Objectif du chapitre

Pour Mason et Dzierzon (2006), les modèles de croissance et de rendement sont très vagues sur les processus de développement dans le temps et sont principalement utilisés pour la prise de décision et la planification sylvicoles. En effet, les gestionnaires de plantations forestières voient souvent le monde différemment des scientifiques qui étudient la gestion de la végétation, et cette différence se reflète dans les types de modèles que chacun préfère. Les gestionnaires de plantations forestières, bien que souvent très intéressés par les systèmes écologiques, sont souvent tenus de gérer des budgets et les investissements, tandis que les scientifiques sont généralement motivés par de nouvelles découvertes sur le comportement des plantes.

Pour Weiskittel et al. (2011), la pratique de la foresterie est principalement centrée sur la sélection et l'application du meilleur ensemble de traitements sylvicoles nécessaires pour atteindre les objectifs du propriétaire foncier et de la société. Par conséquent, l'une des principales utilisations des modèles de croissance et de rendement des forêts consiste à projeter les conséquences à long terme de ces diverses décisions sylvicoles au niveau des peuplements, particulièrement s’il s’agit de plantation (Mason et Dzierzon 2006). Il s'agit d'une utilisation importante des modèles car l'installation et la maintenance des essais sur le terrain à long terme sont coûteuses et prennent du temps. De plus, toutes les combinaisons de traitements ne peuvent pas être reproduites à travers le paysage. La recherche d'un système sylvicole optimal dépend donc souvent des projections obtenues à partir d'un modèle de croissance. Les entreprises de produits forestiers peuvent prendre des décisions financières importantes sur la base des résultats d'un modèle de croissance unique (Weiskittel et al. 2011).

Nos objectifs pour ce chapitre sont donc de plusieurs natures. Dans un premier temps, nous devrons solliciter nos partenaires pour collecter et assembler des données de croissance juvéniles qui renseignent différents parcours sylvicoles et dont la densité de plantation est faible pour pouvoir s’affranchir de la compétition intraspécifique. La base de données assemblée, les analyses effectuées dans un second temps devront permettre de tester les hypothèses suivantes :

2. Existe-t-il des préparations de site plus performantes que d’autres en termes de croissance des semis ?

3. Pour une même préparation de site, la réponse de croissance des semis est-elle espèce – dépendante ?

La croissance des arbres peut être définie comme l'augmentation des dimensions d'un arbre individuel au fil du temps (Weiskittel et al. 2011). Les dimensions les plus couramment mesurées sont la hauteur et le diamètre, car ce sont des mesures pratiques qui sont fortement corrélées avec le volume et la biomasse du bois (Bowman et al. 2013). Les modèles de croissance au cours de la durée de vie d'un arbre varient en fonction de la dimension mesurée. Alors que les schémas de croissance varient selon les espèces d'arbres et les conditions de croissance (Hérault et al. 2011), en général, la hauteur augmente rapidement quand un arbre est jeune, mais tend à se stabiliser lorsqu'un arbre atteint la maturité et l'augmentation de la hauteur peut approcher zéro. Le diamètre de la tige augmente relativement régulièrement au cours de la durée de vie d'un arbre (Hann et Larsen 1991; Hérault et al. 2011; Weiskittel et al. 2011). Dans le cadre de la modélisation juvénile, des équations exponentielles distinctes ont été ajustées pour différentes combinaisons d'espèces, de type de stock et de stockage (Mason 2001). Pour intégrer la préparation de site au modèle, il faut considérer que les réponses des peuplements au traitement produisent à la fois un effet direct et un effet indirect (Miller et Tarrant 1983; Auchmoody 1985). Ici, l’effet direct sera défini comme la différence entre l’accroissement entre une parcelle traitée et une parcelle non traitée qui possède des attributs structurels d’arbre et / ou de parcelle identiques. Trouver des parcelles non traitées ou des arbres avec des attributs structurels identiques peut être un défi (Duzan et al. 1982), et les différences entre les attributs structurels des parcelles non traitées et traitées peuvent masquer les effets d'un traitement (Wells et al. 1976).

Trois approches sont couramment utilisées pour représenter les traitements sylvicoles dans les modèles de peuplements (Weiskittel et al. 2011) :

2. Ajuster une équation unique qui incorpore des variables prédictives pour le traitement aux ensembles des données qu’il s’agisse de parcelle traitée ou non ;

3. Ajuster une équation avec un modificateur de traitement qui est soit un multiplicateur soit un additif d’une équation non traitée développée séparément.

Les trois méthodes ont utilisé soit des techniques de régression linéaire appliquées à une linéarisation log – log de la forme de modèle non linéaire sous-jacente, soit des techniques de régression non linéaire, pour estimer les paramètres des équations (Weiskittel et al. 2011).

Pour Weiskittel et al. (2011), ce qui caractérise la seconde approche, c’est de pouvoir être exécutée d'une manière qui confond non seulement les effets directs et indirects des traitements, mais aussi la réponse au traitement et la réponse non traitée, de sorte que la séparation des divers éléments de la réponse devient impossible. Les auteurs attirent toutefois l’attention sur le fait que la seconde approche peut également produire une composante de l'équation qui sert de modificateur de traitement multiplicatif ou additif. Si tel est le cas, la deuxième méthode estime simultanément les paramètres à la fois pour la partie arbre / peuplement non traitée de l'équation et pour le modificateur de traitement.

Par ailleurs, des problèmes dans la matrice de corrélation des variables prédictives se répercutent également sur les modèles non linéaires (Seber et Wild 2003), et une mauvaise spécification des formes de modèles non linéaires peut également conduire à des prédictions biaisées et incohérentes (Kmenta 1997; Ritz et Streibig 2008). Par conséquent, l'estimation simultanée des paramètres à la fois d'une équation non traitée et d'un modificateur de traitement peut être considérée comme réussie si elle conduit à une équation qui partitionne avec précision la réponse globale de l'attribut dans la partie à la fois due et non due au traitement. Une partition réussie se traduira par un modificateur qui caractérise l'effet direct du traitement (Weiskittel et al. 2011).