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