Resumen

La detección de puntos calientes ha sido ampliamente adoptada en ciencias de la salud para la vigilancia de enfermedades, pero rara vez en disciplinas relacionadas con los recursos naturales. En este trabajo, se evaluaron dos estadísticos de escaneo espacial (SaTScan y ClusterSeer) y un método no espacial de clasificación y árboles de regresión como técnicas para identificar puntos calientes de regeneración de roble castaño (Quercus Montana) entre 50 rodales de roble mixto en la región central de los Apalaches del este de Estados Unidos. Los puntos críticos definidos por los tres métodos tuvieron un nivel moderado de conformidad y revelaron una afinidad similar con el lugar de regeneración del roble castaño. Los puntos calientes de regeneración del roble castaño se asociaron positivamente con la abundancia de robles castaños en el sotobosque y con una cobertura moderada de especies de brezo (Vaccinium y Gaylussacia spp.), pero se asociaron negativamente con la abundancia de helecho oloroso (Dennstaedtia punctilobula) y laurel de montaña (Kalmia latiforia). En general, la detección de puntos calientes es una herramienta viable para ayudar a los gestores de recursos naturales a identificar zonas con una regeneración arbórea significativamente alta o baja.

• Materias:Silvicultura Incendios forestales Ecosistema forestal Ingeniería forestal Secuestro de carbono
• Subjects:Silviculture Forest Fires Forest ecosystem Forestry engineering Carbon sequestration
• Palabras claves:Puntos calientes de regeneración del roble castaño, afinidad de sitios similares de regeneración del roble castaño, región central de los Apalaches, robles castaños, este de Estados Unidos, baja regeneración de árboles, disciplinas de recursos naturales, gestores de recursos naturales, método de árboles de regresión, estadística de barrido espacial.
• Keywords:Chestnut oak regeneration hotspots, similar chestnut oak regeneration site affinity, central Appalachian region, chestnut oak trees, eastern United States, low tree regeneration, natural resource disciplines, natural resource managers, regression trees method, spatial scan statistics