Le conoscenze su come le foreste della SSA rispondono ai cambiamenti climatici sono ancora frammentarie. Il progetto
FORECOFUN-SSA (“Assessing climate change impacts over large areas of primary forests in southern South America”) ha affrontato la questione.
I ricercatori hanno sviluppato un quadro dinamico per analizzare le
interazioni tra foreste e clima e i meccanismi ecologici che controllano
la reazione delle specie di alberi e dei boschi ai cambiamenti
climatici. Il quadro è stato usato per creare un modello dell'ecosistema
della foresta per studiare gli impatti multipli e interagenti sulle
foreste della SSA su ampia scala.
Sono stati fatti studi sul campo per ricavare dati sulla struttura e
la composizione della foresta. Inoltre gli scienziati hanno
identificato tratti che rispecchiano importanti variazioni nelle specie
dominanti lungo un grande gradiente climatico. I risultati sono stati
usati per definire i parametri che controllano la risposta di diverse
specie di alberi al clima.
I partner del progetto hanno creato modelli anche delle dinamiche
della foresta a livello dei boschi e su scala regionale per esaminare la
composizione della foresta e la distribuzione delle specie. I dati
delle simulazioni hanno indicato che un clima più asciutto altererà
fortemente la struttura della foresta, portando a un'ingente diminuzione
della biomassa di superficie.
FORECOFUN-SSA ha contribuito anche a un database dei tratti
morfologici e funzionali delle piante. Il database permetterà agli
scienziati di capire come gli ecosistemi si adattano ai cambiamenti
globali.
Le simulazioni al computer hanno rivelato che i cambiamenti causati
dagli esseri umani nel regime degli incendi influenzano la resistenza
della conifera Pilgerodendron oviferum, una specie in pericolo. Hanno
mostrato anche che le foreste andine, ricche di specie, saranno
probabilmente sostituite a est da boschi dominati da una singola specie
ed eventualmente dalla steppa.
I risultati del progetto hanno contribuito anche a conoscere meglio
le specie di alberi rare e meno studiate, riducendo così il livello di
incertezza nei modelli predittivi. Questo ha permesso di creare modelli
accurati di grandi zone delle foreste primarie nella SSA e ha reso più
facile la creazione di dati di riferimento di alta qualità per la
ricerca futura.