Tradução automática, exceto quando creditada.

A modelagem funcional-estrutural da planta é a chave para prever como as comunidades vegetais responderão às mudanças climáticas.


Os modelos ecológicos atuais estão mal equipados para prever as respostas ecológicas às mudanças climáticas porque carecem dos dados necessários de condições que ainda não aconteceram.

Dr. Jorad de Vries, pesquisador de pós-doutorado na ETH Zürich, apela ao uso da modelagem evolutiva funcional-estrutural de plantas (FSPM) para entender o efeito das mudanças climáticas nas comunidades naturais de plantas em um novo artigo publicado em in silico Plantas.

“A modelagem evolutiva FSP é um novo desenvolvimento no campo da modelagem 3D que combina dois métodos que compartilham um foco no comportamento do modelo emergente por meio de uma descrição mecanicista de sistemas naturais, mas atuam em escalas espaciais e temporais muito diferentes. Os modelos FSP normalmente simulam um alto nível de detalhe espacial, o que lhes permite simular com precisão mecanismos no nível de órgãos individuais da planta, como folhas, enquanto os modelos evolutivos simulam dinâmicas ecoevolutivas que atuam ao longo de gerações. A fusão desses métodos e suas escalas variadas é desafiadora, mas oferece oportunidades novas e empolgantes para obter uma melhor compreensão de como as comunidades de plantas podem responder a um clima em mudança e quais fatores são os principais impulsionadores dessas respostas”, diz de Vries.

De Vries primeiro explica por que entender as respostas às mudanças climáticas das comunidades de plantas requer abordagens de modelagem mecanicista. Os métodos atuais se concentram nas características funcionais das plantas, que não preveem bem a interação entre os ambientes abióticos e bióticos e, portanto, as funções do ecossistema. Em vez disso, ele argumenta, o foco deve estar nos mecanismos que ligam as características funcionais à aptidão no nível de plantas individuais por meio de interações com seus ambientes abióticos e bióticos locais. A modelagem FSP é uma excelente ferramenta para simular com precisão as interações característica-ambiente que impulsionam as respostas às mudanças climáticas de plantas individuais.

De Vries defende o acoplamento de FSP e modelos evolutivos, o que permitirá a escala de indivíduos para comunidades por meio de simulação mecanicista de processos demográficos e evolutivos. A modelagem FSP pode acomodar variações de características, que podem então estar sujeitas à seleção, fluxo gênico e deriva genética usando o modelo evolutivo.

Um resumo visual dos processos e escala da modelagem FSP evolucionária. O modelo FSP simula a morfologia, fisiologia e fenologia de plantas individualmente distintas em relação ao seu ambiente (a)biótico, que molda as taxas vitais individuais (crescimento, reprodução e sobrevivência). O modelo FSP é acoplado ao modelo evolutivo por meio de a) um ou mais parâmetros hereditários (por exemplo, genes, características) que servem como entrada para o modelo FSP e estão sujeitos à seleção, fluxo gênico e genético, e b) os componentes de aptidão que são a saída do modelo FSP e seleção de drive, fluxo gênico e deriva genética. 

O artigo então discute como a modelagem evolutiva de FSP pode ajudar a explorar o comportamento de sistemas complexos com fenótipos de plantas multidimensionais em ambientes multidimensionais. Em seguida, destaca a importância de considerar a dinâmica espacial e temporal desses ambientes multidimensionais, seus efeitos na seleção e o papel da plasticidade fenotípica.

ARTIGO DE PESQUISA

Jorad de Vries, Usando modelagem evolutiva funcional-estrutural de plantas para entender o efeito das mudanças climáticas nas comunidades de plantas, in silico Plants, Volume 3, Edição 2, 2021, diab029, https://doi.org/10.1093/insilicoplants/diab029


Este manuscrito faz parte do in silico Plant's Edição especial do Functional Structural Plant Model.

Comece a digitar e pressione Enter para pesquisar

Descubra mais em Botany One

Inscreva-se agora para continuar lendo e ter acesso ao arquivo completo.

Ler Mais