Potentiel de création de valeur des plans stratégiques d'aménagement forestier : une étude de cas dans la forêt mixte québécoise

Potentiel de création de valeur des plans stratégiques

d’aménagement forestier

Une étude de cas dans la forêt mixte québécoise

Mémoire

Pierre Cantegril

Maîtrise en sciences forestières

Maître ès sciences (M.Sc.)

Québec, Canada

© Pierre Cantegril, 2018

Potentiel de création de valeur des plans stratégiques

d’aménagement forestier

Une étude de cas dans la forêt mixte québécoise

Mémoire

Pierre Cantegril

Sous la direction de :

Luc Lebel, directeur de recherche

Frédéric Raulier, codirecteur de recherche

Résumé

Pour être fiables au niveau opérationnel, les plans stratégiques d'aménagement forestier doivent inclure des indicateurs de performance financière. Autrement, récolter l’entièreté ou une partie de la possibilité forestière (PF) aboutit à un approvisionnement en bois d’une valeur inconnue pour l’industrie. Nous proposons une méthodologie afin de désagréger les volumes par groupe d’essences de la PF, d’y insérer des indicateurs de performance financière et d’estimer le potentiel de création de valeur de la PF au moyen d’un modèle d’optimisation tout en simulant différentes configurations du réseau d’usine et différents prix des produits forestiers vendus. Cette méthodologie nous permet de lier la solution optimale d’un modèle d’approvisionnement en bois à long terme avec la capacité de transformation du réseau d’usines de premières transformations et d’estimer les actions de récolte qui génèrent un flux financier positif. L’incertitude liée à l’évolution du prix des produits forestiers est prise en compte puisqu’il s’agit du facteur le plus imprévisible dans la chaîne de valeur. Les variations de prix ont été modélisées grâce au processus géométrique d’Ornstein-Ulhenbeck. Nous appliquons notre méthodologie dans une unité d’aménagement comportant une majorité de peuplements forestiers mixtes au Québec, Canada. Les résultats démontrent que la faible demande pour le feuillu de faible qualité est un frein important à la réalisation du potentiel de création de valeur. Dans la majorité des cas, récolter l’entièreté de la PF conduit à un profit estimé non maximal. De ce fait, nous simulons l’implémentation d’une usine de granule transformant le feuillu de faible qualité. Les résultats montrent une amélioration du potentiel de création de valeur et démontrent l’utilité de la notion de potentiel de création de valeur lors de la planification stratégique en foresterie.

Table des matières

Résumé ... iii

Table des matières ... iv

Liste des tableaux ... v

Liste des figures ... vi

Liste des abréviations ... vii

Remerciement ... viii Avant-propos... ix Chapitre 1 : Introduction ... 1 1.1 Contexte ... 1 1.2 Problématique ... 2 1.3 Objectifs de recherche ... 5

Chapitre 2 : Revue de littérature ... 6

2.1 Le processus de planification forestière au Québec ... 6

2.2 Le calcul de la possibilité forestière ... 8

2.3 La Chaîne de valeur forestière et son optimisation ... 11

2.4 Constat ... 13

Chapitre 3 : Méthodologie ... 15

3.1 Phase 1 étape 1 ... 16

3.2 Phase 1 étape 2 ... 18

3.3 Phase 2 ... 19

Chapitre 4 : Potentiel de création de valeur d’un plan stratégique d’aménagement forestier dans la forêt mixte de l’est du Canada ... 21

4.1 Résumé ... 22

4.2 Abstract ... 22

4.3 Introduction ... 23

4.4 Methodology ... 26

4.4.1 Compiling financial revenue and cost data for harvest nodes ... 27

4.4.2 Simulating commodity prices for processor nodes ... 28

4.4.3 Network flow optimization model ... 29

4.4.4 Data set and case study description... 32

4.4.5 Experimental design ... 34

4.5 Results and discussion ... 37

4.6 Conclusion ... 45

Chapitre 5 : Conclusion et recherches futures ... 46

Bibliographie ... 49

Liste des tableaux

Table 4.1 Estimate of Ornstein-Uhlenbeck parameters and residual standard deviations ... 29

Table 4.2 Wood pellet transportation and transformation costs (adapted from Barrette et al. (2017) and Boukherroub et al. (2017a)) ... 34

Table 4.3 Pellet mill parameters for scenarios 2 and 3 ... 36

Table 4.4 Objective function and constraints used for each scenario ... 36

Table 4.5 Comparison of supply costs ... 37

Table 4.6 Value-creation potential and harvested volume for each scenario. ... 43

Table 4.7 Investments and ROCE for scenarios with the implementation of a pellet mill. Median VCP and paid stumpage are given for the entire FMU for all commodities. ... 44

Liste des figures

Figure 2.1 La planification hiérarchique au Québec ... 7

Figure 2.2 Proportion de la possibilité forestière des forêts publiques récoltée par année par groupe d’essence au Canada (Source : Conseil canadien des ministres des forêts (2018) ... 10

Figure 2.3 Chaîne de valeur forestière (tiré de D’Amours et al. 2009) ... 11

Figure 3.1 Schéma de la méthodologie générale et des modifications apportées (adapté et traduit de Paradis et al (2018b)) ... 16

Figure 4.1 Overview of the entire VCP methodology and its connections with exogenous information ... 27

Figure 4.2 Schematic representation of the network flow model ... 30

Figure 4.3 Map showing the location of FMU 064-51 in Quebec, Canada. ... 33

Figure 4.4 Value-creation potential and harvested volume for scenarios 1.1 and 1.2 ... 39

Figure 4.5 Proportion of scheduled area harvested in scenario 2 for hardwood and softwood species ... 41

Liste des abréviations

Français Anglais Définition du terme

BFEC - Bureau du forestier en chef CPF - Calcul des possibilités forestières

GA - Garantie d'approvisionnement

MFFP - Ministère des Forêts, de la Faune et des Parcs PAFI-O - Plan d'aménagement forestier intégré opérationnel PAFI-T - Plan d'aménagement forestier intégré tactique PCV VCP Potentiel de création de valeur

PF AAC Possibilité forestière (annuelle)

RADF - Règlement sur l’aménagement durable des forêts du domaine de l’État SADF - Stratégie d'aménagement durable des forêts

UA FMU Unité d'aménagement (forestier)

VNR - Volumes non récoltés

Remerciement

Je tiens tout d’abord à remercier mon directeur, M. Luc LeBel, ainsi que mon codirecteur, M. Frédéric Raulier pour leur soutien qu’ils m’ont accordé tout au long du projet. L’atteinte des objectifs n’aurait pas été possible sans la confiance et la latitude qui m’ont été accordées.

Je remercie le consortium de recherche FORAC et son personnel pour sa collaboration lors de mon projet. Je tiens à souligner le soutien financier accordé par le Conseil de recherche en sciences naturelles et en génie du Canada (CRSNG), [RDCPJ-437433-12].

Je remercie aussi le ministère des Forêts, de la Faune et des Parcs et le Bureau du forestier en chef, et plus précisément Alexis Leroux et Guillaume Cyr, qui ont pu m’apporter l’information nécessaire sur les bases de données gouvernementales me permettant de mener à bien ce projet.

Je remercie également les membres du bureau d’opérations forestières, à savoir Étienne et Étienne, Maryse, Marta et Shuva pour la très bonne ambiance de travail présente au sein du bureau.

Enfin, je tiens à remercier ma famille et ma conjointe, Pauline, pour leur soutien et leur appui à travers cette épopée.

Avant-propos

Ce mémoire est présenté dans le but de remplir les exigences pour l’obtention du diplôme de maîtrise en sciences forestières - avec mémoire (M. Sc.) de l’Université Laval. Le travail présenté a été dirigé par le professeur Luc LeBel et codirigé par le professeur Frédéric Raulier.

Ce mémoire intègre un article scientifique soumis dans le journal Applied Energy le 2 août 2018. Nommé Bioenergy production to improve value-creation potential of strategic forest management plans

in mixed-wood forests of eastern Canada, cet article a pour coauteurs Gregory Paradis, Luc LeBel et

Frédéric Raulier. Étant auteur principal, ma contribution inclut la définition du problème, la revue de littérature, le design expérimental, la formulation des modèles mathématiques, l’expérimentation, l’analyse des résultats et la rédaction de l’article. Les coauteurs ont contribué aux thèmes suivants : la définition du problème, le design expérimental, la formulation des modèles mathématiques et la correction de la rédaction de l’article. Le texte inséré dans ce mémoire est quasiment identique à celui de l’article. Certaines parties ont été modifiées ou supprimées afin d’éviter la redondance de certains propos. Les figures et tableaux ont été renumérotés et adaptés pour ce mémoire. Le format des citations bibliographiques a été modifié dans un souci d’uniformisation avec le présent mémoire. Les citations bibliographiques exclusives au chapitre 4 et apparaissant en anglais n’ont pas été traduites en français dans la bibliographie, afin d’en faciliter la recherche.

Chapitre 1 : Introduction

1.1 Contexte

Au Québec, la forêt productive couvre plus de 423 000 km² dont 83,3 % sont sous l’autorité du gouvernement québécois (Ministère des Forêts, de la Faune et des Parcs 2016a). Le gouvernement à travers le ministère des Forêts, de la Faune et des Parcs (MFFP) a donc une grande responsabilité quant à l’aménagement du territoire forestier, qui se doit d’être durable au Québec. Le critère de durabilité utilisé est celui employé par le Conseil canadien des ministres des forêts. Pour ce faire, l’aménagement doit « maintenir ou améliorer la santé à long terme des écosystèmes forestiers, afin d’offrir aux générations d’aujourd’hui et de demain les avantages environnementaux, économiques et sociaux que procurent ces écosystèmes » (Ministère des Forêts de la Faune et des Parcs 2016b). La

Loi sur l’aménagement durable du territoire forestier traduit la volonté du gouvernement de mettre en

avant ces avantages. Les modèles et outils utilisés pour guider la valorisation des ressources ligneuses devraient donc aider à prendre des décisions éclairées permettant de maximiser la valeur des produits créés en fonction de la demande des marchés. Une telle approche n’est pas nécessairement équivalente à la maximisation des volumes de bois récoltés qui pourtant est un objectif récurrent en aménagement forestier. Au Canada, le processus d’aménagement forestier est dit hiérarchique : une planification stratégique est produite à grande échelle avec des données agrégées, les résultats sont utilisés comme intrants pour la planification tactique qui se fait à plus petite échelle avec des données plus précises. Pour finir, les résultats de la planification tactique sont utilisés dans la planification opérationnelle qui se fait à l’échelle du chantier de récolte avec des données précises.

Ce projet s’inscrit dans les initiatives de recherche du consortium FORAC, un partenariat entre les intervenants de l’industrie des produits forestiers. Les trois grands thèmes de recherche du consortium FORAC sont la conception et gestion des réseaux de création de valeur, le pilotage agile des centres de transformation de la fibre et le système d’approvisionnement de la forêt aux usines. Ce travail fait partie de ce dernier thème de recherche en s’intéressant à la planification intégrée et collaborative des approvisionnements forestiers et aux mesures permettant d’augmenter le potentiel de création de valeur pour l’ensemble du réseau. Paradis et al. (2013, 2017) ont démontré que l’aménagement forestier hiérarchique pouvait présenter des lacunes, notamment dans la prévision des volumes réellement récoltés par le réseau de création de valeur. En effet, les résultats montrent que les volumes

récoltés sont systématiquement inférieurs aux volumes planifiés, remettant en cause l’état de la forêt projetée lors de la planification stratégique. Le projet de recherche présenté dans ce mémoire s’établit dans une démarche de renforcement des liens entre les niveaux de planification stratégique et opérationnelle de l’aménagement forestier québécois actuel.

Ce mémoire est constitué de cinq chapitres. Le premier chapitre présente la description de la problématique actuelle et les objectifs de recherche. Le chapitre deux est constitué d’une revue de littérature qui porte sur la planification stratégique et l’optimisation de la chaîne de valeur forestière. Le chapitre trois présente une méthodologie précédemment développée ainsi que les modifications qui y ont été faites afin de la valider et de l’adapter pour ce mémoire de recherche. Le chapitre quatre, en anglais, estime le potentiel de création de valeur du calcul de possibilité forestière pour une unité d’aménagement et présente l’impact de la variation des prix sur ce potentiel. Nous concluons ce chapitre en présentant l’impact de l’implémentation d’une usine de granule feuillu dans notre étude de cas et montrons comment la méthodologie proposée pourrait être réutilisée par les responsables chargés de la planification. Une conclusion générale est présentée dans le chapitre cinq.

1.2 Problématique

La grande majorité de la forêt canadienne est publique (94% selon Ressources naturelles Canada (2017). Les organismes gouvernementaux doivent donc s’assurer de la bonne gestion des forêts. L’approvisionnement en bois à partir des forêts publiques dans les différentes provinces canadiennes a été résumé par le Conseil canadien des ministres des forêts (2005). Il en ressort que la première étape de planification de l’approvisionnement en bois consiste, souvent par des agences gouvernementales, à élaborer des modèles aspatiaux permettant de quantifier les impacts des stratégies d’aménagement retenues sur les objectifs environnementaux et sociaux tout en maximisant le volume de bois récolté. Les responsables de la planification tactique et opérationnelle ont ensuite la charge de produire des plans de récolte prenant en compte la chaîne de valeur tout en essayant d’égaler les niveaux de récolte produits par le gouvernement. Gunn (2009) en tire la conclusion que les approches de planification stratégique ont souvent ignoré les interactions avec la chaîne d’approvisionnement au Canada. Ceci est particulièrement vrai au Québec. En effet, lors des déterminations des possibilités forestières l’objectif principal est la maximisation des volumes de bois récoltés. Ignorer explicitement l’aspect économique de la chaîne d’approvisionnement suppose que tous les mètres cubes de bois arrivant à la fin de la chaîne d’approvisionnement produiront le même

bénéfice (Gunn 2009). Or, la chaîne d’approvisionnement dans l’industrie forestière est complexe et mène à des coûts et des revenus pouvant varier en fonction de la méthode de récolte utilisée (Martin et al. 2016), de la localisation des chantiers et des usines de transformation (Forsberg et al. 2005), ainsi que de la nature des produits transformés. La rentabilité de l’industrie forestière dépend de l’ensemble de ces paramètres. Pour être durable, la planification forestière doit proposer un aménagement forestier qui assure la rentabilité de la chaîne de valeur forestière.

Au Québec, Paradis et al. (2013) ont démontré par une étude de cas dans l’unité d’aménagement (UA) 031-53 (situé dans la région de la Capitale-Nationale) que l’absence de lien entre la planification stratégique (long terme) et la planification opérationnelle (court terme) pouvait mener à deux incohérences majeures. En effet, les volumes de bois livrés aux usines (totaux et par essence) sont presque systématiquement inférieurs aux volumes planifiés. Ces volumes diffèrent entre les plans des différents niveaux hiérarchiques. Les résultats ont mis en évidence un possible effet de dérive systématique non pris en compte par le modèle d’optimisation à long terme à cause du manque de mécanismes reliant la planification à long et à court terme (Paradis et al. 2013). Plus l’horizon de planification est étendu, plus les dérives systématiques s’accumulent, entraînant un biais de plus en plus important entre la trajectoire projetée et la trajectoire réelle (du volume récolté et/ou livré aux usines). Ainsi, les modèles à long terme surestiment le volume de bois récolté par rapport aux plans à court terme. Ces incohérences pourraient compromettre la performance du processus de planification si elles ne sont pas prises en compte. Paradis et al. (2013) ont démontré que de simples liens entre les modèles à long et court terme inhibent les dérives systématiques observées. Un de ces liens est l’ajout de la demande des usines dans le modèle à long terme sous forme de contraintes. De ce fait, le modèle à long terme serait dans l’incapacité de planifier la récolte de volume de bois qui ne serait pas transformé par la chaîne de valeur.

Actuellement, une incohérence du calcul des possibilités forestières (CPF) au Québec est la présence de volumes non récoltés (VNR). Les VNR sont des volumes planifiés dans le CPF, mais qui n’ont pas été récoltés. Le calendrier de récolte produit par le CPF permet de remplir tous les objectifs d’aménagement forestier utilisés dans la modélisation (structure, composition et configuration des écosystèmes forestiers, préoccupations fauniques, productivité des forêts, protection des sols et de l’eau, aspects socio-économiques). Or, le CPF repose sur plusieurs hypothèses dont celle précisant que tous les volumes planifiés seront récoltés. En ne respectant pas le calendrier de récolte produit

par le CPF, certains objectifs d’aménagement pourraient ne pas être atteints à moyen et long terme. Par exemple, une fois l’âge d’exploitabilité absolu d’un peuplement atteint, la productivité de ce dernier diminue (Raulier et al. 2009). Les VNR pourraient donc diminuer la productivité de certains peuplements forestiers et pourraient affecter le volume récoltable dans les prochaines périodes de planification. D’autres objectifs d’aménagement pourraient être affectés par les VNR. La limitation de l’enfeuillement dans les forêts résineuses ou la diminution de la rentabilité des activités de récolte à long terme en sont des exemples. Durant la période de planification 2008-2013, seuls 55,2% de la possibilité forestière (66,9% pour le SEPM et 19,8% pour les autres essences) a été récolté sur l’ensemble de la période (Bureau du forestier en chef 2015). Bien que ces volumes soient rendus de nouveau disponibles pour les prochaines périodes de calculs de la possibilité forestière, il n’en reste pas moins que les prévisions à long terme lors d’un calcul des possibilités forestières se fondent alors sur des hypothèses erronées.

La question de la rentabilité de l’approvisionnement du bois n’est pas unique en Amérique du Nord et d’autres pays s’y sont intéressés. Le projet « WOODVALUE » a eu lieu en Finlande entre 2006 et 2011. Ce projet a été mené par The Finnish Forest Research Institute et financé par de nombreux pays européens (France, Allemagne, Danemark, Norvège, Suède, Finlande, Royaume-Uni). Le projet a permis de développer une méthodologie permettant de définir, mesurer et évaluer l’efficacité et la profitabilité des chaînes d’approvisionnement en bois, allant des arbres sur pied jusqu’aux produits finaux manufacturés. Une étude de cas en Suède a démontré qu’il existait un grand potentiel à améliorer la chaîne d’approvisionnement en bois en y intégrant les coûts et revenus à chaque étape (Uusitalo et al. 2011). En Suisse, l’Institut de recherche sur la forêt, la neige et le paysage a développé un logiciel dédié à la mise en valeur à long terme des forêts. Prenant en compte les coûts d’abattage et de transports, l’évolution de la forêt à travers le temps et l’évolution du prix du bois, ce logiciel permet de produire des cartes dynamiques du bois énergie. Ces cartes présentent quand, où et combien de bois pourra être récolté en présentant les coûts et revenus associés à l’exploitation tout en prenant en compte des risques écologiques comme la perte d’éléments nutritifs des sols (Bernhart et Meyer 2007). Cependant, intégrer la chaîne de valeur au calcul de possibilité forestière ou même calculer la valeur financière du résultat du calcul de possibilité n’est pas chose aisée. La chaîne de valeur en foresterie est complexe et attribuer une valeur financière à des volumes de bois doit se faire en plusieurs étapes. Il est nécessaire de transposer les volumes récoltés en produits ayant une valeur définie et il faut mettre

ces derniers en relation avec les besoins du réseau de création de valeur. Omettre cette étape conduit à s’exposer à des écarts non prédits par les plans d’aménagement au niveau des volumes récoltés et des volumes livrés aux usines de transformation.

Ce travail présente une façon de calculer le potentiel de création de valeur (PCV) associé au calcul de possibilité forestière d’une région donnée, d’analyser le PCV et de proposer des solutions afin de l’augmenter. Le PCV pour un volume de bois est le montant financier maximum qu’il est possible de produire grâce à la vente des produits générés pour l’industrie forestière en y soustrayant les coûts de récolte, de transport et de transformation liés à la chaîne d’approvisionnement.

1.3 Objectifs de recherche

Lors de la planification hiérarchique au Québec, les liens entre les niveaux stratégique et opérationnel sont peu présents et conduisent à des dérives entre les volumes planifiés et récoltés. L’objectif général de ce projet de recherche est de proposer des solutions visant à augmenter le potentiel de création de valeur de l’aménagement forestier dans une UA du Québec, en tenant compte de l’incertitude liée aux marchés financiers et de diminuer les écarts entre les volumes planifiés et récoltés. Les objectifs spécifiques de ce mémoire sont :

1. Présenter l’amélioration d’une méthodologie servant à calculer le potentiel de création de valeur du CPF pour une UA au Québec.

2. Quantifier l’impact de l’incertitude des marchés financiers sur le potentiel de création de valeur du CPF.

2.1. Simuler l’évolution des prix des produits forestiers et la variabilité qui peut y être associée 2.2. Intégrer cette information dans la méthode de calcul du potentiel de création de valeur 3. Identifier des mesures permettant d’augmenter le potentiel de création de valeur pour l’UA ciblée. 4. Identifier des mesures permettant de diminuer les écarts entre les volumes planifiés et récoltés

Chapitre 2 : Revue de littérature

2.1 Le processus de planification forestière au Québec

Au Québec, le processus de planification forestière est dit hiérarchique (communément appelé

hierarchical forest management en anglais). La séquence des opérations de planification est

représentée dans la Figure 2.1. En premier lieu, des plans stratégiques sont produits. Ces plans ont pour but de définir des objectifs d’aménagement à l’échelle de chaque forêt, de faire des prévisions écologiques, économiques et sociales de l’aménagement forestier, ainsi que d’examiner les impacts et conséquences à long terme de la stratégie d’aménagement employée (Bettinger et al. 2009). Au Québec, ces plans ont une portée spatio-temporelle très large, puisqu’ils se font sur un horizon atteignant jusqu’à 150 ans et concernent l’ensemble des unités d’aménagement. Cette étape comporte l’élaboration de plusieurs plans par le MFFP, tels que la Stratégie d’aménagement durable des forêts (SADF) qui établit les orientations et objectifs nationaux ou le règlement sur l’aménagement durable des forêts du domaine de l’État (RADF) qui énonce les normes minimales d’aménagement à appliquer pour toute la province. La phase stratégique comporte aussi la détermination de la possibilité forestière pour chaque UA de la province.

Une fois les cibles du niveau stratégique établies, un plan tactique par UA est conçu. Nommé Plan d’aménagement forestier intégré tactique (PAFI-T), ce document décrit la stratégie retenue pour assurer le respect des possibilités forestières dans les cinq prochaines années tout en respectant les enjeux propres à l’UA (Ministère des Forêts de la Faune et des Parcs 2016c). Pour ce faire, les écarts entre la forêt actuelle et le portrait de la forêt naturelle sont observés et les tables locales de gestion intégrée des ressources et du territoire (GIRT) de l’UA sont consultées et participent activement au processus de planification forestière. Les tables GIRT sont un regroupement de personnes établissant une liste des préoccupations sociales, économiques et écologiques pour une région. Dans les régions concernées par une entente de récolte, le MFFP consulte aussi les tables opérationnelles, qui regroupent les bénéficiaires des garanties d’approvisionnements (GA) désignés et les titulaires de permis pour la récolte de bois aux fins de l’approvisionnement d’une usine de transformation du bois.

Figure 2.1 La planification hiérarchique au Québec (adapté de Bettinger et al. (2009) pour le Québec)

Le premier plan opérationnel est nommé le plan d’aménagement forestier intégré opérationnel (PAFI-O). Ce plan prend la forme d’une carte de l’UA où sont localisées spatialement des zones d’interventions potentielles pour les quinze prochaines années. À l’intérieur de ces zones, des secteurs d’interventions potentielles sont identifiés pour les trois prochaines années. Le dernier plan produit par le MFFP est la programmation annuelle de récolte (PRAN). Tout comme les PAFI-T et PAFI-O, une PRAN est produite pour chacune des UA du Québec.

La PRAN est constituée d’une sélection de secteurs d’intervention provenant du PAFI-O. Les secteurs d’intervention sont des superficies d’un seul tenant traitées avec un même traitement sylvicole. Le tracé des futurs chemins et des chemins à améliorer y est indiqué. L’année de planification couverte par la PRAN commence en avril, mois durant lequel la programmation est fournie aux bénéficiaires des GA. La PRAN comporte également un calendrier approximatif de récolte. C’est aux bénéficiaires de GA qu’incombe la planification des opérations de récolte, de transport et de transformation du bois, c’est-à-dire la gestion de la chaîne de valeur.

Bien que chaque étape reprenne les résultats des étapes précédentes, aucun lien direct ni rétroactif n’est fait entre la planification stratégique (calcul de la possibilité forestière) et la chaîne de valeur

forestière. Intégrer dans sa totalité la chaîne de valeur au CPF n’est pas chose aisée. Cependant, calculer le PCV pour les strates forestières du CPF et intégrer la capacité de production maximale des usines de transformations comme contraintes permettraient l’ajout de liens entre les différents niveaux de planification forestière.

2.2 Le calcul de la possibilité forestière

L’objectif de cette section n’est pas d’expliquer en détail le CPF d’autant plus qu’un manuel de plus de 250 pages dédié à ce sujet est disponible (Bureau du forestier en chef 2013). L’objectif visé est d’expliquer le fonctionnement du CPF et d’en synthétiser la problématique liée à la chaîne de valeur. Au Québec, la première étape de la planification forestière consiste à faire l’analyse du territoire. Les trois prochaines étapes, à savoir l’élaboration de la stratégie d’aménagement, le calcul des possibilités forestières et la détermination des possibilités forestières, sont sous la responsabilité du Bureau du forestier en chef (BFEC), mais ces étapes sont effectuées avec la participation des parties intéressées. Le BFEC effectue ces trois étapes pour chaque UA au Québec et définit la possibilité forestière comme étant le volume annuel maximum de bois qu’il est possible de récolter à perpétuité, sans détériorer la productivité du milieu forestier, tout en prenant en considération les objectifs d’aménagement durable des forêts (Bureau du forestier en chef 2018a).

Le CPF doit tenir compte des orientations et objectifs à long terme, notamment de la SADF, du RADF et des objectifs régionaux (Bureau du forestier en chef 2013). Il a pour but de modéliser à grande échelle et à long terme (150 ans) l’évolution de la forêt soumise aux objectifs d’aménagements retenus. Le CPF est effectué en plusieurs étapes qui visent à regrouper et organiser l’information forestière dans une couche de carte (appelé CFET-BFEC pour combiné forestier, écologique et territorial du Bureau du forestier en chef), à créer, regrouper et prévoir l’évolution des strates d’aménagement (courbes d’évolution), à établir les stratégies sylvicoles applicables aux strates et à élaborer des variables de suivi.

À la suite de ces étapes vient l’optimisation du modèle. Le BFEC utilise un logiciel commercial appelé Woodstock, utilisant l’optimisation linéaire afin de générer une solution optimale globale (volume maximum récoltable). Les intrants du modèle Woodstock sont composés des strates forestières (provenant dans la carte précédemment compilée), des courbes d’évolution et des effets des traitements sylvicoles. Les strates forestières sont les unités de base lors de l’aménagement forestier.

Le BFEC subdivise le paysage forestier en fonction de la composition forestière, de la croissance, de l’âge, de la localisation (unité territoriale d’analyse, zone de tarification, zonages), de la possibilité de récolte (aires protégées) et d’une quinzaine d’autres critères, afin de délimiter les strates forestières. Dans Woodstock, les variables temporelles sont agrégées et exprimées par période de 5 ans, ce qui correspond à la durée entre deux exercices du CPF pour un même territoire (la durée entre deux exercices sera de 10 ans pour les prochains calculs). Dans la plupart des modèles de planification forestière, les variables décisionnelles sont composées des actions de récoltes sur tout l’horizon de planification (par exemple, la strate i sera traitée à la période j avec le traitement sylvicole s). Les modèles de planification forestière sont formulés de façon à gérer la transition des strates forestières qui subissent une action sylvicole. À titre d’exemple, les coupes totales modifient l’âge d’une strate sans forcément en affecter la composition, tandis qu’une plantation peut modifier la composition et la croissance de la strate forestière.

Le résultat du CPF est un calendrier de récolte contenant les strates forestières et superficies récoltées, les traitements sylvicoles utilisés et la période de récolte pour chaque action sylvicole. Le calendrier de récolte doit respecter certaines contraintes telles qu’un volume récolté annuel constant (rendement soutenu), le maintien des aires protégées, le respect du budget alloué et l’atteinte des cibles d’aménagement forestier à court et long terme. Le résultat final, obtenu après agrégation des volumes récoltés par période, est le volume récoltable annuellement par groupe d’essence. Une dernière étape, la détermination de la possibilité forestière, est nécessaire afin de fixer la possibilité forestière officielle. Le Forestier en chef peut appliquer un fonds de réserve au résultat du CPF afin de tenir compte des incertitudes non prises en compte dans le CPF comme celles associées aux perturbations naturelles, aux aires protégées futures et aux règlements à venir, s’il juge que ces derniers pourraient avoir un impact important sur la possibilité (Bureau du forestier en chef 2013).

Les modèles de planification forestière prévoient l’évolution des forêts. Cependant, l’état de la forêt projeté dans Woodstock dépend des courbes d’évolution et de l’implémentation des actions de récolte prévues par le modèle. Or, ces deux aspects sont incertains. En effet, le Bureau du forestier en chef (2018b) a récemment indiqué que certaines courbes d’évolution utilisées sous-estimaient la croissance réelle des strates (comme pour le sapin baumier) et seulement 55,2% de la possibilité forestière a été récoltée lors de la période 2008-2013 (Bureau du forestier en chef 2015). Donc, le risque que l’état de la forêt future réelle diffère de l’état de la forêt projetée dans Woodstock est important et les objectifs

d’aménagement forestiers pourraient ne pas être atteints dans le futur. De plus, les écarts entre les volumes planifiés et les volumes récoltés sont systématiques (et non ponctuels) et généralisés à l’ensemble du Canada. Les écarts varient en fonction des groupes d’essences. La Figure 2.2 présente ces écarts.

Figure 2.2 Proportion de la possibilité forestière des forêts publiques récoltée par année par groupe

d’essence au Canada (Source : Conseil canadien des ministres des forêts (2018))

Dans la formulation du CPF par le Forestier en chef, il n’est nullement fait mention de création de valeur, mais uniquement de volume de récolte de bois. Les modèles mathématiques permettant d’établir la possibilité forestière reposent pourtant sur l’hypothèse que les volumes alloués seront tous récoltés et donc qu’ils sont attrayants pour la chaîne de valeur. Cette incohérence se retrouve dans la plupart des provinces canadiennes (Conseil canadien des ministres des forêts 2005). La chaîne de valeur est donc ignorée. Ceci est problématique, puisqu’un modèle de planification forestière n’intégrant pas des contraintes de flux monétaire peut mener à des périodes de non-rentabilité pour l’ensemble du réseau (Gunn 2011).

2.3 La Chaîne de valeur forestière et son optimisation

Porter (1985) a été le premier à définir une chaîne de valeur : il s’agit d’un enchaînement d’activités commerciales et logistiques permettant de délivrer un service ou un produit pour un marché donné. Parmi ces activités sont fréquemment présentes : la récolte des matières premières, les différents processus de transformation, ainsi que l’achat, la vente et l’entreposage des différents produits et sous-produits (Carlsson et al. 2006, Feng et al. 2016). D’Amours et al. (2009) définissent la chaîne de valeur forestière comme l’ensemble des activités se déroulant de l’aménagement de la forêt jusqu’à la distribution des produits du bois aux clients.

Figure 2.3 Chaîne de valeur forestière (tiré de D’Amours et al. 2009)

Plusieurs éléments complexifient la chaîne de valeur forestière. Premièrement, le nombre d’acteurs est important. Voici une liste non exhaustive des différents acteurs ainsi que lors rôle dans la chaîne de valeur forestière : les organisations gouvernementales s’occupent de la planification forestière, les entreprises sylvicoles regroupent les travailleurs forestiers et réalisent des travaux commerciaux et non commerciaux, les entrepreneurs forestiers effectuent des opérations forestières sous contrats, l’industrie forestière transforme la matière première et les clients consomment la ressource (Gharbi

2014). Deuxièmement, la chaîne de valeur forestière est partiellement composée de processus et de flux divergents (Figure 2.3). Lors de la récolte, les billes de bois peuvent être destinées à plusieurs clients (le feuillu intolérant vers une usine de pâte et papier et le résineux vers une usine de sciage). De plus, contrairement à la plupart des chaînes de valeur où plusieurs sous-produits sont transformés puis assemblés en un produit final, ici le produit initial (la bille de bois) est subdivisé en une multitude de produits finaux (planches, sciures, copeaux, etc.). Les différents processus de transformations sont interdépendants dans la chaîne de création de valeur (D’Amours et al. 2009) : une usine de sciage produira du bois brut (poutres et planches), mais aussi des copeaux et de l’écorce, qui iront dans une usine de pâtes et papiers, de panneaux agglomérés, de granulés ou de cogénération. Troisièmement, les usines de transformation possèdent plusieurs méthodes de productions alternatives. Une usine de sciage possède différents patrons de découpe, qui produiront chacun un volume de bois brut et de copeaux différents à partir du même intrant, ce qui a un impact sur le reste de la chaîne de valeur (Carle et al. 2016).

Le nombre de décisions à prendre dans la chaîne de valeur a rapidement entraîné le développement d’outils d’aide à la décision. Un grand nombre de méthodes pour modéliser la chaîne de valeur ont vu le jour. Celles-ci sont généralement regroupées en trois grandes catégories (Shahi et Pulkki 2013). La première regroupe les modèles dits d’optimisation. Ces modèles sont composés d’une fonction objectif que l’on souhaite maximiser (comme le volume de bois récolté ou les revenus) ou minimiser (comme la perte d’un habitat faunique ou les coûts) et d’un certain nombre de contraintes, sous forme d’égalités ou d’inégalités (rendement soutenu, seuil maximum de récolte dans une zone protégée, etc.). Bien que ces modèles puissent devenir très complexes à élaborer, ils fournissent une solution optimale globale à un problème formulé. Cependant, la plupart des modèles d’optimisation sont déterministes. La fonction objectif ne prend pas en compte les incertitudes et la solution fournie est considérée comme la meilleure possible (Shahi et Pulkki 2013). De ce fait, les impacts des incertitudes sur la solution optimale sont inconnus dans ces modèles d’optimisation. Considérant les fortes incertitudes dans le milieu forestier, tant au niveau de la demande (Gupta et Maranas 2003) que des coûts ou des méthodes de conversion (approximation du volume récolté à partir de la superficie traitée), les méthodes déterministes sont limitées. Plusieurs méthodes existent pour tenir compte des incertitudes. L’une d’elles est l’optimisation stochastique (MirHassani et al. 2000) qui permet de prendre en compte la variation des paramètres incertains.

La seconde catégorie regroupe les modèles dits de simulations. La simulation consiste à définir un modèle mathématique d’un système réel et à procéder à des expériences pour le comprendre et analyser les meilleures stratégies pour atteindre les objectifs fixés (Law et Kelton 2000). La simulation est utilisée lorsque les modèles deviennent trop complexes pour pouvoir être gérés par optimisation (Shahi et Pulkki 2013). Cependant, la simulation ne permet pas d’obtenir une solution optimale, mais seulement de générer une solution obtenue à partir des stratégies déterminées par l’utilisateur. Finalement, la dernière catégorie regroupe les modèles d’optimisation intégrant la simulation. Ces modèles permettent de gérer les incertitudes (Shahi et Pulkki 2013). Elles permettent à l’analyste de déterminer quelles sont les valeurs permettant d’obtenir une solution optimale en fonction de paramètres définis par l’utilisateur. Au Québec, Frayret et al. (2007) et Forget et al. (2009) ont utilisé cette approche pour modéliser la planification de la chaîne de valeur dans l’industrie forestière sous la forme de systèmes multiagents. Ces deux articles utilisent la plateforme logicielle LogiLab du consortium de recherche FORAC afin de gérer les flux de bois de la forêt jusqu’aux usines de transformation.

Shahi et Pulkki (2013) décrivent les avantages et inconvénients de chacune de ces trois catégories. Les modèles d’optimisation déterministes ne permettent pas de répondre correctement au problème des incertitudes dans la chaîne de valeur forestière et les modèles de simulations, bien que plus simples à élaborer, ne permettent pas d’obtenir la solution optimale à un problème.La conclusion de Shahi et Pulkki (2013) est que la chaîne de valeur forestière canadienne a besoin de plus de modèles d’optimisation intégrant la simulation et qui prennent en compte les incertitudes dans la demande et les stocks. Dans ce projet de recherche, l’utilisation d’un modèle d’optimisation intégrant la simulation a donc été privilégiée.

2.4 Constat

Dans ce chapitre, nous avons montré que la planification forestière à long terme et l’optimisation de la chaîne de valeur forestière sont deux processus complexes. Au Québec, les décisions liées à ces deux processus sont prises à des niveaux différents (stratégique pour la planification à long terme, tactique et opérationnel pour l’optimisation de la chaîne de valeur) afin de faciliter la totalité de la planification forestière. Cependant, les objectifs et contraintes utilisés pour l’un des processus pourraient ne pas tenir correctement compte des objectifs et contraintes de l’autre processus (Gunn 2009) et la

décomposition de la planification forestière en plusieurs étapes hiérarchiques produit des solutions globalement sous-optimales et parfois infaisables.

Paradis et al. (2013) ont confirmé l’existence d’un risque d’écart entre les volumes planifiés et récoltés par le réseau de transformation de valeur. Les résultats mettent en avant un risque de diminution ou d’augmentation constante de la possibilité forestière de période en période, de changement de la composition forestière dans la possibilité forestière et d’augmentation croissante des différences entre les volumes planifiés et récoltés. Cependant, d’autres risques pourraient être présents, tels que la diminution de productivité de la forêt, la dégradation des habits fauniques, le changement de la qualité visuelle des paysages, etc. Plusieurs outils ont été développés afin de lier les différentes étapes hiérarchiques et ainsi diminuer les écarts (Troncoso et al. 2015, Bouchard et al. 2017, Paradis et al. 2018). Cependant, à notre connaissance, aucun de ces outils validés et publiés ne peut être implanté facilement et rapidement pour être utilisé par les autorités compétentes à l’échelle du Québec. L’objectif général de ce projet de recherche est de proposer des solutions visant à augmenter le potentiel de création de valeur de l’aménagement forestier dans une UA du Québec afin de répondre aux besoins présentés dans cette section. Dans le chapitre 3, nous présentons une méthodologie permettant de lier les différents niveaux de planification stratégique au Québec. Développée par Paradis et LeBel (2018),cette méthodologie n’a été que partiellement validée. Les modifications et adaptations appliquées seront également présentées. Cette étude utilise exclusivement des données publiques, provenant du gouvernement du Québec et couvrant l’ensemble de la province québécoise. Ainsi, cette méthodologie pourrait être réappliquée dans n’importe quelle UA du Québec.

Chapitre 3 : Méthodologie

L’objectif général de ce projet de recherche est de proposer des solutions visant à augmenter le potentiel de création de valeur de l’aménagement forestier dans une UA du Québec, en tenant compte de l’incertitude liée aux marchés financiers. Pour ce faire, nous avons adapté une méthodologie précédemment développée par Paradis et LeBel (2018a) permettant de calculer le potentiel de création de valeur du résultat d’un calcul de possibilité forestière. La méthodologie globale employée est divisée en deux phases, chacune divisée en deux étapes. Dans ce chapitre, nous présentons chacune de ces étapes brièvement et nous nous concentrons sur les modifications qui ont été apportées. La méthodologie générale utilisée dans ce projet est présentée dans la Figure 3.1. Une troisième étape a été ajoutée dans la phase 1 et est présentée dans le chapitre 4. Cette étape consiste à prendre en compte la volatilité des prix afin d’en mesurer l’impact sur le potentiel de création de valeur. Le projet est entièrement codé en langage informatique Python dans des notebooks Jupyter, une interface web (Kluyver et al. 2016). Le cadre de modélisation, appelé ws3 (pour wood supply simulation system) est un projet open source disponible gratuitement depuis GitHub avec une documentation préliminaire à l'adresse http://ws3.readthedocs.io/

Figure 3.1 Schéma de la méthodologie générale et des modifications apportées au modèle initialement

proposé par Paradis et LeBel (2018) (adapté et traduit de Paradis et al (2018b))

3.1 Phase 1 étape 1

L’étape 1 de la phase 1 consiste en la compilation de coefficients de désagrégation afin de désagréger les volumes du résultat du CPF par essence et par classe de diamètre. Les volumes présents dans

Woodstock sont agrégés par groupe d’essence et sont donc inutilisables tels quels pour utiliser une matrice de répartition des produits et calculer la valeur des produits. Cette étape est présentée en détail dans Paradis et Lebel (2017a, 2017b). Les coefficients de désagrégation permettent de simuler la récolte et d’obtenir des distributions du volume récolté, par essence, classe de diamètre et type de couvert forestier (résineux, mixte et feuillu).

Les modifications apportées dans cette étape concernent principalement les intrants utilisés. Les placettes d’échantillonnage permanentes (PEP) étaient utilisées par Paradis et Lebel (2017a) comme intrants. Cependant, les PEP sont peu nombreuses dans l’UA 064-51. Les auteurs utilisaient toutes les PEP du Québec afin d’avoir un nombre suffisant de tiges pour compiler des distributions de diamètre par groupe d’essence. Cependant, la composition en essence et la distribution des diamètres des tiges peuvent varier en fonction de la localisation sur le territoire. Nous avons utilisé les placettes d’échantillonnage temporaires (PET). Les PET sont approximativement 10 fois plus nombreuses sur le territoire québécois que les PEP. Nous avons pu garder uniquement les PET étant localisées sur un territoire semblable à notre territoire d’étude (même sous domaine bioclimatique). Ainsi, le nombre de tiges utilisé pour compiler les distributions de diamètres par groupe d’essences est de 52 193 d’origine provinciale (Paradis et Lebel 2017a), alors que nous avons utilisé 60 080 tiges de provenance régionale. Puisque les bases de données contenant l’information des PET et des PEP ont des structures différentes, le filtrage des tiges et placettes a dû être recodé. Les suppressions restent cependant semblables et consistent à supprimer les tiges non marchandes (diamètre de moins de 9cm) ou n’étant pas utilisés dans la base de données financière du gouvernement (diamètre de plus de 62cm), à supprimer les placettes situées dans des peuplements non récoltables (non mature ou récemment perturbé), etc.

La méthodologie utilisée pour la compilation des probabilités de récolte et de tarif de cubage n’a pas été modifiée. Cependant, les coefficients de désagrégation obtenus sont différents de ceux présentés Paradis et Lebel (2017b), à cause de la modification des parcelles d’échantillonnage choisies. Les coefficients de désagrégation compilés sont présentés dans les figures A.1 et A.2. Les différences entre les coefficients compilés par Paradis et Lebel (2017b) et ceux compilés dans cette étude sont présentées dans les figures A.3 et A.4. Les différences peuvent être expliquées par l’utilisation des PET qui sont beaucoup plus nombreuses et ce qui permet de supprimer les placettes éloignées de l’UA 064-51, ainsi que par l'erreur d'échantillonnage des deux inventaires.

3.2 Phase 1 étape 2

L’étape 2 de la phase 1 consiste à estimer les coûts et revenus pour chaque action de récolte du résultat du CPF grâce à la base de données MERIS du Bureau de mise en marché des bois. Paradis et LeBel (2018b) décrivent cette étape en détail. Le module ws3 permettant de charger les résultats de Woodstock dans une instance Python n’a pas été modifié. Cependant, dans les résultats de Woodstock, le thème comprenant l’information de la zone de tarification n’avait pas été mis à jour par le BFEC. Puisque cette information n’est ni utilisée dans la fonction objective ni dans les contraintes du CPF, la mettre à jour est peu pertinent et allongerait inutilement le temps de résolution du CPF. Toutefois, dans le cadre de notre projet, la mise à jour de ce thème avant l’optimisation du CPF est obligatoire puisque les coûts dans la base de données MERIS dépendent de la zone de tarification. Nous nous sommes donc procuré une version avec des zones de tarification à jour du CPF auprès du BFEC.

MERIS est une base de données financière et économique compilée par le Bureau de mise en Marché des bois (2018a). Dans ce projet de recherche, seule la partie financière est utilisée. La base de données MERIS permet d’estimer les coûts d’approvisionnement et les revenus liés à l’exploitation forestière et à la première transformation des produits forestiers. MERIS permet, grâce à une matrice de répartition des produits, de subdiviser un volume de bois par essence et par classe de diamètre en commodité (aussi appelé produit de base). Ces commodités sont au nombre de dix : le déroulage feuillu, le bois de SEPM, les autres résineux (thuya, pruche notamment), le sciage d’érable à sucre, de pin blanc, de bouleau blanc, de bouleau jaune, d’autres feuillus, les peupliers et la pâte feuillue. Dans ce projet de recherche, la pâte feuillue a été subdivisée en trois commodités : la pâte de bouleau jaune, de bouleau blanc et d'autres feuillus, portant à 12 le nombre total de commodités utilisées. Ce choix a été fait puisqu’une des usines de pâtes et papier (Domtar) possède uniquement des garanties d’approvisionnement pour les bouleaux dans cette région.

Les composantes financières dans MERIS sont les suivantes :

• Les coûts de récolte, exprimés en $/ha en fonction du volume moyen par tige et du type de récolte,

• Les redevances (aussi appelé valeur marchande des bois sur pied), exprimées en $/m3 _en fonction de la zone de tarification, du groupe d’essence et du produit (déroulage, pâte, sciage f1, sciage f2, etc.),

• Les coûts de transports, exprimés en $/m3 _{en fonction du produit transporté,} • Les coûts de constructions et d’entretien de chemins, exprimé en $/m3 _{et en $/ha,} • Les coûts divers, exprimés en $/m3_,

• La valeur des produits, exprimés en $/m3 _{en fonction du diamètre des tiges récoltées pour le} SEPM et en fonction du produit (déroule, pâte, sciage) pour les autres essences,

• Les crédits sylvicoles, exprimés en $/ha, sont calculés à partir des formules fournies par le Bureau de mise en Marché des bois (2018b)

Paradis et LeBel (2018b) utilisent la version 1.2 de la base de données MERIS. Nous avons utilisé la dernière version publiée (version 2.0.1). Plusieurs modifications importantes entre ces deux versions causent des changements dans les résultats. Les coûts fixes présents dans la version 1.2 ont été remplacés par les coûts de construction de chemins et par des coûts divers (administration, mesurage, hébergement, SOPFIM-SOPFEU, etc.). De plus, la valeur des produits provenant des tiges de SEPM était sous-estimée dans la version 1.2 de MERIS (Alexis Leroux communication personnelle 2017).

3.3 Phase 2

La phase 2 du projet consiste à formuler, compiler et résoudre par optimisation linéaire un problème de réseau. La fonction objectif est la maximisation des profits pour la chaîne de valeur. Cette phase est décrite en détail dans le chapitre 4. L’analyse des résultats fait aussi partie de cette phase. Cette partie de la méthodologie est expliquée en détail par Paradis et LeBel (2018a). Puisqu’un des objectifs de ce projet était de mesurer l’impact de l’incertitude liée à l’évolution du prix des produits forestiers, 1000 simulations de prix ont été effectuées à partir des paramètres et corrélations estimés dans la phase 1 étape 3. L’équation 1 (section 4.2.2) a été utilisée pour simuler les prix. Les simulations de prix ont servi à réoptimiser le problème de réseau et à évaluer l’impact du changement des prix sur le potentiel de création de valeur.

La compilation des garanties d’approvisionnement a été modifiée et constitue un changement mineur, mais impactant les résultats. Premièrement, nous utilisons les GA de 2017-2018 pour la région des Laurentides. Puisque les GA sont à l’échelle de la région et que nous travaillons à l’échelle de l’UA, une désagrégation des GA par UA a été nécessaire. La désagrégation a été faite au prorata du volume par groupe d’essence des calculs de possibilité forestière (Bureau du forestier en chef 2018c). Par exemple, l’UA 064-51 a une possibilité forestière de 575 400 m3 _{de SEPM, soit 86% de la possibilité}

forestière de la région des Laurentides. Les GA pour le bois de SEPM sont de 493 700 m3 _{pour la} région. Notre estimation des GA en SEPM pour l’UA 064-51 est de 423 234 m3 _{(0.86 × 493 700 m}3_). Paradis et LeBel (2018a) présentent une formulation d’un problème de réseau permettant d’estimer le potentiel de création de valeur pour le réseau industriel du territoire. Cependant, la formulation du problème ne permet pas d’ajouter au réseau industriel une usine transformant un nouveau produit à partir d’une commodité existante. Ainsi, la commodité pâte feuillue représente le feuillu de faible qualité transformé habituellement en pâte et papier. Cependant, le feuillu de faible qualité pourrait aussi être transformé en granules. L’ajout d’une telle usine est impossible avec le problème formulé par Paradis et LeBel (2018a). Le problème a donc été reformulé et recodé. La formulation mathématique est présentée dans la section 4.2.3 et 4.2.5. Afin d’identifier des mesures permettant d’augmenter le potentiel de création de valeur pour toute l’UA 064-51, plusieurs scénarios ont été modélisés en modifiant le comportement ou la configuration du réseau industriel. Ces scénarios sont présentés dans la section 4.2.5. Bien que la formulation du modèle change, le potentiel de création de valeur obtenu lors de la résolution des deux modèles est identique pour les scénarios où le réseau industriel n’est pas modifié (par l’ajout d’une nouvelle usine transformant un nouveau produit).

Chapitre 4 : Potentiel de création de valeur d’un plan stratégique

d’aménagement forestier dans la forêt mixte de l’est du Canada

Ce chapitre présente un article intitulé Bioenergy production to improve value-creation potential of

strategic forest management plans in mixed-wood forests of eastern Canada soumis dans le journal Applied Energy le 1er _{novembre 2018. Les auteurs sont Pierre Cantegril, Gregory Paradis, Luc Lebel} et Frédéric Raulier.

4.1 Résumé

Sans l’utilisation d’indicateurs financiers dans les plans d’aménagement forestier stratégique, la récolte de l’entièreté des volumes planifiés entraîne un approvisionnement en bois d'une rentabilité inconnue pour l'industrie. Afin de lier la planification stratégique et opérationnelle, nous répartissons les volumes d’un calcul de possibilités forestières en produit du bois, calculons les coûts d’approvisionnement et les revenus potentiels pour l’industrie et estimons le potentiel de création de valeur grâce à un problème d’optimisation de réseau. Nous considérons la volatilité des prix comme étant la source d’incertitude la plus importante. Nous appliquons notre système de planification à une unité d’aménagement située dans la forêt mixte de l’est du Canada. Les résultats démontrent que récolter l’entièreté des volumes planifiés n’est pas la solution la plus rentable financièrement pour l’industrie. L’ajout d’une usine de granule utilisant du bois feuillu de faible qualité, peu demandé dans la région, permet d’augmenter le potentiel de création de valeur.

4.2 Abstract

To be credible at the operational level, strategic forest management plans need to include financial performance indicators. Otherwise, trying to harvest the entire annual allowable cut (AAC) leads to a wood supply of unknown profitability for the industry. We disaggregated AAC into species-wise wood products, inserted financial performance indicators and estimated the value-creation potential of the AAC using a network flow optimization model. This model enabled us to link the optimal solution of a long-term wood supply optimization model with the transformation capacity of a network of primary production factories. We considered the uncertainty of timber prices as the most unpredictable value chain driver. We applied our planning system to a large mixed-wood forest management unit in Quebec, Canada. Consuming the entire AAC led to a lower simulated profit and fulfilling timber licences lowered the profit margin. Results also revealed that a weak demand for one wood product was a serious impediment to achieving a full value-creation potential. We therefore simulated the implementation of a new mill; in the present case, a hardwood pellet mill which improved the value-creation potential, and demonstrated the insights provided by strengthening the link between strategic and tactical planning, with the concept of value-creation potential.

4.3 Introduction

When managed sustainably, forests contribute to environmental, economic, and social dimensions for the benefit of current and future generations. Since 1999, the Montreal Process has defined criteria and indicators for the sustainable forest management of temperate and boreal forests (The Montreal Process 1999). With 12 member countries including Canada, this Process accounts for 90% of the world’s temperate and boreal forests. In Canada, forest management further needs to address principles defined by the Criteria and Indicators of Sustainable Forest Management in Canada (Conseil canadien des ministres des forêts 2006). Producing forest management plans that conform to these criteria and indicators is a complex task for large spatial and temporal scales.

Operations research has been used in forest management planning since the 1960s (Weintraub and Romero 2006). In many jurisdictions, a hierarchical planning framework is used for this purpose (Tittler et al. 2001, Weintraub et al. 2007). Hierarchical forest management typically divides forest management into strategic, tactical and operational planning levels that must be linked together. Yet, objectives and constraints at one level may not properly account for the objectives and constraints at another level (Gunn 2009). Hierarchical decomposition of the forest management planning process may also produce globally infeasible or globally suboptimal solutions.

Strategic planning focuses on producing a long-term forest management plan. Decision support systems, often based on simulation and optimization models, have been developed to assist analysts in elaborating strategic plans and in analyzing their impact on long-term forest sustainability. In Canada, the strategic planning process essentially consists in allocating timber licences to industrial fiber consumers by the provincial government authorities. Each timber licence is associated to one industrial fiber consumer, allowing the consumer to harvest a certain amount of wood on public forest land. Timber licences depend on the annual allowable cut (AAC). The AAC is the species-wise maximum amount of wood that can be harvested within a defined area on a sustainable basis.

According to the Canadian Council of Forest Ministers (2005), most Canadian provinces determine their AAC by maximizing the volume harvested subject to a variety of constraints such as non-declining yield, budgetary limits, and acceptable sequences of silviculture prescriptions. Typically, AAC models do not directly maximize financial or economic value and government analysts also pay limited attention to relating harvest levels to the requirements of the value chain that is processing the harvested wood.

During tactical and operational phases, the industrial network must therefore adjust itself around the wood supply determined by the government (Carlsson et al. 2006). Gunn (2011) pointed out that flow constraints in AAC determination rarely correspond to the requirements of any set of mills. Therefore, the local industry may not be able to process the entire AAC and actual harvested volume is often less than the AAC (Conseil canadien des ministres des forêts 2018b). Moreover, without cash flow constraints in long-term wood supply optimization models, optimal solutions from these models may contain substantial periods with negative cash flows as parts of the AAC, which may be economically non-attractive (Mathey et al. 2009). Long-term wood supply models may therefore overestimate future forest supply and lead to uneconomical periods for the forest industry. In natural forests characterized by species diversity managing forests must be done with close consideration to market evolution. For example, decline in the demand for one product can render the strategic forest plan unfeasible, because some forest strata scheduled for harvest won’t be attractive for the forest industry. In these conditions, new product, such as those associated with bioenergy production, may improve or maintain the credibility of strategic forest plan.

With numerous planning periods, stand types, silvicultural activities and management options, long-term wood supply optimization models use a simplified representation of harvest activities (Bettinger et al. 2009). This simplification deliberately omits operational aspects, such as financial performance indicators or industrial capacity which are typically included in the tactical and (or) operational planning phases. Nonetheless, omitting operational aspects during the strategic planning phases weakens the linkages with the subsequent planning levels.

Weak linkages may lead to unwanted situations. For instance, using both simulation and optimization, Paradis et al. (2013) developed two models to elaborate strategic and tactical plans without linkages between them. The authors identified a risk of systematic drift between planned and implemented harvest activities and demonstrated that without correct links hierarchical forest management may fail to demonstrate long-term sustainability of government-endorsed short-term harvest levels, fail to reliably meet the industrial fiber demand over time, and exacerbate the incoherence between wood supply and fiber demand over several planning iterations. The need for an integrated planning process was also studied by Bouchard et al. (2017). Results from that study showed a gain of up to 13% in profit when an integrated planning process was used in replacement of a hierarchical approach. Troncoso et al. (2015) found similar results. Paradis et al. (2018) showed that using a bilevel

formulation, industrial fiber consumption can be anticipated, thereby reducing the risk of wood supply failure. These papers illustrate the importance of linking planning phases in hierarchal forest planning and of considering the wood value chain in the strategic planning process.

In this paper, we model the value-creation potential (VCP) of the planned wood supply of a large mixed-wood forest management unit located in Quebec, Canada. Paradis et al. (2013) was the first to use the term value-creation potential in a forest management context to describe financial profit in relation with the maximum benefit achievable with the timber harvested in a forest management unit to supply an industrial network. In this paper, the VCP was calculated by summing revenues from the sale of primary-processing forest products and by subtracting transformation, transportation, road construction, harvest, administrative and stumpage costs. The main objective of this paper was therefore to estimate the VCP of different fiber consumption scenarios using outputs of a long-term wood supply optimization model. VCP calculations relied on using a network flow optimization model that optimized the potential profit from fiber consumption of the timber harvested following the schedule plan provided by a wood supply optimization problem. We achieved this objective by adapting a methodology developed by Paradis and LeBel (2018a). We also considered fiber price uncertainty because it has been demonstrated to have a more significant impact on profits than the biological growth process of trees (Pukkala 2015).

The first step in our VCP analysis involved disaggregating species-wise AAC volumes into wood products. Next, we fitted financial performance indicators to disaggregated volumes (such as supply costs, transformation costs and selling revenues) to estimate VCP values with our network flow model as a function of industrial demand. Multiple simulation scenarios were developed to vary the industrial network configuration and product prices and to analyze their impact on VCP. The specific objectives of our paper were (1) to determine the change in VCP as a function of the proportion of harvested AAC, (2) to examine the impact of price uncertainty on the optimal VCP, and (3) to estimate potential improvements in network profits from a change in the network configuration. More specifically, our third objective focused on adding bioenergy processing capacity consuming low-value hardwood fiber, which has been determined to be a flow bottleneck in mixed-wood forests (Paradis et al. 2013). Our case study showed that harvesting the entire AAC does not maximize the profit of industrial fiber consumers and may lead to periodic negative cash flows.

The remainder of this paper is organized as follows. Computation of financial values into the AAC, simulation of price uncertainty, the network flow model, data sets, and the experimental design are presented in Section 4.2. In Section 4.3, results from the computational experiment and discussion are presented, where we show improvement of the VCP and the impact of price volatility. Concluding remarks are presented in Section 4.4.

4.4 Methodology

The VCP estimation methodology was divided into two phases. Phase one consisted in defining harvest nodes for the network flow optimization model, by compiling financial cost and revenue data for each component of the harvest schedule. Two sets of nodes, one describing harvest and another one describing wood processing, schematically represent the network flow model we used in this study. Each harvest node represents a single harvest action of the wood supply plan. Thus, the number of harvest nodes will vary depending on the wood supply plan. Each processor node represents a primary wood processing mill. The number of processor nodes and their associated demand vary depending on the industrial network. The forest harvest schedule was considered as the output of an upstream wood supply optimization problem and therefore exogenous to our model. Price simulations were prepared in phase one. The second phase consisted in defining processor nodes by means of the timber licenses and in formulating, solving the network flow optimization model for each scenario, and analyzing the results. Scenarios reflected changes in the industrial network (i.e. the processor nodes constraints and/or configuration). Figure 4.1 presents an overview of the VCP methodology. Inputs are presented in gray.

Figure 4.1 Overview of the entire VCP methodology and its connections with exogenous information 4.4.1 Compiling financial revenue and cost data for harvest nodes

Solutions of wood supply optimization models provide aggregated timber volume values that cannot be used as such to estimate expenses and revenues from the harvest and primary transformation of timber. We first had to disaggregate volume values into discrete 2-centimeter-wide stem diameter size classes, by species groups. Different disaggregation coefficients were compiled for each species group of the wood supply model, for three forest cover types (softwood, mixed-wood and hardwood) and three silvicultural treatment types (clearcut, selection cut and commercial thinning), using the method described in Paradis and LeBel (2017b). For this purpose, we used the stem diameter distribution modeling method described in Paradis and Lebel (2017a), and regional form factor models published by the Quebec government (Perron 2003, Fortin et al. 2007). Paradis and Lebel (2017a) tested statistical distributions for best fit against empirical stem size distributions from permanent samples plot

data. In our case, we used temporary sample plots from the 4th _{southern Quebec eco-forest inventory} instead. Once timber volume for each harvest action was disaggregated, costs and revenues were calculated from the open source MERIS database compiled by Quebec’s Ministry of Forests, Fauna and Parks (Bureau de mise en Marché des bois 2018a) to define the harvest nodes of the network flow optimization model (Paradis and LeBel 2018b). MERIS provides data to calculate supply costs and sales profits. Supply costs are composed of harvest costs, transportation costs, road costs, and stumpage fees. Sales profits include sales income minus transformation and transportation costs (mills to the markets). Both supply costs and sales profits are expressed as $/m3_{. Transportation costs,} stumpage fees and road construction and maintenance costs depend on the stumpage zone. In MERIS, the notion of commodity is used as an intermediate aggregation scheme combining species and product class (e.g. birch pulp, maple board, pine board). Stumpage and sales profits also depend on the commodities harvested.

4.4.2 Simulating commodity prices for processor nodes

Commodity price uncertainty was simulated using monthly price index time series. Price index time series came from Statistics Canada (2018a). First, we chose 2012 as a base year and deflated the times series with the industrial product price index for Canada (Statistics Canada 2018a). We used data from January 1982 to April 2012 to simulate multiple prices (described below) during the first planning period of the wood supply model (May 2013 to April 2018). We kept the time series properties intact by avoiding temporal aggregation (Rossana and Seater 1995).

Commodity prices tend to converge to a long run mean price (Bessembinder et al. 1995). This process is known as a mean-reverting behavior and has been used in solving optimal harvest problems (Plantinga 1998, Insley and Rollins 2005, Insley and Lei 2007, Chen and Insley 2012) and in modeling prices for other commodities such as oil, minerals and electricity (Chen 2010). Dixit and Pindyck (1994) suggested using the geometric Ornstein-Uhlenbenck process to allow the variance to increase over time but reach a limit in the long-run (Campbell 2013). An approximation of a geometric Ornstein-Uhlenbenck process for discrete time periods is: