Отдел за агроекология на партньорството, Rothamsted Research, Harpenden, Hertfordshire, Великобритания

подход

Отделение за изчислителна и системна биология, Rothamsted Research, Harpenden, Hertfordshire, Великобритания

Присъединителен център за екология и хидрология, Единбург, Великобритания

Университет на Торино, Груглиаско, Италия

Отделение за изчислителна и системна биология, Rothamsted Research, Harpenden, Hertfordshire, Великобритания

  • Джонатан Сторки,
  • Пиер Стратонович,
  • Даниел С. Чапман,
  • Франческо Видото,
  • Михаил А. Семенов

Фигури

Резюме

Цитат: Storkey J, Stratonovitch P, Chapman DS, Vidotto F, MA Semenov (2014) Процесно-базиран подход за прогнозиране на ефекта от изменението на климата върху разпространението на инвазивно алергенно растение в Европа PLoS ONE 9 (2): e88156. https://doi.org/10.1371/journal.pone.0088156

Редактор: Бруно Еро, Cirad, Франция

Получено: 4 септември 2013 г .; Прието: 6 януари 2014 г .; Публикувано: 12 февруари 2014 г.

Финансиране: Изследването, водещо до тези резултати, е получило финансиране от Седмата рамкова програма на Европейския съюз (FP7/2007–2013) по споразумения за безвъзмездна помощ № 282687 - Atopica. http://cordis.europa.eu/fp7. Финансистите не са играли роля в дизайна на проучването, събирането и анализа на данни, решението за публикуване или подготовката на ръкописа.

Конкуриращи се интереси: Авторите са декларирали, че не съществуват конкуриращи се интереси.

Въведение

Материали и методи

Моделиране на растежа, развитието и динамиката на популацията на A.artemisiifolia

A.artemisiifolia е летен едногодишен чувствителен към замръзване, адаптиран да избягва появата през есента. Това се постига, като семената имат първоначален латентност по време на отделяне и изискват период на охлаждане, за да се прекъсне латентното състояние. Оптималната температура за прекъсване на латентността е определена експериментално като 4 ° C; по-бавно освобождаване от латентност се наблюдава при температури над 5 ° C или под 0 ° C [23]. В модела се изисква период от 12 седмици при тази температура, преди семената да могат да покълнат. Суб-оптималните температури също са ефективни, но отнемат повече време. Функция, описваща скоростта на освобождаване от латентност (d -1) при различни температури въз основа на резултатите на Willemsen [23], беше включена в Sirius 2010. След като беше достигнат прагът за прекъсване на латентността, скоростта на покълване беше моделирана като функция на Weibull, използваща хидротермално време, която интегрира ефекта от температурата и влажността на почвата (уравнение 1): (1) Когато Y е кумулативна кълняемост (%) в хидротермално време (θHT), M е максимална кълняемост, k е скорост на нарастване, a е фаза на забавяне и c е параметър на формата.

Изчисляването на θHT изисква параметри за основната температура и съдържание на влага, под които θHT не се натрупва. Тези стойности са определени експериментално съответно като 3,6 ° C и -0,8 mPa [24]. Делът на семената, излизащи от семенната банка, е моделиран като стохастична функция с ляво изкривено разпределение и медиана от 26%. Това беше изчислено като общо разпределение, като се използват данни от множество видове плевели в няколко обекта и години.

Данните за първоначална параметризация на модела са до голяма степен получени от проучвания в САЩ. Поради това беше важно да се калибрира моделът за европейските популации на A.artemisiifolia. Следователно данните от анализа на растежа от два полеви експеримента през 2006 и 2007 г. в Груглиаско (Торино, Италия: 45 ° 03′53 ″ с.ш., 7 ° 35′38 ″ изток) за вземане на проби от монокултурни насаждения от A.artemisiifolia бяха използвани в крайния модел развитие. Моделът е приспособен към наблюдавани данни за дата на поникване, време на цъфтеж, височина и разпределение на биомасата в различни растителни органи.

Местни климатични сценарии и моделиране на европейско разпределение

За да се моделира европейското разпространение на A. artemisiifolia, Sirius 2010 беше използван за оценка на скоростта на нарастване на популацията (λ) като функция от степента на покълване на семената, производството на нови семена и загубите на семена, обусловени от местните климатични променливи. От набора от данни на ELPIS [31] бяха избрани на случаен принцип 479 места с минимално съседно разстояние от 100 км. За всяко място са генерирани 100 години дневно синтетично време, използвайки LARS-WG [32]. Асимптотичният темп на растеж на популацията (Λ) се изчислява като средната стойност на log (λ) за 1000 годишни симулации, като всяка използва случайна комбинация от данни за времето, генерирани за един вегетационен сезон и една кълняемост и загуба на семена. Бяха изчислени и две допълнителни статистически данни: края на поленовия сезон и сезонното производство на цветен прашец. От 479 случайни местоположения, подмножество от 25 сайта в цяла Европа е използвано за категоризиране на Λ стойности в индекс за годност: U.0 - силно неподходящ, U.1 - неподходящ, C.0 - случаен (по-малко вероятно), C.1 - случайни, E.0 - установени, E.1 - добре установени. Диапазоните за тези категории са получени чрез сравняване на генерираните Λ в изходни климатични условия на тези 25 места с нивото на изобилие на A.artemisiifolia от картата на текущото разпространение.

Резултати

Наблюдаваните данни за началото на поленовия сезон на A.artemisiifolia обхващат само относително малък ширинен градиент и не се наблюдава корелацията между географската ширина и началото на цъфтежа, очаквана от предишен фенологичен модел (Фигура 1). Въпреки че би било поучително да се извърши подобен анализ с данни за времената на цъфтеж в по-широк градински градиент в Европа, нашите резултати са съгласни с данните за Ambrosia spp. време на цъфтеж от САЩ, където началото на цъфтежа може до голяма степен да се предвиди въз основа на календарен ден, което предполага, че местните популации може да са се адаптирали да синхронизират развитието [27]. Наблюдаваните данни от европейските станции за наблюдение на прашец имат висока вариация от година на година, но прогнозираните стойности за края на производството на цветен прашец, като се използват трите правила, обикновено попадат в диапазона на наблюдаваните стойности (Фигура 1).

Лентите за грешки представляват максимални и минимални наблюдавани и симулирани стойности.

Прогнозираното разпределение, дефинирано с помощта на шестте категории на пригодност от „неподходящо“ до „добре установено“, като се използват базови климатични данни, съответства доста добре на последните наблюдавани карти на разпространение (Фигура 2). Идентифицирани са центрове с висока вероятност за поява като долината на Рона във Франция, област в и около Унгария и Швейцария и Холандия. Въпреки че дават индикация за валидността на изхода на модела, фигури 1а и 1б не могат да бъдат директно сравнени статистически, тъй като те представляват различни величини. Фигура 1а показва наблюдавани мрежи или обекти, където е била открита амброзия и за по-голямата част от мрежите/обектите няма информация дали населението е установено или случайно. Освен това, тъй като инцидентното събитие е в ход, наблюдаваното разпределение се очаква да се промени през следващите десетилетия, докато Фигура 2b предсказва потенциалното разпределение след завършване на инвазията. Също така е вероятно картата на разпределение на Фигура 1а да е предубедена от усилията за вземане на проби; например, вероятно е популациите в югоизточния ъгъл на картите в Украйна да са били недостатъчно представени [6].

А. Комбинация от две скорошни карти, показващи приблизителното разпространение на A.artemisiifolia в Европа, съставени от Déchamp [44] и Bullock et al от Центъра за екология и хидрология (CEH) [35]. Качеството на наблюдаваните данни, използвани за генериране на карти, варира в зависимост от данните с добро качество, получени от Северна, Централна и Западна Европа и данните с по-лошо качество от Русия и Украйна. Б. Предвиден потенциален обхват на A.artemisiifolia от изхода на модела, базиран на процеса, като се приеме, че на всички места има подходящо местообитание по отношение на земеползването. Действителното разпределение ще бъде променено чрез модели на изрязване и ниво на контрол. Категориите са: U.0 - силно неподходящ, U.1 - неподходящ, C.0 - случаен (по-малко вероятно), C.1 - случаен, E.0 - установен, E.1 - добре установен.

Тук приемаме, че няма пречки пред разпространението и всички райони имат подходящо земеползване (рудерални местообитания, особено пролетни посевни едногодишни култури), за да може А.artemisiifolia да продължи. За някои региони, в които липсва подходящо местообитание, картата на потенциалното разпространение предсказва установени популации на A.artemisiifolia, където не е наблюдавана; например югозападната част на Англия и Южна Ирландия са доминирани от постоянни пасища. Включването на фактори за използване на земята в по-фини мащаби би допълнително усъвършенствало прогнозите, но няма да повлияе на прогнозираните северни, южни и източни граници на неговия ареал. Те съвпадат добре с докладваните данни за обхвата на ареала на A.artemisiifolia с изолирани случайни популации, простиращи се чак на юг до Северна Испания и Италия и на север до Обединеното кралство и Швеция [33], [34]. Моделът предсказва, че южната граница ще бъде обусловена от стрес от влага, а северната - от недостатъчно топлинно време, за да узреят семената. Важно е, че няма райони, в които A.artemisiifolia в момента е установен проблем и където моделът предсказва неустойчиви популации с възможно изключение на Русия и Украйна, където качеството на данните за наблюдаваните популации, използвани за генериране на карта на разпространение, е лошо [35].

Според сценариите HadCM3 (A1B) за 2010–2030 и 2050–2070 г. се предвижда южната граница на ареала на A.artemisiifolia да се променя много малко, тъй като бъдещите модели на валежи означават, че по-голямата част от Испания, Южна Италия и Гърция остават твърде сухи за A.artemisiifolia за поддържане на жизнеспособни популации (Фигура 3). Предполага се обаче, че наличното подходящо местообитание за A.artemisiifolia ще се разпростира на север и на изток при климатични промени, тъй като повишаването на летните температури води до по-бързо натрупване на топлинно време и по-голяма вероятност растението да завърши жизнения си цикъл и да даде зрели семена. При тези сценарии е вероятно популациите в скандинавските страни и Великобритания, които в момента са случайни (Фигура 3). Когато в момента A.artemisiifolia е добре установена и се среща с висока плътност, в Унгария, Хърватия и френската долина Рона, моделът прогнозира само малко увеличение на капацитета за повишено производство на полени при климатични промени (Фигура 4). Въпреки това, в северната част на диапазона се предвижда относително голямо увеличение на производството на цветен прашец, което потенциално може да създаде здравословен проблем, когато концентрациите на цветен прашец Ambrosia в момента са под прага за предизвикване на клинични симптоми.

А. Използване на сценарии HadCM3 (A1B) за близко бъдеще 2010–2030 и Б. дългосрочно бъдеще 2050–2070. Категориите са: U.0 - силно неподходящ, U.1 - неподходящ, C.0 - случаен (по-малко вероятно), C.1 - случаен, E.0 - установен, E.1 - добре установен.

А. Близко бъдеще (2010–2030) и Б. дългосрочно бъдеще (2050–2070), където Pbs и Pfuture са производство на прашец за базовия сценарий и бъдещите климатични сценарии. Производството на модела е производство на цветен прашец от растението, няма прогноза за емисии или транспорт на полени, включени в модела. Показани са само области, за които се прогнозира, че са подходящи за A.artemisiifolia (случайни или установени). Когато се предвижда популациите да колонизират нови райони, увеличеното производство на прашец ще бъде посочено като> 0,8, въпреки че абсолютният брой на поленовите зърна може да бъде относително нисък в сравнение с добре установените популации.

Дискусия

Независимо от разработването на модели за разпространение на видовете в инвазионната екология, през последните години са разработени подробни модели, базирани на процесите на растеж и развитие на културите, за да се разберат по-добре екологичните и физиологични ограничения върху добива на реколтата [20]. Тези модели имат силата да улавят взаимодействието на множество променливи на управлението и околната среда в малък времеви и пространствен мащаб и представляват важен ресурс за прогнозиране на реализирани ниши при бъдещи сценарии на инвазивни видове. Този потенциал наскоро беше демонстриран за едногодишни плевели в национален мащаб [18]; тук използвахме същия подход за моделиране на потенциалната ниша за даден вид, който в момента напада нов континент. По този начин ние се справихме с редица предизвикателства, пред които е изправено прилагането на предни модели към инвазионната екология, обсъдени от Chapman et al. [13]. По-конкретно, всички процеси в модела са параметризирани, като се използват независими набори от данни, а използването на местни климатични сценарии, генерирани на всекидневна стъпка от времето, позволява улавянето на въздействието на краткосрочния стрес на околната среда върху растежа на растенията.

Принос на автора

Замислени и проектирани експерименти: JS PS FV MS. Изпълнени експерименти: PS MS FV. Анализирани данни: JS PS MS. Реактиви/материали/инструменти за анализ: FV DC. Написа хартията: JS PS MS.