El Nino Southern Oscillation-Driven Variability in Vegetation Indices and Carbon Fluxes over Rajasthan, India: A Non-parametric District-level Analysis (2000-2024)

Technisches Resümee: ENSO-getriebene Variabilität in der Vegetation und den Kohlenstoffflüssen über Rajasthan (2000–2024)

Problemstellung
Diese Studie adressiert die Notwendigkeit, zu quantifizieren, wie El Niño-Southern Oscillation (ENSO)-Ereignisse und Monsunregen die Vegetationsbedingungen der Kharif-Saison sowie die terrestrischen Kohlenstoffflüsse über die vielfältigen Ariditätsgradienten von Rajasthan, Indien, beeinflussen. Während die Dominanz von Niederschlägen bei der Steuerung der Vegetation etabliert ist, bleibt das spezifische Ausmaß der ENSO-Auswirkungen auf die Bruttoprimärproduktion (GPP) und die Nettoprimärproduktion (NPP) auf Distriktebene, unabhängig von der Niederschlagsvariabilität, weniger charakterisiert. Zudem besteht eine Lücke im Verständnis darüber, wie diese klimatischen Treiber die Kohlenstoffassimilation im Verhältnis zur Kronendichte (NDVI) beeinflussen, insbesondere in hyperariden und ariden Zonen mit hoher interannueller Variabilität.

Methodik
Die Forschung verwendet ein vollständig nichtparametrisches statistisches Framework zur Analyse von 25 Jahren Daten (2000–2024) über alle 33 Distrikte von Rajasthan.

• Datenquellen: Die Studie integriert vier MODIS Collection 6 Produkte – MOD13Q1 (250 m NDVI/EVI), MOD17A2H (8-Tage-GPP), MOD17A3HGF (jährliche NPP) – sowie MCD12Q1 (Landnutzung/Landbedeckung) – mit IMD 0,25°-gitterbasierten Niederschlagsdaten und NOAA ONI-Indizes.
• Vorverarbeitung: Eine dynamische landwirtschaftliche Maske (IGBP-Klassen 12 und 14), die aus MCD12Q1 abgeleitet wurde, wird jährlich angewendet, um landwirtschaftliche Pixel zu isolieren und so die Abschwächung der ENSO-Signale durch natürliche Trockenvegetation zu verhindern.
• Statistisches Framework:
  • Trenddetektion: Mann-Kendall (MK)-Tests mit Sen-Steigungsschätzern identifizieren langfristige Trends.
  • Korrelationsanalyse: Kendall-Tau und Spearman-Rho bewerten bivariate Assoziationen. Partielle Spearman-Korrelationen kontrollieren den Niederschlag (RF), um unabhängige ONI-Effekte auf die GPP zu isolieren.
  • Modellierung: Distriktbezogene prädiktive Gleichungen werden mittels eines iterativen Theil-Sen-Regressionsansatzes abgeleitet. Die Modellstruktur lautet: $GPP = \alpha + \beta_{RF} \cdot (RF - RF_{med}) + \beta_{ONI} \cdot (ONI - ONI_{med})$.
  • Validierung: Die Modellgüte wird mittels Leave-One-Out Cross-Validation (LOOCV) quantifiziert, wobei der mittlere absolute prozentuale Fehler (MAPE), der RMSE und der systematische Bias ermittelt werden.
  • Prognose: 2ks-Ausblicke nutzen eine 1000-fache Bootstrap-Resampling-Methode, um 90 %-Konfidenzintervalle für die distriktbezogenen Projektionen zu generieren.
• Wichtigste Beiträge

1. Distriktbezogene Attribuierung: Dies ist die erste Studie, die eine vollständig nichtparametrische, distriktbezogene Attribuierung von ENSO-Signalen in MODIS-Vegetations- und Kohlenstoffflussprodukten für ganz Rajasthan liefert.
2. Entkopplung von Niederschlag und ENSO: Die Studie isoliert erfolgreich unabhängige ENSO-Effekte auf die GPP nach Kontrolle des Niederschlags und identifiziert spezifische „ONI-sensitive“ Distrikte im ariden und semiariden Westen.
3. GPP:NDVI-Diskrepanz: Sie quantifiziert ein etwa 2:1 Unterdrückungsverhältnis der GPP gegenüber dem NDVI während El-Niño-Ereignissen und verdeutlicht, dass die Kohlenstoffassimilation aufgrund von Stomataverschluss schneller zurückgeht als die Kronendichte (NDVI).
4. Operative Prognose: Die Entwicklung von Theil-Sen-Vorhersagemodellen mit quantifizierter Unsicherheit (LOO-MAPE) bietet einen Rahmen für die Erstellung handlungsrelevanter saisonaler Agrar-Frühwarnungen.

Ergebnisse

• ENSO-Auswirkungen: El-Niño-Ereignisse unterdrücken den zustandsmittleren Kharif-NDVI um durchschnittlich 3,6 % und die GPP um 7,0 %. Der Effekt ist im hyperariden Distrikt Jaisalmer am stärksten ausgeprägt, mit Defiziten von bis zu 14,3 % für den NDVI und 21,6 % für die GPP. La-Niña-Ereignisse erzeugen symmetrische Überschüsse von 3–18 % in der GPP.
• Korrelationen: Die Niederschlags-NDVI-Korrelationen sind in allen 33 Distrikten universell signifikant (Mittelwert $\rho$ = 0,935). Unabhängige ONI-Effekte auf die GPP sind jedoch nur in sechs ariden und semiariden westlichen Distrikten signifikant (Bikaner, Churu, Ganganagar, Hanumangarh, Jaisalmer und Jodhpur), mit partiellen Korrelationen zwischen -0,42 und -0,62. Im subhumiden Osten wird der ENSO-Einfluss primär durch den Niederschlag vermittelt.
• Langfristige Trends: Signifikante positive Mann-Kendall-Trends in NDVI und GPP werden in 16 von 33 Distrikten detektiert. Die höchsten Grünungsraten treten im subhumiden Südosten auf (Mittelwert +5,4 g C m⁻² yr⁻¹ für GPP), was auf landwirtschaftliche Intensivierung und CO₂-Düngung zurückzuführen ist.
• Modellleistung: Die Theil-Sen-Modelle erreichen einen mittleren LOO-MAPE von 6,2 % für NDVI und 17,4 % für GPP. Die Leistung ist im subhumiden Südosten (<12 % MAPE) am besten und im hyperariden Jaisalmer (31,5 %) sowie im ariden Churu (41,4 %) am schlechtesten, bedingt durch hohes interannuelles Rauschen und Detektionsschwellenprobleme.
• 2026-Prognose: Basierend auf einem ONI von -0,1 (FMA 2026) wird die staatliche mittlere Kharif-GPP auf 249,5 g C m⁻² (Anomalie -3,2 %) prognostiziert. Dreißig von 33 Distrikten werden als „NACH NORMAL“ eingestuft, während für Jaisalmer, Churu und Jhunjhunu eine Prognose von „UNTER NORMAL“ vorliegt.

Bedeutung und Ansprüche
Das Paper behauptet, dass seine Ergebnisse entscheidende Erkenntnisse für die satellitengestützte Kohlenstoffüberwachung und die landwirtschaftliche Planung liefern. Insbesondere wird postuliert, dass NDVI-basierte Ertragsmodelle, die in durchschnittlichen oder feuchten Jahren kalibriert wurden, die Kharif-Produktion während El-Niño-Ereignissen systematisch überschätzen werden, wenn die unverhältnismäßige Unterdrückung des Kohlenstoffflusses (GPP) gegenüber der Grünfärbung (NDVI) nicht berücksichtigt wird.

Die Studie positioniert ihre Theil-Sen-Gleichungen als einfaches Korrektur-Framework. Durch die Integration von Vor-Saison-ONI-Prognosen mit distriktmedianen Niederschlagsprojektionen können Planer die GPP-Schätzungen Wochen vor der Ernte anpassen. Die Autoren kommen zu dem Schluss, dass die identifizierten „ONI-sensitiven“ Distrikte eine Basis für differenzierte agrarwirtschaftliche Beratungsstrategien bieten, die SST-Ausblicke (Meeresoberflächentemperatur) neben Niederschlagsprognosen einbeziehen. Die Arbeit wird als operativ bereit für die saisonale landwirtschaftliche Planung, das Management der Vorratshaltung und die Erklärung von Dürren auf Sub-Distrikt-Ebene präsentiert, sofern die Echtzeit-Niederschlagsprognosen durch die etablierten Gleichungen propagiert werden.