Titre de l'écran-titre (visionné le 10 janvier 2024) / La composition en espèces et la structure des écosystèmes forestiers sont le résultat d'interactions complexes entre les processus de recrutement, de croissance et de mortalité, influencés par les conditions environnementales. Les changements actuels du climat, combinés à l'augmentation de la fréquence et de l'intensité des perturbations, engendrent de l'incertitude quant à la productivité des forêts canadiennes dans le futur. Face à cette incertitude, il devient impératif d'adopter des pratiques d'aménagement forestier axées sur l'atténuation des risques, afin d'assurer le maintien des services écologiques offerts par ses écosystèmes, tout en répondant aux besoins en ressources de la société. Dans ce contexte, une prise de décision éclairée nécessite des informations précises et à jour sur l'état des forêts canadiennes. Historiquement, notre connaissance de l'état des forêts reposait sur les inventaires forestiers réalisés dans les provinces et territoires canadiens, qui fournissent des informations sur la disponibilité de la ressource, sa qualité et le rendement attendu. Les perturbations plus fréquentes et la réaction variable des forêts aux changements dans les conditions de croissance rendent toutefois difficile une évaluation complète et précise de la situation des forêts par l'intermédiaire des données issues des réseaux de placettes-échantillon. Les informations contenues dans les cernes de croissance des arbres permettent de mieux comprendre l'influence du climat et des perturbations sur la croissance. Toutefois, les limites imposées par la disponibilité de ces données et l'impossibilité de les collecter en continu sur l'ensemble du territoire forestier rendent leur utilisation peu pratique pour un suivi en temps réel de l'état des forêts. Ces défis peuvent toutefois être relevés par un recours accru aux technologies de télédétection. Les séries temporelles d'imagerie satellitaire, en particulier, fournissent une information en continu sur l'état des forêts, permettant la détection des perturbations ainsi que des changements graduels causés par l'action de stress climatiques. Alors que la plupart des études précédentes sur le sujet se sont principalement concentrées sur la détection et la cartographie de ces changements, peu d'attention a été accordée à la compréhension des causes sous-jacentes et à la quantification de leur impact sur la croissance forestière. Pourtant, ces informations sont cruciales pour mieux prévoir les conséquences des perturbations et des stress induits par le climat, puisque des réductions de croissance prononcées peuvent indiquer une mortalité imminente. Des données précises sur la croissance des forêts sont également essentielles pour une prise de décision éclairée en ce qui concerne les calendriers de récolte et les interventions sylvicoles. L'objectif général de ce projet de recherche était de caractériser l'impact des perturbations partielles et de fournir des informations spatialement explicites sur la croissance des forêts canadiennes en intégrant les données de séries temporelles Landsat et des données collectées sur le terrain. Les deux premiers chapitres de cette thèse ont exploré l'influence des perturbations partielles sur l'état de la canopée forestière et sur la croissance des peuplements affectés, en utilisant des données de placettes-échantillon permanentes et des carottes d'accroissement récoltées dans divers écosystèmes forestiers. Le troisième chapitre a intégré des mesures répétées de placettes-échantillon permanentes et des séries temporelles Landsat pour estimer le taux de croissance annuel net d'une forêt boréale en l'absence de perturbation. Les résultats présentés dans les trois chapitres de cette thèse montrent que des modèles statistiques basés sur des séries temporelles Landsat et calibrés à l'aide de mesures de placettes-échantillon permanentes ou de données de cernes annuels permettent de mesurer la croissance des forêts ainsi que les changements provoqués par des perturbations partielles. L'intégration d'autres sources de données de télédétection telles que le LiDAR facilite l'application des méthodes utilisant l'imagerie satellitaire dans un contexte d'aménagement forestier et permet de prendre en compte de l'influence de facteurs biophysiques et écologiques qui ne peut être captée par l'imagerie satellitaire. Les méthodes et approches proposées dans cette thèse ont le potentiel d'être étendues à un plus large éventail de biomes forestiers en tirant parti de bases de données existantes, améliorant ainsi notre capacité à suivre l'état des forêts canadiennes dans un contexte de changements climatiques. / The species composition and structure of forest ecosystems are shaped by complex interactions between biotic and abiotic drivers that influence recruitment, growth, and mortality processes. Current climate changes, along with the increasing frequency and intensity of disturbances, introduce uncertainty about the future productivity and vigour of Canadian forests. In the face of such uncertainty, adopting forest management practices centred on stewardship and risk mitigation becomes imperative to preserve ecosystem functions while addressing society's resource demands. In this context, informed decision-making requires up to date and accurate information about the condition of Canadian forests. Historically, our knowledge on forest condition relied on field inventories conducted across all provinces and territories, providing information on resource availability, quality, and expected yield. However, intensified disturbances and the variable growth response of forests to climate change make it challenging to comprehensively assess forest situations through sample plot networks. While tree ring data is highly valuable, collecting such data consistently across Canadian forests is impractical. Addressing the challenges of assessing temporal and spatial changes in forest condition can be achieved through remote sensing technologies. Satellite imagery time series, in particular, offer continuous information on forest conditions for detecting disturbances and gradual ecosystem changes. While previous studies primarily focused on detecting and mapping disturbances and related changes in forest condition, less emphasis was given to understanding the underlying causes and quantifying their impact on forest growth. This information is yet critical to forecast the impacts of disturbances and climate-induced physiological stress, as growth declines can indicate imminent mortality. Accurate forest growth data is also crucial for making informed decisions regarding harvest schedules and silvicultural interventions. The general objective of this research project was to characterise the impact of non-stand replacing disturbances and provide spatially explicit information on forest growth across Canadian forests by integrating Landsat time series and field data. The first two chapters of this thesis explored the influence of non-stand replacing disturbances on forest canopy condition and growth rates, using data from permanent sample plots and increment cores collected in diverse forest ecosystems. The third chapter incorporated repeated measurements from permanent sample plots and Landsat time series to estimate the annual net forest growth rate in boreal forests in the absence of disturbance. The results presented in the three thesis chapters demonstrate that statistical models involving Landsat time series and calibrated using permanent sample plot measurements or tree-ring data can effectively assess canopy and forest structure changes caused by non-stand replacing disturbances and measure forest growth under both disturbance and undisturbed conditions. Integrating other remote sensing data sources like LiDAR enhances the applicability of these methods in forest management contexts and allows accounting for the effect of biophysical and ecological factors not captured solely by satellite imagery. The approaches proposed in this thesis have potential for expansion to cover a broader range of forest biomes by leveraging existing datasets, enhancing our ability to monitor Canadian forests response to climate change.

Le boosting est une approche largement utilisée pour résoudre les problèmes de classification et de régression. Sa force réside dans sa capacité à améliorer les performances de classificateurs individuels faibles pour en construire un puissant. La théorie du boosting est bien établie en tant que descente de gradient dans un espace de fonctions. Cependant, la conception d’un apprenant faible qui peut s’amplifier par boosting reste une question ouverte. Inspirés par les algorithmes Adaboost-MH et XGBoost, nous proposons une nouvelle famille d’apprenants faibles appelée Arbres de Hamming multi-classes à niveaux de confiance, où un arbre prenden charge l’encodage de la sortie, effectue un seul partitionnement disjoint de l’espace des instances, et prédit un vecteur de coefficients à valeurs réelles afin de mieux approximer le gradient fonctionnel négatif de la fonction objective. Nous proposons également un algorithme de boosting appelé QuadBoost-MHCR pour la minimisation de la perte quadratique multi-calsses avec encodage multi-classes de Hamming et avec des prédictions à niveaux de confiance. L’algorithme minimise une fonction de perte L2 multi-classes et il est facile de le généraliser, de manière analogue à XGBoost, pour minimiser toute fonction objective deux fois différentiable. / Boosting is a widely used approach for solving classification and regression problems. Its strength lies in its ability to improve the performance of individual weak classifiers to construct a strong one. The theory of boosting is well established as a gradient descent in functional space. However, the design of a boostable weak learner is still an open issue. Inspired by the algorithms Adaboost-MH and XGBoost, we propose a new family of weak learners called confidence rated multi-class Hamming trees where a tree supports output coding, performs a single disjoint partitioning of the input space, and outputs a real valued vector in order to better approximate the negative functional gradient of the cost function. We also propose ajoint boosting algorithm, called QuadBoost-MHCR for Quadratic Loss Boosting with Multi-class Hamming output encoding, and Confidence Rated predictions. The algorithm minimizes a multi-class L2-loss function, and it is easy to extend it, in an XGBoost fashion, to minimize any twice differentiable loss function.

En raison du changement climatique, une augmentation de la fréquence, de la gravité et de l'étendue spatiale des épidémies d'agents pathogènes forestiers est prévue. Il est donc important de comprendre et de prévoir les risques actuels et futurs d'épidémies de maladies forestières. La rouille des aiguilles du sapin de Douglas, ou Swiss needle cast (SNC) en anglais, une maladie défoliatrice causée par le champignon microscopique Nothophaeocryptopus gaeumannii, a causé d'importantes pertes de croissance du sapin de Douglas (Pseudotsuga menziesii) dans le Nord-Ouest Pacifique (PNW). Comme la plupart des maladies foliaires causées par des pathogènes fongiques, cette maladie est associée à divers facteurs bioclimatiques. Au cours des dernières décennies, des épidémies sans précédent de la maladie dans son aire d'origine soulèvent des questions sur les implications possibles du changement climatique pour la santé et la productivité des forêts et des plantations de sapins de Douglas de grande importance économique et environnementale. Un élément important de la réponse à ce défi de la gestion forestière est constitué par les stratégies d'adaptation au climat, dont la mise en œuvre nécessite une connaissance des potentielles circonstances épidémiologiques futures. La modélisation prédictive fournit un moyen d'évaluer les risques futurs d'épidémies sur la base de scénarios d'émissions grâce aux méthodes d'apprentissage automatique, statistique et des systèmes d'information géographique. Dans ce projet, j'ai modélisé l'adéquation climatique du PNW pour les deux lignées génétiques sympatriques de Nothophaeocryptopus gaeumannii afin d'approfondir notre compréhension de l'épidémiologie de la rouille des aiguilles du sapin de Douglas à grande et fine échelle, de tester les effets des lignées génétiques et du climat sur la gravité de la maladie, et enfin d'avoir un aperçu de la propagation de la maladie dans le Nord-Ouest du Pacifique en 2050 dans le « pire » scénario de changement climatique. Nos résultats soutiennent l'idée que les niches climatiques des lignées se chevauchent mais sont différentes, et suggèrent que l'adéquation climatique pour la lignée 1 de N. gaeumannii est associée à la gravité de la maladie lorsque l'exposition au soleil et le climat hivernal à court terme sont pris en compte dans la modélisation. Nous avons également trouvé des preuves possibles d'une partition verticale des niches des lignées au sein de l'arbre. Enfin, notre analyse indique que les zones plus à l'intérieur des terres de la zone épidémique actuelle deviendront plus à risque d'épidémies de Swiss needle cast dans le « pire » scénario de changement climatique en 2050. / As a result of climate change, a rise in frequency, severity and spatial extent of forest pathogen epidemics is expected. Thus, it is important to understand and predict current and future risks of forest disease outbreaks. Swiss needle cast (SNC), a native defoliating disease caused by the filamentous fungus Nothophaeocryptopus gaeumannii has caused significant Douglas-Fir (Pseudotsuga menziesii) growth losses in the Pacific Northwest. Like most forest pathogens and foliar diseases in particular, this disease is associated with various bioclimatic factors. In recent decades, unprecedented epidemics of the disease in its native range raise questions about the possible implications of climate change for the health and productivity of economically and environmentally important Douglas-fir forests and plantations. An important component of the response to this forest management challenge is climate adaptation strategies, which require knowledge of potential future epidemiological circumstances for their implementation. Predictive modelling provides a way to assess future risks of disease outbreaks based on emissions scenarios and innovative machine learning, statistical methods and geographic information systems. In this project, we model the climatic suitability of the Pacific Northwest for the two sympatric genetic lineages of N. gaeumannii to further our understanding of large- and fine-scale SNC disease epidemiology, test the effects of genetic lineages and climate on disease severity, and ultimately gain insight into the disease's spread in the "business as usual" climate change scenario in 2050. Our findings lend support to the idea that the climatic niches of the lineages are overlapping but different, and our results suggest that climatic suitability for N. gaeumannii's lineage 1 is associated with disease severity when hillshade and short-term winter climate is factored into modelling. We also found possible evidence of vertical niche partitioning of the lineages within the tree. Finally, our analysis indicates that areas further inland from the current epidemic area will be at higher risk for SNC outbreaks in the"business as usual" climate change scenario in 2050.

Tableau d’honneur de la Faculté des études supérieures et postdoctorales, 2007-2008. / La présente thèse porte sur la formation de concepts dans une tâche de catégorisation de stimuli visuels multidimensionnels. Elle s'intéresse particulièrement à l'apprentissage dans une tâche de catégorisation de stimuli constitués de caractéristiques séparables psychologiquement et permettant un traitement analytique. Les deux principales questions de recherche portent sur l'apprentissage de règles logiques de classification. La première question s'intéresse au lien entre la représentation logique d'un concept et le niveau de difficulté observé pour apprendre celui-ci. La deuxième question porte sur la modélisation du processus de vérification d'une règle. Les résultats démontrent que la difficulté subjective des concepts ne correspond pas toujours à leur description algébrique minimale, mais s'explique mieux dans certains cas par l'emploi de règles non-minimales. L'occurrence de ces règles non-minimales est expliquée par un processus d'apprentissage par tests d'hypothèses (Nosofsky, Palmeri et McKinley, 1994). Ce projet vise à modéliser les temps de réponse, les proportions de choix et des jugements de typicité des stimuli dans une tâche de catégorisation. Le cadre théorique proposé s'inspire des travaux de Martin et Caramazza (1980) et de Trabasso, Rollins et Shaughnessy (1971). Cette approche consiste à approximer des arbres de décision permettant de représenter la série de tests des caractéristiques effectuée pour classifier chacun des stimuli. Ces arbres de décision permettent de décrire le processus de vérification des critères énoncés dans une règle de classification. Le travail de modélisation s'effectue en trois analyses successives. L'Étude I et II modélisent les données de Lamberts (2000) et de Cohen et Nosofsky (2003). Celles-ci permettent de comparer les modèles d'arbres de décision aux deux modèles les plus reconnus du domaine. L'Étude III rapporte une expérience et modélise les résultats à partir d'arbres de décision obtenus par une méthode déductive (Sayeki, 1969). L'utilité prédictive de différents modèles est évaluée à l'aide d'une méthode de validation croisée (Stone, 1974). L'appui en faveur du concept théorique d'arbre décisionnel tient non seulement des excellentes descriptions quantitatives obtenues, mais aussi de sa capacité à prédire comment l'humain généralise ses apprentissages. / The present thesis is about concept formation in a perceptual categorization task with multidimensional stimuli. Its particular focus is on tasks that involve categorizing visual stimuli composed of psychologically separable features allowing analytical processing. The two main research questions relate to the learning of logical classification rules. The first question concerns the link between a concept's logical representation and the level of difficulty for humans to learn that concept. The second question is how to model the rule verification process when attempting to classify a stimulus. Results demonstrate that the subjective difficulty of concepts does not always correspond to their minimal algebraic description and that in some cases it is better explained by non-minimal rules. The occurrence of these non-minimal rules is explained by a learning process described as hypothesis-testing (Nosofsky, Palmeri and McKinley, on 1994). This project aims to model categorization response times, choice proportions, and subjective typicality judgments for each of the different stimuli presented to the participants. The proposed theoretical framework is inspired by that of Martin and Caramazza (1980) and by Trabasso, Rollins and Shaughnessy (1971). This approach consists in approximating decision trees that represent the sequence of feature tests performed when classifying each of the stimuli. Decision trees describe the verification process of the criteria expressed in a classification rule. The present modeling effort consists in three successive analyses. Study I and II attempt to model the data of Lamberts (2000) and Cohen and Nosofsky (2003). These studies compare the accounts of decision tree models to those from the two most successful models in the field. Study III reports an experiment and attempts to model the results using decisions trees obtained by a deductive method (Sayeki, 1969). The predictive utility of decision tree models is estimated by means of a cross validation procedure (Stone, 1974). The theoretical value of the concept of decision trees comes not only from the excellent quantitative descriptions obtained, but also from its capability to predict how human beings classify novel instances.

No description available.

La plantation d'arbres ou d'arbustes fruitiers figure parmi les options de réaménagement complémentaires à la restauration des tourbières résiduelles. Aucune étude n'avait toutefois été effectuée concernant le potentiel de telles plantations dans l'est du Canada. Le présent projet avait pour principal objectif de dresser un portrait des plantations existantes en tourbières résiduelles canadiennes, afin de connaître le potentiel de différentes essences forestières et d'une espèce d'arbuste fruitier (l'Aronia noir) à croître sur substrat tourbeux. Les essences forestières montrant de bonnes croissances sont l'Épinette noire et le Mélèze laricin. L'Érable rouge, le Pin gris, le Pin sylvestre et l'Aronia noir ont présenté certaines difficultés d'implantation ou de croissance, mais demeurent potentiellement intéressants. Les plantations de Peupliers hybrides sur tourbière résiduelle se sont avérées un échec. Une régie de la fertilisation comportant de faibles doses d'azote, de phosphore et de potassium est un atout pour des plantations forestières ou fruitières de ce type. Le présent projet a donc permis de mettre en évidence le réel potentiel d'établissement de certaines espèces forestières et fruitières en tourbières résiduelles dans l'Est du Canada.

Dans les pays en voie de développement, les agriculteurs sont très dépendants des arbres pour offrir une grande diversité de produits tels que des outils, de la nourriture, des médicaments, du bois de chauffage et de construction. Les arbres offrent ainsi un grand potentiel socioéconomique et environnemental pour les paysans. Par contre, malgré leurs usages multiples, les arbres fruitiers semblent être une des cultures ayant le moins d'incidence dans le revenu familial depuis la crise du café des années 1980, dans les Hauts-Plateaux de l'Ouest du Cameroun. Nous nous sommes demandé quelles étaient les principales contraintes et opportunités des paysans pour l'intégration et l'entretien des arbres fruitiers dans leurs systèmes de culture afin de connaître les aspects à favoriser pour augmenter le revenu des paysans à l'aide des arbres fruitiers en systèmes agroforestiers. Pour ce faire, nous avons entrepris une méthodologie participative. Un premier groupe de discussion avec les délégués d'arrondissement, des chefs de poste et quelques paysans clés nous a permis d'identifier les dix villages où la recherche a eu lieu afin d'obtenir une vision globale de l'état des arbres fruitiers dans le département de la Menoua. Dans chaque village, un groupe de discussion ainsi que des enquêtes auprès des agriculteurs étaient planifiés, pour connaître les caractéristiques de l'exploitation agricole et du ménage. Les résultats nous permettent de décrire les caractéristiques des systèmes agrisylvicoles dans la Menoua, les produits et services fournis par les arbres et leurs apports socioéconomiques. Les arbres fruitiers les plus importants économiquement parlant dans la Menoua sont l'avocatier, le colatier et le safoutier. Les arbres fruitiers sont utiles aux paysans, comme nourriture dans les champs ainsi que dans la pharmacopée traditionnelle et ils peuvent combler jusqu'à 20% du revenu des ménages de la Menoua. Les fruitiers pourraient donc être une option favorable à la diversification des revenus des paysans pour le développement socio-économique de la région de l'Ouest du Cameroun.

En Afrique, les technologies agroforestières jouent un rôle socio-économique majeur, mais leur potentiel à contribuer aux stocks de carbone, ainsi que celui de leurs espèces ligneuses est encore peu connu. De même, la réponse de leurs espèces ligneuses aux changements de l’environnement n’est pas documentée. Nous avons mesuré le stock de carbone de cinq espèces ligneuses locales (Acacia raddiana, Balanites aegyptiaca, Euphorbia balsamifera, Faidherbia albida et Neocarya macrophylla) et le stock sol-plante de trois technologies agroforestières (jachère, parc arboré et parcours naturel) selon trois textures contrastantes de sol (argileux, sableux et sablo-limoneux). Nous avons évalué le profil de développement racinaire (RDD) et la longueur spécifique racinaire (SRL) des espèces sous ces mêmes conditions. La variation intraspécifique des traits foliaires (surface spécifique foliaire (SLA); contenu en matière sèche (LDMC); contenu en carbone et en azote (LCC, LNC)); SRL; contenu en carbone et en azote des racines (RCC; RNC)) a été étudiée selon la texture du sol et les trois saisons : saison des pluies (SP), saison sèche chaude (SSC), saison sèche fraîche (SSF). Le carbone de la biomasse a été plus élevé dans les sols sableux, tandis que les sols argileux ont présenté les plus importants stocks de carbone du sol. Le carbone du système sol-plante a été plus élevé dans les jachères. La RDD n’a pas varié entre texture de sol et entre technologie agroforestière et un maximum de biomasse a été observé entre 40 et 60 cm de profondeur. La SRL a été plus élevée dans les parcs arborés, les parcours naturels, les sols sableux, plus pauvres en matière organique et la SSC, période la plus stressante. Les sempervirentes ont montré en général une plus grande variabilité des traits en réponse au sol et aux saisons. La variabilité intraspécifique de la SLA a été plus élevée en SSC, tandis que l’inverse a été observé pour la SRL. Pendant la SP, une corrélation positive a été notée entre SLA et SRL. Des jachères de courtes durées enrichies de sempevirentes et de décidues fixatrices d’azote contribueraient à accroitre le stock de carbone des terres dégradées des Niayes. / In Africa, agroforestry technologies play a major socio-economic role, but their potential and that of the principal woody species to contribute to carbon stocks is still poorly understood. As well, the potential of these species to respond to a changing environment is poorly documented. We measured the carbon stock of five local tree species (Acacia raddiana, Balanites aegyptiaca, Euphorbia balsamifera, Faidherbia albida and Neocarya macrophylla) and soil-plant carbon storage associated with three agroforestry technologies (fallow, park land, and rangeland) in three contrasting soil textures (clay, sandy and sandy loam). We evaluated the root depth distribution profile (RDD) and the specific root length (SRL) of these species under these conditions. Intraspecific variation in leaf traits (specific leaf area (SLA); leaf dry matter content (LDMC); leaf carbon and nitrogen content (LCC LNC); SRL, root carbon and nitrogen content (RCC, RNC) ) of these species was also investigated in three soil textures and over three seasons: rainy season (SP), hot dry season (SSC), and cool dry season (SSF). The carbon stored in biomass was higher in sandy soils, while clay soil showed the highest soil carbon stocks. Carbon stored in the soil-plant system was highest in fallow, compared to park land and to rangeland. The RDD did not change with either soil texture or agroforestry technology, and a maximum of root biomass was consistently observed between 40 and 60 cm deep. The SRL was higher in park lands, rangelands and sandy soils, with low soil organic matter, and in the SSC, the most stressful season. Evergreen species generally showed greater variability of traits in response to soil texture and season. Intraspecific variability of SLA was higher in SSC, while the opposite was observed for the SRL. During the SP, a positive correlation was noted between SLA and SRL. Short periods of fallow enriched by evergreen and deciduous nitrogen fixing species would contribute to increase the carbon stocks of degraded lands in these study sites.

L’intelligence artificielle est un domaine de recherche relativement récent. Grâce à lui, plusieurs percées ont été faites sur une série de problèmes qui étaient autrefois considérés comme très difficiles. La classification fine est l’un de ces problèmes. Cependant, même si résoudre cette tâche pourrait représenter des avancées tant au niveau scientifique qu’au niveau industriel, peu de recherche y a été effectué. Dans ce mémoire, nous abordons la problématique de l’application de la classification fine sur des problèmes concrets, soit la classification d’essence d’arbres uniquement grâce à des images de l’écorce et la classification visuelle des moisissures en culture. Nous commençons par présenter plusieurs concepts sur lesquels se basent l’apprentissage profond, à la base de notre solution ainsi que plusieurs expériences qui ont été menées afin de tenter de résoudre le problème de classification d’essence d’arbres à partir d’images de l’écorce. Par la suite, nous détaillons le jeu de données nommé BarkNet 1. 0 que nous avons construit dans le cadre de ce projet. Grâce à celui-ci, nous avons été en mesure de développer une méthode permettant d’obtenir une précision de 93,88% en utilisant une seule crop aléatoire dans une image et une précision de 97,81% en utilisant un vote de majorité sur toutes les images d’un arbre. Finalement, nous concluons en démontrant la faisabilité d’appliquer notre méthode dans d’autres contextes en montrant quelques applications concrètes sur lesquelles nous l’avons essayée, soit la classification d’essence d’arbres en industrie et la classification de moisissures. / Artificial intelligence is a relatively recent research domain. With it, many breakthroughs were made on a number of problems that were considered very hard. Fine-grained classification is one of those problems. However, a relatively small amount of research has been done on this task even though itcould represent progress on a scientific, commercial and industrial level. In this work, we talk about applying fine-grained classification on concrete problems such as tree bark classification and mould classification in culture. We start by presenting fundamental deep learning concepts at the root of our solution. Then, we present multiple experiments made in order to try to solve the tree bark classification problem and we detail the novel dataset BarkNet 1.0 that we made for this project. With it, we were able to develop a method that obtains an accuracy of 93.88% on singlecrop in a single image, and an accuracy of 97.81% using a majority voting approach on all the images of a tree. We conclude by demonstrating the feasibility of applying our method on new problems by showing two concrete applications on which we tried our approach, industrial tree classification and mould classification.

La qualité du bois récupéré après le passage des feux de forêt se détériore rapidement sous l'action de plusieurs espèces de longicornes qui profitent de cette soudaine disponibilité pour leur reproduction, nutrition et croissance. Ce projet visait à fournir des outils à l'industrie du sciage pour réduire les pertes économiques causées par les longicornes. Dans un premier temps, la colonisation et la ponte du longicorne noir {Monochamus scutellatus scutellatus (Say)) et autres longicornes ont été caractérisées dans cinq brûlis récents. L'abondance des adultes capturés dans des pièges à interception et des larves retrouvées dans les bûches variait selon les brûlis. Lorsque les feux ont fait rage tôt en mai, la colonisation des longicornes s'est effectuée moins intensément. La ponte saisonnière du longicorne noir suivait de près l'activité des adultes, contrairement à celle de Acmaeops proteus proteus (Kirby) où cette dernière était décalée. Ensuite, grâce à la technologie de la tomodensitométrie axiale (CT-Scan), l'estimation de la progression des dommages à plusieurs régimes de température différents selon le type d'essence a été possible. Aux températures les plus élevées (24°C et 28°C), les larves se sont développées rapidement passant ainsi moins de temps dans les tissus sous-corticaux que celles évoluant dans les bûches soumises à de basses températures. Les taux de développement sous-cortical et de progression de la profondeur des galeries mesurées étaient légèrement plus élevés chez l'épinette noire {Picea mariana Mill.) que chez le pin gris {Pinus banksiana Lamb.). Aucun oeuf n'a éclos et aucune larve ne s'est développée sous l'écorce à 12°C La progression des galeries dans les bûches soumises à 20°C ont montré des patrons de progression différents indiquant que les larves peuvent effectuer une diapause sous l'écorce ou dans le bois. À la lumière de ces résultats, des dommages importants peuvent survenir l'année même suivant le passage des feux démontrant la nécessité de débuter la récupération du bois brûlé le plus rapidement possible afin de limiter les pertes économiques causées par les larves de longicorne noir.