Kwantificeren en inzicht verwerven in de relatie tussen houtachtige begroeiingsdynamieken en temporele stabiliteit van Australische savannes

Nora Oosters Wanda De Keersmaecker
De Australische tropische savannes zijn een uniek en dynamisch ecosysteem dat gedijt op de nauwe samenleving tussen het overheersende graslandschap en de verspreide boomgroepen. In de afgelopen 15 jaren hebben wetenschappers vastgesteld dat de boompopulatie in deze savannes is toegenomen. De vraag stelt zich welke impact dit fenomeen heeft op de stabiliteit en toekomst van dit ecosysteem. Op basis van satellietbeelden en tijdreeks analyses wordt getracht deze stabiliteit in te schatten.

Zijn Australische savannes beter af met meer bomen?

Zijn Australische savannes beter af met meer bomen?

Zicht op de Australische tropische savanne

In de afgelopen 15 jaren hebben wetenschappers vastgesteld dat de boompopulatie in de Australische tropische savannes is toegenomen. De vraag stelt zich welke impact dit fenomeen heeft op het hele ecosysteem van levende wezens en niet-levende elementen (lucht, water en bodem), en hun onderlinge interacties.

Savannes als ecosysteem

Savannes bedekken wereldwijd een oppervlakte van ongeveer 33 miljoen km2, wat bij benadering overeenkomt  met de totale oppervlakte van het continent Afrika. Terwijl vooral de grassen het landschap domineren, zijn het net de bomen die een belangrijke rol spelen in het bestrijden van klimaatsverandering. Bomen hebben namelijk naast hun intrinsieke waarde en functies zoals reiniging van water, regulatie van regenval en temperatuur, een onmiskenbare rol in de opslag van koolstof. Via opname in de wortelen, stam en bladeren wordt dit broeikasgas vastgelegd en zorgen bomen zo mee voor een stabiel klimaat. Meer dan ooit dringt het besef bij wetenschappers door dat de dynamiek en weerbaarheid van deze ecosystemen enorm op de proef worden gesteld door de klimaatsverandering.

De Australische tropische savannes

Een toenemende frequentie en intensiteit van hittegolven, overstromingen, cyclonen en bosbranden hebben een grote impact op de stabiliteit van de Australische tropische savannes. Dit zeer dynamisch ecosysteem, dat zich uitstrekt in het noorden van Australië, wordt gestuurd door de jaarlijkse beweging van de Tropische Convergentie Zone. Dit leidt tot een seizoensgebonden klimaat met enerzijds een uiterst droge periode tussen april en oktober waarin grassen en kruidachtige planten uitdrogen en verdorren, en anderzijds een natter seizoen vanaf november tot maart die de savanne naar een groene oase vol leven stuwt. De hoge, groene kronendaken van de Eucalyptusbomen blijven het hele jaar door een constante in het savannebeeld, en doen dus zonder onderbreking aan fotosynthese. Het is daarom vanzelfsprekend dat de productiviteit van dit ecosysteem gemeten wordt aan de hand van de aangroei van bomen, en meer algemeen de toename in houtachtige begroeiing.

Situering van de Australische tropische savannes in het noorden van het land.

Observatie van vegetatie via remote sensing

Het opvolgen van de dynamiek in houtachtige begroeiing laat ons toe de stabiliteit van dit ecosysteem in te schatten. Dit gebeurt via remote sensing technieken waarbij via satellietbeelden informatie wordt verzameld omtrent de identiteit, toestand en biofysische karakteristieken van de vegetatie, zoals chlorofylconcentratie en vochtgehalte. Net als de mens beschikt elke plant namelijk over haar unieke vingerafdruk, die in de vorm van een gereflecteerd signaal door een satelliet wordt waargenomen. Dit gaat als volgt te werk: elektromagnetische straling die wordt uitgezonden in de vorm van licht, interageert met elk object op haar weg; een deel van het signaal wordt doorgelaten door het object, een deel wordt geabsorbeerd en een laatste deel wordt gereflecteerd. Het gereflecteerd signaal kan vervolgens opgevangen worden door een sensor, met name een satelliet. De meeste aardobservatiesatellieten maken opnames in verschillende golflengten, en omvatten een uitgebreid  gamma van het elektromagnetisch spectrum, gaande van zichtbaar (400-700 nm) tot infrarood (700-1000 nm) en tot korte golf infrarood (1000-2600 nm). De opgevangen satellietgegevens kunnen vervolgens gebruikt worden om biofysische eigenschappen van vegetatie te detecteren op basis van formules die gebruik maken van bepaalde ranges in het spectrum, en zo ondergebracht worden in een index.

Indexering: NDVI en DSI

De meest gehanteerde vegetatie index is de NDVI (Normalized Difference Vegetation Index) die een indicatie geeft van hoe groen - en dus gezond - een plant is. Terwijl de NDVI in staat is om grasland van bos te onderscheiden, en er de aangroei van gewassen perfect weet te observeren, kent deze index zijn beperkingen wanneer het gaat over een ecosysteem dat bestaat uit een mozaïek van boomgroepen en grassen, zoals de Australische tropische savannes, en wordt het bijgevolg lastig om de aangroei in houtachtige gewassen in te schatten. Gezien het seizoensgebonden karakter van dit ecosysteem, ligt de oplossing voor de hand: het droogseizoen leent zich het best tot het inschatten van de houtachtige begroeiing. Terwijl grassen en kruidachtige gewassen tijdens het droogseizoen verdorren en een lage NDVI waarde hebben, prijken bomen het hele jaar door als groene reuzen boven de savannes en hebben ze permanent een hoge NDVI waarde. Martin Brandt ontwikkelde met deze visie de droge seizoen index (DSI) voor gelijkaardig onderzoek in de Sahel, waarbij de NDVI tijdens het droogseizoen gebruikt wordt als proxy voor de houtachtige begroeiing. Deze index (DSI) laat correcties toe aangezien variaties in de waterbeschikbaarheid tijdens het natte seizoen schommelingen kunnen veroorzaken in de groenschakering van de vegetatie (en dus NDVI) tijdens het droogseizoen. Bij het onderbrengen van NDVI tijdsreeksen in grafieken, kan men vanuit verschillende invalshoeken de gegevens duiden. Enerzijds is er een seizoensgebonden component die afhankelijk is van de fenologie van de vegetatie en zijn omgevingscondities. Daarnaast kunnen trends vastgesteld worden die wijzen op graduele veranderingen. Tenslotte zijn er de anomalieën of veranderingen op korte termijn in vegetatiebiomassa als gevolg van omgevingsstoringen, zoals droogte.

Opsplitsing van de NDVI tijdsreeksen in een seizoensgebonden component, de algemene trend en de anomalieën.

Image removed.

Toename van de boompopulatie in de Australische tropische savannes

Een tijdsreeks van de DSI tussen 2002 en 2016 toont dat het aandeel van houtachtige begroeiing in Litchfield National Park, dat zich situeert net onder Darwin in het noorden, is toegenomen met 2,29% in vergelijking met de gemiddelde bedekking over dezelfde  tijdsperiode. Deze aangroei kan te verklaren zijn door gewijzigde klimaatomstandigheden, een wereldwijde stijgende CO2 concentratie en een brandpatroon dat verschilt naargelang het tijdstip van de brand (hoe later in het droogseizoen, hoe vernielender).

Impact op korte termijn stabiliteit van het ecosysteem

De korte termijn stabiliteit van dit ecosysteem wordt bepaald door het signaal van de anomalieën te filteren van de  trends en seizoensgebonden componenten, en daarvan de standaarddeviatie en autocorrelatie te berekenen, m.a.w.  de schommelingen en gelijkenissen. Uit deze tijdsreeksen kan opgemaakt worden dat een toename in houtachtige begroeiing leidt tot een sneller herstellend en veerkrachtiger ecosysteem. Men kan dus stellen dat Australische tropische savannes beter af zijn met meer bomen. Niettemin kunnen branden die veroorzaakt worden door het droge klimaat of door Aboriginal stammen, die de methode benutten bij de jacht en het verrijken van de bodemvruchtbaarheid, eventueel roet in het eten gooien.

Bibliografie

Accatino, F. et al., 2010. Tree-grass co-existence in savanna: Interactions of rain and fire. Journal of Theoretical Biology, 267(2), pp.235–242.

Ahlström, A. et al., 2015. The dominant role of semi-arid ecosystems in the trend and variability of the land CO2 sink. Journal of Geophysical Research: Space Physics, 348(6237), pp.4503–4518.

Asner, G.P. et al., 2009. Large-scale impacts of herbivores on the structural diversity of African savannas. Proceedings of the National Academy of Sciences of the United States of America, 106(12), pp.4947–4952.

Australian Bureau of Meteorology, 2007a. Australian Climate Averages - Decadal and multi decadal Rainfall maps. Australian Government Bureau of Meteorology. Available at: http://www.bom.gov.au/jsp/ncc/climate_averages/decadal-rainfall/index.j… [Accessed January 10, 2017].

Australian Bureau of Meteorology, 2007b. Australian Climate Averages - Decadal and multi decadal temperature maps. Australian Government Bureau of Meteorology. Available at: http://www.bom.gov.au/jsp/ncc/climate_averages/decadal-temperature/inde… [Accessed January 10, 2017].

Beringer, J. et al., 2015. Fire in Australian savannas: From leaf to landscape. Global Change Biology, 21(1), pp.62–81.

Beringer, J. et al., 2011. Patterns and processes of carbon, water and energy cycles across northern Australian landscapes: From point to region. Agricultural and Forest Meteorology, 151(11), pp.1409–1416.

Beringer, J. et al., 2007. Savanna fires and their impact on net ecosystem productivity in North Australia. Global Change Biology, 13(5), pp.990–1004.
58

Boland, D.J. et al., 2006. Forest Trees of Australia. DJ Boland, MIH Brooker, GM Chippendale, N Hall, BPM Hyland, RD Johnston, DA Kleinig, MW McDonald, ed., CSIRO Publishing.

Boschetti, L. et al., 2013. MODIS Collection 5 Burned Area Product MCD45. User Guide, pp.1–12.

Boundless, 2016. Ecosystem Dynamics. Boundless: Biology. Available at: https://www.boundless.com/biology/textbooks/boundless-biology-textbook/… [Accessed October 9, 2016].

Bowman, D.M.J.S. et al., 2008. Do feral buffalo (Bubalus bubalis) explain the increase of woody cover in savannas of Kakadu National Park, Australia? Journal of Biogeography, 35(11), pp.1976–1988.

Bowman, D.M.J.S. & Prior, L.D., 2005. Why do evergreen trees dominate the Australian seasonal tropics? Australian Journal of Botany, 53(5), pp.379–399.

Bowman, D.M.J.S. et al., 2001. Forest expansion and grassland contraction within a Eucalyptus savanna matrix between 1941 and 1994 at Litchfield National Park in the Australian monsoon tropics. Global Ecology and Biogeography, 10, pp.535–548.

Brandt, M. et al., 2016. Assessing woody vegetation trends in Sahelian drylands using MODIS based seasonal metrics. Remote Sensing of Environment, 183, pp.215–225.

Brandt, M. et al., 2016. Woody plant cover estimation in drylands from Earth Observation based seasonal metrics. Remote Sensing of Environment, 172, pp.28–38.

Bristow, M. et al., 2016. Quantifying the relative importance of greenhouse gas emissions from current and future savanna land conversions across north Australia. Biogeosciences Discussions, p.47.

Brocklehurst, P., 2008. Ecosystem Regionalisation in the Northern Territory Of Australia: A Conceptual Approach. Technical report, 24(21).

Broich, M. et al., 2014. Land surface phenological response to decadal climate variability across Australia using satellite remote sensing. Biogeosciences, 11(18), pp.5181–5198.
59

Browning, D.M. et al., 2008. Woody plants in grasslands: Post-encroachment stand dynamics. Ecological Applications, 18(4), pp.928–944.

Carreiras, J.M.B. et al., 2006. Estimation of tree canopy cover in evergreen oak woodlands using remote sensing. Forest Ecology and Management, 223(1–3), pp.45–53.

Chen, X. et al., 2003. Carbon balance of a tropical savanna of northern Australia. Oecologia, 137(3), pp.405–416.

Cohen, C.J., 2000. Early History of Remote Sensing. In Remote Sensing. London: Oxford University Press, pp. 3–9.

Complexity Academy, 2016. Ecosystem Dynamics. Complexity Academy. Available at: http://complexityacademy.io/ecosystem-dynamics/ [Accessed October 9, 2016].

Cowie, I.D., 2013. NT Flora. Northern Territory flora online. Available at: http://eflora.nt.gov.au/factsheet?id=21101 [Accessed March 28, 2017].

Dai, L. et al., 2015. Relation between stability and resilience determines the performance of early warning signals under different environmental drivers. Proceedings of the National Academy of Sciences, 112(32), pp.10056–10061.

De Keersmaecker, W. et al., 2015. A model quantifying global vegetation resistance and resilience to short-term climate anomalies and their relationship with vegetation cover. Global Ecology and Biogeography, 24(5), pp.539–548.

De Keersmaecker, W. et al., 2015. Species-rich semi-natural grasslands have a higher resistance but a lower resilience than intensively managed agricultural grasslands in response to climate anomalies. Journal of Applied Ecology, 53, pp.430–439.

Donohue, I. et al., 2016. Navigating the complexity of ecological stability. Ecology Letters, 19(9), pp.1172–1185.

Donohue, R.J. et al., 2009. Climate-related trends in Australian vegetation cover as inferred from satellite observations, 1981-2006. Global Change Biology, 15(4), pp.1025–1039.
60

Fensham, R.J. et al., 2002. Quantitative assessment of vegetation structural attributes from aerial photography. International Journal of Remote Sensing, 23(11), pp.2293–2317.

Filatov, N. et al., 2005. White sea. Its Marine Environment and Ecosystem Dynamics Influenced by Global Change, Chichester, UK: Praxis Publishing Ltd.

Fox, I. et al., 2001. The Vegetation of the Australian Tropical Savannas. Environmental Protection Agency, p.75.

Frazier, S., 2017. MODIS Web. Moderate Resolution Imaging Spectroradiometer. Available at: https://modis.gsfc.nasa.gov/about/specifications.php [Accessed March 7, 2017].

Gallant, A.J.E. et al., 2013. The characteristics of seasonal-scale droughts in Australia, 1911-2009. International Journal of Climatology, 33(7), pp.1658–1672.

Gosling, S.N., 2013. The likelihood and potential impact of future change in the large-scale climate-earth system on ecosystem services. Environmental Science and Policy, 27, pp.15–31.

Guerschman, J.P. et al., 2009. Estimating fractional cover of photosynthetic vegetation, non-photosynthetic vegetation and bare soil in the Australian tropical savanna region upscaling the EO-1 Hyperion and MODIS sensors. Remote Sensing of Environment, 113(5), pp.928–945.

Hansen, M.C. et al., 2002. Development of a MODIS tree cover validation data set for Western Province, Zambia. Remote Sensing of Environment, 83(1–2), pp.320–335.

Hill, M.J. et al., 2012. Dynamics of vegetation indices in tropical and subtropical savannas defined by ecoregions and Moderate Resolution Imaging Spectroradiometer (MODIS) land cover. Geocarto International, 27(2), pp.153–191.

Holling, C.S., 1996. Engineering Resilience versus Ecological Resilience. In Engineering Within Ecological Constraints. Washington, D.C.: National Academies Press, p. 213.

House, J.I. & Hall, D.O., 2001. Productivity of Tropical Savannas and Grasslands. In Terrestrial Global Productivity. Elsevier, pp. 363–400.

Hughes, L., 2003. Climate Change and Australia: Trends, Projection and Impacts. Austral Ecology, 28, pp.423–443.

Hull, P.M. et al., 2015. Rarity in mass extinctions and the future of ecosystems. Nature, 528(7582), pp.345–351.

Hutley, L.. & Beringer, J., 2011. Disturbance and climatic drivers of carbon dynamics of a north Australian tropical savanna. Ecosystem Function in Savannas: Measurement and Modeling at Landscape to Global Scales., pp.57–75.

Hutley, L.B. et al., 2013. Impacts of an extreme cyclone event on landscape-scale savanna fire, productivity and greenhouse gas emissions. Environmental Research Letters, 8(4), p.45023.

IPCC, 2014. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change,

Jacklyn, P. et al., 2016. Savanna Explorer - All Regions - Northern Australia. The Tropical Savannas CRC. Available at: http://www.savanna.org.au/all/faq.html [Accessed October 24, 2016].

Jones, H.G. & Vaughan, R.A., 2010. Remote Sensing of Vegetation. Principles, techniques and applications, Oxford: Oxford University Press.

Kanniah, K.D. et al., 2011. Environmental controls on the spatial variability of savanna productivity in the Northern Territory, Australia. Agricultural and Forest Meteorology, 151(11), pp.1429–1439.

Karlson, M. et al., 2014. Tree crown mapping in managed woodlands (Parklands) of semi-arid West Africa using WorldView-2 imagery and geographic object based image analysis. Sensors (Switzerland), 14(12), pp.22643–22669.

Keitt, T.H., 2008. Coherent ecological dynamics induced by large-scale disturbance. Nature, 454(7202), pp.331–334.

Khorram, S. et al., 2012. Remote Sensing, New York: International Space University.
62

Krishnapuram, B. et al., 2005. Sparse multinomial logistic regression: Fast algorithms and generalization bounds. IEEE Transactions on Pattern Analysis and Machine Intelligence, 27(6), pp.957–968.

Laurance, W.F. et al., 2011. The 10 Australian ecosystems most vulnerable to tipping points. Biological Conservation, 144(5), pp.1472–1480.

Lawes, M.J. et al., 2011. How do small savanna trees avoid stem mortality by fire? The roles of stem diameter, height and bark thickness. Ecosphere, 2(4), p.13.

Lehmann, C.E.R. et al., 2011. Deciphering the distribution of the savanna biome. New Phytologist, 191(1), pp.197–209.
Lehmann, C.E.R. et al., 2014. Savanna Vegetation-Fire-Climate Relationships Differ Among Continents. Science, 343(January), pp.548–553.

Lehmann, C.E.R., Prior, L.D. & Bowman, D.M.J.S., 2009. Decadal dynamics of tree cover in an australian tropical Savanna. Austral Ecology, 34(6), pp.601–612.

Lhermitte, S. et al., 2011. A comparison of time series similarity measures for classification and change detection of ecosystem dynamics. Remote Sensing of Environment, 115(12), pp.3129–3152.

Liu, F-J. et al., 2015. Assessment of the three factors affecting Myanmar’s forest cover change using Landsat and MODIS vegetation continuous fields data. International Journal of Digital Earth, 8947(July 2016), pp.1–24.

Liu, Y.Y. et al., 2009. An analysis of spatiotemporal variations of soil and vegetation moisture from a 29-year satellite-derived data set over mainland Australia. Water Resources Research, 45(7), pp.1–12.

Ma, X. et al., 2013. Spatial patterns and temporal dynamics in savanna vegetation phenology across the north australian tropical transect. Remote Sensing of Environment, 139, pp.97–115.

Martz, E., 2013. When more is not better. Quality, 52(August), pp.24–25.
63

Mašková, Z. et al., 2008. Normalized difference vegetation index (NDVI) in the management of mountain meadows. Boreal Environment Research, 13(5), pp.417–432.

Mitchard, E.T. a & Flintrop, C.M., 2013. Woody encroachment and forest degradation in sub-Saharan Africa’s woodlands and savannas 1982-2006. Philosophical Transactions of the Royal Society B: Biological Sciences, 368(1625), p.20120406.

MODIS Land Team, 2016. Status for: Vegetation Continuous Fields (MOD44). Validation. Available at:
https://landval.gsfc.nasa.gov/ProductStatus.php?ProductID=MOD44 [Accessed March 26,
2017].

Mori, A.S., 2011. Ecosystem management based on natural disturbances: Hierarchical context and non-equilibrium paradigm. Journal of Applied Ecology, 48(2), pp.280–292.

Muir, J. et al., 2011. Field measurement of fractional ground cover: a technical handbook supporting ground cover monitoring for Australia the Queensland Department of Environment and Resource Management, ed., Canberra: Australian Bureau of Agricultural and Resource Economics and Sciences.

Murphy, B.P. et al., 2014. Fire regimes and woody biomass dynamics in Australian savannas. Journal of Biogeography, 41(1), pp.133–144.

Nicholls, N. et al., 1997. Australian rainfall variability and change. Weather, 52(3), pp.66–72.

O’Grady, A.P. et al., 2000. Composition, leaf area index and standing biomass of eucalypt open forests near Darwin in the Northern Territory, Australia. Australian Journal of Botany, 48(5), pp.629–638.

Olson, D.M. et al., 2001. Terrestrial Ecoregions of the World: A New Map of Life on Earth. BioScience, 51(11), p.933.

Osborne, C.P. & Beerling, D.J., 2006. Nature’s green revolution: the remarkable evolutionary rise of C4 plants. Philosophical transactions of the Royal Society of London. Series B, Biological sciences, 361(1465), pp.173–94.

Rasmussen, M.O. et al., 2011. Tree survey and allometric models for tiger bush in northern Senegal and comparison with tree parameters derived from high resolution satellite data. International Journal of Applied Earth Observation and Geoinformation, 13(4), pp.517–527.

Reznicek, A., 2008. Cyperaceae. Encyclopedia Britannica. Available at:
https://www.britannica.com/plant/Cyperaceae [Accessed March 28, 2017].

van Rooijen, N.M. et al., 2015. Plant Species Diversity Mediates Ecosystem Stability of Natural Dune Grasslands in Response to Drought. Ecosystems, 18(8), pp.1383–1394.

Rouse, J.W. et al., 1973. Monitoring vegetation systems in the great plains with ERTS. Third Earth Resources Technology Satellite (ERTS) symposium, 1, pp.309–317.

Sangha, K.K., 2006. The role of ecosystem services from tropical savannas in well-being of Aboriginal people : A scoping study. Tropical Savannas Cooperative Research Centre, p.78.

Schaaf, C.B. et al., 2002. First operational BRDF, albedo nadir reflectance products from MODIS. Remote Sensing of Environment, 83, pp.135–148.

Scheffer, M. et al., 2009. Early-warning signals for critical transitions. Nature, 461(September), pp.53–59.

Scheiter, S. et al., 2014. Climate change and long-term fire management impacts on Australian savannas. New  Phytologist, 2015(205), pp.1211–1226.

Scheiter, S. & Higgins, S.I., 2009. Impacts of climate change on the vegetation of Africa: An adaptive dynamic vegetation modelling approach. Global Change Biology, 15(9), pp.2224–2246.

Scholes, R.J. & Archer, S.R., 1997. Tree-Grass Interactions in Savannas. Ecology and Systematics, 28, pp.517–544.

Simon, B., 2010. Fact Sheets | AusGrass2. Grasses of Australia. Available at:
http://ausgrass2.myspecies.info/content/fact-sheets [Accessed March 28, 2017].

Tom, G. et al., 2008. The Need for Global Topography. , pp.1–43.

Townshend, J.R.. et al., 2011. Vegetation Continuous Fields MOD44B, 2010 Percent Tree Cover. Collection 5, University of Maryland, College Park, Maryland, pp.1–12.

Verbesselt, J. et al., 2010. Detecting trend and seasonal changes in satellite image time series. Remote Sensing of Environment, 114(1), pp.106–115.

Vicente-Serrano, S.M. et al., 2010. A Multiscalar Drought Index Sensitive to Global Warming: The Standardized Precipitation Evapotranspiration Index. Journal of Climate, 23(7), pp.1696–1718.

Weisberg, P.J. et al., 2007. Spatial Patterns of Pinyon–Juniper Woodland Expansion in Central Nevada. Rangeland Ecology & Management, 60(2), pp.115–124.

Werner, P.A. et al., 2008. Growth and survival of termite-piped Eucalyptus tetrodonta and E. miniata in northern Australia: Implications for harvest of trees for didgeridoos. Forest Ecology and Management, 256(3), pp.328–334.

Wissel, C., 1984. A Universal Law of the Characteristic Return Time near Thresholds. Oecologia, 65(1),pp.101–107.

Zhou, Q. et al., 2016. Retrieving understorey dynamics in the Australian tropical savannah from time series decomposition and linear unmixing of MODIS data. International Journal of Remote Sensing, 37(6), pp.1445–1475.

Universiteit of Hogeschool
Agro- and Ecosystems Engineering (Bio-ingenieurswetenschappen)
Publicatiejaar
2017
Promotor(en)
Prof. Ben Somers
Kernwoorden
Share this on: