FVSBGC: a hybrid of the physiological model STAND-BGC and the forest vegetation simulator

Abstract

The physiological model STAND-BGC was linked to the forest vegetation simulator (FVS) as a system extension. With the linked model, an FVS user can invoke STAND-BGC to obtain tree-and stand-level physiological output in addition to standard FVS mensurational output. An FVS user may choose to have increments in diameter, height, crown ratio, and mortality from STAND-BGC replace those generated by FVS. This option essentially replaces the empirical growth engine of FVS with the physiological engine from STAND-BGC. Physiological and mensurational outputs were generated for an existing, fully stocked, Pinus contorta Dougl. ex Loud. stand, with and without thinning, using the hybrid model. The STAND-BGC engine produced results similar to FVS for the unthinned stand but predicted more rapid tree growth than FVS following thinning. Simulations for a newly regenerated stand using the linked model allowed assessment of the predicted effects of grass competition and drought on stand production. Comparisons of model predictions to remeasured permanent plot data showed the empirical and process growth engines had similar precision, but that STAND-BGC substantially overpredicted growth, while FVS slightly underpredicted growth. The need for model calibration and opportunities for more sophisticated communication between models is discussed. Résumé :Le modèle physiologique STAND-BGC a été joint au Simulateur de végétation forestière (SVF) en tant qu'extension du système. A l'aide du modèle auxiliaire, un utilisateur du SVF peut faire appel à STAND-BGC pour obtenir des résultats physiologiques à l'échelle du peuplement et de l'arbre en plus des résultats dendrométriques standard de SVF. Un utilisateur de SVF peut choisir d'utiliser les accroissements en diamètre, hauteur, proportion de cime et mortalité produits par STAND-BGC à la place de ceux générés par SVF. Dans les faits, cette option substitue le moteur de croissance empirique de SVF par le moteur physiologique de STAND-BGC. Des résultats physiologiques et dendrométriques ont été générés à l'aide du modèle hybride pour un peuplement dense existant de Pinus contorta Dougl. ex Loud., avec et sans éclaircie. Le moteur de STAND-BGC a produit des résultats comparables à ceux de SVF pour le peuplement non éclairci mais a prédit une croissance plus rapide que celle prédite par SVF suite à l'éclaircie. Des simulations effectuées à l'aide du modèle auxiliaire pour un peuplement récemment régénéré ont permis d'évaluer les effets prévus de la compétition herbacée et de la sécheresse sur la production du peuplement. Une comparaison des prédictions du modèle avec les données de placettes permanentes remesurées a montré que les moteurs empiriques et de processus ont une précision similaire. Toutefois, STAND-BGC surestime substantiellement la croissance alors que SVF la sous-estime légèrement. La nécessité de calibrer le modèle et de développer des liens plus sophistiqués entre les modèles est abordée.[Traduit par la Rédaction] Milner et al. 479

Addressing climate change in the forest vegetation simulator to assess impacts on landscape forest dynamics

“…Perhaps most relevant is the approach of Milner et al (2003) who developed FVSBGC, a model that linked FVS to the physiology-based model Stand-BGC (Milner and Coble, 1995), which in turn is based on the stand-level model FOREST-BGC (Running and Coughlan, 1988). We found, however, that genetic effects and species viabilities could be incorporated easily into FVS without resorting to the detail needed for FVSBGC.…”

Landscape-scale parameterization of a tree-level forest growth model: a k-nearest neighbor imputation approach incorporating LiDAR data

“…However, current work is underway to incorporate the influence of future climate projections into FVS growth predictions (Crookston and Dixon 2005). In addition, research conducted by Milner et al (2003) demonstrated that the FVS could be coupled with a process-based model (Stand-BioGeochemical Cycles; Milner and Coble 1995) to simulate biogeochemical and physiological influences on forest growth and yield.…”

Multi-Model Analysis of Tree Competition Along Environmental Gradients in Southern New England Forests

“…A number of recent analyses of models used in forest management have highlighted the need for hybrid approaches that balance the predictive power of empirical models with the generality of process models. (e.g., Pinkard andBattaglia 2001, Peng et al 2002 Milner et al 2003, Robinson and Ek 2003, Seidl et al 2005, Canham et al 2006.…”