z
Estimation de l’importance relative des facteurs biotiques et abiotiques sur la mortalité non-
événementielle dans l’érablière de l’ouest du Québec à l’aide de données LiDAR multitemporelles
Frédérik Doyon, Jean-François Senécal,
Audrey Maheu, Cybèle Cholet
Jean-Daniel Sylvain & Guillaume Drolet
z Mortalité non-événementielle
Mortalité de fond(Anderegg et al. 2013 )
Causée par: Sénescence
Compétition
Maladie
Stress
Se produit chez les grosindividus en premier. “…mortality dynamics are driven not by the behavior of the average but the one of few exceptional large … ones” (MacMahon et al. 2019).
Particulièrement vrai pour les forêts où le remplacement des arbres se fait par la dynamiquedes trouées=> forêts tempérées
2
Introduction
Méthodologie
Résultats
Discussion
Conclusion
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
Un changement global dans les conditions environnementales entraîne une modification de la mortalité non-
événementielle.
« … mortality rates have increased rapidly in recent decades, with doubling periods
ranging from 17 to 29 years among regions…Regional warming and consequentincreases in water deficits are likelycontributors to the increases in tree
mortality rates » (Mantgem et al. 2009)
z Un processus difficile à capturer
3
Introduction
Méthodologie
Résultats
Discussion
Conclusion
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
Patron spatial aléatoire diffus
Faible fréquence : 0.5-2 % ST
(MacMahon et al. 2019)
La mortalité elle-même peut se
produire soit soudainement ou
sur des décennies selon les
processus mécaniques et
physiologiques impliqués
(Das et al. 2016)
Les inventaires forestiers ne
fournissent généralement pas de
statistiques robustes sur la
mortalité de fond (Hülsmann et
al. 2016, Neumann et al. 2017,
MacMahon et al. 2019).
z LiDAR aérien vs mortalité non-événementielle
4
Introduction
Méthodologie
Résultats
Discussion
Conclusion
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
2007 2013
Zone de perte de hauteur
2007 2013
z
Objectifs
1. Peut-on capturer la mortalité non-événementielle à l’aide de données multi-
temporelles du LiDAR aérien?
a) La détection de perte de hauteur peut-elle être reliée à la mortalité?
b) Peut-on établir une relation entre l’importance des pertes de hauteur et la
mortalité?
c) Quelle est la mortalité de fond observée dans l forêt feuillue tempérée de l’ouest du
Québec
2. Quels sont les facteurs qui influencent la mortalité de fond?
a) Biotiques (composition, structure)
b) Abiotiques
a) Sols (épaisseur, texture, richesse, drainage)
b) Climat (Facteurs liés au stress hydrique)
c) Topographie (position sur la pente, indice d’humidité, exposition aux vents)
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
5
Introduction
Méthodologie
Résultats
Conclusion
Discussion
de hauteur et la mortalité?
z
Aire d’étude
6
Introduction
Méthodologie
Résultats
Discussion
Conclusion
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
Gatineau
LiDAR 2007
Optech ALTM 3100
2 pts m-2
Scan 41 Hz
Angle max. 20°
LiDAR 2013
Optech ALTM Gemini
4 pts m-2
Scan 55 Hz
Angle max. 18°
Chevauchement=>140 km2
z
Identification des zones de perte de hauteur
LiDAR MFFP 2009, 2014, 2015
Sous-regions écologiques
2aT, 3aM, 3bM, 3aT et 3bT,
incluant la zone de
chevauchement LiDAR 2007-
2013
Modèle de hauteur de
canopée (résolution 1m)
Modèle numérique
d’élévation (résolution 1m)
Zone de perte de hauteur
(ZPH)
DH> 1m
> 4m2 en superficie
7
Introduction
Méthodologie
Résultats
Discussion
Conclusion
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
Optech Gemini 167
Zone de perte de hauteur
z
Méthodologie Objectif 1
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
8
Introduction
Méthodologie
Résultats
Conclusion
Discussion 1a. Causes de création de perte de hauteur dans 727 zones de pertes de hauteurs dans 11 peuplements forestiers différents
1b. Relation entre % perte de hauteur et la mortalité en ST à partir de 21 PÉ de ¼ ha cartographiées en 2007 et en 2018
1c. Estimation de la mortalité de fond: Application de la relation à l’ensemble de la zone de chevauchement LiDARmultitemporel
z
Méthodologie Objectif 2
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
9
Introduction
Méthodologie
Résultats
Conclusion
Discussion
BiotiquesEcofor
Biomasse (SCF)LiDAR 2007
SolsEcofor
GISSOL (250m)(Sylvain et al. 2018)
TopographieTPITWI
Topex
Stress hydrique(Sorties du modèle CLASS)
ÉvapotranspirationSévérité stress hydrique
Durée du stress hydrique(Cholet et al. 2021)
Modélisation GAM
z Plus de 86% des zones de pertes de hauteur (ZPH) peuvent être directement associées à un mécanisme de mortalité (n=727)
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
10
Introduction
Méthodologie
Résultats
Conclusion
DiscussionMort sur pied Arbre cassé
Tige pliéPerte debranche
Arbre renversé
z La majorité de la mortalité est occasionnés par les grosses tiges
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
11
Introduction
Méthodologie
Résultats
Conclusion
Discussion
• 331 arbres des 2217 initiaux sont
morts dans les 21 PÉP de ¼ ha
• 65% et 29% de la mortalité en ST
est due aux tiges de DHP 35 cm+
et à celles entre 20 et 35 cm
respectivement;
z Le pourcentage en zones de perte de hauteur dans le peuplement (%ZPH) est fortement relié à la mortalité en ST
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
12
Introduction
Méthodologie
Résultats
Conclusion
Discussion
z L’application du modèle Mortalité ST ~ %ZPH nous permet d’estimer la mortalité non-événementielle pour la zone de chevauchement LiDAR 2007-2013
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
13
Introduction
Méthodologie
Résultats
Conclusion
Discussion
• Le %ZPH présente une variation entre 0 et 17% dans la zone de 140 km2. Ceci représente une variation en mortalité de 0.2 à 0.6 m2/ha/an
• L’application du modèle de prédiction de la mortalité estime la mortalité de fond moyenne à
0.28 m2/ha/an;
N=1456 peuplements
z Prédiction du %ZPH/peuplementLe modèle global explique 75.4% de la déviance
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
14
Introduction
Méthodologie
Résultats
Conclusion
Discussion Famille de
variables
Déviance
expliquée
Variables significatives
Sols 52.3% CEC/0-5cm, pH/0-5cm,
%sable/100-200cm
Stress hydrique 52.2% ÉcartType Évaporation, jours
continus>900kPa, Fréquence des
stress hydrique sur 20 ans
Peuplement 69.2% Biomasse en hêtre, Biomasse en
frêne blanc, 90% MHC2007, Écart-
Type MHC2007
Topographie 63.5% Topex (max), TWI (min et max),
TPI 60m (min, moyenne , max)
GLOBAL 75.4 % CEC/0-5cm, pH/0-5cm, ÉcartType
Évaporation, 90% MHC2007,
Écart-Type MHC2007, TWI (max),
TPi60m (max)
Le modèle avec les
variables biotiques est
le meilleur modèle
famille de variables
seule
z L’ajustement du modèle amène une sous-estimation des fortes valeurs de %ZPH (~mortalité)(modèle plus conservateur)
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
15
Introduction
Méthodologie
Résultats
Conclusion
Discussion
z Le modèle prédit de plus forte valeurs de %ZPH (~mortalité) lorsque:
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
16
Introduction
Méthodologie
Résultats
Conclusion
Discussion
La variation interannuelle en évaporation
est élevée
La hauteur des peuplement est élevée
La variation en hauteur du peuplement atteint
6 m
Le peuplement est en topographie convexe
Le pH 0-5 cm du sol est faible
Le richesse 0-5 cm du sol est faible ou élevée
z La contribution des variables du peuplement est plus importante d’au moins un ordre de grandeur que les variables abiotiques pour la prédiction des %ZPH
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
17
Introduction
Méthodologie
Résultats
Conclusion
Discussion
z La cartographie des prédictions de la mortalité non-événementielle et de l’incertitude quant à celles-ci permet de cibler des zones d’intervention prioritaires
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
18
Introduction
Méthodologie
Résultats
Conclusion
Discussion
Mortalité non-événementielle prédite Incertitude du modèle sur la prédiction de la
mortalité non-événementielle
z Conclusions
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
19
Introduction
Méthodologie
Résultats
Conclusion
Discussion• La mortalité non-événementielle estimée à partir du LiDAR aérien multi-temporel offre une
donnée de référence cruciale pour établir une base comparative pour évaluer l’effet des changements globaux sur les forêts. Celle-ci est évaluée à 0.28 m2/ha/an. Cela constitue environ 40% de l’accroissement annuel brut en surface terrière;
• Malgré une prédominance de l’importance des variables de peuplement sur la prédiction de la mortalité non-événementielle, le stress hydrique et la topographie locale (convexité) peuvent ajouter de 0.05 à 0.1 m2/ha/an en mortalité selon la situation;
• Nos résultats soulignent de grandes différences dans la distribution spatiale de la mortalité non-événementielle occasionnés par l’effet combiné des variables de aux peuplements (sensibilité) et celles des sites (exposition).
• Nous prévoyons utiliser les variables de stress hydriques sous changement climatique (RCP 8.5 et RCP 4.5) pour estimer la mortalité non-événementielle future (2040-2070);
• Les travaux avec le modèle de surface CLASS montrent que la sévérité et la durée du stress hydrique dans les zones qui ne connaissent actuellement que de courtes périodes de stress hydrique du sol. Ainsi, de forts changements dans la sévérité du stress hydrique devraient affecter des zones qui étaient jusqu'à présent peu touchées mais aussi peu adaptées aux conditions de stress hydrique du sol.
z RemerciementsAntoine Castonguay, Raphaël Provost & Andréane Coulombe
4 m
ai 2
021
Ren
dez-vo
us d
e la
con
naissa
nce
en
am
én
ag
em
en
t fore
stier d
ura
ble
Mo
délisatio
n e
t télé
déte
ction
20
Introduction
Méthodologie
Résultats
Conclusion
Discussion
Top Related