Możliwe scenariusze zmian w środowisku i ocena reakcji wzrostowej wybranych gatunków drzew leśnych na poziomie genetycznym

Transkrypt

1 Możliwe scenariusze zmian w środowisku i ocena reakcji wzrostowej wybranych gatunków drzew leśnych na poziomie genetycznym Jan Kowalczyk Zakład Hodowli Lasu i Genetyki Drzew Leśnych Instytut Badawczy Leśnictwa Seminarium - Hodowlane i genetyczne uwarunkowania Sękocin Stary, r. 1

2 Plan prezentacji Normy reakcji na podstawie badań proweniencyjnych Przykład dla sosny i dębu Modele klimatyczne: dopasowania do przyszłego klimatu modele oparte na niszach ekologicznych Wnioski z dotychczasowych badań Wnioski ogólne 2

3 Cel badań Ocena zakresu zdolności adaptacyjnych i zróżnicowania genetycznego sosny zwyczajnej, świerka pospolitego, modrzewia europejskiego, dębu szypułkowego i buka zwyczajnego Określenie norm reakcji Pomocniczo - inwentaryzacji i utrzymanie starych doświadczeń 3

4 Powierzchnie proweniencyjne : Dostarczają nowych danych z wiekiem (Giertych) Mogą być wykorzystane w symulacji zmian środowiskowych (nie tylko klimatycznych) (Matyas, Lindgren) Brak jest jednolitego systemu gromadzenia danych z pomiarów i udostępniania go (np. USDA Wiele serii doświadczalnych nie zostało jeszcze podsumowanych (IUFRO 1982, polsko - francuskie doświadczenia IBL INRA) 4

5 Metodyka i zakres prac 5

6 Metodyka i zakres prac (Rehfeld i in. 2003) 6

7 Jak można połączyć dane wzrostowe z danymi klimatycznymi? Metoda określania przewidywanych reakcji populacji drzew leśnych na zmiany środowiska w oparciu o doświadczenia proweniencyjne została zaproponowana przez Matysa (1994) Polega ona na wykorzystaniu danych klimatycznych i innych zmiennych ekologicznych, aby wyrazić zmiany środowiskowe i klimatyczne poprzez przemieszczenie populacji z miejsca ich naturalnego występowania w zmienione warunki środowiska, gdzie są zakładane powierzchnie testujące proweniencyjne i rodowe. Rehfeld i in. 2003) 7

8 + Spała -

9 Dane opisujące miejsce pochodzenia i miejsca testowania Proweniencja 7 Spała Szerokość geog. [ N] 51,37 Długośc geogr. [ E] 20,12 Średnia roczna temperatura [1] 7,40 Mean Monthly Temperature Range [2] 8,40 Isothermality (2/7) (* 100) [3] 27,20 Temperature Seasonality (STD * 100) [4] 825,40 Max Temperature of Warmest Month [5] 22,90 Min Temperature of Coldest Month [6] -7,80 Temperature Annual Range (5-6) [7] 30,70 Mean Temperature of Wettest Quarter [8] 16,90 Mean Temperature of Driest Quarter [9] -1,90 Mean Temperature of Warmest Quarter [10] 16,90 Mean Temperature of Coldest Quarter [11] -3,60 Annual Precipitation [12] 618,00 Precipitation of Wettest Month [13] 89,00 Precipitation of Driest Month [14] 28,00 Precipitation Seasonality (CV) [15] 41,90 Precipitation of Wettest Quarter [16] 248,00 Precipitation of Driest Quarter [17] 92,00 Precipitation of Warmest Quarter [18] 248,00 Precipitation of Coldest Quarter [19] 98,00 Cntynentality Index 46,41 K=(1.7A/sin(f-10))-14 45,46 Ci_Conrad 49,06 Lenght of veg. season 217,00 Moisture index 0,35 Powierzchnia Szer. geog. [ N] Dług. geogr. [ E] Średnia roczna temp [1] Wyszków 52,41 21,28 7,7 Sękocin 52,05 20,51 7,6 Popień 51,47 19,56 7,8 Supraśl 53,12 23,22 6,8 Kórnik 52,15 17,04 8,5 Niepołomice 50,02 20,22 8,2 Czapury 52,19 16,55 8,4 Haguenau 48,49 7,78 10,3 Lorris 47,9 2,35 10,9 Waldsieversdorf 52,55 14,09 8,9 Waldsieversdorf 52,53 14,07 8,9 Waldsieversdorf 52,53 14,07 8,9 Bansheim 49,65 8,52 10 Drenovac 45,33 15,22 10,2 Acsad 47,22 16,42 9,2 Lasek 48,35 17,08 9,4 Jan Kowalczyk

10 Provenace Wyszków Sekocin Czapury Kornik Supraśl Popień Niepolomice 1 Roščinskaja Dača -0,5770-0,5484-1,3369-1,1556-0,5442-0,7843-0, Kondežskoje -0,7109-0,3860-0,6453-0,7206-0,5243-0,8591-0, Serebrianskoje -0,5760-0,2268-0,3971-0,3394 0,0975-0,1795-0, Silene 0,4506 0,1254 0,2791 0,0040 0,3594-0,2610 0, Miłomłyn 0,6637 1,4189 0,6023 0,9273 0,8161 0,5681-0, Supraśl 0,3973 0,3267 0,4935 0,2287 1,1412 1, Spała 0,8459 0,8920 2,7570 1,3170 1,3051 1,1593 0, Rychtal 0,7370 1,0189 1,2012 1,5997 0,7466 1,1389 1, Bolewice 0,7750-0,0498 1,5297 0,9283 0, Neuhaus 0,6577 0,3607-0,7188 1,7621 0,6485 0, Betzhorn 0,7609 0,4214-0,0842 0,6946-1,0840 2, Lampertheim 0,7459-0,2070 1,3846 0,9699 0,9600 1,0710 0, Ardennes 1,9061 1,5644-0,7607-0,3363 0,5008 0,6360 0, Haguenau 0,3775 0,1759 0,4659-0,4756-0,3654 0,5341-0, Sumpberget -0,9620-0,9496-0,7425-1,1887-0,0452-0,9882-0, Zahorie -1,2052-1,4670 0,1481 0,2002-0,7638 0,4797-1, Pornóapáti 0,6177 1,8136 0,3227 1,0590 0,3246 1,1933-0, Maočnica -1,4802-1,2616-0,7985-0,8167-1,2913-1,3892-0, Prusačka Rijeka -1,7908-1,1962-1,1252-1,0262-2,2209-1,4639-1, Çatacik -1,6333-1,8256-1,0452-1,2868-1,5904-1,7834-1,6320 Jan Kowalczyk

11 Powierzchnia Szerokość geograficzna Spała Szerokość geograficzna w miejscu testowania Różnica Szerokość geograficzna Miąższość po standaryzacji Wyszków 52,41 51,37 1,04 0,8459 Sękocin 52,05 51,37 0,68 0,8919 Czapury 52,19 51,37 0,82 1,7570 Kornik 52,15 51,37 0,78 1,3169 Supraśl 53,12 51,37 1,75 1,3050 Popień 51,47 51,37 0,1 1,1593 Niepołomice 50,02 51,37-1,35 0,

12 Sosna zwyczajna doświadczenia w Polsce Miąższość - standaryzowana Zmiana w wielkośći opadów Nieistotne statystycznie p= 0,07 12

13 Sosna zwyczajna doświadczenia w Polsce Miąższość - standaryzowana Zmiana w indeksie wilgotności R-squared: , p<

14 Sosna zwyczajna doświadczenia w Polsce Miąższość - standaryzowana Zmiana w długości okresu wegetacyjnego R-squared: , p<

15 Sosna zwyczajna doświadczenia w Polsce Miąższość - standaryzowana Zakres temperatury C R-squared: 0.05 p-value:

16 Vol Miąższość / jednostki odchylenia standardowego Sosna zwyczajna doświadczenie IUFRO 1982 powierzchnie w Polsce Średnia roczna temperatura T_dist

17 Dąb szypułkowy - wszystkie doświadczenia w Polsce Pierśnica - standaryzowana Przeżywalność Zmiana w wielkośći opadów Zmiana w wielkośći opadów p-value: R-squared: p-value: < 2.2e-16 17

18 Dąb szypułkowy - wszystkie doświadczenia w Polsce Pierśnica - standaryzowana Przeżywalność Zmiana w indeksie wilgotności Zmiana w indeksie wilgotności R-squared: p-value: < 2.2e-16 18

19 Scenariusze zmian Modele bazujące na modelu niszy ekologicznych np. Scenariusze RCP (Representative Concentration Pathways) Modele bazujące na podobieństwach klimatycznych Climate matching Nie uwzględniają zmienności genetycznej wewnątrz gatunkowej brak danych 19

20 Sosna zwyczajna Scenariusze RCP (Representative Concentration Pathways) Numery określają oszacowane wielkości wymuszenia radiacyjnego przez gazy cieplarniane w roku 2100 (4.5 i 8.5 W/m 2 ) Model RCP4.5 zakład wzrost temperatury o 1.4 (0.9 to 2.0) do 2060 roku i wzrost poziomu morza o 26 cm 20

21 4.5 Buk pospolity 8.5 Opracował dla warunków w Polsce: Maurizio Marchi, Consiglio per la ricerca in agricoltura e l'analisi dell'economia agraria Forestry Research Centre (CREA-SEL) e:mail: maurizio.marchi@entecra.it 21

22 4.5 Sosna zwyczajna

23 4.5 Buk pospolity

24 4.5 Modrzew europejski

25 4.5 Dąb szypułkowy

26 Przykład dla Szwecji i Finlandii (Berlin et al., 2014) 26

27 T4F climate maching tool 27

28 28

29 29

30 Wnioski z badań Dla sosny i dębu w naszych warunkach istotne normy reakcji obserwowane są dla wielkości opadów i wilgotności Zakres siedlisk i zmienność populacji do badań w celu określenia norm reakcji populacji powinna być jak największa konieczna jest współpraca międzynarodowa Zachowanie trwałości i obecnej funkcjonalności ekosystemów leśnych w obliczu zmian klimatycznych wymaga aktywnych działań Zmienność polskich pochodzeń może być niewystarczająca aby zapewnić dotychczasową funkcjonalność lasów 30

31 Wnioski ogólne Ponieważ przenoszenie LMR jest jednym z możliwych działań dostosowujących funkcjonowanie lasów do zmian klimatycznych, istotne jest, opracowanie spójnych zaleceń dotyczących przemieszczania LMR ponad granicami państw, na przykład na poziomie regionalnym, a może być nawet na poziomie europejskim. Populacje hodowlane powinny mieć możliwie dużą zmienność. Niezbędne jest kontynuowanie badań proweniencyjnych w kontekście zmian klimatycznych tak, aby powstały wytyczne dla praktyki. Wyjaśnienia wymaga wiele dotychczas nie poznanych procesów jak rola plastyczności fenotypowej, określenie zakresu zmienności adaptacyjnej lokalnych populacji oraz inne genetyczne czynniki 31