Skip to main content

Rating the susceptibility of forests to mountain pine beetle infestations: the impact of data

Buy Article:

$50.00 plus tax (Refund Policy)


British Columbia is currently experiencing the largest mountain pine beetle (Dendroctonus ponderosae Hopkins) epidemic on record. The spatial extent of this infestation highlights the need for large-area forest management. We explore the use of three large-area data sets for implementing a stand-scale model of forest susceptibility that quantifies the probability of loss of pine basal area because of attack by the mountain pine beetle. Using these data sets, we investigate the impact of surrogate variables, which is necessary when variables required for the susceptibility model are not present in a data set. The impact of the source data information content on the susceptibility model output is also analyzed. Results indicate that the susceptibility model is sensitive to both surrogate variables and data sources and suggest that landscape level application of the susceptibility model, which was developed using stand-scale relationships, is problematic. Of particular concern is the use of photointerpreted data sets for model parameterization. The information content in photointerpreted data sets is much different than data on similar forest characteristics collected in the field and provides an inadequate substitute for implementing the forest susceptibility model.

La Colombie-Britannique connaît présentement la plus importante épidémie de dendroctone du pin ponderosa (Dendroctonus ponderosae Hopkins) jamais rapportée. L'étendue spatiale de cette infestation fait ressortir la nécessité d'aménager la forêt sur de vastes superficies. Nous examinons l'utilisation de trois jeux de données couvrant de vastes superficies pour implanter un modèle de vulnérabilité de la forêt à l'échelle du peuplement qui quantifie la probabilité des pertes en surface terrière de pin dues à une attaque par le dendroctone du pin ponderosa. À l'aide de ces jeux de données, nous étudions l'impact de variables subrogatives dont l'utilisation est nécessaire lorsque des variables requises par le modèle de vulnérabilité ne sont pas présentes dans un jeu de données. L'impact de l'information contenue dans les données de base sur le modèle de vulnérabilité est également analysé. Les résultats indiquent que le modèle de vulnérabilité est sensible aux variables subrogatives et aux sources de données, ce qui signifie que l'application à l'échelle du paysage du modèle de vulnérabilité, qui a été développé à partir de relations à l'échelle du peuplement, est problématique. L'utilisation de jeux de données obtenues par photo-interprétation pour paramétrer le modèle est particulièrement préoccupante. L'information contenue dans les jeux de données obtenues par photo-interprétation est très différente de celle que procurent les données collectées sur le terrain au sujet des mêmes caractéristiques de la forêt. C'est pourquoi les données obtenues par photo-interprétation ne peuvent adéquatement servir de substitut pour implanter un modèle de vulnérabilité de la forêt.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2006-11-01

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
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