Modélisation de la régénération après-feu de l’épinette noire par télédétection

Abstract

Les feux sont le moteur principal de la régénération naturelle des peuplements dans la forêt boréale. Cependant, les changements climatiques anticipés risquent de modifier leur dynamique et d’induire de l’hétérogénéité dans les patrons de sévérité. Bien que la plupart des peuplements incendiés se régénèrent correctement, les gestionnaires forestiers doivent néanmoins réaliser des opérations de régénération artificielle dans les zones où les feux sont peu sévères. Ce mémoire vise ainsi à développer un modèle prédictif permettant d’évaluer la distribution spatiale des microsites favorables à la régénération naturelle post-incendie des peuplements forestiers boréaux du Québec en utilisant la télédétection et des mesures in situ. La sévérité de 30 feux survenus depuis 1985 dans la forêt boréale fermée du Québec a été analysée à l’aide de tests de comparaison et de régressions Random Forest. Par ailleurs, des modèles de probabilité de présence de microsites favorables à la régénération de l’épinette noire ont été développés en utilisant l’algorithme Maxent. La modélisation à fine résolution spatiale a été réalisée à partir de données acquises dans six placettes d’entraînement situées dans une zone incendiée à Labrieville, dans l’est de la forêt boréale fermée, en 2018. Les résultats indiquent que la variabilité de la sévérité des feux est principalement expliquée par la topographie, mais que cette caractéristique du feu présente des tendances temporelles distinctes à travers la forêt boréale fermée depuis 1985. De plus, les modèles de probabilité de présence de microsites générés dans cette étude offrent des performances supérieures à celles de modèles aléatoires (AUC = 0,71). Des tests de permutations réalisés sur les prédicteurs indiquent que les variables les plus importantes des modèles sont la microtopographie, évaluée par le modèle numérique de terrain (50 %), ainsi que la sévérité du feu, évaluée par l’épaisseur de matière organique résiduelle (16 %) et l’indice spectral Modified Soil Adjusted Vegetation Index (12 %). Ces résultats concordent avec les variables prédominantes des modèles de régénération conventionnels. Cette étude comble des lacunes dans nos connaissances sur la sévérité des feux au Québec. De plus, l’utilisation du modèle prédictif développé permettra aux gestionnaires forestiers de cibler précisément les zones où des interventions de régénération artificielle sont nécessaires, permettant ainsi d’optimiser la gestion et les coûts de ces opérations.

Fire is the main driver of natural stand regeneration in the boreal forest. However, anticipated climate change is likely to modify the wildfires’ dynamics and create heterogeneity in their severity patterns. Although most burned stands regenerate properly on their own, forest managers must carry out artificial regeneration operations in areas where fire severity is low. This study aims to build a model to predict the spatial distribution of microsites available for post-fire natural regeneration in the boreal forest stands of Quebec by combining the use of remote sensing and field measurements. The severity of 30 fires that have occurred since 1985 in Quebec's closed crown boreal forest was analyzed using comparison tests and Random Forest regressions. In addition, high-resolution modelling of the presence probability of microsites suitable for black spruce regeneration was performed using the Maxent algorithm. Modelling was based on data acquired in six training plots located in a wildfire that burned in 2018 in Labrieville, in the eastern part of the closed boreal forest. The results indicate that the variability in fire severity is mainly explained by topography, yet this fire feature has shown distinct temporal trends across the closed crown boreal forest since 1985. Furthermore, the microsite presence probability model generated in this study outperformed random models (AUC = 0.71). Permutation tests that were carried out on the predictors indicate that the most important variables of the model are microtopography, assessed using the digital terrain model (50 %), as well as fire severity, assessed using the residual organic matter thickness (16 %) and the spectral index Modified Soil Adjusted Vegetation Index (12 %). These results are consistent with the predominant variables found in conventional regeneration models. This study represents a valuable contribution towards filling gaps in our knowledge and understanding of the severity of wildfires in Quebec. In addition, by using the model developed in this study, forest managers will be able to precisely target areas where post-fire artificial regeneration interventions are required, thereby optimizing the management and reducing the costs associated with these operations.