Contexte

2. Contexte • Les futaies résineuses occupent la moitié des zones forestières de Wallonie. • Majoritairement en Ardenne (85%) • Le reste en Famenne (5%), en Condroz (5%) et en Lorraine (5%) • Principales essences concernées: • L’épicéa (75% des pplts résineux, en déclin) • Le douglas (5%) • Les mélèzes (4%) • Les pins (9%, en net déclin)  Pas abordés dans cette recherche • Peuplements voués à la production: • Plantations denses (pplts purs équiennes) puis éclaircies régulières • Croissance rapide et production élevée (15-25 m³/ha/an) • Révolutions courtes: 50-80 ans

3. Objectifs • Amélioration de nos connaissances sur la sylviculture des principales essences résineuses de production de Wallonie: l’épicéa, le douglas et les mélèzes. • Validation ou révision de modèles pré-existants: • Modèles de croissance en hauteur dominante • Modèles de croissance en grosseur • Mise au point d’un module de simulation de l’évolution des pplts résineux: • Mise au point de scénarios sylvicoles adaptés • Comparaison des essences entre elles • Simulation de l’évolution de la ressource

4. Activités de recherche • 1) Gestion des données: • Harmonisation et analyse des données déjà disponibles • Compléter avec de nouvelles mesures quand nécessaire • Sélection et répartition en différents jeux de données • 2) Modélisation de la croissance: • Initialisation de peuplements • Accroissement en hauteur et en grosseur • Mortalité naturelle • 3) Mise au point d’outils de simulation: • Module d’éclaircie • Module « qualité du bois » • 4) Intégration au sein d’un module de simulation: • GYMNOS

5. 1) Gestion des données

6. 1) Gestion des données Origine des données employées • Inventaire Permanent des Ressources Forestières de Wallonie (IPRFW): • Inventaire systématique représentatif de toute la forêt Wallonne • Environ 2800 placettes installées en pplts résineux • Réseau d’observation et base de données de GRFMN: • 850 placettes installées en pplts résineux • 600 suivies sur des périodes de 3 à 28 ans • Données complémentaires: • Analyses de tiges (origines diverses) • IFG (collaboration avec des gestionnaires forestiers) • Inventaires en jeunes pplts avant première éclaircie • Résultats de différents tests de martelage

7. 1) Gestion des données Données disponibles: quelques chiffres • Plus de 85 000 arbres mesurés: • 40k de GRFMN et 45k de l’IPRFW • 15k suivis sur des périodes ≥ 3 ans • Plus de 130 000 mesures de circonférences: • 85k de GRFMN et 45k de l’IPRFW • Plus de 30 000 mesures de hauteur: • 20k de GRFMN et 10k de l’IPRFW • 322 analyses de tiges réalisées dans 128 peuplements résineux: • 11.5k couples hauteur-age

8. 1) Gestion des données Sélection et répartition en différents jeux de données • Jeu de données « initialisation de peuplements »: • Paramètres de distribution des grosseurs de 700 placettes • 4800 mesures de hauteurs totales • Jeu de données « croissance en hauteur dominante »: • 11k couples hauteur-âge issus d’analyses de tige • 700 mesures d’accroissement en Hdom • Jeu de données « croissance en grosseur »: • 11k mesures d’accroissements en grosseur • Jeu de données « mortalité naturelle »: • Mesures de densités issues de 50 peuplements en auto-éclaircie

9. 2) Modélisation de la croissance

10. 2) Modélisation de la croissance A) Initialisation des peuplements • Objectif: mise au point de modèles qui permettent de transformer des données peuplements en données arbres. • Distribution des circonférences: • Distribution log normale à deux paramètres (μ et σ) • μ = f(Essence; Hdom; Nha) R² = 95% • σ = f(Essence; Hdom; Nha) R² = 50% • 2) Distribution des hauteurs totales: • Hi/Hdom = f(Ci/Cdom) R² = 60%  Hi = f(Hdom; Ci/Cdom) R² = 97%

11. 2) Modélisation de la croissance A) Initialisation des peuplements • Distribution des circonférences:

12. 2) Modélisation de la croissance A) Initialisation des peuplements • Distribution des hauteurs totales:

13. 2) Modélisation de la croissance B) Modélisation de la croissance en hauteur dominante • Objectif: mise au point de modèles de prédiction de la croissance en hauteur dominante lorsque le niveau de fertilité (Site Index - SI) est connu. • Le SI est défini comme étant la hauteur dominante du peuplement à 50 ans. • 16 modèles non linéaire testés: • Ajustement des modèles sur des données d’analyse de tige • Validation sur des données issues des suivis de pplts • Élimination des modèles biaisés • Sélection du modèle le plus performant (AIC et ECTr les plus faibles) • Résultats: • dHdom = f(Essence; Age; Hdomi) R² = 70% • Observation de très grosses différences entre les essences • Remise en question des anciens modèles épicéa et douglas

14. 2) Modélisation de la croissance B) Modélisation de la croissance en hauteur dominante • Comparaison des courbes de fertilité minimales et maximales pour le douglas, l’épicéa et les mélèzes:

15. 2) Modélisation de la croissance B) Modélisation de la croissance en hauteur dominante • Remise en question des anciens modèles, exemple de l’épicéa:

16. 2) Modélisation de la croissance C) Modélisation de la croissance en grosseur • Objectif: mise au point d’un modèle arbre de prédiction de la croissance en grosseur à partir de variables indépendantes des distances. • Analyse du jeu de données: • Accroissement potentiel = f(Fertilité; Age) • Réducteur = f(Position sociale; Densité) • Fortes interactions entre la densité et la position sociale • Forte variation de l’influence des variables entre essences • Densité: mélèzes >> douglas > épicéa • Position sociale: douglas et épicéa >> mélèzes

17. 2) Modélisation de la croissance C) Modélisation de la croissance en grosseur • Influence de la position sociale:

18. 2) Modélisation de la croissance C) Modélisation de la croissance en grosseur • Influence de la densité:

19. 2) Modélisation de la croissance C) Modélisation de la croissance en grosseur • Objectif: mise au point d’un modèle arbre de prédiction de la croissance en grosseur à partir de variables indépendantes des distances. • Recherche d’un modèle dans la bibliographie Nombreuses exigence à respecter: • Inputs nécessaires compatibles avec nos objectifs • Formulation cohérente avec les résultats de nos analyses • Excellentes performances pour les 3 essences • Comportement robuste • Sélection d’un modèle non linéaire publié par une équipe de l’AFOCEL*: • dC = f(Essence; Ci, Gha, Hdom, dHdomest) R² = 66% *DELEUZE C., PAIN O., DHOTE J-F., HERVE J-C. [2004]. A flexible radial increment model for individual trees in pure even-aged stands. Ann. For. Sci. 61, 327-335.

20. 2) Modélisation de la croissance D) Modélisation de l’auto-éclaircie • Objectif: définir la densité maximale soutenable dans un peuplement en fonction de son essence et de son statut de développement. • Courbes d’auto-éclaircie: • Nhamax = f(Cg) • Ajustement linéaire après transformation logarithmique • Observation de grosses différences entre essences • Cohérentes avec les précédentes analyses • Densité maximale tolérée: mélèzes << douglas < épicéa

21. 2) Modélisation de la croissance D) Modélisation de l’auto-éclaircie • Courbes d’auto-éclaircie:

22. 2) Modélisation de la croissance D) Modélisation de l’auto-éclaircie • Courbes d’auto-éclaircie:

23. 3) Outils de simulation

24. 3) Outils de simulation A) Module d’éclaircie • Objectif: pouvoir simuler des éclaircies d’intensités et de types différents. • Caractéristiques des coupes d’éclaircies simulées: • Distributions unimodales • Définies par 2 paramètres : « Intensité » et « Type » • Intensité: • Peut être définie en fonction de trois variables de densité: • la surface terrière (Gha) • le nombre de tiges (Nha) • la densité relative à la densité maximale tolérable (RDI) • Il existe deux manières de fixer l’intensité d’une éclaircie • Intensité du prélèvement ou objectif de densité après éclaircie • Type d’éclaircie: • Variable continue allant de -1 (par le bas) à 1 (par le haut)

25. 3) Outils de simulation A) Module d’éclaircie Exemple d’une éclaircie simulée avec les paramètres suivants: • Intensité = 20% du Nha total • Type = -1

26. 3) Outils de simulation A) Module d’éclaircie Exemple d’une éclaircie simulée avec les paramètres suivants: • Intensité = 20% du Nha total • Type = 0.5

27. 3) Outils de simulation A) Module d’éclaircie Exemple d’une éclaircie simulée avec les paramètres suivants: • Intensité = 20% du Nha total • Type = 0

28. 3) Outils de simulation A) Module d’éclaircie Exemple d’une éclaircie simulée avec les paramètres suivants: • Intensité = 20% du Nha total • Type = 1

29. 3) Outils de simulation B) Module « qualité du bois » • Objectif: distribution du volume bois fort tige des arbres en catégories définies par des qualités technologiques très différentes. • En cours, collaboration avec le DEMNA • Catégories de bois considérées: • Écorce • Bois juvénile: x cernes en partant de la moelle • Aubier: y cernes en partant de l’écorce • Bois mature: situé entre le bois juvénile et l’aubier • Caractérisation des noeuds

30. 4) GYMNOS

31. 4) GYMNOS A) Présentation • Objectif: fournir des outils précis pour la simulation de l’évolution des peuplements résineux et la mise au point de scénarios sylvicoles adaptés. • Création du module de simulation GYMNOS • Intègre nos différents modèles • Disponible sur la plateforme CAPSIS* • Fonctionnel et actuellement testé par l’ONF et l’INRA * Computer-Aided Projection of Strategies In Silviculture - http://capsis.cirad.fr

32. 4) GYMNOS B) Organigramme simplifié de GYMNOS Données initiales: Age, Nha, I0 Initialisation Sorties : Gha, Nha, RDI Cdom, Cmoy, Cg Age, Hdom,… Peuplement : Hdom, Age, Surface Liste d’arbres Suppression des arbres éclaircis oui Eclaircie ? Croissance : Aget+1 = Aget + 1 Hdomt+1 = Hdomt + dHdomt Cit+1 = Cit + dCit non oui non Autoéclaircie Nha > Nhamax ?

33. 4) GYMNOS C) Exemple de simulation • Interface de création de peuplement: • Données nécessaires: • Surface du peuplement (m²) • L’âge d’initialisation (années) • Une mesure de Hdom (m) • Le Nha à l’initialisation (/ha)

34. 4) GYMNOS C) Exemple de simulation • Exemple d’évolution du Nha dans des peuplements non éclaircis:

35. 4) GYMNOS C) Exemple de simulation • Exemple d’évolution du Nha dans des peuplements éclaircis:

36. 4) GYMNOS C) Exemple de simulation • Exemple d’évolution du volume sur pied dans des peuplements non éclaircis:

37. 4) GYMNOS C) Exemple de simulation • Exemple d’évolution du volume sur pied dans des peuplements éclaircis:

38. 5) Perspectives • Création de modèles technico-économiques permettant l'estimation de la rentabilité économique des scénarios sylvicoles testés dans nos modèles • Mise au point de nouvelles tables de production et développement de normes sylvicoles adaptées pour les peuplements résineux de Wallonie • Création de modèles stationnels permettant l'estimation de l’indice de fertilité d'un peuplement en fonction de variables topographiques, pédologiques et climatiques • Finalisation du module « qualité du bois » en collaboration avec le DEMNA