Skip to main content

Growth response functions improved by accounting for nonclimatic site effects

Buy Article:

$50.00 plus tax (Refund Policy)


Growth response functions (GRFs) that relate the growth of a population to the climate of the sites in which it is tested are gaining attention for their ability to predict impacts of climate change on tree growth. However, nonclimatic site to site variation introduces error into GRFs. Using data from a large lodgepole pine (Pinus contorta Dougl. ex Loud.) provenance test in British Columbia and the Yukon, Canada, a technique is presented that accounts for the effect of nonclimatic variation in GRFs. The mean height of the “local” provenances at each test site was used to predict “site height” from site climate variables in multiple regression. Residuals from the site height equation provided an index of the nonclimatic effect for each site and were included as a covariate in quadratic GRFs that related provenance height at each test site to mean annual temperature at each test site. Inclusion of the nonclimatic index in the model resulted in a moderate or large displacement of GRFs for 25% of the provenances, while increasing mean R2 values for 138 of 140 provenances and decreasing the root mean squared error for 113 of 140 provenances. These results suggest that inclusion of the nonclimatic index in GRF models could substantially affect height predictions for some provenances and reduce prediction error for most provenances.

Les fonctions de réaction de la croissance (FRC) qui relient la croissance d’une population au climat des stations où elles sont testées gagnent en popularité à cause de leur capacité à prédire les impacts des changements climatiques sur la croissance des arbres. Cependant, les variations non climatiques entre les stations introduisent des erreurs dans les FRC. À partir des données d’un test de provenance de pin tordu latifolié (Pinus contorta Dougl. ex Loud.) de grande envergure en Colombie-Britannique et au Yukon, au Canada, nous présentons une technique qui tient compte de l’effet des variations non climatiques dans les FRC. La hauteur moyenne des provenances «locales» à chaque endroit où le test a été établi a été utilisée pour prédire, à l’aide de la régression multiple, la «hauteur spécifique à la station» à partir des variables climatiques de la station. Les résidus de l’équation de la hauteur spécifique à la station ont fourni un indice de l’effet non climatique dans chaque station et ont été inclus comme covariable dans des FRC quadratiques qui reliaient la hauteur de la provenance dans chaque station à la température annuelle moyenne de la station. L’introduction de l’indice non climatique dans le modèle a produit un déplacement modéré à grand des FRC chez 25% des provenances, a augmenté la valeur moyenne du R2 de 138 des 140 provenances et a diminué l’erreur quadratique moyenne chez 113 des 140 provenances. Ces résultats indiquent que l’introduction de l’indice non climatique dans les modèles de FRC pourrait substantiellement affecter les prédictions de hauteur pour quelques provenances et diminuer l’erreur de prédiction pour la plupart des provenances.

Document Type: Research Article

Publication date: 2007-12-01

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