Modelleren van vegetatiedynamiek onder invloed van klimaatvariabiliteit en landgebruiksveranderingen in Rwanda

Tropische ecosystemen zijn onderhevig aan de effecten van klimaatverandering en toenemende klimaatvariabiliteit. Mitigatie- en adaptatiemaatregelen hebben als doel de effecten van deze veranderingen in te perken en de voorziening van ecosysteemdiensten aan de samenleving te vrijwaren. Tropische bossen zijn in het bijzonder kwetsbaar voor klimaatvariabiliteit, maar zijn tevens onderhevig aan ontbossing, fragmentatie, degradatie en herstelmaatregelen. In deze thesis wordt onderzocht hoe de waargenomen veranderingen in tropische ecosystemen kunnen worden toegekend aan klimaateffecten enerzijds en aan effecten van landgebruiksveranderingen anderzijds. Daartoe werden concepten en methoden uitgewerkt om deze processen te modelleren binnen de context van Oost-Afrika met tijdreeksen van satellietbeelden, klimaatgegevens en terreinwaarnemingen.

Vooreerst werd een methode ontwikkeld om vegetatieveranderingen te detecteren in tijdreeksen van satelliet beelden met de Normalized Difference Vegetation Index (NDVI). De Ensemble Empirical Mode Decomposition (EEMD) methode werd geïmplementeerd en getest voor automatische detectie van een meerjarig signaal, met simulaties van tijdreeksen gemodelleerd uit NDVI gegevens voor Oost-Afrika. Gevoeligheidsanalyse van signaal- en ruiskenmerken toonde aan dat detecteerbaarheid van het meerjarige signaal vooral bepaald wordt door de relatieve amplitude ten opzichte van seizoenale fluctuaties en door de start van de groeiseizoenen die afhangen van de neerslagvariabiliteit.

De gevoeligheid van vegetatie aan neerslagvariabiliteit varieert doorheen Oost-Afrika, en de biogeografische factoren die dit bepalen werden bestudeerd aan de hand van een verklarend spatiaal model. Vegetatietype, gemiddelde jaarlijkse neerslag, hoogteligging en oceanische invloed verklaren tot 43\% van de waargenomen variabiliteit in de neerslagrespons van vegetatie. Lokale modellen per ecologische zone toonden aan dat neerslaggevoeligheid het hoogst is in overwegend grasachtige systemen en in de overgangszones van beboste savanne naar tropisch regenwoud, ook voorbij de grenzen van de subhumide zone 900 mm per jaar. Een voorafgaande evaluatie van de spatiale en temporele consistentie van beschikbare dataproducten voor neerslag en NDVI wees uit dat de variabele kwaliteit van neerslagschattingen over zones met weinig waarnemingen of uitgesproken topografie het meest beperkend is om deze neerslagrespons te modelleren.

Landgebruiksveranderingen in heterogene landschappen werden onderzocht in Rwanda, een klein gebied dat grotendeels bedekt is door dichtbevolkte landbouw- en agro-bossystemen, bosrijke savanne en restanten van Afromontaan woud. Historische landsgebruiksveranderingen in Rwanda werden in kaart gebracht met behulp van Landsatbeelden (1984-2013) en inventarisaties van bodembedekking in 185 proefvlakken doorheen 51 ecologische strata. Via beeldclassificaties werden volgroeid bos, jonge aanplanten en struikachtig bos, boomrijk en boomarm landbouwgebied gedetecteerd met 68% globale accuraatheid. Een kwalitatieve evaluatie met gedocumenteerde gevallen van landgebruiksverandering toonde aan dat ontbossing, grootschalige herbebossing en abrupte ingebruikname van land goed detecteerbaar zijn, terwijl veranderingen in boombedekking door agro-bosbouw, lokale bosaanplanting en brandhoutoogst slechts gedeeltelijk werden gedetecteerd met de beperkte set van landgebruiksklassen. Het totale effect van deze lokale verschuiving tussen deze klasse dient als model voor het directe menselijke ingrijpen in ecosystemen op een bredere ruimtelijke schaal.

Tot slot werd een verklarend spatio-temporeel model opgesteld om meerjarige vegetatiedynamiek in Rwanda te modelleren als het gecombineerd effect van regionale neerslagvariabiliteit en van lokale landgebruiksveranderingen. Het onafhankelijk en expliciet modelleren van de menselijke landgebruiksfactor biedt een verbetering ten opzichte van deze af te leiden uit de niet-klimaatgeraleteerde restterm in neerslag-vegetatiemodellen. Met dit model kon 50% tot 56% van meerjarige vegetatiedynamiek in Rwanda worden verklaard. Het effect van neerslagvariabiliteit domineert, waarbij de hoogste neerslaggevoeligheid geobserveerd werd voor de regenafhankelijke landbouwsystemen in Centraal- en Oost-Rwanda. Het effect van lokaal landgebruik kon slechts 5% tot 10% van de waargenomen veranderingen verklaren, en dit enkel in beboste landgebruikstypes.

Dit spatio-temporeel model met een expliciete landgebruiksterm biedt een benadering voor het toekennen van vegetatiedynamiek aan klimaatseffecten en landgebruikseffecten. Dit model levert tevens een methode om de mogelijke impact van klimaatscenario’s en mitigatiemaatregelen op ecosystemen te evalueren. De voornaamste beperkingen zijn vooralsnog de beperkte set van landgebruiksklassen, onvoldoende ruimtelijk detail en een aantal niet-gemodelleerde processen. Mogelijke toepassingen omvatten het inschatten van regionale klimaatseffecten die meespelen bij het beoordelen van lokale maatregelen en projecten van herbebossing en landschapsherstel. Verder onderzoek is aangewezen om het attributiemodel te versterken met recente, sterk verfijnde satellietwaarnemingen. Uitbreiding van de EEMD-detectiemethode om ook seizoenale schommelingen te detecteren biedt mogelijkheden voor toepassingen in het monitoren van landbouwgewassen.