Publication :
Modélisation à fine échelle de la dynamique saisonnière, intrasaisonnière et spatiale des flux de CO₂ des sols en sapinière boréale

En cours de chargement...
Vignette d'image
Date
2022
Direction de publication
Direction de recherche
Titre de la revue
ISSN de la revue
Titre du volume
Éditeur
Projets de recherche
Structures organisationnelles
Numéro de revue
Résumé
En forêt boréale, le flux total de CO₂ du sol (F[indice CO2]) est le deuxième flux de carbone le plus important après la photosynthèse et peut représenter de 48 à 71% de la respiration totale de l'écosystème. Le F[indice CO2] dépend de l'état du sol à petite échelle, c'est-à-dire de sa température, de sa teneur en eau, de la quantité et de la qualité de la matière organique et de l'activité racinaire et microbienne. D'autres facteurs, appelés « facteurs externes », tels quel a topographie, les événements météorologiques et la hauteur de végétation influencent l'état du sol et donc indirectement le F[indice CO2]. Prédire le F[indice CO2] est complexe en raison du nombre important de facteurs à prendre en compte et des différents patrons de variation temporelle à modéliser. L'objectif de l'étude était de quantifier l'effet des facteurs externes susceptibles d'influencer la variabilité saisonnière, intrasaisonnière et spatiale des F[indice CO2] dans la forêt boréale. Des mesures de F[indice CO2] furent prises à la Forêt Montmorency (Québec, Canada) entre juin et octobre 2020. Un modèle de type Random forest regression fut utilisé pour prédire le F[indice CO2] en fonction de facteurs externes liés à la topographie, à la végétation et à la météo récente. Le modèle obtenu a permis d'expliquer 79 % de la variation des mesures de F[indice CO2]. Nos résultats ont démontré l'importance de la variation spatiale et intrasaisonnière (44 %) dans les mesures de F[indice CO2] par rapport à la variation saisonnière (35 %), ce qui a des implications pour la mesure et la modélisation de F[indice CO2]. La hauteur des arbres et la température de l'air furent les deux facteurs les plus importants pour prédire la valeur du F[indice CO2]. La méthodologie proposée permettrait de simuler le F[indice CO2] à partir de facteurs externes qui peuvent être obtenus à grande échelle à partir de relevés LiDAR et des données climatiques.
In the boreal forest, total soil CO₂ efflux (F[indice CO2]) is the second most important carbon flux after photosynthesis and can account for 48-71% of total ecosystem respiration. F[indice CO2]depends on the small-scale condition of the soil, i.e., its temperature, water content, quantity and quality of organic matter and root and microbial activity. Other factors, called "external factors", such as topography, weather events and vegetation height influence the soil condition and thus indirectly F[indice CO2]. Predicting F[indice CO2] is complex due to the large number of factors to be considered and the different patterns of temporal variation to be modeled. The objective of the study was to quantify the effect of external factors that may influence the seasonal, intra-seasonal and spatial variability of F[indice CO2] in the boreal forest. F[indice CO2] measurements were taken in the Montmorency Forest (Quebec, Canada) between June and October 2020. A random forest regression model was used to predict F[indice CO2] as a function of external factors such as topography, vegetation and recent weather. The developed model was able to explain 79% of the variation in F[indice CO2] measurements. Our results demonstrated the importance of spatial and intra-seasonal variation (44%) in F[indice CO2] measurements compared to seasonal variation (35%), which has implications for F[indice CO2] measurement and modeling. Tree height and air temperature were the two most important factors in predicting F[indice CO2] value. The proposed methodology would allow F[indice CO2] to be predicted from external factors that can be obtained on a large scale from LiDAR surveys and climate data.
Description
Revue
DOI
URL vers la version publiée
Mots-clés
Citation
Type de document
mémoire de maîtrise