Publications du Service canadien des forêts

Generation of soil drainage equations from an artificial neural network-analysis approach. 2013. Zhao, Z.; MacLean, D.A.; Bourque, C.P.-A.; Swift, D.E.; Meng, F.-R. Canadian Journal of Soil Science 93(3): 329–342.

Année : 2013

Disponible au : Centre de foresterie de l'Atlantique

Numéro de catalogue : 35315

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) : 10.4141/CJSS2012-079

† Ce site peut exiger des frais.

Résumé

Les propriétés du sol, en particulier le drainage, ont des liens avec les variables topo-hydrologiques dérivées des modèles altimétriques numériques (MAN) comme la position de la pente, la déclivité de cette dernière, le rapport de production de sédiments et l’indice hygrométrique du relief. Habituellement, ces liens sont très peu linéaires, donc très difficiles à définir avec les méthodes de statistique usuelles. Dans cette étude, les auteurs ont recouru à des modèles à réseau neuronal artificiel (RNA) pour établir les relations entre les classes de drainage et les variables topo-hydrologiques engendrées par les MAN, puis ont transformées liens en formules pour obtenir les équations servant à cartographier les sols. Une carte à haute résolution des sols du bassin hydrographique de la Black Brook, dans le nord-ouest du Nouveau-Brunswick, au Canada, a servi à étalonner et à valider les modèles à RNA. On a aussi utilisé les équations obtenues et des données indépendantes, venant d’une ferme expérimentale située à environ 180 km de là, pour la validation. Les résultats indiquent que la position verticale de la pente est le meilleur indice pour prévoir les classes de drainage (r = 0,55). Viennent ensuite la déclivité de la pente (r = 0,44), le rapport de production de sédiments (r = 0,39) et l’indice hygrométrique du relief (r = 0,38). Les équations de drainage du sol obtenues sont bien ajustées aux prévisions du modèle à RNA (r2 = 0,78-0,99; écart-type = 0,39-4,55). Les analyses révèlent que ces équations reflètent correctement les liens réels entre les classes de drainage du sol et les variables topo-hydrologiques venant des MAN, et pourraient minimiser le biais découlant d’une sur-application des modèles RNA hors des limites de l’étalonnage, surtout quand la fourchette des variables d’entrée se situe à l’extérieur des données qui ont servi à calibrer le modèle.

Résumé en langage clair et simple

Pour bien aménager une forêt, il est important de tenir compte du drainage du sol, qui détermine entre autres la composition du peuplement, le taux de croissance des arbres, les lieux convenant à la construction de chemins ainsi que l’humidité du sol. Or, il est très long et très cher de recourir à des relevés de terrain pour obtenir les données de drainage que requiert la planification. Nous avons donc élaboré une technique permettant d’évaluer le drainage du sol en appliquant aux classes de drainage et aux éléments du relief une méthode statistique appelée « réseau neuronal artificiel ». Cette méthode établit les relations existant entre plusieurs variables en procédant de manière semblable à un cerveau humain, d’où son nom. Les aménagistes peuvent ainsi prédire le drainage du sol à partir d’une donnée topographique courante, la position verticale sur le versant, puis se fonder sur cette prédiction pour établir leurs plans et prendre leurs décisions, ce qui leur épargne le coût élevé des nombreuses mesures requises pour un relevé de terrain.

Dernière mise à jour :