Intégrer le climat dans les modèles de croissance forestière par couplage de modèles - Irstea
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Intégrer le climat dans les modèles de croissance forestière par couplage de modèles Patrick Vallet1,2, Thomas Pérot2 1 – UR LESSEM, Irstea Grenoble 2 – UR EFNO, Irstea Nogent-sur-Vernisson Séminaire de clôture du projet ADAMONT « ADAPTATION DES TERRITOIRES DE MONTAGNE AU CHANGEMENT CLIMATIQUE » Grenoble, 23 janvier 2018
2 Projet SATAN (Financement ADEME 2016-2019) SYNERGIE ENTRE ATTÉNUATION ET ADAPTATION : APPROCHE À L’ÉCHELLE DU TERRITOIRE Simuler l’évolution des peuplements forestiers d’un territoire sous différents scénarios climatiques • Zone d’étude : Forêt d’Orléans • Chêne sessile, Pin sylvestre, Mélanges d’essences de plaine • Futaie régulière Comment inclure l’effet du climat dans les modèles de croissance à long terme ?
3 Nouveau projet : PROTEST (Financement ADEME 2018-2020) PROSPECTIVE TERRITORIALE FORESTIÈRE SPATIALISÉE Dans le projet, adapter la méthode aux essences et structures du massif des Bauges
4 Comment prendre en compte l’effet du climat dans les modèles de croissance Modèles mécanistes (PBM) + Décomposition en processus élémentaires lien avec les variables climatiques - Nombre de paramètres d’entrée / données de calibration - Prise en compte de la structure du peuplement difficile - Prise en compte de la sylviculture difficile Modèles dendrométriques + Prise en compte de la sylviculture + Modèles parcimonieux - Mauvaise prise en compte des facteurs climatiques Modèles hybrides • Guillemot et al. (2014) : PBM + ajout d’un module sylvicole Hybridation dans l’autre sens : modèle dendro + modulation climatique
5 Modèle de croissance CONSTRUCTION Fertilité Densité Stade de Modulation Croissance ~ f1 station f2 peuplement f3 dévelopt f4 climatique Profiter des avantages de différentes sources de données Inventaire Forestier National (IFN) Carottages Données transversales Données longitudinales
6 Modèle de croissance CONSTRUCTION Fertilité Densité Stade de Modulation Croissance ~ f1 station f2 peuplement f3 dévelopt f4 climatique Apport du type de Données IFN X X X (transversales) Carottages X X (longitudinales)
7 Modèle transversal SUR DONNÉES DE L’INVENTAIRE FORESTIER NATIONAL Données disponibles pour le chêne sessile et le pin sylvestre Diamètre Nombre de Température Précipitations Diamètre Altitude moyen du placettes moyenne annuelles moyen du Pin Chêne (°C) (mm) (m) (cm) (cm) 525 10.4 785 226 32.3 - Chêne pur (7.2-12.7) (589-1673) (20-1466) (3.3-87.7) 548 8.8 920 833 - 22.5 Pin sylvestre pur (4.8-13.1) (500-1727) (37-1866) (1.6-59.0) 68 10.0 757 243 26.3 34.6 Placettes mélangés (8.1-11.3) (604-1456) (105-869) (7.4-78.3) (11.1-61.2)
8 Modèle transversal SUR DONNÉES DE L’INVENTAIRE FORESTIER NATIONAL Forme générale du modèle : potentiel x réducteurs (cf. Vallet & Pérot 2011, Toïgo et al. 2015, Toïgo et al. 2017) n (c ×Dg) e 1 +c2 BAI = a0 + (am ×Xm ) × DIb × +ε 1+c2 m=1 Accroissement Peuplement Potentiel de croissance Réducteur sylvicole Réducteur stade de dev. dépendant des variables dépendant dépendant du diamètre environnementales Xm de la densité DI du peuplement Dg
9 Modèle transversal SUR DONNÉES DE L’INVENTAIRE FORESTIER NATIONAL Résultats : Variables environnementales et sens des effets Chêne sessile Pin sylvestre Variable Sens Variable Sens Tmin Décembre + pH - Déficit eau Juillet - Tmax de Juillet - Indice d’Azote + Pente - Roche calcaire - RU + RU horizon 1 + Greco (Nord Est) +
10 Modèle longitudinal DONNÉES RÉTROSPECTIVES (Merlin et al.2015) Données du dispositif OPTMix (Forêt d’Orléans) Échantillonnage stratifié : trois triplets de placettes Chêne pur Mélange Pin pur Campagne de prélèvement en x3 hiver 2012 et hiver 2013 9 chênes 9 chênes 9 pins 9 pins = 108 individus Reconstitution de la croissance radiale
11 Modèle longitudinal DONNÉES RÉTROSPECTIVES Pour chaque placette, et pour chaque année, accroissement de 9 arbres de diamètres variés Accroissement pour 3 années différentes d’une même placette de chêne
12 II – Modèle longitudinal DONNÉES RÉTROSPECTIVES Exemple d’évolution de la relation de 1971 à 2012 pour une placette… … de chêne … de pin
13 Modèle longitudinal RÉSULTATS – CHÊNE SESSILE Variable climatique : Précipitations de décembre à juillet (pptdec_juil) baichêne = γ0 + γ1 +γ4 ×comp ×ppt déc_juillet × diameter – (α0 + α1 × age)
14 Modèle longitudinal RÉSULTATS – PIN SYLVESTRE Variable climatique : Précipitations de mai à août (pptmai_aout) baipin = γ0 + γ1 ×clim + γ2 ×age × diameter – (α0 + α1 × age)
15 Méthode de couplage PRINCIPE Utilisation du modèle transversal (IFN) pour prédire l’accroissement moyen • Fonction de la sylviculture (densité) • Fonction du stade de développement (Dg) • Fonction de la fertilité (potentiel de croissance) Modulation climatique avec le modèle longitudinal On montre que la modulation est égale au rapport des pentes Penteclim BAINFI,clim = × BAINFI,clim_ref Penteclim_ref
16 Projections dans un climat futur Utilisation des projections climatiques du modèle ALADIN, régionalisé pour la forêt d’Orléans Scenarios RCP 2.6, RCP 4.5, RCP 8.5 • Données historiques 1950-2005 • Projections de 2006 à 2100 Calcul de la modulation climatique pour le chêne et le pin, avec comme années de référence la période 1950 - 2005
17 Projections dans un climat futur RÉSULTATS Variation de la productivité par rapport à la période 1950 - 2005 Chêne sessile Pin sylvestre
18 Conclusion Développement d’un modèle couplé • Robuste • Climat – dépendant • Parcimonieux (peu de données d’entrée nécessaires) Démarche générique • Méthode transférable à d’autres contextes Effet du climat estimé sur des carottages : fluctuations passées du climat. • Extrapolations modérées possibles • Si on s’écarte beaucoup des conditions actuelles, d’autres processus physiologiques peuvent intervenir modèles mécanistes
Vous pouvez aussi lire