Forecasting climate change impacts on plant populations over large spatial extents
Forecasting climate change impacts on plant populations over large spatial extents
复制标题
预测气候变化对大空间范围内植物种群的影响
DOI：
10.1002/ecs2.1525
复制
发表时间：
2016
期刊：
影响因子：
2.7
通讯作者：
Adler, Peter B.
中科院分区：
文献类型：
--
作者：
Tredennick, Andrew T.;Hooten, Mevin B.;Aldridge, Cameron L.;Homer, Collin G.;Kleinhesselink, Andrew R.;Adler, Peter B.
植物种群模型是预测某一地点气候变化影响的有力工具，但很难在景观尺度上应用。我们通过利用两项最新进展克服了这一限制：遥感、物种特异性植物覆盖估计和为动物种群时空动态开发的统计模型。使用计算高效的模型重新参数化，我们将时空种群模型拟合到怀俄明州西南部 2.5 × 5 公里景观的山艾树 (Artemisiaspp.) 覆盖率 28 年时间序列，同时正式考虑空间自相关。我们将降水和温度的年际变化作为模型中的协变量，以研究气候如何影响山艾树的覆盖范围。然后，我们使用该模型来预测在预计的气候变化下景观尺度上山艾树的未来丰度，从而对山艾树种群轨迹进行空间明确的估计，而迄今为止，在这种规模上是不可能产生的。我们的大范围和长期预测植根于小规模和短期种群动态，并为不包括种群动态的物种分布模型提供的预测提供了替代方案。我们的方法以一种新颖的方式结合了几种现有技术，展示了如何使用遥感数据来模拟人口对环境变化的反应，其空间尺度远大于传统的实地研究地块。
Plant population models are powerful tools for predicting climate change impacts in one location, but are difficult to apply at landscape scales. We overcome this limitation by taking advantage of two recent advances: remotely sensed, species‐specific estimates of plant cover and statistical models developed for spatiotemporal dynamics of animal populations. Using computationally efficient model reparameterizations, we fit a spatiotemporal population model to a 28‐year time series of sagebrush (Artemisiaspp.) percent cover over a 2.5 × 5 km landscape in southwestern Wyoming while formally accounting for spatial autocorrelation. We include interannual variation in precipitation and temperature as covariates in the model to investigate how climate affects the cover of sagebrush. We then use the model to forecast the future abundance of sagebrush at the landscape scale under projected climate change, generating spatially explicit estimates of sagebrush population trajectories that have, until now, been impossible to produce at this scale. Our broadscale and long‐term predictions are rooted in small‐scale and short‐term population dynamics and provide an alternative to predictions offered by species distribution models that do not include population dynamics. Our approach, which combines several existing techniques in a novel way, demonstrates the use of remote sensing data to model population responses to environmental change that play out at spatial scales far greater than the traditional field study plot.
登录
查看更多内容
美国怀俄明州多尺度遥感山艾树特征与回归树：为监测奠定基础
影响因子：
7.5
作者：
C. Homer;Cameron L. Aldridge;Debra K. Meyer;Spencer J. Schell
通讯作者：
Spencer J. Schell
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
E. Arnett;T. Z. Riley
通讯作者：
T. Z. Riley
影响因子：
3.8
作者：
M. Hooten;C. Wikle
通讯作者：
C. Wikle
影响因子：
4.8
作者：
Gerber, Brian D.;Kendall, William L.;Drewien, Roderick C.
通讯作者：
Drewien, Roderick C.
山艾树径向生长的控制及其对气候变化的影响
DOI：
--
发表时间：
2009
期刊：
影响因子：
--
作者：
R. Poore;C. Lamanna;J. J. Ebersole;B. Enquist
通讯作者：
B. Enquist