PROGNOZA (model)

PROGNOZA to zorientowany na zarządzanie, model drzewostanu, wzrostu lasu i dynamiki ekosystemu . Model został zaprojektowany w celu uwzględnienia szerokiej gamy systemów hodowli lasu i pozyskiwania drewna oraz naturalnych zdarzeń zakłócających (np. wartości niedrewniane.

Opis modelu

Projekcja wzrostu drzewostanów i dynamiki ekosystemów opiera się na reprezentacji tempa kluczowych procesów ekologicznych regulujących dostępność i rywalizację o zasoby światła i składników pokarmowych (reprezentacja wpływu wilgoci na procesy glebowe, fizjologię i wzrost roślin oraz konsekwencje dodaje się konkurencję wilgoci). Tempo tych procesów oblicza się na podstawie historycznych testów biologicznych (takich jak akumulacja biomasy w składnikach roślinnych i zmiany zagęszczenia drzewostanów w czasie) oraz pomiarów pewnych zmiennych ekosystemowych (w tym tempa rozkładu, krzywych nasycenia fotosyntezą i stężeń składników odżywczych w tkankach roślinnych) ) poprzez powiązanie „biologicznie aktywnych” składników biomasy (liście i małe korzenie) z obliczonymi wartościami pobierania składników odżywczych, wychwytywania energii świetlnej i produkcji pierwotnej netto. Korzystając z tej „kalibracji wewnętrznej” lub podejścia hybrydowego , model generuje zestaw właściwości wzrostu dla każdego gatunku drzewa i podszytu, który ma być reprezentowany w kolejnej symulacji. Te właściwości wzrostu są wykorzystywane do modelowania wzrostu jako funkcji dostępności zasobów i konkurencji. Obejmują one (między innymi): (1) wydajność fotosyntezy na jednostkę biomasy liści i zawartość w nich azotu w oparciu o relacje między azotem w liściach, symulowanym samozacienieniem i pierwotną produktywnością netto po uwzględnieniu opadów ściółki i śmiertelności; (2) wymagania dotyczące pobierania składników odżywczych w oparciu o wskaźniki akumulacji biomasy oraz oparte na literaturze lub w terenie pomiary stężeń składników odżywczych w różnych składnikach biomasy w miejscach o różnej jakości odżywczej (tj. żyzności); (3) pomiary śmiertelności drzew i gałęzi związane z oświetleniem, uzyskane na podstawie danych wejściowych dotyczących zagęszczenia drzewostanów i wysokości żywej korony w połączeniu z symulowanymi pionowymi profilami światła. Dla każdego gatunku oszacowano poziomy światła, przy których występuje śmiertelność gałęzi i pojedynczych drzew. Wiele obliczeń PROGNOZY jest wykonywanych na poziomie drzewostanu , ale model zawiera podmodel, który rozkłada produktywność na poziomie drzewostanu na wzrost poszczególnych łodyg z informacjami dostarczonymi przez użytkowników na temat rozkładu wielkości łodyg w różnym wieku drzewostanów. Wysokość wierzchołka i pierśnica są obliczane dla każdej łodygi i wykorzystywane w funkcji stożka do obliczania całkowitej i indywidualnej objętości brutto i handlowej. Pędy i kłody są tworzone w modelu z naturalnego samotrzebienia drzewostanu (głównie z powodu konkurencji światła) oraz z różnych typów zdefiniowanych przez użytkownika zdarzeń zakłócających, takich jak śmiertelność owadów/chorób, wiatrołom, niekomercyjna trzebież i zbieranie drzewostanów . Szybkość spadania i rozkład kłód są symulowane przy użyciu parametrów rozpadu specyficznych dla gatunku i rozmiaru drzewa, pochodzących z literatury, opinii ekspertów lub pomiarów terenowych.

Proces aplikacji modelu

PROGNOZA ma cztery etapy w swojej aplikacji: 1) gromadzenie danych i weryfikacja danych wejściowych, 2) ustalenie stanu ekosystemu dla rozpoczęcia przebiegu symulacji (poprzez symulację znanej lub zakładanej historii obszaru), 3) zdefiniowanie zarządzania i/lub reżim zaburzeń naturalnych oraz 4) symulowanie tego reżimu i analizowanie danych wyjściowych modelu. Pierwsze dwa etapy reprezentują kalibrację modelu. Gromadzone są dane kalibracyjne, które opisują akumulację biomasy (składników nadziemnych i podziemnych) w drzewach i drobnej roślinności dla trzech chronosekwencji drzewostanów, z których każda rozwinęła się w stosunkowo jednorodnych warunkach siedliskowych, reprezentujących trzy różne cechy siedliskowe. Dane dotyczące biomasy drzew i tempa samoprzerzedzania drzewostanów są często generowane na podstawie wyników dotyczących wysokości, pierśnicy i zagęszczenia drzewostanów z tradycyjnych modeli wzrostu i plonowania w połączeniu z równaniami allometrycznymi poszczególnych składników biomasy poszczególnych gatunków . Aby skalibrować aspekty odżywcze modelu, wymagane są dane opisujące stężenie składników odżywczych w różnych składnikach biomasy. PROGNOZA wymaga również danych na temat stopnia zacienienia wytwarzanego przez różne ilości listowia i reakcji fotosyntetycznej listowia na różne poziomy światła (krzywe nasycenia światłem fotosyntetycznym dla listowia średniego lub oddzielnie dla listowia przystosowanego do nasłonecznienia i cienia). Jeżeli użytkownik chce przedstawić ten składnik ekosystemu, należy przedstawić porównywalny, ale prostszy zestaw danych dotyczących drobnej roślinności . Wreszcie, aby model symulował obieg składników odżywczych, potrzebne są dane opisujące tempo rozkładu różnych rodzajów ściółki i materii organicznej w glebie . Symulacja strat wymywania gleby i niektórych miar dostępności składników odżywczych w glebie wymaga danych wejściowych, które definiują zdolności wymiany kationów i anionów dla materii organicznej i gleby mineralnej oraz procesów sorpcji-desorpcji . Drugi aspekt kalibracji wymaga uruchomienia modelu w trybie „set-up” w celu ustalenia początkowych warunków na miejscu. Szczegółowa reprezentacja wielu różnych typów ściółki i stanu materii organicznej w glebie sprawia, że pomiar początkowej ściółki i skupisk gleby oraz warunków bezpośrednio w terenie jest niepraktyczny; w konsekwencji model służy do generowania warunków startowych.

Złożoność modelu

Jako model na poziomie ekosystemu FORECAST oferuje użytkownikowi możliwość przedstawienia wysokiego stopnia złożoności wegetacji (wiele gatunków i różnych form życia), struktury zbiorowisk roślinnych (warstwy baldachimu jako prosta pojedyncza warstwa baldachimu o równym wieku lub złożona wielowiekowa , wiele koron) oraz procesy populacji, społeczności i ekosystemów. Jednak model można uprościć do dowolnego pożądanego poziomu złożoności, który odpowiada zainteresowaniom użytkownika, konkretnej aplikacji i dostępności danych. W najprostszej formie może być prowadzony jako jedna kohorta wiekowa, monokultura roślinna , model lekkiej konkurencji. Z drugiej strony model może być wykorzystany do symulacji reakcji sukcesji i zakłóceń w złożonej wielogatunkowej kohorcie wielowiekowej aplikacji na poziomie ekosystemu z procesami populacji, społeczności i ekosystemu reprezentowanymi przez wpływ światła, składników odżywczych i wilgoci oraz ich interakcje, a także możliwość w celu zbadania potencjalnych zmiany klimatu .

Rozszerzenia i powiązania modeli

PROGNOZA została rozszerzona na przestrzennie wyraźny lokalny poziom krajobrazu (LLEMS), przestrzennie wyraźny indywidualny model drzewa FORCEE oraz interaktywną wizualizację 3-D (CALP Forester), PROGNOZA została połączona z różnymi modelami na poziomie krajobrazu, takimi jak ATLAS i DYNA-PLAN. Model został wykorzystany jako podstawa dla dwóch aplikacji edukacyjnych (FORTOON i POSSIBLE FOREST FUTURES)

Ocena modelu

PROGNOZA została zweryfikowana na podstawie danych terenowych dla zakresu wzrostu i plonów oraz zmiennych strukturalnych w: przybrzeżnej strefie zachodniej cykuty w Kolumbii Brytyjskiej , przybrzeżnych lasach daglezji zielonej i wewnętrznych lasach mieszanych w Kolumbii Brytyjskiej

Historia zastosowania modelu

Model PROGNOZA został zastosowany do różnych typów lasów: boru mieszanego daglezji i brzozy papierowej, boru mieszanego osiki i świerka białego, plantacji jodły chińskiej, nadmorskiego boru daglezji.

Linki zewnętrzne