojstava, istraživači kažu da nam još uvijek nedostaju sveobuhvatni podaci o svojstvima za većinu vrsta drveća u tropskim područjima poput Amazona, koja ima oko 15 000 vrsta. Razumijevanje varijacija svojstava po kontinentima važno je za predviđanje kako će ekosistemi odgovoriti na promjene poput klimatskih promjena i korištenja zemljišta.
Prethodne studije pokazale su da se osobine biljaka razlikuju u različitim ekosistemima i zajednicama, odražavajući kako su strategije biljaka povezane s uslovima okoliša, omogućujući vrstama da napreduju u određenim nišama.
Dok dinamički globalni vegetacijski modeli (DGVM) i modeli distribucije vrsta (SDM) pomažu u predviđanju učinaka klimatskih promjena, DGVM često koriste široke kategorije biljaka, a SDM mogu zanemariti raznolikost svojstava. Uključivanje specifičnih svojstava biljaka i funkcionalne raznolikosti u ove modele može poboljšati predviđanja kruženja ugljika, vegetacijskih obrazaca i otpornosti ekosistema, što dovodi do boljeg razumijevanja načina na koji ekosistemi reagiraju na globalne promjene.
Tim od 119 naučnika uključivao je 10 istraživača iz ECI-ja.
Dr. Aguirre-Gutiérrez je rekao: “Zahvaljujući dostupnosti terenskih podataka i podataka o svojstvima od lokalnih suradnika, uključujući meksičku mrežu MONAFOR, mrežu Oxford Global Ecosystems Monitoring (GEM), RAINFOR i metamrežu ForestPlots, kao i satelitskim podacima iz ESA-e, uspjeli su tako detaljno usporediti funkcije krošnje.”
Nastavio je: “Umjetna inteligencija ubrzano poboljšava našu sposobnost mapiranja svojstava biljaka korištenjem modela dubinskog učenja primijenjenih na terenske podatke i fotografije. Ovi modeli, posebno konvolucijske neuronske mreže, mogu analizirati velike količine podataka daljinskog očitavanja i kombinovani su sa spektralnim podacima za mapiranje svojstava biljaka.
“Novi sateliti s hiperspektralnim senzorima i visokom prostornom rezolucijom, zajedno s rastućim podacima o popisu drveća, proširuju mogućnosti korištenja umjetne inteligencije kroz vrijeme i prostor.”
Ali tim upozorava da bi umjetna inteligencija trebala podržati, a ne zamijeniti, tradicionalne ekološke metode poput terenskog uzorkovanja i stručne identifikacije stabala kako bi se osigurale točne procjene bioraznolikosti.
Dr. Aguirre-Gutiérrez je dodao: “Postoji potreba za alatima koji mogu predvidjeti distribuciju bioraznolikosti i njezine promjene tokom vremena, a ovaj pristup je korak naprijed. U budućnosti bi satelitski podaci mogli pomoći u praćenju raznolikosti biljaka godišnje, ali to zahtijeva opsežne terenske podatke, napredne modele, više računalne snage i jaku saradnju između istraživača i institucija.”
Studija prikazuje kako se vrste drveća razlikuju u tropskim vlažnim i suhim šumama, u kojima živi većina vrsta drveća na Zemlji. Nalazi pokazuju da su osobine drveća snažno oblikovane dugotrajnom klimom, što pomaže u predviđanju kako klimatske promjene mogu uticati na ove šume. Karte koje istraživači stavljaju na raspolaganje ističu ključna područja za buduća istraživanja, posebno u nedovoljno proučenim regijama poput Afrike i Azije.
Budući da tačnost predviđanja ovisi o kvaliteti podataka i pokrivenosti, ona će se poboljšavati kako više podataka bude dostupno. Ove karte nude značajan korak naprijed u razumijevanju načina na koji tropske šume funkcioniraju na globalnoj razini.