Aug 02, 2023
Mayor sensibilidad de la vegetación a la sequía meteorológica en otoño que en primavera en los biomas europeos
Communications Earth & Environment volumen 4, Número de artículo: 299 (2023) Citar este artículo 134 Accesos 3 Detalles de Altmetric Metrics Europa ha experimentado graves sequías en las últimas décadas,
Comunicaciones Tierra y Medio Ambiente volumen 4, Número de artículo: 299 (2023) Citar este artículo
134 Accesos
3 altmétrico
Detalles de métricas
Europa ha experimentado graves sequías en las últimas décadas, lo que plantea desafíos para comprender las respuestas de la vegetación debido a su diversa distribución, diferentes etapas de crecimiento, diferentes características de la sequía y factores hidroclimáticos concurrentes. Para analizar la respuesta de la vegetación a la sequía meteorológica, empleamos múltiples indicadores de vegetación en los biomas europeos. Nuestros hallazgos revelan que la sensibilidad de la vegetación a la sequía aumenta a medida que se desarrolla el dosel a lo largo del año, con sensibilidades de -0,01 en primavera a 0,28 en otoño y áreas susceptibles a la sequía del 18,5 al 57,8% en Europa. La escasez de agua en el suelo exacerba temporalmente la sensibilidad de la vegetación a la sequía, mientras que su impacto espacial es limitado. La sensibilidad de la vegetación a la sequía se correlaciona fuertemente con el déficit de presión de vapor y parcialmente con la concentración atmosférica de CO2. Estos resultados resaltan las variaciones espaciotemporales en la sensibilidad de la vegetación a la sequía y la influencia de los factores hidroclimáticos. Los hallazgos mejoran nuestra comprensión de la respuesta de la vegetación a la sequía y el impacto de los factores hidroclimáticos concurrentes, proporcionando información subestacional valiosa para la gestión del agua y la preparación para la sequía.
Las sequías son períodos en los que la disponibilidad de agua es inferior a la media a largo plazo1. El cambio climático está provocando una mayor intensidad, duración y frecuencia de las sequías en determinadas regiones del mundo2,3, lo que afecta negativamente tanto a las sociedades como a los ecosistemas4,5. La sequía puede disminuir la productividad de la vegetación6, cambiar la composición de la vegetación7, disminuir la biodiversidad8,9 y reducir los servicios ecosistémicos5. Muchos países europeos han sufrido graves sequías estivales en las últimas décadas10,11,12. En Europa y el Reino Unido, la pérdida económica anual promedio debido a la sequía durante 1981-2010 fue de aproximadamente 9 mil millones de euros, y la mitad de estas pérdidas provinieron de la agricultura13,14, lo que destaca la importancia de la preparación y el conocimiento de las respuestas de la vegetación a la sequía.
Las sequías meteorológicas, causadas por el déficit de precipitaciones, tienen efectos complejos sobre el crecimiento de la vegetación que están influenciados por múltiples factores hidroclimáticos. Aquí, “crecimiento” se refiere a procesos de vegetación que resultan en cambios en la biomasa o en la producción primaria en un sentido amplio15. Los factores hidroclimáticos incluyen la disponibilidad de agua en el suelo (humedad del suelo, SM), la sequedad atmosférica transitoria (déficit de presión de vapor, VPD), la radiación solar (radiación neta, Rn) y la concentración atmosférica de dióxido de carbono (aCO2)16,17,18,19. Estos factores pueden interactuar de manera que amplifiquen o mitiguen los impactos de la sequía en los procesos biofísicos. La respuesta de la vegetación a la sequía meteorológica depende de si su crecimiento está limitado por agua (SM) o energía (Rn)17. Mientras que los roles relativos de SM y VPD en la vegetación durante la sequía son difíciles de desentrañar20. Además, el efecto del aCO2 durante el estrés hídrico de la vegetación sigue siendo objeto de debate21 y está entrelazado con otros factores22. Se necesita un estudio integral para evaluar el papel relativo de estos factores en el crecimiento de la vegetación y las respuestas a la sequía, logrando una comprensión holística de la interacción entre varios factores concurrentes con la sequía meteorológica.
El Índice Estandarizado de Precipitación y Evapotranspiración (SPEI)23 se utiliza a menudo para estimar las características de los eventos de sequía meteorológica, incluida la gravedad, intensidad y duración de la sequía; para obtener una definición detallada, consulte la ref. 24. El SPEI tiene en cuenta el equilibrio hídrico entre la precipitación y la demanda de agua por evaporación atmosférica y proporciona una comprensión integral de las condiciones de estrés hídrico sobre la vegetación a escalas global y regional25,26,27,28. Se ha demostrado que el SPEI supera a otros índices al evaluar los impactos de la sequía en la humedad del suelo, las actividades de la vegetación, el rendimiento de los cultivos y el crecimiento de los bosques29,30,31. El SPEI calculado a partir de datos climáticos aproximados (0,5 grados) se ha utilizado para evaluar los impactos de la variabilidad interanual del SPEI en las actividades de vegetación a escalas global y regional32,33. Los datos de reanálisis climático de alta resolución (0,1 grados) desarrollados recientemente ofrecen la posibilidad de evaluar los impactos de la sequía en la vegetación utilizando SPEI con información espacialmente detallada.
La sequía puede ocurrir en cualquier momento del año34,35, y las respuestas de la vegetación a la sequía varían según el momento de la sequía y la etapa de crecimiento de la vegetación debido a los diferentes requisitos de agua a lo largo del crecimiento estacional de la vegetación36,37,38. Las investigaciones actuales se han centrado principalmente en la respuesta general anual de la vegetación a la sequía y sus efectos en el tiempo32, la recuperación posterior a la sequía36 y los impactos de la sequía en la fenología de la vegetación39. Se ha pasado por alto el conocimiento fundamental sobre las respuestas inmediatas de la vegetación subestacional a la sequía a gran escala. Esta información es crucial para el seguimiento de la sequía en los ecosistemas40, ya que muchos estudios sobre las respuestas de las plantas al estrés por sequía se han limitado a experimentos a escala de maceta41. El grado en que el crecimiento subestacional de la vegetación se ve afectado por la sequía a escala del ecosistema aún no está claro, ya que la aplicabilidad de la ley del mínimo de Liebig puede no extenderse del nivel individual al comunitario42,43. La situación se complica por la variabilidad espacial de la disponibilidad de agua del suelo que precede a las sequías meteorológicas, además de otros factores necesarios para satisfacer los requisitos mínimos de crecimiento de las plantas individuales44. El conocimiento de las respuestas de la vegetación subestacional a la disponibilidad de agua es necesario para la planificación de cultivos, la gestión eficiente de los recursos hídricos, la optimización de la restauración de los ecosistemas y la mitigación de los riesgos de sequía.
Europa experimentó condiciones secas en el sur y húmedas en el norte, con una tendencia hacia inviernos más húmedos y veranos más secos durante las últimas décadas34. Se prevé que la región de Europa que enfrenta estrés hídrico aumentará significativamente en todas partes45. Varios estudios han analizado los efectos de la sequía en la vegetación paneuropea utilizando indicadores de vegetación obtenidos mediante sensores remotos. Por ejemplo, se utilizó el Índice de Diferencia Normalizada de Vegetación (NDVI) y reveló que la sequía provocó una disminución de la producción de vegetación en Europa central durante 1999-201046. También se empleó otro indicador estrechamente relacionado, la fracción de radiación fotosintéticamente activa (FPAR), y se encontró que la vegetación en el norte de Europa mostró una sensibilidad más débil a la sequía en comparación con la vegetación en el sur de Europa durante el período 1982-2011 y que las sequías habían limitado impactos en los bosques boreales y alpinos, pero redujo significativamente la productividad en las regiones agrícolas47. En un estudio comparativo de la sequía europea durante 2001-2015 utilizando un conjunto de productos de la superficie terrestre y modelos del ciclo del carbono derivados de satélites48, se informó que el NDVI no logró capturar los impactos de la sequía en la vegetación. Un único indicador de vegetación, por ejemplo, el indicador de verdor NDVI, solo proporciona una faceta relacionada con el crecimiento de la vegetación y puede ser insuficiente para comprender las respuestas de la vegetación a los entornos49. Algunos indicadores de vegetación obtenidos de la observación por satélite también tienen limitaciones, como los problemas causados por la capa de nieve y la vegetación densa50, lo que conduce a una posible inexactitud en la estimación del crecimiento de la vegetación. Una evaluación integral de las respuestas de la vegetación a la sequía requiere evaluar múltiples indicadores, incluido el verdor, la estructura, la fisiología, la absorción de luz fotosintética, la productividad y más, para ofrecer una comprensión completa de la respuesta de la vegetación al estrés por sequía.
Teniendo en cuenta la naturaleza multifacética del crecimiento de las plantas15, este estudio utiliza un conjunto de indicadores de vegetación detectados remotamente en combinación con un conjunto de datos climáticos cuadriculados de última generación para investigar cómo responde la vegetación a la sequía en los biomas europeos durante el período 2000-2020. Evaluamos los impactos inmediatos de la variabilidad interanual del SPEI en la vegetación en intervalos de medio mes durante el desarrollo del dosel durante un año, considerando diferentes escalas de tiempo de sequía, incluidos valores positivos para condiciones húmedas y valores negativos para condiciones secas. Los métodos estadísticos sólidos se utilizan para clasificar las asociaciones sequía-vegetación y separar los impactos de la sequía meteorológica en el crecimiento de la vegetación de factores hidroclimáticos concurrentes, incluidos SM, Rn, VPD y aCO2, en cada etapa de crecimiento. Examinamos las respuestas de la vegetación a la sequía por separado para los tipos de cobertura terrestre más comunes en Europa.
El crecimiento de la vegetación se correlacionó con la sequía con intensidades variables en diferentes escalas de tiempo de sequía en diferentes meses del año en los biomas europeos. Los valores de correlación entre los indicadores de vegetación del conjunto y el SPEI se resumen en la Fig. 1 para tres meses típicos de una temporada de vegetación (inicio de primavera, pico de verano y senescencia de otoño). Durante los meses de primavera de inicio del crecimiento de la vegetación, el 18,5% del área presentó una correlación positiva significativa (lo que implica vegetación susceptible a la sequía) entre la vegetación y el SPEI, mientras que el 26,5% del área tuvo una correlación negativa significativa, lo que llevó a un coeficiente de correlación promedio de - 0,11 sobre la región. Esto indica una respuesta general tolerante a la sequía en primavera, aunque con notables excepciones en la Península Ibérica, partes de Francia, Letonia, Ucrania y Rusia occidental. La proporción de superficie terrestre susceptible a la sequía aumentó al 45,6% en el mes de crecimiento máximo del verano y al 57,8% en el mes de senescencia del otoño (Fig. 1d). El coeficiente de correlación medio para toda la zona aumentó de 0,33 en verano a 0,46 en otoño. Las variaciones estacionales de las correlaciones de la vegetación con el SPEI fueron consistentes entre los siete indicadores de vegetación, con solo diferencias menores entre los indicadores de verdor o estructura de la vegetación (NDVI, LAI y FPAR) y los indicadores de productividad (GPP). El GPP fue menos afectado por la sequía en los meses de primavera y verano, en comparación con NDVI, FPAR y LAI. Tres indicadores, NIRv, PPI y SIF, mostraron proporciones consistentes de áreas susceptibles a la sequía (Fig. 1d). La escala de tiempo de sequía dominante difirió entre las estaciones, con 5 a 6 meses para la mayor parte del área en primavera y 2 a 3 meses en verano y otoño (histogramas insertados en las figuras 1a a c).
a Meses de primavera de inicio del crecimiento, b meses de verano de crecimiento máximo y c meses de otoño de senescencia, determinados a partir de un conjunto de siete indicadores de vegetación (NDVI, NIRv, PPI, FPAR, LAI, SIF y GPP) y el índice de sequía SPEI. d Gráfico de barras de la proporción de áreas susceptibles a la sequía con correlaciones positivas significativas entre la vegetación y el SPEI en tres temporadas de vegetación. Las líneas de puntos y rayas indican las áreas de proporción media del conjunto de las siete variables. Los histogramas insertados en (a – c) muestran la frecuencia (en porcentaje del área total) de las distribuciones de escalas de tiempo, donde los colores rojos indican las escalas de tiempo de máxima correlación positiva entre vegetación y sequía, los colores azules para una correlación negativa mínima y los colores oscuros para una correlación significativa. en p ≤ 0,05, y color claro para no significativo (p > 0,05). Los gráficos circulares insertados indican la proporción general de áreas de valores de correlación.
La asociación vegetación-sequía se clasificó en diferentes niveles de clases jerárquicas, siendo las dos clases principales húmeda/subhúmeda y árida. Las regiones húmedas incluyen el norte de Europa, mientras que las regiones subhúmedas se encuentran en Europa central. Las regiones áridas suelen estar situadas en el sur de Europa, particularmente alrededor del Mediterráneo y el Mar Negro (Fig. 2). La Figura 2 también demuestra cómo el área se puede dividir en 5, 8 y 12 subclases. Estas 12 clases de asociación de vegetación y sequía se utilizaron además para evaluar las estadísticas zonales de las respuestas de la vegetación a la sequía y para analizar los efectos de los factores hidroclimáticos concurrentes.
a El área de estudio se puede clasificar en 2, 3, 5, 8 y 12 niveles diferentes de clases jerárquicas con base en la correlación entre el conjunto de indicadores de vegetación y el SPEI de enero a diciembre en escalas de tiempo de 1 a 24 meses. b Mapa de 12 clases de asociación de vegetación y sequía, con un diagrama de dispersión tridimensional insertado que visualiza la separabilidad de estas clases utilizando el algoritmo de reducción de dimensiones t-SNE.
Desde la región húmeda del norte hasta la región árida del sur, la sensibilidad de la vegetación a la sequía exhibió aumentos notables, caracterizados por respuestas máximas más fuertes y prolongadas (Fig. 3). La sensibilidad promedio durante la temporada de crecimiento fue de alrededor de cero en las Zonas 1 a 3 (norte de Europa, Fig. 2), 0,06 en la Zona 4 (principalmente regiones alpinas) y 0,11 en la Zona 5 (Rusia occidental). Los valores de sensibilidad fueron de 0,09 a 0,20 en las zonas 6 y 7 (zonas subhúmedas de Europa central) y de 0,19 a 0,44 en las zonas 8 a 12 (zonas áridas del sur de Europa, Fig. 3). Temporalmente, las sensibilidades medias aumentaron de -0,01 en primavera a 0,28 en otoño (Fig. 4a-c). La alta respuesta se produjo principalmente en el mes de o dentro del mes anterior a la senescencia del otoño. En el sur de Europa, las respuestas fueron altas durante toda la temporada de crecimiento. Entre los siete indicadores de vegetación, se evidenció una mayor respuesta en el indicador de verdor NDVI durante los meses de otoño. Otros dos indicadores espectrales, NIRv y PPI, también mostraron respuestas relativamente altas a la variabilidad del SPEI. El indicador de productividad GPP mostró una respuesta menor que otros indicadores de vegetación a la sequía durante los meses de máximo crecimiento del verano en las regiones del centro y sur de Europa, y las respuestas a la sequía de todos los indicadores de vegetación convergieron a un rango estrecho de nivel alto durante la senescencia del otoño ( Fig. 3).
Las sensibilidades de la vegetación a la sequía (\({\gamma }_{d}\) en la Ec. 4) en 12 zonas de asociación de vegetación y sequía se determinaron mediante regresión de crestas entre un indicador de vegetación y factores hidroclimáticos, incluido el SPEI. a zonas 1 a 5 del norte de Europa; b zonas de Europa central 6 a 7, yc zonas de Europa meridional 8 a 12. El área sombreada denota la desviación estándar de las medias del conjunto de los siete indicadores de vegetación. Los números indican sensibilidades medias en la temporada de crecimiento. Los tres rectángulos negros indican los meses promedio de inicio del crecimiento en primavera, los meses de crecimiento máximo en verano y los meses de senescencia en otoño en cada región.
a–c Sensibilidades de la vegetación a la sequía, \({\gamma }_{d}\) usando SPEI. d–f Sensibilidades de la vegetación a SM (humedad del suelo), g – i sensibilidades de la vegetación a VPD (déficit de presión de vapor), j – l sensibilidades de la vegetación a Rn (radiación neta) y m – o sensibilidades de la vegetación a aCO2 (concentración de CO2 atmosférico), durante tres períodos de vegetación. estaciones. Estos mapas muestran las sensibilidades medias del conjunto utilizando siete indicadores de vegetación en la escala de tiempo cuando la correlación vegetación-sequía alcanza el nivel más fuerte entre escalas de tiempo que van de 1 a 24 meses. Los valores positivos indican que el crecimiento de la vegetación aumenta con el aumento de los factores hidroclimáticos (o la disminución de la intensidad de la sequía), y los valores negativos indican lo contrario.
Los siete principales tipos de cobertura terrestre del norte al sur de Europa experimentaron aumentos generalizados en la sensibilidad a la sequía desde la primavera hasta el otoño (Fig. 4a-c y Fig. 5). Los aumentos más fuertes se produjeron en las tierras de cultivo, los pastizales y los bosques caducifolios en el centro y sur de Europa (Fig. 5c, d), que son los tipos de cobertura terrestre predominantes en el área (Fig. 5a). En el norte de Europa, los humedales mostraron la mayor sensibilidad a la sequía. Se descubrió que el bosque de hoja perenne, la cubierta terrestre dominante de la región, exhibe una menor sensibilidad a la sequía en comparación con los humedales y matorrales.
a Proporción de áreas, b sensibilidades a la sequía en primavera, c diferencia de sensibilidades a la sequía en verano versus primavera, y d diferencia de sensibilidades a la sequía en otoño versus primavera. CRO—tierras de cultivo de secano, DBF—bosques caducifolios latifoliados y mixtos, ENF—bosques de hojas perennes, GRA—pastizales, SHR—arbustos, WET—humedales, TIR—tierras de cultivos de regadío. Tenga en cuenta que las sensibilidades para una proporción de cobertura terrestre inferior al 1% de la zona de asociación se omiten debido al pequeño número de píxeles.
Durante las temporadas de verano y otoño, la vegetación respondió con más fuerza a la sequía que a otros factores hidroclimáticos concurrentes, evidente por las sensibilidades positivas generalizadas a la sequía (Fig. 4b, c), es decir, el crecimiento de la vegetación disminuyó al aumentar la intensidad de la sequía (disminución del SPEI). Junto con el papel de la sequía en el crecimiento de la vegetación, otros factores hidroclimáticos también ejercieron una variedad de funciones dependiendo de las etapas fenológicas de la vegetación. El crecimiento de la vegetación disminuyó al disminuir la humedad del suelo en verano y otoño (relaciones positivas en la Fig. 4e, f), con una sensibilidad promedio de 0,12 en ambas estaciones. El crecimiento de la vegetación en general mostró la menor respuesta a la concentración de VPD, Rn y aCO2 durante las temporadas de verano y otoño (sensibilidades promedio -0,03 a 0,04), excepto en algunos puntos críticos locales, por ejemplo en el centro de Suecia, donde la sensibilidad positiva relativamente fuerte del crecimiento de la vegetación a VPD de otoño (Fig. 4i), y en el oeste de Rusia, alta sensibilidad al Rn de verano (Fig. 4k). Las respuestas de la vegetación a los factores hidroclimáticos en primavera difirieron en gran medida de las otras dos estaciones. En promedio, la sequía mostró el papel más débil en el crecimiento de la vegetación durante la primavera en Europa central (sensibilidad general -0,01, Fig. 4a). El VPD mostró fuertes efectos sobre el crecimiento de la vegetación con una sensibilidad promedio de 0,21 (Fig. 4g), lo que indica que una mayor sequedad atmosférica primaveral podría promover el crecimiento de la vegetación.
La Tabla 1 y la Fig. 6 resumen los coeficientes de correlación de Spearman entre las sensibilidades y los factores hidroclimáticos agregados en 12 zonas de asociación de vegetación y sequía durante tres temporadas. Los factores hidroclimáticos concurrentes tuvieron papeles variados en la sensibilidad de la vegetación a la sequía en diferentes etapas de crecimiento de la vegetación. El VPD tuvo las relaciones significativas positivas más fuertes con la sensibilidad de la vegetación a la sequía entre todos los factores hidroclimáticos durante toda la temporada de crecimiento (Tabla 1, Fig. 6d-f), con coeficientes de correlación particularmente altos y significativos en las temporadas de verano y otoño (0,90- 0,91, p ≤ 0,05, n = 12). La correlación entre la sensibilidad de la vegetación a la sequía y la SM en 12 zonas fue de alrededor de cero (−0,06 a 0,17, p > 0,05, Tabla 1, Fig. 6a-c), lo que sugiere que las variaciones espaciales de la SM tuvieron papeles menores en la vegetación-sequía. sensibilidades. Durante la primavera, la concentración de CO2 tuvo correlaciones negativas débiles con las respuestas de la vegetación a la sequía (coeficientes de correlación medios conjuntos −0,28, p > 0,05, n = 12). Durante el otoño, Rn y aCO2, junto con VPD, tuvieron correlaciones significativas positivas con las respuestas de la vegetación a la sequía, con un coeficiente de correlación medio conjunto de 0,83 a 0,91 (p ≤ 0,05, n = 12, Tabla 1). Los sensibles a la sequía estimados a partir de los siete indicadores de vegetación exhibieron correlaciones generalmente consistentes con un factor hidroclimático. Se encontró una inconsistencia menor en las funciones de aCO2 y VPD en las sensibilidades de la vegetación a la sequía de verano estimadas a partir del GPP, que fueron mucho más débiles en comparación con las estimaciones de los otros seis indicadores de vegetación (Tabla 1).
a–c La relación entre la sensibilidad de la vegetación a la sequía (\({\gamma }_{d}\)) y la humedad del suelo, d–f la relación entre \({\gamma }_{d}\) y el déficit de presión de vapor , g–i la relación entre \({\gamma }_{d}\) y la radiación neta, j–l la relación entre \({\gamma }_{d}\) y la concentración de aCO2 durante tres estaciones de vegetación. Los cuatro factores hidroclimáticos están dispuestos en filas para tres estaciones de vegetación (dispuestos en columnas). Las líneas de ajuste lineal indican que las relaciones son significativas en p ≤ 0,05 (correlación de Spearman en la Tabla 1). Los factores hidroclimáticos están estandarizados por la media y la desviación estándar en cada estación, de modo que las pendientes de las líneas de ajuste lineal sean comparables entre diferentes factores y estaciones.
Este estudio investiga las respuestas inmediatas de la naturaleza multifacética del crecimiento de la vegetación a la sequía meteorológica en los biomas europeos. Los resultados muestran que diferentes indicadores de vegetación derivados de satélites revelan patrones generalmente consistentes de respuestas a la sequía, lo que justifica otros estudios basados en un único indicador de vegetación de satélites para estudiar los impactos de la sequía32,46,47. Sin embargo, encontramos que el GPP derivado del satélite mostró respuestas notablemente más débiles a la sequía que los otros seis indicadores durante el crecimiento máximo (Fig. 3). El hecho de que el GPP se vea menos afectado por la sequía a nivel de ecosistema puede explicarse por la utilización de recursos y el reequilibrio dentro de la comunidad. Diferentes especies ajustan la utilización de recursos (diferenciación de nichos), manteniendo la GPP a pesar del estrés hídrico22. La optimización del uso de recursos para maximizar la producción a nivel comunitario puede no seguir la ley del mínimo individual de Liebig42,43. Sin embargo, es importante señalar que las respuestas de la vegetación a eventos de sequía extrema40 pueden diferir de los resultados obtenidos del análisis de regresión lineal. Se necesita más investigación para comprender estos mecanismos y mejorar la evaluación del impacto de la sequía.
La asociación entre vegetación y sequía varió dependiendo del mes de crecimiento del dosel. Esto sugiere que las sequías pueden afectar significativamente el secuestro de carbono de los ecosistemas debido a los altos niveles de fotosíntesis de las plantas y la asignación de carbono que ocurren durante estos períodos51,52,53. Sin embargo, la mayor sensibilidad del crecimiento de la vegetación a la sequía en las estaciones de verano y otoño en comparación con la primavera plantea la cuestión de si una mayor biomasa o productividad contribuye a esta mayor sensibilidad. No hay evidencia que respalde esta especulación, ya que se encontraron relaciones opuestas o insignificantes después de un examen más detenido entre el crecimiento de la vegetación y la sensibilidad de la vegetación a la sequía en las 12 zonas. La sensibilidad variable estacionalmente al estrés hídrico puede atribuirse a las estrategias de las plantas desarrolladas durante la evolución para hacer frente a ambientes estresantes para sobrevivir54,55,56.
Nuestros hallazgos muestran que las respuestas más fuertes de la vegetación en el centro y sur de Europa se atribuyen principalmente a los tipos de cobertura terrestre dominantes en la región, como las tierras de cultivo y los pastizales, que pueden ajustar plásticamente su crecimiento a la disponibilidad de agua, una estrategia fisiológica después de cambios naturales a largo plazo. adaptación o selección humana durante la práctica agrícola para adaptarse a climas subhúmedos y áridos57. Sin embargo, en las regiones húmedas del norte, los humedales tenían una mayor sensibilidad a la sequía que otros tipos de cobertura terrestre, lo que los hacía más vulnerables al aumento de la sequía con el cambio climático58. Utilizamos técnicas de clasificación jerárquica y de reducción de dimensiones para producir un mapa de la asociación entre la vegetación y la sequía en Europa. El mapa muestra una semejanza con el mapa de clasificación climática de Köppen-Geiger, que caracteriza distribuciones empíricas fundamentales de biomas basadas en factores climáticos mensuales59,60,61. Al tener en cuenta los efectos de la sequía (combinando precipitación y energía) sobre el crecimiento mensual de la vegetación, nuestro enfoque cartográfico tiene el potencial de proporcionar una distribución de la vegetación realizada bajo las interacciones vegetación-clima. Se ha demostrado que los estudios de distribución de la vegetación que utilizan el balance hídrico climático son más fiables que los enfoques basados en la temperatura y las precipitaciones62.
Revelamos cambios estacionales en las limitaciones hidroclimáticas sobre el crecimiento de la vegetación y la sensibilidad de la vegetación a la sequía, en consonancia con los cambios intraanuales en otro estudio17. El indicador de sequedad atmosférica transitoria VPD y el indicador de energía Rn jugaron un papel importante en el crecimiento de la vegetación en primavera, mientras que SM jugó un papel importante en verano y otoño53,63. Espacialmente, la característica agregada zonal mostró que la VPD tuvo el papel más importante en las respuestas de la vegetación a la sequía, y una VPD más alta condujo a respuestas a la sequía más fuertes en verano y otoño (Fig. 6e, f). Sorprendentemente, los efectos de la humedad del suelo sobre la sensibilidad de la vegetación a la sequía meteorológica fueron débiles (Fig. 6, Tabla 1), aunque la humedad del suelo sí influyó en el crecimiento de la vegetación (Fig. 3). Podemos concluir que las variaciones estacionales en SM contribuyeron a las variaciones estacionales del crecimiento de la vegetación (Fig. 4d – f), y las variaciones espaciales en SM no tuvieron efectos observables sobre la sensibilidad de la vegetación a la sequía meteorológica (Fig. 6a – c). La variación espacial del VPD, en cambio, jugó un papel importante en las variaciones de la sensibilidad de la vegetación a la sequía. Por lo tanto, los aumentos espaciales en la sensibilidad de la vegetación a la sequía se atribuyeron al aumento de la VPD y los aumentos estacionales en la sensibilidad de la vegetación a la sequía pueden verse exacerbados aún más por la escasez de MS17,20,63. Esto sugiere que la falta de SM puede impedir la productividad de la vegetación, pero es la alta VPD la que aumenta consistentemente la vulnerabilidad de la vegetación a la sequía64.
Se descubrió que la sensibilidad de la vegetación a la sequía en las tierras secas del mundo había aumentado durante las últimas cuatro décadas, y el aumento se atribuyó a la elevada aCO222. Nuestros resultados revelaron perspectivas subestacionales divergentes. Las regiones secas europeas eran más sensibles a la sequía que las regiones húmedas, y la mayor aCO2 en las regiones secas podría aumentar significativamente la susceptibilidad de la vegetación a la sequía en la temporada de otoño (Fig. 6l), sin efectos en la primavera (Fig. 6j). Una visión centrada en las plantas es que un nivel elevado de aCO2 podría mitigar los impactos de la sequía en la vegetación19 porque las plantas pueden usar el agua de manera eficiente durante la fotosíntesis con un nivel alto de aCO2. Sin embargo, la fotosíntesis mejorada debido al elevado CO2 también podría conducir al agotamiento del agua debido al consumo excesivo por parte del crecimiento de las plantas impulsado por el CO2, particularmente en áreas donde el agua ya es escasa22,65. En resumen, el efecto de un nivel elevado de aCO2 sobre la sensibilidad de la vegetación a la sequía sigue siendo un tema de debate66. El resultado depende de varios factores, como las especies de plantas, la etapa de crecimiento, la disponibilidad de agua y nutrientes y la intensidad de la sequía. La situación puede complicarse aún más por los efectos heredados, ya que la pérdida de agua por evaporación ahorrada debido al elevado CO2 permite una mayor partición de la precipitación en escorrentía y agua del suelo para su uso posterior en otra área.
Encontramos que la sensibilidad de la vegetación a la sequía meteorológica es mayor en otoño que en primavera, lo que indica una mayor susceptibilidad del crecimiento de la vegetación a la sequía en otoño en comparación con la primavera. Por lo tanto, es crucial priorizar las estrategias de gestión del agua durante la última parte de la temporada de crecimiento para mejorar la producción primaria, el secuestro de carbono y el rendimiento de los cultivos, teniendo en cuenta el escenario europeo previsto de cambio climático de primaveras húmedas y veranos secos.
La vegetación en las regiones del sur demuestra una mayor sensibilidad a la sequía que en las regiones del norte. El patrón espacial de la asociación entre vegetación y sequía se asemeja a la zona climática de distribución de la vegetación. Los diferentes tipos de cobertura terrestre también presentan diferentes sensibilidades a la sequía. Las tierras de cultivo, los pastizales y los bosques caducifolios del centro y sur de Europa muestran la mayor sensibilidad a la sequía. Los humedales del norte de Europa también son muy sensibles a la sequía, mientras que los bosques de hojas perennes exhiben una menor sensibilidad en comparación con otros tipos de cobertura terrestre. Este estudio utilizó una clasificación jerárquica para categorizar la asociación vegetación-sequía en diferentes clases, facilitando la comprensión de las variaciones regionales en la respuesta de la vegetación a la sequía.
El estudio también identificó diversas funciones de los factores hidroclimáticos concurrentes en el crecimiento de la vegetación y la sensibilidad de la vegetación a la sequía. En el norte de Europa, el suelo húmedo y la baja VPD tienden a inhibir el crecimiento de la vegetación primaveral. SM afecta principalmente el crecimiento de la vegetación en verano y otoño, mientras que tiene un papel débil en la sensibilidad de la vegetación a la sequía meteorológica. En áreas con alta VPD, la vegetación demuestra fuertes respuestas a la sequía durante todo el año, particularmente durante el verano y el otoño. Aunque el aCO2 juega un papel menor en la variabilidad interanual del crecimiento de la vegetación, la vegetación en las regiones con altos niveles de aCO2 muestra una sensibilidad considerablemente alta a la sequía de otoño, pero una sensibilidad débil a la sequía de primavera. Los siete indicadores de vegetación utilizados para estimar la sensibilidad a la sequía generalmente exhiben patrones estacionales similares y correlaciones consistentes con factores hidroclimáticos. Sin embargo, vale la pena señalar que la sensibilidad a la sequía derivada del GPP parece más débil y muestra menos influencia del VPD de verano y el aCO2 en comparación con otros indicadores de vegetación.
Nuestra investigación proporciona información sobre los efectos inmediatos de la sequía meteorológica en la vegetación de toda Europa a lo largo del espacio y el tiempo. Los hallazgos contribuyen a una mejor comprensión de las respuestas de la vegetación a la sequía y ayudan a dilucidar los efectos de la humedad del suelo, el déficit de presión de vapor, la energía radiativa y el CO2 atmosférico en el desarrollo de la vegetación durante el estrés por sequía.
Nos centramos en biomas europeos a lo largo de un gradiente climático que va desde la tundra fría y húmeda del norte hasta el desierto árido y cálido del sur, cubriendo latitudes de 33°N a 74°N y longitudes de 27°W a 45°E. La cobertura de la tierra vegetal se agregó en siete tipos principales: tierras de cultivo de secano (CRO), tierras de cultivo de regadío (IRR), pastizales (GRA), bosques caducifolios latifoliados/mixtos (DBF), bosques siempreverdes de hojas aciculares (ENF), matorrales (SHR), y humedales (WET), basado en Corine Land Cover (CLC) 2018 (Versión 2020_20u1). El producto de cobertura terrestre de la Iniciativa sobre el Cambio Climático (CCI) de la Agencia Espacial Europea (ESA) se utilizó para regiones fuera de la cobertura de CLC (ESA 2017). Ambos conjuntos de datos sobre cobertura terrestre muestran una buena concordancia, lo que justifica su fusión67. Los píxeles que cambiaron el tipo de cobertura del suelo entre 2000 y 2020 se identificaron en el producto CCI y se excluyeron de este estudio. El área de estudio (Fig. 7a) está dominada por tierras de cultivo de secano (40,7%), seguidas de bosques latifoliados y mixtos (22,3%), bosques aciculares (11,7%) y pastizales (7,8%). El área de estudio, en general, presenta condiciones de clima seco en el sur, subhúmedo en el centro y húmedo en la parte norte y en las montañas alpinas (Fig. 7b).
a Tipos de cobertura vegetal del suelo yb Condiciones de aridez climática del área de estudio. Las coberturas del suelo con vegetación se agregan en siete clases principales según Corine Land Cover (CLC) 2018 y el producto de cobertura del suelo CCI de la ESA 2020, con un gráfico de barras insertado que muestra la leyenda y el porcentaje de cobertura de las siete clases. Las condiciones de aridez climática están indicadas por el balance hídrico medio anual (P-AED) durante 2000-2020, con recuadros que muestran las frecuencias de distribución y el perfil latitudinal.
Los datos de precipitación diaria se recopilaron del conjunto de datos de precipitación de conjunto ponderado de múltiples fuentes (MSWEP http://www.gloh2o.org/mswep/). MSWEP proporciona estimaciones de precipitación global (P) combinando de manera óptima datos de pluviómetros, satélites y reanálisis con una resolución de 0,1 grados desde 1979 hasta el presente68. Los datos de la demanda atmosférica diaria (AED, o evapotranspiración potencial) se recopilaron del conjunto de datos de evapotranspiración potencial de Bristol con una resolución de 0,1 grados para la superficie terrestre global de 1981 a 2020 (https://data.bris.ac.uk/data/). Los datos de DEA se calculan utilizando la formulación Penman-Monteith69 de la FAO con variables climáticas de ERA5-Land70. La P y la DEA se utilizaron para calcular el SPEI en este estudio (Sección 2.4).
También recopilamos datos mensuales de SM (0‒100 cm), VPD y Rn del sistema global de asimilación de datos terrestres (GLDAS) Noah Land Surface Model L4, conjunto de datos V2.1 mensual de 0,25 × 0,25 grados GLDAS_NOAH025_M71, para investigar las funciones independientes de estos factores hidroclimáticos sobre el crecimiento de la vegetación y las respuestas de la vegetación a la sequía. Utilizamos el componente de agua (SM) y los componentes de energía (Rn, VPD) del mismo modelo de superficie terrestre para considerar su naturaleza de acoplamiento72. Recopilamos una fracción molar media de la columna de CO2 del conjunto de datos de campos promediados mensualmente del reanálisis global de gases de efecto invernadero del Servicio de Monitoreo de la Atmósfera de Copernicus (CAMS) para investigar el papel del aCO2 en las respuestas de la vegetación a la sequía. Todos estos datos (Tabla 2) se volvieron a muestrear con una resolución de 0,1 grados y un paso de medio mes utilizando interpolación espacial bilineal e interpolación temporal lineal, de acuerdo con los índices de sequía.
La evaluación de la respuesta a la sequía en el crecimiento de la vegetación a escala local, regional y global se puede realizar utilizando indicadores de detección remota. El crecimiento de la vegetación tiene diferentes facetas15; por lo tanto, los impactos de la sequía en el crecimiento de la vegetación también tienen múltiples aspectos. Utilizamos un conjunto de indicadores de crecimiento y productividad de la vegetación derivados de diferentes plataformas satelitales para examinar las respuestas de la vegetación a la sequía (Tabla 2). El NDVI es uno de los índices de verdor más utilizados para estudiar el crecimiento de la vegetación y el impacto ambiental73. La reflectancia del infrarrojo cercano de la vegetación NIRv74 es otro indicador que se correlaciona fuertemente con la interceptación de fotones de clorofila de las hojas durante los procesos de fotosíntesis. El índice de fenología vegetal (PPI)75 es un índice de vegetación basado físicamente para la cantidad de área foliar fotosintéticamente activa y tiene buena relación con la productividad de la vegetación. Además, varias variables biofísicas de la vegetación derivadas de observaciones satelitales, como el índice de área foliar (LAI), el FPAR, la fluorescencia inducida por el sol (SIF) y las estimaciones de productividad primaria bruta (GPP), se pueden utilizar para investigar los impactos de la sequía en la vegetación16,40 ,46,76.
Tres de los indicadores de vegetación antes mencionados, NDVI, NIRv y PPI, se calcularon utilizando el producto de reflectancia ajustada (NBAR) de la función de distribución de reflectancia bidireccional nadir (BRDF) del espectrorradiómetro de imágenes de resolución moderada (MODIS) (versión 6.0) en un paso de tiempo diario. y resolución espacial de 0,05 grados:
donde \({DVI}={NIR}-{Red}\), la diferencia del índice de vegetación entre el rojo y la reflectancia del infrarrojo cercano (NIR). M es el DVI máximo de cada píxel durante 2000-2020, y K es un factor calculado a partir de M, el ángulo cenital solar y la fracción difusa de radiación. Cuatro indicadores biofísicos de vegetación, LAI, FPAR, SIF y GPP, se descargaron directamente de fuentes abiertas. LAI y FPAR se generan a partir de tres plataformas satelitales: SPOT/VGT, PROBA-V y Sentinel-3, disponibles en Copernicus Global Land Service (CGLS, https://land.copernicus.eu/global/themes/vegetation). . Los datos SIF diarios de cielo despejado procedieron del conjunto de datos contiguos de fluorescencia inducida por energía solar (CSIF)77, y GPP de la producción primaria bruta diaria derivada de Global MODIS y FLUXNET, V2 FluxSat 2.078. Tanto los conjuntos de datos SIF como GPP se generan utilizando modelos basados en redes neuronales entrenados con datos de reflectancia MODIS NBAR. Específicamente, CSIF proviene de la reducción de las observaciones del Orbiting Carbon Observatory-2 de resolución gruesa y FluxSat GPP de la mejora de las mediciones basadas en torres en las redes globales FLUXNET 2015 (Joiner y Yoshida 2020).
Los siete indicadores de vegetación se agregaron con una resolución de 0,1 grados en un paso de medio mes para investigar las asociaciones y respuestas de la vegetación y la sequía. Para investigar las respuestas de la vegetación subestacional a la sequía, estimamos la fenología de la vegetación, incluido el inicio de la temporada de crecimiento, el pico de la temporada de crecimiento y el final de la temporada de crecimiento, a partir de la serie temporal del PPI utilizando el software TIMESAT79, siguiendo la referencia . 80. Para facilitar la comparación, resumimos particularmente los resultados para tres meses distintos de un año: el mes de inicio del crecimiento de la vegetación en primavera, el mes de crecimiento máximo en verano y el mes de senescencia en otoño.
El SPEI se calculó para escalas de tiempo de 1 a 24 meses en incrementos de medio mes. Primero, el balance hídrico acumulado D se calculó como:
donde k es la posición temporal en un paso de medio mes y n es la escala de tiempo (n = 1, 2,…, 24 meses). En segundo lugar, D se transformó a una distribución normal \(N\left({{{{\mathrm{0,1}}}}}\right)\) utilizando una distribución log-logística de 3 parámetros para obtener SPEI para cada mitad. mes del año y cada escala de tiempo durante un período de referencia de 1981-2020 utilizando el guión en https://digital.csic.es/handle/10261/10002 siguiendo a Vicente-Serrano et al.23.
El impacto de la variabilidad interanual del SPEI en el crecimiento de la vegetación se evaluó examinando la correlación entre los indicadores de vegetación y el SPEI, siguiendo un enfoque similar al de Vicente-Serrano et al.32. En concreto, calculamos la correlación simple de Spearman entre un indicador de vegetación y el SPEI para cada semestre de enero a diciembre, cubriendo el periodo de 2000 a 2020 con 24 series temporales para cada píxel. El cálculo se realizó para siete indicadores de vegetación y 24 escalas de tiempo. Se utilizó la correlación de rango de Spearman en lugar de la correlación lineal de Pearson para tener en cuenta la posible naturaleza no lineal de la respuesta de la vegetación a la disponibilidad de agua. Además, se emplearon las primeras variables diferenciadoras en lugar de datos brutos para tener en cuenta series temporales no estacionarias y posibles correlaciones espurias81. Cada píxel arrojó 4032 coeficientes de correlación (24 × 7 × 24). Estos coeficientes de correlación se utilizaron luego en dos tareas: (1) Clasificar los patrones espaciales de la asociación vegetación-sequía para los 1,2 × 105 píxeles de tierra con vegetación en total. (2) Determinar la escala de tiempo de sequía dominante, en cuál de las escalas de tiempo de 1 a 24 meses la correlación entre el indicador de vegetación y el SPEI fue más fuerte en cada medio mes de un año.
En la primera tarea, utilizamos el método de incrustación de vecinos estocásticos distribuidos en t t-SNE82 para reducir las 4032 dimensiones a 3-D. Con base en las medidas de distancia euclidiana de los datos tridimensionales, toda la región se clasificó en diferentes zonas de asociación de vegetación y sequía utilizando un método de clasificación jerárquico. Se especifica una semilla fija antes del procesamiento tSNE para permitir la repetibilidad en la clasificación no supervisada. El número de clases en un sistema de clasificación jerárquico se eligió a partir de medidas de distancia separables para evitar fusionar subclases en diferentes niveles jerárquicos.
En la segunda tarea, la correlación en la escala de tiempo dominante podría ser negativa o positiva, dependiendo de su valor absoluto. Un valor positivo indica que el crecimiento de la vegetación es sensible a la sequía y la sequía tiene un efecto de prohibición sobre el crecimiento de la vegetación en la escala de tiempo dominante. Una correlación negativa indica que el crecimiento de la vegetación es promovido por el contrario por la condición de sequía metrológica. La sensibilidad de la vegetación a la sequía se estimó en el siguiente análisis para el SPEI en las escalas de tiempo dominantes.
Se utilizó un modelo lineal para estimar la sensibilidad del crecimiento de la vegetación a la sequía meteorológica. Para separar la contribución única de la sequía meteorológica de otros factores hidroclimáticos concurrentes sobre el crecimiento de la vegetación, incluimos SM, VPD, Rn y aCO2 en la regresión lineal múltiple:
donde y es un indicador de vegetación (NDVI, NIRv, PPI, LAI, FPAR, SIF o GPP), \({\gamma }_{d}\) es la sensibilidad de la vegetación a la sequía. \({\gamma }_{i}\) (i = 1,2,…, 4) son las sensibilidades de la vegetación a los cuatro factores hidroclimáticos concurrentes, SM, VPD, Rn y aCO2. El regresor t es un término de aumento para abordar posibles regresiones espurias causadas por tendencias en las variables, que se prefiere al método explícito de eliminación de tendencias para abordar tendencias estocásticas83.
La ecuación (5) se transformó a la forma de primera diferencia para eliminar la constante α. Los cinco parámetros de sensibilidad (coeficientes de regresión \({\gamma }_{d}\) y \({\gamma }_{1}\) a \({\gamma }_{4}\)) se estimaron utilizando la cresta regresión mediante regresores estandarizados (las primeras diferencias de \({SPEI}\), SM, VPD, Rn y aCO2, respectivamente). Los coeficientes de regresión reflejan los cambios en las variables de respuesta correspondientes a cambios unitarios en los regresores estandarizados. No tienen unidades y son comparables entre modelos y predictores. La regresión de crestas redujo la variabilidad de las pendientes de regresión, lo que es particularmente útil en el caso de multicolinealidad entre factores hidroclimáticos. No se informa ningún nivel significativo para las pendientes estimadas a partir de la regresión de las crestas, ya que la varianza de las pendientes se suprime manipulativamente mediante un factor de cresta. El factor de cresta se eligió siguiendo la ref. 84 usando el script en https://se.mathworks.com/matlabcentral/fileexchange/121008-autoridge. Todos los análisis se implementaron utilizando MATLAB (R2022a) Statistics and Machine Learning Toolbox™ en un sistema informático de alto rendimiento (HPC) de la Infraestructura Nacional Sueca para la Computación (SNIC).
Todos los recursos de datos originales son de acceso público y se enumeran en la Tabla 2. Los conjuntos de datos generados en este estudio están disponibles en el repositorio de Figshare, https://doi.org/10.6084/m9.figshare.23653110.
Todos los análisis se implementaron utilizando MATLAB (R2022a) Statistics and Machine Learning Toolbox. Los scripts para el cálculo del SPEI son del script disponible en https://digital.csic.es/handle/10261/10002. TIMSAT para procesamiento de fenología está disponible gratuitamente en https://web.nateko.lu.se/timesat/timesat.asp?cat=6. La regresión automática de crestas es de https://se.mathworks.com/matlabcentral/fileexchange/121008-autoridge.
Wilhite, DA y Glantz, MH Comprensión del fenómeno de la sequía: el papel de las definiciones. Agua Int. 10, 111-120 (1985).
Artículo de Google Scholar
Vicente-Serrano, SM et al. Tendencias globales de la sequía y proyecciones futuras. Filos. Trans. R. Soc. Una Matemática. Física. Ing. Ciencia. 380, 20210285 (2022).
Artículo de Google Scholar
Seneviratne, SI et al. Cambio climático 2021: la base de la ciencia física. Contribución del Grupo de Trabajo I al Sexto Informe de Evaluación del Panel Intergubernamental sobre el Cambio Climático (eds Masson-Delmotte, V. et al.) 1513–1766 (Cambridge University Press, 2021).
Allen, CD, Breshears, DD y McDowell, NG Sobre la subestimación de la vulnerabilidad global a la mortalidad de árboles y la extinción de bosques debido a sequías más cálidas en el Antropoceno. Ecosfera 6, art129 (2015).
Artículo de Google Scholar
Vicente-Serrano, SM, Quiring, SM, Peña-Gallardo, M., Yuan, S. & Domínguez-Castro, F. Una revisión de las sequías ambientales: ¿mayor riesgo bajo el calentamiento global? Ciencia de la Tierra. Rev. P. Rev.201, 102953 (2020).
Artículo de Google Scholar
Ciais, P. et al. Reducción en toda Europa de la productividad primaria causada por el calor y la sequía en 2003. Nature 437, 529 (2005).
Artículo CAS Google Scholar
Pellizzari, E. et al. Crecimiento divergente de arbustos y árboles desde los biomas polares hasta los mediterráneos en todo el continente europeo. Globo. Cambiar Biol. 23, 3169–3180 (2017).
Artículo de Google Scholar
Koelemeijer, IA et al. Efectos interactivos de la sequía y la exposición de los bordes en las especies del sotobosque de bosques antiguos. Landsc. Ecológico. 37, 1839–1853 (2022).
Artículo de Google Scholar
Tilman, D. & El Haddi, A. Sequía y biodiversidad en pastizales. Ecología 89, 257–264 (1992).
Artículo CAS Google Scholar
Büntgen, U. et al. Extremos de la sequía europea reciente más allá de la variabilidad de fondo de la Era Común. Nat. Geociencias. 14, 190-196 (2021).
Artículo de Google Scholar
Conradt, T. y col. Impactos intersectoriales de la sequía de Europa Central de 2018-2019 y la resiliencia climática en la parte alemana de la cuenca del río Elba. Reg. Reinar. Cambio 23, 32 (2023).
Artículo de Google Scholar
García-Herrera, R. et al. La sequía europea 2016/17. J. Clim. 32, 3169–3187 (2019).
Artículo de Google Scholar
Cammalleri, C. y col. Global Warming and Drought Impacts in the EU (Oficina de Publicaciones de la Unión Europea, 2020).
Naumann, G., Cammalleri, C., Mentaschi, L. & Feyen, L. Aumento de los impactos económicos de la sequía en Europa con el calentamiento antropogénico. Nat. Subir. Cambio 11, 485–491 (2021).
Artículo de Google Scholar
Hilty, J., Muller, B., Pantin, F. y Leuzinger, S. Crecimiento de las plantas: el qué, el cómo y el por qué. N. fitol. 232, 25–41 (2021).
Artículo de Google Scholar
Deng, Y. y col. Respuestas estacionales divergentes de los flujos de carbono a las sequías extremas en China. Agrícola. Para. Meteorol. 328, 109253 (2023).
Artículo de Google Scholar
Denissen, JMC y cols. Cambio generalizado de la energía de los ecosistemas a la limitación del agua con el cambio climático. Nat. Subir. Cambio 12, 677–684 (2022).
Artículo de Google Scholar
Stocker, BD y cols. Los impactos de la sequía en la producción primaria terrestre subestimados por el monitoreo satelital. Nat. Geociencias. 12, 264–270 (2019).
Artículo CAS Google Scholar
Swann, ALS, Hoffman, FM, Koven, CD y Randerson, JT Las respuestas de las plantas al aumento de CO2 reducen las estimaciones de los impactos climáticos en la gravedad de la sequía. Proc. Acad. Nacional. Ciencia. Estados Unidos 113, 10019–10024 (2016).
Artículo CAS Google Scholar
Liu, L. y col. La humedad del suelo domina el estrés por sequedad en la producción de los ecosistemas a nivel mundial. Nat. Comunitario. 11, 4892 (2020).
Artículo CAS Google Scholar
Vicente-Serrano, SM et al. El papel incierto del aumento del CO2 atmosférico en la transpiración global de las plantas. Ciencia de la Tierra. Rev. 230, 104055 (2022).
Artículo CAS Google Scholar
Zhang, Y. et al. Aumento de la sensibilidad del verdor de la vegetación de las tierras secas a las precipitaciones debido al aumento del CO2 atmosférico. Nat. Comunitario. 13, 4875 (2022).
Artículo CAS Google Scholar
Vicente-Serrano, SM, Beguería, S. & López-Moreno, JI Un índice de sequía multiescala sensible al calentamiento global: el índice estandarizado de evapotranspiración de precipitación. J. Clim. 23, 1696-1718 (2010).
Artículo de Google Scholar
Dracup, JA, Lee, KS & Paulson, EG Jr. Sobre la definición de sequías. Recurso Acuático. Res. 16, 297–302 (1980).
Artículo de Google Scholar
Dai, A., Zhao, T. & Chen, J. Cambio climático y sequía: una perspectiva de precipitación y evaporación. actual. Subir. Cambio Rep. 4, 301–312 (2018).
Artículo de Google Scholar
Peña-Gallardo, M. et al. Influencias complejas de las escalas de tiempo de sequía meteorológica sobre las sequías hidrológicas en cuencas naturales de los Estados Unidos contiguos. J. hidrol. 568, 611–625 (2019).
Artículo de Google Scholar
Vicente-Serrano, SM et al. Evidencia de una creciente severidad de la sequía causada por el aumento de la temperatura en el sur de Europa. Reinar. Res. Letón. 9, 044001 (2014).
Artículo de Google Scholar
Vicente-Serrano, SM, McVicar, TR, Miralles, DG, Yang, Y. & Tomas-Burguera, M. Desentrañar la influencia de la demanda evaporativa atmosférica en la sequía y su respuesta al cambio climático. CABLES Clim. Cambio 11, e632 (2020).
Artículo de Google Scholar
Bachmair, S., Tanguy, M., Hannaford, J. & Stahl, K. ¿Qué tan bien representan los indicadores meteorológicos la sequía agrícola y forestal en Europa? Reinar. Res. Letón. 13, 034042 (2018).
Artículo de Google Scholar
Tian, L., Yuan, S. & Quiring, SM Evaluación de seis índices para monitorear la sequía agrícola en el centro-sur de Estados Unidos. Agrícola. Para. Meteorol. 249, 107-119 (2018).
Artículo de Google Scholar
Wang, H. y col. Monitoreo de la amenaza de sequía del trigo de invierno en el norte de China utilizando múltiples índices de sequía basados en el clima y la humedad del suelo durante 2000-2013. Agrícola. Para. Meteorol. 228–229, 1–12 (2016).
Artículo de Google Scholar
Vicente-Serrano, SM et al. Respuesta de la vegetación a las escalas de tiempo de la sequía en los biomas terrestres globales. Proc. Acad. Nacional. Ciencia. Estados Unidos 110, 52–57 (2013).
Artículo CAS Google Scholar
Gouveia, CM, Trigo, RM, Beguería, S. & Vicente-Serrano, SM Impactos de la sequía en la actividad vegetal en la región mediterránea: una evaluación utilizando datos de teledetección e indicadores de sequía a múltiples escalas. Globo. Planeta. Cambio 151, 15-27 (2017).
Artículo de Google Scholar
Spinoni, J., Naumann, G. & Vogt, JV Tendencias estacionales paneuropeas y cambios recientes en la frecuencia y gravedad de las sequías. Globo. Planeta. Cambio 148, 113-130 (2017).
Artículo de Google Scholar
Spinoni, J., Vogt, JV, Naumann, G., Barbosa, P. & Dosio, A. ¿Se volverán más frecuentes y graves las sequías en Europa? En t. J. Climatol. 38, 1718-1736 (2018).
Artículo de Google Scholar
van Kampen, R., Fisichelli, N., Zhang, Y.-J. & Wason, J. El momento de la sequía y la fenología del crecimiento de las especies determinan la recuperación intraanual del crecimiento de la altura y el diámetro de los árboles. AoB PLANTAS 14, plac012 (2022).
Li, M., Ge, C., Zong, S. y Wang, G. Evaluación de la sequía en la vegetación de la meseta de Loess utilizando un índice de condición de la vegetación basado en la fenología. Sensores remotos 14, 3043 (2022).
Artículo de Google Scholar
Wu, M. y col. Legado de la sequía en el estado de la vegetación subestacional y sensibilidad al clima en el hemisferio norte. Geofís. Res. Letón. 49, e2022GL098700 (2022).
Artículo de Google Scholar
Wu, C. y col. Aumento de los efectos de la sequía en la fenología de la senescencia de las hojas de otoño. Nat. Subir. Cambio 12, 943–949 (2022).
Artículo de Google Scholar
Mohammadi, K., Jiang, Y. & Wang, G. Alerta temprana de sequía repentina basada en la trayectoria de la fluorescencia de la clorofila inducida por el sol. Proc. Acad. Nacional. Ciencia. Estados Unidos 119, e2202767119 (2022).
Artículo CAS Google Scholar
Sun, Y., Wang, C., Chen, HYH y Ruan, H. Respuesta de las plantas al estrés hídrico: un metanálisis. Frente. Ciencia vegetal. 11 https://doi.org/10.3389/fpls.2020.00978 (2020).
Danger, M., Daufresne, T., Lucas, F., Pissard, S. y Lacroix, G. ¿La ley del mínimo de Liebig aumenta de especie a comunidad? Oikos 117, 1741-1751 (2008).
Artículo de Google Scholar
Tang, J. y Riley, WJ Encontrar la ley del mínimo de Liebig. Ecológico. Aplica. 31, e02458 (2021).
Artículo de Google Scholar
Körner, C. Cambio de paradigma en el control del crecimiento de las plantas. actual. Opinión. Biol vegetal. 25, 107-114 (2015).
Artículo de Google Scholar
Samaniego, L. et al. El calentamiento antropogénico exacerba las sequías de humedad del suelo europeo. Nat. Subir. Cambio 8, 421–426 (2018).
Artículo de Google Scholar
Ivits, E., Horion, S., Erhard, M. y Fensholt, R. Evaluación de la estabilidad del ecosistema europeo ante la sequía en la temporada de crecimiento de la vegetación. Globo. Ecológico. Biogeogr. 25, 1131-1143 (2016).
Artículo de Google Scholar
Ivits, E., Horion, S., Fensholt, R. y Cherlet, M. Huella de la sequía en los ecosistemas europeos entre 1999 y 2010 evaluada mediante sensores remotos de fenología y productividad de la vegetación. Globo. Cambiar Biol. 20, 581–593 (2014).
Artículo de Google Scholar
Él, W. et al. Proc. IGARSS 2019—2019 Simposio internacional de geociencia y teledetección del IEEE, 9273–9276 (2019).
Hong, S. y col. Efectos contrastantes de la temperatura sobre la velocidad de reverdecimiento de la vegetación en las etapas temprana y tardía en el hemisferio norte. Globo. Cambiar Biol. 28, 6961–6972 (2022).
Artículo CAS Google Scholar
Jin, H., Jönsson, AM, Bolmgren, K., Langvall, O. y Eklundh, L. Desenredando la fenología de las plantas mediante sensores remotos y la estacionalidad de la nieve en el norte de Europa utilizando MODIS y el índice de fenología de las plantas. Sensores remotos. Medio ambiente. 198, 203–212 (2017).
Artículo de Google Scholar
Krejza, J. y col. Desenmarañando la absorción y asignación de carbono en los tallos de un bosque de abetos. Reinar. Exp. Bot. 196, 104787 (2022).
Artículo CAS Google Scholar
Salomón, RL et al. La ola de calor europea de 2018 provocó una deshidratación, pero no una reducción constante del crecimiento de los bosques. Nat. Comunitario. 13, 28 (2022).
Artículo de Google Scholar
Zhang, Y., Parazoo, NC, Williams, AP, Zhou, S. y Gentine, P. Limitación de humedad de fortalecimiento grande y proyectada en la fotosíntesis de final de temporada. Proc. Acad. Nacional. Ciencia. Estados Unidos 117, 9216–9222 (2020).
Artículo CAS Google Scholar
Bongers, FJ, Olmo, M., López-Iglesias, B., Anten, NPR y Villar, R. Respuestas a la sequía, plasticidad fenotípica y supervivencia de especies mediterráneas en dos sitios microclimáticos diferentes. Biol vegetal. 19, 386–395 (2017).
Artículo CAS Google Scholar
Nicotra, AB y cols. Plasticidad fenotípica vegetal en un clima cambiante. Tendencias de ciencia vegetal. 15, 684–692 (2010).
Artículo CAS Google Scholar
Chaves, MM, Maroco, JP & Pereira, JS Comprensión de las respuestas de las plantas a la sequía, desde los genes hasta la planta completa. Función. Biol vegetal. 30, 239–264 (2003).
Artículo CAS Google Scholar
Gupta, A., Rico-Medina, A. & Caño-Delgado, AI La fisiología de las respuestas de las plantas a la sequía. Ciencia 368, 266–269 (2020).
Artículo CAS Google Scholar
Stirling, E., Fitzpatrick, RW y Mosley, LM Efectos de la sequía en suelos húmedos en humedales interiores y turberas. Ciencia de la Tierra. Rev.210, 103387 (2020).
Artículo CAS Google Scholar
Beck, HE y cols. Mapas de clasificación climática de Köppen-Geiger presentes y futuros con una resolución de 1 km. Ciencia. Datos 5, 180214 (2018).
Artículo de Google Scholar
Köppen, W. Las zonas térmicas de la Tierra según la duración de los períodos cálidos, moderados y fríos y el impacto del calor en el mundo orgánico. Meteorol. Z. 1, 215–226 (1884).
Google Académico
Kottek, M., Grieser, J., Beck, C., Rudolf, B. & Rubel, F. Mapa mundial de la clasificación climática de Köppen-Geiger actualizado. Meteorol. Z. 15, 259–263 (2006).
Stephenson, NL Control climático de la distribución de la vegetación: el papel del balance hídrico. Soy. Nat. 135, 649–670 (1990).
Artículo de Google Scholar
Wang, X., Wu, C., Liu, Y., Peñuelas, J. y Peng, J. Las fechas de senescencia de las hojas más tempranas están limitadas por la humedad del suelo. Globo. Cambiar Biol. 29, 1557-1573 (2023).
Artículo CAS Google Scholar
Fu, Z. y col. La sequedad atmosférica reduce la fotosíntesis junto con una amplia gama de déficits de agua en el suelo. Nat. Comunitario. 13, 989 (2022).
Artículo CAS Google Scholar
Zhang, Y., Keenan, TF y Zhou, S. Impactos exacerbados de la sequía en los ecosistemas globales debido a un exceso estructural. Nat. Ecológico. Evolución. 5, 1490–1498 (2021).
Artículo de Google Scholar
Wang, S. y col. Reciente disminución global de los efectos de la fertilización con CO2 en la fotosíntesis de la vegetación. Ciencia 370, 1295-1300 (2020).
Artículo CAS Google Scholar
Reinhart, V. y col. Comparación de la cobertura terrestre de la iniciativa de cambio climático de la ESA con la cobertura terrestre de CORINE en Europa del Este y los Estados bálticos desde una perspectiva de modelado climático regional. En t. J. Aplica. Observación de la Tierra. Geoinf. 94, 102221 (2021).
Google Académico
Beck, HE y cols. MSWEP V2 Precipitación global de 0,1 ° cada 3 horas: metodología y evaluación cuantitativa. Toro. Soy. Meteorol. Soc. 100, 473–500 (2019).
Artículo de Google Scholar
Allen, RG, Pereira, LS, Raes, D. & Smith, M. Evapotranspiración de cultivos: pautas para calcular los requisitos de agua de los cultivos. Documento de Riego y Drenaje de la FAO No. 56 (FAO, 1998).
Singer, MB y cols. Evapotranspiración potencial horaria con una resolución de 0,1° para la superficie terrestre mundial desde 1981 hasta el presente. Ciencia. Datos 8, 224 (2021).
Artículo de Google Scholar
Rodell, M. y col. El sistema global de asimilación de datos terrestres. Toro. Soy. Meteorol. Soc. 85, 381–394 (2004).
Artículo de Google Scholar
Ferguson, CR, Wood, EF y Vinukollu, RK Una intercomparación global del acoplamiento tierra-atmósfera modelado y observado. J. Hidrometeorol. 13, 749–784 (2012).
Artículo de Google Scholar
Myneni, RB, Keeling, CD, Tucker, CJ, Asrar, G. y Nemani, RR Aumento del crecimiento de las plantas en las altas latitudes del norte de 1981 a 1991. Nature 386, 698–702 (1997).
Artículo CAS Google Scholar
Badgley, G., Field, CB & Berry, JA Reflectancia del infrarrojo cercano del dosel y fotosíntesis terrestre. Ciencia. Adv. 3, e1602244 (2017).
Artículo de Google Scholar
Jin, H. & Eklundh, L. Un índice de vegetación basado físicamente para un mejor seguimiento de la fenología de las plantas. Sensores remotos. Medio ambiente. 152, 512–525 (2014).
Artículo de Google Scholar
Jiao, W. y col. Se ha observado una creciente limitación de agua en el crecimiento de la vegetación durante las últimas tres décadas. Nat. Comunitario. 12, 3777 (2021).
Artículo CAS Google Scholar
Zhang, Y., Joiner, J., Alemohammad, SH, Zhou, S. & Gentine, P. Un conjunto de datos de fluorescencia inducida por el sol (CSIF) espacialmente contiguo global que utiliza redes neuronales. Biogeociencias 15, 5779–5800 (2018).
Artículo CAS Google Scholar
Joiner, J. & Yoshida., Y. Producción primaria bruta diaria global derivada de MODIS y FLUXNET, V2. https://doi.org/10.3334/ORNLDAAC/1835 (ORNL DAAC, 2021).
Jönsson, P. & Eklundh, L. TIMESAT: un programa para analizar series temporales de datos de sensores satelitales. Computadora. Geociencias. 30, 833–845 (2004).
Artículo de Google Scholar
Jin, H. y col. Nuevas estimaciones basadas en satélites muestran tendencias significativas en la fenología primaveral y sensibilidades complejas a la temperatura y las precipitaciones en las latitudes del norte de Europa. En t. J. Biometeorol. 63, 763–775 (2019).
Artículo de Google Scholar
Granger, CWJ y Newbold, P. Regresiones espurias en econometría. J. Economía. 2, 111-120 (1974).
Artículo de Google Scholar
Maaten, LVD y Hinton, G. Visualización de datos utilizando t-SNE. J. Mach. Aprender. Res. 9, 2579–2605 (2008).
Google Académico
Enders, W. Serie temporal econométrica aplicada, 4.ª ed., 485 (Wiley, 2014).
Hoerl, AE, Kannard, RW y Baldwin, KF Regresión de Ridge: algunas simulaciones. Comunitario. Estadística. 4, 105-123 (1975).
Artículo de Google Scholar
Descargar referencias
Esta investigación está financiada por FORMAS, Suecia, a través del proyecto CROSSDRO de AXIS (Evaluación de impactos climáticos intersectoriales y vías para la transformación sostenible), a través de la subvención Dnr 2018-02674 para LECM y SG reconocen la financiación del Irish Environmental Agencia de Protección (Proyecto No. 2019-CCRP-MS.60). FT reconoce la financiación de la Fundación Nacional de Ciencias Naturales de China (42001299) y el Programa de Fondo Semilla para la Plataforma Conjunta de Investigación Científica Chino-Extranjera de la Universidad de Wuhan (WHUZZJJ202205). TC reconoce la financiación del Ministerio Federal de Educación e Investigación de Alemania (FKZ 01LS1901A). Los autores agradecen el apoyo informático de alto rendimiento de LUNARC dentro de SNIC a través de una subvención de infraestructura otorgada al Prof. Jonas Ardö por la Facultad de Ciencias de la Universidad de Lund. La financiación de acceso abierto la proporciona la Universidad de Lund.
Financiamiento de acceso abierto proporcionado por la Universidad de Lund.
Departamento de Geografía Física y Ciencias de los Ecosistemas, Universidad de Lund, Lund, Suecia
Hongxiao Jin, Zhanzhang Cai y Lars Eklundh
Instituto Pirenaico de Ecología, Consejo Superior de Investigaciones Científicas (IPE-CSIC), Zaragoza, Spain
Sergio M. Vicente-Serrano, Begoña Álvarez Farizo & Juan I. López-Moreno
Laboratorio clave de Hubei de teledetección cuantitativa de la tierra y la atmósfera, Escuela de teledetección e ingeniería de la información, Universidad de Wuhan, Wuhan, China
Fengtian
Instituto de Potsdam para la Investigación del Impacto Climático, Potsdam, Alemania
Tobías Conradt
Instituto de Investigación de Selección de Cultivos Extensos, Balti, Moldavia
Boris Boinceán
Unidades de Investigación y Análisis del Clima de Irlanda (ICARUS), Departamento de Geografía, Universidad de Maynooth, Co, Kildare, Irlanda
Conor Murphy y Sam Grainger
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
HJ: Diseño de estudios, recopilación y procesamiento de datos, creación e interpretación de figuras, redacción y revisión de manuscritos. SMV: Liderazgo de proyectos, interpretación de resultados, redacción y revisión de manuscritos. FT: Recolección de datos, interpretación de resultados, revisión del manuscrito. ZC: Contribución al desarrollo del software TIMESAT, interpretación de resultados. TC, BB, CM, BAF, JIL, SG: Interpretación de resultados, revisión del manuscrito. LE: Liderazgo de proyectos, adquisición de financiación, diseño de estudios, interpretación de resultados, revisión de manuscritos.
Correspondencia a Hongxiao Jin.
Los autores declaran no tener conflictos de intereses.
Communications Earth & Environment agradece a Wenzhe Jiao y a los demás revisores anónimos por su contribución a la revisión por pares de este trabajo. Editores principales: Erika Buscardo, Heike Langenberg. Un archivo de revisión por pares está disponible.
Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.
Reimpresiones y permisos
Jin, H., Vicente-Serrano, SM, Tian, F. et al. Mayor sensibilidad de la vegetación a la sequía meteorológica en otoño que en primavera en los biomas europeos. Entorno Terrestre Comunitario 4, 299 (2023). https://doi.org/10.1038/s43247-023-00960-w
Descargar cita
Recibido: 03 de mayo de 2023
Aceptado: 11 de agosto de 2023
Publicado: 25 de agosto de 2023
DOI: https://doi.org/10.1038/s43247-023-00960-w
Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:
Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.
Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt
Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.