Classification and regression tree based survival analysis in oak-dominated forests of Missouri's Ozark highlands

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Tree survival or mortality is a stochastic process and highly variable over time and space. Many factors contribute to this process, including tree age, tree size, competition, drought, insects, and diseases. Traditional parametric approaches to modeling tree survival or mortality are often unable to capture this variation, especially in natural, mixed-species forests. We analyzed tree survival in Missouri Ozark oak forests using a combination of classification and regression tree (CART) and survival analysis of more than 35 000 trees with DBH >11 cm measured four times between 1992 and 2002. We employed a log-rank test with CART to classify trees into seven disjoint survival groups and used a nonparametric Kaplan–Meier (product limit) method to estimate tree survival rate and construct confidence intervals for each survival group. We found that tree species, crown class, DBH, and basal area of larger trees were the variables most closely associated with differences in tree survival rates. In these mature oak forests, mortality for the red oak species group was three to six times greater than for the white oak, hickory, or shortleaf pine species group. The results provide practical information to guide development of silvicultural prescriptions to reduce losses to mortality.

La survie ou la mortalité des arbres est un processus stochastique très variable dans le temps et dans l'espace. Plusieurs facteurs influencent ce processus, incluant l'âge et la dimension des arbres, la compétition, la sécheresse, les insectes et les maladies. Les approches paramétriques traditionnelles pour modéliser la survie ou la mortalité des arbres sont souvent incapables de reproduire cette variation, particulièrement dans les forêts naturelles composées de plusieurs espèces. Les auteurs ont analysé la survie des arbres dans les forêts de chênes des monts Ozark au Missouri à l'aide d'une combinaison du dendrogramme de classification et de régression (CART) et de l'analyse de survie avec plus de 35 000 arbres de plus de 11 cm au DHP mesurés quatre fois entre 1992 et 2002. Ils ont utilisé un test logarithmique par rangs avec CART pour classer les arbres en sept groupes distincts de survie et ils ont utilisé une méthode non paramétrique Kaplan–Meier (limite de produit) pour estimer le taux de survie des arbres et établir des intervalles de confiance pour chaque groupe de survie. Ils ont trouvé que l'espèce d'arbre, la classe de cime, le DHP et la surface terrière des plus gros arbres étaient respectivement les variables les plus étroitement associées aux différences dans le taux de survie des arbres. Dans ces forêts matures de chênes, la mortalité dans le groupe du chêne rouge était trois à six fois plus élevée que dans les groupes du chêne blanc, du caryer ou du pin à courtes aiguilles. Les résultats fournissent des informations pratiques pour orienter le développement de prescriptions sylvicoles destinées à réduire les pertes dues à la mortalité.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: July 1, 2006

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
  • ingentaconnect is not responsible for the content or availability of external websites
Related content

Tools

Favourites

Share Content

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect 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