BALSA BLANCA: EXPERIMENTAL SITE 

 FIELD GUIDE  

             The following persons have participated in the elaboration of this field site guide: 

 Eva Arnau (EEZA‐CSIC)  

Yolanda Cantón (Univ. Almería‐UAL) 

Sonia Chamizo (EEZA‐CSIC) 

Francisco Domingo (EEZA‐CSIC; Univ. Almería‐UAL) 

Mónica Ladrón de Guevara (EEZA‐CSIC) 

Roberto Lázaro (EEZA‐CSIC) 

Isabel Molina (EEZA‐CSIC) 

Laura Morillas (EEZA‐CSIC) 

Albert Solé (EEZA‐CSIC) 

Emilio Rodríguez (EEZA‐CSIC) 

Olga Uclés (EEZA‐CSIC) 

 

Alfredo Durán, Ivan Ortiz and Ashraf Afana helped us with technical field work and other details. 

Index 

1. GENERAL FEATURES OF THE STUDY AREA     1 

2. EXPERIMENTAL SET‐UP     4 

2.1. Multi‐scale process‐based research on water limited ecosystem: water and carbon use and exchanges     4 

2.1.1 Net balance at ecosystem scale     4 

(i) DIRECT MEASUREMENTS: Eddy Covariance technique for H2O and CO2 fluxes. 

(ii) EVAPOTRANSPIRATION MODEL: Upscaling approach 

(iii) EVAPOTRANSPITATION ESTIMATION BY RADIOMETRIC 

TECHNIQUES:  Downscaling approach 

(iv)  DEWFALL:  measurement and modelling 

2.1.2 Ground‐level H2O and CO2  fluxes measurements at plot scale  18 

(i) ACTIVE GROUND COMPONENTS IN FLUX EXCHANGE: Vegetation ‐ Soil ‐ Biological Soil Crusts  

(ii) EFFECTS OF BIOLOGICAL SOIL CRUSTS ON THE WATER BALANCE 

2.1.3 Water re‐distribution at hillslope scale: spatially distribution runoff plots and soil moisture     26 

2.2  Vegetation response to climate change under different rainfall regime scenarios     31 

2.2.1 Rainfall patterns manipulation experiment at plot scale     31 

2.2.2  Ecosystem response to climate change scenarios: Evapotranspiration balance     34 

3. REFERENCES     35 

4. SCIENTIFIC PRODUCTION RELATIVE TO BALSA BLANCA 

4.1 Publications     36 

4.2 Conference contributions     38 

5. FUNDING PROJECTS     40

1

1. GENERAL FEATURES OF THE STUDY AREA 

The Desertification and Geo‐ecology team from the EEZA‐CSIC maintains, among others,  two experimental  field  sites, Amoladeras  (AM) and Balsa Blanca  (BB),  which  are  similar  in  all  the  main  environmental  features except in their degradation level, AM being more degraded. Both sites are located  in the Cabo de Gata Natural Park  in Almeria province (Andalucía) in  the  southeast  Spain.  This  field  guide  refers mainly  to  BB  (N  360  56’ 26.0’’, W 20 01’ 58.8’’, 200 m asl), although AM is eventually mentioned. 

Cabo de Gata Natural Park

Amoladeras

Balsa Blanca

Cabo de Gata Natural Park

Amoladeras

Balsa Blanca

Figure 1. Location map of study areas in Cabo de Gata, Almería. 

The  climate  of  both  areas  is  semiarid warm Mediterranean.  The mean annual  temperatures  oscillate  around  18‐19ºC,  and  frosts  are  sporadic, occurring  only  on  isolated  days  at  BB  and  practically  not  at  all  at  AM. Mean annual rainfall is approximately 200 (AM) and 220 (BB) mm y‐1, with prolonged  summer  droughts,  strong  inter‐  (larger  than  30%)  and  intra‐annual  variations  and  9  to  12  months  in  which  precipitation  is  not sufficient  to  compensate  for  potential  evapotranspiration.  Annual potential  evapotranspiration  is  around  1390  mm  (weather  station  of Níjar). Relative humidity can be high in all months due to the proximity to the sea and dew events are frequent. 

2

The  geomophology of  the  region  is a  series of alluvial  fans  (glacis) with gentle slopes (3‐10%) described in detail by Weijermars (1991). The soils, classified as  Lithic  Leptosols  (Calcaric) at AM and Mollic  Lithic  Leptosols (Calcaric) at BB (WRB 2006), are shallow (almost always < 25 cm at BB and often  <  12  cm  at  AM),  stony,  alkaline  (pH  above  8)  and  saturated  in carbonates, with petrocalcic horizons which often form rock outcrops. The carbonate formation has high permeability due to  its porosity and to the presence of fissures and fractures 

The vegetation of both sites  is dominated by Macrochloa tenacissima (= Stipa  tenacissima,  alpha  grass)  but,  whereas  at  BB  the  grassland  is relatively dense, with plant cover around 55%, at AM  there  is much  less cover  (around  30%),  and  the  floristic  composition  shows  some differences. At BB,  the alpha grassland  frequently  includes  individuals of certain shrub species, such as Phlomis purpurea and Ulex parviflorus, and is  enriched  in  species  related  to  the  climax  vegetation  of  the  area, including  Chamaerops  humilis  L., Olea  europaea  L.  var.  sylvestris  Brot., Pistacia  lentiscus L., Rhamnus  lycioides L., and Quercus coccifera L. Plant species typical of disturbed sites or that are opportunistic are infrequent. In  turn,  AM  hosts  a  relatively  sparse  grassland  where  typical  semiarid dwarf  shrubs  (Hammada  articulata,  Helianthemum  almeriense,  Thymus hyemalis,  Sideritis  pusilla,  and  others)  and  opportunistic  species (Artemisia barrelieri, Frankenia corymbosa, Asphodelus spp.) are common as well as seasonal annual plants  (Stipa capensis, Bromus rubens, Aizoon hispanicus, Asphodelus tenuifolius, and others), whereas very few species of  the  climax  vegetation  remain  (Chamaerops  humilis,  Whitania frutescens). 

Table  1.    Ground  cover  (in  percentage)  for  the  two  sites:  Balsa  Blanca  and Amoladeras measured  in  summer  2007.  Values  are  the mean  ±  1SE  (n  =  6). Numbers with different letters are significantly different (ANOVA, P < 0.05). 

SITEVegetation 

coverLitter

Biological crust

Bare Soil Gravel Rock

Balsa Blanca 63.2 ±  5.2a    8.1 ± 1.9a 18.2 ± 3.8a 0.3 ± 0.3a   8.6 ± 2.5a   1.5 ± 0.5a

Amoladeras 23.1 ± 2.4b 10.5 ± 2.0a 23.1 ±  2.8a 8.1 ± 0.1b 21.1 ± 0.1b 14.0 ± 1.2b 

3

At the present, and probably during the last fifty years, these field sites do not  host  any  land  use  except  extensive  grazing  (sheep  and  goats)  and hunting (partridges, rabbits). 

 

Table 2. Main characteristics of the field sites in Cabo de Gata Natural Park 

Variable Balsa Blanca (BB) Amoladeras (AMO)

Longitude  2º1'58''W  2º15'1''W

Latitude  36º56'30''N 36º50'5''N

Altitude (m) 208 65

Orientation  NW SW

Slope (%) 2‐6 2‐6

Average annual temperature (ºC) 18 18

Maximun summer temperature (ºC) 34 36

Average annual rainfall (mm)  200 200

Mean PPFD (mol mol‐1) 1549 1549

Mean annual atmospheric pressure (kPa) 99 101

Maximum VPD (kP) 4.3 4.6

Mean annual relative humidity (%) 69.3 68.7

Vegetation Steppe alpha grass Steppe alpha grass

Soil type (WRB, 2006)Mollic Lithic Leptosol 

(Calcaric)Lithic Leptosol 

(Calcaric)

Soil texture class Sandy loam Sandy loam

Clay (%) 16.1 14.6

Silt (%) 22.8 27

Sand (%) 61.1 58.4

Bulk density (g cm‐3) 1.25 1.11

Maximum soil depth (cm) 20 10

Mean annual soil temperature (ºC) 21.9 25.1

Mean annual soil water content (%) 13.8 8.3

SITE

  

4

2. EXPERIMENTAL SET‐UP 

 

The  current  research  lines  carried  out  by  of  the  Desertification  and Geoecology  Research  Group  on  the  Cabo  de  Gata  area  are  related  to ecosystem functioning in terms of use and exchange of water and carbon at different spatio‐temporal scales.  

The response of the ecosystem carbon balance to changes in temperature and  the  water  balance  is  still  very  uncertain,  and  yet  essential  to understanding  the  role  of  the  biosphere  in  the  future  global  carbon budget.  Because  carbon  and  water  cycles  are  strongly  linked,  mainly through photosynthesis and respiration, changes in the water balance will produce  changes  in  the  carbon  cycle  determining  the  CO2  source/sink behaviour of ecosystems.  Initial climate  forecasts  for  the Mediterranean point  to  a  decrease  in  net  precipitation  and  number  of  events,  and  an increase  in  intensity.  This  would  diminish  water  availability  in  already water‐limited  Mediterranean  ecosystems  sensitive  to  desertification, especially  semiarid  regions  such  as  SE  Spain.  In  these  semiarid ecosystems, the link between the carbon and water cycles is expected to tighten as the growing period shortens due to drought. 

 

2.1.        Multi‐scale  process‐based  research  on water  limited  ecosystem:  water  and carbon use and exchanges 

 

2.1.1 Net balance at ECOSYSTEM scale 

Although  the  “flux  community”  has widened  knowledge  of  the  carbon cycle,  nascent  research  has  focused  mainly  on  forest  and  cropland ecosystems,  and  continental‐scale  integrations  have  thus  far  neglected the  functional  behaviour  of  sparse  shrubland  ecosystems  in Mediterranean climates. 

5

(i) DIRECT MEASUREMENTS: Eddy Covariance technique for H2O and CO2 fluxes. 

INSTRUMENTATION 

Micrometeorological measurements 

The  following  micrometeorological  variables  are  measured:  relative humidity  (RH)  and  air  temperature  (Tair)  (HMP45C Vaisala  Inc., Helsinki, Finland)  at  4  m  above  the  ground,  net  radiation  (Rnet)  with  a  net radiometer  (NRLite, Kipp  and  Zonen, Delfi, Netherlands)  located  at 2 m height on a separated mast, photosynthetically active radiation (PAR) (LI‐190SA, Li‐Cor  Inc, Nebraska, USA), and precipitation (PPT) with a tipping‐bucket rain gauge  (model 785 M, Davis  Instruments Corp., Hayward, CA, USA) placed at 1 m height. Data are averaged every 30 min intervals from observations  made  every  10  s  and  stored  in  a  datalogger  (CR23X, Campbell Scientific Inc., UK). The equipment is powered by a 12 VDC cycle battery that is charged by a solar panel.  

Four soil heat flux plates  (HFP01SC, REBS  Inc.) are placed at 4 cm depth, two  under  plant  and  two  under  bare  soil  and  are  connected  to  a multiplexer  connected  to  the datalogger. Soil heat  flux at  the  surface  is determined by adding  the measured heat  flux at 4 cm  (G) to the energy stored  in  the  layer above  the heat plate using  soil  temperature and  soil moisture  measured  at  4  cm.  Soil  temperature  is  measured  using  soil thermocouples (TCAV) at the same locations at 2 and 6 cm depth adjacent to  the  heat  flux  plates.  Reference  temperature  is  measured  with  a TCRT10.  All  sensors  are  connected  to  a  datalogger  (CR10,  Campbell Scientific, UK). Soil volumetric water content  (SWC)  is measured by  time domain  reflectometry  (CS616,  located  at  4  cm  in  each  set  of  heat  flux plates).  Soil  measurements  made  every  10  s  are  stored  as  15  min averages. 

Eddy covariance measurements 

In  May  2006  an  eddy  covariance  flux  tower  was  installed  and instrumented  for  continuous  measurements  of  micrometeorological variables  and net  exchange of CO2, H2O  and  energy between  the  alpha grass  ecosystem  and  the  atmosphere.  A  fast  response  three‐axis  sonic 

6

anemometer  (CSAT‐3,  Campbell  Scientific,  UK)  measures  the  three components of the wind velocity vector and sonic temperature. An open‐path  gas  analyser  (IRGA)  (Li‐Cor  7500,  Li‐Cor,  NE,  USA)  measures fluctuations in CO2 and H2O densities. Both equipments are mounted on a 3.5 m mast  above  the  ground.  Calibration  is  carried  out  once  a month 

using a gas standard of 479 μmol mol–1 CO2 and a dew point generator for 

water vapour (Li‐610, Li‐Cor, NE, USA). The sensor is clean frequently on a regular basis. The eddy  flux system  is powered by another 12 VDC cycle battery that is charged by a solar panel. 

The mean covariance between fluctuations in the vertical wind speed and CO2 densities is determined and used to calculate the flux density of CO2. Averaged 15 min values are calculated as mean voltages and converted to densities  using  a  datalogger  in‐house  program  (CR10X,  Campbell Scientific,  UK).  Mean,  variances,  and  co‐variances  of  10  Hz  data  are calculated  and  stored  every  15  min.  Eddy  flux  corrections  for  density fluctuations and two coordinate rotation (McMillen 1988) are carried out in  post‐processing,  as  is  the  conversion  to  half‐hour  means  following Reynolds’  decomposition  technique  (Moncrieff  et  al.  1997).  Data processing is done as described by Aubinet et al. 2000 following FLUXNET standard  procedures.  For  convention,  fluxes  of  CO2  towards  the vegetation  surface  (photosynthesis)  are  negative,  and  fluxes  away  from the surface  to  the atmosphere  (respiration) are positive. The cumulative amount of carbon over time is calculated in grams of carbon per unit area. 

Dominant winds are on average coming from the east during the day and the west at night because of the diurnal changes  in sea breezes. For this reason we placed the main tower with the eddy covariance equipment to the west  to minimise  flow distortion. Results on  footprint analysis  show that  the  footprint  of  the  eddy  tower  is  within  a  100  m  radius,  and therefore it is well within the fetch of the ecosystem studied. 

7

 Figure 3. Eddy Covariance system and meteorological installation 

  Figure  2.  Eddy  Covariance  components:  the  three‐dimensional  sonic anemometer and the infrared gas analyser 

8

RESULTS for hydrological years 2006‐2007 to 2008‐2009 

Seasonal and interannual variability in micrometeorological conditions 

The  total  annual  rainfall  was:  210,  251  and  294  mm  for  the  year 2006/2007, 2007/2008, and 2008/2009, respectively. The three years had similar  mean  annual  temperature  (ca  17  oC),  mean  annual  maximum relative humidity (ca 88%) and similar irradiance (ca 81 W m‐2). The main climatic  conditions  of  the  three  years  are  presented  in  Table  1. Annual average  soil  volumetric water  content under bare  soil  (measured at 3.5 cm depth) was 30% and 46% higher in the year 2007/2008 and 2008/2009 than in the first year, respectively.  

The  environmental  variables  showed  also  strong  seasonality.  Seasonal means  varied  slightly  among  the  years  of  the  study.  Minimum  daily average Rnet on a monthly basis was observed  in December  in all years: varying between 95.3 and 93.5 W m‐2. Maximum daily average Rnet was observed in May 2006 and June 2008 reaching 240.6 W m‐2. The seasonal change  in average daily air temperatures was remarkably similar ranging from  a minimum of  10.0oC‐11.3oC  (December)  to  a maximum  of  25.4oC reached  in  July  2006.  Average  daily  air  temperatures  varied  from  a minimum of 7.8oC in December 2008 to a maximum of 33.4oC in July 2007. Maximum  monthly  soil  temperatures  (bare  soil)  ranged  from  50oC  in August to 19.4oC in January showing large seasonal variation of more than 20oC.  Strong  diurnal  variation  in  soil  temperature  was  also  observed reaching  up  to  30oC over  the  summer. Mean  SWC  ranged  from  31%  in December  to  3%  in  July  and  August. Maximum  vapour  pressure  deficit (VPD) varied between 50.8 HPa in June and 10.5 HPa in February over the three years. Air relative humidity (RH) (%) at the height of the tower was also very similar between years with an average daily value of 68% (Table 1) and exhibited a similar seasonal pattern in all years (Table 2). 

 

 

 

9

Table  3. Annual weather  data  during  the  three  years  of measurements  (2006‐2009) measured with a micrometeorological tower and soil sensors at the Balsa Blanca site.  

Year 1 Year 2 Year 3

YEAR 2006/2007 2007/2008 2008/2009

Mean  annual incident radiation (W m‐2) 225.6 ± 2.1 231.6 ± 2.1 238.3 ± 2.2

Mean reflected PPFD (mol mol‐1) 71.2 ± 0.6 68.4 ± 0.3 70.3 ± 0.5

Mean direct PPFD (mol mol‐1) 852.9 ± 6.1 848.7 ± 5.9 832.8 ± 6.0

Mean annual air temperature (oC) 17.6 ± 0.1 17.3 ± 0.1 16.7 ± 0.1

Daily maximum air temperature (oC) 36.5 ± 0.1 34.7 ± 0.1 34.9 ± 0.1

Daily minimum air temperature (oC) 3.0 ± 0.04 3.5 ± 0.04 1.5 ± 0.06

Mean soil temperature (under plant) (oC) 19.1 ± 0.1 19.3 ± 0.1 18.7 ± 0.1

Mean soil temperature (bare soil) (oC) 20.8 ± 0.1 20.7 ± 0.1 20.3 ± 0.1

Annual precipitation (mm) 210.2 251.3 294.4

Summer precipitation (mm) 20.6 39.4 13.3

Mean maximum VPD (kPa) 5.1 ± 0.1 4.3 ± 0.1 4.6 ± 0.1

Annual mean relative humidity (%) 67.8 ± 0.2 68.8 ± 0.1 68.5 ± 0.1

Mean soil water content (under plant) (%) 9.0 ± 0.1 11.0 ± 0.2 11.9 ± 0.2

Mean soil water content (bare soil) (%) 8.0 ± 0.1 10.0 ± 0.0 11.2 ± 0.1

Max soil water content (under plant) (%) 19.0 ± 0.1 53.0 ± 0.1 31.0 ± 0.1

Min soil water content (bare soil) (%) 3.0 ± 0.0 3.0 ± 0.0 3.0 ± 0.0

Mean wind speed (m s‐1) 3.0 ± 0.02 3.1 ± 0.02 3.0 ± 0.02

Max wind speed (m s‐1) 13.8 ± 0.02 13.3 ± 0.02 12.6 ± 0.02 

10

The  seasonal  distribution  of  rainfall  was  markedly  different  between years.  In  all  years,  precipitation  occurred  mostly  during  the autumn/winter period with minimum and small rainfall events during the summer months (Table 2). Whereas in the first year spring was the period with more  rain  (ca  130 mm),  in  the  second  and  third  year  the  amount received  in  autumn  was  highest  with more  than  doubled  the  amount received in 2006 over the same period (133 mm and 170 mm in 2007 and 2008, respectively). In the second year, the first moderate event after the summer drought was of 19.4 mm and then  in October there was a  large rainfall event with 66 mm precipitation  in one day (DOY 291). This single event was enough  to  recharge  the  soil profile  for  the whole winter and raised  soil water content  from 9.6%  to over 50%. This year  (2007/2008) for the whole winter, SWC was kept at more than 20%.   During the third year,  it  rained  above  average  during  the  autumn months  reaching  170 mm evenly distributed across September and December 2008. 

 

Table 4. Number of days, average daily Tair, Tsoil, wind speed (WS) and SWC, total precipitation  (PPT), evapotranspiration  (ET), and net ecosystem exchange  (NEE) at different growth periods over the three years of the study (2006/2009).  

T soil SWC PPT WS ET NEE

(oC) (m3 m‐3) (mm) (m s‐1) (g m‐2) (g m‐2)1 DP Dry period 148 22.6 28.1 0.05 21 3.5 33.8 103(06/07) GS Autumn 67 13.8 13.3 0.1 60 2.6 23.4 ‐1

Winter 150 14.4 16.3 0.1 130 2.8 67.4 ‐36.7TOTAL 365 17.6 19.2 0.08 211 3 124.6 65.7

2 DP Dry period 131 23.1 30.2 0.05 39 3.4 20.8 136.2(07/08) GS Autumn 81 13.6 12.7 0.17 133 2.3 31.3 ‐14

Winter 153 14.2 16.7 0.11 79 3.3 45.7 19.5TOTAL  365 17.3 19.9 0.1 251 3.1 97.8 143.6

3 DP Dry period 123 23.6 31.2 0.05 13 3.4 16.8 95.8(08/09) GS Autumn 101 14.2 14.2 0.17 170 2.6 35.1 22.2

Winter 142 13 15.4 0.13 111 3 58.9 ‐26.9TOTAL  366 16.8 20.3 0.12 294 3 110.8 92.1

T air (oC)Year Period Season n days

 

 

11

Seasonal and interannual variability in NEE 

There was a strong seasonal variation  in NEE with some similar patterns each year. The ecosystem was a net source of CO2 most of the dry period when  large CO2 fluxes to the atmosphere were observed (up to 10.0 mol m‐2 s‐1 or 4.8 g C m‐2 day‐1). The dry period lasted almost five months: from June through the end of October (148, 131 and 123 days the first, second and third year, respectively). In all years, the amount of carbon loss during the dry period was much more than the amount of carbon fixed the rest of  the year  (Table 1) and Fig 3. As a  result,  the ecosystem behaved as a carbon  source  to  the  atmosphere.  The  cumulative  amount  of  carbon released  to  the atmosphere was 65.7, 136.8 and 90.7 g  in  the year 1, 2 and  3,  respectively.  The  ecosystem  absorbed  some  carbon  during  the growing  season  (autumn/winter months)  but  the  negative  fluxes  were always  much  smaller  than  the  positive  ones  observed  during  the  dry period (maximum rates  in winter 2008 of up to    ‐1.85 g C m‐2 day‐1). The vegetation seemed to be most active in the winter (from January through March). During  the  autumn  it  behaved  as  a  slight  sink  in  the  first  two years but NEE was near 0 during the third year in this period (Table 2).  

 

 

 

 

 

Figure  3.  Temporal  variation  in  mean  air  temperature  (oC),  mean  soil temperature  (oC),  mean  volumetric  water  content  (m  m‐3),  daily precipitation (mm), mean direct photosynthetic flux density (mol m‐2 s‐1), total  daily  evapotranspiration  (kg  H2O m

‐2  day‐1),  Bowen  ratio  and  net ecosystem exchange  (g C m‐2 s‐1). The dry period was defined as periods where Tair was higher  than 20 

oC, SWC was  less  than 0.5 m m‐3 and  the Bowen ratio higher than 4.                                                                  (next page) 

12

6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7

2006 2007 2008 2009T ai

r/ Tso

il (o C

)

0

10

20

30

40

50N

EC

B (g

C m

-2 da

y-1)

-2-101234

Bow

en r

atio

0

5

10

15

20

SWC

(m3 m

-3)

0.0

0.1

0.2

0.3

PPFD

(μm

ol m

-2s-1

)

500

1000

1500

2000

2500

ET

(kg

H2O

m-2

d-1

)

02468

101214

PPT

(mm

)

0

20

40

60

Month

DRY PERIOD GROWING SEASON

Year 1 Year 2 Year 3

 

13

(ii) EVAPOTRANSPIRATION MODELING: Upscaling approach   Evapotranspiration models enable ecosystem‐scale estimation, and have been  used  widely  in  semiarid  SE  Spain.  Brenner  and  Incoll  (1997) developed a physically based evapotranspiration model (Clumped Model‐CM)  for  sparse  vegetation.  This model  has  been  successfully  applied  in stands  of  three  species  typical  of  SE  Spain  (Retama  sphaerocarpa  L. (Boiss), Anthyllis cytisoides L., and Stipa tenacissima L.) and compared to Bowen ratio measurements, eddy covariance, and (sapflow) heat balance methods (Domingo et al., 1999; Villagarcía et al., 2010; Were et al., 2008).    

 

  Figure 4. Schematic representation of boundary‐layer and surface resistances for asparsely  vegetated  area,  considering  soil  between  plants  (rbsa  and  r

bss),  soil 

underplant (rsa and rss ) and vegetation(r

pa and r

ps ) as evaporative sources. r

aa  is 

the boundarylayerresistance between  the mean  canopy  source height  (zm)  and the referenceheight (zr). f represents the vegetated surface fraction  in the stand (in Villagarcía et al., 2010). 

 

14

(iii) EVAPOTRANSPITATION ESTIMATION BY RADIOMETRIC TECHNIQUES:  Downscaling approach 

Infrared  radiometers  (Apogee  IRTS‐P)  were  used  in  order  to  obtain separately  temperature  measurements  of  the  two  main  evaporative sources: soil and vegetation, and the effective composite temperature of the vegetation and soil system. For this purpose a tower of 3.5 m height was  installed  for  supporting  three  crossarms  at  different  height  and directions  (for  avoiding  shade  effects),  over  three  spots  of  pure  soil surface, pure vegetation surface and a mixture of both  respectively  (see Figure 5). Using this structure as support 2  infrared sensors were  located in  a perpendicular  view  angle over pure  soil  and pure  vegetation  spots measuring circular  target  surfaces of   0.80 m, 1.55 m  respectively and 2 other  infrared sensors were  located at 5º and 40º view angle measuring the  same mixture  surface  (3.5 m biggest  axis  surface). Additionally  four LP02  Pyranometers  (Campbell  Scientific  Inc.,USA)  were  installed  in  the same  crossarms  for measuring  the  incoming  (one  sensor  in  the  highest crossarm looking to the sky) and outgoing shortwave radiance (one sensor per crossarm positioned looking to the surface over each spot) in order to compute  each  surface  albedo.  Temperatures  and  radiances  were measured  every  minute  and  stored  as  15‐min  averages  on  Campbell CR1000 datalogger (Campbell Scientific Inc.,USA).  The experiment explores  in the surface temperature aggregation  issue  in semiarid  systems  characterized  by  bare  soil  and  vegetation  aggregated patches. Temperature has been widely used  for evapotranspiration  (ET) estimation in many surface energy balance based models. Satellite remote sensing  resolution  supplies  aggregated  surface  temperature  (effective composite temperature from soil‐vegetation system), not being available detailed  temperature data  from  the  two main evaporation  sources:  soil and  vegetation.  In  semiarid natural  systems with  sparse  vegetation  two source  temperature‐based models have been  suggested  for an accurate ET  estimation.  Soil  and  vegetation  temperature  can  be  very  different attending to the different eco‐physiological control factors affecting them. For that reason some solutions have been suggested and implemented for soil and vegetation temperature estimation from remote sensing effective composite  temperature  mainly:  mathematical  iteration  processing 

15

(Norman et al., 1995) and two angle surface measurements   (Kustas and Norman, 1997).  

In  this  context  the  Alb‐IRT  tower  experiment  allows  to  evaluate  the effectiveness  of  these  soil  and  vegetation  temperature  estimation methods  in  sparse  vegetation  semiarid  systems  and  to  analyse  scaling down remote sensed temperature process. 

   

  Figure  5.  Low‐height  remote  sensing  of  albedo  and  surface  temperature,  as training area to understand satellite  images from data of pure surface elements and surface elements aggregation.  

 

16

(iv)  DEWFALL:  measurement and modelling 

Dewfall phenomena is widely recognised as an important source of water for many ecosystems,  leading  in recent years to an  increasing  interest  in its study. Dewfall deposition can be a significant source of moisture in arid and semiarid ecosystems,  thus contributing  to  improve daily and annual water  balances.  Occurrence,  frequency  and  amount  of  dewfall  are measured in Balsa Blanca from January 2007 with the aim of ascertaining its contribution to the local water balance.  

Wetness  sensors  are  used  to  detect  the  beginning,  occurrence  and frequency of dew  events.  The  single‐source  Penman‐Monteith  equation simplified for potential water condensation  is used to calculate potential dew amount. 

Figure 6. Wetness water sensors to detect dew events. 

Dew  condensation  was  recorded  over  78%  of  nights  during  the  study period. Monthly average dewfall length varied from 5.0 to 13.4 hours per night  with  an  average  of  9.6  ±  3.1  hours  per  night.  The  average  dew amount was 0.17 ± 0.10 mm per night and  it was mostly dependent on dew duration. Dew episodes were  longer  in  late autumn and winter and decreased along spring. Annual dewfall was 41.9 mm in 2007, 57.2 mm in 2008,  48.3  mm  in  2009  and  35.1  mm  in  2010,  which  represents, respectively, 15.9%, 23.2%, 15.0% and 9.5% of rainfall. 

17

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11months

dew

(mm

nig

ht-1

)

-1

0

1

2

3

4

5

6

7

8

9

dew

(mm

)

2008 20092007 2010

Figure 9. Average dewfall amount (mm night‐1) (thin solid line), and total 

monthly dew amounts (mm) (thick solid line). 

0

10

20

30

40

50

60

70

80

90

100

1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11months

dew

*(d

ew+r

ainf

all)-1

(%)

2007 2008 2009 2010

 Figure  7.  Representation  of  the  percentage  of  dewfall  against  all  the 

water input (dewfall*(dewfall + rainfall)‐1).  Our  results  highlight  the  relevance  of  dewfall  as  a  constant  source  of water in arid ecosystems, as well as its significant contribution to the local water balance, mainly during dry periods where it can represent the only source of water in the site. 

18

2.1.2 Ground‐level H2O and CO2  fluxes measurements at PLOT scale 

 

(ii)  ACTIVE  GROUND  COMPONENTS  IN  FLUX  EXCHANGE: Vegetation ‐ Soil ‐ Biological Soil Crusts 

Because  respiration,  transpiration  and  photosynthetic  govern  H2O  and CO2  exchange  from  ground‐canopy  level  to  the  atmosphere,  direct measurements  of  active  ecosystem  components  are  crucial  to  increase knowledge  about  process  dynamics.  Moreover,  it  is  possible  to  reach accurate calibrations of the evapotranspiration model. 

 Figure 8. In the upper line images, from left to right: original chamber to record CO2  and  H2O  exchange  on  biological  soil  crusts with  the  IRGA  LI‐COR  6400; recording  gas  exchange  in  alpha  grass  with  LI‐COR  6400  and  a  commercial chamber; recordng soil respiration with a PP System respirometer. In the lower line,  general  view  and details of  an  installation  for  continuous monitoring of depth soil CO2 fluxes 

19

Measurements  of  H2O  and  CO2  flux  at  leaf  scale  on  Stipa  tenacissima (dominant  plant  specie)  enables  assessment  of  stomata  conductance (respiration) and photosynthetic dynamics of the vegetation component. In  addition,  a  customized  gas  exchange  chamber  has  been  designed  to investigate  Biological  Soil  Crusts  (BSC)  fluxes.  For  these  purposes  a portable  IRGA  (Infrarred Gas Analyser,  LICOR‐6400)  is used. All of  these are  point  measurements  in  time  over  different  field  measurement campaigns depending on specific research interest.  Moreover,  soil CO2 exchange  is  conducted by  (i) point measures of  soil respiration mainly  in  relation with  seasonal  and  rainfall  event  response and  (ii)  recently  monitored  in  continuous  registration  by  CO2 concentration sensors on a shallow (to asses diffusivity mechanisms) and a depth  soil profile  (to  asses  abiotic  and biotic  contribution  to  soil CO2 emissions).  

20

(iii) EFFECTS OF BIOLOGICAL SOIL CRUSTS ON THE WATER BALANCE 

One objective of the Geoecology and Desertification Research Group is to analyze the effects of Biological Soil Crusts (BSCs) on the water balance at different  spatial  scales.  BSCs  are  an  association  of  soil  particles  with cyanobacteria, algae, microfungi,  liverworts, bryophytes and  lichens  that cover the uppermost millimetres of the soil surface in most arid and semi‐arid  ecosystems  and  are  one  of  the  most  conspicuous  and  important biotic components of these areas. They are found worldwide, occurring in hyperarid, arid,  semi‐arid,  sub‐humid, alpine and polar  regions.  In  these regions,  BSCs  usually  occupy  places  without  vascular  plants  as  well  as intershrub spaces and they can cover up to 70 % of soil surface (Maestre el al., 2011).  BSCs influence many soil parameters like cohesivity, soil stability, porosity and  surface  roughness  that  affect  how  water  moves  in  the  soil,  and therefore, critically influence water availability and vegetation distribution patterns in semi‐arid areas.   We are studying the influence of BSCs on the different components of the water balance (infiltration‐runoff, evaporation, soil moisture and dew) at small  scale  in  three  ecosystems  representative  of  two  key  spatial distributions of soil crusts in semi‐arid areas:  

A badlands area  (El Cautivo,  in Tabernas) over gypsiferous marls with  silty  soils  where  crusts  occupy  full  landforms  of  the landscape  and  also  the  intershrubs  spaces  for  landforms dominated by vascular plants, and  

Two  ecosystems  in  Cabo  de  Gata  (Las  Amoladeras  and  Balsa Blanca) over coarser soils where crusts occupy the open areas  in between  the  shrubs.  We  selected  these  two  sites  as representative of  two distinctive degradation  stages based on  a previous hierarchical classification of the ecosystems.  

  

21

Infiltration‐runoff  Our  results  show  that  in  the  three  sites  infiltration  rates were higher  in BSCs  than  in  physical  soil  crusts.  Considering  the  BSCs  within  an ecosystem,  infiltration  does  not  always  increase  linearly  with  crust development  and  is  strongly  determined  by  other  factors,  such  as  the specific characteristics of the species that compose the crust and features associated with  them  like hydrophobic  components. A wide variation of runoff  coefficients  on  BSC‐dominated  surfaces,  ranging  between  5  and 65% under extreme simulated rainfalls were  found  in Cabo de Gata  (Fig. 10)  (1  h  duration;  50  mm  h‐1  constant  rainfall  intensity  and  dry conditions), and between 0 and 82% for natural rains in Tabernas.   

 Figure 9. Home‐made portable rainfall simulators running simultaneously in field by means of a 3 HP engine  

Erosion rates also vary largely, both under natural rainfalls and simulated rain,  ranging  between  1  and  276  g m2  after  extreme  simulated  rainfall events  in  the  three  studied  sites  and  also within  an  ecosystem  among types of BSCs (see Fig 1 for Amoladeras, Cabo de Gata). The variability  is attributed  to  the  interaction  of  factors  like  the  characteristics  of  the underlying material,  the  slope  gradient  and  the  functional  traits  of  the species  forming  the  BSCs.  The  composition  of  the  BSC  community  has been  identified  as  a  key  factor  to  explain  the  differences  in  erosion. Chamizo et al. (2011a), under the same environmental conditions in Cabo 

22

de Gata, found reduced runoff coefficients on mosses (about 12%), while for crustose and squamulose lichens these coefficients were about 35% in Cabo de Gata and around 71%  in Tabernas. Properties of BSCs,  such as surface  storage  capacity  (Rodríguez‐Caballero  et  al.,  2011),    porosity (Miralles‐Mellado et al., 2011) and hydrophobicity have been identified as key factors controlling the variability in runoff response.  

0

20

40

60

80

100

120

140

Bare soil CyanobacterialBSC

Lichen BSC Moss BSC

Ero

sion

rate

(gm

-2)

010203040

50607080

Bare soil CyanobacterialBSC

Lichen BSC Moss BSC

Run

off c

oeffi

cien

t (%

)Las AmoladerasBalsablanca

Figure 10. Runoff coefficient (%) in bare soil and different types of BSCs from Las Amoladeras  (average of  four plots  for each surface  type) and Balsa Blanca  (one plot for each surface type) (Cabo de Gata), and erosion rate (gm‐2) in bare soil and BSCs from Las Amoladeras (average of four plots), after 1 hour‐simulated rainfall at a constant intensity of 50mmh‐1.   Evaporation 

To  analyze  the  influence  of  BSCs  on  evaporation  we  compared evaporation measured  by micro‐lysimeters  in  soils  covered  by  physical crusts, BSCs in different developmental stages, and in the soils underlying 

23

the different BSC  types  (after scraping  the crusts)  (Chamizo et al., under review). Water loss for the complete evaporative cycle (from saturation to dry soil) was similar  in both crusted and scraped soils. Consequently, the presence  or  the  type  of  BSCs  did  not  greatly modify  evaporation with respect to physical crusts or scraped soils. During the time of the highest evaporation  (just  after  a  rainfall),  there  was  no  difference  among  BSC types  or  the  soils  underlying  them.  Later,  when  soil  moisture  was moderately  low (11%), evaporation was slightly higher  in well‐developed BSCs  than  in physical or poorly‐developed BSCs  (Fig. 11). However, crust removal did not cause significant changes in evaporation compared to the respective  soil  crust  type. Our  results  suggest  that  the  small differences we  observed  in  evaporation  among  crust  types  could  be  caused  by differences  in the properties of the soil underneath the biological crusts. These  differences  included  greater  exopolysaccharide  content,  organic matter, and water holding capacity. At low soil moisture (< 5%), there was no difference in evaporation among crust types or the underlying soils. 

0.00

0.05

0.10

0.15

0.20

0.25

0.30

P IC C L

Wat

er lo

ss*to

tal w

ater

con

tent

-1

(mm

*mm

-1)

ControlScraped

 Figure 11. Evaporative  loss  (at  intermediate soil moisture, 11%)  from sunrise  to sunset in micro‐lysimeters containing different types of crusted and scraped soils from  El  Cautivo  (Tabernas).    The  crust  types  are:  P,  physical  soil  crusts;  IC, incipient‐cyanobacterial BSCs; C, cyanobacterial BSCs; L, lichen BSCs.   

24

Soil water content  The influence of BSCs on soil water content from the upper layers and the impacts of BSC removal was examined under the different types of BSCs and  also  in  adjacent  soils where  these  upper  crusts were  removed  by scraping  in  the  three  ecosystems.  Soil  moisture  evolution  and temperature was monitored at 3  cm  soil depth using Ec‐5  soil moisture sensors and at 10 cm soil depth using 10‐HS soil moisture sensors, along a whole year.  In Balsa Blanca, our results show  (Fig. 12) differences  in soil moisture among  types of  surfaces, with higher soil moisture under BSCs (lichens  and  moss)  than  under  bare  soil  partially  covered  by  rock fragments. The higher moisture  in the  first centimetres of soil promoted by  the presence of BSCs  can be  crucial  for water‐use efficiency and  the maintenance of superior vegetation, which  is especially  important  in arid regions where water is a scarce resource.   

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

24/09/09 13/11/09 02/01/10 21/02/10 12/04/10

Soi

l wat

er c

onte

nt (m

3 m-3

)

Cladonia lichen-BSCMoss BSCDiploschistes lichen-BSCBare soil + rock fragments

 Figure 12. Soil water content (m3 m‐3) at 3 cm soil depth under different types of surfaces  in Balsa Blanca  (Cabo  de Gata),  during  the  period October  2009‐April 2010. 

25

Dew Moreover,  to  analyze  the  contribution  of  dewfall  to  the  local  water balance in soils covered by BSCs, dewfall condensation is being monitored continuously since August on different types of BSCs and also in other soil surface covers using “home‐made” load cells in the three ecosystems.   

 Figure 13. Lysimeters over buried home‐made load cells to continuous monitoring  of  small water  oscillations  in  soils with different BSC types  

 Upscaling  To evaluate the effects of BSCs on larger spatial scales we have developed a  spectral  index  that  is  presented  as  a  promising  tool  for mapping BSC spatial  distribution  at  hillslope  and  catchment  scale with  hyperspectral remote  sensing  (Chamizo  et  al.,  2011b).  The  index  has  been  applied  to CASI 1500i imagery offering better results than other indices described in bibliography. The index is capable to differentiate between homogeneous areas  of  BSCs  types,  vegetation  and  bare  soil,  when  applied  on hyperspectral  images  (Kappa  index=  0.83).  After  mapping  BSCs  at catchment scale, we plan to parametrize the  influence of BSCs  in models to predict water balance at catchment scale and also in erosion modelling. 

26

2.1.3  Water  re‐distribution  at  HILLSLOPE  scale:  spatially distributed runoff plots and soil moisture  

Semiarid  Mediterranean  ecosystems  have  complex  eco‐hydrologic relationships  because  of  their  general  variable  and  limited  water conditions. Surface water redistribution during rainfall events has the first modulating  effect on  the  resulting water  availability  for plant use. High spatial heterogeneity  in semiarid contexts promotes a complex and non‐linear  hydrological  response.  Therefore,  increasing  knowledge  on response thresholds and hydrological connectivity becomes critical to deal with the ecosystems functioning. For this purpose, a promising approach is  to consider  spatial‐pattern distribution of vegetation and bare‐surface components,  supported  by  the  conceptual  model  of  discontinuous overland flow at hillslope scale (i.e. source‐sink mosaic). The general aim of  the  study  is  to  investigate  the  influence  of  vegetation  patterns  on overland‐flow connectivity at hillslope scale. We analyze: (i) precipitation threshold  conditions  for  runoff  generation  (trigger‐conditions)  and  (ii) characteristic runoff response of discrete spatial configuration features.  

An  experimental  set‐up  of  16  contiguous  open  runoff  plots  along  a hillslope base 30 m wide has been applied. The collector plots were split using three criteria: (I) grain‐size of the vegetation pattern; (II) vegetation typology and (III) degree of complexity in the bare soil patches (Figure 14 and 15).  This  type of plot  configuration  allows  for  grouping of  adjacent plot  responses  in  the  analytical  process,  and  expanding  interpretative options over spatial configuration.  In addition, soil moisture  is measured over  a  wide  range  of  soil  surface  components  (SSC)  in  order  to complement  knowledge  of  water  redistribution  processes  on  rainfall event and drying times. Soil depth will be sampled at a regular grid (0.5 m) across the whole longitudinal hillslope profile (Figure 14). 

Runoff functioning 

As expected, significant differences exist  in  individual behaviour between bare  and  vegetated  surfaces  with  a  great  runoff  production  on  bare corridors.  In  general  terms,  runoff  response  increases  as  bare  corridor complexity  increases, and Brachypodium corridor has  the highest  runoff response. 

27

Soilsurfacecomponents

(CSS)

Vege

tate

dN

on-v

eget

ated

Abio

ticB

iolo

gica

l cru

stLa

rge

Mac

roch

loa

Smal

l M

acro

chlo

aTh

yme

Bra

chy

Ston

yD

iplo

schi

stes

Mos

sC

lado

nia

Soil depth

2-5

cm10

-20

cm

Soil

Moisture

Macrochloado

main

Brachypo

dium

 do

main

2‐5 cm

10‐20 cmU

P‐SLOPE

MID‐SLOPE

DOWN‐SLOPE

Soil de

pth

sampling

Grain size of vegetation pa

ttern

Runo

ff plots

VegetationType

Bare

corridorscomplexity

Sensor

distribu

tion

Soilsurfacecomponents

(CSS)

Vege

tate

dN

on-v

eget

ated

Abio

ticB

iolo

gica

l cru

stLa

rge

Mac

roch

loa

Smal

l M

acro

chlo

aTh

yme

Bra

chy

Ston

yD

iplo

schi

stes

Mos

sC

lado

nia

Soil depth

2-5

cm10

-20

cm

Soil

Moisture

Macrochloado

main

Brachypo

dium

 do

main

2‐5 cm

10‐20 cmU

P‐SLOPE

MID‐SLOPE

DOWN‐SLOPE

Soil de

pth

sampling

Grain size of vegetation pa

ttern

Runo

ff plots

VegetationType

Bare

corridorscomplexity

Sensor

distribu

tion

Soilsurfacecomponents

(CSS)

Vege

tate

dN

on-v

eget

ated

Abio

ticB

iolo

gica

l cru

stLa

rge

Mac

roch

loa

Smal

l M

acro

chlo

aTh

yme

Bra

chy

Ston

yD

iplo

schi

stes

Mos

sC

lado

nia

Soil depth

2-5

cm10

-20

cm

Soil

Moisture

Soil

Moisture

Macrochloado

main

Brachypo

dium

 do

main

2‐5 cm

10‐20 cmU

P‐SLOPE

MID‐SLOPE

DOWN‐SLOPE

Soil de

pth

sampling

Soil de

pth

sampling

Grain size of vegetation pa

ttern

Runo

ff plots

VegetationType

Bare

corridorscomplexity

Grain size of vegetation pa

ttern

Grain size of vegetation pa

ttern

Runo

ff plots

VegetationType

Bare

corridorscomplexity

Runo

ff plots

Runo

ff plots

VegetationType

VegetationType

Bare

corridorscomplexity

Bare

corridorscomplexity

Sensor

distribu

tion

Sensor

distribu

tion

 Figure 14. Field monitorize design of water reditribution at HILLSLOPE scale 

28

  Figure 15. Open runoff plots division at different nested levels 

29

Also,  in vegetation, we can observe differences in response magnitude in the  individual  Macrochloa  sizes  as  the  rainfall  magnitude  increases. Turning  to  the  general  vegetation  cover  domains,  Brachypodium  has  a lower  overland  flow  than Macrochloa.  This  also  occurs when  grain‐size per species are grouped. But when we consider the grain size  in general terms, not per species, responses on coarse‐grain and fine‐grain are very similar, mainly when the latter is composed by Brachypodium. 

Macrochloa domain Barchypodium domain

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m)

KW-H(1;12) = 1.641; p = 0.2002

Domains

Coarse Medium Fine

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m) Macrochloa: KW-H(2;18) = 0.3275; p = 0.8490

Brachypodium: KW-H(2;18) = 6.9893; p = 0.0304

Macrochloa Brachypodium

Grain size

ChamaeropsCorridor

MacrochloaBrachypodium

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m)

KW-H(3;66) = 25.9002; p = 0.00001

Pure surface types: Veg-Bare types

Median 25%-75% Min-Max

Coarse Medium Fine

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m)

KW-H(2;18) = 2.8889; p = 0.2359

General grain size

Macrochloa domain Barchypodium domain

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m)

KW-H(1;12) = 1.641; p = 0.2002

Domains

Macrochloa domain Barchypodium domain

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m)

KW-H(1;12) = 1.641; p = 0.2002

Domains

Coarse Medium Fine

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m) Macrochloa: KW-H(2;18) = 0.3275; p = 0.8490

Brachypodium: KW-H(2;18) = 6.9893; p = 0.0304

Macrochloa Brachypodium

Grain size

ChamaeropsCorridor

MacrochloaBrachypodium

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m)

KW-H(3;66) = 25.9002; p = 0.00001

Pure surface types: Veg-Bare types

Median 25%-75% Min-Max

Coarse Medium Fine

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m)

KW-H(2;18) = 2.8889; p = 0.2359

General grain size

Coarse Medium Fine

0.00

0.05

0.10

0.15

0.20

0.25

Run

off c

oeffi

cien

t (m

m/m

m)

KW-H(2;18) = 2.8889; p = 0.2359

General grain size

 Figure 16. Frequency distribution of runoff response by surface types 

 Threshold trigger conditions 

It  is  shown  that  to define  rainfall  threshold  conditions  it  is necessary  to consider  the  binomial  intensity  and  amount  of  rainfall,  because  high diversity of  rainfall event  characteristics exists. Trigger events on  runoff production  vary  according  to  the  particular  surfaces  that  we  are considering.  Brachypodium  domain  is  more  restrictive  in  the  rainfall conditions  than Macrochloa, mainly  in  the  range of effective magnitude for  runoff  production.  In  this  sense,  its  behaviour  is  similar  to  pure vegetated  surface.  On  the  other  hand,  Macrochloa  domain  is  more 

30

sensitive  to  a wide  range  of  rainstorm  situations,  obtaining  runoff with low intensity and intermediate rainfall events. Its pattern is similar to the bare corridors plots. 

Eco‐hydrlogical implications 

Macrochloa  domain  shows  a  better  water  efficiency  use,  because vegetation cover reaches higher percentages than Brachypodium domain even  with  lower  inflitration  rate.  We  attribute  this  to  the  internal functioning as “source‐sink mosaic of the vegetation patterns.   Hillslope spatial distribution 

A  part  of  overland  flow  processes  research  with  continuous  field monitoring, we make extrapolations over whole hillslope transect  joining the spatial dimension of soil surface components distribution (soil surface components cartography and processes dimension (runoff event and soil moisture) (Figure 17). 

Orthophoto

Sequences of the 

overland flow 

distribution

Soil moisture

mm

Maximum humidity 48 h later

surface

depth

SWC

+ rainfall simulation data

+ soil moisture sensor data

SSC cartography

Orthophoto

Sequences of the 

overland flow 

distribution

Soil moisture

mm

Maximum humidity 48 h later

surface

depth

SWC

Maximum humidity 48 h later

surface

depth

SWC

+ rainfall simulation data

+ soil moisture sensor data

SSC cartography

 Figure 17. Spatial extrapolation at hillslope scale 

31

2.2             Vegetation  response  to  climate  change under different rainfall regime scenarios 

   2.2.1 Rainfall patterns manipulation experiment  

The  ongoing  Climatic  Change  has  led  not  only  a  global  increase  of temperatures but also changes in rainfall regimens, which are expected to be different according to the regions. For western Mediterranean region, a decrease in the total annual rainfall is forecasted, along with a reduction in  the  number  of  raindays,  generating  longer  drought  periods.  Little information  is  available  about  the  effects  of  these  changes  on  natural vegetation.  These  effects  could  be  critical  in  semiarid  Mediterranean environments, where water  availability  is  a  limiting  factor. By means of this installation, our aim is to study the effect of both the rainfall amount and  the  number  of  rainy  days  reduction  on  ecophysiological  responses (photosynthetic rate, stomatal conductance, intrinsic water use efficiency (WUE) and    chlorophyll  fluorescence,  Fv/Fm)  in Macrochloa  tenacissima (=Stipa tenacissima; ‘alpha grass’), which is the most representative plants of Mediterranean semi‐arid ecosystems. 

A  transparent polycarbonate mobile shelter with a  rain sensor has been designed  to  cover 27 plots of Macrochloa  tenacissima with  rainfall, and uncover them the rest of the time to avoid micro‐climatic changes (Figure 18). Two  factors are being  factorially  tested by differential watering:  the amount of  rain water  and number of  rain days, both with  three  levels: 100, 75 and 50% of the natural average values of rain amount or number of  raindays.  Waterings  are  calculated  as  the  difference  between  two pluviometers  (outside  and  under  the  shelter),  taking  into  account  the surface  of  each  plot,  and  are  applied  using  the  rainwater,  which  is collected  by  the  shelter.  Another  10  plants  outside  the  shelter  (under natural  rainfall  conditions)  are  used  as  control.  Irrigations  are made  by intervals  of  1  to  3  days  after  a  rain,  and  photosynthesis  and  stomatal conductance  (IRGA  model  Licor‐6400)  and  leaves  fluorescences (Hansatech fluorometer Handy PEA) are recorded in control plants at the 

32

same  day.  Intrinsic WUE  is  calculated  by  dividing  photosynthesis  with stomatal  conductance.  After watering, we wait  the  same  time  elapsed between the rainfall and the data collection  in control plants to take the same ecophysiological measurements in treated plants. In both cases the measurements are made at the day time when it is expected to reach the highest photosynthetic activity according  to previous  full‐day monitoring in different seasons. 

 Figure 18. General view of the automatic rain‐out shelter.  

Some Results  All  analyzed  eco‐physiological  variables  showed  seasonal  significant differences, due to summer drought characteristic of xeric Mediterranean grasslands, as water availability  is the main stressor factor. So, metabolic activity  in winter and spring was significantly higher than  in summer and autumn,  with minimum  in  early  autumn  because  of  the  elapse  of  the summer  dry  season.  We  found  that  the  number  of  rainy  days  have significant effects on photosynthesis, but not on the total rain amount. In stomatal  conductance  and  water  use  efficiency  (WUE)  both  factors provided  a  significant  effect;  however,  chlorophyll  fluorescence  is  not affected. 

33

Figure 19. Oscillations over time of CO2, H2O and water use efficiency (WUE) for the different values of each factor, rainfall amount and number of rain‐days  Alpha  grass  has  a  water‐spender  strategy,  and  under  conditions  of favourable  soil moisture  conditions  increases  rapidly  its  photosynthetic and transpiration rates. In this experiment, we have seen that the rainfall timing is a factor so or more important than the total rainfall amount for photosynthetic  activity.  Both  factors  were  important  for  stomatal conductance, but  the effect of  the  total  rainfall amount on conductance 

34

depends on its annual magnitude. In early autumn, intrinsic WUE suffered a  significantly  decline,  due  to  a  lag  between  photosynthesis  and conductance  responses  to  the  first  water  pulses  during  recovery  after summer  (dry  season). We haven’t  found any effect of  the  implemented factors  on  Fv/Fm  variable,  probably  because  this  species  is  tolerant  to water  stress  and  has  different  chemical  and  physical  mechanisms  to prevent damages in this photosynthetic system.  

2.2.2 Ecosystem response to the climate change scenarios: Evapotranspiration balance  

The  Evapotranspiration  Clumped  Model  (CM)  validated  with  Eddy covariance  (EC) measurements allowed us  to asses  the behaviour under different  climate  change  scenarios  of  ecosystem.  The  different  climate change scenarios were  imposed by 9 different  irrigation treatments from the above explained rainfall exclusion experiment. 

At present, during the period studied, show that the irrigation treatments did not have  a  significant  effect on  the  evapotranpiration of  ecosystem (Figure 20). We hypothesise the need of maintaining these treatments for longer  periods,  in  order  to  observe  an  adaptation  strategy  of  the vegetation to extreme precipitation conditions. 

 Figure  20.  (a)  Correlation  between  AE  measured  with  Eddy  Covariance  and modelled  with  Cumped Model.  The  1:1  line  is  shown;  (b)  Comparison  of  AE estimated with parametrization from measurenents  in control plants and  in two extreme irrigation system, P100‐D100 and P50‐D50. 

λEr s

ptr

eats

. (m

m d

ay-1

)

λE rsp nat. (mm day-1)

P100D100

P50D50

λEr s

ptr

eats

. (m

m d

ay-1

)

λE rsp nat. (mm day-1)

λEr s

ptr

eats

. (m

m d

ay-1

)

λE rsp nat. (mm day-1)

P100D100

P50D50

P100D100

P50D50

λEm

od. (

mm

day

-1)

λE meas. (mm day-1)

λEm

od. (

mm

day

-1)

λE meas. (mm day-1)

35

3. REFERENCES 

Brenner,  A.J.,  Incoll,  L.D.,  (1997)  The  effect  of  clumping  and  stomatal response  on  evaporation  from  sparsely  vegetated  shrublands. Agricultural and Forest Meteorology 84 (3‐4): 187‐205. 

Chamizo,  S.,  Cantón,  Y.,  Lázaro,  R.,  Solé‐Benet, A., Domingo,  F.  (2011a) Crust composition and disturbance drive infiltration through biological soil crusts in semiarid ecosystems. Ecosystems, accepted. 

Chamizo,  S., Cantón, Y., Domingo,  F., Belnap,  J. Evaporative  losses  from soils covered by physical and different  types of biological soil crusts. Hydrological processes, under review. 

Chamizo,  S.,  Stevens,  A.,  Cantón,  Y.  Miralles,  I.  Domingo,  F.,  van Wesemael,  B.  (2011b)  Discriminating  soil  crust  type,  development stage and degree of disturbance in semi‐arid environments from their spectral characteristics. European Journal of Soil Science, accepted. 

Domingo,  F.,  Villagarcía,  L.,  Brenner,  A.J.,  Puigdefábregas,  J.  (1999) Evapotranspiration  model  for  semi‐arid  shrub‐lands  tested  against data from SE Spain. Agricultural and Forest Meteorology 95 (2): 67‐84. 

Kustas,  W.  P.  &Norman,  J.  M.  (1997).  A  two‐source  approach  for estimating  turbulent  fluxes  using  multiple  angle  thermal  infrared observations. Water Resources Research 33 (6): 1495‐1508. 

Maestre, F.T.,  Bowker, M.A., Cantón, Y., Castillo‐Monroy, A.P, Cortina, J., Escolar, C. et al. (2011) Ecology and functional roles of biological soil crusts in semi‐arid ecosystems of Spain. Journal of Arid Environments, in press, doi: 10.1016/j.jaridenv.2010.12.008. 

McMillen,  R.T.  (1988)  An  eddy  correlation  technique  with  expected applicability  to  non‐simple  terrain.  Boundary‐Layer Meteorology,  43 (3): 231‐245. 

Miralles, I., Cantón, Y., Solé‐Benet, A. (2011) Two‐dimensional porosity of crusted silty soils: indicators of soil quality in semiarid rangelands? Soil Science Society of America Journal, 75: 1289–1301. 

 

36

Moncrieff J.B.a e , Massheder, J.M.a , De Bruin, H.b , Elbers, J.c , Friborg, T.d , Heusinkveld, B.b , Kabat, P.c , Scott, S.a , Soegaard, H.d , Verhoef, A.b  1997 A system to measure surface fluxes of momentum, sensible heat, water  vapour  and  carbon  dioxide.  Journal  of  Hydrology,  188‐189, Issue 1‐4, February 1997, Pages 589‐611    

Norman, J. M., Kustas, W. P. & Humes, K. S. (1995). Source approach for estimating  soil  and  vegetation  energy  fluxes  in  observations  of directional  radiometric  surface  temperature. Agricultural  and  Forest Meteorology 77(3‐4): 263‐293. 

Rodríguez‐Caballero, E., Cantón, Y., Chamizo, S., Afana, A., Solé‐Benet, A. (2011)  Is  microtopography  induced  by  BSCs  a  key  parameter  for runoff and erosion? Geomorphology, accepted. 

Villagarcía,  L., Were,  A., García, M., Domingo,  F.  (2010)  Sensitivity  of  a clumped  model  of  evapotranspiration  to  surface  resistance parameterisations:  application  in  a  semi‐arid  environment. Agricultural and Forest Meteorology 150 (7‐8): 1065‐1078. 

Were,  A.,  Villagarcia,  L.,  Domingo,  F., Moro, M.J.,  Dolman,  A.J.  (2008) Aggregating spatial heterogeneity in a bush vegetation patch in semi‐arid SE Spain: a multilayer model versus a single‐layer model. Journal of Hydrology 349 (1‐2): 156‐167. 

 

4. SCIENTIFIC PRODUCTION RELATIVE TO BALSA BLANCA 

4.1 Publications 

Chamizo,  S.,  Cantón,  Y.,  Lázaro,  R.,  Solé‐Benet,  A.,  Domingo,  F.  (2011) Crust composition and disturbance drive infiltration through biological soil crusts in semiarid ecosystems. Ecosystems, accepted. 

Chamizo,  S.,  Stevens,  A.,  Cantón,  Y.  Miralles,  I.  Domingo,  F.,  van Wesemael, B. (2011) Discriminating soil crust type, development stage and  degree  of  disturbance  in  semi‐arid  environments  from  their spectral characteristics. European Journal of Soil Science, accepted. 

37

Chamizo,  S., Cantón, Y., Domingo,  F., Belnap,  J. Evaporative  losses  from soils  covered by physical  and different  types of biological  soil  crusts. Hydrological processes, under review. 

Domingo,  F.,  Serrano‐Ortiz,  P.,  Were,  A.,  Villagarcía,  L.,  García,  M., Ramírez,  D.A.,  Kowalski,  A.  S., Moro, M.J.,  Rey,  A.  &  Oyonarte,  C. (2011)  A  review  of  carbon  and water  exchange  studies  in  semiarid ecosystems  in  SE  Spain.  Journal  of Arid  Environments,  in press. doi: 10.1016/j.jaridenv.2011.06.018. 

Maestre, F.T.,  Bowker, M.A., Cantón, Y., Castillo‐Monroy, A.P, Cortina, J., Escolar, C. et al.  (2011) Ecology and  functional  roles of biological  soil crusts  in semi‐arid ecosystems of Spain. Journal of Arid Environments, in press. doi: 10.1016/j.jaridenv.2010.12.008. 

Miralles, I., Cantón, Y., Solé‐Benet, A. (2011) Two‐dimensional porosity of crusted silty soils: indicators of soil quality in semiarid rangelands?. Soil Science Society of America Journal, 75: 1289‐1301. 

Rey  A.,  Pegoraro  E.,  Oyonarte  C., Were  A.,  Escribano  P.,  Raimundo  J. (2011)  Impact  of  land  degradation  on  soil  respiration  in  a  steppe ecosystem  in  the  SE of  Spain.  Soil Biology and Biochemistry 43, 393‐403. 

Rey,  A.,  Belelli‐Marchesini,  L.,  Were,  A.,  Serrano‐Ortiz,  P.,  Etiope,  G., Papale, D., Domingo, F. & Pegoraro, E. (2011) Wind as a main driver of the  net  ecosystem  carbon  balance  of  a  semiarid  Mediterranean steppe  in  the  South  East  of  Spain. Global  Change  Biology,  in  press.  doi: 10.1111/j.1365‐2486.2011.02534.x. 

Rodríguez‐Caballero, E., Cantón, Y., Chamizo, S., Afana, A., Solé‐Benet, A. Is microtopography  induced by BSCs a key parameter  for  runoff and erosion? Geomorphology, accepted. 

 

 

 

 

 

38

4.2 Conference contribution  

Congreso  Internacional  sobre Desertificación  en memoria  del  profesor John B. Thornes. Universidad de Murcia; SEG. Murcia, 16‐18 Seotember 2009. 

‐ Chamizo,  S.,  Miralles,  I.,  Cantón,  Y.,  Lázaro,  R.,  Solé‐Benet,  Domingo, F. Physico‐chemical and spectral characteristics of soil crusts in semiarid areas. An ecosystem condition index? 

‐ Morillas,  L, García, M., Zarco‐Tejada, P.,  Ladrón de Guevara, M., Villagarcía, L., Were, A. & Domingo. Derivation of the canopy conductance from  surface  temperature  and  spectral  indices  for  estimating evapotranspiration in semiarid vegetation. 

‐ Moro,  M.J.,  Were,  A.,  Morillas,  L.,  Villagarcía,  L.,  Cantón,  Y., Lázaro, R., P. Serrano‐Ortiz, Kowalski, A.S. & Domingo, F. Dew contribution to the water balance in a semiarid coastal steppe ecosystem. 

  IX  Congreso  de  la  Asociación  Española  de  Ecología  Terrestre  (AEET). 

Úbeda (Jaén), October  2009. 

‐ Ladrón de Guevara, M., Lázaro, R., Arnau, E., Domingo, F. Diseño y primeros  resultados  de  un  experimento  de  exclusión  de  lluvias  en  un ecosistema semiárido mediterráneo.  

XI  Reunión  Nacional  de  Geomorfología.  Sociedad  Española  de Geomorfología (SEG). Solsona (Lérida), September  2010.  

‐ Arnau‐Rosalén,  E.,  Lázaro‐Suau,  R.,  Calvo‐Cases,  A.,  Ladrón  de Guevara,  M.,  Boix‐Fayos,  C.  Efecto  de  la  distribución  espacial  de  la vegetación en la escorrentía mediante un nuevo diseño de parcelas.  

V  Simposio  Nacional  sobre  Degradación  y  Uso  Sostenible  del  Suelo 

(CDUSS). Murcia, 27‐30 Juny  2011 

‐ Arnau Rosalén, E., Boix Fayos, C., Molina Sanchís,  I., Lázaro Suau, R., Calvo Cases, A. Identificación de procesos de movilización de sedimento a escala de  ladera relacionados con  los patrones de distribución espacial de componentes superficiales en un gradiente climático. 

39

12th  European  Ecological  Federation  Congress. Asociación  Española  de Ecología Terrestre (AEET). Ávila (Spain), 25‐29 September  2011 

‐ Chamizo,  Sonia.  Rodríguez‐Caballero,  Emilio.  Cantón,  Yolanda. Domingo, Francisco. Escudero, Adrián. Relationship among biological soil crusts, rainfall characteristics and runoff at plot and hillslope scales. 

 

‐ Contreras, Sergio. Serrano‐Ortiz, Penélope. Morillas, Laura. Uclés, Olga. Sánchez‐Cañete, Enrique P. Enhanced Vegetation Index from MODIS and rainfall as predictors of actual evapotranspiration in two dryland sites at SE Spain. 

‐ Ucles  Ramos,  Olga Maria.  Villagarcia  Saiz,  Luis.  Cantón  Castilla, Yolanda.  Lazaro  Suau,  Roberto.  Domingo  Poveda,  Francisco.  Dewfall deposition  on  contrasted  slope  aspects  in  a  badlands  ecosystem  in  SE Spain. 

‐ Arnau‐Rosalén, Eva. Molina‐Sanchis, Isabel. Lázaro‐Suau, Roberto. Ladrón  de  Guevara, Mónica.  Boix‐Fayos,  Carolina,  Calvo‐Cases,  Adolfo. Runoff‐driven  soil  water  redistribution  on  the  basis  of  eco‐hydrological relationships.  

‐ Molina,  Isabel. Lázaro, Roberto. Cayuela, Luís. Arnau, Eva. Calvo, Adolfo.  Ladrón  de  Guevara, Monica.  Effect  of  the  definition  of  rainfall event on runoff analysis. 

‐ Morillas,  Laura. Uclés, Olga.  P.  Sanchez‐Cañete,  Enrique. García, Mónica.  Villagarcía,  Luis.  Domingo,  Francisco.  Improving evapotranspiration  estimates  in  semiarid  ecosystems:  the  role  of  soil evaporation. 

‐ Rodríguez  Caballero,  Emilio.  Chamizo,  Sonia.  Cantón,  Yolanda. Lazaro,  Roberto.  Escudero,  Adrian.  Runoff  and  Erosion  in  semiarid ecosystems  depend  on  complex  interactions  among  some  features  of Biological Soil Crusts and rainfall . 

‐ Villagarcía,  Luis.  Ladrón  de  Guevara,  Mónica.  Morillas,  Laura. Chamizo,  Sonia.  Were,  Ana.  Serrano,  Penélope.  Domingo,  Francisco. Lázaro,  Roberto.  Effect  on  evapotranspiration  of  the  change  in precipitation patterns on a semiarid ecosystem from SE Spain. 

40

‐ Ladrón  de  Guevara,  Mónica.  Lázaro,  Roberto.  Arnau,  Eva. Domingo,  Francisco.  Molina,  Isabel.  Mora,  Juan  Luis.  Changes  in Macrochloa  tenacissima  activity  after  undergoing  an  altered  rainfall regime in natural environment (SE Spain). 

‐ Lázaro,  Roberto.  Ladrón  de  Guevara, Mónica. Quero,  José  Luis. Ochoa, Victoria. Escolar, Cristina. Molina,  Isabel. Arnau, Eva. Mora,  Juan Luis. Maestre,  Fernando. Do Climatic Change affect Biological  Soil Crust functions?. 

‐ Sánchez‐Cañete, E. P., Serrano‐Ortiz, P., Kowalski, A. S., Oyonarte, C., Domingo, F. Main drivers controlling subterranean CO2 exchanges  in a semiarid ecosystem of SE Spain. 

5. FUNDING PROJECTS 

Medida  y  modelización  de  flujos  de  carbono  y  agua  en  ecosistemas semiáridos  del  sureste  español  ‐  Integración  de  técnicas micrometeorológicas  y  espectrales.  Plan  Nacional  de  I+D+i,  Programa Nacional  de  Atmósfera,  Clima  y  Cambio  Global  (Ref.:  CGL2011‐27493), convotoria de 2011. 3 years. Francisco Domingo (EEZA‐CSIC). 

Efectos de  las costras  físicas y biológicas del suelo sobre el balance de agua  y  la  erosión  en  ambientes  semiáridos  (COSTRAS).  Proyecto  de Excelencia  de  la  Junta  de  Andalucía  including  ERDF  funds  (Ref.:  RNM 3614). January 2009 ‐ January 2013. Yolanda Cantón (Univ. de Almería). 

Greenhouse gas management  in European  land use  systems. European Commission  (FP7),  Call  FP7‐ENV‐2009‐1.1.3.1,  Project  Code  244122. January 2010 – Juny   2014. Annette Freibauer (Johann. H. von Thuenen‐Institute, Braunschweig, Alemania), Francisco Domingo (EEZA‐CSIC). 

Diseño  experimental  de  indicadores  y  metodología  del  programa  de seguimiento  de  los  efectos  del  cambio  global  en  zonas  áridas  y semiáridas  del  levante  andaluz  (GLOCHARID)‐  SUBPROYECTO ATMÓSFERA: BALANCES DE CARBONO Y AGUA  Junta de Andalucía. Juny 2010  ‐ December 2012. Cecilio Oyonarte  (Univ. de Almería) y  Francisco Domingo (EEZA‐CSIC). 

41

Balance de carbono en ecosistemas carbonatados: discriminación entre procesos bióticos y abióticos (GEOCARBO). Proyecto de Excelencia de  la Junta  de  Andalucía  (Ref.:  RNM  3721).  January  2009  ‐  January  2013. Francisco Domingo (EEZA‐CSIC). 

Balance  de  carbono  en  costras  biologicas  de  ecosistemas  semiaridos (BACARCOS).  Plan  Nacional  de  I+D+i,  Subprograma  de  Proyectos  de Investigación  Fundamental  no  orientada  including  ERDF  funds. Convocatoria 2011.  (Ref.: CGL2011‐29429),  convotoria de 2011. 3 years. Yolanda Cantón (Univ. de Almería). 

Consecuencias  de  cambios  experimentales  en  el  patrón  de  las precipitaciones  sobre  la  vegetación  en  el  mediterráneo  semiárido, incluyendo el modelado  espacialmente distribuido del agua disponible (PREVEA).  Plan  Nacional  de  I+D+i,   Programa  Nacional  de  Biodiversidad, Ciencias de  la Tierra y Cambio Global  (Ref.: CGL2007‐63258/BOS).October 2007 – September 2010. Roberto Lázaro Suau (EEZA‐CSIC). 

Procesos  y balances hidrológicos  y de  sedimentos  a diferentes  escalas espaciales  en  ambientes  mediterráneos:  Efectos  de  las  fluctuaciones climáticas  y  los  cambios de uso del  suelo  (PROBASE). M.E.C.  (Proyecto Eje C‐Consolider, Ref.: CGL2006‐11619/HID). Oct 2006  HASTA:  Sep  2011. F. Gallart (IJA‐CSIC), Francisco Domingo (EEZA‐CSIC). 

Efecto  del  cambio  global  sobre  la  biodiversidad  y  el  funcionamiento ecosistémico mediante la identificación de áreas sensibles de referencia en  el  SE  peninsular  (CAMBIO).  Proyecto  de  Excelencia  de  la  Junta  de Andalucía  (Ref.:  RNM  1280):  April  2006‐  Marzo  2010.  Javier  Cabello (Universidad de Almería). 

Balance de  carbono y agua en ecosistemas de matorral mediterráneo: predicción de su respuesta al cambio climático (BACAEMA). Proyecto de Excelencia de la Junta de Andalucía (Ref.: RNM 332). Abril 2006 HASTA: Marzo 2010. Andrew Kowalski (Universidad de Granada).