Detailansicht
The importance of soil properties in plant species distribution models on the alpine landscape of Mount Schrankogel (Tyrol, Austria)
William John Eden
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Lebenswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Botany
Betreuer*in
Stefan Dullinger
DOI
10.25365/thesis.77082
URN
urn:nbn:at:at-ubw:1-10830.51303.427931-9
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die Auswahl von Umweltvariablen für eine genaue Vorhersage der Artenverbreitung ist eine Herausforderung, um zu verstehen, wie gefährdete Gemeinschaften wie alpine Pflanzen auf den Klimawandel reagieren. Diese Studie zielte darauf ab, die aussagekräftigsten Bodenvariablen zu quantifizieren, die in Artenverbreitungsmodelle (SDMs) für Pflanzenarten, die in einer alpinen Umgebung vorkommen, einbezogen werden sollten. Sie zielte auch darauf ab, Muster in der Effektivität von Bodenvariablen zu finden, die in SDMs für alpine Pflanzen verwendet werden, basierend auf Variationen in funktionalen Merkmalen und ökologischen Indikatorwerten bei den modellierten Arten. Ein Datensatz mit sieben verschiedenen Bodenvariablen und einer Temperaturvariable (mittlere jährliche Mindesttemperatur) sowie die Verteilung von 79 Arten, die in einer oberirdischen Umgebung in den Alpen vorkommen, wurde zusammengestellt, um SDMs mit einer Ensemble-Modellierungsmethode anzupassen. Der Gesamtkohlenstoffgehalt war die wichtigste Bodenvariable und hatte über alle Arten hinweg nur eine etwas geringere Vorhersagekraft als die Temperaturvariable, mit einem mittleren TSS-Wert von 0,448 im Vergleich zu 0,498. Insgesamt verbesserte die Einbeziehung einer der vier Bodenvariablen - Gesamtkohlenstoffgehalt, Gesamtstickstoffgehalt, Wasserhaltevermögen oder pH-Wert – die Leistung der SDMs, die ursprünglich die Temperatur als einzigen Prädiktor verwendeten, erheblich. Es gab statistisch signifikante Beziehungen zwischen der Verbesserung der Vorhersagekraft durch diese vier Bodenvariablen und zwei funktionalen Merkmalen: LT50 (tödliche Temperatur, bei der die Art 50 % ihrer photosynthetischen Aktivität verliert) und Blattstickstoffgehalt. Diese Beziehungen zeigten, dass die Bedeutung der Bodenvariablen für Arten mit niedrigeren LT50 und niedrigeren Blattstickstoffwerten zunahm; Eigenschaften, die Toleranz gegenüber stressigen Bedingungen verleihen. Die Verbesserung der Vorhersagekraft durch die vier Bodenvariablen war ebenfalls hoch korreliert. Diese Ergebnisse deuten auf ein Gefälle in der Bedeutung der Bodenbedingungen für die Verteilung der Arten hin, wobei die Bedeutung für Arten, die auf weniger entwickelten Böden und in hoch gelegenen Bodenflecken vorkommen, wo die Anpassung an Stress für das Überleben entscheidend ist, größer ist. Für eine nicht zu vernachlässigende Anzahl von Arten, die oberhalb der Baumgrenze vorkommen, sind die Bodenbedingungen besonders wichtig für ihre Verbreitung, und daher sollten Bodenvariablen oder ihre Ersatzwerte in SDMs, die die Reaktionen der Alpenflora auf den Klimawandel projizieren, nicht vernachlässigt werden.
Abstract
(Englisch)
Selecting environmental variables for accurate prediction of species distributions is a challenge for understanding how at-risk communities such as alpine plants are responding to climate change. This study aimed to quantify the most meaningful soil variables to incorporate in species distribution models (SDMs) for plant species occurring in an alpine environment. It also aimed to find patterns in the effectiveness of soil variables used in alpine plant SDMs, based on variations in functional traits and Ecological Indicator Values across the modelled species. A dataset of seven different soil variables and a temperature variable (mean annual minimum temperature), and the distribution of 79 species occurring in an above-treeline environment in the Alps, was assembled to fit SDMs using an ensemble modelling method. Total carbon content was the most important soil variable, and across all species only had a slightly lower predictive power than the temperature variable, with a mean TSS score of 0.448 compared to 0.498. Overall, the inclusion of any of the four soil variables – total carbon content, total nitrogen content, water holding capacity, or pH – significantly improved the performance of SDMs that initially used temperature as the single predictor. There were statistically significant relationships between the improvement in predictive power by these four soil variables and two functional traits: LT50 (lethal temperature at which species loses 50% of photosynthetic activity) and leaf nitrogen content. These relationships showed an increase in the importance of soil variables for species with lower LT50 and lower leaf nitrogen values; traits which confer tolerance to stressful conditions. The improvement in predictive power by the four soil variables were also highly correlated. These results are indicative of a gradient in the importance of soil conditions for species distributions, being more important for species occurring in less-developed soils and high elevation soil patches where adaptation to stress is vital for survival. For a non-negligible number of species occurring above the treeline, soil conditions are particularly important for their distribution, and therefore soil variables or their proxies should not be neglected in SDMs projecting the responses of the alpine flora to climate change.
Schlagwörter
Schlagwörter
(Deutsch)
Modellierung der Artenverteilung Bodenprädiktoren alpine Pflanzen oberhalb der Baumgrenze Bodengradient funktionelle Merkmale Stress
Schlagwörter
(Englisch)
species distribution modelling soil predictors alpine plants above-treeline soil gradient functional traits stress
Autor*innen
William John Eden
Haupttitel (Englisch)
The importance of soil properties in plant species distribution models on the alpine landscape of Mount Schrankogel (Tyrol, Austria)
Publikationsjahr
2024
Umfangsangabe
36 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Stefan Dullinger
Klassifikationen
42 Biologie > 42.59 Botanik. Sonstiges ,
42 Biologie > 42.91 Terrestrische Ökologie
AC Nummer
AC17367310
Utheses ID
73023
Studienkennzahl
UA | 066 | 832 | |