Publications du Service canadien des forêts
Survival functions for boreal tree species in northwestern North America. 2017. Cortini, F.; Comeau, P.G.; Strimbu, V.C.; Hogg, E.H.; Bokalo, M.; Huang, S. Forest Ecology and Management 402(2017):177-185.
Année : 2017
Disponible au : Centre de foresterie du Nord
Numéro de catalogue : 38834
La langue : Anglais
Disponibilité : PDF (demande par courriel)
Disponible sur le site Web de la revue ou du journal. †
DOI : 10.1016/j.foreco.2017.06.036
† Ce site peut exiger des frais.
Résumé en langage clair et simple
Divers facteurs peuvent influencer le taux de survie des arbres. Nous cherchons à élaborer des modèles améliorés pour prédire la probabilité de survie de sept espèces d’arbres dans le nord-ouest de l’Amérique du Nord. Nous avons utilisé des données de placettes d’échantillonnage permanentes de six gouvernements provinciaux et territoriaux, du gouvernement de l’Alaska et de quatre entreprises forestières, pour un total de 1 250 257 arbres dans 11 673 placettes d’échantillonnage permanentes. Nous avons remarqué que les gros arbres avaient un plus haut taux de survie. Les espèces de conifères intolérantes à l’ombre (pin tordu et pin gris) étaient plus négativement touchées par la concurrence livrée par les arbres à proximité que les espèces feuillues intolérantes à l’ombre (peuplier faux-tremble et peuplier baumier) et les espèces d’épinettes tolérantes à l’ombre (épinette blanche et épinette noire). La concurrence livrée par les grosses épinettes, les sapins et les espèces feuillues influençait davantage le taux de survie que la concurrence livrée par les espèces de pin. Pour la plupart des espèces d’arbres que nous avons examinées, la concurrence livrée par des arbres de la même espèce se trouvant à proximité avait une grande influence sur le taux de survie. La plupart des espèces ont mieux survécu dans un climat relativement frais et humide, mais les espèces de pin survivaient mieux sur des sites chauds et secs. Les modèles que nous avons élaborés dans le cadre de cette étude pourraient être utilisés pour améliorer la capacité de prédiction des modèles de croissance et de rendement actuels, comme le Mixedwood Growth Model.