부산대학교 도서관

L’aménagement durable des forêts requiert des données appropriées et détaillées d’inventaire forestier sur de grandes superficies, ce qui est difficile à obtenir par le biais de techniques traditionnelles d’inventaire forestier. Cette étude évalue des modèles d’imputation basés sur les k plus proches voisins incorporant des données lidar pour prédire des mesures d’inventaire à l’échelle de l’arbre (hauteur, diamètre à hauteur de poitrine et espèce des arbres individuels) dans une aire d’étude de 12 100 ha du nord-est de l’Oregon, aux États-Unis. L’objectif premier est de fournir des données spatialement explicites pour paramétrer un modèle de croissance forestière à l’échelle de l’arbre, le «Forest Vegetation Simulator». Le modèle final d’imputation utilise des mesures de hauteur et des variables topographiques dérivées du lidar pour prédire spatialement des données d’inventaire forestier à l’échelle de l’arbre. Lorsqu’elles ont été comparées à un fichier indépendant de données, la précision des mesures d’inventaire forestier était élevée: l’erreur quadratique moyenne des estimations imputées de surface terrière et de volume étaient respectivement de 5 m2·ha–1 et 16 m3·ha–1. Cependant, l’erreur des mesures imputées d’inventaire forestier qui tiennent compte des petits arbres (p. ex. le diamètre moyen quadratique et la densité des arbres) était considérablement plus élevée. Les projections de croissance du «Forest Vegetation Simulator» basées sur des données imputées d’inventaire forestier suivent une tendance similaire aux projections basées sur des données indépendantes d’inventaire. Cette étude représente une amélioration importante de nos capacités à prédire des données détaillées d’inventaire forestier à l’échelle de l’arbre sur de grandes superficies, ce qui pourrait éventuellement mener à des pratiques et des politiques d’aménagement forestier mieux fondées. [ABSTRACT FROM AUTHOR]