Trees are expected to modify their distribution and abundance in response to climate change with important consequences on forestry management practices and forest diversity. Whereas Species Distribution Models have been commonly used to relate known occurrence of species to the current climate as a first step to project future suitable environmental space, modeling abundance patterns using Species Abundance Models (SAMs) remains a challenge. This research aimed to: 1) evaluate the predictive performance of SAMs in predicting the current abundance of 105 tree species in eastern North America in response to climatic, topographic and edaphic predictors, and 2) explain the variation in SAMs' performance among species. The relative importance values of 105 tree species were first related to environmental predictors using Random Forest. The predictive performance of SAMs for each tree species was then assessed using the coefficient of determination (R²). Finally, multiple linear regression was performed to explain the variation in SAMs' performance among species (R²) using biogeographical and spatial attributes of species as explanatory variables. Predicting the current relative abundance of tree species using a combination of climatic, topographic, and edaphic variables was only partially successful. The coefficients of determination (R²) for all SAMs ranged from 0.000 to 0.857 with a mean of 0.258 and a standard deviation of 0.18. Black spruce (Picea mariana) had the best predictive model and Florida maple (Acer barbatum) the worst. Forty-one species out of 105 (39 %) had R² ≥ 0.3. These species had climate as the best and/or second best environmental predictor, except for Quercus macrocarpa, Pinus rigida, Pinus resinosa, and Ulmus alata, which were best predicted by non-climatic variables. The variation in the performance of SAMs among species was best explained by the range of relative abundance values and the spatial aggregation of species. This study highlighted the challenge in accurately predicting the relative abundance of trees in relation to current and therefore future climate, and identified species for which modeling approach worked best and for which abundance patterns would likely respond to climate change. / Les arbres sont susceptibles de modifier leur distribution et leur abondance en réponse aux changements climatiques avec d'importantes conséquences pour la gestion des ressources forestières et la biodiversité des forêts. Alors que les Modèles de distribution des espèces ont été couramment utilisés pour mettre en relation l'occurrence des espèces avec le climat actuel comme première étape dans l'évaluation des changements potentiels futurs, la modélisation des abondances à l'aide de Modèles d'abondance des espèces reste un défi. Cette recherche avait pour but : 1) d'évaluer la performance de modèles d'abondance pour prédire l'abondance relative actuelle de 105 espèces d'arbres de l'est de l'Amérique du Nord en réponse aux variables climatiques, édaphiques et topographiques, et 2) d'expliquer la variation entre les espèces dans les performances de ces modèles. L'importance relative des 105 espèces a d'abord été reliée aux variables environnementales à l'aide de l'algorithme mathématique Random Forest. La performance des modèles pour chaque espèce a été évaluée avec le coefficient de détermination (R²). Finalement, une régression linéaire multiple a servi à expliquer la variation des performances entre les espèces (R²) en utilisant les attributs biogéographiques et spatiaux des espèces comme variables explicatives. La prédiction de l'abondance relative des arbres avec les variables utilisées n'a été que partiellement réussie. Les coefficients of détermination (R²) allaient de 0.000 à 0.857 avec une moyenne de 0.258 et un écart-type de 0.18. L'épinette noire (Picea mariana) a montré la meilleure performance et Acer barbatum a obtenu la pire performance. Quarante et une espèces sur 105 (39 %) ont eu des R² ≥ 0.3. Ces espèces avaient le climat comme premier et/ou second prédicteur, sauf pour Quercus macrocarpa, Pinus rigida, Pinus resinosa, et Ulmus alata, qui ont répondu en priorité aux variables non-climatiques. La variation dans les performances des modèles entre espèces s'expliquent par l'étendue de leurs valeurs d'abondance relative et leur agrégation spatiale. Cette étude a démontré les limites à prédire l'abondance relative des arbres en fonction du climat présent et donc futur, et a permis d'identifier les espèces pour lesquelles l'approche de modélisation est possible et pour lesquelles l'abondance relative pourrait conséquemment être sensible aux changements climatiques.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.104594 |
| Date | January 2011 |
| Creators | Chambers, Dominic |
| Contributors | Sylvie de Blois (Supervisor) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Master of Science (Department of Plant Science) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Electronically-submitted theses. |
Page generated in 0.0017 seconds