Show simple document record

dc.contributor.advisorFournier, Richard
dc.contributor.advisorBoucher, Yan
dc.contributor.advisorGirard, François
dc.contributor.authorPerrault-Hébert, Maudefr
dc.date.accessioned2016-08-22T18:20:47Z
dc.date.available2016-08-22T18:20:47Z
dc.date.created2016fr
dc.date.issued2016-08-22
dc.identifier.urihttp://hdl.handle.net/11143/9460
dc.description.abstractFace à l’augmentation observée des accidents de régénération en forêt boréale et leur impact sur la productivité et la résilience des peuplements denses d’épinette noire, une meilleure compréhension des mécanismes de résilience et une surveillance des risques d’accident de régénération sont nécessaires. L’objectif principal de cette étude visait donc le développement de modèles prédictifs et spatialement explicites de la régénération de l’épinette noire. Plus particulièrement, deux modèles ont été développés soit (1) un modèle théorique, développé à l’aide de données in situ et de données spatiales et (2) un modèle cartographique, utilisant uniquement des données spatiales accessibles telles que les inventaires forestiers provinciaux et l’indice spectral de sévérité des feux « differenced Normalized Burn Ratio » (dNBR). Les résultats obtenus ont permis de constater que la succession rapprochée (< 55 ans) d’une coupe et d’un feu n’entraîne pas automatiquement une ouverture des peuplements d’épinette noire. Tout d’abord, les peuplements affectés par la coupe de récupération de brûlis (1963), immatures lors du feu de 2005, sont caractérisés par une faible régénération. En contrepartie, la régénération à la suite du feu de 2005, observé dans les peuplements coupés entre 1948 et 1967, est similaire à celle observée dans les peuplements non perturbés dans les 60 années précédant le feu. Le modèle théorique sélectionné à l’aide des critères d’information d’Akaike a, quant à lui, permis d'identifier trois variables déterminantes dans le succès ou l’échec de la régénération de l’épinette noire soit (1) la végétation potentielle, (2) le pourcentage de recouvrement du sol par les sphaignes et (3) la sévérité du feu évaluée à l’aide du dNBR. Des validations bootstrap et croisée ont permis de mettre en évidence qu’un modèle utilisant ces trois variables explique 59 % de la variabilité de la régénération observée dans le territoire d’étude., Quant à lui, le modèle cartographique qui utilise uniquement les variables végétation potentielle et dNBR explique 32 % de la variabilité. Finalement ce modèle a permis la création d’une carte de risque d’accident de régénération. Basée sur la précision du modèle, cette carte offre un potentiel intéressant afin de cibler les secteurs les plus à risque et ainsi appuyer les décisions relatives aux reboisements dans les zones incendiées.fr
dc.language.isofrefr
dc.publisherUniversité de Sherbrookefr
dc.rights© Maude Perrault-Hébertfr
dc.rightsAttribution - Pas d’Utilisation Commerciale - Pas de Modification 2.5 Canada*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/ca/*
dc.subjectÉpinette noirefr
dc.subjectRégénérationfr
dc.subjectPerturbationfr
dc.subjectdNBRfr
dc.subjectModèle prédictiffr
dc.subjectForêt boréalefr
dc.titleModélisation de la régénération de l’épinette noire suite au passage d’un feu en forêt boréale ferméefr
dc.typeMémoirefr
tme.degree.disciplineGéomatique appliquéefr
tme.degree.grantorFaculté des lettres et sciences humainesfr
tme.degree.levelMaîtrisefr
tme.degree.nameM. Sc.fr


Files in this document

Thumbnail
Thumbnail

This document appears in the following Collection(s)

Show simple document record

© Maude Perrault-Hébert
Except where otherwise noted, this document's license is described as © Maude Perrault-Hébert