Kredit:Pixabay/CC0 Public Domain
Bland de extrema väderpåverkan som kommer från klimatförändringar är torka ett växande problem runt om i världen, vilket leder till frekventa skogsbränder, hot mot vattenresurser och större livsmedelsosäkerhet.
Torkan övervakas över hela världen – inklusive Connecticut – med varningar som går ut när förhållandena blir tillräckligt torra för att förtjäna ett meddelande. Men vid den tidpunkten är det ofta för sent att svara. Forskare från UConn har hittat ett sätt att förutsäga torka veckor eller till och med månader innan de inträffar, inte genom att titta på meteorologiska data, utan snarare på växter. Studien publicerades denna vecka i tidskriften PNAS .
Studien fokuserade på en typ av torka, kallad snabbtorka, som kännetecknas av ett snabbt insättande som snabbt kan intensifieras och leda till förödande resultat. Vanligtvis varar snabbtorka en till två månader men fortsätter ibland som en konventionell torka under längre varaktigheter, förklarar UConn professor i miljöteknik och en stipendiat vid American Meteorological Society Guiling Wang.
USA bevittnade stora snabba torka 2012 och 2017. Wang citerar hur torkan 2012 resulterade i en rekordhöjning av livsmedelspriserna i USA. Befintlig övervakningsteknik kan inte förutsäga dessa snabbt ankommande torkar, så för att bättre förstå dem fokuserade forskarna på 2012 och 2017 års data.
"Vi tittade på evapotranspiration, temperatur, markfuktighet, ångtrycksunderskott och fjärranalysdata om vegetation för att se hur torkan fortskrider och hur växter reagerar. En signal stod verkligen ut", säger Wang.
När fotosyntes sker avger pigmentet klorofyll en liten mängd ljus. Denna fluorescens, som kallas solinducerad klorofyllfluorescens (SIF), övervakas via satellit och fungerar som en användbar proxy för att mäta nivån av fotosyntes som sker. SIF är en mer exakt reflektion av fotosyntesen än andra satellitsignaler som NDVI (Normalized Difference Vegetation Index), säger Wang. Fotosyntetisk produktion fluktuerar med årstider och andra förhållanden, och forskarna märkte intressanta trender i SIF från två veckor till två månader innan en snabbtorka började.
"Vi kunde se en stark signal som föregick torkan, vilket tyder på en långsammare än vanligt ökning av SIF vid en tidpunkt då växternas fotosyntes förväntas öka snabbt. Vi förväntade oss att se en respons som släpade efter torkan. Istället såg vi signalen veckor till månader innan signalen om torkan fångades upp av U.S. Drought Monitor (USDM). Vi insåg då att detta inte längre bara handlar om reaktionen på torka, utan ännu viktigare, hur vi förutser den, säger Wang.
Ett av nästa steg i teamets forskning är att identifiera exakt vad som ligger bakom dessa förändringar i SIF-banan.
"Signalen kan bero på utarmning av fukt i jorden, låg fuktighet i luften, hög temperatur som gör luften relativt torr eller någon kombination av dessa faktorer som successivt påverkar tillväxttillståndet", säger Wang.
Wang förklarar för torkan 2012 och 2017, signalen började på våren i början av växtsäsongen när torkan föregicks av en långsammare än vanligt ökning av fotosyntesen. För torka under andra årstider kan torkaprekursorn istället vara en snabbare än vanligt minskning av fotosyntesen.
Miljöteknik Ph.D. student och första författare till uppsatsen Koushan Mohammadi säger:"Befintliga varningssystem för torka kräver högkvalitativa hydrometeorologiska data som inte är tillgängliga eller är sparsamma i många regioner i utvecklingsvärlden. Vårt tillvägagångssätt kan stödja utvecklingen av ett globalt system för tidig varning för att hjälpa till att skydda människors livsmedelsförsörjning. Jag planerar att utvidga vår studie till att utveckla regimer där regnmatat jordbruk är stöttepelaren och extremt sårbart för snabb torka."
Med viss ledtid kan intressenter genomföra proaktiva åtgärder för att bättre klara torkan och eventuellt mildra några av de negativa effekterna.
SIF-signalen är lovande och teamet planerar att undersöka dess nytta ytterligare - "detta är mycket snygga resultat, men vi behöver förstå dem bättre för att i slutändan utveckla robusta modeller för undersäsongsbetonade till säsongsbetonade förutsägelser, oavsett om det är för torka eller andra förhållanden ." + Utforska vidare
