inventaire forestier amélioré à la dif et méthode...

Bastien Ferland-Raymond, M.Sc. Stat, M.Sc. Biol. Direction des inventaires forestiers

Inventaire forestier amélioré à la DIF et méthode k-NN

Le 19 mars 2014

Atelier IFA, Shawinigan

2

Plan de la présentation

Inventaire amélioré à la DIF • Cartographie plus détaillée • Sondage plus représentatif • Compilation plus efficace

Le k-NN • À l’échelle du peuplement • À l’échelle du forel • À l’échelle du secteur d’intervention

Le LiDAR • Pour améliorer le k-NN

3

Une science en ébullition

4

Approche d’inventaire par peuplement écoforestier (AIPF)

• 2008 - Réforme du processus d’inventaire

• Objectifs:

• Augmenter la qualité et la diversité des produits

• Diminuer les coûts

• Augmenter l’adaptabilité du processus

Photo aérienne NIR

5

Les grandes étapes de l’inventaire à la DIF :


6

Les grandes étapes de l’inventaire à la DIF :


La cartographie

7

5 mètres 20 %

La cartographie – Hauteur au mètre près – Densité en classes de 10 % – Essences en classes de 10 %

• Définition plus précise du contenu en essences par polygone

– Peuplements étagés • Chaque étage est caractérisé


Avant Hauteurs

+ 1

22m 2

17m 3

12m 4

7m 5

4m 6

2m

Avant Densité

100% A

80% B

60% C

40% D

25%

3e SE B 2 4e SbEn B 2 Mixte SbEn 75 18 NAIPF Sb5En3Bp1Pe1 75 18

Essences accompagnatrices

Densité Hauteur Essences Programme

Maintenant Hauteurs

… 24m 23m 22m 21m 20m 19m …

1 mètre

Maintenant Densité

95% 85% 75% …

45% 35% 25%

10 %

8

Le sondage Révision de la stratégie

d’échantillonnage

Principales améliorations :

Tous les peuplements forestiers de 7 m et plus sont sondés

Plus d’exclusion des peuplements rares (dernier 25 %)

Inclusion des forêts aménagées depuis 1990

Objectifs

Résultats plus représentatifs

Statistiques plus fiables

Résultat : portrait plus juste de la forêt


9

Les compilations forestières Méthode d’estimation k-NN

k plus proches voisins (« k-Nearest-Neighbors »)

Principales améliorations par rapport à l’approche par strate SCIF :

Résultats de qualité similaire ou supérieure

Intensité d’échantillonnage réduite (économie $$$)

Méthode simple, flexible et évolutive

Partie novatrice de l’approche par peuplement !


10

Le k-NN

Analyse statistique qui gagne en popularité dans le domaine forestier

Analyse de similarité entre les placettes et les éléments forestiers d’intérêt

Similarité calculée en fonction : • variables cartographiques (ex. essence, densité, etc.) • variables climatiques (ex. température moyenne, etc.) • variables géographiques (ex. pente, drainage, etc.) • images satellites (ex. bandes spectrales)

L’information doit être disponible mur-à-mur

11

Technique statistique flexible Adaptable à différentes échelles :

• Échelle du peuplement • Échelle du forel • Échelle du secteur d’intervention

Le k-NN

12

k-NN : Échelle du peuplement

Peuplements sondés 1 peuplement d’intérêt

1. Analyse de similarité

13


2. Sélection des « k » peuplements sondés les plus similaires

1

2

3

si k = 3


14


3. Variables dendrométriques estimées à partir des placettes des « k » peuplements sélectionnés

Volume = 115 m3/ha si k = 3


15


ES: 122 m3/ha EO: 24 m3/ha BJ: 12 m3/ha HG: 8 m3/ha …

EO: 93 m3/ha SB: 18 m3/ha BP: 10 m3/ha …

SB: 98 m3/ha EN: 40 m3/ha BJ: 5 m3/ha …

EN: 45 m3/ha SB: 11 m3/ha BP: 1 m3/ha …

16

k-NN : Échelle du forel

17

Analyse en pixels de forêt ou «forels»

placette-échantillon rayon 11.28

(400 m²)

forel 20 m x 20 m

(400 m²)

Taux de superposition d’environ 91 %


18

Nouvelles opportunités: • technologiques Imagerie


19

Landsat RapidEye Photo

20

Nouvelles opportunités: • Technologiques Imagerie LiDAR

• Statistiques k-NN


21


22

La carte forel

Secteur Sorbier • Raster en geoTiff, • Un par variable, • Peuplements > 7m

Parc de la Mauricie

• Shawinigan

• La Tuque

23

Secteur Sorbier

Bouleau Jaune

24

Secteur Sorbier

Érable à sucre

25

Secteur Sorbier

Sapin Baumier

26

Secteur Sorbier

27

Sect

eur G

ros-

Élan


28

Bouleau à papier

k-NN : Échelle du forel Se

cteu

r Gro

s-Él

an

29

Épinette noire

k-NN : Échelle du forel Se

cteu

r Gro

s-Él

an

30

Le k-NN est très flexible et peut être appliqué à grande échelle (UAF) et à petite échelle (secteur intervention)

Collaboration sur un projet réalisé par la DAEF sur l’intégration du LiDAR et du k-NN dans le processus de planification forestière

k-NN : Échelle du secteur d’intervention

31


32


33


34

Pour être efficace, les placettes doivent être: • Bien localisées • Idéalement à rayon fixe • Suivre un plan de sondage statistiquement valide


35

Le k-NN et le LiDAR

Le LiDAR peut amener un énorme gain dans le k-NN Son information est mur-à-mur et peut s’adapter à

n’importe quelle échelle (peuplement, forel 20 m, forel 30 m, etc.)

À l’échelle de la DIF, le LiDAR est dispendieux à acquérir. • Nécessite des partenariats pour le rentabiliser

36

Le k-NN et le LiDAR

37

Le k-NN et le LiDAR

Deux gestions du LiDAR possibles : • analyse de surface • analyse à l’arbre

38

Autres projets à la DIF

Projet IQB (indice de la qualité du bois) propriétés mécaniques et physiques

• Densité du bois • Module d’élasticité • Angle des microfibrilles • Proportions de bois juvénile et mature • Proportion de bois final • Couleur des bois

Essences : EPN, EPB, SAB, PIG, BOP, PET Spectroscopie proche infrarouge et imagerie

39

Autres projets à la DIF

Projet GIM • Projets de partenariat : FPInnovations, industriel, DIF,

DGR04, … • L’un des projets vise à tester l’apport de différentes

approches d’inventaire amélioré dans l’optimisation de la chaîne de valeur

40

Photo: Yves Landry

Merci!

inventaire forestier amélioré à la dif et méthode...

Documents