Error propagation in forest growth models in the context of regional forecasts - PASTEL - Thèses en ligne de ParisTech Accéder directement au contenu
Thèse Année : 2018

Error propagation in forest growth models in the context of regional forecasts

La Propagation des erreurs dans les modèles de croissance forestière dans un contexte de prévision à l'échelle régional

Lara Climaco de Melo
  • Fonction : Auteur

Résumé

In forestry, tree-level growth models provide predictions of forest dynamics andthereby, they support decision-making. Although they are widely used, the uncertainty of their predictions is rarely assessed. Understanding the sources of uncertainty and estimating their impact is an essential step forward in a period where large-scale forecasts are becoming more popular. This thesis addresses the issue of uncertainty estimation in regional growth forecasts. The effects of large-scale disturbances were also studied.The growth model ARTEMIS-2009, which applies to most forest types in Quebec,Canada, was taken as a case study. A bootstrap hybrid estimator was used toestimate the model- and the sampling-related variances. The total variance wasthen decomposed to determine which model component induced the greatest shareof variance in the forecasts. Then, the survival analysis approach was used to develop a harvest model based on plot and regional variables. This model was integrated into ARTEMIS so that harvesting combined with spruce budworm (SBW) outbreaks were accounted in the simulations. Then, their contributions in terms of uncertainty were estimated. The results revealed that the sampling accounted for most of the variance in short-term forecasts. In long-term forecasts, the model contribution turned out to be as important as that of the sampling. The variance decomposition per model component indicated that the mortality sub-model induced the highest variability in the forecasts. A great deal of uncertainty was induced by the natural disturbances when they were accounted for in the projections. In particular, SBW showed to be the most important source of uncertainty compared to harvest activities and sampling. In the light of these results, our recommendations are that the effort to reduce uncertainty should focus on the sampling in short-term forecasts, and on the mortality sub-model and SBW occurrence in mid- and long-term forecasts.
Les modèles de croissance forestière à l’échelle de l’arbre fournissent des prévisions de la dynamique des forêts et permettent donc d’orienter la prise de décision. Malgré cette importance, les incertitudes qui sont associées à leurs prévisions sont rarement évaluées. Comprendre les sources de ces incertitudes et en estimer l’impact sont essentiels au moment où les prévisions à grande échelle gagnent en popularité. Cette thèse de doctorat traite de l’estimation des incertitudes des prévisions de la croissance à une échelle régionale. Les effets de perturbations à large échelle sont aussi traitées. Le modèle de croissance ARTEMIS-2009, qui s’applique aux principaux types forestiers du Québec, Canada, a été utilisé comme étude de cas. Un estimateur hybride de type bootstrap a été utilisé pour estimer les variances provenant du modèle et de l’échantillonnage. La variance totale des prévisions a aussi été décomposée afin de déterminer quel sous-modèle induisait la plus grande part de variabilité dans les prévisions. Ensuite, une approche d’analyse de durée de vie a été utilisée pour élaborer un modèle d’occurrence de récolte qui tienne compte de variables de placetteset de variables régionales. Ce modèle de récolte a été intégré à ARTEMIS de façon à pouvoir tenir en compte de l’effet de la récolte combinée aux épidémies de tordeuse des bourgeons de l’épinette (TBE). Après cela, la contribution des perturbations en termes d’incertitudes a été prise en considération dans les simulations. Les résultats ont révélé que l’échantillonnage représentait la plus grande partie de la variance des prévisions à court terme. Dans les prévisions à long terme, la contribution du modèle s’est révélée aussi importante que celle de l’échantillonnage. La décomposition de la variance par sous-modèle a indiqué que le sous-modèle de mortalité était celui qui induisait la plus grande variabilité dans les projections. Lorsque les perturbations ont été prises en compte dans les projections, l’incertitude associée aux prévisions augmentait fortement. En particulier, la TBE s’est révélée être la principale source d’incertitude devançant les activités de récolte et l’échantillonnage.En conclusion, notre recommandation est de concentrer les efforts pour réduirel’incertitude sur l’échantillonnage dans les prévisions à court terme, et sur le sous-modèle de mortalité et sur l’occurrence de la TBE dans les prévisions à moyen et àlong terme.
Fichier principal
Vignette du fichier
67978_CLIMACO_DE_MELO_2018_archivage.pdf (7.36 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-02627028 , version 1 (26-05-2020)

Identifiants

  • HAL Id : tel-02627028 , version 1

Citer

Lara Climaco de Melo. Error propagation in forest growth models in the context of regional forecasts. Silviculture, forestry. AgroParisTech, 2018. English. ⟨NNT : 2018AGPT0006⟩. ⟨tel-02627028⟩
129 Consultations
116 Téléchargements

Partager

Gmail Facebook X LinkedIn More