Thèse (M.Sc.)--Université Laval, 2004. / Bibliogr.: f. 118-125. Publié aussi en version électronique.

Présentement, les indices de paysage (IP) sont de plus en plus utilisés pour quantifier multiples aspects spatiaux des paysages. L’aménagement forestier évolue aussi dans ce sens en empruntant une approche plus holistique de l’aménagement des paysages qui prend en compte les diverses valeurs de la forêt en contrôlant la structure spatiale des mosaïques forestières. Pour les gestionnaires du territoire, les IP représentent un moyen objectif de comparer un paysage à des époques différentes ou sous des stratégies d’aménagement différentes. Toutefois, il est présentement difficile d’utiliser les IP afin de déterminer si les différences entre deux paysages sont significatives puisque leurs distributions théoriques sont inconnues. Par exemple, les IP ne permettent pas de déterminer si la « fragmentation » d’un paysage est significativement supérieure ou inférieure à celle d’un autre. Dans ce projet, les distributions de dix IP largement utilisés avec des cartes catégoriques ont été déterminées de manière empirique. Nous avons examiné l’effet de trois grandeurs de fenêtre sur la distribution des résultats des IP générés à partir de six paysages distincts. Trois compagnies forestières ont identifié ces paysages (mosaïques forestières) comme étant dissemblables. Les distributions des IP ont été testées en utilisant le test statistique de Kolmogorov-Smirnov afin de déterminer 1) si les IP décelaient des différences spatiales entre les six paysages et 2) si les résultats étaient distribués selon une distribution gaussienne. Les résultats indiquent que huit des dix IP testés permettent de détecter des différences de configuration spatiales entre des paysages « réels ». Ceux-ci doivent néanmoins être utilisés à une échelle particulière pour fournir des résultats satisfaisants. L’analyse confirme aussi que la comparaison de paysages à l’aide des IP sélectionnés doit être réalisée à une échelle constante. Parmi les huit IP dont nous avons établi les conditions « échelle-IP » optimales pour la quantification des mosaïques forestières, seuls trois nous permettent d’obtenir des distributions normales. Ces conclusions indiquent que les IP pourraient faire partie d’une méthodologie simple et robuste de caractérisation spatiale des mosaïques forestières et met en évidence leurs potentiels d’utilisation pour l’aménagement des ressources forestières. / Presently, Landscape indices (LIs) are increasingly used to quantify various aspects of different landscapes. In using a more holistic approach to landscape management, forest management is also taking this direction. Indeed, by controlling the spatial structure of forest mosaics, this type of management takes different forest values into account. For land managers, LIs represent an objective means to compare a landscape at different times or under different management strategies. However, it is presently difficult to use LIs to determine when two landscapes are “significantly” different because the theoretical distributions of LIs have not been determined. Hence one can say if a given landscape has a greater/lesser “fragmentaion” (for example), but one cannot say whether the fragmentation is significantly more/less in one landscape or another. In this study, the distributions of ten LIs widely used with categorical maps were determined empirically. This involved examining three landscape sizes on six different landscapes (forest mosaics) that were identified as being different by three different forest companies. The distributions of LIs were developed and tested using the Kolmogorov-Smirnov statistic to determine 1) if the LIs detected spatial differences among the six landscapes and 2) if the results conformed to a gaussian distribution. The results show that eight of the ten LIs tested can detect spatial pattern differences between “real” landscapes. However, they must be used at a specific scale to provide useful results. The analysis confirms also that landscape comparison using the selected LIs must be performed at a constant scale. Among the eight LIs for which the optimal “scale-LI” conditions were determined, only three provided normal distributions. These conclusions show that LIs could be part of a simple and robust methodology to characterise spatially forest mosaics and highlight their potential for uses in forest resources management.