Improving tree mortality models by accounting for environmental influences

Author： Hartmann Henrik Messier Christian Beaudet Marilou

ISSN： 1208-6037

Source： Canadian Journal of Forest Research, Vol.37, Iss.11, 2007-11, pp. : 2106-2114

Disclaimer: Any content in publications that violate the sovereignty, the constitution or regulations of the PRC is not accepted or approved by CNPIEC.

Previous Menu Next

Abstract

Tree-ring chronologies have been widely used in studies of tree mortality where variables of recent growth act as an indicator of tree physiological vigour. Comparing recent radial growth of live and dead trees thus allows estimating probabilities of tree mortality. Sampling of mature dead trees usually provides death-year distributions that may span over years or decades. Recent growth of dead trees (prior to death) is then computed during a number of periods, whereas recent growth (prior to sampling) for live trees is computed for identical periods. Because recent growth of live and dead trees is then computed for different periods, external factors such as disturbance or climate may influence growth rates and, thus, mortality probability estimations. To counteract this problem, we propose the truncating of live-growth series to obtain similar frequency distributions of the “last year of growth” for the populations of live and dead trees. In this paper, we use different growth scenarios from several tree species, from several geographic sources, and from trees with different growth patterns to evaluate the impact of truncating on predictor variables and their selection in logistic regression analysis. Also, we assess the ability of the resulting models to accurately predict the status of trees through internal and external validation. Our results suggest that the truncating of live-growth series helps decrease the influence of external factors on growth comparisons. By doing so, it reinforces the growth–vigour link of the mortality model and enhances the model’s accuracy as well as its general applicability. Hence, if model parameters are to be integrated in simulation models of greater geographical extent, truncating may be used to increase model robustness.La dendrochronologie été largement utilisée dans les études portant sur la mortalité des arbres où des variables de croissance récente sont utilisées comme indicateur de la vigueur physiologique des arbres. La comparaison de la croissance radiale récente d’arbres vivants et morts permet donc d’estimer la probabilité de mortalité des arbres. L’échantillonnage d’arbres matures morts fournit généralement la distribution des années de mortalité qui peuvent s’étendre sur plusieurs années ou décennies. La croissance récente des arbres morts (avant leur mort) est ensuite calculée pour un certain nombre de périodes alors que celle des arbres vivants (avant leur échantillonnage) est calculée pour des périodes identiques. Puisque la croissance récente des arbres vivants et morts est ensuite calculée pour des périodes différentes, des facteurs externes tels les perturbations ou le climat peuvent influencer le taux de croissance et, par conséquent, l’estimation de la probabilité de mortalité. Pour résoudre ce problème, nous proposons de tronquer les séries de croissance des arbres vivants de façon à obtenir des distributions de fréquence similaires de «la dernière année de croissance» pour les populations d’arbres vivants et morts. Dans cette étude, nous utilisons différents scénarios de croissance à partir de plusieurs espèces d’arbre et de plusieurs origines géographiques ainsi que différents patrons de croissance pour évaluer l’impact des séries tronquées sur les variables de prédiction et sur leur sélection dans les analyses de régression logistique. De plus, nous évaluons la capacité des modèles qui en résultent à prédire avec exactitude le statut des arbres à l’aide d’une validation interne et externe. Nos résultats indiquent que les séries de croissance tronquées des arbres vivants contribuent à diminuer l’influence des facteurs externes sur les comparaisons de croissance. De ce fait, elles renforcent le lien entre la croissance et la vigueur dans le modèle de mortalité et améliorent l’exactitude et l’applicabilité générale du modèle. Par conséquent, si les paramètres du modèle doivent être intégrés dans des modèles de simulation à plus grande portée géographique, les séries tronquées peuvent être utilisées pour augmenter la robustesse du modèle.