Skip to main content

Gradient analysis, the next generation: towards more plant-relevant explanatory variables

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

The long history of gradient analysis is anchored in the observation that species turnover can be described along elevation gradients. This model is unsatisfying in that elevation is not directly relevant to plants and the ubiquitous "elevation gradient" is composed of multiple intertwined environmental factors. We offer an approach to landscape-scale vegetation analysis that disentangles the elevation gradient into its constituent parts through focused field sampling and statistical analysis. We illustrate the approach for an old-growth watershed in the Oregon Western Cascades. Our initial model of this system supports the common observation that forest community types are highly associated with specific elevation bands. By replacing elevation and other crude environmental proxy variables with estimates of more direct and resource gradients (radiation, temperature, and soil moisture), we create a vegetative model with stronger explanatory power than the proxy model in both cross-validation analysis and validation using an independent data set. The resulting model is also more biologically interpretable, which provides more meaningful insight into potential forest response to environmental change (e.g., global climate change scenarios). Acquiring a better mechanistic understanding of the relationship between plant communities and environmental predictor variables presents the next great challenge to community ecologists conducting gradient studies at landscape scales.

L'analyse de gradient s'appuie depuis toujours sur le fait que le renouvellement des espèces peut être décrit en suivant des gradients d'altitude. Ce modèle n'est pas satisfaisant puisque l'altitude n'est pas directement pertinente pour les plantes et que le terme omniprésent « gradient d'altitude » est composé de multiples facteurs environnementaux entremêlés. Les auteurs proposent une approche d'analyse de la végétation à l'échelle du paysage qui décompose le gradient d'altitude en ses parties constituantes en ciblant l'échantillonnage de terrain et l'analyse statistique. Ils illustrent cette approche à partir d'un bassin versant composé de vieux peuplements de l'ouest des Cascades, en Oregon. Leur modèle initial de ce système est en accord avec l'observation courante que les types forestiers sont étroitement associés aux bandes spécifiques d'altitude. En remplaçant l'altitude et d'autres variables environnementales indirectes par des estimations de gradients de ressources plus directs (radiation, température et humidité du sol), ils créent un modèle de végétation ayant un pouvoir explicatif plus grand que celui du modèle indirect, ce qui a été vérifié dans les cas d'une analyse de validation interne et d'une validation à l'aide d'un fichier de données indépendantes. Ce modèle facilite aussi l'interprétation biologique des résultats, ce qui permet d'approfondir nos connaissances sur la réaction potentielle de la forêt en fonction de changements environnementaux (p. ex., des scénarios de changement global du climat). L'acquisition d'une meilleure compréhension fonctionnelle des relations entre les communautés végétales et les variables environnementales de prédiction constitue le prochain grand défi pour les écologistes des populations qui s'intéressent aux études de gradient à l'échelle du paysage.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2005-07-01

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 content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free 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