Kehilangan Posisi: Proyeksi Perubahan Bunga Akibat Iklim dan Implikasinya terhadap Masa Depan Kebun Almond California

Tren iklim historis

Pertama, kita perlu menentukan variabilitas spasial dan temporal pada suhu musim dingin Lembah Tengah California. Kami menggunakan jaringan PRISM dengan suhu minimum dan maksimum harian empat kali empat km (DPRISM Maks|Min) untuk Central Valley, California, dengan fokus pada musim dingin dari tanggal 15 Oktober hingga 30 April dari musim gugur 1981 hingga musim semi 2022 (PRISM Climate Group, Oregon State University, https://prism.oregonstate.edu) suhu maksimum dan minimum rata-rata musim dingin lalu dihitung sebagai berikut:

$${\overline{{\text{T}}} }_{{\text{PRISM\, max}}|\mathrm{ min}}=\frac{\sum_{{15}{\text{th\ , Oktober}}({\text{tahun}})}^{{30}{\text{th\, April}}({\text{tahun}}+1)} \frac{\sum {\mathrm{ T}}_{\mathrm{PRISM\, max}|{\text{min}}}}{\mathrm{angka\, dari\, kisi\, titik}}}{\mathrm{angka\, dari\, hari}}$$

(1)

Model Bloom Suhu Karbohidrat (Model CT)

Di sini kami menggunakan model CT untuk memprediksi waktu mekarnya bunga pada resolusi empat kali empat km di Central Valley California. Untuk pengembangan dan deskripsi model selengkapnya, lihat Sperling dkk. 201910 Dan tahun 202111. Singkatnya, model ini menunjukkan bahwa pohon yang tidak aktif menyesuaikan metabolisme pati untuk mempertahankan homeostasis gula yang larut secara metabolik sepanjang musim dingin dengan mengubah jalur degradasi atau sintesis pati. Karena proses metabolisme ini terkait erat dengan suhu, model CT mengintegrasikan suhu setiap jam. Perubahan metabolisme ini mempengaruhi dinamika karbohidrat terlarut (SC), yang pada akhirnya menentukan kapan konsentrasi SC mencapai ambang batas yang merangsang pertumbuhan.

Tingkat aktivitas metabolisme berhubungan dengan suhu [K(T)] dicirikan oleh kurva eksponensial yang ditentukan oleh faktor frekuensi (α) dan energi spesifik aktivasi (β; Persamaan 2).

$$K\kiri(T\kanan)=\alpha \cdot {\text{exp}}(\beta \cdot T)$$

(2)

model CD10,11 menghubungkan proses-proses ini dengan pengaturan pati dan kumpulan gula yang larut ([St] Dan [SC]masing-masing) melalui aksi sintesis pati [Ks(T)] dan degradasi pati [Kd(T)] Mengingat respirasi seluler [R(T); Eq. 3].

READ  Wakil Pengawas Hutan Nasional Gifford Pinchot Baru terpilih

$$St\frac{Kd(T)\ke }{\panah kiri Ks(T)}SC-R(T)$$

(3)

Model ini diparameterisasi dan diuji berdasarkan data pembungaan dari empat lokasi di CA Central Valley dan suhu per jam musim dingin selama 35 tahun berturut-turut (1982–2017).10 Karbohidrat dimulai pada rata-rata kandungan SC yang diperoleh dari laboratorium pada bulan Oktober. Model CT memerlukan tingkat awal kandungan pati dan gula serta suhu musim dingin setiap jam. Data pati dan gula diperoleh dari Laboratorium Karbohidrat (https://zlab-carb-observatory.herokuapp.com/), sebuah studi longitudinal yang mengumpulkan data NSC untuk beberapa spesies dari seluruh Central Valley, CA14. Selain itu, karena data NSC mencakup Lembah Tengah, perkiraan garis lintang untuk setiap gula dan pati dibuat untuk memperhitungkan perbedaan garis lintang. Suhu musim dingin setiap jam dihasilkan dari nilai maksimum dan minimum harian, mengikuti pendekatan yang diuraikan oleh Sperling dan Zwieniecki.11.

Prediksi pembungaan sejarah dan masa depan

Kami menghasilkan prakiraan harian (DOY) yang mewakili tanggal mekarnya bunga di setiap petak berukuran 4 × 4 km di Central Valley selama periode 40 tahun (1982–2022).

Untuk memprediksi dampak perubahan iklim terhadap suhu musim dingin pada tahun 2050 dan 2100, kami menggunakan dua skenario CMIP6, SSP5-8.5 (tanpa pengendalian emisi) dan SSP1-2.6 (pengurangan emisi).13. Hal ini melibatkan penyesuaian suhu minimum dan maksimum musim dingin sesuai dengan proyeksi perubahan suhu udara permukaan CMIP6 (ΔT).SSP) secara khusus, skenario SSP5-8.5 memperkirakan kenaikan masing-masing sebesar 1,6 °C dan 3,8 °C pada tahun 2050 dan 2100, sedangkan SSP1-2.6 memperkirakan kenaikan sebesar 1,1 °C pada kedua titik waktu tersebut (Persamaan 4; skenario: SSP5- 8,5ΔTMin.MaksSSP1-2.6ΔTMin.Maks) Selain itu, kami menyertakan kondisi hipotetis di mana hanya suhu maksimum yang meningkat sedangkan suhu minimum tetap konstan (Persamaan 5; menurut skenario: SSP5-8.5ΔTMaksimumSSP1-2.6ΔTMaksimum) dan, untuk memperhitungkan variasi suhu musim dingin dan distribusi geografis, TPRISMA Data dari empat tahun sebelumnya (2018, 2019, 2020, dan 2021) digunakan dan nilai minimum dan maksimum harian baru untuk setiap titik jaringan dihitung sebagai:

READ  Expo ini dengan tepat menggambarkan keberhasilan Ethiopia dalam diplomasi multilateral dan keterlibatan internasional - ENA English

$${{\text{T}}}_{{{\rm FUTURE\, min} \cdot {\rm max}}}={{\text{T}}}_{\mathrm{PRISM\, max }+\Delta {{\text{T}}}_{\mathrm{SSP }}|{{\min}}+\Delta {{\text{T}}}}_{{\text{SSP}} } }$$

(4)

$${{\text{T}}}_{\mathrm{MASA DEPAN\, max}}={{\text{T}}}_{\mathrm{PRISM\, max}+2\Delta {{\text {T}}}_{\mathrm{SSP}}|{\min}}$$

(5)

Membandingkan prediksi mekar historis dengan prediksi mekar di masa depan

Untuk menilai bagaimana skenario yang berbeda (SSP5-8.5ΔTMinimal • MaksSSP1-2.6ΔTMinimal • MaksSSP5-8.5ΔTMaksimumSSP1-2.6ΔTMaksimum) dibandingkan dengan masa lalu (1982–2022), kami membuat model regresi linier menggunakan perangkat lunak statistik R (v4.2.2: R Core Team 2022), di mana setiap skenario merupakan prediktor tanggal berbunga (DOY). Dilanjutkan dengan analisis varians (ANOVA) dengan uji analisis varians Dunnett post hoc.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *