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 20182
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 Bauges4
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 climatique5
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 longitudinales6
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 Dg9
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 radiale11
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 chêne12
II – Modèle longitudinal
DONNÉES RÉTROSPECTIVES
Exemple d’évolution de la relation de 1971 à 2012 pour une placette…
… de chêne … de pin13 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_ref16
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 - 200517
Projections dans un climat futur
RÉSULTATS
Variation de la productivité par rapport à la période 1950 - 2005
Chêne sessile Pin sylvestre18
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 mécanistesVous pouvez aussi lire