Abstract Carbon assimilation and wood production are influenced by environmental conditions and endogenous factors, such as species auto-ecology, age, and hierarchical position within the forest structure. Disentangling the intricate relationships between those factors is more pressing than ever due to climate change’s pressure. We employed the 3D-CMCC-FEM model to simulate undisturbed forests of different ages under four climate change scenarios (plus one no climate change) from five Earth System Models. In this context, carbon stocks and increment were simulated via total car-bon woody stocks and mean annual increment, which depends mainly on climate trends. We find greater differences among different age cohorts under the same scenario than in different climate scenarios under the same age class. Increasing temperature and changes in precipitation patterns led to a decline in above-ground biomass in spruce stands, espe-cially in the older age classes. On the contrary, the results show that beech forests at DK-Sor will maintain and even increase C-storage rates under most RCP scenarios. Scots pine forests show an intermediate behavior with a stable stock capacity over time and in different scenarios but with decreasing mean volume annual increment. These results confirm current observations worldwide that indicate a stronger climate-related decline in conifers forests than in broadleaves.

Spatial information on forest composition is invaluable for achieving scientific, ecological, and management objectives and for monitoring multiple changes in forest ecosystems. The increased flow of optical satellite data provides new opportunities to improve tree species mapping. However, the accuracy of such maps is affected by training data, and in particular on the homogeneity of individual classes. Thus, we evaluated the effect of data homogeneity in tree species classification. We performed tree species classification by considering different ways to partition data into tree species classes. The class sets considered were (i) only mixed coniferous and mixed deciduous forest classes, (ii) single-species classes, (iii) single-species, mixed coniferous and mixed deciduous classes, and (iv) single-species, mixed coniferous and mixed deciduous classes and a true mixed class. Using data from the Swedish National Forest Inventory, we varied the threshold that defined dominating species. Tree species were classified for a study area in central Sweden using Sentinel-2 data and two classification approaches: Bayesian inference and random forest (RF). Images were selected by class separability and the most informative images based on variable selection with RF. The most informative images tended to be selected by both methods. However, in forests with tree species of similar spectral behaviour, image selection on the basis of class separability was found to be more reliable. More accurate classification results were achieved as the number of classes decreased and the threshold of plot purity increased. The Bayesian classification approach of only mixed coniferous and mixed deciduous classes gave the highest OA, always greater than 90%. When discriminating between pure plots of Birch (Betula spp.), Spruce (Picea abies), Scots pine (Pinus sylvestris) and Lodgepole pine (Pinus contorta), the best OA values were 84% for Bayesian and 80% for RF. In more complicated scenarios, RF resulted in higher overall accuracies (OA).

In European mountains most beech forest areas have been managed for timber production. This practice has reduced the availability of biomass for the whole forest-dwelling species assemblage and of deadwood for the saproxylic community. Despite most of Italy’s beech stands having a long history of management, its effects on forest species remain poorly understood. To address this gap, we studied beetle abundance and diversity in five beech-dominated forests with increasing management intensity in central Italy’s Apennines (Tuscany). We assessed if forests with similar management intensity exhibited comparable patterns in beetle diversity, abundance, and commonness versus rarity. Three forests were managed with even-aged shelterwood; one was managed with continuous cover forestry; and one was old-growth. We found 25 beetle families and 195 species across all sites with similar total abundance and richness. However, the representation of the most abundant families varied among sampling sites (ANOVA test: always significant for the total abundance of the most abundant families: F ≥ 2.77, d.f. = 4, p ≤ 0.038). The old-growth forest harbored more threatened species than managed sites. Saproxylic assemblages were similar between the recently cut site and the old-growth forest, and between shelterwood and continuous cover sites. While the similarity gradient among the whole species assemblages reflected geographical proximity, the similarity gradient among saproxylic assemblages reflected the successional proximity among forest management systems. Our research underscores the effects of management on beetle diversity, offering insights for sustainable forestry.

Carbon assimilation and wood production are influenced by environmental conditions and endogenous factors, such as species auto-ecology, age, and hierarchical position within the forest structure. Disentangling the intricate relationships between those factors is more pressing than ever due to climate change’s pressure. We employed the 3D-CMCC-FEM model to simulate undisturbed forests of different ages under four climate change (plus one no climate change) Representative Concentration Pathways (RCP) scenarios from five Earth system models. In this context, carbon stocks and increment were simulated via total carbon woody stocks and mean annual increment, which depends mainly on climate trends. We find greater differences among different age cohorts under the same scenario than among different climate scenarios under the same age class. Increasing temperature and changes in precipitation patterns led to a decline in above-ground biomass in spruce stands, especially in the older age classes. On the contrary, the results show that beech forests will maintain and even increase C-storage rates under most RCP scenarios. Scots pine forests show an intermediate behavior with a stable stock capacity over time and in different scenarios but with decreasing mean volume annual increment. These results confirm current observations worldwide that indicate a stronger climate-related decline in conifers forests than in broadleaves.