Durch maschinelles Lernen vorhergesagte Baumringbreite

Jun 17, 2023

Baumringe sind Rekordbücher für das jährliche Wachstum, und die Breite jedes Rings hängt von den Umweltbedingungen des jeweiligen Jahres ab. In einer neuen Studie zeigen Lee und Dannenberg mithilfe maschinellen Lernens, dass die Ringbreite gut mit der Art der Luftmassen korreliert, denen ein Baum im vergangenen Jahr ausgesetzt war.

Erhalten Sie jeden Freitag die faszinierendsten Wissenschaftsnachrichten der Woche in Ihrem Posteingang.

Zuvor verknüpften Wissenschaftler die Variabilität der Baumringe mit einzelnen klimatischen Elementen wie Temperatur, Niederschlag und Dürre. Allerdings wird das Wetter nicht als einzelne Elemente erlebt, sondern als ein Kollektiv aller unterschiedlichen Komponenten, die zusammenwirken. Das integrierte Wettererlebnis kann als Luftmasse charakterisiert werden: atmosphärische Körper mit einer Größe von mehreren tausend Kilometern.

In der neuen Studie sammelten die Autoren Baumringaufzeichnungen für 130 Arten an 904 Beobachtungsstandorten auf der Nordhalbkugel. Sie ermittelten außerdem Wetterdaten über die Luftmassen an jedem Standort und an jedem Tag, die bis ins Jahr 1979 zurückreichen, und zwar mithilfe eines öffentlich zugänglichen Datensatzes namens „Gridded Weather Typing Classification“. Dieses System sortiert das Wetter basierend auf Temperatur und Luftfeuchtigkeit in 11 Kategorien.

Mithilfe künstlicher neuronaler Netze korrelierten die Forscher dann die Breite eines Baumrings mit der Anzahl der Tage, an denen der Baum in den vorangegangenen 12 Monaten den einzelnen Luftmassenklassen ausgesetzt war. Zum Vergleich verwendeten sie denselben Ansatz des maschinellen Lernens unter Verwendung herkömmlicher Temperatur- und Niederschlagsdaten.

Der Luftmassenansatz übertraf den herkömmlichen Ansatz bei 66 % der Baumarten. Bei den Arten mit den meisten verfügbaren Aufzeichnungen stieg dieser Prozentsatz auf 83 %. Die Analyse der Forscher ergab, dass feucht-kühle Luftmassen am stärksten mit einem signifikanten Baumwachstum korrelierten, während trocken-warme Luftmassen am ehesten ein schlechtes Wachstum vorhersagten.

Die Forscher nutzten das Modell, um herauszufinden, wie vergangene Klimabedingungen das Baumwachstum beeinflussten, stellten jedoch fest, dass die Richtung umgekehrt werden könnte: Die Baumringaufzeichnung reicht bis fast 14.000 Jahre und könnte zur Klassifizierung früherer Luftmassen verwendet werden.

Die Erkenntnisse könnten sogar für einen Blick in die Zukunft genutzt werden. Durch die Charakterisierung aktueller Luftmassen und die Vorhersage künftiger Luftmassen könnte das Modell den Pflanzenstress, das Sterblichkeitsrisiko und die Anfälligkeit für Waldbrände für das kommende Jahr abschätzen. (Journal of Geophysical Research: Biogeosciences, https://doi.org/10.1029/2022JG007064, 2023)

–Morgan Rehnberg (@MorganRehnberg), Wissenschaftsjournalist