Skip to main content

Growth-dependent tree mortality models based on tree rings

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:



Mortality is a crucial element of population dynamics. However, tree mortality is not well understood, particularly at the individual level. The objectives of this study were to (i) determine growth patterns (growth levels and growth trends) over different time windows that can be used to discriminate between dead and living Norway spruce (Picea abies (L.) Karst.) trees, (ii) optimize the selection of growth variables in logistic mortality models, and (iii) assess the impact of competition on recent growth in linear regression models. The logistic mortality model that we developed for mature stands classified an average of nearly 80% of the 119 trees from one site correctly as being dead or alive. While more than 50% of the variability of recent growth of living trees can be attributed to the influence of competition, this percentage was only 25% for standing dead trees. The predictive power of the logistic mortality model was validated successfully at two additional sites, where 29 of 41 (71%) and 34 of 42 (81%) trees were classified correctly, respectively. This supports the generality of the mortality model for Norway spruce in subalpine forests of the Alps. We conclude that growth trends in addition to the commonly used growth level significantly improve the prediction of growth-dependent tree mortality of Norway spruce.

La mortalité est un élément crucial de la dynamique de population. Cependant, la mort des arbres n'est pas bien comprise, du moins sur une base individuelle. Les objectifs de cette étude consistaient (i) à déterminer les patrons de croissance (les niveaux de croissance et les tendances de croissance) à l'intérieur de différentes fenêtres de temps qui peuvent être utilisées pour discriminer entre les tiges vivantes et mortes d'épicéa commun (Picea abies (L.) Karst.), (ii) à optimiser la sélection des variables de croissance dans les modèles logistique de mortalité et (iii) à évaluer l'impact de la compétition sur la croissance récente dans les modèles de régression linéaire. Le modèle logistique de mortalité que nous avons développé pour des peuplements matures a en moyenne classé correctement comme étant morts ou en vie près de 80 % des 119 arbres sur un site. Alors que plus de 50 % de la variabilité dans la croissance récente des arbres vivants peut être attribuée à l'influence de la compétition, ce pourcentage tombe à 25 % dans le cas des arbres morts encore debout. Le pouvoir de prédiction du modèle logistique de mortalité a été validé avec succès sur deux sites additionnels où respectivement 29 des 41 (71 %) et 34 des 42 (81 %) des arbres ont été classés correctement. Ces résultats confirment la portée générale du modèle de mortalité pour l'épicéa commun dans les forêts subalpines des Alpes. Nous concluons que la tendance de croissance, en plus du niveau de croissance qui est généralement utilisé, améliore significativement la prédiction de la mortalité liée à la croissance chez l'épicéa commun.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2003-02-01

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more