Au Québec, la forêt couvre 761 100 km2. Pour assurer la pérennité de cette ressource naturelle, une gestion durable et concertée, ainsi qu’une connaissance fine de celle-ci sont indispensables. Ainsi, le Ministère des Forêts, de la Faune et des Parcs (MFFP) mène des inventaires forestiers périodiques pour caractériser les peuplements écoforestiers. Durant ces inventaires, les attributs forestiers, tels le volume marchand brut (VMB), sont calculés. Les outils de télédétection sont aussi utilisés pour améliorer la qualité des inventaires. Ils offrent l’avantage de fournir des données de haute résolution, acquises de manière objective, répétable, à grande échelle, et à partir desquelles les attributs forestiers peuvent être estimés. Le MFFP a entrepris une acquisition provinciale de données lidar afin d’améliorer la caractérisation du territoire forestier. La recherche de modèles plus exacts et précis pour prédire les attributs forestiers à partir du lidar constitue une problématique d’actualité chez les intervenants forestiers. L’objectif de cette thèse est l’amélioration de l’estimation du VMB des sapinières au Québec à partir du lidar. Son originalité repose sur l’analyse des effets de quatre facteurs sur la modélisation du VMB, à savoir : le paramétrage du capteur lidar, la mortalité présente dans les placettes-échantillons, la variabilité des conditions de croissance entre différents sites d’étude et le décalage temporel observé entre la période d’inventaire et de survol du lidar. Une sélection des meilleures variables explicatives a d’abord été effectuée. Une méthodologie a ensuite été développée pour inclure les effets des facteurs dans les modèles de VMB. Les résultats ont indiqué que : 1) pour un site d’étude donné, la hauteur moyenne des premiers retours, le pourcentage de retours en dessous de 2 m et l’indice de rugosité de surface de la canopée sont les meilleures variables explicatives du modèle (pseudo-R2 = 0.91, racine de l'erreur quadratique moyenne, REQM = 27.8 m3 ha−1). À plus grande échelle (ex.: paysage), la combinaison optimale de variables explicatives comprend la hauteur moyenne des premiers retours, le pourcentage de retours au-dessus de 2 m et l’écart-type de la hauteur des premiers retours au-dessus de 2 m (pseudo-R2 = 0.75, REMQ = 33.0 m3 ha−1). 2) la hauteur moyenne et la répartition spatiale des premiers retours dans le nuage de points ont un effet sur la précision des modèles. L’inclusion de ces paramètres dans une fonction de variance permet de modéliser l’hétéroscédasticité des résidus et de mieux estimer l’incertitude (REMQ = 3.7 m3 ha-1 multiplié par la fonction de variance versus 28.0 m3 ha- 1 sans la fonction). 3) la présence d’arbres morts dans les placettes-échantillons augmente l'erreur de prédiction des modèles. Des cimes délimitées sur un modèle de hauteur de canopée peuvent être classées selon le statut de l’arbre (mort/vivant) à l’aide de variables descriptives de la distribution d’intensité des retours. L’élimination des retours associés aux arbres morts, avant l’étape de modélisation, permet d’améliorer les prédictions. Par exemple, dans un contexte où le niveau de mortalité observé est inférieur à 33%, la REMQ a diminué de 31.3 m3 ha-1 à 27.7 m3 ha-1 tandis que le pseudo-R2 a augmenté de 0.88 à 0.90. 4) les conditions de croissance des arbres peuvent varier le long d’un gradient du bioclimat. Cette variabilité ainsi que le décalage temporel observé entre la période d’inventaire et de survol du lidar, ont un effet sur l’exactitude des modèles. L’application d’un modèle spécifique à un site d’étude vers un autre site d’étude peut conduire à des prédictions biaisées. L’inclusion d’un coefficient aléatoire d’ajustement de la hauteur par site (indicateur de la variabilité intersites) ainsi que d’une fonction d’ajustement de la croissance (pour tenir compte du décalage temporel) permettent d’améliorer les prédictions (pseudo-R2 = 0.86 versus 0.75, REMQ = 24.1 m3 ha-1 versus 33.1 m3 ha-1). Le remplacement du coefficient aléatoire par une variable du bioclimat, fournit des prédictions semblables (pseudo-R2 = 0.86, REMQ ≤ 24.3 m3 ha-1). Le gradient du bioclimat pourrait affecter la structure des peuplements notamment en modifiant le rapport hauteur-diamètre des arbres. Cette thèse confirme l’aptitude du lidar à caractériser le volume marchand brut des sapinières au Québec. L’analyse de facteurs influençant la modélisation du VMB a amélioré l’exactitude et la précision des modèles. Ceci permet notamment d’établir des cartes de VMB plus fiables pour les intervenants forestiers. / In Quebec, forests cover an area of 761,100 km2. To ensure the sustainability of this natural resource, improved knowledge and informed management are important. The Quebec Ministry of Forests, Wildlife and Parks (MFFP) conducts forest inventories periodically to characterize the structure of forest stands. During these inventories, forest attributes such as timber merchantable volume (MV) are calculated. Remote sensing tools are also used to enhance the quality of the inventories. They offer the advantage of providing large scale, sequential high-resolution data, from which forest attributes can be estimated. The MFFP also started the provincial acquisition of lidar data to improve forest characterization. There is a need to develop more accurate and precise models to predict forest attributes using lidar data for forest users. The aim of this research is to improve lidar-based models to predict the MV of balsam firs in Quebec. The originality of this investigation lies in the analysis of the effects of four factors on the MV modelling. These are the lidar parameterization, the mortality in the sample plots, the variability of growth conditions and the temporal discrepancy between the field inventory period and the lidar survey. A search of the best explanatory variables was first made. A methodology was then developed to include the effects of the factors in the MV models. The results have shown that: 1) for a given study site, the average height of first returns, the percentage of first returns below 2 m and the canopy surface roughness index are the best explanatory variables of the model (pseudo-R2 = 0.91, root mean squared error RMSE = 27.8 m3 ha−1). At a large scale (eg.: landscape), the best subset of explanatory variables is the average height of first returns above 2 m, the percentage of first returns above 2 m and the standard deviation of height of first returns above 2 m (pseudo-R2 = 0.75, RMSE = 33.0 m3 ha−1). 2) The average height and the spatial distribution of first returns have an effect on the models’ precision. Including these parameters in a variance function enables to model the residual heteroscedasticity, and consequently, better estimate uncertainty (RMSE = 3.7 m3 ha-1 multiplied by the function of variance versus 28.0 m3 ha-1 without the function). 3) the presence of dead trees in plots increases the models’ prediction errors. Tree crowns delineated on a canopy height model can be classified according to the tree status (live/dead) when using variables describing the intensity distribution of returns. The removal of returns associated with dead trees prior to the modelling phase improves the predictions. For example, in a context where the observed mortality is less than 33%, the overall RMSE therefore decreased from 31.3 m3 ha-1 to 27.7 m3 ha-1 while the pseudo-R2 increased from 0.88 to 0.90. 4) the growing conditions of trees can vary along a bioclimatic gradient. This variability, along with the temporal discrepancy observed between the field inventory and the lidar survey, have an effect on the model accuracy. Applying a site-specific model from one study site to another can lead to biased predictions. The addition of a canopy height random coefficient (describing the site variability), and a growth function (accounting for the growth during the temporal discrepancy) improves the predictions (pseudo-R2 = 0.86 versus 0.75, RMSE = 24.1 m3 ha-1 versus 33.1 m3 ha-1). Replacing the random coefficient by a bioclimatic variable provides similar predictions (pseudo-R2 = 0.86, RMSEs ≤ 24.3 m3 ha- 1). The bioclimatic gradient could therefore affect the structure of stands, particularly in modifying the height-diameter ratio of trees. This thesis confirms the capacity of lidar to characterize the timber merchantable volume of balsam firs in Quebec. The analysis of factors influencing the modelling improved the accuracy and the precision of the models. This enables to build more reliable MV maps for forests users.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/30684 |
| Date | 15 August 2018 |
| Creators | Yoga Bengbate, Sarah |
| Contributors | Bégin, Jean, St-Onge, Benoît |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | thèse de doctorat, COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | 1 ressource en ligne (xii, 82 pages), application/pdf |
| Coverage | Québec (Province) |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0039 seconds