Diapositive 1

1
(No Transcript)
2
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
• Lépicéa (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)
• Révolutions courtes 50-80 ans

3
Objectifs

• Amélioration de nos connaissances sur la
  sylviculture des principales essences résineuses
  de production de Wallonie lépicéa, 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 dun module de simulation de
  lévolution des pplts résineux
• Mise au point de scénarios sylvicoles adaptés
• Comparaison des essences entre elles
• Simulation de lévolution de la ressource

4
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 doutils de simulation
• Module déclaircie
• Module  qualité du bois 
• 4) Intégration au sein dun module de simulation
• GYMNOS

5
1) Gestion des données
6
1) Gestion des données
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 dobservation 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
1) Gestion des données
Données disponibles quelques chiffres

• Plus de 85 000 arbres mesurés
• 40k de GRFMN et 45k de lIPRFW
• 15k suivis sur des périodes 3 ans
• Plus de 130 000 mesures de circonférences
• 85k de GRFMN et 45k de lIPRFW
• Plus de 30 000 mesures de hauteur
• 20k de GRFMN et 10k de lIPRFW
• 322 analyses de tiges réalisées dans 128
  peuplements résineux
• 11.5k couples hauteur-age

8
1) Gestion des données
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 danalyses de tige
• 700 mesures daccroissement en Hdom
• Jeu de données  croissance en grosseur 
• 11k mesures daccroissements en grosseur
• Jeu de données  mortalité naturelle 
• Mesures de densités issues de 50 peuplements en
  auto-éclaircie

9
2) Modélisation de la croissance
10
2) Modélisation de la croissance
A) Initialisation des peuplements

• Objectif mise au point de modèles qui permettent
  de transformer des données peuplements en données
  arbres.
• Distribution des circonférences
• Distribution log normale à deux paramètres (µ et
  s)
• µ f(Essence Hdom Nha) R² 95
• s 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
2) Modélisation de la croissance
A) Initialisation des peuplements
Distribution des circonférences
12
2) Modélisation de la croissance
A) Initialisation des peuplements
Distribution des hauteurs totales
13
2) Modélisation de la croissance
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 danalyse
  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

14
2) Modélisation de la croissance
B) Modélisation de la croissance en hauteur
dominante
Comparaison des courbes de fertilité minimales et
maximales pour le douglas, lépicéa et les
mélèzes
15
2) Modélisation de la croissance
B) Modélisation de la croissance en hauteur
dominante
Remise en question des anciens modèles, exemple
de lépicéa
16
2) Modélisation de la croissance
C) Modélisation de la croissance en grosseur

• Objectif mise au point dun 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 linfluence des variables
  entre essences
• Densité mélèzes gtgt douglas gt épicéa
• Position sociale douglas et épicéa gtgt mélèzes

17
2) Modélisation de la croissance
C) Modélisation de la croissance en grosseur
Influence de la position sociale
18
2) Modélisation de la croissance
C) Modélisation de la croissance en grosseur
Influence de la densité
19
2) Modélisation de la croissance
C) Modélisation de la croissance en grosseur

• Objectif mise au point dun modèle arbre de
  prédiction de la croissance en grosseur à partir
  de variables indépendantes des distances.
• Recherche dun 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 dun modèle non linéaire publié par une
  équipe de lAFOCEL
• 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.

20
2) Modélisation de la croissance
D) Modélisation de lauto-éclaircie

• Objectif définir la densité maximale soutenable
  dans un peuplement en fonction de son essence et
  de son statut de développement.
• Courbes dauto-éclaircie
• Nhamax f(Cg)
• Ajustement linéaire après transformation
  logarithmique
• Observation de grosses différences entre
  essences
• Cohérentes avec les précédentes analyses
• Densité maximale tolérée mélèzes ltlt douglas lt
  épicéa

21
2) Modélisation de la croissance
D) Modélisation de lauto-éclaircie
Courbes dauto-éclaircie
22
2) Modélisation de la croissance
D) Modélisation de lauto-éclaircie
Courbes dauto-éclaircie
23
3) Outils de simulation
24
3) Outils de simulation
A) Module déclaircie

• Objectif pouvoir simuler des éclaircies
  dintensités et de types différents.
• Caractéristiques des coupes déclaircies
  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 lintensité
  dune éclaircie
• Intensité du prélèvement ou objectif de densité
  après éclaircie
• Type déclaircie
• Variable continue allant de -1 (par le bas) à 1
  (par le haut)

25
3) Outils de simulation
A) Module déclaircie

• Exemple dune éclaircie simulée avec les
  paramètres suivants
• Intensité 20 du Nha total
• Type -1

26
3) Outils de simulation
A) Module déclaircie

• Exemple dune éclaircie simulée avec les
  paramètres suivants
• Intensité 20 du Nha total
• Type 0.5

27
3) Outils de simulation
A) Module déclaircie

• Exemple dune éclaircie simulée avec les
  paramètres suivants
• Intensité 20 du Nha total
• Type 0

28
3) Outils de simulation
A) Module déclaircie

• Exemple dune éclaircie simulée avec les
  paramètres suivants
• Intensité 20 du Nha total
• Type 1

29
3) Outils de simulation
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 lécorce
• Bois mature situé entre le bois juvénile et
  laubier
• Caractérisation des noeuds

30
4) GYMNOS
31
4) GYMNOS
A) Présentation

• Objectif fournir des outils précis pour la
  simulation de lévolution 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 lONF et
  lINRA
• Computer-Aided Projection of Strategies In
  Silviculture - http//capsis.cirad.fr

32
4) GYMNOS
B) Organigramme simplifié de GYMNOS
Données initiales Age, Nha, I0
Initialisation
Sorties Gha, Nha, RDI Cdom, Cmoy, Cg Age, Hdom,
Peuplement Hdom, Age, Surface Liste darbres
Suppression des arbres éclaircis
oui
Eclaircie ?
Croissance Aget1 Aget 1 Hdomt1 Hdomt
dHdomt Cit1 Cit dCit
non
oui
non
Autoéclaircie
Nha gt Nhamax ?
33
4) GYMNOS
C) Exemple de simulation
Interface de création de peuplement

• Données nécessaires
• Surface du peuplement (m²)
• Lâge dinitialisation (années)
• Une mesure de Hdom (m)
• Le Nha à linitialisation (/ha)

34
4) GYMNOS
C) Exemple de simulation
Exemple dévolution du Nha dans des peuplements
non éclaircis
35
4) GYMNOS
C) Exemple de simulation
Exemple dévolution du Nha dans des peuplements
éclaircis
36
4) GYMNOS
C) Exemple de simulation
Exemple dévolution du volume sur pied dans des
peuplements non éclaircis
37
4) GYMNOS
C) Exemple de simulation
Exemple dévolution du volume sur pied dans des
peuplements éclaircis
38
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 lindice de fertilité
d'un peuplement en fonction de variables
topographiques, pédologiques et
climatiques Finalisation du module  qualité du
bois  en collaboration avec le DEMNA