Classification and multivariate analysis of differences in gross primary production at different elevations using biome-bgc in the páramos, ecuadorian andean region

• Minaya, Veronica ^[3] ; Corzo, Gerald ^[3] ; Van Der Kwast, Johannes ^[3] ; Galárraga, Remigio ^[1] ; Mynett, Arthur ^[2]
  1. [1] Escuela Politécnica Nacional

     Escuela Politécnica Nacional

     Quito, Ecuador

     
  2. [2] Delft University of Technology

     Delft University of Technology

     Países Bajos

     
  3. [3] UNESCO-IHE, Institute for Water Education, Delft, The Netherlands

  Mostrar afiliaciones +
• Localización: Revista de Matemática: Teoría y Aplicaciones, ISSN 2215-3373, ISSN-e 2215-3373, Vol. 22, Nº. 2, 2015, págs. 369-394
• Idioma: inglés
• DOI: 10.15517/rmta.v22i2.21602
• Títulos paralelos:
  • Clasificación y análisis multivariado de diferencias en producción primaria bruta en diferentes elevaciones usando biome-bgc en los páramos, región andina ecuatoriana
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La producción primaria (GPP) es difícil de medir y simular en estudios de cambio climático con múltiples especies de vegetación y con variabilidad en elevación. Los modelos tienden a proveer una representación de los procesos dinámicos a través de análisis a largo plazo usando parametrizaciones generalizadas. Incluso métodos actualizados de modelación no contemplan fácilmente la variación de GPP a diferentes elevaciones y para diferentes tipos de vegetación en regiones como los páramos, debido principalmente a la inexistencia de datos. En estos modelos, la información de las celdas son comúnmente promediadas y por lo tanto factores como la elevación media,eco-fisiología de la vegetación y otros parámetros son generalizados. El modelo de vegetación BIOME-BGC fue aplicado en un área de estudio dentro de la región andina Ecuatoriana a elevaciones superiores a los 4000 msnm donde existe una presencia típica de vegetación de páramo para 10 años de simulación (periodo 2000-2009). La estimación de la diferencia de la GPP obtenida usando una generalización de altura y tipo de vegetación predominante puede conducir a una mejor estimación de la incertidumbre en la magnitud de los errores en modelos climáticos globales. Este estudio explora la relación entre la GPP de tres tipos de vegetación agrupados de acuerdo a sus formas de crecimiento a tres rangos altitudinales y dos factores climáticos (Radiación de onda corta y deficiencia de presión de vapor). Debido a la importancia de la medición de posibles errores o las diferencias en el uso de valores promedio de datos meteorológicos e ecofisiológicos, aquí presentamos un análisis multivariado de la diferencia dinámica de la GPP en el tiempo con respecto al rango altitu- dinal y al tipo de vegetación. El modelo multivariable Copula nos permite identificar y clasificar los cambios de GPP por tipo de vegetación y por rango altitudinal. El modelo cópula distribuido Frank fue el que mejor se acopló entre la GPP y las variables climáticas y nos permitió entender mejor la dependencia entre estas variables. Los resultados podrían explorar situaciones extremas donde estrategias simplificadas promedio podrían confundir. El cambio de GPP en el tiempo es esencial para futuros escenarios climáticos del almacenamiento y liberación de carbón del ecosistema hacia la atmósfera. Nuestros resultados sugieren que la clasificación de esta diferencia es muy importante que sea extendida a celdas que tienen propiedades similares.

  • English

    Gross primary production (GPP) in climate change studies with multi- species and elevation variables are difficult to measure and simulate. Models tend to provide a representation of dynamic process through long-term analysis by using generalized parameterizations. Even, current approaches of modelling do not contemplate easily the variation of GPP at different elevations for different vegetation types in regions like páramos, mainly due to data unavailability. In these models information from cells is commonly averaged, and therefore average elevation, ecophysiology of vegetation, as well as other parameters is generalized. The vegetation model BIOME- BGC was applied to the Ecuadorian Andean region for elevations greater than 4000 masl with the presence of typical vegetation of páramo for 10 years of simulation (period 2000-2009). An estimation of the difference of GPP obtained using a generalized altitude and predominant type of vegetation could lead to a better estimation of the uncertainty in the magnitude of the errors in global climate models. This research explores GPP from 3 different altitudes and 3 vegetation types against 2 main climate drivers (Short Wave Radiation and Vapor Pressure Deficit). Since it is important to measure the possible errors or difference in the use of averaged meteorological and ecophysiological data, here we present a multivariate analysis of the dynamic difference of GPP in time, relative to an altitude and type of vegetation. A copula multivariable model allows us to identify and classify the changes in GPP per type of vegetation and altitude. The Frank copula model of joint distributions was our best fit between GPP and climate drivers and it allowed us to understand better the dependency of the variables. These results can explore extreme situations where averaged simplified approaches could mislead. The change of GPP over time is essential for future climate scenarios of the ecosystem storage and release of carbon to the atmosphere. Our findings suggest that a classification of the difference is highly important to be extended to cells that have similar properties.

• Referencias bibliográficas
  • Bell, S. (1999) “A beginner’s guide to uncertainty of measurement”, Measurement Good Practice Guide 11(2), National Physical Laboratory, Teddington,...
  • Cavieres, L.A.; Quiroz, C.L.; Molina-Montenegro, M.A.; Muñoz, A.A.; Pauchard, A. (2005) “Nurse effect of the native cushion plant Azorella...
  • Chowdhary,H.; Singh, V.P. (2010) “Reducing uncertainty in estimates of frequency distribution parameters using composite likelihood approach...
  • Cleveland, C.C.; Townsend, A.R.; Schimel, D.S.; Fisher, H.; Howarth, R.W.; Hedin, L.O.; Perakis, S.S.; Latty, E.F.; Von Fischer, J.C.; Elseroad,...
  • (N2) fixation in natural ecosystems”, Global Biogeochemical Cycles 13: 623–645.
  • Cong, R.G.; Brady, M. (2012) “The interdependence between rainfall and temperature: Copula analyses”, The Scientific World Journal 2012: 1–12.
  • Crabtree, R.; Potter, C.; Mullena, R.; Sheldona, J.; Huang, S.; Harmsena, J.; Rodmanc, A.; Jeanc, C. (2009) “A modeling and spatio-temporal...
  • Diemer, M. (1998) “Leaf lifespans of high-elevation, a seasonal Andean shrub species in relation to leaf traits and leaf habit”, Global Ecological...
  • Dufour, A.; Gadallah, F.; Wagner, H.H.; Guisan, A.; Buttler, A. (2006) “Plant species richness and environmental heterogeneity in a mountain...
  • FAO (2010) “Grassland carbon sequestration: management, policy and economics”, Proceedings of the Workshop on the Role of Grassland Carbon...
  • [Farquhar et al.(1980)] Farquhar, G.D.; von Caemmerer, S.; Berry, J.A. (1980) “A biogeochemical model of photosynthetic CO2 assimilation in...
  • Gebremichael, M.; Krajewski, W.F. (2007) “Application of copulas to modeling Ttemporal sampling errors in satellite-derived rainfall estimates”,...
  • Genest, C.; Favre, A.C. (2007) “Everything you always wanted to know about copula modeling but were afraid to ask”, Journal of Hydrologic...
  • Gill, R.A.; Jackson, R.B. (2000) “Global patterns of root turnover for terrestrial ecosystems", New Phytologist 147: 13–31.
  • Gräler, B.; Kazianka, H.; Espindola, G.M. de (2010) “Copulas, a novel approach to model spatial and spatio-temporal dependence”, GIScience...
  • Hofert, M.; Kojadinovic, I.; Maechler, M.; Yan, J. (2013) “Multivariate dependence with copula”, in: Repository CRAN.
  • Ito, A.; Oikawa, T. (2004) “Global mapping of terrestrial primary productivity and Light use efficiency with a process-based model”, in: M....
  • Jung, M.; Le Maire, G.; Zaehle, S.; Luyssaert, S.; Vetter, M.; Churkina, G.; Ciais, P.; Viovy, N.; Reichstein, M. (2007a) “Assessing the ability...
  • Jung, M.; Vetter, M.; Herold, M.; Churkina, G.; Reichstein, M.; Zaehle, S.; Ciais, P.; Viovy, N.; Bondeau, A.; Chen, Y.; Trusilova, K.; Feser,...
  • Kelliher, F.M.; Leuning, R.; Raupach, M.R.; Schulze, E.D. (1995) “Maximum conductances for evaporation from global vegetation types”, Agriculture...
  • Kimball, J.S.; Running, S.W.; Saatchi, S.S. (1999) “Sensitivity of boreal forest regional water flux and net primary production simulations...
  • Kimball, J.S.; Keyser, A.R.; Running, S.W.; Saatchi, S.S. (2000) “Regional assessment of boreal forest productivity using an ecological process...
  • Line, M.A.; Loutit, M.W. (1973) “Studies on non-symbiotic nitrogen fixation in New Zealand tussock-grassland soils”, New Zealand Journal of...
  • Minaya, V.; Corzo, G.; Romero-Saltos, H.; van der Kwast, J.; Lantinga, E.; Galarraga-Sanchez, R.; Mynett, A.E. (In press) “Altitudinal analysis...
  • Myneni, R.B.; Keeling, C.D.; Tucker, C.J.; Asrar, G.; Nemani, R.R. (1997) “Increased plant growth in the northern high latitudes between 1981-1991”,...
  • Nobel, P.S. (1991) Physicochemical and Environmental Plant Physiology. Academic Press, San Diego.
  • Phoenix, G.K.; Hicks, W.K.; Cinderby, S.; Kuylenstierna, J.C.I.; Stock, W.D.; Dentener, F.J.; Giller, K.E.; Austin, A.T.; Lefroy, R.D.B.;...
  • R Development Core Team (2007) “A Language and Environment for Statistical Computing”, in: http://www.R-project.org/.
  • Ralph, C.P. (1978) “Observations on Azorella Compacta (Umbelliferae), a tropical Andean cushion plant”, Biotropica 10(1): 62–67.
  • Ramsay, P.M.; Oxley, E.R.B. (1997) “The growth form composition of plant communities in the ecuadorian páramos”, Plant Ecology 131: 173–192.
  • Running, S.W.; Thornton, P.E.; Nemani, R.; Glassy, J.M. (Eds) (2000) Global terrestrial gross and net primary productivity from the Earth...
  • Scott, D. (1961) “Methods of measuring growth in short tussocks”, New Zealand Journal of Agricultural Research 4(3-4): 282–285.
  • Shaver, G.R.; Canadell, J.; Chapin, F.S.; Gurevitch, J.; Harte, J.; Henry, G.; Ineson, P.; Jonasson, S.; Melillo, J.; Pitelka, L.; Rustad,...
  • Sitch, S.; Smith, B.; Prentice, I.C.; Arneth, A.; Bondeau, A.; Cramer, W.; Kaplans, J.O.; Levis, S.; Lucht, W.; Sykes, M.T.; Thonicke, K.;...
  • Sklar, A. (1959) Fonctions de Répartition á n Dimensions et Leurs Marges. Publications de l’Institut de Statistique de l’Université de Paris.
  • Thornton, P.E. (1998) Regional Ecosystem simulation:combining surface and satellite based observations to study linkages between terrestrial...
  • Thornton, P.E. (2000) “Simultaneous estimation of daily solar radiation and humidity from observed temperature and precipitation: an application...
  • Thornton, P.E.; Running, S.W. (1999) “An improved algorithm for estimating incident daily solar radiation from measurements of temperature,...
  • Thornton, P.E.; Rosenbloom, N.A. (2005) “Ecosystem model spin-up: Estimating steady state conditions in a coupled terrestrial carbon and nitrogen...
  • Trusilova, K.; Churkina, G. (2008) The terrestrial ecosystem model GBIOME-BGCv1. Max-Planck Institut für Biogeochemie, Jena, Germany.
  • Trusilova, K.; Trembath, J.; Churkina, G. (2009) “Parameter estimation and validation of the terrestrial ecosystem model BIOME-BGC using eddy-covariance...
  • VEMAP (1995) “Vegetation/ecosystem modeling and analysis project: comparing biogeography and biogeochemistry models in a continental scale...
  • Wang, M.; Rennolls, K.; Tang, S. (2008) “Bivariate distribution modeling of tree diameters and heights: dependency modeling using copulas”,...
  • Wang, W.; Ichiic, K.; Hashimoto, H.; Michaelisa, A.R.; Thornton, P.E.; Lawe, B.E.; Nemanib, R.R. (2009) “A hierarchical analysis of terrestrial...
  • White, M.A.; Thornton, P.E.; Running, S.W.; Nemani, R.R. (2000) “Parameterization and sensitivity analysis of the BIOME-BGC terrestrial ecosystem...
  • Wullschleger, S.D. (1993) “Biochemical limitations to carbon assimilation in C3 plants - A retrospective analysis of the A/Ci curves from...
  • Yan, J. (2006) Multivariate Modeling with Copulas and Engineering Applications, in: H. Pham (Ed.) Handbook in Engineering Statistics:. 973–990.
  • Zhao, M.; Running, S.W.; Nemani, R.R. (2006) “Sensitivity of Moderate Resolution Imaging Spectroradiometer (MODIS) terrestrial primary production...