Limited predictability of tree-level responses to drought across European forests

Een analyse van 2909 bomen in zestien Europese soorten onthult dat de respons op droogte voornamelijk wordt bepaald door soortspecifieke kenmerken en topografie in plaats van boomgrootte of lokale concurrentie, wat leidt tot een lage voorspelbaarheid van individuele boomherstel.

De kern

Titel: Waarom sommige bomen droogte overleven en anderen niet: Een verhaal over bomen, dorst en hun "kroon"

Stel je voor dat Europa een gigantisch bos is, vol met bomen van alle soorten en maten. De laatste jaren wordt het er steeds heterer en droger. Het is alsof de bomen in een droge zomerspelen moeten spelen, waarbij de zon ongenadig brandt en de grond uitdroogt. De vraag die deze onderzoekers zich stelden, was simpel maar cruciaal: Welke bomen overleven deze droge periodes en welke sterven eraan? En nog belangrijker: Kunnen we dat van tevoren voorspellen?

Hier is wat ze ontdekten, vertaald naar alledaagse taal:

1. De grote zoektocht

De onderzoekers hebben niet gekeken naar één boom of één bosje. Nee, ze hebben een gigantische "boom-census" gedaan. Ze namen 2.909 bomen uit 16 verschillende soorten (zoals eiken, sparren en beuken) uit zes verschillende landen, van het koude Finland tot het hete Spanje. Ze keken in de jaarringen van deze bomen, alsof ze de levensverhalen van de bomen lazen, om te zien hoe ze reageerden op de zware droogtes van de afgelopen decennia.

2. De verrassende ontdekking: Het is lastiger dan gedacht

Je zou denken: "Oké, grote bomen hebben diepere wortels, dus ze zijn sterker" of "Bomen in een gemengd bos helpen elkaar, dus ze doen het beter."
Maar de onderzoekers ontdekten dat het niet zo simpel is.

Het was alsof ze probeerden te voorspellen wie een marathon zou winnen door alleen naar de schoenen van de lopers te kijken. Ze ontdekten dat hun modellen maar een heel klein beetje van de variatie konden verklaren (ongeveer 13-21%). De rest is een mysterie. Het gedrag van een boom tijdens een droogte is complexer dan alleen zijn grootte of leeftijd.

3. Wat werkt wél? De "Levende Kroon"

Er was één ding dat wel een groot verschil maakte: De grootte van de levende kroon.
Stel je een boom voor als een huis. De stam is het fundament, maar de kroon (de takken en bladeren) is het dak en de muren.

• Bomen met een volle, grote kroon (veel levende takken) bleken beter te kunnen herstellen na een droogte. Het is alsof ze een grotere "voorraadkast" hebben of beter kunnen schuilen.
• Bomen met een kleine kroon hadden meer moeite om zich te herstellen.

4. Wat werkt NIET? De buurman en de leeftijd

Veel mensen denken dat bomen in een dicht bos (veel concurrentie) of in een gemengd bos (veel soorten) beter presteren.

• De "buurman-effect": De onderzoekers zagen dat het niet uitmaakt of je buren dicht op je zitten of ver weg. Of je nu in een eenheid van één soort zit of in een gemengd bos: de droogte raakt je ongeveer even hard. Het is alsof bij een hittegolf het niet uitmaakt of je naast een vriend of een vreemde woont; de hitte voelt voor iedereen hetzelfde.
• Leeftijd en Grootte: Ook de leeftijd of de hoogte van de boom was geen betrouwbare voorspeller. Een oude, hoge boom is niet per se sterker dan een jongere, kleinere boom. Soms zijn grote bomen juist kwetsbaarder, soms juist niet. Het is te onvoorspelbaar.

5. De locatie is de echte held (of schurk)

Het meest interessante was dat waar de boom groeit, belangrijker is dan wat voor boom het is.

• Bomen in Roemenië (vaak op steile hellingen) deden het verrassend goed. Het is alsof ze op een veilige, koelere plek staan.
• Bomen in Polen deden het het slechtst. Zelfs de sterke sparren (die normaal goed tegen kou kunnen) hadden het daar zwaar. Het lijkt erop dat het lokale klimaat en de grond daar zo extreem zijn, dat zelfs sterke soorten het niet redden.

6. De les voor de toekomst

De boodschap van dit onderzoek is tweeledig:

1. We kunnen niet alles voorspellen. Het is moeilijk om precies te zeggen welke boom het gaat redden. De natuur is complexer dan onze simpele regels.
2. Kijk naar de kroon en de locatie. Als we bossen willen beschermen tegen klimaatverandering, moeten we niet alleen kijken naar het aantal soorten of de grootte van de bomen. We moeten kijken naar de gezondheid van de kroon en of de boom op een plek staat die niet te droog is.

Samenvattend:
Dit onderzoek zegt dat bomen geen robots zijn die we makkelijk kunnen voorspellen. Het is meer zoals mensen: sommige mensen overleven een hittegolf beter dan anderen, maar dat heeft niet altijd te maken met hun leeftijd of hoe groot ze zijn. Het heeft te maken met hun "kroon" (hun gezondheid) en waar ze wonen. Om onze bossen veilig te houden voor de toekomst, moeten we leren om te kijken naar deze complexe details, in plaats van te hopen op één simpele oplossing.

Technische samenvatting

Titel: Beperkte voorspelbaarheid van boom-niveau responsen op droogte in Europese bossen

1. Het Probleem

De klimaatverandering zorgt voor een toename in frequentie, duur en ernst van extreme gebeurtenissen zoals hittegolven en droogtes. Dit drukt bomen naar of voorbij hun fysiologische limieten, wat leidt tot afnemende kroongezondheid, verminderde groei en wijdverspreide bossterfte. Hoewel er veel onderzoek is gedaan naar hoe soortgroepen reageren op droogte, ontbreekt er een breed scala aan kennis op het niveau van individuele bomen over verschillende bossoorten en geografische locaties. Dit beperkt de mogelijkheid om lokale effecten van droogte te voorspellen en effectieve, klimaatslimme bosbeheerstrategieën te ontwikkelen. Er is een duidelijke kennislacune over welke intrinsieke (bijv. grootte, leeftijd, kroon) en extrinsieke (bijv. competitie, bossoort, droogte-intensiteit) factoren de variabiliteit in droogteresilientie het beste verklaren.

2. Methodologie

De auteurs hebben een uitgebreide analyse uitgevoerd met behulp van een uniek dataset:

• Datacollectie: Boomkernmonsters werden verzameld van 2.909 bomen van 16 verschillende boomsoorten (4 naaldbomen, 11 loofbomen, 1 altijdgroene loofboom).
• Locatie: De studie beslaat zes hoofdtypen Europese bossen, variërend van boreale bossen in Finland tot mediterrane bossen in Spanje en Italië (FunDivEUROPE-netwerk).
• Droogte-identificatie: Droogtejaren werden geïdentificeerd op basis van het klimaatwatertekort (CWD) tijdens het groeiseizoen (april-september) tussen 1970 en 2011. De meest recente ernstige droogte per locatie werd geselecteerd (bijv. 2003 in Centraal-Europa).
• Resilientie-metingen: Aan de hand van jaarringen werden vier indices berekend voor elke boom:
  1. Resistentie (Rt): Vermogen om groei tijdens de droogte te handhaven.
  2. Herstel (Rc): Vermogen om groei na de droogte te herstellen.
  3. Resilientie (Rs): Totale vermogen om terug te keren naar het pre-droogte-niveau.
  4. Relatieve resilientie (RRs).
• Predictoren: Er werden zeven factoren geanalyseerd:
  • Intrinsiek: Boomhoogte, leeftijd, levende kroonverhouding (LCR), en groeisnelheid voor de droogte.
  • Extrinsiek: Soortenrijkdom in het bos, lokale competitie (basale oppervlakte van hogere bomen), en droogte-intensiteit (CWD).
• Statistische Analyse: Er werden hiërarchische Bayesiaanse modellen (geïmplementeerd in brms in R) gebruikt om de variatie in de vier resilientie-indices te modelleren. Het model nam rekening met vaste effecten (de voorspellers) en willekeurige effecten (bossoort, boomsoort, en plot).

3. Belangrijkste Bijdragen

• Schaal en Diversiteit: Dit is een van de meest omvattende studies tot nu toe die individuele boomresponsen analyseert over een breed geografisch spectrum (20° breedtegraad) en een grote diversiteit aan soorten en bossoorten.
• Integratie van Factoren: De studie koppelt boomkerngegevens direct aan gedetailleerde bosinventarisatiegegevens (kroonafmetingen, competitie) en klimaatdata, wat een holistische kijk mogelijk maakt op zowel intrinsieke als extrinsieke drivers.
• Modelbenadering: Het gebruik van complexe hiërarchische Bayesiaanse modellen stelt de auteurs in staat om de variabiliteit tussen bomen, soorten en locaties nauwkeurig te scheiden van de effecten van de onderzochte voorspellers.

4. Resultaten

• Beperkte Voorspelbaarheid: De modellen konden slechts 13% tot 21% van de totale variatie in boom-resilientie verklaren. De meeste variatie werd verklaard door willekeurige effecten (specifieke bossoort, boomsoort en locatie), niet door de gemeten intrinsieke of extrinsieke factoren.
• Significante Voorspellers:
  • Levende Kroonverhouding (LCR): Bomen met een grotere levende kroon (hoge LCR) toonden over het algemeen een beter herstel en hogere resilientie na droogte.
  • Droogte-intensiteit: Bomen die blootstonden aan lagere droogte-intensiteit (minder negatief CWD) vertoonden een hogere resistentie (minder groeiverlies tijdens de droogte).
• Niet-significante Factoren:
  • Competitie en Diversiteit: De dichtheid van het bos of de soortenrijkdom in de directe omgeving hadden geen duidelijke invloed op de respons van individuele bomen op droogte.
  • Grootte en Leeftijd: Boomhoogte, leeftijd en de groeisnelheid voor de droogte hadden geen consistente effecten op enige component van de resilientie.
• Locatie-afhankelijkheid: De respons op droogte bleek sterker afhankelijk te zijn van het bossoort en de topografie (bijv. Roemenië toonde hoge resilientie, Polen lage) dan van de specifieke boomsoort. Picea abies (Spar) toonde bijvoorbeeld zeer verschillende reacties afhankelijk van de locatie.

5. Betekenis en Conclusie

De studie concludeert dat de respons van individuele bomen op droogte inherent complex is en sterk wordt beïnvloed door lokale omstandigheden en bossoorten, in plaats van door universele regels gebaseerd op boomgrootte of competitie.

• Beheerimplikatie: Het is moeilijk om op basis van algemene boomkenmerken (zoals hoogte of leeftijd) te voorspellen welke bomen zullen overleven. Bosbeheer moet rekening houden met de specifieke topografische context en de geschiedenis van droogte.
• Toekomstige Richting: Om de voorspelbaarheid te verbeteren, is het noodzakelijk om boomring-data te integreren met fysiologische metingen, remote sensing en mechanistische modellen. De huidige modellen zijn te simpel om de lange-termijn cumulatieve effecten van droogte en de complexe interacties tussen bomen volledig te vangen.

Kortom, hoewel bomen met een grotere kroon en in minder extreme droogtes beter presteren, blijft het voorspellen van de overleving van individuele bomen bij extreme droogte een grote uitdaging vanwege de hoge mate van onvoorspelbaarheid die wordt veroorzaakt door lokale en soortspecifieke factoren.