If you are experiencing problems downloading PDF or HTML fulltext, our helpdesk recommend clearing your browser cache and trying again. If you need help in clearing your cache, please click here . Still need help? Email help@ingentaconnect.com

Overcoming data sparseness and parametric constraints in modeling of tree mortality: a new nonparametric Bayesian model

$50.00 plus tax (Refund Policy)

Buy Article:


Accurately describing patterns of tree mortality is central to understanding forest dynamics and is important for both management and ecological inference. However, for many tree species, annual survival of most individuals is high, so that mortality is rare and, therefore, difficult to estimate. Furthermore, tree mortality models have potentially complex suites of covariates. Here, we extend traditional and recent approaches to modeling tree mortality and propose a new nonparametric Bayesian method. Our model is constrained to both reflect and distinguish known relationships between mortality and its two key covariates, diameter and diameter increment growth, but it remains sufficiently flexible to capture a wide variety of patterns of mortality across these covariates. Our model also allows incorporation of outside information in the form of priors, so that increased mortality of large trees can always be formally modeled even when data are sparse. We present results for our nonparametric Bayesian mortality model for maple (Acer spp.), holly (Ilex spp.), sweet gum (Liquidambar styraciflua L.), and tulip-poplar (Liriodendron tulipifera L.) populations from North Carolina, USA.

La description exacte des patrons de mortalité des arbres est essentielle pour comprendre la dynamique forestière et importante pour les inférences écologiques et celles qui concernent l’aménagement. Cependant, chez plusieurs espèces d’arbre la survie annuelle de la plupart des individus est élevée, de telle sorte que la mortalité est rare et, par conséquent, difficile à estimer. De plus, les modèles de mortalité des arbres comportent des suites de covariables potentiellement complexes. Dans cet article, nous étendons la portée des approches récentes et traditionnelles pour modéliser la mortalité des arbres et nous proposons une nouvelle méthode bayésienne non paramétrique. Notre modèle est contraint tant pour refléter que pour distinguer les relations connues entre la mortalité et ses deux covariables clés: le diamètre et la croissance en diamètre, mais il demeure suffisamment flexible pour reconnaître une large variété de patrons de mortalité parmi toutes les valeurs de ces covariables. Notre modèle permet également d’incorporer de l’information externe sous forme d’a priori, de telle sorte que l’augmentation de la mortalité des gros arbres puisse toujours être formellement modélisée même lorsque les données sont peu nombreuses. Nous présentons les résultats de notre modèle bayésien non paramétrique de mortalité pour des populations d’érable (Acer spp.), de houx (Ilex spp.), de liquidambar (Liquidambar styraciflua L.) et de tulipier (Liriodendron tulipifera L.) de la Caroline du Nord, aux États-Unis d’Amérique.

Document Type: Research Article

Publication date: September 1, 2009

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



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
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