We outline the major steps involved in implementing assisted migration (AM) and assess, in a general way, the capacity to carry out each step in Canadian forests. Our findings highlight the fact that capacity to implement AM differs between forest species; in particular, the existence of established provenance trials, seed transfer guidelines, seed procurement systems, and plantation establishment protocols makes AM considerably more feasible for most commercial tree species than for most species of conservation concern. We report on several AM efforts involving commercial tree species that are already underway in Canada and identify a number of initiatives that could be undertaken to help build AM capacity. This paper is not intended as an endorsement of the AM approach; however, we feel there is considerable value in discussing implementation issues at this point in the AM debate.

There is a growing interest in predicting wood quality from tree morphology traits, which can be measured using remote sensing techniques such as LiDAR, to enhance forest inventory for operational planning. In this study, we investigated the correlation structure between these two categories of traits in white spruce (Picea glauca (Moench) Voss) using canonical and multiple regression analyses with the objective of identifying key morphology variables that are predictive of wood quality. For 495 trees from a 30-year-old plantation, we obtained measurements of tree height and dimensions of the living crown, as well as the number and diameter of live branches at selected whorls. Wood traits were assessed from wood cores with SilviScan technology. Morphological traits explained almost 29% of the overall variation observed in wood traits. However, the magnitude of the correlations and the ability of crown morphological traits to predict wood traits differed widely among the latter. Average ring width and radial cell diameter, both related to increment, were well correlated with tree morphology, whereas traits related to subcellular structure, for instance, microfibril angle, were poorly correlated. These results could guide the choice of wood traits to improve inventory techniques aiming to optimize the forest product value chain.Résumé : L'intérêt va grandissant pour développer des modèles de prédiction de la qualité du bois à partir des caractères morphologiques des arbres, ces derniers pouvant être estimés à l'aide de techniques de télédétection tel le LiDAR, de manière à avoir accès à des inventaires forestiers améliorés pour la planification opérationnelle. Dans cette étude, nous avons examiné à l'aide d'analyses canoniques et de régressions multiples la structure des corrélations qui existent entre ces deux classes de caractères chez l'épinette blanche (Picea glauca (Moench) Voss) en ayant pour objectif d'identifier les caractères morphologiques clés prédictifs de la qualité du bois. Nous avons obtenu d'une sélection de 495 arbres situés dans une plantation âgée de 30 ans des mesures de hauteur et de dimensions de houppier vivant, ainsi que des mesures du nombre et du diamètre des branches vivantes pour un certain nombre de verticiles sélectionnés. Les caractères du bois ont été évalués à l'aide de carottes de bois analysées avec le système SilviScan. La morphologie du houppier expliquait presque 29 % de la variation totale des propriétés du bois qui a été observée. Cependant, l'intensité des corrélations et l'aptitude des caractéristi-ques morphologiques du houppier à prédire les propriétés du bois variaient considérablement parmi ces dernières. La largeur des cernes et le diamètre radial des cellules, les deux liées à la croissance, étaient bien corrélées à la morphologie des arbres alors que des propriétés liées à la structure subcellulaire, comme l'angle des microfibrilles, l'étaient peu. Ces résultats pourraient nous guider dans le choix des propriétés du bois à inclure pour améliorer les techniques d'inve...

The trunk of a tree can be seen as a spatiotemporal sampling domain from the statistical perspective, where space is represented by direction horizontally and height vertically, and time through annual growth rings. In this framework, wood properties such as density can be the object of data collection for given estimation and testing purposes. We present a multidimensional statistical model, the tensor normal distribution, in which the variation (variance) of and dependency (covariance) between wood property measurements made for different years at various locations in a tree trunk can be inferred. Its application requires a smaller number of replicates (trees) than the traditional vector normal distribution because variances and covariances for directions and growth rings, for example, must be the same at all heights, up to a multiplicative constant. This assumption on the variance-covariance structure is called "separability", and we explain how to test it. An illustration with wood density estimates obtained from computed tomography scanning data for 11 white spruce (Picea glauca (Moench) Voss) trees is presented. This example is completed by assessing differences in mean wood density according to location in the trunk, with analysis-of-variance F-tests adjusted for the estimated variances and covariances obtained by fitting the model.Résumé : Le tronc d'un arbre peut être vu comme un domaine d'échantillonnage spatio-temporel sous l'angle statistique. L'espace y est représenté par la direction à l'horizontale et la hauteur à la verticale, et le temps, via les cernes de croissance annuels. Dans ce cadre de travail, des propriétés du bois telles que la densité peuvent faire l'objet de collectes de données à des fins d'estimation et de test. Nous présentons un modèle statistique multi-dimensionnel, le tenseur aléatoire normal, dans lequel la variation (variance) et la dépendance (covariance) pour des mesures de propriété du bois en différentes années et à différents endroits dans un tronc d'arbre peuvent être inférées. Son application requiert un plus petit nombre de réplicats (arbres) que la distribution du vecteur aléatoire normal traditionnel, parce que les variances et les covariances pour les directions et les cernes de croissance, par exemple, doivent être les mêmes à chaque hauteur, à une constante multiplicative près. Cette condition sur la structure de la matrice de variance-covariance est appelée « séparabilité », et nous expliquons comment la tester. Une illustration avec des mesures de la densité du bois obtenues par tomodensitométrie assistée par ordinateur pour 11 épinettes blanches (Picea glauca (Moench) Voss) est présentée. Cet exemple est complété par l'évaluation des différences dans la densité moyenne du bois selon la localisation dans l'arbre, à l'aide de tests F d'analyse de variance modifiés en utilisant les variances et covariances estimées obtenues en ajustant le modèle.