Estimating ecosystem resilience to fire in European forests using satellite-derived vegetation indicators

Abstract

Waldbrände bedrohen zunehmend Waldökosysteme weltweit, während der anthropogene Klimawandel die Häufigkeit, Schwere und räumliche Ausdehnung der Brände weiter verändert. Es ist daher wichtig, zu verstehen, wie Wälder solchen Störungen widerstehen und sich davon erholen. So lassen sich die Resilienz der Ökosysteme bewerten und besonders vulnerable Systeme identifizieren. Umfassende Resilienzbewertungen stellen jedoch nach wie vor eine methodische Herausforderung dar. Zum einen ist unklar, welche satellitengestützten Vegetationsindikatoren Resilienzdynamiken am zuverlässigsten erfassen; zum anderen fehlt der empirische Nachweis, dass die Theorie des Critical Slowing Down (CSD), die vorhersagt, dass sinkende Resilienz sich in erhöhter temporaler Autokorrelation und Varianz äußert, in Waldökosystemen Gültigkeit besitzt. Diese Arbeit entwickelt einen Rahmen zur Bewertung der Waldresilienz in europäischen Ökosystemen unter Verwendung satellitengestützter Vegetationsindikatoren aus Daten des Moderate-resolution Imaging Spectroradiometers (MODIS) für den Zeitraum 2001 bis 2022. Fünf Vegetationsindikatoren, die strukturelle, funktionelle und grünheitsbezogene Vegetationseigenschaften repräsentieren (Leaf Area Index (LAI), Fraction of Absorbed Photosynthetically Active Radiation (FPAR), Gross Primary Production (GPP), Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI)), wurden für mehr als 1000 Waldbrände analysiert. Empirische Erholungsraten wurden mit Vorbrand-Resilienzzuständen kombiniert, die aus CSD-Metriken geschätzt wurden, um zu prüfen, ob CSD-Indikatoren das beobachtete Erholungsverhalten vorhersagen und die geeignetsten Indikatoren für die Resilienzbewertung zu identifizieren. Die entwickelte Methodik erkannte in 72% aller Brandflächen eine Vegetationsreaktion nach dem Brand.Die meisten Indikatoren zeigten eine Erholung auf 95% des Vorbrand-Niveaus innerhalb von 3.3 und 3,6 Jahren, wobei die Landbedeckungsklasse sich als dominante Einflussgröße auf die Erholungsdynamik herausstellte. Nadelwälder wiesen durchgehend das höchste Störungsausmaß, langsame Erholung und erhöhte Wahrscheinlichkeiten für Regimewechsel auf und erweisen sich damit als der vulnerabelste Waldtyp. Immergrüne Laubwälder zeigten dagegen eine deutlich schnellere Erholung und eine geringere Wahrscheinlichkeit anhaltender Zustandsänderungen. LAI und FPAR erwiesen sich als die geeignetsten Indikatoren für die CSD-basierte Resilienzbewertung, mit klaren und konsistenten Zusammenhängen zwischen empirischen Erholungsraten und Vorbrand-CSD Metriken. NDVI unterschätzte die Resilienz aufgrund von Sättigungseffekten und Empfindlichkeit gegenüber Störsignalen systematisch, während GPP eine hohe interne Konsistenz der CSD-Metriken, jedoch eine schwache Übereinstimmung mit dem empirischen Erholungsverhalten aufwies. Die Ergebnisse liefern die erste empirische Validierung der CSD-Theorie auf kontinentaler Ebene, basierend auf beobachteten Erholungsdynamiken europäischer Wälder, und etablieren einen übertragbaren Validierungsrahmen für die Indikatorauswahl

Wildfires increasingly threaten forest ecosystems worldwide, as climate change continues to alter disturbance regimes in frequency, severity, and spatial extent. Understanding how forest ecosystems resist and recover from such disturbances is therefore essential for assessing ecosystem resilience and identifying systems vulnerable to long-term degradation or regime shifts. Yet large-scale resilience assessments remain methodologically challenging, as it is unclear which satellite-derived vegetation indicators best capture resilience dynamics, and whether Critical Slowing Down (CSD) theory, which predicts that declining resilience manifests as increased temporal autocorrelation and variance, holds in forest ecosystems. This thesis develops an integrated and transferable framework to assess forest resilience across European ecosystems using satellite-derived vegetation indicators from the Moderate-resolution Imaging Spectroradiometer(MODIS) for fires that occurred between 2001 and 2022. Five vegetation indicators representing structural, functional, and greenness-related vegetation properties (Leaf Area Index (LAI), Fraction of Absorbed Photosynthetically Active Radiation (FPAR), Gross Primary Production (GPP), Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI)) were analysed across more than 1000 burned forest patches. Empirical post-fire recovery rates, quantified via exponential recovery modelling, were integrated with pre-fire resilience states estimated from CSD metrics to test whether CSD-derived indicators predict observed recovery behaviour and to identify the most suitable indicators for large-scale resilience assessment. The framework successfully detected post-fire vegetation responses in 72% of all burned patches. Across most vegetation indicators, forests recovered to 95% of their pre-fire state within 3.3 years to 3.6 years. Land cover class emerged as the dominant source of variability in recovery dynamics. Needleleaf evergreen forests consistently exhibited the highest disturbance magnitude, slow recovery, and elevated regime shift probabilities, emerging as the most vulnerable forest type within the study region. In contrast, broadleaf evergreen forests showed substantially faster recovery and lower probabilities of persistent regime change. Across vegetation indicators, LAI and FPAR emerged as the most suitable indicators for CSD-based resilience assessment, exhibiting clear and consistent relationships between empirically observed post-fire recovery rates and pre-fire resilience states derived from CSD metrics. NDVI systematically underestimated resilience due to saturation effects and sensitivity to confounding signals, whereas GPP showed strong internal consistency of CSD metrics but weak agreement with empirical recovery behaviour. The results provide the first continental-scale validation of CSD theory against empirically observed post-fire recovery dynamics in European forests. The thesis further provides practical recommendations for operational monitoring of ecosystem resilience under intensifying climate-change-driven disturbance regimes.