SEARCH

SEARCH BY CITATION

Keywords:

  • Brown Creeper;
  • landscape ecology;
  • population model;
  • population viability analysis;
  • succession model
  • análisis de viabilidad poblacional;
  • Certhia americana;
  • ecología de paisaje;
  • modelos de sucesión;
  • modelo poblacional

Abstract: We evaluated the utility of combining metapopulation models with landscape-level forest-dynamics models to assess the sustainability of forest management practices. We used the Brown Creeper (Certhia americana) in the boreal forests of northern Ontario as a case study. We selected the Brown Creeper as a potential indicator of sustainability because it is relatively common in the region but is dependent on snags and old trees for nesting and foraging; hence, it may be sensitive to timber harvesting. For the modeling we used RAMAS Landscape, a software package that integrates RAMAS GIS, population-modeling software, and LANDIS, forest-dynamics modeling software. Predictions about the future floristic composition and structure of the landscape under a variety of management and natural disturbance scenarios were derived using LANDIS. We modeled eight alternative forest management scenarios, ranging in intensity from no timber harvesting and a natural fire regime to intensive timber harvesting with salvage logging after fire. We predicted the response of the Brown Creeper metapopulation over a 160-year period and used future population size and expected minimum population size to compare the sustainability of the various management scenarios. The modeling methods were easy to apply and model predictions were sensitive to the differences among management scenarios, indicating that these methods may be useful for assessing and ranking the sustainability of forest management options. Primary concerns about the method are the practical difficulties associated with incorporating fire stochasticity in prediction uncertainty and the number of model assumptions that must be made and tested with sensitivity analysis. We wrote new software to help quantify the contribution of landscape stochasticity to model prediction uncertainty.

Resumen: Evaluamos la conveniencia de combinar modelos metapoblacionales con modelos de dinámica de bosques a nivel de paisaje para estimar la sustentabilidad de las prácticas de manejo de bosques. Como estudio de caso utilizamos a Certhia americana en bosques boreales del norte de Ontario. Seleccionamos a Certhia americana como un indicador potencial de sustentabilidad porque es relativamente común en la región pero depende de tocones y de árboles viejos para anidar y forrajear, por ello puede ser sensible a la cosecha de madera. Para el modelo utilizamos RAMAS Landscape, un paquete de software que integra a RAMAS GIS (software para modelar poblaciones) y a LANDIS (software para modelar la dinámica de bosques). Utilizando LANDSIS derivamos predicciones de la composición y estructura florística del paisaje bajo una variedad de escenarios de manejo y perturbaciones naturales. Modelamos ocho escenarios alternativos de manejo de bosques, que variaron en intensidad desde la no cosecha de madera y un régimen natural de fuego hasta la cosecha intensiva de madera con corte de árboles después de incendios. Predijimos la respuesta de la metapoblación de Certhia americana en un período de 160 años y utilizamos el tamaño poblacional futuro y el tamaño poblacional mínimo esperado para comparar la sustentabilidad de los diferentes escenarios de manejo. Los métodos de modelación fueron aplicados fácilmente, y las predicciones de los modelos fueron sensibles a las diferencias entre los escenarios de manejo, lo que indica que estos métodos pueden ser útiles para evaluar y clasificar la sustentabilidad de las opciones de manejo de bosques. Las principales preocupaciones acerca del método incluyen las dificultades prácticas asociadas con la incorporación de la estocasticidad del fuego en la incertidumbre de los pronósticos y el número de suposiciones que se deben hacer y probar mediante análisis de sensibilidad. Desarrollamos nuevo software para ayudar a cuantificar la contribución de la estocasticidad del paisaje a la incertidumbre en las predicciones del modelo.