Error propagation in forest growth models in the context of regional forecasts

La Propagation des erreurs dans les modèles de croissance forestière dans un contexte de prévision à l'échelle régional Les modèles de croissance forestière à l’échelle de l’arbre fournissent des prévisions de la dynamique des forêts et permettent donc d’orienter la prise de décision. Malgré cette importance, les incertitudes qui sont associées à leurs prévisions sont rarement évaluées. Comprendre les sources de ces incertitudes et en estimer l’impact sont essentiels au moment où les prévisions à grande échelle gagnent en popularité. Cette thèse de doctorat traite de l’estimation des incertitudes des prévisions de la croissance à une échelle régionale. Les effets de perturbations à large échelle sont aussi traitées. Le modèle de croissance ARTEMIS-2009, qui s’applique aux principaux types forestiers du Québec, Canada, a été utilisé comme étude de cas. Un estimateur hybride de type bootstrap a été utilisé pour estimer les variances provenant du modèle et de l’échantillonnage. La variance totale des prévisions a aussi été décomposée afin de déterminer quel sous-modèle induisait la plus grande part de variabilité dans les prévisions. Ensuite, une approche d’analyse de durée de vie a été utilisée pour élaborer un modèle d’occurrence de récolte qui tienne compte de variables de placetteset de variables régionales. Ce modèle de récolte a été intégré à ARTEMIS de façon à pouvoir tenir en compte de l’effet de la récolte combinée aux épidémies de tordeuse des bourgeons de l’épinette (TBE). Après cela, la contribution des perturbations en termes d’incertitudes a été prise en considération dans les simulations. Les résultats ont révélé que l’échantillonnage représentait la plus grande partie de la variance des prévisions à court terme. Dans les prévisions à long terme, la contribution du modèle s’est révélée aussi importante que celle de l’échantillonnage. La décomposition de la variance par sous-modèle a indiqué que le sous-modèle de mortalité était celui qui induisait la plus grande variabilité dans les projections. Lorsque les perturbations ont été prises en compte dans les projections, l’incertitude associée aux prévisions augmentait fortement. En particulier, la TBE s’est révélée être la principale source d’incertitude devançant les activités de récolte et l’échantillonnage.En conclusion, notre recommandation est de concentrer les efforts pour réduirel’incertitude sur l’échantillonnage dans les prévisions à court terme, et sur le sous-modèle de mortalité et sur l’occurrence de la TBE dans les prévisions à moyen et àlong terme.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.