A multilevel individual tree basal area increment model for aspen in boreal mixedwood stands

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Based on a multilevel nonlinear mixed model approach, a basal area increment model was developed for individual aspen (Populus tremuloides Michx.) trees growing in boreal mixedwood stands in Alberta. Various stand and tree characteristics were evaluated for their contributions to model improvement. Total stand basal area, basal area of larger trees, and the ratio of target tree height to maximum stand height were found to be significant predictors. When random effects were modeled at the plot level alone, correlations among normalized residuals remained significant. These correlations were successfully removed when random effects were modeled at both plot and tree levels. The predictive abilities of two alternative models were evaluated at the population, plot, and tree levels. At the tree level, a tree measured at the first growth period was used for estimating random parameters, and basal area increments of that tree in future growth periods were subsequently predicted. At the plot level, one to five trees in each plot at each growth period were used to estimate random parameters. Basal area increments of the remaining trees in the same plot at the same growth period were subsequently predicted. The final model provided accurate predictions at all three levels.

À partir d’une approche de modélisation mixte, non linéaire et à plusieurs niveaux, nous avons mis au point un modèle d’accroissement en surface terrière des tiges individuelles de peuplier faux-tremble (Populus tremuloides Michx.) qui croît dans les forêts boréales mixtes de l’Alberta. Nous avons évalué plusieurs caractéristiques des arbres et des peuplements en fonction de leur contribution à l’amélioration du modèle. La surface terrière totale du peuplement, la surface terrière des plus gros arbres et le rapport entre la hauteur des arbres d’intérêt et la hauteur maximale du peuplement ont été identifiés comme variables prédictives significatives. Les corrélations entre les résidus normalisés demeuraient significatives lorsque les effets aléatoires étaient modélisés seulement à l’échelle de la placette. Ces corrélations ont été éliminées avec succès en modélisant les effets aléatoires à l’échelle de la placette et de l’arbre. La capacité prédictive de deux modèles a été évaluée à l’échelle de la population, de la placette et de l’arbre. À l’échelle de l’arbre, un arbre mesuré lors de la première période de croissance a été utilisé pour estimer les paramètres aléatoires, ce qui a ensuite permis de prédire les accroissements en surface terrière de cet arbre pour de futures périodes de croissance. À l’échelle de la placette, de un à cinq arbres par placette pour chacune des périodes de croissance ont été utilisés pour estimer les paramètres aléatoires. Les accroissements en surface terrière des arbres résiduels de la même placette pendant les périodes de croissance correspondantes ont ensuite été prédits. Le modèle final fournit des prévisions précises aux trois échelles.

Document Type: Research Article

Publication date: November 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

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