Optimisation de la densité de reboisement en fonction des grades de qualité des bois sciés - Mémoire Thomas Dändliker Maîtrise en sciences ...
←
→
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
Optimisation de la densité de reboisement en fonction des grades de qualité des bois sciés Mémoire Thomas Dändliker Maîtrise en sciences forestières - avec mémoire Maître ès sciences (M. Sc.) Québec, Canada © Thomas Dändliker, 2021
Résumé Des semis mis en terre aux produits sciés, la création de richesse guide les efforts du sylviculteur, l’objectif étant de générer des revenus qui surpassent les coûts de plantation et d’entretiens. Au début de ce processus, le choix de la densité de reboisement constitue une étape décisive quant à l’évolution des caractéristiques dendrométriques et qualitatives des arbres. La taille de la plus grosse branche du premier « 5 m » de l'arbre est un élément important du déclassement visuel du bois de sciage, et peut être considérablement affectée par les scénarios sylvicoles. Cette étude a analysé l'influence de trois facteurs, que sont l'espacement initial, l'indice de qualité de station et la position sociale de l'arbre dans le peuplement, sur le grade du bois dans les plantations non éclaircies d'épinette blanche [Picea glauca (Moench) Voss], d'épinette noire [Picea mariana (Mill.) BSP] et de pin gris [Pinus banksiana Lamb] au Québec, Canada. L'objectif principal était d'acquérir une meilleure compréhension du lien entre la qualité future du bois scié et le choix de l'espacement initial des plantations. Un objectif secondaire était aussi de déterminer si un indice de qualité de station plus élevé et un statut social supérieur de l’arbre au sein du peuplement affectent les qualités de bois produites à partir de la première grume de 5 m à la base de la tige. Les traitements d'espacement initiaux comportaient une large gamme de densités de plantation, allant de 1111 à 4444 tiges ha-1. Un total de 2657 arbres provenant de 149 sites a été échantillonné, avec une moyenne d’âge de peuplement de 26 ans. La plus grosse branche ainsi que le statut ont été enregistrés pour le développement du modèle. L’analyse des données a alors permis d’identifier que la position sociale de l'arbre dans le peuplement (dominant, codominant, intermédiaire), l'indice du site et la densité du peuplement constituaient des variables clés affectant la taille de la branche, et donc, par voie de conséquence, impactaient les qualités du bois. Les résultats de l’étude ont aussi montré un taux de déclassement visuel plus élevé pour les planches de bois de petite dimension (c.-à-d. 2x4) que pour les planches plus grandes (2x6), toutes provenant de plantations de conifères au Québec, Canada. Enfin, il a été constaté davantage de déclassements pour le pin gris que pour les épinettes blanches et noires, en particulier lorsque la densité de plantation diminuait en dessous de 2000 tiges par ha. ii
Table des matières Résumé ............................................................................................................................................................... ii Table des matières ............................................................................................................................................. iii Liste des tableaux ............................................................................................................................................... iv Liste des figures ...................................................................................................................................................v Remerciements ................................................................................................................................................... vi Avant-propos ..................................................................................................................................................... vii Introduction générale .......................................................................................................................................... 1 Chapitre 1 ........................................................................................................................................................... 5 1.1 Résumé .................................................................................................................................................... 5 1.2 Abstract .................................................................................................................................................... 6 1.3 Introduction ............................................................................................................................................... 7 Materials and Methods ................................................................................................................................. 10 Study sites................................................................................................................................................ 10 Sampling and branch assessment ........................................................................................................... 11 Model development .................................................................................................................................. 14 Results ......................................................................................................................................................... 16 Grade model ............................................................................................................................................ 16 Branch status model ................................................................................................................................ 20 Discussion .................................................................................................................................................... 24 Spacing and grade ................................................................................................................................... 24 Spacing and branch mortality................................................................................................................... 26 Conclusion.................................................................................................................................................... 27 Acknowledgements ...................................................................................................................................... 27 Conclusion générale ......................................................................................................................................... 28 Recommandations pour le MFFP ................................................................................................................. 30 Bibliographie ..................................................................................................................................................... 35 iii
Liste des tableaux TABLE 1: Stand characteristics of the sample stands for each of the three species ....................................... 11 TABLE 2: Threshold knot diameters and their associated classes. NLGA is the National Lumber Grading Authority (NLGA 2008)...................................................................................................................................... 14 TABLE 3 : Parameter estimates, SE and p-values for the branch class models given by Eq. (1); n is the number of observations .................................................................................................................................... 16 TABLE 4 : Model selection based on AIC for branch status model applies to the three species. Rank is the model ranking according to AIC; K is the total number of parameters; Δi is the difference between the AIC and that of the best model; wi is the ratio of the Δi for a given model to that of the whole set of candidate models, LL is the log-likelihood. ..................................................................................................................................... 20 TABLE 5 : Parameter estimates, SE and p-values for the best branch status models given by Eq. (2); n is the number of observations and R2 is the coefficient of determination ................................................................... 21 TABLE 6 : Classement visuel du bois (NLGA) selon la densité de la plantation et l'indice de qualité de station (IQS) pour l'épinette blanche avec un gradient d’intensité sylvicole de base ou intensif jusqu’à la 1ére éclaircie .......................................................................................................................................................................... 32 TABLE 7 : Classement visuel du bois (NLGA) selon la densité de la plantation et l'indice de qualité de station (IQS) pour l'épinette noire avec un gradient d’intensité sylvicole de base ou intensif jusqu’à la 1ére éclaircie .. 33 TABLE 8 : Classement visuel du bois (NLGA) selon la densité de la plantation et l'indice de qualité de station (IQS) pour le pin gris avec un gradient d’intensité sylvicole de base ou intensif jusqu’à la 1ére éclaircie .......... 34 iv
Liste des figures FIGURE 1: Prévision du nombre moyen de plants résineux mise en terre annuellement entre 2017 et 2021 au Québec en millions de plants (MFFP, 2016) ....................................................................................................... 1 FIGURE 2 : Geographical distribution of the plots ............................................................................................ 10 FIGURE 3: Tree selection priority for branch classification. Only stems larger than the dbh median for the site were selected.................................................................................................................................................... 12 FIGURE 4: The lowest 5 m of each stem was separated into four faces on which the largest branch was measured (adapted from Monger 1991) ........................................................................................................... 13 FIGURE 5: Probability of branches meeting the grade requirements for edge knots in visually graded dimension lumber in white spruce plantations. A. Effects of the tree site index classes, initial spacing and product type when the relative dbh = 1. B. Effects of relative dbh-classes 0.8; 1 and 1.2 for the average site index class (11.4m), initial spacing and product type........................................................................................ 17 FIGURE 6: Probability of branches meeting the grade requirements for edge knots in visually graded dimension lumber in black spruce plantations. Effects of relative dbh calculated for the average site index class (8.8m), initial spacing and product. ................................................................................................................... 18 FIGURE 7: Probability of branches meeting the grade requirements for edge knots in visually graded dimension lumber in jack pine plantations. A. Effects of the tree site index classes, initial spacing and product type when the relative dbh = 1. B. Effects of relative dbh-classes 0.8; 1 and 1.2 for the average site index class (6.0m), initial spacing and product. ................................................................................................................... 19 FIGURE 8 : Probability of mortality for the largest branch on one face in white spruce trees (relative dbh = 1.0) by site index classes (m)................................................................................................................................... 22 FIGURE 9: Probability of mortality for the largest branch on one face in black spruce trees (relative dbh = 1.0) by site index classes (m)................................................................................................................................... 23 FIGURE 10: Probability of mortality for the largest branch on one face in jack pine trees (relative dbh = 1.0) by site index classes (m) ....................................................................................................................................... 24 v
Remerciements Je tiens à remercier mon directeur de mémoire Alexis Achim qui m’a assuré son accompagnement bienveillant durant ma formation académique, et dont le suivi et la correction ont largement contribué à l’aboutissement et à la réussite du travail. Nos discussions m’ont apporté beaucoup, tant pour envisager la problématique de manière transversale et éclairée que pour acquérir des références riches et variées. Mes remerciements vont aussi à Pierre Beaupré et Charles Ward, qui m’ont prodigué leurs conseils pour me permettre de progresser. Je remercie également Louis Blais pour sa précieuse contribution à l’analyse statistique. Merci à mes collègues et amis du ABP-GHK : André, Christine, JR, Claude, Alexandre, Marianna, Minh et Co. J’éprouve de la gratitude d’avoir côtoyé des personnes aussi bienveillantes et douées. La quête de viser toujours plus haut est contagieuse. Merci au Ministère des Forêts, de la Faune et des Parcs du Québec pour les données, le soutien financier et logistique qui ont permis la réalisation du projet, notamment d’inventorier une centaine de plantations à travers la province du Québec. Zum Schluss ein herzliches Dankeschön an meiner Frau, meine Tochter und meine Familie für ihre Liebe, ihre bedingungslose Unterstützung, die es mir ermöglichte, das von mir gewünschte Studium und damit diese Dissertation abzuschließen. vi
Avant-propos Ce mémoire est constitué d’un article rédigé en anglais, d’une introduction et d’une conclusion générale en français. L’article a été rédigé dans le but d’être publié dans une revue scientifique. Les questions et hypothèses de recherche ont été établies avec l’aide de mon directeur de recherche, Alexis Achim, et de mon partenaire de la Direction de la Recherche Forestière du Québec, Charles Ward. J’ai fait les analyses statistiques avec les données du Ministère des Forêts, de la Faune et des Parcs du Québec. J’ai interprété les résultats et rédigé le manuscrit ; je suis donc l’auteur principal de l’article. Mon directeur et mon partenaire externe ont participé à l’élaboration du projet de recherche, et ont fourni d’indispensables avis tout au long du projet, notamment sur la méthodologie, l’analyse des résultats et sur la rédaction. Ils sont donc coauteurs de l’article. vii
Introduction générale Les forêts issues de plantation comptent pour 7% du total de la superficie des forêts mondiales en date de 2020 (FAO, 2020), mais fournissent, à elles seules, 50% de la production de bois (Miller et al. 2009). Au niveau du sciage, la production mondiale a augmenté à 493 millions de m3, soit 13 % de plus que 2014 (FAO, 2018). Selon des projections datant de 2010, la consommation mondiale de bois continuera d'augmenter au cours des prochaines décennies (FAO, 2010). Dans le même temps, les forêts plantées, qui représentent actuellement environ 264 millions d'hectares dans le monde, augmentent à un rythme d'environ 5 millions d'hectares par an (FAO, 2020). On s'attend donc à ce que les forêts de plantation représentent une part croissante des approvisionnements mondiaux en bois. À l’échelle du Québec, et sur la période de 2017 à 2021, les objectifs en matière de reboisement sont de mettre en terre annuellement en moyenne 133 millions de plants dans les forêts publiques et privées du Québec. Les résineux représentent presque la totalité des plantations, soit 98%, avec en moyenne environ 132 millions de plants mis en terre annuellement en forêt publique et forêt privée (MFFP, 2016). Aussi, pour cette même période, 94% des plantations québécoises sont réalisées avec trois essences résineuses que sont l'épinette noire (56%), le pin gris (21%) et l'épinette blanche (17%), comme l'illustre la Figure 1. FIGURE 1: Prévision du nombre moyen de plants résineux mise en terre annuellement entre 2017 et 2021 au Québec en millions de plants (MFFP, 2016) 1
Ces trois essences font partie du groupe dit SEPM (Sapin, Épinettes, Pins, Mélèzes), qui génère la majeure partie des volumes de bois récoltés et transformés sur le territoire provincial. En effet, la consommation annuelle des SEPM par les scieries québécoises s’élève à 22.4 millions de mètre cube en 2019, soit environ 87 % de la consommation total de bois toutes essences confondues (MFFP, 2019). Ainsi, ce groupe d’essences constitue la base de l'approvisionnement des usines produisant du sciage (Gouvernement du Québec 2017). En termes de volume, les scieries québécoises ont produit pour environ 11,7 millions de m3 de bois de sciage de résineux en 2019. Parmi ce volume produit, 6.8 millions de m3 sont destinés à l’exportation hors Québec, soit 57 % de la production de bois sciage de résineux. L’exportation de bois de sciage de résineux quant à elle s’élève à 1 153 millions de dollars et est principalement destinée aux États-Unis en 2019 (MFFP, 2020). Dans cette chaîne de valeur du bois, en partant de la forêt jusqu’aux marchés, il y a la possibilité d’optimiser les procédés de production du bois en forêt menant à la création de richesse. Les scénarios sylvicoles font partie intégrante de cette de chaîne de valeur et peuvent contribuer à l’atteinte de cet objectif (Gaudreault et al. 2010). Selon des analyses basées sur les modèles de calcul de possibilité forestière 2013-2018, la contribution des plantations aux possibilités forestières au Québec va augmenter significativement en passant de 1.7 % en 2020, à 46 % en 2120, (Pelletier, 2021). Face à la demande croissante de bois et la recherche de produire du bois de sciage de qualité, les aménagistes forestiers doivent trouver un compromis entre la productivité des forêts et la qualité du bois (Gardiner et al. 2013). Comme pour tout projet d'investissement, la rentabilité financière est un critère essentiel à considérer et à optimiser lors de la création de nouveaux peuplements forestiers. À cette fin, la densité de plantation est une décision sylvicole déterminante, qui influence les coûts d'établissement et donc la rentabilité financière (Huang 2005 ; Zhang et al. 2005). Sur le plan sylvicole, la densité de plantation impacte également la séquence des futurs traitements sylvicoles nécessaires, ce qui détermine finalement la croissance et les caractéristiques des arbres et des peuplements (Thiffault et al. 2003). Pourtant, l’établissement de la plantation (préparation de terrain, mise en terre) représente sans doute la dépense la plus importante qui sera engagée pendant la durée de vie d'une plantation. Des espacements plus larges ont été proposés comme moyen de réduire les coûts d'établissement et d'accélérer la croissance en diamètre des arbres individuels (Mcclain 1994). Cependant, la croissance plus rapide observée dans de telles conditions peut affecter les propriétés du bois, et donc la valeur et l'adéquation des produits à l'utilisation finale (Zhang 2002 ; Kuprevicius et al 2013 ; Hébert et al. 2016). La qualité des planches sciées est induite par le défilement de la tige et par la taille des nœuds, deux éléments qui peuvent être considérés comme les principaux facteurs modifiant la valeur du panier de produits (Zhang et al. 2002 ; Liu et al. 2007 ; Zhang et al. 2009). En fait, certaines caractéristiques clés des arbres, influencées par les traitements sylvicoles, telles que le défilement et le diamètre de la tige, ont un impact direct sur la taille et la forme de la bille. Une faible densité de plantation est connue pour favoriser le développement de la cime, et donc, favoriser le développement de branches plus grosses et de nœuds plus 2
gros (Weiskittel et al. 2009 ; Auty et al. 2012). Les nœuds peuvent induire des changements importants, affectant l'adéquation des produits du bois par rapport à leur utilisation finale (Buksnowitz et al. 2010). En Amérique du Nord, lorsqu'on utilise un système de classification visuelle des grades, notre attention se concentre sur le déclassement des planches par la présence de nœuds (NLGA 2008). En effet, les nœuds sont probablement le facteur le plus important à prendre en compte pour la qualité du bois (Tong et al. 2013). La rigidité et la résistance du bois peuvent être altérées par la présence de nœuds. Les nœuds diminuent les propriétés mécaniques du bois en modifiant l'axe longitudinal des fibres de la tige. La qualité du bois dépend donc des caractéristiques des nœuds (emplacement, taille, forme, résistance), ainsi que des forces auxquelles le bois sera soumis (Cramer et al. 1988 ; Duchateau et al. 2013). Comme les nœuds résultent de l'inclusion progressive de branches à l'intérieur de la tige, les attributs des nœuds peuvent être déduits à partir de données de branches externes, telles que le diamètre et l'angle d'insertion principalement (Duchateau et al. 2013). Cependant, des nœuds plus grands n’induisent pas nécessairement un déclassement de grade pour le bois de construction dans le système nord-américain. En effet, dans des plantations largement espacées, la présence de gros nœuds peut être atténuée par le fait que les tiges sont plus grandes. Dès lors, des pièces de bois plus grandes pour une classe de qualité donnée pourront intégrer des nœuds plus gros (NLGA 2008). Cependant, la recherche d'une densité de plantation optimale est souvent entravée par notre capacité limitée à anticiper deux éléments : le développement futur des nœuds et le panier de produits. Et ce, pour de nombreuses combinaisons possibles : d'essences, de productivité du site et de scénarios sylvicoles qui y sont appliqués (Auty et al. 2014). Dans ce sens, en se focalisant, sur des plantations non éclaircies, il sera possible de déterminer l’effet de la densité de plantation sur la qualité du bois uniquement et ne pas inclure l’effet de l’éclaircie. Dans des études antérieures réalisées dans des plantations de pin gris, quelle que soit la densité de plantation, les diamètres des branches dépassaient la norme NLGA pour le grade Select, dans les catégories de produits 2x3, 2x4 et 2x6 (Tong et al. 2005 ; Hébert et al. 2016). En revanche, sur des intervalles de plantation similaires, les plantations d'épinettes noires ne subissaient pas ces déclassements dans les mêmes proportions. Pour cette essence, indépendamment de la densité de plantation, il a été constaté que les nœuds plus grands, attribuables à un espacement initial plus large, n'affectaient pas la production de certaines qualités structurelles pour le bois 2x4 et 2x6 (Zhang 2002). Cependant, cela peut être attribuable à la gamme limitée d'espacement initial échantillonné. Certaines études, traitant du choix de la densité de plantation initiale, ont montré que la taille et la hauteur de la tige jusqu'à la première branche vivante dépendent du choix de la densité initiale du peuplement (Johansson 1992 ; Pfister et al. 2007). Par exemple, une étude a indiqué qu'il pouvait y avoir jusqu'à 1 m de différence dans 3
la hauteur de la première branche vivante entre différentes densités de reboisement (Johansson 1992). En outre, les branches mortes peuvent être un facteur aggravant pour le classement des planches sciées. La plupart des études précédemment menées, concernant les effets de l'espacement initial sur les dimensions des branches ou des nœuds, se sont limitées à des essais d'espacements sur un site donné, dans des conditions de croissance bien définies (indice de qualité de station, précipitations, température) et avec un nombre limité d’arbres échantillonnés (Hébert et al. 2016). Une autre limite des connaissances existantes sur le sujet est que le lien est rarement fait entre la taille des branches et leur effet potentiel sur la classification visuelle des planches sciées. Pourtant, cette classification demeure le principal élément déterminant de la valeur du bois sur le marché nord-américain. La présente étude vise à acquérir une meilleure compréhension du lien entre la qualité future du bois scié et le choix de l'espacement initial des plantations, pour trois essences commerciales au Canada, à savoir l'épinette noire, l'épinette blanche et le pin gris. Pour ce faire, nous avons développé un modèle prédictif des effets de l'espacement initial sur la taille des nœuds, en utilisant les seuils utilisés dans le système de classification visuelle du bois en Amérique du Nord. Les prédictions ont été faites en utilisant des variables de peuplement simples qui sont généralement disponibles à partir des inventaires forestiers. Le modèle a été calibré à l'aide d'un réseau de 149 parcelles permanentes dans des plantations non éclaircies couvrant une large zone géographique, ce qui a induit une variation importante des conditions de croissance pour nos trois espèces. En plus de l'espacement initial, nous avons cherché à déterminer si un indice de site plus élevé et un statut social plus dominant des arbres dans le peuplement affecteraient les qualités de bois produites à partir de la première bille de 5 m à la base de la tige. Nous avons évalué si les branches étaient encore vivantes ou non, afin de déterminer si leur croissance continuerait probablement au-delà du stade auquel nous avons fait des prédictions. Les modèles sont destinés à être intégrés dans un système de simulation de sciage, afin de quantifier les effets de l'espacement initial sur la classification des planches sciées et d'éclairer les futures décisions de gestion forestière (Auty et al. 2014). 4
Chapitre 1 Predicting quality grades of sawn timber according to initial spacing, site index and social status 1.1 Résumé La position sociale de l'arbre dans le peuplement (dominant, codominant, intermédiaire), l'indice du site et la densité du peuplement constituent des variables clés affectant la taille de la branche, et donc, par voie de conséquence, impactaient les qualités du bois. La taille de la plus grosse branche du premier « 5 m » de l'arbre est un élément important du déclassement visuel du bois de sciage, et peut être considérablement affectée par les scénarios sylvicoles. Cette étude a analysé l'influence de trois facteurs, que sont l'espacement initial, l'indice de qualité de station et la position sociale de l'arbre dans le peuplement, sur le grade du bois dans les plantations non éclaircies d'épinette blanche [Picea glauca (Moench) Voss], d'épinette noire [Picea mariana (Mill.) BSP] et de pin gris [Pinus banksiana Lamb] au Québec, Canada. L'objectif principal était d'acquérir une meilleure compréhension du lien entre la qualité future du bois scié et le choix de l'espacement initial des plantations. Un objectif secondaire était aussi de déterminer si un indice de qualité de station plus élevé et un statut social supérieur de l’arbre au sein du peuplement affectaient les qualités de bois produites à partir de la première grume de 5 m à la base de la tige. Les traitements d'espacement initiaux comportaient une large gamme de densités de plantation, allant de 1111 à 4444 tiges ha-1. Un total de 2657 arbres provenant de 149 sites a été échantillonné, avec une moyenne d’âge de peuplement de 26 ans. La plus grosse branche ainsi que le statut ont été enregistrés pour le développement du modèle. Les résultats de l’étude ont montré un taux de déclassement visuel plus élevé pour les planches de bois de petite dimension (c.-à-d. 2x4) que pour les planches plus grandes (2x6), toutes provenant de plantations de conifères au Québec, Canada. Enfin, il a été constaté davantage de déclassements pour le pin gris que pour les épinettes blanches et noires, en particulier lorsque la densité de plantation diminuait en dessous de 2000 tiges par ha. 5
1.2 Abstract The social position of the tree in the stand (dominant, codominant, intermediate), the site index and stand density are key variables that affect the branch size, and thereby lumber grades. The size of the largest branch on the lowest 5 meters of the tree can be significantly impacted by silvicultural scenarios and is an important indicator to visually grade sawn lumber. This study analysed the influence of the initial spacing, the site index and the social position of the tree in the stand regarding the lumber grade in unthinned plantations of white spruce [Picea glauca (Moench) Voss], black spruce [Picea mariana (Mill.) B.S.P.] and jack pine [Pinus banksiana Lamb] in Quebec, Canada. The primary aim was to acquire an improved understanding of the link between the future quality of sawn wood and the choice of initial plantation spacing, while a secondary objective was to determine whether a higher site index and more dominant social status of the trees within the stand would affect lumber grades produced from the first 5-meter butt log piece. Initial spacing treatments had a wide range of stand densities, starting from 1111 to 4444 stems ha-1. In this study, 2657 trees from 149 sites were sampled when the average stand age was 26 years and the largest branch size and status were recorded for model development. A higher visual downgrade rate can be expected for small dimension lumber pieces (i.e. 2x4) than for larger pieces (2x6) from conifer plantations in Quebec, Canada. More downgrades can be expected for jack pine than for white and black spruces, especially when planting density decreases below 2000 stems per ha. 6
1.3 Introduction Plantation forests account for 7% of the world’s forests (FAO, 2020), and provide 50% of wood production alone (Miller et al. 2009). According to the latest projections, global wood consumption will continue to increase in the next decades (FAO, 2010). In terms of sawing, world production in 2018 increased to 493 million m3, which represents 13% more than in 2014 (FAO, 2018). At the same time, planted forests, which currently represent about 264 million hectares worldwide, are increasing at a rate of about 5 million hectares per year (FAO, 2020). It is therefore expected that plantation forests will represent an increasing share of global wood supplies. Across Quebec, and over a period of 5 years from 2017 to 2021, the reforestation objectives are to plant an average of 133 million seedlings annually in Quebec's public and private forests. Conifers account for almost all the plantations (MFFP, 2016). Moreover, for this same period, 94% of Quebec’s plantations are represented by three coniferous species, i.e. black spruce [picea mariana (Mill.) B.S.P.] (56%), jack pine [Pinus banksiana Lamb].(21%) and white spruce [picea glauca (Moench) Voss] (17%). These species are the basis of the wood supply for dimension lumber sawmills across the province. According to analyses based on the 2013-2018 allowable cut calculation models, the contribution of plantations to the annual allowable cut in Quebec will significantly increase from 1.7% in 2020 to 46% in 2120 (Pelletier, 2021). Faced with the growing demand for timber and the quest to produce quality sawn timber, forest managers must find a compromise between forest productivity and timber quality (Gardiner et al. 2013). As with any investment project, cost-effectivness is an essential criterion to consider and optimize when establishing new forest stands. For this purpose, planting density is an important silvicultural decision that affects establishment costs and future thinning regimes, and thereby financial profitability (Huang 2005; Zhang et al. 2005). From a silvicultural viewpoint, planting density also affects the sequence of future treatments required, which ultimately determines the growth and characteristics of trees and stands (Thiffault et al. 2003). Yet, planting arguably represents the largest expense that will be incurred during the life of a plantation. Wider spacings have been proposed as a way to reduce establishment costs and accelerate diameter growth of individual trees (Mcclain 1994). However, faster growth, observed in such conditions, may affect wood properties, and thereby the value and suitability of the products for end use (Zhang 2002, Kuprevicius et al 2013, Hébert et al. 2016; ). The quality of sawn boards is influenced by stem taper and the size of the knots, which can be considered as the main factors affecting value recovery (Zhang et al. 2002; Liu et al. 2007; Zhang et al. 2009). In fact, some key characteristics of trees influenced by silvicultural treatments, such as stem taper and diameter, ultimately have a direct impact on log size and geometry. A low plantation density is known to favour the development of the crown, and thus promote the developments of larger branches and larger knots (Weiskittel et al. 2009, Auty et al. 2012). Knots can also induce significant changes diminishing the suitability of wood products for end use (Buksnowitz et al. 2010). 7
In North America, our attention is focused on the downgrade of boards by knots characteristics and quantity when a visual grading system is applied (NLGA 2008). Indeed, knots are probably the most important factor to consider when it comes to the quality of lumber (Tong et al. 2013). The rigidity and strength of wood can be altered by the presence of knots which decrease the mechanical properties of wood by changing the longitudinal axis of the fibers of the stem. The quality of the wood therefore depends on the characteristics of the knots (location, size, shape, resistance), as well as the forces to which the wood will be subjected (Cramer et al 1988; Duchateau et al. 2013). As they result from the progressive inclusion of branches inside the stem, knot attributes can be inferred from external branch data such as diameter and insertion angle principally (Duchateau et al. 2013). However, larger knots do not necessarily lower visual grades for dimension lumber in the North American system. Indeed, the presence of large knots in widely spaced plantations can be mitigated by the larger size of stems, which allows the processing of lumber with larger cross sections that can include larger knot sizes for a given quality class (NLGA 2008). Despite these principles being well understood, finding an optimum plantation density is often hindered by our limited capacity to anticipate this decision on future knot development, as well as on lumber products assortments for the numerous combinations of species, site characteristics and silvicultural scenarios that are applied (Auty et al. 2014). In this sense, when focusing on unthinned plantations, it will be possible to determine the impact of planting density on wood quality exclusively, without considering thinning effects. In previous studies done in jack pine plantations, the branch diameters were found to exceed the NLGA standard for the select structural grade, in the 2x3, 2x4 and 2x6 product categories, regardless of the planting density (Tong et al. 2005; Hébert et al. 2016). On the other hand, similar planting intervals for black spruce plantations did not cause the same extent on the downgrading. Regardless of planting density, Zhang (2002) found that the larger knots attributable to wider initial spacing did not affect the production of select structural grade for 2x4 and 2x6 lumber. However, this may be attributable to the limited range of spacing sampled. In general, the link between spacing and knot size implies that there is a limit at which the detrimental effect on wood properties becomes too large to justifiy a further reduction of plantation density (Zhang 2002). Some studies dealing with the choice of the initial planting density have shown that the size and height up to the first live branch are dependent on the choice of initial stand density (Johansson 1992 ; Pfister et al. 2007). For example, one study illustrated that there could be up to 1-meter difference in the height of the first live branch among different spacing options (Johansson 1992). 8
Most studies previously conducted on the effects of initial spacing on branch or knot dimensions have been limited to ‘common garden’ spacing trials monitored on one site in well-defined growing conditions (site index, precipitation, temperature) and with a limited number of sample trees (Hébert et al, 2016). Another limitation of the existing knowledge on the topic is that the link is rarely made between the size of the branches and their potential effect on the visual classification of sawn boards. Yet, this classification remains the main element that determines the value of wood on the North American market. The present study aims to acquire an improved understanding of the link between the future quality of sawn wood and the choice of initial plantation spacing for three commercial species in Canada, namely black spruce, white spruce and jack pine. To achieve this, we developed a predictive model of the effects of initial spacing on the size of knots using thresholds applied in the North American visual lumber classification system. Predictions were made using simple stand variables commonly used in forest inventories. The model was calibrated using a network of 149 permanent plots in unthinned plantations covering a large geographic range, which induced an important variation of growing conditions for our three species. In addition to initial spacing, we aimed to determine whether a higher site index and more dominant social status of the trees within the stand would affect lumber grades produced from the first 5 m log at the base of the stem. We assessed whether branches were still alive or not, in order to assess whether their growth would likely continue past the stage at which we made predictions. The models are intended to be integrated into a sawing simulation system in order to quantify the effects of the initial spacing on the classification of sawn boards and to inform future forest management decisions (Auty et al. 2014). 9
Materials and Methods Study sites The study was conducted across a large part of the commercially exploitable forests in Québec, Canada (Figure 2). The forest inventory data were obtained from the network of permanent plots (Table 1) established and uptdated by the Ministère de la Forêt, de la Faune et des Parcs (MFFP), in unthinned pure plantations of the three following species: black spruce, white spruce and jack pine. Plantations were established between 1986 and 1996 on previously harvested stands, abandoned farmlands or burned sites. The most frequent surface deposits are glacial deposits and alluvial deposits. Site preparation was done mechanically for each plot before planting. FIGURE 2 : Geographical distribution of the plots All plantations were established mainly with 2-year -old seedlings without genetic improvement. The diameter at breast height (dbh), age (A), site index (SI), stand density (SD) of the sampled plantations are summarized in table 1. The standard deviation of the variable age is 3 years for white spruce, 4 years for black spruce and for jack pine. The plantations are limited to an age range from 18 to 33 years. Site index, which corresponds to the dominant height at a reference age, reflects the yield of the plantation linked to the productivity of the site 10
(Skovsgaard 2008). The reference age for the site index is 25 years for white spruce and black spruce and 15 years for jack pine (Prégent et al. 2010, Prégent et al. 1966, Bolghari et al. 1984). TABLE 1: Stand characteristics of the sample stands for each of the three species Species No. of plots Stand variable Mean Median Minimum Maximum white spruce 51 dbh (cm) 15.78 15.60 6.30 25.10 A (year) 24.73 23.00 18.00 33.00 SI (m) 11.45 11.65 7.27 14.94 SD (tree ha-1) 2600 2650 1850 4444 black spruce 61 dbh (cm) 15.60 15.30 8.10 26.10 A (year) 27.66 27.00 22.00 33.00 SI (m) 5.81 6.05 4.40 6.91 SD (tree ha-1) 2720 2667 1111 4444 jack pine 37 dbh (cm) 15.62 15.40 6.00 29.10 A (year) 26.23 27.00 17.00 33.00 SI (m) 5.81 6.05 4.40 6.91 SD (tree ha-1) 2554 2500 1111 4444 In order to determine if the social status of the trees (intermediate, co-dominant, dominant) in the stand would affect the quality of the wood, we used the relative dbh. Thus, for each of the trees, the dbh was divided by the average dbh of the plot to obtain the relative dbh. To measure the effect of the site index on the size of the branches and their mortality, the site index was divided into three equal classes for each of the species. These classes were reused in the dataset intended to calculate the predictions. Sampling and branch assessment A sampling was conducted during the summer and fall of 2019. Because competition-induced mortality was still ongoing at most sites, our sample selection aimed to target trees with the best potential to reach the final harvest. At each site, we therefore limited our random selection of subject trees to those that had a dbh above the median. The plot was measured in full to obtain the median. At each site, 20 trees were first identified in a 0.04-ha plot. These trees were chosen to obtain an assessment of the tree size distribution. Trees were selected first along the planting line nearest to the center of the plot (red line in Figure 3), followed by adjacent lines in the 11
northernmost direction until the central line of the plot was reached (lines in blue in Figure 3). When necessary, adjacent lines on the other side of the central line were also sampled (lines in yellow in Figure 3). FIGURE 3: Tree selection priority for branch classification. Only stems larger than the dbh median for the site were selected. External defects and diseases affecting the stem within the lowest 5 meters were rejected to make sure that the stem section could be used for dimension lumber after harvesting. The tree-level information collected included the dbh, the largest branch on each of the four faces within the first 5-meter log (Figure 4) and its status (live or dead). Faces A and C were set to be aligned with the planting line, while faces B and D were perpendicular to the planting line. Face A was set as the northernmost face. 12
FIGURE 4: The lowest 5 m of each stem was separated into four faces on which the largest branch was measured (adapted from Monger 1991) A classification system was applied whereby a branch would be assigned one of six grades (1 to 6) according to its diameter. These grades were based on the current National Lumber Grades Authority (NLGA) grading rules, assuming that the diameter of the branch would be equal to the diameter of the knot embedded within the stem. By focusing on the largest branch on each face, we aimed to identify the spacing at which lumber downgrades would likely start to occur. Regarding dimension lumber, the maximum knot size allowed for a given grade depends on the position of the knot and the width of the board. To be consistent we chose the most severe criteria, which are associated with knots located on the edge of the piece. In this study, our interest was focused on the two most manufactured products for the North American market i.e. the 2 x 4 and the 2 x 6 pieces of lumber. This allowed us to identify maximum allowable knot sizes from the NLGA classification (Table 2). 13
TABLE 2: Threshold knot diameters and their associated classes. NLGA is the National Lumber Grading Authority (NLGA 2008) Branch class Lumber dimension Structural grade NLGA Maximum size for edge knots (cm) 1 2x4 Select 1.91 2 2x6 Select 2.86 3 2x4 No 2 3.18 4 2x4 No 3 4.45 5 2x6 No 2 4.76 6 2x6 No 3 6.99 According to the NLGA, the size of the admissible knots on the edge of a piece of select structure lumber is 1.91 cm for a 2 x 4 and 2.86 cm for a 2 x 6. There is therefore an additional 0.95 cm for the size of the knots allowable for the highest lumber grade if 2 x 6 pieces can be produced (NLGA 2008). In total, our dataset consisted of 11920 measured branches on 2657 trees from 149 sites. Model development All statistical analyses were performed using libraries contained in the R statistical programing environment (R Core Team 2019). Grade model We started by fitting a set of cumulative logit mixed models to the pooled data for the 3 species to predict the grade class. These models allow random effects to be taken into account in models predicting dependent variables with ordered responses. Such models are adapted to our objectives because they allow us to take into account the grouping of observations of multiple branches within trees. We fitted the following cumulative link mixed model to the data: Eq.(1) Logit(P(Gradei) ≤ j)) = + β1 (stand densityi) + β2 (site indexi) + β3 (relative dbhi) + u(treei) where i = 1,…, n, refers to the individual trees, and j = 1,…, J-1 refers to the ordered categories of the response variable. This means that the model determines the cumulative probability of the ith individual tree falling in the jth class category or below, where the represents the threshold points. Finally, u( ) specifies a tree-level random effect. This random tree effect was assumed to be normally distributed, u( )~N(0, 2). The variance 14
of these effects, 2, was estimated at that same time as the fixed effects. However, this method does not provide standard errors of the fixed effect estimates, which is useful to produce confidence intervals. The bootstrap method was not applied here because when choosing trees at random, some products could be absent of certain iterations. When calculating, for each iteration, the predicted value of the new model with the original data, this led to important issues of non-convergence. To solve this, we used the inverse Cholesky decomposition transformation (Wang 2008). This consists of using the variance-covariance matrix “C” of the parameters produced by the model and generating, for each iteration, different values of each parameter according to a normal distribution. For each parameter, the generated normal distribution will have an average “b” (value obtained from the parameter) and a variance-covariance “C”. For each parameter kit generated, we calculated a predicted value and stored the results in a matrix. We then calculated the standard deviation of predictions obtained from 10 000 iterations. Branch status model To analyse the mortality of the largest branch, live branches were coded as ‘0’ and dead ones as ‘1’ in the dataset. We fitted generalised linear mixed models (GLMMs), because they, first, allow the analysis of a binomial dataset and second, take into account that observations on the tree level are not independent. The model can be written as : Eq. (2) Logit (P (Yij)) = β1 (stand densityi) + β2 (site indexi) + β3 (relative dbhi) + (u0j + (eij) where Yij is the j th branch status of the i th tree, β the coefficients of the variables (stand density, site index, relative dbh), u0j the random effect, eij is the residual error for a binomial distribution. The model was developped in R with the package lme4. In addition, fit indices R2 were calculated for each model. The following procedure was applied to each species separately. Model selection To test the relevance of site, stand- and tree-level characteristics for predicting branch mortality, models were successively fitted to the data. Multiple combinations of variables were tried. To begin with, a null (i.e., intercept only) model was used as the reference level for the other more complex models. Then, we added variables relating to stand and site level characteristics (dbh relative to the site median, stand density, site index). In total, eight candidate models were computed and compared, based on the Akaike information criterion (AIC) using the aictab function of the AICmodavg library (Mazerolle 2019). Models with high Akaike weights with and low 15
ΔAIC (
FIGURE 5: Probability of branches meeting the grade requirements for edge knots in visually graded dimension lumber in white spruce plantations. A. Effects of the tree site index classes, initial spacing and product type when the relative dbh = 1. B. Effects of relative dbh-classes 0.8; 1 and 1.2 for the average site index class (11.4m), initial spacing and product type. For black spruce, the initial spacing and the relative dbh had a significant effect on branch size, while the effect of site index was non significant (Table 3). All simulations made for black spruce plantations gave 100 % of grade 2 and better for both 2x4 and 2x6 products, regardless of the stand density or the relative dbh of the tree (Figure 6). As with white spruce, the same observation applies for the select grade for 2x6 products. Again, there 17
was an effect of spacing and relative dbh on the select grade for 2x4 products. The probability of obtaining this grade is low when the relative dbh is high (i.e. in dominant trees), especially for a large initial spacing, but the effect was less marked than for white spruce (Figure 5). In this case, downgrades started to occur at initial spacings lower than 3000 stems per hectare. FIGURE 6: Probability of branches meeting the grade requirements for edge knots in visually graded dimension lumber in black spruce plantations. Effects of relative dbh calculated for the average site index class (8.8m), initial spacing and product. For jack pine, plantation spacing, relative dbh and site index all had significant effects on branch size (Table 3). In this case, all simulations led to predictions of 100 % of grade 3 and better for both 2x4 and 2x6 products, regardless of the stand density or the relative dbh of the tree (Figure 7). The same observation applies for grade 2 and better for 2x6 products. Site index had an effect on the probability of the largest branch meeting the select grade requirement for 2x4s, with a higher site index leading to a higher probability of downgrade. There was also an important effect of initial planting density on predictions for the select grade threshold, particularly for 2x6 products. In this case, downgrades started to occur at an initial density of about 3000 stems per ha. For 2x4 products, the probability of meeting the select grade requirements was low for almost the full range of initial spacing, unless the tree was smaller than the surrounding trees. In general, the larger the relative dbh of the tree, the lower the probability of obtaining a select grade. Furthermore, the relative dbh of the tree had an important effect on the probability of meeting the requirements of select 2x6 lumber, especially when the initial 18
density was low. There was a high probability of meeting the select grade requirements in subdominant trees even when the initial spacing was low (Figure 7). FIGURE 7: Probability of branches meeting the grade requirements for edge knots in visually graded dimension lumber in jack pine plantations. A. Effects of the tree site index classes, initial spacing and product type when the relative dbh = 1. B. Effects of relative dbh-classes 0.8; 1 and 1.2 for the average site index class (6.0m), initial spacing and product. 19
Branch status model The final models for predicting the branch status are presented in table 4. The best model for predicting branch mortality within the first 5-meter log in white and black spruce included the initial stand density (SD) and the site index (SI). For jack pine, the best model included site index and relative dbh. TABLE 4 : Model selection based on AIC for branch status model applies to the three species. Rank is the model ranking according to AIC; K is the total number of parameters; Δi is the difference between the AIC and that of the best model; wi is the ratio of the Δi for a given model to that of the whole set of candidate models, LL is the log-likelihood. Explanatory variables Rank K AIC Δi AIC Wt wi LL white spruce SD + SI 1 4 3415 0 0.64 0.64 -1704 SD + SI + relative dbh 2 5 3417 1.2 0.36 1 -1703 SI 3 3 3444 28.7 0 1 -1719 Relative dbh + SI 4 4 3445 29.9 0 1 -1719 SD 5 3 3709 293.7 0 1 -1852 SD + relative dbh 6 4 3710 294.9 0 1 -1851 Null 7 2 3742 326.6 0 1 -1869 Relative dbh 8 3 3743 327.8 0 1 -1869 black spruce SD + SI 1 4 3994 0 0.63 0.63 -1993 SD + SI + relative dbh 2 5 3995 1.1 0.37 1 -1993 SI 3 3 4056 61.9 0 1 -2025 Relative dbh + SI 4 4 4057 63.1 0 1 -2025 SD 5 3 4168 174.3 0 1 -2081 SD + relative dbh 6 4 4170 175.5 0 1 -2081 Null 7 2 4258 263.7 0 1 -2127 Relative dbh 8 3 4259 265 0 1 -2127 jack pine SI + relative dbh 1 4 752.8 0 0.29 0.29 -372.4 SD + SI + relative dbh 2 5 753.1 0.3 0.25 0.54 -371.5 SI 3 3 753.2 0.4 0.24 0.78 -373.6 SD + SI 4 4 753.4 0.6 0.21 0.99 -372.7 Relative dbh 5 3 762.5 9.7 0 0.99 -378.2 Null 6 2 762.8 10 0 1 -379.4 20
Vous pouvez aussi lire