Intégration de données LiDAR aéroporté dans la modélisation de la croissance en hauteur de l’épinette noire (Picea subser. marianae) dans la forêt boréale de l’est du Canada

Abstract

La gestion opérationnelle des forêts rend nécessaire la prédiction de la croissance des arbres après perturbation ou récolte sylvicole pour estimer la productivité à l’échelle du paysage. L’indice de qualité de site (IQS) est un des outils utilisés à cette fin, en prédisant une hauteur à 50 ans. Les perturbations majeures induisent un rajeunissement du paysage, plus ou moins important selon leur fréquence et leur sévérité. Peu d’informations sont disponibles sur les jeunes peuplements puisque l’inventaire écoforestier s’est, par le passé, concentré sur les peuplements marchands. De plus, l’acquisition de nouvelles données est limitée par l’accès aux peuplements, lié à la détérioration des chemins forestiers. Le LiDAR (Light Detection And Ranging) fournit des informations tridimensionnelles sur la structure des peuplements sous forme de nuage de point. Une couverture LiDAR aéroportée sera disponible sur tout le Québec méridional d’ici 2022 et pourrait permettre l’acquisition d’informations structurelles sur les jeunes peuplements. Le LiDAR a été utilisé dans ce projet pour obtenir la hauteur des peuplements forestiers de pessières à mousses présents sur un territoire de 1699 km2 ainsi que des variables environnementales. Les modèles développés selon deux approches statistiques, par régression multiple (RM) et par random forest (RF), se montrent capables de prédire des hauteurs représentatives (R2 = 0.521 et 0.749, pour les modèles IQS_LiDAR^RM et IQS_LiDAR^RFrespectivement). La mise en relation des variables environnementales avec la hauteur a permis d’identifier plusieurs variables explicatives de la hauteur telles que l’âge des peuplements, la pente et le drainage. Les relations identifiées ont été utilisées pour construire un modèle prédictif pouvant être appliqué à l’échelle subcontinentale. Les IQSLiDAR créés dans ce projet montrent une erreur moyenne située entre -5.4 et -3.1 % selon le modèle. La méthodologie développée ici fournit aux gestionnaires des forêts du Québec un outil prédictif spatialisé a fine échelle (20 m de résolution) applicable à de vastes territoires, permettant une évaluation efficace des stocks forestiers fine et donc, utile à la planification stratégique des opérations forestières.