Nouveaux signaux de déclin de la résilience des forêts face au changement climatique

Nature volume 608, pages 534–539 (2022)Citer cet article

33 000 accès

38 Citations

628 Altmétrique

Détails des métriques

Les écosystèmes forestiers dépendent de leur capacité à résister et à se remettre des perturbations naturelles et anthropiques (c'est-à-dire leur résilience)1. Les preuves expérimentales d'augmentations soudaines de la mortalité des arbres soulèvent des inquiétudes quant à la variation de la résilience des forêts2, mais on sait peu de choses sur la façon dont elle évolue en réponse au changement climatique. Ici, nous intégrons des indices de végétation par satellite à l'apprentissage automatique pour montrer comment la résilience des forêts, quantifiée en termes d'indicateurs de ralentissement critiques3,4,5, a changé au cours de la période 2000-2020. Nous montrons que les forêts tropicales, arides et tempérées connaissent une baisse significative de leur résilience, probablement liée à l'augmentation des limitations en eau et à la variabilité climatique. En revanche, les forêts boréales présentent des modèles locaux divergents avec une tendance moyenne à la hausse de la résilience, bénéficiant probablement du réchauffement et de la fertilisation par le CO2, ce qui peut compenser les effets néfastes du changement climatique. Ces modèles apparaissent de manière constante dans les forêts gérées et intactes, corroborant l'existence de facteurs climatiques communs à grande échelle. Les réductions de la résilience sont statistiquement liées à des déclins abrupts de la productivité primaire des forêts, qui se produisent en réponse à une dérive lente vers un seuil de résilience critique. Environ 23 % des forêts intactes non perturbées, correspondant à 3,32 Pg C de productivité primaire brute, ont déjà atteint un seuil critique et connaissent une nouvelle dégradation de leur résilience. Ensemble, ces signaux révèlent un déclin généralisé de la capacité des forêts à résister aux perturbations qui devraient être prises en compte dans la conception des plans d'atténuation et d'adaptation basés sur les terres.

Les forêts couvrent environ 41 millions de km2, soit environ 30 % de la surface terrestre. Ils jouent un rôle fondamental dans le cycle mondial du carbone, absorbant environ 33 % des émissions anthropiques de carbone, et sont considérés comme un élément clé pour atténuer les futurs changements climatiques6. En outre, les forêts fournissent une série de services écosystémiques qui contribuent au bien-être de la société, tels que la régulation des flux d'eau, la protection des sols et la conservation de la biodiversité7. Malheureusement, les écosystèmes forestiers sont de plus en plus menacés par de nombreuses perturbations, y compris les agents naturels (par exemple, les incendies, les tempêtes de vent et les agents pathogènes) et les pressions anthropiques2. La persistance et la fonctionnalité de ces écosystèmes dépendent fortement de leur résilience, définie comme la capacité à résister et à se remettre des perturbations environnementales3,4,5. Les forêts à faible résilience sont plus sensibles aux anomalies des facteurs externes et sont potentiellement plus exposées à des changements brusques et éventuellement irréversibles (par exemple, des changements de régime)8. Ceci est particulièrement critique compte tenu de l'intensification continue des régimes de perturbation qui pourraient affecter la fourniture de services écosystémiques clés dans un avenir proche9,10,11. Dans le même temps, les stratégies d'atténuation basées sur les forêts qui reposent sur des puits et des stocks de carbone durables deviennent cruciales pour atteindre les objectifs climatiques les plus ambitieux. Dans ce contexte, il est de plus en plus important d'étudier la vulnérabilité des stocks et des flux de carbone forestier aux perturbations externes. Cependant, on sait peu de choses sur la façon dont la résilience des forêts a évolué en réponse aux changements environnementaux mondiaux. Comprendre les mécanismes sous-jacents de la résilience des forêts et sa dynamique récente est donc d'une importance capitale pour élaborer des plans de conservation et de gestion solides.

Des études théoriques ont démontré qu'à mesure que les systèmes approchent d'un point de basculement (c'est-à-dire d'un seuil auquel commence un changement d'emballement auto-entretenu), ils perdent leur résilience, de sorte que de petites perturbations externes continues peuvent faire basculer le système dans une configuration alternative12. Il a été proposé qu'une telle perte de résilience puisse être détectée à partir de l'augmentation de l'autocorrélation temporelle (TAC) dans l'état du système, reflétant une baisse des taux de récupération due au ralentissement critique (CSD) des processus du système qui se produisent à des seuils3 ,4,5 (méthodes supplémentaires 1 à 3 et figures supplémentaires 1 et 2). Dans un tel cadre, la résilience est définie comme la capacité des écosystèmes à résister aux perturbations et à éviter les changements d'état, et non comme le retour à l'état initial après un changement d'état induit par un événement majeur. La réduction de la résilience peut être causée par des fonctions physiologiques altérées qui rendent l'écosystème instable ou du moins plus vulnérable aux changements de régime en cas de perturbations (par exemple, en termes de productivité, d'indice de surface foliaire ou de composition des espèces)12,13,14. Cette propriété a été exploitée dans des études antérieures pour évaluer les schémas spatiaux de la résilience statique des forêts15,16,17,18. Cependant, l'application de cette méthode à grande échelle dans un contexte dynamique est difficile en raison de la série temporelle limitée d'observations, de la présence de fréquences saisonnières dominantes dans les variations des réponses de l'écosystème et des signaux de forçage, des variations d'autocorrélation des signaux de forçage et de la présence de bruit stochastique4. Jusqu'à présent, ces défis ont limité l'étude de l'évolution temporelle de la résilience des forêts dans les systèmes réels19,20,21 et ont conduit à un manque substantiel d'évaluations à l'échelle mondiale. À cet égard, la disponibilité croissante d'observations terrestres cohérentes dans le temps sur plusieurs décennies offre désormais de nouvelles opportunités pour surveiller la résilience des forêts variant dans le temps à l'échelle régionale à mondiale.

Ici, nous estimons la CSD à partir de séries chronologiques d'indices de végétation par satellite pour étudier la variation spatio-temporelle de la résilience des forêts qui s'est produite au cours des deux dernières décennies à l'échelle mondiale. Plus précisément, nous avons récupéré le TAC à 1 décalage en tant qu'indicateur CSD lié à la résilience3,4,5 à partir de récupérations par satellite de l'indice de végétation par différence normalisée du noyau (kNDVI) dérivé pour la période 2000-2020 à l'échelle mondiale à 0,05° spatial. résolution du capteur du spectroradiomètre imageur à résolution moyenne. Le kNDVI a récemment été proposé comme indicateur fiable de la productivité des écosystèmes22 et est donc utilisé dans cette étude comme une mesure appropriée pour représenter l'état des écosystèmes forestiers.

Nous avons initialement exploré le TAC moyen au niveau du pixel de l'ensemble de la série chronologique kNDVI (2000-2020 ; ci-après dénommé TAC à long terme). Ce signal, en intégrant l'interaction entre la forêt et le climat, reflète la lenteur du système forêt-climat résultant de l'interaction des facteurs environnementaux qui affectent la croissance des plantes et de la capacité de l'écosystème à se remettre des perturbations. Un modèle de régression de forêt aléatoire (RF)23 a ensuite été développé pour identifier les relations émergentes entre le TAC à long terme (variable de réponse) et une série de paramètres forestiers et climatiques (prédicteurs environnementaux ; méthodes et tableau de données étendu 1). Les résultats montrent que les forêts mondiales sont caractérisées par une variabilité spatiale considérable du TAC à long terme (Extended Data Fig. 1) largement expliquée par les conditions environnementales locales (R2 = 0,87 ; Extended Data Fig. 2 et Discussion supplémentaire 1). Pour détecter le signal de résilience du système forestier et explorer sa dynamique temporelle en réponse aux conditions environnementales changeantes, nous avons analysé l'évolution temporelle du TAC calculé sur kNDVI avec des fenêtres glissantes de 3 ans sur la période d'observation. Des simulations factorielles du modèle RF précédemment développé ont été réalisées pour démêler la contribution des facteurs environnementaux et filtrer les signaux de confusion provenant du TAC des facteurs climatiques (détails dans Méthodes). Cela a abouti à une série chronologique du TAC annuel et sa tendance temporelle (δTAC) a été utilisée comme indicateur de CSD pour détecter les changements dans la résilience des forêts au fil du temps.

Les résultats montrent une augmentation généralisée et significative du TAC, et donc une baisse temporelle de la résilience, dans les régions tropicales, tempérées et arides (1,63 × 10−3, 1,43 × 10−3 et 1,26 × 10−3 an−1, respectivement). En revanche, les forêts boréales présentent des schémas locaux divergents avec une tendance à la hausse moyenne de la résilience (−1,54 × 10−3 an−1 ; Fig. 1a,b et tableau de données étendu 2) principalement associée à une baisse du TAC dans l'Est du Canada et Russie européenne. Nous avons exploré plus en détail les changements temporels de la résilience, en comparant le TAC moyen de kNDVI calculé sur deux fenêtres temporelles indépendantes (2000-2010 et 2011-2020 ; méthodes). Nous avons constaté une augmentation statistiquement significative au fil du temps à l'échelle mondiale (53 % du globe connaît un changement relatif positif ; Fig. 2c). Cependant, le signal global est limité par la compensation de schémas contrastés dans différentes régions climatiques. En fait, l'augmentation statistiquement significative du TAC dans les forêts tropicales, arides et tempérées (56 à 63 % des terres avec un changement relatif positif) est partiellement compensée par une tendance opposée qui se produit dans les forêts boréales (56 % des terres avec un changement relatif négatif). Les schémas dérivant de la comparaison des deux décennies indépendantes sont cohérents avec les trajectoires de δTAC (Fig. 1a, b et données étendues Fig. 3), confirmant la validité de la découverte. Ces signaux émergents suggèrent des trajectoires inquiétantes pour la résilience d'une grande partie des forêts mondiales. Les signaux sont particulièrement robustes car ils sont basés sur un seul capteur (le spectroradiomètre imageur à résolution moyenne) et un indice de végétation (kNDVI) qui a montré une meilleure corrélation avec la productivité primaire et une réduction des problèmes de bruit et de stabilité par rapport aux autres indices classiques22 (Méthodes). Des analyses de sensibilité approfondies étayent davantage la robustesse de ces dérives temporelles émergentes (Méthodes, Discussion supplémentaire 2 et Données étendues Figs. 4–6).

a, Carte spatiale de l'évolution temporelle du TAC (δTAC). Des valeurs de δTAC positives (par exemple, les forêts tropicales) suggèrent une réduction des taux de récupération et donc une baisse de la résilience, et inversement pour des valeurs de δTAC négatives (par exemple, des forêts boréales). Les valeurs sont moyennées sur une fenêtre mobile de 1° × 1° à des fins visuelles. b, δTAC comme dans un casier en fonction de la température climatologique et des précipitations. Les points noirs indiquent les bacs avec des valeurs moyennes qui sont statistiquement différentes de zéro (test t de Student bilatéral ; valeur P ≤ 0,05). c, Distribution de fréquence des différences de TAC calculées pour deux fenêtres temporelles indépendantes (2011-2020 moins 2000-2010) et présentées séparément pour différentes régions climatiques. Les nombres font référence au pourcentage d'observations inférieur et supérieur à zéro ; les astérisques indiquent des distributions avec des moyennes statistiquement différentes de zéro (test t de Student bilatéral ; valeur P ≤ 0,05). La fine ligne verticale dans chaque graphique montre la moyenne de la distribution. d, La fraction de couverture correspondant à chaque région climatique et code de couleur rapporté en c et montré sur le gradient latitudinal. e, La moyenne zonale de la tendance du TAC (δTAC) telle que déterminée par les trois facteurs (X) à une résolution latitudinale de 5° et l'intervalle de confiance correspondant à 95 % représenté respectivement par une ligne colorée et une bande ombrée. Les couleurs reflètent les trois différentes catégories de facteurs : la densité forestière, le climat de fond et la variabilité climatique.

a, Distributions de fréquence du TAC à long terme (2000-2020) pour les forêts aménagées (MF) et les forêts intactes (FI) situées dans un climat de fond similaire. Les nombres colorés indiquent les moyennes respectives, les étiquettes du haut font référence à la moyenne des différences (diff.) du TAC à long terme entre les forêts aménagées et intactes, et l'astérisque indique des distributions qui sont statistiquement différentes (test t de Student bilatéral ; valeur P ≤ 0,05). b, Idem que pour a mais pour δTAC ; les nombres colorés font référence au pourcentage d'observations inférieures et supérieures à zéro (à gauche et à droite de 0 sur l'axe des abscisses, respectivement). c, Idem que pour b mais pour la corrélation temporelle entre GPP annuel et TAC, notée ρ(GPP,TAC). d, Une carte spatiale de ρ(GPP,TAC). e, ρ(GPP,TAC) regroupé en fonction des précipitations climatologiques et de la température. Les points noirs indiquent les bacs avec des valeurs moyennes qui sont statistiquement différentes de zéro (test t de Student bilatéral ; valeur P ≤ 0,05). f, Une carte spatiale des zones, avec des couleurs différentes pour les quatre combinaisons de δGPP et δTAC positifs/négatifs. Les fractions de couverture de chacune des quatre classes pour les forêts aménagées et intactes sont rapportées en barres empilées.

En examinant la contribution marginale des moteurs du δTAC, nous avons constaté que le verdissement généralisé de la végétation qui s'est produit au cours des dernières décennies (Extended Data Fig. 2c et Extended Data Fig. 7a), probablement dû à la fertilisation au CO2 et au changement climatique24, avait un effet positif. sur la résilience globale, surtout dans les climats froids et tempérés (Fig. 1d, e, densité forestière). Cependant, les intensifications simultanées des limitations d'eau et des événements climatiques extrêmes, particulièrement graves dans les régions tropicales, arides et tempérées (données étendues Fig. 2d, e et données étendues Fig. 7c – j) ont compensé les avantages de la fertilisation et du verdissement au CO2 (Fig. . 1d,e ; |\(\delta \text{TAC}\)| en raison des changements du climat de fond et de la variabilité climatique > |\(\delta \text{TAC}\)| en raison des changements de la densité de la forêt). Cela a finalement entraîné une perte nette de la résilience des forêts dans ces biomes (Fig. 1a–c). La vulnérabilité croissante des forêts aux perturbations naturelles et l'augmentation de la mortalité des arbres dans une grande partie des Amériques et en Europe au cours des dernières décennies fournissent des preuves indépendantes du déclin continu de la résilience des forêts25,26. Les pressions liées au climat mentionnées ci-dessus se sont également produites dans les forêts boréales, mais leur gravité ne pourrait probablement pas compenser le gain associé à l'effet positif de la fertilisation au CO2 et à un climat plus chaud dans la plupart des zones de ce biome à température limitée (Fig. 1d ,e). Cependant, le modèle observé aux hautes latitudes pourrait éventuellement changer en réponse à la baisse attendue de la disponibilité de l'eau en raison de l'interaction entre le réchauffement climatique et la phénologie anticipée27. En effet, de récentes études observationnelles suggèrent que les forêts mondiales passent d'une période dominée par les effets positifs de la fertilisation par le CO2 à une période caractérisée par la saturation progressive des effets positifs de la fertilisation sur les puits de carbone et la montée des impacts négatifs du changement climatique28, 29.

Les résultats présentés jusqu'à présent se sont concentrés sur le rôle des moteurs naturels dans la modulation des variations spatiales et temporelles de la résilience des forêts. Cependant, les perturbations anthropiques, telles que la gestion forestière et le changement d'affectation des terres, ont le potentiel d'influencer la capacité des écosystèmes forestiers à se remettre des perturbations en affectant directement les espèces d'arbres, la répartition par âge, la densité du couvert, la profondeur d'enracinement et la productivité primaire1,30,31 ( Données étendues Fig. 2c et Données étendues Fig. 7a,b). Pour tenir compte de ces effets, nous avons analysé le TAC et le δTAC à long terme pour les forêts gérées et intactes sous un climat de fond similaire (Méthodes et données étendues Fig. 8). Les forêts intactes ont un TAC à long terme considérablement plus faible (c'est-à-dire une résilience forestière plus élevée) que les forêts aménagées (0,13 et 0,21, respectivement; Fig. 2a). Cette découverte renforce l'hypothèse selon laquelle les forêts intactes ont une plus grande capacité à résister aux perturbations externes grâce à leur complexité structurelle et à leur richesse en espèces généralement plus élevées32,33. Des données d'observation indépendantes soulignent la contribution des pressions humaines au déclin de la résilience des forêts au cours des dernières décennies1,26,30,34. Fait intéressant, en termes de tendances temporelles (δTAC), les forêts gérées et intactes ne présentent pas de différences significatives et montrent des fractions comparables de forêts affichant des tendances positives (72 % et 66 %, respectivement, Fig. 2b) et donc une résilience décroissante. Il s'agit d'une découverte importante car elle suggère que le niveau moyen de résilience des forêts dans un climat donné est fortement affecté par la gestion forestière, alors que ses variations temporelles en cours (Fig. 1a, b) sont contrôlées par des signaux climatiques à grande échelle. Les tendances mondiales observées reflètent donc de manière plausible les changements effectifs induits par le climat dans la capacité des forêts à résister aux perturbations externes.

Quel que soit le type de forêt, les changements dans la résilience des forêts peuvent déclencher des variations de la productivité primaire brute (PPB) et vice versa, sur la base d'un lien de causalité mutuel. Comprendre l'interaction entre ces deux variables est crucial compte tenu du rôle des MPE dans le cycle mondial du carbone35. Nous avons exploré cela en analysant la corrélation des récupérations de GPP par satellite36 et du TAC à l'échelle annuelle (interaction à court terme) et en comparant les tendances de la GPP et du TAC (interaction à long terme ; méthodes). À court terme, les forêts intactes montrent une corrélation entre GPP et TAC plus faible que les forêts aménagées (Fig. 2c), probablement parce que la résilience est en moyenne plus élevée dans les écosystèmes intacts (Fig. 2a) et donc probablement moins critique pour la productivité. De telles interactions bidirectionnelles se traduisent par une corrélation négative entre GPP et TAC, avec un lien plus étroit dans les climats secs et froids, reflétant probablement l'amplification potentielle de l'interaction bidirectionnelle dans ces régions (Fig. 2d, e). À long terme, environ 70 % des forêts gérées et intactes connaissent actuellement une tendance positive de la GPP, mais dans 50 % de ces zones (environ 36 % en termes absolus), cela se produit en combinaison avec une tendance positive du TAC. (Fig. 2f, motifs rouge foncé). Cela implique qu'une fraction considérable de la superficie forestière augmente la productivité primaire tout en connaissant une résilience décroissante, ce qui conduit à un puits forestier en expansion mais plus vulnérable. Les observations généralisées de l'augmentation de la mortalité des arbres2, ainsi que les observations de la croissance du puits de carbone terrestre37, confirment la cooccurrence de tels processus antagonistes en réponse au changement global2.

Comme une perte de résilience de la forêt augmente la sensibilité aux perturbations externes14, nous avons exploré le potentiel de δTAC à fonctionner comme un signal d'alerte précoce du déclin abrupt de la forêt (cadre théorique décrit dans les méthodes supplémentaires 1 et 2). Pour exclure l'effet de la gestion des terres (par exemple, les déclins abrupts apparents (DA) entraînés par l'exploitation forestière), nous avons limité l'analyse aux forêts intactes mondiales, en mettant l'accent sur les régions tropicales et boréales qui, ensemble, couvrent environ 97 % du domaine étudié. (Données étendues Fig. 8). Les DA sont définies ici comme des changements soudains dans l'état de l'écosystème forestier et détectées, pour une gamme de sévérité, comme des anomalies négatives de 1 à 6 fois l'écart type (σ) du kNDVI moyen de la saison de croissance par rapport à la moyenne non perturbée de référence dans la série chronologique. Dans cette analyse, nous quantifions si les tendances à la baisse de la résilience (c'est-à-dire les augmentations de δTAC) sont associées à un changement brusque conséquent dans le système, quel que soit le type de perturbation (détails dans Méthodes).

Au niveau mondial, les forêts intactes ont une probabilité de AD conditionnelle à δTAC supérieure à 0,5 (Fig. 3a). Ce signal est statistiquement significatif et augmente avec la sévérité de la DA, suggérant que la détérioration progressive des états des écosystèmes, suivie par le déclin de la résilience, a probablement contribué à la recrudescence d'anomalies négatives dans la dynamique forestière. La relation émergente est principalement motivée par les forêts boréales, en particulier celles du centre de la Russie et de l'ouest du Canada, où il y a un déclin émergent et localisé de la résilience des forêts (Fig. 1a). De tels schémas peuvent indiquer que dans ces zones, la DA suit la dérive vers un seuil de résilience critique, qui est probablement déclenchée par les changements des facteurs environnementaux se produisant aux latitudes les plus septentrionales38. Les épidémies d'insectes, qui sont généralement favorisées par le stress hydrique39, peuvent représenter l'une des principales perturbations qui ont finalement causé de telles AD dans l'état de l'écosystème40,41. Au contraire, les AD dans les forêts tropicales ne sont pas statistiquement associées à des valeurs élevées de δTAC (Fig. 3a). Dans ces régions, des événements de perturbations rapides et fortes, tels que des incendies42 ou des sécheresses43, peuvent induire une AD indépendamment des tendances croissantes à long terme de la CSD (réfs. 3,4 ; ici représenté par δTAC). Les hypothèses mentionnées ci-dessus sont également cohérentes avec les moteurs climatiques dominants du δTAC dans les régions boréales et tropicales (climat de fond et variabilité climatique, respectivement, Fig. 1d, e) et étayées par plusieurs éléments de preuve indépendants (par exemple, réf. 26 ,30,44,45).

a, Probabilité d'occurrence de la MA en fonction des valeurs de δTAC pour différentes sévérités de la MA (exprimée en tant qu'anomalie n fois l'écart type local en dessous de la moyenne locale, σ) présentées séparément pour trois régions climatiques différentes. Les astérisques indiquent des probabilités statistiquement différentes de 0,5 (test t de Student bilatéral ; valeur P ≤ 0,05). b, TAC récupéré l'année précédant l'apparition d'une AD (TACAD) regroupé en fonction des précipitations climatologiques et de la température. c, Tolérance au TACAD (l'augmentation absolue du TAC qu'un écosystème en équilibre peut tolérer avant d'atteindre des conditions critiques) à travers un gradient d'indice d'aridité. Le cercle et les moustaches font référence à la valeur moyenne et à son intervalle de confiance à 95 % ; les couleurs se réfèrent au TACAD correspondant. Chaque indice d'aridité binbiné allant de 0 à 500 mm °C−1 compte 10 868, 16 799, 728, 59 et 13 pixels échantillonnés. d, Proximité de TACAD (proximité des forêts intactes actuelles à leur seuil d'état critique) regroupée en fonction des précipitations climatologiques et de la température. Les points noirs indiquent les bacs avec des valeurs moyennes qui sont statistiquement différentes de zéro (test t de Student bilatéral ; valeur P ≤ 0,05). Les valeurs négatives de proximité avec TACAD représentent des zones où le seuil de résilience pour AD (TACAD) a déjà été dépassé, et vice versa pour les valeurs positives. e, Distributions de fréquence de proximité de TACAD présentées séparément pour différentes régions climatiques et calculées sur l'ensemble du domaine (bleu) et sur les zones connaissant un δTAC positif concomitant (rouge). Les nombres colorés font référence au pourcentage de la distribution de fréquence inférieur et supérieur à zéro (à gauche et à droite de 0 sur l'axe des x, respectivement) par rapport à l'ensemble du domaine.

Pour explorer plus avant les mécanismes de seuil et la causalité associés aux DA, nous avons récupéré le TAC pour l'année précédant l'apparition d'une DA (ci-après dénommé TACAD observé) - et reflétant ainsi la valeur seuil de résilience avant la DA de l'écosystème. Pour chaque événement AD, nous avons récupéré la tolérance de l'écosystème correspondante exprimée comme la différence entre le TACAD et son TAC moyen calculé dans les conditions de pré-perturbation (détails dans les méthodes). Cette métrique reflète l'augmentation absolue du TAC qu'un écosystème en équilibre peut tolérer avant d'atteindre les conditions critiques de la DA. Nous avons constaté que, malgré les taux de récupération lents moyens (Extended Data Fig. 1 et Supplementary Discussion 1), les écosystèmes fréquemment exposés à des limitations en eau connaissent des AD à des niveaux plus élevés de TACAD (Fig. 3b), grâce à leur tolérance plus élevée par rapport aux écosystèmes tropicaux. forêts humides et froides-sèches (Fig. 3c). Ces modèles sont probablement dus à l'adaptation à long terme des espèces d'arbres dans les régions arides qui conduit à une adaptation structurelle et physiologique aux limitations de l'eau (par exemple, des systèmes d'enracinement plus profonds, une résistance à la cavitation et un rapport racines/pousses plus élevé), alors que les conditions humides et froides les biomes ont une plus grande vulnérabilité à la pénurie d'eau46,47.

Pour évaluer la proximité des forêts intactes actuelles à leur seuil de résilience critique, nous avons extrapolé dans l'espace la valeur de TACAD par l'utilisation de l'algorithme de régression RF et l'avons comparée avec le TAC récupéré pour l'année 2020. La proximité prend des valeurs négatives ou nulles lorsque TACAD a déjà atteint en 2020 et des valeurs positives lorsqu'il reste des marges avant d'atteindre le seuil critique (Méthodes). Les résultats montrent qu'à la fin de notre période d'observation, environ 30 % des forêts intactes mondiales ont déjà atteint ou dépassé leur TACAD (Fig. 3d, e). Plus important encore, environ 23 % ont connu une augmentation concomitante du δTAC (Fig. 1a), ce qui implique une réduction continue de la résilience de l'écosystème à des niveaux déjà proches d'un AD et, potentiellement, d'un point de basculement. Nous avons estimé que 3,32 Pg C de GPP sont exposés à de telles conditions critiques, principalement dans les forêts tropicales (93 %), une quantité environ trois fois supérieure aux pertes de carbone dues à la déforestation en Amazonie brésilienne au cours des dix dernières années26. Nous soulignons que ces conditions critiques ne sont pas suffisantes pour déterminer un changement de régime (Méthodes supplémentaires 3). Cependant, ils représentent une forte indication des risques croissants d'une instabilité et d'une vulnérabilité accrues aux aléas des biomes forestiers. Ceci est particulièrement critique pour les forêts tropicales, où le récent déclin observé du puits de carbone48,49 pourrait être encore exacerbé par la détérioration continue et progressive de la résilience des forêts et l'augmentation parallèle de la mortalité des arbres et du taux de rotation.

Notre analyse révèle qu'au cours des dernières décennies, les forêts intactes et gérées ont connu des changements substantiels de résilience contrôlés par des signaux climatiques à grande échelle. Nous avons constaté que les forêts tropicales, tempérées et arides subissaient une baisse de résilience probablement liée à l'augmentation concomitante des limitations en eau et de la variabilité climatique. Au contraire, les avantages induits par le réchauffement climatique et la fertilisation par le CO2 ont compensé ces effets négatifs dans une grande partie du biome boréal, entraînant finalement une augmentation de la résilience des forêts. La fragilité croissante aux perturbations externes combinée à une amélioration de la productivité d'une fraction considérable des forêts mondiales (environ 36 %) confirme la cooccurrence de processus antagonistes à l'origine de la photosynthèse et de la mortalité des arbres en réponse au changement global2. Nous estimons qu'environ 23 % des forêts intactes non perturbées ont déjà atteint leur seuil critique pour une DA et connaissent une nouvelle dégradation concomitante de leur résilience. Compte tenu de la transition attendue d'une période dominée par la fertilisation par le CO2 à une période dominée par le réchauffement/l'assèchement27,28,29, les trajectoires négatives observées de la résilience des forêts suggèrent des conséquences critiques potentielles pour les services écosystémiques clés, tels que la séquestration du carbone. Par conséquent, il devient urgent de tenir compte de ces tendances dans la conception de stratégies d'atténuation efficaces basées sur les forêts pour éviter de futurs événements négatifs inattendus déclenchés par la vulnérabilité croissante des stocks de carbone. À cet égard, notre évaluation mondiale basée sur les données montre que la réflexion sur la résilience50 peut être développée efficacement dans un cadre scientifique et axé sur les solutions pour relever les nombreux défis de la gestion forestière en période de changements climatiques rapides.

Pour explorer l'impact du climat sur la résilience des forêts (voir les sections suivantes), nous avons utilisé les précipitations totales moyennes mensuelles, la température de l'air à 2 m, le déficit d'évapotranspiration et le rayonnement solaire de surface vers le bas acquis à partir du produit de réanalyse ERA5-Land à une résolution spatiale de 0,1° pour la période 2000-2020 (https://cds.climate.copernicus.eu/cdsapp#!/home). Le déficit d'évapotranspiration a été quantifié comme les précipitations totales moins l'évapotranspiration. Dans cette étude, nous avons fait référence aux régions climatiques telles que définies par la carte mondiale de classification climatique de Köppen–Geiger51 (http://koeppen-geiger.vu-wien.ac.at/present.htm). Les 31 zones climatiques d'origine ont été fusionnées en grandes zones et seules celles caractérisées par un couvert végétal ont été incluses dans notre étude (tropicales, arides, tempérées et boréales ; Extended Data Fig. 8).

Les données NDVI acquises à partir de l'instrument MODIS (Moderate Resolution Imaging Spectroradiometer) à bord du satellite Terra ont été utilisées pour dériver les changements de la végétation mondiale pour la période 2000-2020. Nous avons utilisé des composites spatiaux sans nuages fournis à une résolution temporelle de 16 jours et une résolution spatiale de 0,05° (MOD13C1 Version 6 ; https://lpdaac.usgs.gov/products/mod13c1v006/) et n'avons retenu que des pixels avec une qualité globale bonne et marginale. L'ensemble de données NDVI dérivé de MODIS représente un produit de pointe de l'état de la végétation dont l'algorithme de récupération est constamment amélioré52, et étant dérivé d'une plate-forme et d'un capteur uniques, il est temporellement et spatialement cohérent. La dynamique de la végétation a été analysée en termes de kNDVI, une généralisation non linéaire du NDVI basée sur la réf. 22 et dérivé comme suit :

Le kNDVI a récemment été proposé comme indicateur fort de la productivité de l'écosystème qui montre des corrélations élevées avec les mesures au niveau de la parcelle de la productivité primaire et les récupérations par satellite de la fluorescence induite par le soleil22. De plus, il a été documenté que le kNDVI est plus étroitement lié à la productivité primaire, qu'il résiste à la saturation, aux biais et aux cycles phénologiques complexes, et qu'il présente une robustesse accrue au bruit et une stabilité à travers les échelles spatiales et temporelles par rapport aux produits alternatifs (par exemple, NDVI et réflectance proche infrarouge de la végétation). Pour ces raisons, il a été retenu dans cette étude comme métrique privilégiée pour décrire l'état de l'écosystème forestier.

Pour obtenir une estimation précise des indicateurs de résilience, les séries chronologiques de la végétation doivent être stationnaires sans modèles périodiques saisonniers ni tendances à long terme53. Dans ce but, les anomalies de végétation ont été obtenues à partir des données kNDVI en soustrayant d'abord la moyenne de l'échantillon pluriannuel de 16 jours, puis en supprimant les tendances linéaires de la série chronologique résultante. Les données manquantes, dues par exemple à la couverture de neige affectant la récupération des propriétés de réflectance, ont été comblées par les valeurs climatologiques kNDVI. La série chronologique d'anomalies de végétation basée sur le kNDVI a été utilisée pour dériver des indicateurs de résilience et évaluer leurs variations spatiales et temporelles (voir les sections suivantes).

Les changements interannuels de la végétation ont été évalués en termes de kNDVI moyen pour la saison de croissance. À cette fin, une saison de croissance climatologique s'étendant sur des mois avec au moins 75 % de jours dans la phase de verdure a été dérivée du produit satellitaire Vegetation Index and Phenology54 (https://vip.arizona.edu/) et acquise pour la Période 2000–2016 à une résolution spatiale de 0,05°. De plus, la fraction de couverture forestière (FC) a été dérivée des cartes annuelles de couverture terrestre de l'Initiative sur le changement climatique de l'Agence spatiale européenne (https://www.esa-landcover-cci.org/)55 sur la période 2000-2018 à Résolution spatiale de 300 m. FC a été récupéré en additionnant la fraction de feuillus à feuilles caduques, à feuilles persistantes à feuilles larges, à feuilles d'aiguilles à feuilles caduques et à feuilles d'aiguilles sempervirentes. FC a été rééchantillonné à 0,05 ° pour correspondre à la résolution spatiale kNDVI.

Dans cette étude, nous avons quantifié la résilience des écosystèmes forestiers - leur capacité à se remettre des perturbations externes - en utilisant le TAC à 1 décalage (réfs. 3,4,5). Un tel indicateur a été initialement calculé sur l'ensemble de la série temporelle d'anomalies de végétation (2000-2020) pour les pixels forestiers avec moins de 50 % de données manquantes dans le NDVI d'origine et un FC supérieur à 0,05 et désigné dans le texte par TAC à long terme. Cette analyse a été utilisée pour évaluer les schémas spatiaux de la lenteur de la forêt médiée par des facteurs environnementaux qui affectent les taux de croissance des plantes et leur capacité à se remettre des perturbations. Le TAC à long terme a été exploré à la fois dans l'espace géographique et climatique (Extended Data Fig. 1). Dans l'espace climatique, le TAC à long terme a été regroupé dans une grille 50 × 50 en fonction des précipitations et de la température annuelles moyennes, toutes deux calculées sur la période 2000-2020, en utilisant la moyenne comme métrique d'agrégation pondérée par les étendues surfaciques de chaque enregistrer. Nous n'avons retenu que les bacs contenant au moins 50 enregistrements.

Pour explorer les moteurs potentiels du TAC à long terme, nous avons développé un modèle de régression RF23 et prédit le TAC à long terme observé (variable de réponse) sur la base d'un ensemble de caractéristiques environnementales (prédicteurs). L'utilisation de l'apprentissage automatique en général et de la RF en particulier, étant des méthodes non paramétriques et non linéaires basées sur les données, ne nécessite pas d'hypothèses a priori sur la forme fonctionnelle reliant les pilotes clés et les fonctions de réponse. Les variables environnementales comprennent les propriétés de la végétation (FC et kNDVI moyen de la saison de croissance) et les variables climatiques (précipitations totales, température de l'air à 2 m, déficit d'évapotranspiration et rayonnement solaire de surface vers le bas). Chacune des variables climatiques a été exprimée en termes de moyenne, de coefficient de variation et d'autocorrélation à 1 décalage et rééchantillonnée à une résolution spatiale de 0,05° pour correspondre à la résolution spatiale de kNDVI. Toutes les variables environnementales ont été calculées annuellement puis moyennées dans le temps, à l'exception de l'autocorrélation qui a été calculée directement pour toute la période, de manière analogue au TAC à long terme. Il en est résulté un ensemble de 14 prédicteurs représentant la densité de la forêt, le climat de fond, la variabilité climatique et son TAC au cours de la période d'observation (Extended Data Table 1). Le modèle RF a été développé en divisant le TAC à long terme observé en deux échantillons distincts : 60 % des enregistrements ont été utilisés pour l'étalonnage du modèle, et les 40 % restants ont été utilisés pour valider les performances du modèle en termes de coefficient de détermination (R2), de moyenne erreur quadratique et biais en pourcentage (PBIAS). Chaque enregistrement fait référence à un pixel de 0,05°. La RF mise en œuvre ici utilise 100 arbres de régression, dont la profondeur et le nombre de prédicteurs à échantillonner à chaque nœud ont été identifiés à l'aide de l'optimisation bayésienne. La formulation générale du modèle est la suivante :

dans laquelle f est le modèle de régression RF, X sont les prédicteurs environnementaux et εf sont les résidus. Nous avons constaté que le modèle explique 87 % de la variance spatiale (R2) du TAC à long terme observé avec une erreur quadratique moyenne de 0,007 et une surestimation moyenne de 0,058 (PBIAS ; Extended Data Fig. 2a). Par définition, les méthodes d'apprentissage automatique ne sont pas basées sur la représentation mécaniste des phénomènes et ne peuvent donc pas fournir d'informations directes sur les processus sous-jacents influençant la réponse du système aux conducteurs. Cependant, certaines méthodes indépendantes du modèle peuvent être appliquées pour mieux comprendre les sorties des modèles RF. Ici, nous avons utilisé des mesures d'importance variable pour quantifier et classer l'influence des facteurs environnementaux individuels sur le TAC (données étendues, Fig. 2b). De plus, à l'aide de diagrammes de dépendance partielle dérivés de l'algorithme d'apprentissage automatique RF, nous avons exploré la fonction de réponse de l'écosystème (TAC) à travers des gradients de végétation et de caractéristiques climatiques (discussion supplémentaire 1 et données étendues Fig. 2c – f).

Pour explorer la variation temporelle de la résilience des forêts, nous avons utilisé des indicateurs CSD, ici quantifiés en termes de changements temporels du TAC récupérés pour deux périodes consécutives et indépendantes allant de 2000 à 2010 et de 2011 à 2020, et évalué l'importance du changement dans le moyenne échantillonnée agrégée pour différentes régions climatiques par un test t bilatéral (Fig. 1c). Cette analyse a été complétée par le calcul du TAC à l'échelle annuelle sur une fenêtre temporelle décalée de 2 ans (taille de la fenêtre de 3 ans) pour suivre les changements temporels de la SDR. Il en est résulté une série chronologique de TAC avec un pas de temps annuel.

Nous soulignons que la dynamique temporelle du TAC annuel est régie par deux processus : les changements dans la résilience du système qui affectent la vitesse de récupération des perturbations externes et les effets confondants des changements dans l'autocorrélation des facteurs climatiques (Xac) qui affectent directement l'autocorrélation du NDVI. Compte tenu des objectifs spécifiques de cette étude, nous avons factorisé le deuxième processus du signal TAC total pour éviter qu'une autocorrélation croissante des facteurs n'affecte notre analyse et nos conclusions sur la résilience et l'augmentation potentielle de l'instabilité56. À cette fin, nous avons démêlé les changements temporels du TAC dus aux variations de l'autocorrélation des facteurs climatiques (\({\rm{TAC}}| {X}_{{\rm{ac}}}\)) en adoptant le analogie espace-temps et appliqué le modèle RF (f) à un pas de temps annuel (t) dans un ensemble de simulations factorielles comme suit :

Le premier terme du côté droit de l'équation (3) est la simulation du modèle RF obtenue en tenant compte de la dynamique de tous les prédicteurs, et le second terme est la simulation du modèle RF générée en considérant la dynamique de tous les prédicteurs à l'exception des facteurs d'autocorrélation dans le climat qui sont maintenus constants à leur valeur de la première année (année 2000). Pour de tels scénarios, nous avons utilisé des prédicteurs calculés à l'échelle annuelle sur une fenêtre temporelle décalée de 2 ans, conformément à la série chronologique du TAC. Nous avons constaté que les effets directs de l'autocorrélation dans le climat ont conduit à une tendance positive du TAC dans les zones sèches (en raison de l'autocorrélation croissante des facteurs dans ces régions) et à un effet opposé dans les forêts humides tempérées (Fig. 3 supplémentaire). Pour supprimer ces effets de confusion, le terme estimé \({{\rm{TAC}}}^{t}| {X}_{{\rm{ac}}}\) est factorisé du TACt par soustraction pour dériver une estimation améliorée de la résilience annuelle qui est indépendante de l'autocorrélation climatique (Extended Data Fig. 3).

Les tendances linéaires à long terme calculées sur les séries chronologiques de TAC amélioré (δTAC) qui en résultent représentent notre indicateur CSD de référence utilisé dans cette étude pour explorer les changements dans la résilience des forêts. δTAC a été quantifié pour chaque cellule de la grille (Fig. 1a) et représenté dans l'espace climatique selon la méthodologie décrite précédemment (Fig. 1b). Nous avons ensuite évalué la signification des tendances au niveau de la classe en appliquant un test t bilatéral pour les distributions de tendances échantillonnées dans chaque classe. Ce test de signification est indépendant des dépendances temporelles structurelles provenant de l'utilisation d'une fenêtre temporelle décalée de 2 ans pour calculer la série temporelle du TAC.

En suivant une approche analogue décrite dans l'équation (3), nous avons démêlé l'effet de la variation de la densité forestière, du climat de fond et de la variabilité climatique sur les changements temporels du TAC (Fig. 1d,e). Nous reconnaissons que d'autres facteurs environnementaux non explicitement pris en compte dans notre modèle RF pourraient jouer un rôle dans la modulation des variations temporelles du TAC. Cependant, compte tenu de l'exhaustivité de la suite de prédicteurs utilisés dans l'équation (2) (tableau de données étendu 1), il semble plausible que les résidus reflètent principalement la résilience intrinsèque de la forêt, la composante intimement liée aux réponses à court terme des forêts aux perturbations, qui n'est pas directement lié à la variabilité climatique. Les processus évolutifs des écosystèmes forestiers pourraient également jouer un rôle, mais des séries chronologiques plus longues seraient nécessaires pour saisir de manière fiable ces dynamiques. De plus, les déclins brusques (DA) de l'état de la végétation et les rétablissements suivants, similaires à ceux pouvant provenir des perturbations forestières (par exemple, les incendies de forêt et les invasions d'insectes), pourraient influencer les changements du TAC. Cependant, ces occurrences, étant réparties dans le monde entier sur toute la période, ne devraient affecter que marginalement la tendance résultante dans les séries chronologiques du TAC.

Afin d'évaluer la robustesse de nos résultats par rapport aux choix de modélisation décrits ci-dessus, nous avons effectué une série d'analyses de sensibilité à la différence de TAC récupérée pour les deux périodes indépendantes (2000-2010 et 2011-2020). Pour cela, nous avons testé leur dépendance à : l'indicateur de qualité des données NDVI utilisées pour les analyses (bonne, bonne et marginale) ; la procédure de comblement des lacunes testée sur différentes périodes (année et saison de croissance) ; l'inclusion ou l'exclusion des zones forestières affectées par les DA ; le seuil sur le pourcentage maximal de données NDVI manquantes autorisé au niveau du pixel (20 %, 50 % et 80 %) ; le seuil sur le pourcentage minimum de FC autorisé au niveau du pixel (5 %, 50 % et 90 %) ; et la résolution spatiale des pixels utilisée pour les analyses (0,05°, 0,25° et 1°). De plus, nous avons testé la sensibilité de la tendance du signal TAC total sur la longueur de la fenêtre temporelle mobile utilisée pour calculer l'autocorrélation au décalage 1. Les résultats obtenus pour les différentes configurations ont été comparés en termes de distributions de fréquence, séparément pour les régions climatiques (Extended Data Fig. . 4), et exploré plus en détail dans l'espace climatique (Extended Data Figs. 5 et 6). Les résultats de l'analyse de sensibilité sont discutés dans la discussion supplémentaire 2.

La résilience et les MPE interagissent par des liens de causalité mutuels. D'une part, une réduction de la résilience de la forêt rend le système plus sensible aux perturbations avec des pertes potentielles conséquentes de GPP (réf. 26). D'autre part, une réduction du GPP peut entraîner une baisse de la résilience selon l'hypothèse de carence en carbone, et peut être associée à une augmentation des défaillances hydrauliques46. Pour explorer le lien entre la résilience des forêts et la productivité primaire, nous avons quantifié la corrélation entre le TAC et la GPP. Les estimations de GPP ont été dérivées de l'ensemble d'arbres modèles FluxCom pour la période 2001-2019 à une résolution temporelle de 8 jours et une résolution spatiale de 0,0833 ° et générées à l'aide des flux GPP de l'écosystème du réseau FLUXNET et des données de télédétection MODIS comme variables prédictives36 (http:/ /www.fluxcom.org/). Les cartes annuelles de GPP ont été quantifiées et rééchantillonnées à 0,05° pour correspondre à la résolution temporelle et spatiale des séries chronologiques du TAC. La corrélation de rang de Spearman (ρ) a ensuite été calculée entre le GPP annuel et le TAC sur une fenêtre mobile spatiale de 1° pour mieux échantillonner la distribution empirique des deux variables (Fig. 2d). La signification de ρ (GPP, TAC) a été évaluée sur l'espace climatique séparément pour chaque bac (Fig. 2e), de la même manière que l'approche utilisée pour tester la signification de δTAC. De plus, nous avons exploré les relations entre la tendance du GPP (δGPP) et la tendance du TAC (δTAC) en regroupant le globe selon les directions des trajectoires à long terme des variables susmentionnées (Fig. 2f).

Pour caractériser le TAC sur différents types de forêts et démêler les effets potentiels provenant de la gestion forestière, les résultats ont été analysés séparément pour les forêts intactes et les forêts aménagées. Les forêts intactes ont été considérées comme les pixels forestiers constituant l'ensemble de données Intact Forest Landscapes57 (https://intactforests.org/). Paysages forestiers intacts identifie les étendues forestières sans aucun signe d'activité humaine significative au cours de la période 2000-2016 sur la base des séries chronologiques Landsat. Les pixels de forêts restants - non étiquetés comme intacts - ont été considérés comme des forêts gérées (Extended Data Fig. 8). La carte des types de forêts qui en résulte est conforme à celles utilisées pour les rapports de la Convention-cadre des Nations Unies sur les changements climatiques58, bien qu'avec des estimations plus prudentes des forêts intactes dans la zone boréale en raison du masquage basé sur la FC et le pourcentage de données manquantes appliquées dans cette étude.

Nous avons analysé les différences de TAC à long terme (calculé pour l'ensemble de la période 2000-2020) entre les forêts gérées et intactes en masquant l'effet potentiel du fond climatique. Dans ce but, nous avons comparé les espaces climatiques générés séparément pour les forêts gérées et intactes en extrayant uniquement les compartiments qui sont couverts par les deux classes de forêts. Les distributions résultantes - une pour chaque classe de forêt - ont la même taille d'échantillon et chaque paire d'éléments partage le même fond climatique. Les effets environnementaux confondants potentiels sur les taux de récupération moyens sont donc minimisés. Nous avons ensuite appliqué un test t bilatéral pour analyser la signification de la différence dans les moyennes échantillonnées (Fig. 2a). Une approche analogue a été utilisée pour tester les différences de δTAC et ρ(GPP,TAC) entre les forêts gérées et intactes (Fig. 2b,c).

Lorsque les écosystèmes forestiers sont soumis à une dégradation prolongée et progressive, la perte de résilience peut conduire à une DA (réfs. 3,4,5). De tels changements brusques peuvent déclencher un changement de régime (point de basculement) en fonction de la capacité du système à se remettre des perturbations (Méthodes supplémentaires 1 et 2). Nous avons étudié le potentiel des changements du TAC en tant que signaux d'alerte précoce des AD dans les forêts intactes au cours de la période 2010-2020. Dans ce but, nous avons quantifié au niveau du pixel les AD comme les événements se produisant une certaine année lorsque le kNDVI moyen correspondant de la saison de croissance était plus de n fois l'écart type local en dessous de la moyenne locale. La moyenne locale et l'écart type (σ) ont été calculés sur la période de fenêtre temporelle antécédente de 10 ans (non perturbée) et n varie entre 1 et 6, les valeurs les plus élevées reflétant des changements plus graves dans l'état du système. Pour chaque pixel et pour chaque valeur n fixée, nous n'avons enregistré que la première occurrence AD, imposant ainsi un enregistrement univoque pour chaque changement brusque de l'état du système.

Nous avons ensuite exploré si les AD récupérés étaient statistiquement associés à des valeurs élevées antérieures de δTAC. Pour éviter toute confusion avec l'attribution de la causalité, pour chaque AD survenue au temps t (sur la période 2010-2020), nous avons dérivé le δTAC sur la fenêtre temporelle 2000 − (t − 1). La tendance résultante du δTAC est donc antécédente et indépendante des changements de végétation associés à la DA. Ensuite, pour chaque pixel avec un AD au temps t, nous avons également extrait aléatoirement l'un des pixels adjacents non perturbés (sans AD) et récupéré δTAC sur la même fenêtre temporelle. Cette analyse a produit deux distributions de δTAC associées aux pixels avec et sans AD (AD et sans AD, respectivement). Les deux distributions ont la même taille et chaque paire d'éléments partage un climat de fond similaire. Nous avons calculé la probabilité d'occurrence de la MA en fonction de la tendance de δTAC (\({\rm{AD}}| \delta {\rm{TAC}}\)) comme la fréquence des AD pour laquelle \(\delta {\ rm{TAC}}\left(\mathrm{AD}\right)| > \delta {\rm{TAC}}\left(\mathrm{no\; AD}\right)\), et la signification de la différence dans les deux moyennes échantillonnées (AD et pas d'AD) a été évaluée par un test t bilatéral. La probabilité et l'importance ont été évaluées pour différentes régions climatiques et la gravité des AD (Fig. 3a). Des probabilités statistiquement significatives élevées suggèrent que la DA suit la dérive vers un seuil critique de résilience vraisemblablement associée à des changements dans les facteurs environnementaux.

Nous avons complété les analyses précitées en récupérant la tolérance et la proximité à la MA, ci-après déterminées pour une sévérité 3σ. Nous avons d'abord quantifié le TAC qui a précédé l'apparition d'un AD et a suivi une perte progressive de résilience telle que capturée par un δTAC positif. Cette valeur, ci-après appelée autocorrélation temporelle du déclin abrupt (TACAD), reflète le seuil du TAC au-delà duquel nous avons observé un changement brusque de l'état de la forêt (Fig. 3b). La tolérance à la DA a été quantifiée comme la différence entre le TACAD local et la valeur moyenne du TAC sur la période 2000-2009 pour caractériser les conditions pré-perturbation. La métrique de tolérance a été explorée à travers un gradient d'indice d'aridité59 (Fig. 3c).

TACAD ne peut être récupéré directement que sur les pixels de la forêt qui ont déjà subi un AD. Comme une fraction considérable de forêts non perturbées pourraient potentiellement être proches de leur seuil critique de TAC, voire l'avoir déjà dépassé, il est important de déterminer leur TACAD. Dans ce but, nous avons développé un modèle de régression RF qui exprime le TACAD en fonction de l'ensemble X de variables environnementales utilisées dans le modèle f (équation (2)) mais en excluant l'autocorrélation des facteurs climatiques (Xréduit) déjà démêlés dans le signal TAC . La formulation générale est la suivante :

où g est le modèle de régression RF, Xréduit sont les prédicteurs environnementaux et εg sont les résidus. La mise en œuvre, l'étalonnage et la validation de g suivent le même raisonnement décrit précédemment pour le modèle f. Nous avons constaté que le modèle RF explique 50 % de la variance (R2) du TACAD observé, avec une erreur quadratique moyenne de 0,019 et une sous-estimation moyenne de 0,86 (PBIAS).

Le modèle RF a ensuite été utilisé pour prédire le TACAD sur l'ensemble du domaine des forêts intactes et a servi d'entrée pour quantifier la proximité avec AD des pixels de forêt non perturbés à la fin de la période d'observation (année 2020). Ici, nous avons défini la métrique de proximité comme la différence entre la valeur du TAC en 2020 et le TACAD. La proximité prend des valeurs négatives ou nulles lorsque le TACAD a déjà été atteint (\({{{\rm{TAC}}}^{2020}\ge {\rm{TAC}}}_{{\rm{AD}}}\ )) et des valeurs positives lorsqu'il reste des marges avant d'atteindre le seuil critique (\({{{\rm{TAC}}}^{2020} < {\rm{TAC}}}_{{\rm{AD}} }\)). Ensemble \(\delta {\rm{TAC}} > 0\) et \({{{\rm{TAC}}}^{2020}\ge {\rm{TAC}}}_{{\rm{AD }}}\) représentent donc les conditions les plus critiques, car elles indiquent que le seuil critique de résilience pour la DA a déjà été atteint et que l'écosystème continue de perdre sa capacité à répondre aux perturbations externes. Nous avons finalement quantifié la quantité de GPP potentiellement exposée à de telles conditions critiques en extrapolant linéairement la GPP pour l'année 2020 (arrêt des données GPP disponibles en 2019) et en la superposant sur la carte des conditions critiques (proximité de \({\rm{AD} } < 0\) et \(\delta {\rm{TAC}} > 0\)).

De plus amples informations sur la conception de la recherche sont disponibles dans le résumé des rapports de recherche sur la nature lié à cet article.

Les ensembles de données climatiques utilisés dans cette étude sont accessibles au public à partir du produit de réanalyse ERA5-Land (https://cds.climate.copernicus.eu/cdsapp#!/home) et de la carte mondiale de classification climatique de Köppen-Geiger (http : //koeppen-geiger.vu-wien.ac.at/present.htm). Les données NDVI ont été acquises à partir de MODIS (MOD13C1 Version 6, https://lpdaac.usgs.gov/products/mod13c1v006/), les données de phénologie de la surface terrestre ont été acquises à partir du produit satellitaire Vegetation Index and Phenology (https://vip. arizona.edu/), et les données FC ont été acquises auprès de l'Initiative sur le changement climatique de l'Agence spatiale européenne (https://www.esa-landcover-cci.org/). Les flux GPP sont disponibles sur le produit FluxCom (http://www.fluxcom.org/) et la délimitation spatiale des forêts intactes est disponible sur l'ensemble de données Intact Forest Landscapes (http://intactforests.org/).

Le code personnalisé MATLAB (R2017b) écrit pour analyser les données, développer le modèle RF et générer des chiffres est disponible sur https://doi.org/10.6084/m9.figshare.19636059.v1.

Ibañez, I. et al. Résilience des forêts face au changement environnemental global : avons-nous les informations dont nous avons besoin ? Une revue systématique. PLoS ONE 14, e0222207 (2019).

Article PubMed PubMed Central CAS Google Scholar

McDowell, NG et al. Changements omniprésents dans la dynamique forestière dans un monde en mutation. Sciences 368, eaaz9463 (2020).

Article CAS PubMed Google Scholar

Scheffer, M., Carpenter, SR, Dakos, V. & van Nes, EH Indicateurs génériques de résilience écologique : déduire la possibilité d'une transition critique. Annu. Rév. Ecol. Évol. Syst. 46, 145-167 (2015).

Article Google Scholar

Dakos, V., Carpenter, SR, van Nes, EH & Scheffer, M. Indicateurs de résilience : perspectives et limites des alertes précoces des changements de régime. Phil. Trans. R. Soc. B 370, 20130263 (2015).

Article PubMed Central Google Scholar

Scheffer, M. et al. Signaux d'alerte précoce pour les transitions critiques. Nature 461, 53-59 (2009).

Article ADS CAS PubMed Google Scholar

Friedlingstein, P. et al. Budget carbone mondial 2021. Earth Syst. Sci. Données. 14, 1917–2005 (2022).

Annonces d'article Google Scholar

Reid, WV et al. Ecosystems and Human Well-Being - Synthesis: a Report of the Millennium Ecosystem Assessment (Island Press, 2005).

Dakos, V. et al. Points de basculement des écosystèmes dans un monde en évolution. Nat. Écol. Évol. 3, 355–362 (2019).

Article PubMed Google Scholar

Seidl, R., Schelhaas, M.-J., Rammer, W. & Verkerk, PJ Augmentation des perturbations forestières en Europe et leur impact sur le stockage du carbone. Nat. Clim. Modification 4, 806–810 (2014).

Article ADS CAS Google Scholar

Seidl, R. et al. Les perturbations forestières sous le changement climatique. Nat. Clim. Modification 7, 395–402 (2017).

Annonces d'article Google Scholar

Bender, MA et al. Impact modélisé du réchauffement anthropique sur la fréquence des ouragans intenses de l'Atlantique. Sciences 327, 454–458 (2010).

Article ADS CAS PubMed Google Scholar

Scheffer, M., Carpenter, S., Foley, JA, Folke, C. et Walker, B. Changements catastrophiques dans les écosystèmes. Nature 413, 591-596 (2001).

Article ADS CAS PubMed Google Scholar

Nes, E. Hvan et al. Que voulez-vous dire par "point de basculement" ? Tendances Écol. Évol. 31, 902–904 (2016).

Article PubMed Google Scholar

Kéfi, S., Dakos, V., Scheffer, M., Van Nes, EH & Rietkerk, M. Les signaux d'alerte précoce précèdent également les transitions non catastrophiques. Oikos 122, 641–648 (2013).

Article Google Scholar

Verbesselt, J. et al. Résilience télédétectée des forêts tropicales. Nat. Clim. Modification 6, 1028-1031 (2016).

Annonces d'article Google Scholar

Hirota, M., Holmgren, M., Nes, EHV & Scheffer, M. Résilience globale de la forêt tropicale et de la savane aux transitions critiques. Sciences 334, 232-235 (2011).

Article ADS CAS PubMed Google Scholar

Seddon, AWR, Macias-Fauria, M., Long, PR, Benz, D. & Willis, KJ Sensibilité des écosystèmes terrestres mondiaux à la variabilité climatique. Nature 531, 229–232 (2016).

Article ADS CAS PubMed Google Scholar

De Keersmaecker, W. et al. Un modèle quantifiant la résistance et la résilience globales de la végétation aux anomalies climatiques à court terme et leur relation avec la couverture végétale. Glob. Écol. Biogéogr. 24, 539-548 (2015).

Article Google Scholar

Liu, Y., Kumar, M., Katul, GG & Porporato, A. Résilience réduite comme signal d'alerte précoce de la mortalité forestière. Nat. Clim. Modification 9, 880–885 (2019).

Annonces d'article Google Scholar

Gazol, A. et al. La résilience des forêts à la sécheresse varie selon les biomes. Glob. Changer Biol. 24, 2143-2158 (2018).

Annonces d'article Google Scholar

De Keersmaecker, W. et al. Évaluation de la réponse de la végétation régionale aux anomalies climatiques : une étude de cas pour l'Australie à l'aide de séries chronologiques GIMMS NDVI entre 1982 et 2006. Remote Sens. 9, 34 (2017).

Annonces d'article Google Scholar

Camps-Valls, G. et al. Un indice de végétation unifié pour quantifier la biosphère terrestre. Sci. Adv. 7, eabc7447 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Breiman, L. Forêts aléatoires. Mach. Apprendre. 45, 5–32 (2001).

Article MATH Google Scholar

Zhu, Z. et al. Le verdissement de la Terre et ses moteurs. Nat. Clim. Modification 6, 791–795 (2016).

Article ADS CAS Google Scholar

Forzieri, G. et al. Vulnérabilité émergente aux perturbations d'origine climatique dans les forêts européennes. Nat. Commun. 12, 1081 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Qin, Y. et al. La perte de carbone due à la dégradation des forêts dépasse celle de la déforestation en Amazonie brésilienne. Nat. Clim. Modifier https://doi.org/10.1038/s41558-021-01026-5 (2021).

D'Orangeville, L. et al. Les effets bénéfiques du réchauffement climatique sur la croissance des arbres boréaux peuvent être transitoires. Nat. Commun. 9, 3213 (2018).

Article ADS PubMed PubMed Central CAS Google Scholar

Yuan, W. et al. L'augmentation du déficit de pression de vapeur atmosphérique réduit la croissance globale de la végétation. Sci. Adv. 5, eaax1396 (2019).

Article ADS CAS PubMed PubMed Central Google Scholar

Peñuelas, J. et al. Passer d'une période dominée par la fertilisation à une période dominée par le réchauffement. Nat. Écol. Évol. 1, 1438-1445 (2017).

Article PubMed Google Scholar

Gauthier , S. , Bernier , P. , Kuuluvainen , T. , Shvidenko , AZ & Schepaschenko , DG Santé de la forêt boréale et changement global . Sciences 349, 819–822.

Article ADS CAS PubMed Google Scholar

Villa, PM et al. L'intensification de la culture itinérante réduit la résilience des forêts dans le nord de l'Amazonie. Pour. Écol. Géré. 430, 312–320 (2018).

Article Google Scholar

Schmitt, S. et al. La diversité fonctionnelle améliore la résilience des forêts tropicales : aperçus d'une expérience virtuelle à long terme. J. Écol. 108, 831–843 (2020).

Article Google Scholar

Folke, C. et al. Changements de régime, résilience et biodiversité dans la gestion des écosystèmes. Annu. Rév. Ecol. Évol. Syst. 35, 557-581 (2004).

Article Google Scholar

Zemp, DC, Schleussner, C.-F., Barbosa, HMJ & Rammig, A. Effets de la déforestation sur la résilience de la forêt amazonienne. Géophys. Rés. Lett. 44, 6182–6190 (2017).

Annonces d'article Google Scholar

Bière, C. et al. Absorption terrestre brute de dioxyde de carbone : distribution mondiale et covariation avec le climat. Sciences 329, 834–838 (2010).

Article ADS CAS PubMed Google Scholar

Jung, M. et al. Mise à l'échelle des flux de carbone des sites de covariance turbulente au globe : synthèse et évaluation de l'approche FLUXCOM. Biogéosciences 17, 1343–1365 (2020).

Article ADS CAS Google Scholar

Harris, NL et al. Cartes mondiales des flux de carbone forestier du XXIe siècle. Nat. Clim. Modification 11, 234–240 (2021).

Annonces d'article Google Scholar

Serreze, MC, Barrett, AP, Stroeve, JC, Kindig, DN & Holland, MM L'émergence de l'amplification arctique basée sur la surface. Cryosphère 3, 11–19 (2009).

Annonces d'article Google Scholar

McDowell, NG et al. L'interdépendance des mécanismes sous-jacents à la mortalité de la végétation due au climat. Tendances Écol. Évol. 26, 523-532 (2011).

Article PubMed Google Scholar

Kurz, WA et al. Rétroaction du dendroctone du pin ponderosa et du carbone forestier sur les changements climatiques. Nature 452, 987–990 (2008).

Article ADS CAS PubMed Google Scholar

Schaphoff, S., Reyer, CPO, Schepaschenko, D., Gerten, D. & Shvidenko, A. Tamm Bilan : Impacts observés et projetés du changement climatique sur les forêts russes et son bilan carbone. Pour. Écol. Géré. 361, 432–444 (2016).

Article Google Scholar

Brando, PM et al. Augmentation brutale de la mortalité des arbres amazoniens due aux interactions sécheresse-incendie. Proc. Natl Acad. Sci. États-Unis 111, 6347–6352 (2014).

Article ADS CAS PubMed PubMed Central Google Scholar

Doughty, CE et al. Impact de la sécheresse sur la dynamique et les flux de carbone forestier en Amazonie. Nature 519, 78-82 (2015).

Article ADS CAS PubMed Google Scholar

McDowell, N. et al. Moteurs et mécanismes de la mortalité des arbres dans les forêts tropicales humides. Nouveau phytol. 219, 851–869 (2018).

Article PubMed Google Scholar

Scheffer , M. , Hirota , M. , Holmgren , M. , Nes , EHV & Chapin , FS Seuils pour les transitions du biome boréal . Proc. Natl Acad. Sci. États-Unis 109, 21384–21389 (2012).

Article ADS CAS PubMed PubMed Central Google Scholar

McDowell, N. et al. Mécanismes de survie et de mortalité des plantes en période de sécheresse : pourquoi certaines plantes survivent alors que d'autres succombent à la sécheresse ? Nouveau phytol. 178, 719–739 (2008).

Article PubMed Google Scholar

Vicente-Serrano, SM et al. Réponse de la végétation aux échelles de temps de la sécheresse dans les biomes terrestres mondiaux. Proc. Natl Acad. Sci. États-Unis 110, 52–57 (2013).

Article ADS CAS PubMed Google Scholar

Hubau, W. et al. Saturation asynchrone des puits de carbone dans les forêts tropicales africaines et amazoniennes. Nature 579, 80–87 (2020).

Article ADS CAS PubMed Google Scholar

Brienen, RJW et al. Déclin à long terme du puits de carbone amazonien. Nature 519, 344–348 (2015).

Article ADS CAS PubMed Google Scholar

Rist, L. & Moen, J. Durabilité dans la gestion forestière et un nouveau rôle pour la réflexion sur la résilience. Pour. Écol. Géré. 310, 416–427 (2013).

Article Google Scholar

Kottek, M., Grieser, J., Beck, C., Rudolf, B. & Rubel, F. Carte mondiale de la classification climatique de Köppen-Geiger mise à jour. Météorol. Z. 15, 259-263 (2006).

Article Google Scholar

Huete, A. et al. Aperçu des performances radiométriques et biophysiques des indices de végétation MODIS. Télédétection Environ. 83, 195-213 (2002).

Annonces d'article Google Scholar

Dakos, V. et al. Ralentir comme signal d'alerte précoce d'un changement climatique brutal. Proc. Natl Acad. Sci. États-Unis 105, 14308–14312 (2008).

Article ADS CAS PubMed PubMed Central Google Scholar

Zhang, X., Tan, B. & Yu, Y. Variations et tendances interannuelles de la phénologie de la surface terrestre mondiale dérivées de l'indice de végétation amélioré entre 1982 et 2010. Int. J. Biométéorol. 58, 547-564 (2014).

Article ADS PubMed Google Scholar

Land Cover CCI Product User Guide Version 2 (ESA, 2017).

Dakos, V., van Nes, EH, D'Odorico, P. & Scheffer, M. Robustesse de la variance et autocorrélation comme indicateurs de ralentissement critique. Écologie 93, 264–271 (2012).

Article PubMed Google Scholar

Potapov, P. et al. Les dernières frontières de la nature sauvage : suivi de la perte de paysages forestiers intacts de 2000 à 2013. Sci. Adv. 3, e1600821 (2017).

Article ADS PubMed PubMed Central Google Scholar

Ogle, SM et al. Délimitation des terres gérées pour la déclaration des émissions et des absorptions nationales de gaz à effet de serre à la convention-cadre des Nations Unies sur les changements climatiques. Gestion du bilan carbone 13, 9 (2018).

Article PubMed PubMed Central Google Scholar

De Martonne, E. Une nouvelle fanction climatologique: l’indice d’aridité. La Météorologie 2, 449–458 (1926).

Google Scholar

Télécharger les références

L'étude a été financée par le projet exploratoire FOREST@RISK de la Commission européenne, Centre commun de recherche. NGM a été soutenu par le projet Next Generation Ecosystem Experiment-Tropics du ministère de l'Énergie.

Jean Forzieri

Adresse actuelle : Département de génie civil et environnemental, Université de Florence, Florence, Italie

Commission européenne, Centre commun de recherche, Ispra, Italie

Giovanni Forzieri, Alkama Ramdane & Alessandro Cescatti

Institut des Sciences de l’Evolution de Montpellier (ISEM), Université de Montpellier, CNRS, IRD, EPHE, Montpellier, France

Vasilis Dakos

Division des sciences de l'atmosphère et du changement global, Pacific Northwest National Laboratory, Richland, WA, États-Unis

Nate G. McDowell

École des sciences biologiques, Université de l'État de Washington, Pullman, WA, États-Unis

Nate G. McDowell

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

GF et AC ont conçu l'étude ; GF a développé les analyses ; GF et AC ont interprété les résultats, GF a écrit le manuscrit avec les contributions de tous les coauteurs.

Correspondance à Giovanni Forzieri.

Les auteurs ne déclarent aucun intérêt concurrent.

Nature remercie Thilo Gross, Ben Somers et le(s) autre(s) relecteur(s) anonyme(s) pour leur contribution à la relecture par les pairs de ce travail. Les rapports des pairs examinateurs sont disponibles.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

(a) Carte spatiale du \({TAC}\) à long terme calculée pour toute la période 2000-2020. (b) \({TAC}\) à long terme regroupé en fonction de la température et des précipitations climatologiques.

(a) Long terme observé versus modélisé \({TAC}\). Le nombre d'enregistrements regroupés (N), le coefficient de détermination (R2), l'erreur quadratique moyenne (MSE) et le pourcentage de biais (PBIAS) sont affichés dans les étiquettes, tandis que la distribution de fréquence est en couleur. (b) Prédicteurs de \({TAC}\) et importance variable correspondante basés sur le modèle de régression forestière aléatoire de la résilience forestière. Les quatre catégories de prédicteurs environnementaux sont identifiées par des motifs de remplissage hachuré ; tandis que les couleurs distinguent les différentes variables. (c) Dépendance de \({TAC}\) sur les prédicteurs de la densité forestière. (d), (e) et (f) comme (c) mais pour les prédicteurs du climat de fond, de la variabilité climatique et de l'autocorrélation, respectivement.

Changements temporels de \({TAC}\) calculés sur une fenêtre mobile de 3 ans et affichés par rapport à l'année de référence 2002 séparément pour les zones globale (a), tropicale (b), aride (c), tempérée (d) et régions boréales(e). Les lignes continues font référence aux moyennes régionales, tandis que les zones ombrées montrent leur intervalle de confiance à 95 % agrandi par un facteur de 10 à des fins visuelles.

(a–e) Distribution de fréquence des différences de \({TAC}\) calculées pour deux fenêtres temporelles indépendantes (2011-2020 et 2000-2010) présentées séparément pour différentes régions climatiques et pour l'utilisation de différents indicateurs de qualité des données NDVI (QF). Les nombres font référence au pourcentage de la distribution de fréquence inférieur et supérieur à zéro (sur les axes y gauche et droit, respectivement). (f–j), (k–o), (p–t), (u–y) et (z–ad) comme (a–e) mais calculés pour différentes analyses de remplissage des lacunes (GF), inclusion/exclusion de superficies affectées par des déclins brusques (AD), pourcentages de données manquantes (PMD), pourcentages de couvert forestier (PFC) et résolution spatiale (PSR), respectivement.

(a–b) Différences de \({TAC}\) calculées pour deux fenêtres temporelles indépendantes (2011-2020 et 2000-2010), présentées séparément pour différents drapeaux de qualité (QF), regroupées en fonction de la température climatologique et des précipitations. Les points noirs indiquent les bacs avec des valeurs moyennes qui sont statistiquement différentes de zéro (test t de Student bilatéral ; valeur P ≤ 0,05). (c–d), (e–f), (g–i), (j–l) et (m–o) comme (a–b) mais calculés pour différentes analyses de remplissage des lacunes (GF), inclusion/exclusion de superficies affectées par des déclins brusques (AD), pourcentages de données manquantes (PMD), pourcentages de couvert forestier (PFC) et résolution spatiale (PSR), respectivement.

(a–c) Tendance du \({TAC}\) total regroupé en fonction de la température et des précipitations climatologiques, présentées séparément pour différentes longueurs de fenêtre temporelle (TWL). Les points noirs indiquent les bacs avec des valeurs moyennes qui sont statistiquement différentes de zéro (test t de Student bilatéral ; valeur P ≤ 0,05).

(ab) Tendances temporelles des prédicteurs environnementaux de la catégorie « densité forestière » calculées sur une fenêtre mobile de 3 ans et regroupées en fonction des précipitations et de la température climatologiques. Les points noirs indiquent les bacs avec des valeurs moyennes qui sont statistiquement différentes de zéro (test t de Student bilatéral ; valeur P ≤ 0,05). (c–f) et (g–j) comme (a,b) mais pour les prédicteurs environnementaux des catégories « climat de fond » et « variabilité climatique », respectivement. Les acronymes des prédicteurs sont indiqués dans le tableau de données étendu 1.

(a) Carte spatiale des régions climatiques. (b) Fraction de couverture des forêts gérées et intactes pour chaque région climatique. (c) Carte spatiale des forêts gérées et intactes. (d) Fraction de couverture des régions climatiques pour chaque domaine forestier.

Ce fichier contient les méthodes supplémentaires 1 à 3, les discussions 1 et 2 et les Figs. 1–3.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International License, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, tant que vous donnez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Forzieri, G., Dakos, V., McDowell, NG et al. Signaux émergents du déclin de la résilience des forêts face au changement climatique. Nature 608, 534–539 (2022). https://doi.org/10.1038/s41586-022-04959-9

Télécharger la citation

Reçu : 02 août 2021

Accepté : 09 juin 2022

Publié: 13 juillet 2022

Date d'émission : 18 août 2022

DOI : https://doi.org/10.1038/s41586-022-04959-9

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Communication Nature (2023)

Nature Reviews Microbiologie (2023)

Communication Nature (2023)

Sciences de l'environnement et recherche sur la pollution (2023)

Écologie végétale (2023)

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.