Développement de modèles de croissance harmonisés et simulation de l'évolution des peuplements purs équiennes d'épicéa, de douglas et de mélèzes en Wallonie.

Présentation réalisée le 08/02/2013

par

Jérôme Perin

Développement de modèles de croissance harmonisés et simulation de l’évolution des

peuplements purs équiennes d’épicéa, de douglas et de mélèzes en Wallonie.

Contexte

Les futaies résineuses occupent la moitié des zones forestières de Wallonie.  Majoritairement en Ardenne (85%)

 Le reste en Famenne (5%), en Condroz (5%) et en Lorraine (5%) Principales essences concernées:

 L’épicéa (75% des pplts résineux, en déclin)  Le douglas (5%)

 Les mélèzes (4%)

 Les pins (9%, en net déclin)  Pas abordés dans cette recherche Peuplements voués à la production:

 Plantations denses (pplts purs équiennes) puis éclaircies régulières  Croissance rapide et production élevée (15-25 m³/ha/an)

3

Objectifs

Amélioration de nos connaissances sur la sylviculture des principales essences résineuses de production de Wallonie: l’épicéa, le douglas et les mélèzes. Validation ou révision de modèles pré-existants:

 Modèles de croissance en hauteur dominante  Modèles de croissance en grosseur

Mise au point d’un module de simulation de l’évolution des pplts résineux:  Mise au point de scénarios sylvicoles adaptés

 Comparaison des essences entre elles  Simulation de l’évolution de la ressource

Activités de recherche

1) Gestion des données:

 Harmonisation et analyse des données déjà disponibles  Compléter avec de nouvelles mesures quand nécessaire  Sélection et répartition en différents jeux de données 2) Modélisation de la croissance:

 Initialisation de peuplements

 Accroissement en hauteur et en grosseur  Mortalité naturelle

3) Mise au point d’outils de simulation:  Module d’éclaircie

5

Origine des données employées

Inventaire Permanent des Ressources Forestières de Wallonie (IPRFW):  Inventaire systématique représentatif de toute la forêt Wallonne  Environ 2800 placettes installées en pplts résineux

Réseau d’observation et base de données de GRFMN:  850 placettes installées en pplts résineux  600 suivies sur des périodes de 3 à 28 ans Données complémentaires:

 Analyses de tiges (origines diverses)

 IFG (collaboration avec des gestionnaires forestiers)  Inventaires en jeunes pplts avant première éclaircie  Résultats de différents tests de martelage

7

Données disponibles: quelques chiffres

Plus de 85 000 arbres mesurés:

 40k de GRFMN et 45k de l’IPRFW  15k suivis sur des périodes ≥ 3 ans Plus de 130 000 mesures de circonférences:

 85k de GRFMN et 45k de l’IPRFW Plus de 30 000 mesures de hauteur:

 20k de GRFMN et 10k de l’IPRFW

322 analyses de tiges réalisées dans 128 peuplements résineux:  11.5k couples hauteur-age

Sélection et répartition en différents jeux de données

Jeu de données « initialisation de peuplements »:

 Paramètres de distribution des grosseurs de 700 placettes  4800 mesures de hauteurs totales

Jeu de données « croissance en hauteur dominante »:  11k couples hauteur-âge issus d’analyses de tige  700 mesures d’accroissement en Hdom

Jeu de données « croissance en grosseur »:

 11k mesures d’accroissements en grosseur Jeu de données « mortalité naturelle »:

9

A) Initialisation des peuplements

Objectif: mise au point de modèles qui permettent de transformer des données peuplements en données arbres.

1) Distribution des circonférences:

 Distribution log normale à deux paramètres (μ et σ)

 μ = f(Essence; Hdom; Nha) R² = 95%  σ = f(Essence; Hdom; Nha) R² = 50% 2) Distribution des hauteurs totales:

 Hi/Hdom = f(Ci/Cdom) R² = 60%  Hi = f(Hdom; Ci/Cdom) R² = 97%

11

A) Initialisation des peuplements

Distribution des circonférences:

A) Initialisation des peuplements

13

B) Modélisation de la croissance en hauteur dominante

Objectif: mise au point de modèles de prédiction de la croissance en hauteur dominante lorsque le niveau de fertilité (Site Index - SI) est connu.

Le SI est défini comme étant la hauteur dominante du peuplement à 50 ans. 16 modèles non linéaire testés:

 Ajustement des modèles sur des données d’analyse de tige  Validation sur des données issues des suivis de pplts

 Élimination des modèles biaisés

 Sélection du modèle le plus performant (AIC et ECTr les plus faibles) Résultats:

 dHdom = f(Essence; Age; Hdomi) R² = 70%  Observation de très grosses différences entre les essences  Remise en question des anciens modèles épicéa et douglas

B) Modélisation de la croissance en hauteur dominante

Comparaison des courbes de fertilité minimales et maximales pour le douglas, l’épicéa et les mélèzes:

15

B) Modélisation de la croissance en hauteur dominante

Remise en question des anciens modèles, exemple de l’épicéa:

C) Modélisation de la croissance en grosseur

Objectif: mise au point d’un modèle arbre de prédiction de la croissance en grosseur à partir de variables indépendantes des distances.

Analyse du jeu de données:

 Accroissement potentiel = f(Fertilité; Age)  Réducteur = f(Position sociale; Densité)

 Fortes interactions entre la densité et la position sociale  Forte variation de l’influence des variables entre essences

 Densité: mélèzes >> douglas > épicéa

17

C) Modélisation de la croissance en grosseur

Influence de la position sociale:

C) Modélisation de la croissance en grosseur

19

C) Modélisation de la croissance en grosseur

Objectif: mise au point d’un modèle arbre de prédiction de la croissance en grosseur à partir de variables indépendantes des distances.

Recherche d’un modèle dans la bibliographie Nombreuses exigence à respecter:

 Inputs nécessaires compatibles avec nos objectifs

 Formulation cohérente avec les résultats de nos analyses  Excellentes performances pour les 3 essences

 Comportement robuste

Sélection d’un modèle non linéaire publié par une équipe de l’AFOCEL*:  dC = f(Essence; Ci, Gha, Hdom, dHdomest) R² = 66%

*DELEUZE C., PAIN O., DHOTE J-F., HERVE J-C. [2004]. A flexible radial increment model for individual trees in pure even-aged stands. Ann. For. Sci. 61, 327-335.

D) Modélisation de l’auto-éclaircie

Objectif: définir la densité maximale soutenable dans un peuplement en fonction de son essence et de son statut de développement.

Courbes d’auto-éclaircie:  Nhamax = f(Cg)

 Ajustement linéaire après transformation logarithmique  Observation de grosses différences entre essences

 Cohérentes avec les précédentes analyses

21

D) Modélisation de l’auto-éclaircie

Courbes d’auto-éclaircie:

D) Modélisation de l’auto-éclaircie

23

A) Module d’éclaircie

Objectif: pouvoir simuler des éclaircies d’intensités et de types différents.

Caractéristiques des coupes d’éclaircies simulées:

 Distributions unimodales

 Définies par 2 paramètres : « Intensité » et « Type » Intensité:

 Peut être définie en fonction de trois variables de densité:

 la surface terrière (Gha)  le nombre de tiges (Nha)

 la densité relative à la densité maximale tolérable (RDI)

 Il existe deux manières de fixer l’intensité d’une éclaircie

25

Exemple d’une éclaircie simulée avec les paramètres suivants:  Intensité = 20% du Nha total

 Type = -1

A) Module d’éclaircie

Exemple d’une éclaircie simulée avec les paramètres suivants:  Intensité = 20% du Nha total

 Type = 0.5

27

Exemple d’une éclaircie simulée avec les paramètres suivants:  Intensité = 20% du Nha total

 Type = 0

A) Module d’éclaircie

Exemple d’une éclaircie simulée avec les paramètres suivants:  Intensité = 20% du Nha total

 Type = 1

29

B) Module « qualité du bois »

Objectif: distribution du volume bois fort tige des arbres en catégories définies par des qualités technologiques très différentes.

En cours, collaboration avec le DEMNA Catégories de bois considérées:

 Écorce

 Bois juvénile: x cernes en partant de la moelle  Aubier: y cernes en partant de l’écorce

 Bois mature: situé entre le bois juvénile et l’aubier  Caractérisation des noeuds

31

A) Présentation

Objectif: fournir des outils précis pour la simulation de l’évolution des

peuplements résineux et la mise au point de scénarios sylvicoles adaptés.

Création du module de simulation GYMNOS  Intègre nos différents modèles

 Disponible sur la plateforme CAPSIS*

 Fonctionnel et actuellement testé par l’ONF et l’INRA

* Computer-Aided Projection of Strategies In Silviculture - http://capsis.cirad.fr

B) Organigramme simplifié de GYMNOS

Données initiales:

Age, Nha, I0

Initialisation Peuplement :

Hdom, Age, Surface Liste d’arbres Eclaircie ? non oui Suppression des arbres éclaircis Croissance : Age = Age + 1 Sorties :

Gha, Nha, RDI Cdom, Cmoy, Cg

33

C) Exemple de simulation

Interface de création de peuplement:

4) GYMNOS

Données nécessaires:

 Surface du peuplement (m²)  L’âge d’initialisation (années)  Une mesure de Hdom (m)  Le Nha à l’initialisation (/ha)

C) Exemple de simulation

35

C) Exemple de simulation

Exemple d’évolution du Nha dans des peuplements éclaircis:

C) Exemple de simulation

37

C) Exemple de simulation

Exemple d’évolution du volume sur pied dans des peuplements éclaircis:

5) Perspectives

Création de modèles technico-économiques permettant l'estimation de la rentabilité économique des scénarios sylvicoles testés dans nos modèles Mise au point de nouvelles tables de production et développement de normes

sylvicoles adaptées pour les peuplements résineux de Wallonie

Création de modèles stationnels permettant l'estimation de l’indice de fertilité d'un peuplement en fonction de variables topographiques, pédologiques et climatiques