Publications du Service canadien des forêts

Determination of ecosystem carbon-stock distributions in the flux footprint of an eddy-covariance tower in a coastal forest in British Columbia. 2011. Ferster, C.J.; Trofymow, J.A.; Coops, N.C.; Chen, B.; Black, T.A.; Gougeon, F.A. Canadian Journal of Forest Research 41(7): 1369-1379.

Année : 2011

Disponible au : Centre de foresterie du Pacifique

Numéro de catalogue : 32615

Langue : Anglais

Disponibilité au SCF : PDF (demande par courriel)

Disponible sur le site Web de la revue ou du journal.
DOI (identifiant d'objet numérique) : 10.1139/x11-055

† Ce site peut exiger des frais.

Résumé

Il est important de tenir compte du type de sol et de couvert forestiers dans l’empreinte de la tour lorsqu’on interprète des mesures de corrélation turbulente prises au sommet d’une tour à flux. Dans plusieurs stations où est installée une tour à flux pour mesurer la corrélation turbulente, une série de données géospatiales qui permettent d’estimer la distribution spatiale du couvert et des sols forestiers sont disponibles. Le développement de méthodes qui ont recours à de multiples ensembles de données géospatiales devrait se traduire par des estimations plus complètes de la distribution du carbone (C) dans l’écosystème. L’objectif de cette étude consistait à développer, appliquer et valider des méthodes pour obtenir des estimations plus détaillées de la distribution spatiale des composantes du stock de C dans l’écosystème, soit la biomasse vivante, les débris ligneux et le sol, à l’intérieur de l’empreinte d’une tour à flux utilisée pour mesurer la corrélation turbulente. Dans un premier temps, des ensembles de données géospatiales ont été rassemblés et leur valeur prédictive a été évaluée dans le cas des stocks mesurés de C aérien. Ensuite, les stocks de C aérien dans les chicots et les gros arbres ont été estimés en utilisant deux méthodes : (i) un modèle de régression spatiale et (ii) une méthode de prédiction spatiale, les k voisins les plus similaires (k-MSN). Les résultats ont été comparés à un modèle de régression linéaire multiple utilisant seulement des données obtenues par la méthode de détection et télémétrie par la lumière (LiDAR). Finalement, nous avons appliqué la méthode de prédiction spatiale pour estimer la distribution spatiale des autres composantes du stock de C (incluant le C dans le sol et les débris ligneux).

Dernière mise à jour :