Amélioration de l'estimation du volume marchand brut des sapinières par le lidar : analyse de facteurs influençant l'exactitude et la précision des modèles

Au Québec, la forêt couvre 761 100 km2. Pour assurer la pérennité de cette ressource naturelle, une gestion durable et concertée, ainsi qu’une connaissance fine de celle-ci sont indispensables. Ainsi, le Ministère des Forêts, de la Faune et des Parcs (MFFP) mène des inventaires forestiers périodiques pour caractériser les peuplements écoforestiers. Durant ces inventaires, les attributs forestiers, tels le volume marchand brut (VMB), sont calculés. Les outils de télédétection sont aussi utilisés pour améliorer la qualité des inventaires. Ils offrent l’avantage de fournir des données de haute résolution, acquises de manière objective, répétable, à grande échelle, et à partir desquelles les attributs forestiers peuvent être estimés. Le MFFP a entrepris une acquisition provinciale de données lidar afin d’améliorer la caractérisation du territoire forestier. La recherche de modèles plus exacts et précis pour prédire les attributs forestiers à partir du lidar constitue une problématique d’actualité chez les intervenants forestiers. L’objectif de cette thèse est l’amélioration de l’estimation du VMB des sapinières au Québec à partir du lidar. Son originalité repose sur l’analyse des effets de quatre facteurs sur la modélisation du VMB, à savoir : le paramétrage du capteur lidar, la mortalité présente dans les placettes-échantillons, la variabilité des conditions de croissance entre différents sites d’étude et le décalage temporel observé entre la période d’inventaire et de survol du lidar. Une sélection des meilleures variables explicatives a d’abord été effectuée. Une méthodologie a ensuite été développée pour inclure les effets des facteurs dans les modèles de VMB. Les résultats ont indiqué que : 1) pour un site d’étude donné, la hauteur moyenne des premiers retours, le pourcentage de retours en dessous de 2 m et l’indice de rugosité de surface de la canopée sont les meilleures variables explicatives du modèle (pseudo-R2 = 0.91, racine de l'erreur quadratique moyenne, REQM = 27.8 m3 ha−1). À plus grande échelle (ex.: paysage), la combinaison optimale de variables explicatives comprend la hauteur moyenne des premiers retours, le pourcentage de retours au-dessus de 2 m et l’écart-type de la hauteur des premiers retours au-dessus de 2 m (pseudo-R2 = 0.75, REMQ = 33.0 m3 ha−1). 2) la hauteur moyenne et la répartition spatiale des premiers retours dans le nuage de points ont un effet sur la précision des modèles. L’inclusion de ces paramètres dans une fonction de variance permet de modéliser l’hétéroscédasticité des résidus et de mieux estimer l’incertitude (REMQ = 3.7 m3 ha-1 multiplié par la fonction de variance versus 28.0 m3 ha- 1 sans la fonction). 3) la présence d’arbres morts dans les placettes-échantillons augmente l'erreur de prédiction des modèles. Des cimes délimitées sur un modèle de hauteur de canopée peuvent être classées selon le statut de l’arbre (mort/vivant) à l’aide de variables descriptives de la distribution d’intensité des retours. L’élimination des retours associés aux arbres morts, avant l’étape de modélisation, permet d’améliorer les prédictions. Par exemple, dans un contexte où le niveau de mortalité observé est inférieur à 33%, la REMQ a diminué de 31.3 m3 ha-1 à 27.7 m3 ha-1 tandis que le pseudo-R2 a augmenté de 0.88 à 0.90. 4) les conditions de croissance des arbres peuvent varier le long d’un gradient du bioclimat. Cette variabilité ainsi que le décalage temporel observé entre la période d’inventaire et de survol du lidar, ont un effet sur l’exactitude des modèles. L’application d’un modèle spécifique à un site d’étude vers un autre site d’étude peut conduire à des prédictions biaisées. L’inclusion d’un coefficient aléatoire d’ajustement de la hauteur par site (indicateur de la variabilité intersites) ainsi que d’une fonction d’ajustement de la croissance (pour tenir compte du décalage temporel) permettent d’améliorer les prédictions (pseudo-R2 = 0.86 versus 0.75, REMQ = 24.1 m3 ha-1 versus 33.1 m3 ha-1). Le remplacement du coefficient aléatoire par une variable du bioclimat, fournit des prédictions semblables (pseudo-R2 = 0.86, REMQ ≤ 24.3 m3 ha-1). Le gradient du bioclimat pourrait affecter la structure des peuplements notamment en modifiant le rapport hauteur-diamètre des arbres. Cette thèse confirme l’aptitude du lidar à caractériser le volume marchand brut des sapinières au Québec. L’analyse de facteurs influençant la modélisation du VMB a amélioré l’exactitude et la précision des modèles. Ceci permet notamment d’établir des cartes de VMB plus fiables pour les intervenants forestiers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.