Publications du Service canadien des forêts

Fine‐Spatial Scale Predictions of Understory Species Using Climate and LiDAR‐Derived Terrain and Canopy Metrics. 2014. Nijland, W.; Coops, N.C.; Nielson, S.E.; Wulder, M.A.; Stenhouse, G. Journal of Applied Remote Sensing. 8(1). 16 p.

Année : 2014

Disponible au : Centre de foresterie du Pacifique

Numéro de catalogue : 35619

La langue : Anglais

Disponibilité au SCF : PDF (télécharger), PDF (demande par courriel)

Disponible sur le site Web de la revue ou du journal.
DOI : 10.1117/1.JRS.8.083572

† Ce site peut exiger des frais.

Sélectionner

Résumé en langage clair et simple

La végétation du sous-étage (espèces végétales qui poussent sous le couvert forestier) constitue une source d’alimentation et un habitat importants pour le grizzly. Les organismes de gestion de l’Alberta cherchent à atteindre un équilibre entre les besoins de la province en matière de développement économique et les besoins liés à la conservation du grizzly. Pour ce faire, ils doivent prédire certains aspects de l’habitat du grizzly, comme le type de nourriture (plantes) disponible et les endroits où ces plantes se trouvent tout au long de l’année. Ils doivent donc connaître la répartition horizontale de la végétation du sous-étage. On utilise couramment des modèles établissant un lien entre les données sur la présence ou l’absence d’espèces végétales et certaines variables environnementales (p. ex., climat, sol, etc.) pour prédire l’abondance et la présence des espèces. Il a été démontré que l’information sur la couverture des terres (comme la couverture forestière) dérivée de données optiques de télédétection améliorait ces modèles. La méthode LiDAR (détection et télémétrie par ondes lumineuses) est encore plus prometteuse pour l’estimation des caractéristiques du sous-étage. Dans le présent article, les scientifiques utilisent des données LiDAR pour prédire la présence de 14 espèces végétales du sous-étage dont se nourrit le grizzly. Les données de terrain ont été recueillies dans la région des Rocheuses et des contreforts de l’ouest de l’Alberta. Les chercheurs comparent leurs prédictions LiDAR aux résultats de modèles fondés sur la couverture des terres pour déterminer si les données LiDAR améliorent leur compréhension de la répartition des sources de nourriture du grizzly à l’échelle locale. Trois ensembles de modèles ont été comparés : i) données climatiques seulement, ii) données climatiques et données de base sur la couverture des terres et la couverture forestière obtenues par imagerie Landsat et iii) données climatiques et données obtenues par LiDAR décrivant à la fois le terrain et le couvert forestier. Ils ont constaté que les modèles de répartition des végétaux offrant la meilleure performance globale étaient ceux fondés sur une combinaison de données climatiques à grande échelle et de données sur le terrain et le couvert forestier obtenues par LiDAR.