banner

Blog

Jan 22, 2024

Bacino

Natura volume 617, pagine 111–117 (2023) Citare questo articolo

13mila accessi

1 Citazioni

307 Altmetrico

Dettagli sulle metriche

Le foreste tropicali sono esposte a crescenti rischi climatici1,2, ma la nostra capacità di prevedere la loro risposta ai cambiamenti climatici è limitata dalla scarsa comprensione della loro resistenza allo stress idrico. Sebbene le soglie di resistenza all’embolia xilematica (ad esempio, \(\varPsi \)50) e i margini di sicurezza idraulica (ad esempio, HSM50) siano importanti predittori del rischio di mortalità indotto dalla siccità3,4,5, si sa poco su come questi variano sul pianeta Terra. più grande foresta tropicale. Qui presentiamo un set di dati sui tratti idraulici pan-amazzonici completamente standardizzato e lo utilizziamo per valutare la variazione regionale nella sensibilità alla siccità e nella capacità dei tratti idraulici di prevedere la distribuzione delle specie e l’accumulo di biomassa forestale a lungo termine. I parametri \(\varPsi \)50 e HSM50 variano notevolmente in tutta l'Amazzonia e sono correlati alle caratteristiche medie delle precipitazioni a lungo termine. Sia \(\varPsi \)50 che HSM50 influenzano la distribuzione biogeografica delle specie arboree dell'Amazzonia. Tuttavia, HSM50 è stato l’unico predittore significativo dei cambiamenti osservati su scala decennale nella biomassa forestale. Le foreste secolari con un ampio HSM50 stanno guadagnando più biomassa rispetto alle foreste con un basso HSM50. Proponiamo che ciò possa essere associato a un compromesso tra crescita e mortalità per cui gli alberi nelle foreste costituite da specie a crescita rapida corrono maggiori rischi idraulici e affrontano un maggiore rischio di mortalità. Inoltre, nelle regioni con cambiamenti climatici più pronunciati, troviamo prove che le foreste stanno perdendo biomassa, suggerendo che le specie in queste regioni potrebbero operare oltre i loro limiti idraulici. È probabile che il continuo cambiamento climatico riduca ulteriormente l’HSM50 in Amazzonia6,7, con forti implicazioni per il bacino di assorbimento del carbonio dell’Amazzonia.

L’aumento delle temperature e la siccità rappresentano una sfida significativa per il funzionamento delle foreste della Terra e potrebbero già cambiare le dinamiche forestali a livello globale8,9. Le conseguenze dell’intensificarsi dello stress climatico potrebbero essere particolarmente marcate nelle foreste pluviali amazzoniche, che ospitano circa 16.000 specie di alberi10, immagazzinano più di 100 Pg di carbonio nella loro biomassa11 e regolano il clima attraverso sostanziali scambi di carbonio, acqua ed energia con l’atmosfera12. I recenti eventi di siccità ricorrenti in tutta l’Amazzonia hanno aumentato la mortalità degli alberi13,14 e potrebbero essere parzialmente responsabili del declino a lungo termine del bacino di assorbimento del carbonio dell’Amazzonia15,16. È probabile che lo stress idrico sulle foreste amazzoniche si intensifichi nel clima futuro a causa dell’aumento delle temperature, delle alterazioni delle precipitazioni e dell’aumento del verificarsi di eventi estremi1,2. Pertanto, comprendere la vulnerabilità di queste foreste allo stress causato dalla siccità è di grande importanza.

Prove sostanziali indicano che il cedimento idraulico, definito come un'interruzione della capacità di trasporto dell'acqua dell'intera pianta a causa dell'embolia dei vasi xilematici17, è un meccanismo chiave alla base della mortalità indotta dalla siccità3,4,18. La vulnerabilità degli alberi al cedimento idraulico è strettamente correlata alla loro capacità di resistere all'embolia xilematica e alla vicinanza con cui operano alle soglie critiche di embolia, i loro margini di sicurezza idraulica (HSM)4,5. I parametri di resistenza all'embolia comunemente utilizzati includono i potenziali idrici dello xilema in corrispondenza dei quali si perdono il 50% (\(\varPsi \)50) e l'88% (\(\varPsi \)88) della conduttanza idraulica dello stelo, mentre gli HSM integrano queste soglie di resistenza all'embolia con la pressione del vapore atmosferico in situ e lo stato idrico del suolo, attraverso diversi tratti fisiologici e allometrici19,20 e denotano quanto vicini siano i potenziali idrici di mezzogiorno misurati al culmine della stagione secca (\(\varPsi \)dry) nell'approccio sul campo \(\ varPsi \)50 (HSM50) o \(\varPsi \)88 (HSM88)4,18,21. Pertanto, gli HSM forniscono una misura combinata della vulnerabilità dello xilema e dell’esposizione al deficit idrico. È stato dimostrato che queste proprietà sono importanti predittori della mortalità in condizioni di siccità22 e sono fondamentali per gli sforzi volti a comprendere e modellare meccanicamente gli impatti dei cambiamenti climatici sulla funzione della vegetazione8,23,24,25

10 cm DBH, new recruits > 10 cm DBH and the unobserved components (see methods), within a plot in a given census interval, divided by the census interval length95; D) Annual aboveground biomass net change (ΔAGB); E) Annual aboveground biomass mortality (AGBMORT); F) Annual aboveground wood productivity (AGWP), G) Annual instantaneous stem mortality rate (See methods Equation 4)67; H) Residence time of woody biomass calculated as the ratio of mean standing biomass to mean biomass mortality rate52. All these parameters were calculated for each census interval and we calculated time-weighted mean to have one value per plot. Each point indicates one forest plot. Significant linear relations are shown by regression lines (Standard major axis models). The shade area represents the 95% bootstrapped confidence interval. Information about each plot and the observation period is available on Supplementary Table 5. Supplementary Table 4 shows the results of the SMA models./p>10 cm DBH, new recruits > 10 cm DBH and the unobserved components (see methods), within a plot in a given census interval, divided by the census interval length95; D) Annual aboveground biomass net change (ΔAGB); E) Annual aboveground biomass mortality (AGBMORT); F) Annual aboveground wood productivity (AGWP), G) Annual instantaneous stem mortality rate (see methods)67; H) Residence time of woody biomass calculated as the ratio of mean standing biomass to mean biomass mortality rate52. All these parameters were calculated for each census interval and we calculated time-weighted mean to have one value per plot. Each point indicates the mean value across clusters of forest plots, which in total encompass 31.37 ha of forest spread across 34 plots. Information about each cluster and the observation period used for each cluster is provided in Supplementary Table 5. The solid line is the best fit line of the standard major axis (SMA) model and the shaded area represents the 95% bootstrapped confidence interval. Supplementary Table 4 shows the results of the SMA models./p>10 cm DBH, new recruits > 10 cm DBH and the unobserved components (see methods), within a plot in a given census interval, divided by the census interval length95; D) Annual aboveground biomass net change (ΔAGB); E) Annual aboveground biomass mortality (AGBMORT); F) Annual aboveground wood productivity (AGWP), G) Annual instantaneous stem mortality rate (see methods Equation 4)67; H) Residence time of woody biomass calculated as the ratio of mean standing biomass to mean biomass mortality rate52. All these parameters were calculated for each census interval and we calculated time-weighted mean to have one value per plot. Each point indicates one forest plot. Significant linear relations are shown by regression lines (Standard major axis models). The shade area represents the 95% bootstrapped confidence interval. Information about each plot and the observation period is available on Supplementary Table 5. Supplementary Table 4 shows the results of the SMA models./p>

CONDIVIDERE