En Amérique du Nord, la coupe de jardinage a été implantée en réponse à plusieurs décennies de mauvaises pratiques forestières ayant laissé de grandes superficies de peuplements feuillus dégradés et de faible vigueur. Or, l’application de la coupe de jardinage dans un contexte industriel a produit des résultats variés et parfois peu convaincants sur sa capacité à améliorer la vigueur générale des peuplements et à fournir un rendement soutenu en bois de haute valeur. L’objectif général de ce projet de recherche était d’améliorer les prévisions de la croissance et de la mortalité des arbres feuillus à partir d’une meilleure évaluation de leur potentiel de croissance sur pied et de leur sensibilité aux conditions climatiques. Nos résultats ont d’abord montré un effet marginal du taux de dégagement induit par la coupe de jardinage sur la croissance et le taux de survie des arbres résiduels. Ce résultat s’explique en partie par une concentration de la récolte des arbres à l’intérieur et aux abords des sentiers de débardage, laissant ainsi de larges zones non traitées dans les peuplements résiduels. Dans les années suivant l’application du traitement, uniquement 24 % des arbres ont connu une hausse de croissance significative, un pourcentage de réaction de croissance légèrement inférieur à celui induit par les perturbations naturelles au cours des décennies précédentes. Nos analyses ont également montré qu’une réduction marquée de la croissance sur plusieurs décennies précédait 88 % des événements de mortalité post-récolte, et que les prévisions de ces événements pouvaient être significativement améliorées en considérant les tendances de croissance 25 ans avant la coupe. De plus, la présence de défauts affectant la vigueur des arbres au moment de la coupe était positivement reliée à la probabilité de mortalité et négativement reliée à la probabilité d’avoir une hausse de croissance après la coupe. Par ailleurs, nos analyses ont montré qu’une évaluation visuelle de la densité du houppier est l’indicateur le plus efficace pour estimer la vigueur et le potentiel de croissance sur pied de l’érable à sucre. Finalement, nos analyses des relations entre la croissance et les conditions climatiques ont montré un lien fort entre l’occurrence des stress climatiques ponctuels et une diminution de la croissance de l’érable à sucre. Les épisodes de gel-dégel de forte intensité ont été particulièrement dommageables en provoquant des baisses abruptes de la croissance dans les deux régions étudiées. À l’inverse, les analyses provenant des tendances climatiques mensuelles ont indiqué une relation faible et instable dans le temps avec la croissance. Nos résultats indiquent que l’effet synergique d’une accumulation de plusieurs stress climatiques et d’épidémies d’insectes défoliateurs au début des années 1980 a induit un changement important dans la dynamique de croissance de l’érable à sucre et sa réponse aux conditions climatiques mensuelles.

Titre de l'écran-titre (visionné le 4 janvier 2024) / Ce mémoire étudie les conséquences macroéconomiques d'une hausse soudaine du prix mondial du pétrole pour le Québec, une petite économie ouverte importatrice nette de pétrole. Pour ce faire, un modèle d'équilibre général dynamique et stochastique (DSGE) a été développé. Le modèle s'inscrit dans le cadre général des modèles Real Business Cycle (RBC) et tient compte de l'utilisation d'essence par les entreprises ainsi que de la présence de raffineries dans l'économie québécoise. Les résultats indiquent qu'un choc pétrolier entraîne un recul du produit intérieur brut (PIB) québécois, principalement attribuable à la diminution de la consommation des ménages et des dépenses du gouvernement provincial. L'activité économique se rétablit dans un délai d'environ deux ans et demi. Le modèle ne reproduit pas précisément les répercussions économiques qui ont suivi le choc pétrolier de mars 2022 provoqué par l'invasion russe en Ukraine. Une future version du modèle pourrait intégrer des rigidités néo-keynésiennes et une estimation bayésienne des paramètres, tenir compte de la croissance démographique et retirer la contrainte d'équilibre de la balance commerciale imposée par le modèle actuel. / This master's thesis examines the macroeconomic consequences of a sudden increase in the global price of oil for Quebec, a small open economy that is a net oil importer. To do so, a dynamic stochastic general equilibrium (DSGE) model has been developed. The model is rooted in the framework of Real Business Cycle (RBC) models and takes into account the use of gasoline by firms as well as the presence of refineries in the Quebec economy. The results indicate that an oil shock leads to a decline in Quebec's gross domestic product (GDP), primarily driven by a decrease in household consumption and provincial government spending. Economic activity recovers within approximately two and a half years. The model does not precisely replicate the economic repercussions that followed the oil shock of March 2022 caused by the Russian invasion of Ukraine. A future version of the model could incorporate New Keynesian rigidities and a Bayesian estimation of the parameters, account for population growth, and remove the equilibrium constraint on the trade balance imposed by the current model.

Ce document défend la thèse selon laquelle les prévisions hydrologiques d'ensemble possèdent une utilité opérationnelle supérieure à celle de leur contrepartie déterministe, autant dans le cas des prévisions basées sur des réseaux de neurones que pour des prévisions provenant d'un modèle hydrologique physique couplé à des prévisions météorologiques d'ensemble. Pour ce faire, deux séries de prévisions hydrologiques d'ensemble sont produites. La première série exploite un ensemble de réseaux de neurones tandis que la deuxième série provient du modèle hydrologique physique HYDROTEL auquel sont fournies des prévisions météorologiques d'ensemble issues de deux modèles atmosphériques développés par Environnement Canada. Puisque la simplicité de mise en oeuvre des réseaux de neurones de type perceptron multicouches le permet, ceux-ci sont testés sur six bassins versants. Les prévisions provenant du modèle HYDROTEL, quant à elles, concernent uniquement le bassin versant de la rivière Gatineau, qui comporte plusieurs ouvrages de production hydroélectrique. Cette particularité permet l'étude de la performance économique des prévisions hydrologiques d'ensemble pour la gestion du système. De plus, cette expérience se déroulant en période de crue, on peut démontrer l'intérêt des prévisions d'ensemble pour la prévention des débordements dans ce secteur. Par ailleurs, une comparaison entre les prévisions d'ensemble et les débits observés est effectuée à l'aide de critères de performance spécifiques aux prévisions d'ensemble, tels que le Continuous Ranked Probability Score ainsi que sa décomposition. Cette approche répandue chez les partisans des modèles physiques est toutefois novatrice du point de vue des ensembles neuronaux. Elle permet de démontrer la pertinence de conserver l'intégralité de l'ensemble neuronal plutôt que de l'agréger en une valeur moyenne, puisque l'ensemble offre une performance prévisionnelle supérieure. VI L'analyse des prévisions brutes, toute provenance confondue, révèle la présence d'un biais ainsi qu'une sous-estimation de l'incertitude (sous-dispersion) importante. Consé-quemment, quatre méthodes de post-traitement des prévisions sont appliquées et comparées. Ces méthodes, majoritairement basées sur une procédure de type noyaux, sont aussi testées sur deux jeux de prévisions d'ensemble synthétiques simples, afin d'effectuer une expérience plus théorique pour laquelle la réponse attendue est connue.

La prévision d’ensemble hydrologique est devenue un élément clé pour atténuer les effets des catastrophes naturelles (crues et sécheresses) et pour aider à la gestion des barrages (gestion du risque et de la ressource). Une approche probabiliste permet de représenter l’incertitude de prévision et de faciliter la prise de décision. Dans cette étude, un système automatique de prévision d’ensemble du débit tenant compte des principales sources d’incertitude est utilisé. L’incertitude météorologique est décrite en utilisant des prévisions d’ensemble météorologiques (MEPS) qui, malgré des améliorations constantes, peuvent rester localement biaisées et/ou peu fiables. Ces deux problèmes peuvent affecter la qualité de la prévision du débit et les décisions qui en résultent. Cette étude vise à évaluer si un post-traitement de la prévision météorologique est utile pour améliorer la prévision du débit produite par un système quantifiant les principales sources d’incertitude. Deux techniques de post-traitement météorologique sont utilisées pour corriger des prévisions de précipitation ECMWF : “Censored, Shifted Gamma Distribution” (CSGD) et “Distribution-based scaling” (DBS). Les prévisions de précipitations brutes et post-traitées sont utilisées pour forcer 20 modèles hydrologiques et obtenir des prévisions d’ensemble de débits. L’incertitude liée aux conditions initiales sont décrites par une assimilation de données (filtre d’ensemble de Kalman). Le post-traitement de la prévision de précipitation est évalué sur les sous-bassins de la rivière Gatineau au Québec en utilisant une évaluation multi-critères (diagramme de fiabilité, MCRPS...). Les résultats montrent une amélioration de la prévision météorologique en termes de fiabilité pour tous les bassins. Cette amélioration dépend de la quantité de précipitations, de l’horizon de prévision et de la saison. Les améliorations en termes d’exactitude sont plus modérées. Cependant, l’amélioration de la qualité de la prévision de précipitation a un impact faible sur la prévision du débit. / Ensemble streamflow forecast has become a key element to mitigate the effects of natural disasters such as floods and droughts and to help dam management (risk and resource management). A probabilistic framework allows to represent the uncertainty linked to the forecast and in this way help the decision making. In this study, an automatic streamflow ensemble prediction system that accounts for three sources of uncertainty is used. Meteorological uncertainty is accounted for by using a meteorological ensemble prediction systems (MEPS) which despite constant improvements remain locally biased and/or unreliable. These problems can affect the quality of the streamflow forecast and consequently, the resulting decision. This study aims at evaluating if a MEPS post-processing is useful to improve streamflow forecasts issued by a modeling chain that quantifies the main sources of uncertainty. Two MEPS postprocessing techniques were used to correct the ECMWF precipitation forecast: Censored, Shifted Gamma Distribution (CSGD) and Distribution-based scaling (DBS). The raw and post-processed ensemble precipitation forecasts are used as forcing variables to 20 rainfallrunoff models to produce ensemble streamflow forecasts. To consider the uncertainty arising from the initial conditions, the hydrological models benefit from data assimilation (Ensemble Kalman Filter). The post-processing of precipitation forecast is assessed over Gatineau’s sub-basins in Quebec using a multi-criteria evaluation (reliability diagram, MCRPS...). The results show an improvement in the meteorological forecast in terms of reliability for all the basins. This improvement varies by amount of precipitation, forecast lead time and season. The improvements in terms of accuracy were more moderate. However, the use of a meteorological post-processing technique did not lead to an improvement of the streamflow forecast.

Les précipitations, notamment la pluie, constituent un phénomène naturel qui a un très fort impact socio-économique, surtout lorsqu'elles ont un caractère torrentiel. Pour prendre en compte cet aspect, les systèmes hydrologiques d'alerte et de prévision ont besoin d'une information spatio-temporelle plus détaillée et des prévisions fiables de précipitation à très court terme. Ceci a une importance particulière dans de situations d'urgence (crues éclair, gestion de réseaux d'assainissement urbain, des barrages, etc.). Les champs de nuages et de précipitations demeurent les champs les plus difficiles a simuler pour les actuels modèles de prévision météorologiques. En effet, les échelles spatiotemporelles de ces modèles restent largement supérieures a celles qui sont pertinentes pour les précipitations : les mécanismes des précipitations sont essentiellement parametrisés et les pluies ne sont estimées que sur des échelles relativement grossières. De plus, le temps de mise en route de ces modèles est souvent prohibitif pour des prévisions à court terme. Différentes méthodes statistiques de traitement des images satellites et radar ont été développées pour combler ce déficit de prévision. Ces méthodes prennent en compte un grand nombre d'information à petite échelle, mais elles n'ont pas de base physique, en particulier elles ne prennent pas en compte la dynamique fortement non linéaire des cellules orageuses. Une alternative permettant a priori de dépasser, à l'aide des méthodes multi fractales, les limites des précédentes méthodes a été récemment considérée. Elle est fondée sur les modèles de cascade et prend en compte la hiérarchie des structures ainsi que leurs interactions non linéaires sur une grande gamme d'échelle spatio-temporelles, l'anisotropie entre espace et temps, et causalité. Fondamentalement, les processus de cascade développent des gradients de contenu en eau des plus en plus grands sur des fractions de plus en plus petites de l'espace physique. Ce type de modèles a l'avantage d'avoir un nombre limite de paramètres qui ont une signification physique forte et peuvent être évalues soit théoriquement, soit empiriquement. Dans cette thèse on présente la mise en oeuvre d'une procédure correspondant à cette alternative et son application à l'événement du 8-9 septembre 2002 a Nîmes, en utilisant des données radar fourni par la Direction de la Climatologie de Meteo-France, pour déterminer leurs caractéristiques multi fractales. On présente aussi la mise en oeuvre d'une procédure pour la simulation et prévision de champs de pluie multifractale et l'étude de la loi de perte de prédictibilité attendue.

Considérant que les taux de réponses d'un enfant lors d'une tâche de détection de contingence (TDC) constituent un indice de sa capacité à traiter l'information qu'il reçoit ainsi qu'un prédicteur de son développement cognitif et social (Millar,1972), la présente étude a pour objectif de mettre en lumière des facteurs pouvant expliquer la variance dans les taux de réponses des enfants à l'extinction de la TDC. Soixante-cinq mères et leur enfant âgé entre 12 et 19 mois sont observés en interaction. La sensibilité maternelle est évaluée à l'aide d'une adaptation à une situation de laboratoire de l'échelle de coopération/ interférence d'Ainsworth et al. (1974). L'enfant est assigné à l'un des quatre groupes d'apprentissage formés sur la base de sa performance à la phase d'apprentissage. Les résultats indiquent, d'une part, que la performance à la phase d'apprentissage est reliée à la persistance à l'extinction et, d'autre part, que l'interférence maternelle est associée à plus de persistance chez les enfants les plus âgés du groupe (plus de 14 mois). Les résultats sont interprétés d'un point de vue développemental où les capacités adaptatives de l'enfant sont mises en relief.

Diverses études hydrologiques suggèrent que les changements climatiques anticipés entraîneront une diminution des débits d'étiage pour une majorité des rivières du sud du Québec. Cette situation risque de devenir particulièrement préoccupante dans le bassin versant de la rivière Yamaska, car son débit estival est déjà faible. Puisque cette rivière est la principale source d'approvisionnement en eau pour différentes municipalités et les industries qu'elles desservent, des actions doivent être entreprises avant d'en arriver à des situations critiques. Un système d'alerte basé sur des débits seuils jumelé à une prévision météorologique constituerait un outil de gestion puissant. L'élaboration d'un tel système d'alerte nécessite une bonne connaissance de la rivière. Des analyses statistiques des différents épisodes d'étiage survenus dans les années passées permettent d'en faire ressortir les débits historiques ainsi que d'en comprendre le comportement en tarissement. Une revue bibliographique et l'analyse de différents modèles de prévision des débits permettent de déterminer les modèles qui s'appliquent le mieux au bassin de la rivière Yamaska. Des mesures de restriction pour chacun des différents niveaux du système d'alerte proposé doivent être déterminées en s'inspirant des différentes mesures de restriction présentes dans différents pays, tout en tenant compte des facteurs économiques et politiques. Aussi, les critères écologiques et fonctionnels doivent être pris en compte lors de l'établissement de ces débits seuils. Sur la base d'un suivi d'indicateurs et de prévisions associées, ce mémoire propose donc un système d'alerte qui indiquera le moment où des mesures restrictives de prélèvement et de consommation doivent commencer à être appliquées. En plus de constituer un outil puissant pour le bassin versant de la rivière Yamaska, ce prototype de système d'alerte aux étiages pourra être adapté à d'autres bassins versants du Québec enclins aux étiages sévères.

La littérature existante sur la façon d'estimer et d'anticiper les rendements boursiers est très diversifiée. En effet, de nombreux auteurs estiment que les modèles linéaires tels que les processus de longue mémoire expliquent mieux les fluctuations sur les marchés boursiers. D'autres estiment plutôt que les modèles non linéaires sont plus adaptés, car les fluctuations sont plutôt déterminées par des chocs structurels. Ainsi un modèle non linéaire tel que celui faisant usage des changements de régimes de Markov serait préférable Notre étude qui est une application empirique des travaux de Haldrup et al (2010), cherche à estimer simultanément ces aspects linéaires et non linéaires, pour les rendements des indices boursiers de Londres (FTSE100), New York (S&P500), Tokyo (NIKKEI225) et Toronto (SPTSX). S'effectuant sur une période de 1984-2010, elle considérera également l'intérêt marginal que pourrait apporter une spécification multivariée plutôt qu'univariée à la prévision des rendements. L'estimation des paramètres de longue mémoire et des changements de régimes de Markov dans les rendements boursiers, confirme les conclusions de nos prédécesseurs. Cependant, suite à la réalisation des prévisions, nous obtiendrons que les modèles Vecteur Autorégressif avec changement de régime de Markov présentent de meilleures propriétés en terme de prévision que les modèles Vecteur Autorégressif avec Longue Mémoire et ceux avec Vecteur Autorégressif avec Changement de Régime de Markov et Longue Mémoire.

Dans le cadre de cette étude, il est question de prédire les primes de risque de marché pour les États-Unis et le Canada sur un horizon d’un mois en se basant sur les données économiques des 20 dernières années. En se basant sur les modèles élaborés précédemment dans la littérature, ce mémoire a pour but d’effectuer des prévisions plus précises que celles générées précédemment. Ainsi, on observe que l’ensemble des modèles retenus, tant univariés, multivariés ou par agrégation sectorielle obtiennent un pouvoir explicatif supérieur au modèle naïf, et ce tant pour le marché américain que le marché canadien. Pour le marché américain, le modèle multivarié Stepwise Backward obtient la meilleure performance du groupe étudié avec un R[indice supérieur 2] de 0.10714 dans un contexte In-Sample et un R[indice supérieur 2] de 0.22284 dans un contexte Out-Of-Sample selon le test de McCracken (2007). Ce modèle permet donc d’expliquer 22.28% de la variation mensuelle de la prime de risque américaine dans le contexte de l’échantillon observé dans cette étude. Le modèle en question est composé des variables économiques représentant les variations mensuelles au niveau de l’inflation, de la masse monétaire M2, ainsi que du dernier taux journalier du mois observé pour les obligations gouvernementales ayant une échéance de deux ans, cinq ans et dix ans. Pour le marché canadien, le modèle multivarié Stepwise Forward obtient la meilleure performance du groupe étudié dans un contexte In-Sample avec un R[indice supérieur 2] de 0.07760 selon le test de McCracken (2007). Cependant, dans un contexte Out-Of-Sample, le modèle de prévision par agrégation sectorielle élaboré à la section 4.4 obtient de loin la meilleure performance avec un R[indice supérieur 2] de 0.17773 selon le test de McCracken (2007), permettant donc d’expliquer 17.77% de la variation mensuelle de la prime de risque canadienne. La performance accrue des modèles de prévision dans un contexte Out-Of-Sample semble provenir d’une meilleure performance notamment dans les premières années d’observation, (2001 à 2007) grâce à l’exclusion des grandes variations affectant les dernières années de la période d’observation (2008 à 2011).

Le potentiel de l’assimilation d’un type d’observation pour la prévision hydrologique a été démontré dans certaines études. Cependant, le potentiel de l’assimilation simultanée de plusieurs types d’observations a été peu validé, particulièrement pour les données comprenant une information sur la neige au sol. De plus, l’amplitude et la durée de l’impact de l’assimilation de données peuvent dépendre du type de données assimilé, ainsi que du contenu du vecteur d’état employé pour mettre à jour les variables ou les paramètres du modèle hydrologique. La présente thèse examine l’impact de l’assimilation de données multivariées en fonction du type de données assimilé et du contenu du vecteur d’état pour la prévision hydrologique à court terme (horizon de prévision jusqu’à 5 jours) et moyen terme (horizon de prévision entre 25 et 50 jours). Le filtre de Kalman d’ensemble est employé pour assimiler les observations de l’équivalent en eau de la neige à trois endroits sur le bassin versant de la rivière Nechako, ainsi que le débit à l’exutoire, dans le modèle hydrologique CEQUEAU. Les scénarios d’assimilation sont premièrement testés dans un cadre synthétique afin d’identifier les variables les plus susceptibles à l’assimilation des données pour la prévision hydrologique. La robustesse des scénarios d’assimilation de données est ensuite testée en introduisant un biais sur les précipitations solides. Finalement, les observations réelles sont assimilées pour vérifier l’impact réel des scénarios pour la prévision hydrologique. Les résultats montrent une amélioration variable des prévisions hydrologiques en fonction des scénarios selon plusieurs critères de performance mesurant l’exactitude, le biais et la représentativité de l’incertitude représentée par les prévisions d’ensemble. L’assimilation du débit pour la mise à jour des variables améliore principalement les prévisions à court terme, tandis que l’impact de la mise à jour de certains paramètres persiste à moyen terme. L’assimilation de l’équivalent en eau de la neige améliore les prévisions à court et moyen terme, principalement pendant la période de fonte de neige. Pour la plupart des scénarios, l’assimilation simultanée du débit et de l’équivalent en eau de la neige surpasse l’assimilation des données individuellement. Ces résultats sont cohérents entre les cadres synthétique et réel.