Transcript Propriétés des sols et de la biomasse aérienne sur une terre en
PROPRIÉTÉS DES SOLS ET DE LA BIOMASSE AÉRIENNE SUR UNE TERRE EN FRICHE RÉCOLTÉE AVEC UN BIOBALER
François-Simon Robert
Maîtrise en sols et environnement
Maître ès sciences (M. Sc.)
Québec, Canada © François-Simon Robert, 2014
II
Résumé
Les plantes arbustives naturelles envahissent les terres agricoles abandonnées. Pour remettre en valeur ces friches, on a traditionnellement recours au brûlage ou au broyage sur place. D’invention récente, le Biobaler coupe et met en balle les arbustes qui peuvent alors être déplacés et valorisés. Un champ agricole à St-Augustin-de-Desmaures (Québec, Canada), abandonné depuis 20 ans, a été inventorié pour les plantes présentes et les sols. Des modèles allométriques ont été développés pour prédire la biomasse de 11 espèces pionnières (R² moyens de 0,93). Les sols avaient un pH moyen de 5,0, 0,32% de N-total et un carbone organique de 4,0 %. Soixante-deux balles récoltées sur 2,7 ha pesaient 413 kg en moyenne à 44% de teneur en eau. La biomasse récoltée, entre 3,3 et 9,6 t de matière sèche par hectare, représentait 18 à 43 % de récupération. Les données permettront d’évaluer le Biobaler sur les friches. III
IV
Abstract
English Title : Soil and native woody crop properties on an abandoned agricultural field harvested with a Biobaler Natural woody crops overtake abandoned agricultural land. To bring back these areas into useful production, traditional methods include prescribed burning or on-site mulching. A recent technology, the Biobaler cuts and forms round bales of woody crops which can be moved for useful application. An agricultural field in Saint-Augustin-de-Desmaures (Quebec, Canada), abandoned for 20 years, was monitored for crop identification and soil properties. Allometric models were developed for 11 native woody crops (average R² of 0.93). Soil pH averaged 5.0, total N, 0.32% and organic carbon, 4.0%. Sixty two bales were harvested, averaging 413 kg at 44% moisture. The harvested biomass, between 3.3 and 9.6 t of dry matter per hectare, represented 18 to 43% of above-ground biomass. Data will be useful in assessing Biobaler operation on fallow land. V
VI
Table des matières
2.4 RENDEMENT ET RÉCUPÉRATION DE BIOMASSE SUR DES TERRES ABANDONNÉES .....28
I MPLANTATION DE CULTURES LIGNEUSES APRÈS LE RETRAIT D ’ UNE VÉGÉTATION ENVAHISSANTE ...... 43
VII
4.2ALLOMÉTRIE DES ESSENCES NATURELLES ET ÉQUATIONS DE RÉGRESSION ............... 80
C OMPARAISON DES ÉQUATIONS DE PRÉDICTION LOCALES AVEC CELLES DE LA LITTÉRATURE .............. 85
VIII
5. 2 DÉVELOPPEMENT DES ÉQUATIONS DE PRÉDICTION DE LA BIOMASSE AÉRIENNE .. 121
IX
ANNEXE E : ANALYSES DES COEFFICIENTS DE CORRÉLATION DE PEARSON ................... 170
ANNEXE F: DONNÉES ALLOMÉTRIQUES DES ESPÈCES ÉCHANTILLONNÉES ..................... 171
ANNEXE G : ÉQUATIONS RETENUES POUR FINS DE COMPARAISONS STATISTIQUES ..... 194
ANNEXE I : DONNÉES DÉTAILLÉES DE RÉCOLTE DES BALLES DE BIOMASSE ................... 201
ANNEXE J : DONNÉES BRUTES D’ANALYSE DE RECENSEMENT VÉGÉTAL ......................... 205
X
Liste des tableaux
......................................... 9
Tableau 2: Détermination des formations suivant le recouvrement.
................................................. 16
Tableau 3: Récolte de terres en friche à Cap St-Ignace en 2007.
...................................................... 29
Tableau 4: Caractéristiques des milieux naturels des prairies canadiennes (Saskatchewan).
Tableau 5: Paramètres de récolte avec le Biobaler en Saskatchewan.
végétal et du sol et l’élévation
Tableau 14: Nombre de quadrats dans lesquels l’essence a été répertoriée par parcelle.
Tableau 15: Nombre de tiges par quadrat de 0,25 m² par essence et par parcelle.
............................ 93
Tableau 16: Extrapolation du peuplement avant traitement (nombre de tiges par ha).
Tableau 19: Médiane des mesures de diamètre à la base et DHP par essence et par parcelle.
............................................................................... 106
XI
Tableau 25: Biomasse prédite par ha par essence en faisant l’extrapolation simple.
..................................................... 117
Tableaux des annexes
texturales et composantes chimiques des sols étudiés
Tableau A. 4: Données brutes de l’analyse chimiques des sols étudiés
.......................................... 163
.......................................... 166
Tableau A. 7: Test de Bonferroni en ce qui concerne la composante azote total
Tableau A. 9: Analyse et valeurs des coefficients de Pearson
............................ 168
........................................................ 170
Tableau A. 10: Données destructives pour l’amélanchier.
.............................................................. 171
Tableau A. 11: Données destructives pour l’aulne.
......................................................................... 173
Tableau A. 12: Données destructives pour le cerisier tardif.
........................................................... 175
Tableau A. 13: Données destructives pour le cornouiller stolonifère.
............................................ 178
Tableau A. 14: Données destructives pour l’érable rouge.
.............................................................. 181
Tableau A. 15: Données destructives pour le frêne rouge de Pennsylvanie.
................................... 183
Tableau A. 16: Données destructives pour le peuplier faux-tremble.
............................................. 185
Tableau A. 17: Données destructives pour le pommier sauvage.
.................................................... 187
Tableau A. 18: Données destructives pour le saule.
........................................................................ 188
Tableau A. 19: Données destructives pour la viorne trilobée.
......................................................... 190
Tableau A. 20: Données destructives pour l’aubépine.
................................................................... 192
XII
Tableau A. 22: Résultats des analyses de comparaisons T-pairé.
d’échantillons de balles individuelles, identifiées par parcelle.
chacune des parcelles récoltées.
les modèles de prédiction connus de Savoie et al. (2012).
et les modèles de prédiction connus de Savoie et al. (2012).
prédiction connus de Savoie et al. (2012).
................................................... 197
Tableau A. 25: Données brutes des relevés des essences végétales et biomasse prédite
observés et prédictions selon les modèles log et linéaire de Savoie et al. 2012.
(résultats observés et prédiction selon le modèle linéaire de Savoie et al. (2012)).
Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
de-Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
XIII
XIV
Liste des figures
Figure 1: Évolution de la superficie de terres agricoles et prairies en abandon entre 1700 et 1990
abandonnés (Marceau et al., 2002).
..................................................................... 13
Figure 6: Schéma de classification des formations et détermination des classes.
temps en années, selon Zhang et al. (2010).
méthodes (adapté de Hytönen et al. (1987).
de la biomasse aérienne (Zhou et al., 2007).
de la biomasse accumulée est sous forme aérienne. (Campbell et al. 2008).
............................. 16
Figure 7: Système de surfaces emboîtées pour déterminer l’aire minimale (Whittaker, 1973).
Figure 12: La production naturelle aérienne sur toutes les terres est estimée en supposant que 50 %
Figure 14: Technique de contrôle par le brûlage dirigé.
.................................... 28
................................. 37
Figure 16: Râteau andaineur sur pelle hydraulique (Plaisance Équipements).
Figure 19: Broyeur forestier stationnaire à alimentation verticale Morbark.
Figure 20: Broyeur forestier Meri Crushers de Hakmet équipement.
Figure 23: Image aérienne à l’échelle 1 :15 000 prise en 1973
............................................... 41
Figure 21: Biobaler en travail de récolte sur terres agricoles abandonnées.
..................................... 46
XV
Figure 26: Image satellitaire rapprochée et identification des zones d’étude
Figure 28: Dispositif expérimental
hauteur basale (à 0,10 m du sol) (adaptée de Thiffault et al., 2011).
.................................... 54
Figure 30: Déchiquetage des tiges afin d’en mesurer la masse.
................................................................................ 60
Figure 36: Fragments (≤15 cm) de résidus de récolte au sol.
Figure 41: Fonctionnement du procédé de récolte par le Biobaler (Hébert, 2012).
Figure 47: Biobaler en pleine récolte et contournant les plus gros arbres.
...................................... 105 Figure 48: Biobaler enlisé dans la boue.
arbustive haute et dense gros diamètre
......................................................................................... 105
................ 135 Figure 55: Parcelle #7 complètement nettoyée de sa biomasse aérienne arbustive.
XVI
Figures des annexes
Figure A. 6: MS de tiges de cornouiller stolonifère en fonction du diamètre à la base.
Figure A. 7: MS de tiges de l’érable rouge en fonction du diamètre à la base.
Figure A. 11: MS de tiges de peuplier faux- tremble en fonction du diamètre à la base.
Figure A. 13: MS de tiges de pommier sauvage en fonction du diamètre à la base.
Figure A. 9: MS de tiges de frêne rouge de Pennsylvanie en fonction du diamètre à la base.
Figure A. 15: MS de tiges de saule sauvage en fonction du diamètre à la base.
Figure A. 17: MS de tiges de viorne trilobée en fonction du diamètre à la base.
Figure A. 19: MS de tiges d’aubépine en fonction du diamètre à la base.
récoltés (x) en milieux naturels de Savoie (2012).
récoltés(x) sur le site de St-Augustin.
récoltés en milieux naturels de Savoie (2012; Non publié).
récolte (x) sur le site de St-Augustin.
récolte (x) en milieux naturels de Savoie (2012).
récolte (x) en milieux naturels de Savoie (2012).
XVII
XVIII
Liste des abréviations des unités de mesure
kg km kW l m m 2 m 3 MH min mm MS MO N NH 4 pH po
Abréviation (français)
an b.h. b.s. C C/N EXP ln DB DHP cm g h ha hp HMP RPM t W $ % °C
Signification
année base humide base sèche carbone
Abréviation (anglais)
yr w.b. d.b. C Rapport carbone sur azote total C:N Fonction exponentielle Log base e (2,71828) EXP ln Diamètre à la base BD Diamètre à hauteur de poitrine DBH centimètre gramme heure hectare puissance (cheval-vapeur) Heure-machine productive kilogramme kilomètre kilowatt litre mètre mètre carré mètre cube matière humide minute millimètre matière sèche Matière organique Azote Ammonium potentiel d’hydrogène pouce rotation par minute tonne Watt dollar canadien pourcentage degré Celsius cm g h ha hp PMH kg km kW l m m 2 m 3 WM min mm DM OM N NH 4 pH in RPM t W $ % °C XIX
XX
Avant-Propos
Tout d’abord, je désire exprimer mes remerciements à mon directeur de recherche, M. Philippe Savoie, professeur associé au Département des sols et de génie agroalimentaire (SGA) de l’Université Laval et chercheur scientifique au Centre de recherche et de développement sur les sols et les grandes cultures d'Agriculture et Agroalimentaire Canada, pour l’aide compétente qu’il m’a apportée, pour son sens critique ainsi que pour tous ses conseils avisés qui m'ont été très précieux afin de peaufiner mon travail. L’esprit d’équipe du groupe de recherche a également permis d’entretenir un climat d’encouragement et de relever de nombreux défis. Mon implication dans divers projets connexes à mes activités de recherche m’a permis de me positionner à l’avant-garde dans mon domaine d’étude et donc je recommande cette expérience d’étude à quiconque désirerait poursuivre des études graduées. Également en première ligne dans la codirection de ce travail de recherche, M. Steeve Pépin, professeur agrégé au département SGA, a apporté une contribution indispensable. Alors, mes remerciements sincères. Un remerciement spécial à Ressources Naturelles Canada et au Réseau canadien d'innovation dans la biomasse pour leur support financier à la recherche. Ensuite, je tiens à remercier tout particulièrement M. Pierre Luc Hébert, étudiant gradué de l’Université Laval, collègue et ami, pour sa précieuse collaboration lors des essais de récolte, pour nos nombreuses discussions ainsi que pour son soutien moral ainsi que M. Daniel Marcotte, technicien expert au Département SGA pour les analyses de sols. Également, un merci à M. Joey Villeneuve, M. René Morissette, M. Marc-Antoine Robert, Mme Emmanuelle Caron, M. Pierre-Luc Lizotte, des collaborateurs indispensables d’Agriculture et Agroalimentaire Canada. De surcroît, je veux remercier Le Groupe Anderson pour avoir contribué au soutien technique lors des essais de récolte. À vous tous, je souhaite exprimer ma reconnaissance pour votre soutien et je vous adresse un merci des plus sincères. XXI
XXII
Chapitre 1 : Introduction
Les plantes arbustives sont abondantes en milieux naturels. De plus, elles peuvent devenir une culture intéressante sur des terres non essentielles à la culture du fourrage et de la nourriture. Dans plusieurs pays, les plantes arbustives naturelles sont parfois considérées comme une nuisance, car elles envahissent les terres agricoles, les sous-bois et les plaines. On doit les couper régulièrement pour minimiser les risques de feux spontanés incontrôlés, mais leur faible densité fait en sorte qu’on les brûle souvent sur place sans aucune valorisation énergétique. Par ailleurs, certaines terres abandonnées peuvent servir à l’implantation de taillis cultivés en courte rotation et à d’autres espèces arbustives à croissance rapide tels le saule ou les peupliers hybrides pour une collecte cyclique de biomasse, soit à tous les deux, trois ou quatre ans. Autant que possible, la culture du saule et du peuplier hybride doit être faite sur des terres marginales afin de ne pas faire compétition à la demande alimentaire. À cet égard, Benjamin et al. (2006) ont démontré que les friches constituent une utilisation des sols qui est mal perçue dans la communauté agricole et que les plantations en taillis soulèvent l’intérêt par leur apparence de milieux propres, plaisants, utiles et pouvant susciter la fierté. Cependant, la recherche d’un équilibre entre les critères agricoles, économiques et environnementaux est indispensable quel que soit le type d’aménagement souhaité. Le milieu agricole n’échappe pas à cette tendance et nul ne conteste le lien étroit qui existe entre l’agriculture et son environnement. L’optimisation de la chaîne de valorisation de la biomasse s’avère être un élément important pour la continuité des travaux dans cette voie à plus long terme. Or, l’impact des différentes pratiques sur les sols et les techniques de culture/récolte à privilégier ont peu été étudiés. En déterminant des critères environnementaux et développant des techniques optimales de travail, il serait possible de rallier les objectifs des différents intervenants. Cette optimisation pourrait être atteinte en intégrant de nouvelles pratiques adaptées aux besoins de la filière de la biomasse. Par exemple, des regroupements locaux s’organisent pour la mise en valeur de ressources terrières abandonnées de l’agriculture, mais le manque de connaissance sur les sols, les techniques, les coûts et les marchés limite l’ampleur des projets. 1
Afin d’offrir une nouvelle opportunité pour faciliter la récolte et la valorisation de la biomasse tout en réduisant les coûts d’intervention sur les terres en friche, la compagnie Anderson vend depuis 2009 un nouvel équipement, le Biobaler. Ce dernier effectue la récolte de la biomasse forestière à petit diamètre (<100 mm au point de coupe) en sectionnant les tiges et en enroulant en balle ronde la matière récupérée. À cet effet, l’équipement présente des aspects très intéressants puisqu’il permet de récolter des friches de jeunes peuplements comme le ferait un agriculteur avec le foin et avec l’équipement accessible à la ferme. Il serait donc possible d’obtenir et de récolter de la biomasse sur courtes rotations (4 à 8 ans) de manière récurrente et efficace avec le Biobaler. En nettoyant le site de la végétation envahissante, cette machinerie offre également une avenue intéressante au niveau de la préparation du terrain en vue du reboisement. Bien que plusieurs équipements soient utilisés pour ce genre d’opération au Québec, il existe une multitude de conditions de terrain différentes et les conseillers forestiers sont toujours à la recherche de moyens pour effectuer ce travail de la meilleure façon et au meilleur coût possible. Cette étude à caractère exploratoire vise à fournir aux gestionnaires et aux intervenants du milieu des nouvelles informations techniques pour orienter les décisions susceptibles de générer des bénéfices économiques, écologiques, sociaux et environnementaux.
1.1
Problématique
Les terres en friches attirent l’attention de la communauté intéressée par la filière bioénergie. Ces terres abandonnées et peu valorisées représentent une solution potentielle au débat de société entre l’utilisation des terres agricoles pour l’alimentation animale ou humaine et leur utilisation pour produire des plantes destinées à la bioénergie. D’un point de vue économique, l’abandon de superficies agricoles représente une sous-utilisation des ressources et une limitation pour une communauté par rapport à son développement économique et social. La mise en valeur de terres abandonnées représente une avenue de développement durable pour les communautés. Cependant, la valorisation des espaces doit se faire d’un commun accord et devrait répondre à la question suivante : est-ce que toutes les superficies répertoriées sont valorisables, de quelle manière et à quel coût ? 2
1.2
Plan du mémoire
Dans un premier temps, une revue de littérature examine les changements dans le sol suite à l’abandon des cultures agricoles pendant plusieurs années. Une végétation naturelle envahit peu à peu ces terres; diverses méthodes de récolte de ces plantes arbustives sont présentées. Ensuite, le mémoire présente les méthodes qui ont été utilisées pour caractériser une terre en friche dans la région de St-Augustin-de-Desmaures située à 30 minutes du centre-ville de la Ville de Québec : au niveau des sols, de la végétation naturelle envahissante et des techniques pour prélever et estimer la biomasse totale. Les résultats fournissent des données détaillées sur quelques propriétés des sols, les espèces végétales et leur quantité estimée par quadrat, ainsi que les quantités de biomasse réellement récoltées avec un Biobaler au champ. Ces données permettent de développer des modèles d’estimation de rendement pré-récolte et de déterminer des niveaux de départ pour les composantes chimiques considérant une éventuelle mise en valeur du milieu d’une terre agricole abandonnée. Finalement le mémoire présente des recommandations et une conclusion. 3
4
Chapitre 2 : Revue de littérature et cadre de la recherche
La revue de littérature est divisée en quatre parties : 1) une mise en contexte des sols en friche; 2) une description des changements dans le sol suivant l’abandon des cultures; 3) l’évaluation de la biomasse sur les terres en friche; 4) les méthodes de récupération de cette biomasse et le processus de valorisation des terres. Ce présent chapitre se termine avec la description du cadre conceptuel de la recherche incluant les objectifs et les hypothèses.
2.1 Définitions et mise en contexte des sols en friche
2.1.1 Définitions
Plusieurs termes décrivent les terres agricoles non cultivées, sous-exploitées ou abandonnées. À partir du glossaire de l’ONU, la définition d’une terre marginale est la suivante : « terres de faible qualité non souhaitable pour le logement ou d’autres utilités » (ONU, 1997). On peut également trouver une définition pour les terres inutilisées ou vacantes comme étant des terres par le passé cultivées, mais aujourd’hui dans un état de sous-utilisation. L’utilisation du terme jachère est plus ou moins juste et fait davantage référence à la technique de régénération de la fertilité d’un sol à long terme que de décrire l’état permanent d’une terre.
La définition d’un sol de type marginal en regard de la productivité de la terre est un sol qui ne permet pas la rentabilité économique d’une culture annuelle quelconque. Des caractéristiques comme la pente, la profondeur, l’humidité excessive, la disposition à la sécheresse ont des effets négatifs sur la profitabilité des activités agricoles. Or, il en coûte moins cher de louer ou de simplement continuer à payer les taxes d’usage et de laisser les phénomènes d’invasion naturels faire leur action par rapport à ce qu’il en coûterait pour remettre la terre en culture (Hull et al. 2011). Certains sites marginaux sont issus de milieux naturels n’ayant jamais subi d’activités agricoles de labour et parfois amènent une variété de bénéfices environnementaux. Notamment, certains sites naturels sont utilisés à fin de zone tampon pour permettre la nidification de certaines espèces d’oiseaux. De manière cyclique, la végétation rémanente de ces sites est contrôlée par brûlis ou destruction mécanique. D’autres sites marginaux sont typiquement utilisés 5
comme pâturage ou prairie permanente. Par ailleurs, la mise en culture de ce type de terre peut être associée à une forte érosion potentielle et une perte de productivité à travers le temps. Au cours des dernières années, le prix élevé des grains a suscité l’intérêt des producteurs vers l’utilisation des sites marginaux pour de la culture en rang annuelle, mais la localisation des sites marginaux est l’élément contrôlant le type d’usage et de gestion qui peut s’en suivre. Autrement, différentes utilisations sont possibles pour les sites marginaux à noter : aires d’activités agricoles à petite échelle, parcs urbains, plantation d’arbres de Noël, verger, ceinture verte autour d’une zone spécifique et protection riveraine. Les systèmes de gestion intensive du domaine agricole, à l’intérieur même d’une localité, mènent à un paysage fragmenté par différentes surfaces marginales à utilisation restreinte pour plusieurs raisons, notamment les dispositions géographiques et phénomènes historiques. L’acquisition d’information pertinente et précise en lien avec les différents phénomènes historiques (fertilisation, pâtures, cultures) demeure difficile à avoir (Ejrnæs et al., 2003; Cousins et al., 2006). L’interprétation est limitée et repose souvent sur des jugements subjectifs des terres, mais le phénomène est reconnu que la qualité de l’habitat et l’historique de l’utilisation des terres sont significativement corrélés. En réalité, le temps depuis l’abandon est un facteur parmi plusieurs autres qui affectent le devenir d’une succession végétale.
2.1.2 Estimation des surfaces mondiales
Les étendues de terres marginales constituent dans plusieurs pays un élément d’intérêt et le
phénomène est répertorié. La Figure 1a tirée de Cramer et Hobbs (2007) montre le
phénomène de l’abandon des terres agricoles à l’échelle mondiale entre 1700 et 1990. En 1990, près de 210 millions d’hectares de terres arables étaient en abandon dans le monde.
La Figure 1b des mêmes auteurs indique notamment qu’aux États-Unis, près de 65 millions
d’hectares de terre sont dans un état d’abandon et particulièrement dans la partie est du pays alors qu’au Canada l’abandon des terres agricoles touche près de 15 millions d’hectares. Par ailleurs, d’autres estimations par Campbell et al. (2008) montrent qu’il y aurait entre 385 et 472 millions d’hectares de terres agricoles abandonnées dans le monde. Il est possible de voir comment le processus s’amplifie avec les années et que la naturalisation des terres agricoles abandonnées, des prairies et pâturages est un phénomène en émergence 6
en Europe (Mather, 1992 ; Piussi, 2000) et en Amérique du Nord (Houghton et Hackler, 2001 ; Knops et Tilman, 2000). Pour certains pays de l’Europe centrale comme la Lituanie, la Hongrie et la Pologne c’est entre 10 et 20% de la superficie des terres agricoles qui sont dans un état d’abandon (Cramer et Hobbs, 2007).
Figure 1: Évolution de la superficie de terres agricoles et prairies en abandon entre 1700 et 1990 (A) dans le monde (B) dans différents pays sélectionnés, Cramer et Hobbs (2007).
Plusieurs auteurs s’intéressent à cette situation et montrent la disponibilité de cette ressource pour l’implantation de cultures dédiées à la bioénergie. Sur cette superficie, il est estimé qu’il serait possible d’implanter rapidement des cultures dédiées de saule sur 600 000 ha dans le nord-est des États-Unis et entre 2 et 3 M ha à l’échelle du pays sur des terres agricoles marginales (Hull et al., 2011; Castellano et al., 2009). La situation est d’autant plus préoccupante dans les pays nordiques pour qui les coûts de l’énergie sont importants. Au Canada, environ 1,5 million d’hectares sont dans la même situation. Sur le plan provincial, des résultats d’Environnement Canada (2010) démontrent que 127 814 ha sont considérés en terre marginale et ayant un potentiel de remise en état pour la production de biomasse au Québec alors que le MAPAQ (2009) estime entre 200 000 ha et 355 000 ha de terre potentiellement disponible pour les cultures dédiées selon deux scénarios d’analyse. Ces données proviennent d’une méthode de calcul d’approximation et de soustraction des superficies utilisées pour les bâtiments, allées et chemins de fermes, jardins, serres et 7
champignonnières. À partir des mêmes caractéristiques, mais sans faire abstraction des critères souhaitables pour la culture de biomasse pour la bioénergie, le MAPAQ (2009) détermine une superficie de 32 097 ha en friche selon les fiches d’enregistrement des
fermes de 2007. L’analyse tirée à partir des régions administratives du Québec (Tableau 1)
montre que les terres abandonnées sont dispersées sur une grande partie du territoire et que les friches couvrent la plus grande surface dans la région l’Abitibi-Témiscamingue (7168 ha). Les régions de l’Estrie, Chaudière-Appalaches et Centre-du-Québec présentent des superficies en friche de près de 4000 ha chacune. Quelques parcelles de très petite taille et rapprochées de terres en friches sont réparties dans la partie sud du territoire agricole et représenteraient environ 2 % du territoire agricole total. En terme global, les proportions du territoire agricole total occupées par des terres marginales et des pâturages naturels avoisineraient une moyenne nationale de 2 et 23 % respectivement (Environnement Canada, 2010). Les résultats récents d’Environnement Canada viennent en bonne partie appuyer et également bonifier ceux obtenus de l’analyse de Vouligny et Gariépy (2008). L’évolution de la superficie du territoire agricole est un phénomène stable au Québec. Les surfaces déjà abandonnées évoluent peu et restent dans un état latent. Si ce n’est, la surface de terre en friche ne peut qu’actuellement diminuer en raison des prix très élevés pour les grains. 8
Tableau 1: Répartition par région administrative des surfaces agricoles occupées par des terres marginales, des terres en friches et des terres naturelles pour le pâturage. Régions administratives Bas-Saint Laurent Saguenay-Lac Saint-Jean et Côte-Nord Québec Mauricie Estrie Montréal et Laval Lanaudière Outaouais Laurentides Abitibi Témiscamingue et Nord-du Québec Gaspésie et Îles-de-la Madeleine Chaudière Appalaches Montérégie Centre-du Québec total Terres marginales* (ha) 10 558 9 577 5 867 3 887 12 011 824 5 462 8 704 5 669 12 567 2 153 18 749 20 917 10 869 Terres en friche (ha)** 2 388 2 236 989 905 3 706 55 909 853 996 7 168 405 3 972 3 776 3 740 Terres naturelles pour le pâturage (ha)** 8 363 9 925 3 799 3 482 25 456 484 3 357 23 184 8 058 15 830 2 160 20 556 20 121 13 826 127 814 32 097 158 601 * Environnement Canada (2010). Les terres marginales ont été estimées par analyse géomatique. **MAPAQ (2009). Les terres en friche et les terres naturelles pour le pâturage ont été estimées par recensement. L’abandon de terres agricoles est bien une réalité, mais ce phénomène apparaît limité et étendu sur le territoire avec des pointes dans la zone de l’Abitibi-Témiscamingue. Très peu de données existent sur la caractérisation locale des milieux en friches, mais les résultats de Marceau et al. (2002) permettent d’apprécier que les friches provenant du milieu agricole dans la région de la Montérégie Ouest sont majoritairement de petite superficie (0 à 2,5 ha) et classées en tant que formation herbacée. Les friches de plus grande superficie présentent
une répartition davantage égale entre les différents types de formation (Figure 2).
9
Figure 2: Fréquence du type de formation végétale en fonction de la surface des milieux agricoles abandonnés (Marceau et al., 2002).
2.1.3 Processus d’abandon des terres et de végétalisation
L’abandon des terres agricoles ou leur changement d’usage augmente sans cesse. Depuis le début du vingtième siècle, plusieurs agriculteurs abandonnent l’activité agricole et quittent les milieux ruraux. Des facteurs écologiques, sociaux et économiques exercent également une forte pression pour faire cesser l’agriculture. Les civilisations passées ont développé des types d’agriculture qui ont ensuite été abandonnés pour différentes raisons (Cramer et Hobbs, 2007; Romankutty et al., 1999). Le message qui en ressort est un abandon croissant à l’échelle mondiale au XXe siècle. Parmi les facteurs écologiques, on retrouve, entre autres, la perte de fertilité des sols et la diminution de la productivité en relation avec une dégradation primaire de la terre, conséquence de pratiques inappropriées, d’une mauvaise utilisation des fertilisants, des pesticides et d’autres produits. Le résultat de ces gestes est l’abandon ou le changement du type de culture. La proximité des routes, le degré de pente, l’état de drainage et l’élévation sont d’autres éléments rapportés comme ayant une influence sur le maintien ou l’abandon des terres agricoles (Flinn et al., 2005). L’économie locale et globale, l’ouverture des marchés ainsi que les avances technologiques rapides ont aussi provoqué un déclin dans la viabilité de l’agriculture. L’augmentation des prix des terres et la spéculation à des fins autres que l’agriculture ont encouragé l’abandon. 10
L’urbanisation et la dépopulation des milieux ruraux alliées à la perte des infrastructures du milieu de vie ont accéléré l’exode de la population rurale et découragé la génération suivante à s’investir dans le travail de la terre. Les politiques nationales trop rigides et limitatives ont encouragé une mutation dans l’usage de la terre (Cramer et Hobbs, 2007). De plus, selon Benjamin et al. (2005), la restructuration de la taille des entreprises agricoles a son effet dans l’abandon des terres puisque les équipements aratoires sont plus imposants et que leur utilisation n’est pas appropriée sur de petites parcelles. Il devient donc trop coûteux de déplacer de l’équipement sur des petits chantiers de travail. Après l’abandon, des changements apparaissent dans les champs. Le développement de la notion de succession a été publié par différents auteurs (Cramer et Hobbs, 2007). Les travaux de Clements (1916; 1928) sont à la base de la recherche dans le domaine d’étude des successions végétales. Les écologistes contemporains voient les changements dans la végétation après l’abandon comme les populations interagissant avec les fluctuations environnementales. En fait, la succession est amenée par une combinaison de facteurs de niveau individuel, collectif et politique faisant pression sur les écosystèmes. Certaines espèces peuvent survivre, s’adapter, se disperser ou se transformer par mutation après l’abandon pour ainsi donner lieu à un nouveau type de végétation et de sol. De plus, Palmer et al. (2010) rapportent une valeur biologique et culturelle liée au processus d’abandon des terres. Ainsi, ce dernier phénomène engendre certains changements dans le paysage et dans les prérequis pour l’occupation et la culture de la terre. Des facteurs abiotiques tels que la pente, la pierrosité, la disponibilité de la lumière et le pH peuvent apporter des explications sur l’état actuel des parcelles abandonnées. Certains de ces facteurs font que les coûts d’entretien sont plus élevés vu la rentabilité offerte de ces terres, les rendant alors moins intéressantes pour les cultures industrielles. 11
2.1.4 Phénomène d’invasion
D’après Nespoulous et al. (2005),
Les changements d'utilisation des terres rompent la stabilité dans laquelle les maintenait l'usage agricole ou pastoral, et engagent de fait une série de mutations, de durée variable, dans lesquelles interviennent principalement des dynamiques végétales spontanées. L'arrêt brutal de l'activité pastorale et l'abandon des parcelles agricoles entraînent rapidement une augmentation du recouvrement des friches par les strates suivantes en ordre de décroissance de réponse aux changements : herbacées annuelles, herbacées pérennes, plantes arbustives et arborescentes.
Dans un second temps, les broussailles, des espèces ligneuses plus ou moins hautes, progressent sur les parcours et les friches à partir de fronts de peuplement. Des bosquets isolés deviennent coalescents et se développent peu à peu. Par la suite, des espèces arborées s'installent et croissent.
Les essences endémiques vont dominer le paysage dans un premier lieu (Figure 4a) et ensuite décroître. Les essences non endémiques vont profiter du phénomène pour s’implanter (Figure 4b). A B Années depuis abandon Années depuis abandon
Figure 3: Couverture végétale spécifique en fonction du temps depuis l'abandon des activités culturales. A) Les espèces non endémiques; B) les espèces non endémiques en champs agricoles suivant l’abandon. Les valeurs sont exprimées en tant que proportion du total (Cramer et Hobbs, 2007).
12
Le phénomène décrit plus haut est également rapporté par Brown (1990), Bard (1952) et Ward et Jennings (1990 )
et est représenté dans la (Figure 4). Picket (1982) décrit
l’évolution de ce processus en 4 phases distinctes soit : la phase I d’âge 1 à 4 ans, la phase II d’âge 5 à 15 ans, la phase III d’âge 16 à 20 ans et la phase IV de 20 ans et plus.
Figure 4: Aperçu du phénomène de succession selon le temps après l’abandon des activités de culture de la terre (adapté de Cramer et Hobbs, 2007).
Le saule est une plante à colonisation rapide et à dominance opportuniste des nouveaux habitats laissés ouverts, y compris les milieux humides à sols variés (Kuzovkina et Quigley, 2005). Par exemple, les bords de routes, les fossés, les terres agricoles en abandon, les abords de chemins de fer et les sols périodiquement inondés sont des sites d’intérêt pour la colonisation par plusieurs variétés de saule indigène. Les espèces pionnières à dispersion courte (<400 m) comme le peuplier faux-tremble, le cornouiller stolonifère, le saule gris et l’aulne ont la capacité de coloniser rapidement une aire sous forme arbustive ou par des tiges individuelles selon leurs différentes aptitudes reproductrices. Les forêts secondaires peuvent s’implanter sur les champs abandonnés provenant de différentes activités précédentes incluant les champs agricoles, les pâturages et les prairies. À plus long terme, il est possible d’assister à une forêt mature de feuillus intolérants à l’ombre (Mueller Dombois, 1974; Booth et al., 2003). La figure 5 rapporte le processus de colonisation par les espèces pionnières. 13
Les 5 premières années suivant l’abandon, il n’est pas commun d’assister à l’implantation d’essences ligneuses. Plusieurs agents de dispersion agissent pour les essences ligneuses notamment le vent pour disperser les semences à plus de 400 m et les étendues humides qui sont des sources pouvant avoir effet dans un rayon de 100 m ne considérant pas l’effet du vent. Ward et Jennings (1990) rapportent le même phénomène d’une colonisation rapide dans les premières années et suivi d’une période de stabilisation d’où résultera une forme de végétation ligneuse colonisatrice. C’est la capacité de dispersion des espèces pionnières qui déterminera la composition des espèces. De plus, la période de dominance des espèces annuelles non-clonales à reproduction sexuée se limite à quelques années (Van Der Maarel, 2005). Suivant la succession, les espèces clonales à reproduction asexuée (rhizome, stolon, drageon, marcottage) s’établissent et réussissent à rivaliser avec les espèces non clonales au
fur et à mesure que la couverture se densifie ( Figure 5 ). La diversité dans le recouvrement
végétal dépend en premier lieu du mode de dispersion spécifique. La faible potentialité à la propagation par le vent sur de longues distances fait que certaines espèces comme le peuplier sont plus pionnières en début de succession. En second lieu, les différences environnementales créées par l’utilisation des terres affectent le modèle de la colonisation végétale, l’établissement et la persistance à plus petite échelle (Flinn et al., 2005).
Figure 5: Les différentes formes structurales aériennes d’envahissement des terres en friches (a) Propagation par stolon; (b) Propagation par rhizome; (c) Propagation par drageonnement; (d) Tallage. (Booth et al., 2003).
Différentes causes biotiques et abiotiques peuvent expliquer l’hétérogénéité du paysage de succession suivant le phénomène d’abandon, notamment la taille et la quantité d’ouverture à la lumière et la proximité des bordures embroussaillées. Les facteurs biotiques peuvent modifier ou amplifier les phénomènes de la succession par exemple par les agents de 14
dispersion des structures de reproduction des plantes et les composantes fauniques telle la présence de mammifères. Les changements dans le microclimat suivant la colonisation des aires par des espèces pionnières sont occasionnés par une hausse de surface d’ombre au sol, une production annuelle de débris et de feuilles, des actions de racines sur le sol et la formation d’humus (Kuzovkina et Quigley, 2005). Également, la vitesse de la revégétalisation naturelle dépendra des conditions biotiques et abiotiques du milieu notamment la disponibilité en eau et la présence de végétation compétitrice herbacée (Benayas et al., 2007). Les différents facteurs qui gouvernent le processus de succession sont basés sur la distance entre les plantes et la composition floristique de la végétation périphérique, les conditions de sol (contenu en éléments, type de couverture, niveau de contamination), les conditions climatiques du milieu suivant l’abandon, la composition des essences pionnières et les interventions externes pouvant affecter le milieu. Également, le taux de renouvellement des essences sur une base annuelle passerait de près de 40 % à moins de 10 % jusqu’à 20 ans après le début de la période d’abandon (Bornkamm,1988).
2.1.5 Caractérisation de l’état végétal
De manière générale, la communauté végétale est classifiée à travers un processus d’interaction entre la phytosociologie et la végétation et de manière formelle, c’est un concept de classe qui devrait être simple et clairement statué (Whittaker, 1962). Les premières approches de classification sont basées sur les unités physionomiques, environnementales, de paysage et biotiques. D’autres approches se rapportant aux zones et séries climatiques, de dominance des espèces, de dynamique de la végétation, d’unités de strate, de milieux, de types forestiers et de la classification numérique sont également rapportées. À cet effet, Jones (2007) a décrit 14 méthodes reconnues pour la classification de l’état végétal d’un peuplement donné passant de la catégorisation par un sondage terrain à l’interprétation visuelle avec chacune ses forces et limitations. Aucune méthode ne combine tous les avantages réunis des différentes méthodes, mais il s’agit de faire une sélection en fonction du degré de précision désiré, du temps nécessaire pour accomplir le travail et de l’information nécessaire. L’étude de la flore par Braun-Blanquet en 1932 constitue la base du développement d’une classification qui est la plus connue et la plus étudiée. Pour cela, la majorité des écologistes utilisent le terme strate comme élément 15
principal de classification. Chaque strate est définie comme un « ensemble de végétaux pouvant appartenir à des espèces différentes, mais qui présentent, pour la plupart, des caractères convergents dans leurs formes et les comportements » (Emberger et al., 1968). Le modèle Braun-Blanquet distingue les strates muscinales, herbacées, arbustives et arborescentes dans l’analyse verticale. La strate herbacée se divise en haute strate dépassant 0,6 m et basse entre 0 et 0,6 m du sol. La strate arborescente se divise en haute pour les arbres de 20 m et plus, moyenne pour les arbres entre 10 et 20 m et basse pour les arbres entre 5 et 10 m de hauteur. La strate arbustive se divise en haute et basse selon que les arbustes ont entre 2,5 et 5 m de hauteur et inférieurs à 2,5 m de hauteur respectivement. En fonction des recouvrements spécifiques de chacune des divisions des strates, on peut
attribuer un classement pour une formation végétale spécifique (Figure 7 et Tableau 2 ).
C’est la strate dominante qui attribue le nom générique au type de structure et la strate sous dominante apporte de la précision supplémentaire.
Tableau 2: Détermination des formations suivant le recouvrement. Formations Recouvrement des ligneux hauts Recouvrement des ligneux bas Recouvrement des herbacées
Ligneuses hautes Ligneuses basses 50 à 100 % 0 à 25 % 0 à 100 % 10 à 100 % 0 à 100 % 0 à 10 % Herbacées 0 à 25 % 0 à 10 % 10 à 100 %
Figure 6: Schéma de classification des formations et détermination des classes.
Complexe ligneux Complexe herbage-ligneux haut Complexe herbage-ligneux bas Complexe herbacé ligneux bas ligneux haut 25 à 50 % 25 à 50 % 0 à 25 % 25 à 50 % 10 à 100 % 0 à 10 % 10 à 100 % 10 à 100 % 0 à 10 % 10 à 100 % 10 à 100 % 10 à 100 % Ligneuses hautes claires Zones à végétation très claire ou nulle 25 à 50 % 0 à 10 % 0 à 10 % 0 à 25 % 0 à 10 % 0 à 10 %
(Emberger et al., 1968)
La représentation de la végétation par le modèle Braun-Blanquet (1932) est définie en tant que méthode rapide, extensive et permet un inventaire complet (Van der Maarel, 2005). De 16
plus, ce modèle de classification phytosociologique facilite la communication au-delà des frontières sur la communauté végétale. Cette méthode de classer un milieu outrepasse la caractérisation basée sur l’utilisation des milieux. Par exemple s’il s’agit d’une terre forestière ou agricole. Dans le cas présent, on cherche à définir l’état végétal d’une terre agricole en abandon sur laquelle une végétation essentiellement arbustive s’est implantée. Quelques auteurs se sont intéressés au phénomène en considérant deux groupes écologiques soit: 1) les terres abandonnées qui proviennent de pâturage, pour le moment dominées par une végétation arbustive épineuse ou 2) les terres anciennement cultivées et pour le moment dominées par une végétation arbustive et herbacée hydrophile (Benjamin et al., 2005). L’analyse de la structure horizontale se rapporte exclusivement au pourcentage de recouvrement, où 80 % et plus constituerait une forêt alors que moins de 80 % constituerait une friche (Payette et Gauthier, 1972; Flinn et al., 2005). Selon les définitions et discussions d’Olson (1981), Miao et Li (2007) et l’IFNC (2021), la végétation arbustive se dit d’un végétal à tiges ligneuses persistantes, à feuillage persistant ou caduc, de dimensions relativement modestes (généralement moins de 10 m), pouvant être un arbuste ou un arbrisseau. L’arbrisseau est ramifié dès la base et a un port non arborescent, tandis que l’arbuste a un tronc bien distinct. Dans le cadre de l'inventaire forestier national, les arbustes sont divisés en deux catégories soit : grand arbuste (2 m et plus de hauteur) et petit arbuste (moins de 2 m de hauteur).
L’analyse de l’état végétal devrait normalement s’effectuer sur une surface représentative des milieux étudiés. Soit, l’aire minimale est la plus petite surface sur laquelle la quasi totalité des espèces de la communauté végétale est représentée. Une approche classique
repose sur la méthode des surfaces emboîtées ( Figure 7 ). La caractérisation manuelle est
onéreuse en temps et en main-d’œuvre (Whittaker, 1973; Van der Maarel, 2005).
Il est donc nécessaire de cibler le type de peuplement à l’étude. À cet effet, Braun-Blanquet propose certaines surfaces minimales en fonction des communautés végétales décrites ici-bas mais certains termes sont moins connus et moins utilisés aujourd’hui pour décrire les communautés végétales. Ainsi, d’autres auteurs proposent des termes de description des communautés plus renouvelés et/ou d’application régionalisée pour décrire essentiellement les mêmes types de milieux issus de Braun-Blanquet. 17
Figure 7: Système de surfaces emboîtées pour déterminer l’aire minimale (Whittaker, 1973).
2.2 Changements dans les propriétés du sol suivant l’abandon des pratiques culturales
2.2.1 Indicateurs de la fertilité des sols
Plusieurs facteurs de dégradation s’attaquent aux sols : l’érosion causée par le vent et l’eau, l’acidification, la salinisation, la perte de matière organique ou l’empiétement à des fins commerciales, résidentielles ou publiques. La qualité des sols est définie en agriculture comme la capacité du sol à soutenir la croissance de cultures sans se dégrader ou nuire autrement à l’environnement (FAO, 2005; Magdoff et Weil, 2004). De manière historique, la qualité des sols est mesurée en fonction de la fertilité et de la productivité agricole (Singer & Ewing, 2000). À cet effet, le carbone et l’azote sont des éléments importants affectant la productivité (Magdoff et Weil, 2004; Johnson, 1992). D’autres éléments à considérer incluent l’activité microbienne, l’humidité du sol, le taux de décomposition de la matière organique, les composés minéraux notamment le phosphore et le potassium, l’acidité et les échanges gazeux (Leroy et Marks, 2006). Certains indicateurs seront analysés dans le contexte de l’abandon des terres en culture pendant plusieurs années. 18
2.2.2 Conversion des cultures agricoles intensives par une succession végétale
À la suite de l’abandon de la culture intensive du sol, on observe l’apparition de diverses plantes spontanées selon l’humidité et l’acidité des sols (Burns et Honkala, 1965). Ces plantes se développent et disparaissent dans une succession végétale. Des changements physico-chimiques surviennent dans les sols à cause d’une couverture végétale presque permanente, de l’accroissement de la profondeur de la litière et l’humus, de la baisse de la densité apparente et de l’augmentation du ratio C:N. Ces changements améliorent globalement la fertilité des sols (Knops et Tilman, 2000; Guariguata et Ostertag, 2001; Davidson et Ackerman, 1993; Du et al., 2007). Après quelques années, on dénote un accroissement graduel de la matière organique (MO) car l’apparition d’essences ligneuses produit une biomasse plus stable que les herbacées des premières années. Les détritus forestiers sont plus difficiles à dégrader que les résidus provenant de cultures agricoles et végétation éphémère. Les racines des essences ligneuses peuvent ralentir la dégradation de la MO de même que le contenu en argile du sol qui protège contre l’oxydation (Alberti et al. 2008; Jobbàgy & Jackson, 2000). Cependant, une période inférieure à 40 ans suivant l’abandon des cultures demeure courte pour déceler des changements significatifs dans le sol (Olson, 1958; Odum, 1960).
2.2.3 Carbone organique et azote du sol
Sur une échelle de long terme, Clark et al. (2012) ont démontré une relation linéaire positive entre le temps de la période d’abandon et la teneur en C organique du sol. Knops et Tilman (2000) ainsi que Johnston et al. (1996) ont illustré que les niveaux de carbone organique et d’azote total d’une prairie abandonnée depuis 50 années seraient respectivement supérieurs de 20 % et 35 % à ceux d’un sol cultivé. De manière générale, le taux d’accumulation du C organique dans la couche 0-20 cm était de 3,1 g/m²/an et variait entre 1,2 et 36,2 g/m²/an (Knops et Tilman, 2000; Post et Kwon, 2000). Zhang et al. (2010) présentent le même type d’information, notamment pour la matière organique du sol (ÉQ.
1) et le C organique (ÉQ.2) en fonction du temps depuis l’abandon ( Figure 8).
Dans les équations, le temps est exprimé en années depuis l’abandon. 19
a b Années après abandon Années après abandon
Figure 8: Niveaux de la matière organique (8-a) et du carbone total (8-b) dans le sol suivant l’abandon du travail du sol et l’implantation d’une succession végétale selon Zhang et al. (2010)
.
MO= 21,124 *Ln(temps)+ 6,489 R²=0,69 (p<0,001) R²=0,68 (p<0,001) [EQ : 1] [EQ : 2] En ce qui concerne la teneur de N dans le sol, certains auteurs (Hooker et Compton, 2003) observent que prise individuellement du système, la teneur de N dans le sol diminue durant les premières années après l’abandon, de l’ordre de 0,4 % /an. Par contre, Knops et Tilman (2000) observent que la teneur de N avait tendance à s’accumuler dans le sol à cause des dépôts atmosphériques et de la litière. Zhang et al. (2010) montrent une relation
logarithmique entre la teneur de N dans le sol et le temps d’abandon (Figure 9). Le contenu
en N des sols aurait tendance à se stabiliser à long terme à un niveau près de 0,15 % selon Knops et Tilman (2000) ou plus près de 0,30 % selon Zhang et al. (2010). Il est connu que le taux de minéralisation décroît avec l’âge du site vu notamment l’accroissement de l’apport en matériel lignifié (Pastor, 1987). De nombreux facteurs exercent une influence sur le taux de nitrification nette dans les sols (Ste-Marie et Paré, 1999). Ces facteurs incluent la température, la disponibilité de l'eau, l'acidité du sol, la disponibilité des substrats organiques biodégradables, la qualité de la matière organique du sol, la disponibilité des éléments nutritifs, le stade de succession de la végétation, l’inhibition des populations microbiennes nitrifiantes, l’aération du sol ou la classe de drainage du sol, la saison ou période de l’année et le type de l’essence forestière 1 Un facteur multiplicatif de 2,40 a été appliqué pour passer du C organique à la MO 20
(Klingensmith et Van Cleve, 1993; Ste-Marie et Paré, 1999; Paavolainen et al., 2000; Huang et al., 2004 ; Ullah et Moore, 2009; Kelly et al. 2011). Pour les sols de climat frais et humides du Québec, la référence la plus utilisée estime une minéralisation à un taux de 15 kg N/ha par % de MO au-dessus de 4 % (CRAAQ, 2010). Un autres facteur qui modifie la composante azote du sol est la contribution des essences végétales. Par exemple, des peuplements naturels d’aulne soutiennent la fixation de l’azote dans le sol à un taux annuel de près de 50 kg/ha (20 mg/kg) (Burns et Honkala, 1965). Compton et al. (2003) ont relevé des taux similaires. De plus, la minéralisation de la litière s’effectue rapidement après accumulation automnale au sol considérant un niveau élevé en holocellulose des feuilles de la plupart des espèces pionnières (78% pour les feuilles de peuplier faux-tremble, 85% pour le cerisier tardif, 53% pour le frêne de Pennsylvanie, 77% pour l’érable rouge et 74 % pour l’aulne) (Burns et Honkala, 1965). Des peuplements naturels d’aulne glutineux sont reconnus pouvoir fournir une biomasse aérienne de litière décomposable de près de 3 t MS/ha/an. Une teneur de 100 kg/ha/an d’azote peut être transférée des feuilles vers le sol sachant que les feuilles contiennent 3,15% d’azote (Burns et Honkala, 1965). A B Années après abandon Années après abandon
Figure 9: Évolution de la teneur en azote total (TN) du sol (%) et du ratio C : N par rapport au temps en années, selon Zhang et al. (2010).
Le rapport C : N du sol est un indicateur de minéralisation de N et de C organique ou de biodégradation de la matière organique du sol. Le rapport C : N du sol change dans le
temps (Figure 9). Il est en général assez bas (autour de 12) durant les premières années et
21
peut augmenter jusqu’à 15 selon Zhang et al. (2010). Dans d’autres conditions, un ratio C:N jusqu’à 18 a été observé (Zak, 1990).
2.2.4 Le pH et autres indicateurs
Le pH du sol suit une tendance à la baisse selon les phases de succession végétale. Une baisse de pH entraîne une modification défavorable à l’activité bactérienne du sol au profit des organismes décomposeurs comme les champignons. Selon Flinn et al. (2005) et Falkengren-Grerup et al. (2006), pendant que les arbres commencent à croître, le pH du sol devient acide et il y a perte de cations basiques. Par exemple, le cerisier tardif est une essence pionnière reconnue pour son pouvoir acidifiant du sol de par un dépôt de d’acide benzoïque qui agit d’inhibiteur allélopathique. À plus long terme, cette substance inhibe le développement de l’érable rouge. L’acidification du sol est un phénomène naturel, particulièrement en conditions de climat frais et humide, mais qui peut être accentué par la nature de la roche-mère et les conditions climatiques (Ellenberg et al. 1990). Certains auteurs ont déjà discuté de la possibilité de lier le phénomène d’accroissement de l’acidité du sol à une diminution du taux de nitrification et au lessivage des nitrates (Falkengren Grerup et al. 2006). Cependant, il n’y aurait pas de relation significative entre le pH du sol et le temps d’abandon des terres agricoles (Post et Kwon, 2000 et Zhang et al. 2010). En ce qui concerne les autres éléments chimiques tels que le potassium et le phosphore du sol, ceux-ci ne sont pas reconnus comme ayant un potentiel important d’accumulation sans fertilisation externe. D’ailleurs, Zhang et al. (2010) ont montré que le phosphore et le potassium ne suivaient aucune tendance significative sur un horizon de 100 ans. 22
2.3 Méthodes d’évaluation de la biomasse
Traditionnellement, l’estimation de la biomasse est faite soit par une mesure directe et destructive, soit par une mesure indirecte et une analyse dimensionnelle ou allométrique (Etienne, 1989; Wharton et Griffith, 1993). Cette notion d’allométrie se réfère à l’étude de la croissance d’une partie d’un organisme en relation avec la croissance de l’organisme entier (Zar,1968). Le terme s’applique à plusieurs domaines d'études comme la physiologie comparative de l’évolution, de la santé, des populations, des communautés et la physiologie végétale. La première méthode consiste à récolter la biomasse présente sur une unité de surface, de la peser et d’extrapoler les résultats. La mesure indirecte se base quant à elle sur des paramètres morphologiques utilisés dans des modèles mathématiques pour prédire la biomasse végétale. En foresterie, l’analyse dimensionnelle implique couramment l’utilisation d’une mesure standard de diamètre de tige connu sous le terme diamètre à hauteur de poitrine (DHP), laquelle est fréquemment employée pour décrire la croissance aérienne des tiges (McElhinny et al. 2005; Burns et Honkala, 1990 ) . Cette mesure diamétrale est prise à une hauteur différente à travers la communauté scientifique. Aux États-Unis, la mesure du diamètre à hauteur de poitrine correspond à 4,5 pieds (66 pouces, soit ~1,68 m) de la base de la tige. Dans les autres pays où le système métrique est utilisé (Canada, Australie, Europe, Japon), la lecture diamétrale s’effectue à 1,30 m de la base (RNC, 1994; ANU, 1999). La méthode par analyse dimensionnelle nécessite des modèles mathématiques bien calibrés, souvent d’application régionale. La combinaison des deux méthodes a été popularisée par Whitaker et Woodwell (1968). Plusieurs auteurs ont adopté cette technique pour développer des modèles mathématiques propres à chaque espèce et à des milieux spécifiques (Whitaker et Woodwell, 1968; Grigal et Ohman, 1977; Smith et Brand, 1983; Stanek et State, 1978; Zhou et al. 2007). Hytönen et al. (1987) ont comparé
quatre méthodes de prédiction pour le saule sur divers sites (Figure 10). Les différentes
méthodes de prédiction performent de manière similaire avec une variabilité indépendante entre elles. Ceci incite à croire que chaque méthode devrait être utilisée dans un champ d’application précis. 23
Répétition sur autres sites
Figure 10: Biomasse aérienne d’arbustes de saules exempts de feuilles, estimée selon différentes méthodes (adapté de Hytönen et al. (1987).
Ainsi, la technique qui combine l’analyse de la portion aérienne des tiges des plantes par mesure destructive et représentée par un modèle mathématique a été répandue. Il existe actuellement dans la littérature plusieurs types d’équations de prédiction de la biomasse aérienne pour les espèces de plantes arborescentes et arbustives. Certaines équations sont spécifiques à certaines essences commerciales tandis que d’autres sont multispécifiques, notamment celles pour des jeunes pousses ou arbustes. Les modèles mathématiques disponibles pour l’estimation de la biomasse aérienne varient en fonction des paramètres recueillis et du degré de précision désirée. Plusieurs modèles d’équations mathématiques sont disponibles soit le modèle exponentiel, polynomial, logarithmique, allométrique et combiné. Les équations allométriques ont été développées pour plusieurs espèces afin d’évaluer à plus grande échelle et de façon non destructive la biomasse totale. Les relations allométriques associant le diamètre de tige en tant que variable indépendante sont rapportées comme étant des bons modèles de prédiction de la biomasse des plantes (Buech et Rugg, 1989). Les paramètres nécessaires à l’analyse par modèle mathématique se rapprochent beaucoup d’un auteur à l’autre vers les données de diamètre à la base de la tige, le diamètre à hauteur de poitrine (1,3 m à partir du sol), la hauteur des tiges et l’espèce (Sah et al., 2004). Selon Sah et al. (2004), la facilité de collecte de données du diamètre des tiges en fait un paramètre intéressant par rapport à d’autres mesures comme la surface de la couronne ou le diamètre basal. Certains auteurs ont 24
également utilisé des mesures de hauteur des tiges, les anneaux de croissance, les diamètres à différentes hauteurs et l’aire de la couronne (Ohmann, 1976). Cependant, parmi les cinq variables indépendantes de la biomasse, c’est le diamètre qui permet une meilleure prédiction par des équations linéaires utilisant des fonctions allométriques. Plusieurs auteurs ont par la suite développé des coefficients d’analyse spécifiques (Grigal, 1977; Roussopoulos et Loomis, 1979). De plus, les modèles varient également en fonction de la biomasse à estimer, soit la biomasse aérienne, souterraine et le feuillage. Les données d’estimation de la biomasse souterraine servent principalement dans les études à caractère environnemental portant sur la séquestration de carbone. La biomasse de feuilles est quant à elle utile pour l’étude du cycle des nutriments dans le sol. Dans la présente étude, on s’intéresse principalement à la fraction de biomasse aérienne ayant un potentiel de récolte mécanique. Comme technique de régression, l’équation Y =
a
X
b
a trouvé de multiples utilisations en biologie où
Y
est le poids total de matière sèche de la biomasse aérienne en kg, X est la valeur du diamètre de tige à hauteur de poitrine (cm), a et b sont des constantes. Le modèle présume une relation entre deux ensembles de données (X et Y), qui répond à la relation de puissance :
Y = a
X
b
. Pour résoudre une fonction qui possède un exposant, il faut trouver la fonction inverse de l’exposant : c’est le logarithme et s’écrit sous la forme log Y = log a + b log X (Brown, 1976). Cependant, la transformation logarithmique entraîne certaines erreurs de sous et de surestimation de la biomasse réelle. Selon Verwijst et Telenius (1999), le biais est dû à la non-linéarité des données; il devient de plus en plus prononcé quand la dimension et le poids approchent la valeur de zéro. Le biais peut être éliminé par l’utilisation d’autres procédures de régression qui n’impliquent pas de transformation logarithmique. Cependant, il est possible de corriger l’erreur en ajoutant à la constante un coefficient de correction tel qu’expliqué par Smith (1993). Dans certains cas, la mesure du diamètre ne peut pas être prise comme seul élément de prédiction de la biomasse arbustive (Zhou et al., 2007). En effet, certaines plantes ont une
généralement petites renferment moins de biomasse qu’une seule tige arborescente qui 25
aurait un diamètre à la base équivalent au diamètre total des tiges multiples. La végétation de type branchue croît souvent sur des terres ouvertes, avec une plus grande exposition à la lumière et une moins grande compétition pour l’eau. La croissance est davantage verticale en forêt où il y a plus de compétition pour la lumière et l’eau. Alors les plantes poussent davantage de façon érigée et en tiges uniques (Zhou et al., 2007; Pickett, 1982).
Figure 11: Développement aérien d'une végétation arbustive type de terre marginale A) large couverture B) multiplicité de tiges émergentes d'une souche unique C) souches non représentatives de la biomasse aérienne (Zhou et al., 2007).
Selon Smith et Brand (1984), la biomasse arbustive est plus négligée que la biomasse arborescente en raison de sa moindre valeur économique et aussi de la difficulté d’en estimer la quantité. Lu (2006) explique que l’estimation de la biomasse est particulièrement difficile dans les endroits où la structure végétale est complexe et où les conditions environnementales sont changeantes. Notamment, les variations des caractéristiques des sols, de l’environnement et de l’âge des plantes engendrent des écarts importants à l’intérieur même d’une parcelle échantillon (Kukk et al., 2010). À cet effet, les terres abandonnées présentent justement ce type de caractéristiques de couverture hétérogène. Pour mieux évaluer la biomasse aérienne, l’analyse dimensionnelle jumelée aux mesures terrains de représentation des essences emploie différentes techniques d’évaluation ponctuelle à partir des concepts de surface représentative minimale décrite à la section 26
2.1.5. Par contre, la représentation du milieu à partir de relevés au champ requiert plus de travail que d’autres méthodes à distance comme l’analyse d’image satellite haute de type Ikonos ou Landsat haute résolution (Lu, 2006). De plus, la mesure au champ demeure d’interprétation localisée avec peu de possibilités d’extrapolation à plus grande échelle. Différentes formes et mises en place des surfaces échantillons ont été utilisées pour caractériser le mieux possible le couvert végétal et avec le minimum d’effort (Sparks et el, 2002). Par exemple, le transect linéaire est une approche qui consiste à dérouler un ruban à mesurer perpendiculairement à une parcelle et à établir une station d’échantillonnage (carrée ou rectangulaire) de grandeur variable à des distances fixes le long du ruban. Notamment, Pickett (1982) et Odum (1960) utilisaient la grandeur des côtés comme critère décisif de représentativité sous la forme d’un quadrat de dimension 0,5 x 2,0 m soit 1 m² de surface. Pour diminuer la variabilité, une surface rectangulaire de dimension 1,3 x 3,0 m (4 m²) a été proposée par Brubacher et al. (1989) pour échantillonner les végétations arbustives de hauteur inférieure à 3 m. La méthode du transect linéaire repose sur une base empirique solide et est appuyée par la communauté scientifique comme étant une approche de travail dite fiable et efficace notamment pour les peuplements arbustifs ouverts tout en promouvant une objectivité dans l’estimation du couvert (Bonham, 1989). Des études plus récentes dans les terres en friches réalisées par Benjamin et al. (2005) et Boivin (2011) ont utilisé des surfaces circulaires de rayon variable entre 3 et 4 m pour définir la couverture des essences présentes sur les milieux. Suivant certaines comparaisons statistiques, Sparks et al. (2002) ont déterminé que la technique de la surface circulaire de rayon de 5,64 m semblait appropriée pour faire l’évaluation des peuplements naturels de tiges de DHP entre 2,54 et 11,42 cm. 27
2.4 Rendement et récupération de biomasse sur des terres abandonnées
2.4.1 Potentiel de croissance de la biomasse dans des milieux naturels
Dans un inventaire de la biomasse globale, Mead (2005) a proposé des plages de rendement selon différentes aires écologiques. Pour les prairies à végétation haute, on peut s’attendre à des rendements entre 1,4 et 8,8 t MS/ha/an (moyenne de 4,3). Pour les prairies à végétation courte, l’intervalle se situe entre 2,7 et 15,1 t MS/ha/an et la moyenne à 6,7. Au moment où la biomasse des feuilles est stabilisée, la production est redirigée en croissance ligneuse. Selon Kukk et al. (2010), les prairies naturelles en Estonie peuvent fournir l’équivalent de 2,0 t MS/ha/an. Dans la zone boréale, les rendements varient entre 1,8 et 3,5 t MS/ha/an. La
Figure 12 donne un portrait mondial de la productivité de la biomasse potentielle selon les
écosystèmes.
Figure 12: La production naturelle aérienne sur toutes les terres est estimée en supposant que 50 % de la biomasse accumulée est sous forme aérienne. (Campbell et al. 2008).
Tonnes potentielles de matière sèche/ha/an Des données de rendement de plantes arbustives sur des terres marginales sont rapportées par Savoie et al. (2012), Lavoie et al. (2007), Rack et al. (2009) et Schroeder et al. (2009) pour diverses conditions de milieu en Amérique du Nord. Sur des étendues de terres agricoles abandonnées et de prairies naturelles au Québec, en Ontario et aux États-Unis, ces auteurs ont mesuré, après une récolte mécanique, des rendements en biomasse variant entre 1,6 et 27 tonnes de matière sèche par hectare. Il s’agit de rendements cumulés pendant plusieurs années et souvent l’âge des plantes sur les terres abandonnées est inconnu. De plus, une quantité appréciable de biomasse aérienne n’est pas récoltée pour diverses 28
raisons : branches sèches tombant au sol, biomasse s’effritant avant être ramassée, etc. En fait, les taux de récupération ont varié entre 53 et 62% de la biomasse totale disponible. Les milieux étudiés étaient composés d’un couvert végétal hétérogène et constitué de plantes ligneuses basses et hautes tels le cornouiller stolonifère (
Cornus stolonifera
Michx.), l’aulne (
Alnus rugosa
Sprengel), le saule (
Salix bebbiana
Sarg.
, S.eriocephala
Michx.
, S. petiolaris
Sm
. et S. discolor
Muhl.), le peuplier faux tremble (
Populus tremuloides
Michx.)
,
le peuplier beaumier (
Populus balsamifera
Linné) et le sumac vinaigrier (
Rhus typhina
Linné). Les sections suivantes rapportent des informations spécifiques sur la récupération de la biomasse sur des terres abandonnées.
2.4.2 Récolte de la biomasse sur des terres en friche à Cap St-Ignace
Savoie et al. (2009) ont récolté des balles rondes de biomasse aérienne à Cap St-Ignace, dans la région de L’Islet en 2007, sur des terres agricoles abandonnées. La structure de la
végétation arbustive était majoritairement constituée d’aulnes en bosquets. Le Tableau 3
rapporte une capacité de récolte de 4 t MH par heure avec un Biobaler prototype qui a ramassé près de 3000 kg MH sans spécification sur la surface.
Tableau 3: Récolte de terres en friche à Cap St-Ignace en 2007.
Paramètres évalués Poids humide des balles (kg) Teneur en eau (%) Diamètre des balles (m) Densité des balles (kg MH/m³) Temps de récolte par balle (min) Capacité de récolte (t MH/h) Moyenne 372 52,2 1,27 242 6,0 4,0 Adapté de Savoie et al. (2009) Écart-type 35,5 1,1 0,08 7,5 1,0 0,86 29
2.4.3 Récolte de biomasse naturelle en Saskatchewan
Le même Biobaler prototype a été utilisé en Saskatchewan, sur des surfaces inondables où s’établit naturellement une végétation arbustive (Schroeder et al. 2009; Savoie et al. 2010). Le couvert végétal était constitué majoritairement de saule naturel (
Salix bebbiana
Sarg. et
Salix petiolaris
Sm.) et de densité assez élevée, soit entre 143 000 et 152 000 tiges/ha
(Tableau 4). Le diamètre moyen à 1 m de hauteur au-dessus du sol était de 14,3 mm. Les
mesures d’échantillonnage ont été effectuées par la technique du quadrat perpendiculaire de largeur de 1 m et par une longueur de 5 m pour le site 1 et de 3 m pour le site 2. Les rendements estimés à l’hectare correspondent à 43 et 11 t de matière sèche par ha pour les deux sites, respectivement.
Tableau 4: Caractéristiques des milieux naturels des prairies canadiennes (Saskatchewan).
Variables mesurées Diamètre des tiges à 1 m de hauteur (mm) Écart-type du diamètre (mm) Hauteur moyenne des tiges (m) Densité de tiges (nombre/m²) Site 1 16,7 9,0 5,3 14,3 Site 2 11,8 6,8 2,9 15,2 Densité de tiges (nombre/ha) Rendement estimé (t MS/ha) 143 000 152 000 42,6 Adapté de Schroeder et al. (2009) 11,0
Les mesures effectives de la récolte de la biomasse sont présentées au Tableau 5 et les
rendements récoltés des milieux sont en moyenne de 16,8 t MS/ha. La masse moyenne des balles mesurées était de 298,9 kg MH ( ± 22,2 kg). La capacité de récolte moyenne était de 6,6 et 3,5 t MH/h sur les sites 1 et 2 respectivement. La teneur en eau moyenne des balles de biomasse était de 42 %. L’analyse de la biomasse laissée sur place après la récolte
(Tableau 5) indique que le taux de récupération moyen (sites 1 et 2) de la biomasse était de
62 % de la biomasse estimée. 30
Tableau 5: Paramètres de récolte avec le Biobaler en Saskatchewan. Paramètres évalués
Poids humide des balles (kg) Teneur en eau (%) Diamètre des balles (m) Densité des balles (kg MH/m³) Temps de récolte par balle (sec) Capacité (t MH/h) Rendement récolté (t MS/ha) Taux de récupération (%)
Site 1
346,6 40,4 1,35 198,5 189 6,61 26,9 63,2
Site 2
251,2 42,7 1,35 143,8 256 3,53 6,7 61,2
Moyenne
298,9 41,6 1,35 171,2 223 5,07 16,8 62,2
Tableau 6: Caractérisation des pertes au champ suivant la récolte par le Biobaler.
variable Pertes mesurées (g/m²) Teneur en eau (%) Pertes (t MS/ha) Site 1 (± é.-t.) Site 2 (± é.-t.) 2640 (286) 40,5 (1,1) 15,7 710 (226) 39,6 (3,3) 4,3
Écart-type
22,2 1,9 - 12,7 70 1,5 - -
2.4.4 Récolte de biomasse naturelle en Floride
Le Biobaler a été aussi utilisé dans un contexte de gestion alternative des aires naturelles pour prévenir les feux de broussaille dans l’État de la Floride (Lorenzi do Canto et al., 2011). Les estimations des rendements avant récolte pour deux sites similaires variaient entre 16,5 et 18,7 tonnes de matière humide par ha. La technique d’échantillonnage n’a pas été discutée dans l’article, mais les résultats sont présentés en trois classes. Les tiges ont été séparées en fonction de leur morphologie : 1) les tiges arbustives dont la mesure du DHP est inférieure à 2,54 cm; 2) les tiges de régénération de résineux d’au moins 2,54 cm de DHP; 3) les tiges de régénération de feuillus. L’aire basale est rapportée seulement pour 2 sites où elle était de 2,8 et 13,6 m²/ha. Le fait de séparer l’échantillonnage en trois classes apporte des informations intéressantes pour visualiser la structure de la végétation et son stade d’évolution. Les rendements en biomasse récoltée avec le Biobaler au site 1 étaient de 4,8 t MH ha −1 soit, 29 % de la biomasse initialement estimée (16,5 t MH/ha). Dans le cas du site 2, le Biobaler a récolté 8,05 t MH/ha et le taux de récupération était de 43 % (18,7 t MH/ha initialement). Le temps de mise en balle en moyenne pour le site 1 était de 15,3 minutes et variait entre 12,7 et 18,4 minutes. Ceci correspond à une capacité de récolte moyenne de 3,92 balles/h ou 0,42 ha/h. Dans le cas du site 2, la capacité est de 4,4 balles/h ou 0,30 ha/h. 31
2.4.5 Récolte en milieux naturels à La Pocatière, en Abitibi et dans le nord de l’Ontario
Au cours de l’automne 2009 et 2010, plusieurs friches agricoles abandonnées ont été récoltées dans la région de La Pocatière, en Abitibi et dans le Nord ontarien. Les résultats de récolte ont été publiés par Savoie et al. (2012). La végétation sur ces terres était majoritairement composée de cornouiller stolonifère, de saule
bebbiana
Sarg., d’aulne rugueux, de peuplier faux-tremble
,
d’érable à sucre, de spirée et de plusieurs herbacées telle la verge d’or et de renoncule. Certaines données de végétation avant la récolte à La
Pocatière n’ont pas été publiées mais sont disponibles au Tableau A. 21 en Annexe A.
L’estimation des rendements avant la récolte à La Pocatière a été faite en employant la méthode destructive qui a consisté à couper et peser la biomasse présente sur des surfaces de 40 m² et d’extrapoler les données. L’analyse avant récolte démontre qu’en moyenne, la végétation est relativement courte en hauteur avec 124 cm et un couvert de 35 %, mais également assez variable. La végétation est plutôt clairsemée et ouverte. Le nombre de tiges à l’hectare est important, mais caractérisé essentiellement par des souches d’où émanent de multiples tiges. De manière globale, les rendements de récolte de la biomasse cumulée sur plusieurs années sont très dispersés et varient entre 4,6 et 35,2 t MH/ha (moyenne de 18,1) ou bien entre 2,4 et 17,6 t
MS/ha ou en moyenne de 9,4 (Tableau A. 2 à l’Annexe B).
L’échantillonnage circulaire de rayon de 2 m (aire totale de 12,57 m²) a été utilisé pour caractériser deux sites de la région de l’Abitibi. Des densités de 76 964 et 40 605 tiges/ha y ont été relevées sur deux parcelles. En termes de rendement à l’hectare, cela représentait 121,2 et 85,8 t MH/ha par extrapolation des données. En comparant l’analyse avant récolte des sites de l’Abitibi, on peut voir que ces rendements estimés de 121 et 86 t MH/ha ne se situent pas près des rendements effectifs de l’ordre de 32,6 et 15,1 t MH/ha pour chacun des sites. Cependant, si on tient compte du taux de récupération de la biomasse de 72,9 et 43,8 % pour les sites de l’Abitibi, on peut voir que la biomasse aérienne (récoltée + pertes mesurées) était en réalité plus près de 41,4 et 23,6 t MH/ha, soit 3,3 fois inférieure à l’estimation initiale. À cet effet et vu l’apparence importante de pertes à la récolte non 32
négligeable, il est intéressant de se pencher sur l’analyse des résidus de récolte. Cet aspect fera l’objet de discussion dans le présent travail. Par ailleurs, l’analyse des résidus de récolte en Abitibi apporte des informations supplémentaires sur les méthodes d’échantillonnage et la source des pertes. Une partie des pertes est expliquée par le fonctionnement de la récolteuse : par exemple, des couteaux usés, une hauteur de coupe ou une vitesse d’avancement inappropriée, l’inexpérience de l’opérateur, des tiges trop grosses pour être traitées avec la récolteuse. La longueur des résidus de récolte est également un élément intéressant à mesurer si on tient compte de l’usage éventuel des sites nettoyés pour l’apport de carbone au sol, le degré d’efficacité du passage du Biobaler en comparaison d’autres moyens techniques pour effectuer un travail similaire et la qualité de préparation d’un site en vue d’un usage direct comme le reboisement.
2.4.6 Récolte en milieux naturels au Minnesota
Savoie et al. (2012) ont rapporté les résultats de récolte de biomasse dans 8 régions de l’État du Minnesota à l’aide du Biobaler. Dans cette étude, les auteurs ont montré que le couvert végétal était très variable (de 10 à 80 %) et composé d’espèces envahissantes qui profitaient des habitats ouverts pour se développer et se reproduire en cycle court. La technique du quadrat transversal répété a été utilisée pour caractériser la végétation. Les principales essences retrouvées étaient le cornouiller, l’aulne, le saule et le peuplier. Le saule et l’aulne se développaient surtout en bosquets épars. Le tonnage de la biomasse évalué avant la récolte a varié entre 0,60 t MS/ha et 34,6 t MS/ha. Malgré une forte couverture sur le site de Faribault A, le cornouiller représentait une faible biomasse comparativement au saule ou peuplier sur d’autres sites à couverture semblable. La biomasse récoltée à l’aide du Biobaler était entre 2,5 et 36,0 t MH/ha (moyenne de 15,0
± 9,2 t MH/ha) ou entre 1,6 et 16,8 t MS/ha (moyenne de 8,8 ± 5 t MS/ha) (Figure 13,
Hébert (2010)). Les surfaces récoltées étaient relativement petites en moyenne de 0,4 ha (± 0,3 ha) et typiques des terres marginales. La teneur en eau (TEE) de la biomasse était en moyenne de 44 % (entre 36,7 et 51,4 %). Une des plus faibles TEE était sur le site Faribault 33
C où la végétation était principalement constituée de vinaigrier. Cette teneur en eau est expliquée en partie par la faible proportion de feuilles chez cette essence. Les taux de récupérations n’ont pas été relevés sur tous les sites (seulement 7 sur 15) et on variés dans un intervalle entre 34 et 76% (moyenne de 52% ± 21%). 18 16 14 12 10 8 6 4 2 0
Figure 13 : Rendement (t MS/ha) des différents milieux naturels de l'État du Minnesota (Hébert, 2010).
L’opération du Biobaler au Minnesota a requis une consommation de carburant entre 3,8 et 23,3 l/t de MS (moyenne de 8,5 l/t MS). La grande variation de consommation de carburant s’explique par le temps requis pour former une balle qui a varié entre 2 et 25 minutes. Dans les aires à faible rendement et sur les sols à traction difficile, l’équipement devrait nécessairement prendre plus de temps pour récolter une même quantité de biomasse à cause des distances plus longues et des conditions de sol qui ralentissaient les opérations. De manière générale, la variabilité importante dans la structure, la densité de végétation et les conditions environnementales expliquent des variations de rendement importantes d’une zone à l’autre à l’intérieur d’une même parcelle. Les taux de récupération de la biomasse ont oscillé entre 25 et 76 % (moyenne de 52 %). 34
2.5 Alternative pour le contrôle de la végétation
Différentes raisons justifient le contrôle de la végétation sur les terres abandonnées. Une première raison est le retrait de la biomasse et la remise en culture de l’aire restaurée. Une deuxième raison est le contrôle des feux de broussailles en périphérie des centres urbains. Une troisième raison est la gestion des habitats de reproduction naturelle pour des espèces à milieux sensibles. Les deux dernières raisons sont moins courantes au Québec, mais elles peuvent être invoquées dans certains cas. L’objectif de retirer la biomasse et de valoriser les sites par la remise en culture à l’aide de plantes dédiées à la bioénergie est appuyé par quelques regroupements. Cependant, il s’agit souvent d’une volonté individuelle et peu d’appuis financiers publics sont octroyés à cet effet. Ce sujet sera abordé dans les prochaines sections. Les méthodes de défrichement varient en fonction de la nature des sols et de la végétation. Généralement, cela implique de retirer la biomasse aérienne et racinaire, de niveler le terrain, de drainer au besoin et de contrôler les mauvaises herbes (Lutze et Victoria, 2003; Rack et al., 2009). Quelques principes essentiels devraient être pris en compte lors du choix des méthodes de défrichement : 1) choisir des opérations qui bouleversent le moins le sol initial; 2) minimiser l’exposition à l’érosion hydrique et éolienne du sol mis à nu; 3) tenir compte des conditions de croissance des plantes cultivées (drainage, ensoleillement, espacement); et 4) réduire les coûts d’extraction de la biomasse. La durée, la complexité et le coût des travaux de défrichage et de remise en état de la terre varient selon le type de friche et les caractéristiques physiques et chimiques du terrain.
2.5.1 Le choix des équipements
Le contrôle de la végétation peut s’effectuer selon plusieurs méthodes, avec ou sans incinération, avec ou sans enfouissement et de manière manuelle ou mécanique. Par le passé, le travail manuel était répandu, mais de nos jours il est impensable compte tenu du nombre d’heures que cela exige, de son faible rendement et de l’efficacité variable. Cependant, parmi toutes les techniques, le travail manuel est réalisable en toutes conditions et à l’année, la qualité du travail accompli est bonne et présente le potentiel d’être sélectif. 35
Autrement, pour un recouvrement de végétation léger, il est possible d’utiliser une
faucheuse robuste de type coupe-broussailles montée sur chargeur à patin guide (Figure 15)
ou sur un tracteur de ferme. Les broussailles sont immédiatement réduites en particules pouvant être incorporées au sol. L’extraction des souches du sol est généralement la tâche la plus coûteuse, car elle nécessite l’utilisation d’un bouteur ou d’une pelle hydraulique de bonne puissance. Le matériel lourd peut occasionner un tassement de sol. Le coût total de travaux de défrichement peut dépasser 12 000 $ par hectare considérant l’ensemble des opérations selon Martin (2008). L’opération seule de nettoyer une surface de terre de sa végétation envahissante peut représenter des coûts entre 200 et 1200 $/h. En fonction de la grosseur des équipements, ces coûts représentent entre 2000 et 4000 $/ha pour un broyage simple de surface et une extraction par méthode conventionnelle, respectivement (Shea, 2008). Considérant ces coûts importants, il peut être intéressant de combiner les travaux à des techniques qui minimiseront les coûts totaux . 36
Figure 14: Technique de contrôle par le brûlage dirigé.
Le brûlage dirigé est l’opération la moins dispendieuse, mais son utilisation demeure restreinte en raison notamment de la pollution sporadique engendrée lors de l’opération et du besoin de contrôle. Il s’agit d’une technique dite tout terrain, rapide d’exécution avec effets immédiats relativement efficaces. Cependant, il s’agit d’une technique spécialisée, la période propice est parfois réduite, sans effet sur la biomasse souterraine et non sélective. Cette technique est de plus en plus contestée, parce qu’elle peut aveugler et incommoder temporairement près des zones habitées ou des routes et aussi parce qu’elle ne valorise pas la biomasse disponible en plus de requérir des énergies fossiles (gaz propane) pour la combustion. Il en coûte entre 150 $ et 250 $/ha pour l’opération simple de brûlage dirigé selon Berry et al. (2006).
Figure 15: Débroussailleur forestier de modèle Tree Terminator à lame fixe.
Ce type d’équipement est davantage utile pour détruire la végétation arbustive de faible diamètre et de façon efficace. De plus, il est possible de travailler en condition de sol plus humide. La plupart des manufacturiers dans le domaine offrent un modèle de débroussailleuse de type industriel convenant à l’opération de débroussaillage léger. Dans les cas où la végétation est bien implantée, la méthode qui consiste à extraire et mettre en andain la biomasse est certainement la plus populaire. À cet effet, l’emploi d’une pelle
hydraulique ( Figure 16 ) a surpassé le bouteur à râteau en raison de l’avantage de secouer les
racines et de laisser sur place la matière organique (MAPANB, 2013). De plus, certains entrepreneurs utilisent différents équipements combinés pour fractionner le travail et rendre l’opération la plus efficace possible. À cet effet, on utilise un broyeur rouleau
débroussailleur de type CIMAF (Figure 17) monté sur la flèche d’une excavatrice en
37
premier lieu pour ouvrir l’espace et procéder au broyage des plus grosses tiges et par la suite pour extraire les tiges et les souches résiduelles à l’aide d’un râteau d’extraction monté également sur une excavatrice. Ainsi, il y a une plus grande polyvalence et efficacité de travail de l’équipement (Cormier, 1991). De cette manière, les andains sont plus petits et donc moins longs à éliminer et moins difficiles pour les équipements de broyage. L’élimination des andains peut se faire de deux manières soit en utilisant un broyeur
spécialisé ou sur un tracteur de ferme robuste. Le broyeur à rotation lente nécessite un matériel préalablement resté au champ pendant deux années sous l’action du gel et dégel qui rend la biomasse friable et sous la pluie qui nettoie de la terre. Cet équipement s’avère peu approprié pour le broyage de la matière fraîche et des souches fraîchement coupées. Le substrat de broyage est éjecté du broyeur par un convoyeur et mis en amas lequel devra plus tard être régalé par un bouteur ou par d’autres équipements de nivelage ou bien exporté pour valoriser dans un approvisionnement industriel. Comparativement aux véhicules à progression continue, les excavatrices sont généralement plus lentes, mais moins sensibles aux contraintes du terrain. Elles n’ont pas à circuler sur la totalité de la superficie à traiter. En étendant leur flèche, elles peuvent éviter certaines contraintes ponctuelles du terrain. Elles sont aussi très efficaces pour le travail en pente et exercent une plus faible pression au sol que les machines sur roues. La qualité du terrain est également très bonne compte tenu du potentiel de déchiquetage des souches par l’incorporation du broyeur dans les premiers centimètres de terre. 38
Figure 16: Râteau andaineur sur pelle hydraulique (Plaisance Équipements).
La pelle hydraulique équipée d’un râteau secoue les racines et laisse la matière organique sur place. Elle permet également un travail plus localisé là où il y a présence de souches à retirer. La largeur de travail est variable en fonction de la capacité de la pelle hydraulique. Le taux horaire d’une pelle hydraulique munie d’un râteau andaineur de 148 hp est d’environ 160 $/h. (Gouvernement du Québec, 2011)
Figure 17: Pelle hydraulique munie d'un rouleau débroussailleur horizontal Denis-Cimaf.
Cet équipement n’est pas conçu pour incorporer la biomasse dans le sol durant l’opération puisque les couteaux sont fragiles et très coûteux à remplacer. Le taux horaire d’une pelle hydraulique est majoré de 10 à 30 $/h si elle est munie d’un débroussailleur à rouleau (Gouvernement du Québec, 2011). 39
Figure 18: Broyeur forestier automoteur de grande puissance Galotrax 500 (Plaisance Équipements).
Différentes largeurs d’équipement disponibles varient entre 100 et 250 cm. Ce type de broyeur est lié à des engins de très forte puissance (750 hp). Il est possible d’adapter le type de dent en fonction de la profondeur de travail désirée et de la pierrosité du sol. La présence de pierres peut faire grimper les coûts d’opérations, lesquels vont varier du simple au double. La productivité de ce type de broyeur est dans l’intervalle 0,35 à 0,81 ha/heure dépendamment de la profondeur de sol et du degré de finesse des débris désirés. (Tigercat.com) Le coût du travail à forfait de cet équipement est normalement établi en surface travaillée et varie dans l’intervalle 0,40 à 1,00 $ le mètre carré (Beaumont, 2012).
Figure 19: Broyeur forestier stationnaire à alimentation verticale Morbark.
Ce type de broyeur forestier est conçu pour être transportable d’un chantier à l’autre et dispose normalement de bonne capacité soit 11 t MS/h. Pour de la biomasse à 30 % d’humidité, il en coûte entre 11,62 et 17,80 $/t MS (Hébert, 2012). Plusieurs entrepreneurs offrent des services pour 170 $/h. 40
En général, les équipements auxiliaires utilisés sont le cultivateur à disques de type «rotobêche» ou la charrue de profondeur pour effectuer un travail à la suite du retrait de la végétation envahissante. C’est à ce moment également qu’il sera possible d’apporter des améliorations au sol comme le drainage souterrain ou la remise en ordre de fossés. Le passage unique consiste à employer un broyeur forestier de type porté qui réduit la végétation en fines particules et les incorpore au sol. La profondeur de travail dans le sol est très variable selon les conditions de terrain. La présence de pierres n’est pas souhaitée pour l’utilisation de cet appareil. Différents modèles existent selon le type de broyage souhaité ainsi que la largeur de travail. Celle-ci varie de 1 m à 2,5 m et nécessite respectivement
l’emploi d’un tracteur de 75 à 260 KW (Figure 20). La profondeur de travail du sol varie,
entre 20 et 25 cm. Le travail s’effectue en deux passages, soit dans un premier temps à une profondeur de 7,5 cm et dans un second temps à une profondeur de 15 à 20 cm. Ce type de broyeur s’adapte à divers tracteurs de ferme de différentes puissances. La productivité dépend de la puissance du tracteur, de la vitesse d’avancement, de la largeur du broyeur, de la pierrosité, de la profondeur de travail du sol et du type de sol. Durant le second passage visant à broyer les racines, l’opération est ralentie par le fait de broyer la terre et la consommation de carburant peut être alors très importante. L’opération de cet équipement n’est pas convenable dans tous les cas. Quelques entrepreneurs offrent un service clé en main dans ce domaine (Joly, 2012; Benoît, 2012; Beaulieu, 2011; Beaumont, 2011; Pouliot, 2011) (Communications personnelles).
Figure 20: Broyeur forestier Meri Crushers de Hakmet équipement.
Le coût du travail à forfait de cet équipement varie entre 140 et 175 $/h. Certains entrepreneurs utilisent la même tarification soit en terme de surface travaillée au taux de 0,40 à 1,00 $ le mètre carré (Beaulieu, 2011). Le coût final sera influencé en partie par l’usure des couteaux. 41
2.5.2 Sélection du site et aspects règlementaires
La qualité d’un sol pour la production agricole est établie selon la texture en surface, l’épaisseur de la couche compacte, la profondeur de l’assise rocheuse, la capacité de drainage, la pente du terrain, la pierrosité, le taux de pierres en surface et la proportion d’affleurements rocheux. Le ministère de l’Agriculture du Nouveau-Brunswick propose une grille d’aide à la décision pour sélectionner des sols à mettre en culture. Par exemple, le défrichement ne doit pas être fait sur des terrains ayant une pente supérieure à 10 %, à moins que les sols soient intégrés dans un système en place de lutte contre l’érosion (terrasses). Il ne faut pas défricher la terre située à moins de 30 mètres (100 pieds) d’un cours d’eau, à moins d’y être autorisé par un permis de modification de cours d'eau du ministère de l’Environnement. Il existe également des dispositions d’ordre règlementaires régies par les MRC, le MDDEP et la CPTAQ. Outre les aspects règlementaires, les changements dans le sol sont d’autant plus importants à prendre en compte lorsque l’on désire convertir certaines terres abandonnées en cultures agricoles. Selon Chibas et al. (2009), les indicateurs comme l’historique des sites, la teneur en matière organique, la topographie et le pH sont des éléments clés dans la chaîne de décision pour convertir des terres abandonnées en culture intensive. La conversion d’écosystèmes naturels en culture intensive du sol est une cause importante de la diminution du contenu en matière organique dans le sol (Davidson et Ackerman, 1993; Römkens et al. 1999; Martel et Deschenes, 1976; Martel et Mackenzie, 1980). En effet, le type de gestion de l’intensité du travail du sol est un important facteur contrôlant le contenu en matière organique en fonction de la quantité et de la qualité de la litière, le taux de décomposition et les processus de stabilisation de la matière organique dans le sol. La réduction de la matière organique des sols est le résultat d’un bilan humique déficitaire, d’une perte d’agrégats de sols et l’exposition à la dégradation, de mises en conditions favorables à la décomposition rapide (travail du sol, fertilisation) et de l’érosion (Clark, 1985). Il est connu que les activités agricoles conventionnelles oxydent la matière organique des sols à un taux de 16 % à 77 % avec une moyenne de 29 % dépendamment de la texture du sol (Knops et Tilman, 2000). De plus, l’effet est variable selon le type de pratiques culturales. Il est reconnu que les changements dans le sol interviennent 42
essentiellement dans la couche supérieure du sol et que cet horizon fait partie essentielle de la matrice de culture d’un sol. À cet effet et dans le cas de la conversion d’un milieu naturel vers la culture agricole intensive, Anderson-Teixeira et al. (2009) ont noté une diminution du carbone à court terme et une remontée à plus long terme dans le maïs, la canne à sucre et le miscanthus.
2.5.3 Implantation de cultures ligneuses après le retrait d’une végétation envahissante
L’implantation de cultures dédiées à la biomasse énergétique sur les terres marginales suscite l’attention depuis quelques années. D’abord, de telles plantations ne concurrencent pas les cultures alimentaires et présentent une valorisation à long terme des friches. Plusieurs éléments restent cependant à valider, notamment la rentabilité de la culture pour le producteur. D’un point de vue agronomique, ces cultures ne sont pas très exigeantes en termes de fertilité des sols. Elles s’adaptent à une grande étendue de conditions. Le pH du sol devrait être entre 5,0 et 7,0. Le sol peut être sableux sans l’être entièrement, car la culture pourrait avoir de la difficulté à s’implanter. Le drainage devrait se situer dans un intervalle entre bon et imparfait. Une faible concentration en azote des sols en friche est bénéfique pour l’implantation des cultures arbustives, car cela freine la croissance des herbages qui peuvent rivaliser pour les ressources. La fertilisation azotée est surtout utile la deuxième et troisième année suivant l’implantation à une dose de 100 à 125 unités /ha pour promouvoir un rendement maximal en biomasse aérienne (Abrahamson et al., 1998 et 2010). L’application des engrais s’effectue normalement après la récolte issue d’un cycle de 3 années de croissance et avant le regain printanier de la culture. Par ailleurs, les cultures dédiées de saule et de peuplier peuvent représenter un potentiel intéressant pour l’obtention d’hydrates de carbone étant donné leurs proportions élevées en cellulose et leur rendement élevé en biomasse de 7 à 23 tonnes de MS/ha/an (Schroeder et al., 2011). Le marché de la vente de la biomasse est peu développé et l’information actuelle montre qu’il serait plus avantageux d’utiliser la biomasse à la ferme et d’y remplacer des combustibles fossiles coûteux comme le mazout ou le propane. La culture du saule présenterait un avantage comparatif à celle du peuplier étant donné sa capacité à produire à répétition des rejets de souches suite au recépage. 43
Le terrain doit avoir été préalablement mis à niveau vu l’importance et la durée de l’implantation de la culture. Le saule et le peuplier sont des plantes bien adaptées au climat du Québec; leurs saisons de croissance peuvent s’étendre de la fin d’avril à la mi-novembre. Un sol argileux bien aéré et ameubli sur 20 à 25 cm de sol convient à ces plantes. La texture du sol a moins d’importance et les saules et les peupliers montrent des capacités à croître en sols pauvres, mais pas de manière à atteindre des taux économiques de croissance. La culture peut s’adapter aux endroits à inondation périodique, mais cela peut compliquer les opérations de récolte. La pente du sol doit être un maximum de 8 % pour ne pas augmenter les risques de lessivage et trop gêner les travaux de récolte. Pour des raisons logistiques et de production durable, on rapporte que les parcelles d’implantation ne devraient pas être inférieures à 5 ha. Également, l’espace nécessaire pour les bordures de champ doit être suffisant (Castellano et al., 2009; Abrahamson et al., 2010). L’implantation de la culture coûte entre 2000 et 4500 $ par hectare et peut permettre de soutenir environ 7 cycles de production espacés de 3 années (Styles et al., 2007; EL Kasmioui et Ceulemans, 2012; Kuzovkina et Volk, 2009). Des coûts plus importants et un rendement moindre sont à prévoir si le saule est cultivé sur des sols ayant un mauvais drainage ou un pH trop acide. La récolte de la culture nécessite de déplacer plusieurs équipements et le coût marginal baisse considérablement plus la surface sera grande.
2.5.4 Mise en valeur de la biomasse arbustive
La biomasse ligneuse comme les résidus forestiers et la végétation arbustive peut être utilisée directement dans les centrales énergétiques industrielle ou domestique, mais la plus prometteuse des applications est selon Morency (2011) l’utilisation dans des centrales de cogénération de dimension moyenne et la combustion dans des centrales énergétiques de petite et moyenne dimension. Le problème principal n’est pas dans la disponibilité de la ressource de biomasse, mais plutôt que la bioénergie sous forme de biomasse ligneuse requiert une différente façon de pensée et d’action de la part de l’entité productrice d’énergie. D’autres facteurs nécessitent une attention particulière, notamment les caractères normatifs de la biomasse. On doit, par exemple, tenir compte des marchés visés, du type d’installation, de l’humidité et de l’homogénéité du matériel, de la stabilité 44
d’approvisionnement et du coût (40 à 60 $ la tonne sèche). De plus, la valeur calorifique est un élément important qui est pris en compte dans le prix payé (Van Loo, 2007). Tous ces critères peuvent faire la différence entre la viabilité et l’échec d’un projet (Mitchell, 1999).
2.6 Cadre conceptuel de la recherche
2.6.1 Objectifs du mémoire
L’objectif principal du mémoire est de déterminer quelques propriétés physico-chimiques des terres en friche par des éléments de sol et l’état végétal. La récolte mécanisée à l’aide du Biobaler permettra de faire la validation entre la quantité de biomasse estimée et celle effectivement disponible, en plus de la valorisation des terres en friches avec un revenu potentiel et une réduction du travail pour la remise en culture. Le travail avec le Biobaler
fournira de nouvelles informations techniques pour en évaluer la performance (Figure 21).
Ce nouvel équipement présente d’ailleurs des aspects très intéressants à première vue puisqu’il permet de récolter des friches ou des jeunes peuplements comme le ferait un agriculteur avec le foin. En nettoyant le site de la végétation concurrente, cette machine offre également une avenue intéressante au niveau de la préparation du terrain en vue d’une éventuelle remise en culture d’une terre agricole. Les objectifs spécifiques incluent des mesures au champ pour évaluer le contenu physico-chimique des sols (classes texturales, pH, azote et carbone organique) et la biomasse aérienne en développant des équations de prédiction de la phytomasse disponible localement. La quantité de biomasse récupérable dans une friche agricole sera mesurée avec le Biobaler. D’autres objectifs consistent à mesurer la capacité de récolte, la consommation de carburant et les pertes au champ après récolte avec le Biobaler. On pourra alors faire une association entre la biomasse récupérée et la biomasse estimée sur les lieux avant la récolte. Une discussion sur les divers éléments de récupération de la biomasse en terres abandonnées terminera le travail.
45
Figure 21: Biobaler en travail de récolte sur terres agricoles abandonnées.
Le manque de données concises à propos des volumes de biomasse disponibles fait en sorte que les marchés tardent à se développer. Les utilisateurs de biomasse ne comptent pas sur cette source (les friches) à cause des volumes incertains et des coûts d’extraction variables et parfois imprévisibles. D’ailleurs, ces coûts dépendent de divers facteurs comme la densité de la végétation, la grosseur des souches et la pierrosité. Il deviendra nécessaire dans un avenir rapproché d’identifier des zones prioritaires de valorisation des friches, d’en évaluer la biomasse présente, de faire des campagnes de récolte efficaces et de valider si le Biobaler est une technique concurrentielle par rapport à d’autres méthodes de récupération ou de destruction de la biomasse. Ainsi, cette recherche présente une méthode de caractérisation de l’état végétal par la technique du quadrat systématique appliquée sur une terre agricole abandonnée. On espère valider la fiabilité de la méthode pour décrire la densité du peuplement et la quantité de biomasse aérienne disponible sur une terre en friche. 46
Cette étude présentera des données originales d’un cas de succession végétale à la suite de l’abandon d’une terre agricole. Sur la base des connaissances actuelles, l'hypothèse générale suivante sera alors vérifiée : il est possible de prédire la nature et la densité de la régénération naturelle établie dans un champ après cessation des activités agricoles. Il est possible de prédire la biomasse disponible sur de tels types de sols et donc de caractériser l’état du couvert végétal par la nature et la densité de la régénération naturelle en fonction de variables telles les paramètres physico-chimiques du sol et le climat.
2.6.2 Hypothèses spécifiques
1- Les teneurs en carbone organique et azote total suivent un patron connu d’évolution dans le temps depuis l’abandon des pratiques culturales des sols. 2- La méthode d’échantillonnage du quadrat systématique non destructive de la végétation permet d’estimer adéquatement le rendement réel de la biomasse aérienne. La récolte de la biomasse sur les terres en friches avec le Biobaler, accompagnée de mesures de pertes après la récolte, permet de valider les estimations pré-récolte. 3- Les modèles régionaux de prédiction de la biomasse aérienne sont moins précis que les modèles locaux. 4- Les terres agricoles en abandon de culture peuvent fournir un rendement en biomasse se situant entre 4 et 36 tonnes de matière humide à l’hectare de rendement cumulé sur une période d’abandon d’environ 20 ans et les taux de récupération de la biomasse avec l’opération du Biobaler sont entre 20 et 50 %. Les données vont permettre de voir s’il serait possible de réduire la plage de valeur très étendue de rendement potentiel et de taux de récupération pour une application précise. 5- La capacité, la consommation de carburant et les pertes au champ d’un Biobaler dépendent des conditions de récolte, notamment le rendement au champ et la présence d’obstacles et peuvent être expliquées par les modèles existants de Savoie et al. (2012). 47
48
Chapitre 3 : Matériel et méthodes
Ce chapitre présente les méthodes utilisées pour la cueillette des données au champ, l’analyse de la biomasse végétale observée sur les friches avant la récolte, l’analyse physico-chimique des sols et l’analyse de la récolte sous forme de balles rondes densifiées.
3.1 Dispositif expérimental
Cette étude propose de comprendre certains facteurs qui influencent le développement de la végétation naturelle sur les terres abandonnées, la composition chimique des sols et les volumes de biomasse qu’il est possible de récolter. L’étude est d’abord menée sur chaque essence ligneuse observée sur les terres en friche une souche à la fois, puis à l’échelle de quadrats sur de petites surfaces où plusieurs plantes sont observées et, finalement, à l’échelle du peuplement sur une grande surface.
3.1.1 Choix du site d’étude
La première étape a consisté à localiser des terres en friche à partir d’images satellitaires de type orthophoto à haute résolution (pixel à 30 cm). L’aire d’étude choisie devait répondre aux caractéristiques suivantes : - surface de terres agricoles en abandon de culture depuis au moins 10 ans - présence importante de végétation arbustive haute et basse - différentes densités de peuplement Vu le nombre important de données relatives à la caractérisation des sites et le temps à y consacrer, nous avons sélectionné un site à proximité de la ville de Québec qui permet les déplacements fréquents. 49
3.1.2 L’aire d’étude
L’aire d’étude d’une superficie de 7 ha est située dans le secteur agricole de la municipalité de St-Augustin-de-Desmaures en périphérie de la ville de Québec à la longitude
46°44'4.85"N et la latitude 71°31'59.40"O. La Figure 22 présente l’information
topographique et orthophoto des zones. La surface est caractérisée par une végétation essentiellement de feuillus.
Figure 22: Orthophoto avec superposition (en vert) des données topographiques prises en 2008 de la zone étudiée (résolution 30 cm). Les lignes rouges (entre 75 et 95 m) indiquent l’élévation par rapport au niveau de la mer.
Le changement de propriétaire et l’absence d’enregistrement annuel de cultures agricoles avant 1998 font en sorte que les dates de cessation des activités agricoles sont difficiles à évaluer. Par contre, l’accès aux photos aériennes permet de cibler une plage assez près de la
étaient alors cultivés et bien entretenus. L’image de 1993 indique un début d’apparition d’essences ligneuses longeant les bordures des champs et donc un abandon déjà amorcé au début des années 1990. 50
Figure 23: Image aérienne à l’échelle 1 :15 000 prise en 1973 Figure 24: Image aérienne à l’échelle 1 :15 000 prise en 1993
La moyenne des précipitations annuelles enregistrée à proximité, soit à la station de l’Aéroport de Québec, est de 1169 mm; les précipitations sont réparties de façon relativement uniforme sur toute l’année. L’évapotranspiration est maximale en période estivale et atteint 544 mm par année (près de 50 % des précipitations). Avec une température moyenne de 5,2°C sur une base annuelle au cours des 5 dernières années et des températures moyennes mensuelles oscillant entre –12,3 °C en janvier et 19,4 °C en juillet, la région a un climat de type tempéré. Le climat est propice à l’implantation de cultivars céréaliers de moins de 90 jours pour la maturité, de variétés de maïs d’au plus 2400 unités thermiques maïs (UTM) et d’essences d’arbres fruitiers adaptées à une zone de rusticité minimale de 4 b.
La Figure 25 montre les précipitations totales mensuelles observées entre 2008 et 2012 pour
les mois de mai à décembre, c’est-à-dire durant la période où la machine peut être introduite et utilisée on dans un champ en friche. Les classes texturales et l’état du drainage interne sont établis selon l’abaque tiré du Système canadien de classification des sols. En raison de la croissance démographique de la région, la couverture du territoire agricole est en diminution. Cependant, le paysage agricole s’adapte et les fermes bovines sont remplacées par des ranchs pour l’équitation ou la production de fruits et légumes pour les 51
marchés de proximité. La situation est précisément le cas en ce qui a trait à l’aire d’étude. Les anciens propriétaires agriculteurs ont cessé les activités agricoles qui intégraient essentiellement sur 10 ha l’élevage extensif de bovins depuis environ une trentaine d’années. La situation a changé en 2007 avec un nouveau propriétaire, le début d’une conversion des bâtiments et l’utilisation de la terre pour des pâturages destinés à des chevaux d’équitation. Cependant, les terres agricoles anciennement cultivées ont été colonisées par plusieurs espèces végétales pionnières, rendant ainsi la pâture inopérable. La situation complète de la succession est un intermédiaire entre la dominance de végétation annuelle, herbacée pérenne, arbustive buissonnante et forêt clairsemée. Le premier volet de l’étude consistait à fractionner la zone abandonnée en parcelles à caractère semblable du point de vue du couvert végétal et des caractéristiques de sol en tenant compte des restrictions physiques sur le territoire comme les digues de pierre, les vieilles clôtures, les fossés, les zones marécageuses et les amas de terre jadis déplacés. Les parcelles inventoriées avaient un recouvrement végétal essentiellement ligneux composé de frêne, cerisier, aubépine et cornouiller. 250 200
Précipitations totale (mm)
150 100 50 0 2008 2009 2010 2011 2012
Mois de l'année Figure 25: Précipitations totales enregistrées entre 2008 et 2012 pour les mois compris entre mai et décembre.
52
3.1.3 Localisation et écologie des peuplements
Les parcelles expérimentales au nombre de 8 sont établies en fonction des caractéristiques intrinsèques semblables. Les limites des parcelles ont été enregistrées à l’aide d’un GPS Getac PS236 (précis à ± 1 m pour les mesures de distance). La friche investiguée est composée d’un sol agricole argileux de bonne fertilité. Le site était séparé en deux parties distinctes, soit la partie des terres «hautes» avec une élévation entre 86 et 91 m du niveau de la mer et la partie des terres «basses» avec une élévation entre 80 et 84 m du niveau de la mer. La délimitation entre les deux parties a été déterminée par la présence d’un marais de quenouilles et d’un ancien fossé pour le drainage superficiel. Ce dernier est devenu peu fonctionnel en raison des nombreux obstacles, notamment des ponceaux écrasés et une végétation envahissante. De plus, le site n’a pas fait l’objet de drainage artificiel dans les dernières décennies. La partie des terres «hautes» représente les parcelles 3, 4, 5 et 6 alors
efficace a été un problème au moment de circuler avec de l’équipement sur le terrain. Les précipitations ont influencé de manière importante la portance au moment de la récolte planifiée à l’automne 2011, soit durant les mois de septembre, octobre et novembre. À cette période de l’année, les températures plus froides et les heures d’ensoleillement plus courtes ne permettent pas d’assécher le sol entre les précipitations importantes. En 2011, nous avons reçu un total de 248 mm de précipitations durant la période ciblée, soit en septembre (107 mm), octobre (78 mm) et novembre (63 mm). L’accès entre les deux parties a été très difficile et a impliqué soit de passer dans le marais de quenouilles ou bien de faire un long détour par le haut au nord de la terre pour s’y déplacer. La terre est également parsemée d’anciens murets de roches et de végétation épineuse (aubépine) qui ont contribué à la difficulté de se déplacer. 53
Figure 26: Image satellitaire rapprochée et identification des zones d’étude Tableau 7: Caractéristiques des parcelles étudiées incluant la superficie, classification du couvert végétal et du sol et l’élévation
Parcelle Localisation Superficie (m 2 ) Drainage Classe texturale Élévation (m) Pente (%) Parcelle 1 46°44'5.27"N 71°32'0.59"O Parcelle 2 46°44'8.41"N 71°32'4.32"O Parcelle 3 46°44'12.93"N 71°32'11.48"O Parcelle 4 46°44'10.94"N 71°32'17.63"O Parcelle5 71°32'13.69"O 71°32'14.71"O Parcelle 6 46°44'9.72"N 71°32'13.03"O Parcelle 7 46°44'6.64"N 71°32'11.02"O Parcelle 8 46°44'4.00"N 71°32'8.03"O 220 2900 2287 6966 8462 2070 4560 2155 très mal drainé très mal drainé modérément bien drainé bien drainé bien drainé modérément bien drainé imparfaitement bien drainé imparfaitement bien drainé Loam argileux Loam argileux Argile limoneuse Loam limono argileux Loam limono argileux Argile limoneuse Loam sablo argileux Loam argileux 81 80 86 91 88 81 84 84 0 à 0,5 0,5 à 2,5 2 à 5 2 à 5 2 à 5 2 à 5 0 à 0,5 0 à 0,5 La cartographie des possibilités agricoles situe les sols inventoriés pour la majorité de classes 1 et 2. Les sols de classe 1 ne comportent aucun facteur limitatif à risque de restreindre le choix des cultures alors que ceux de classe 2 présentent des limitations mineures qui restreignent peu le choix des cultures. Les faibles possibilités (ou rendements) des sols inventoriés sont surtout dues à un excès d’humidité, à un relief défavorable, à une 54
topographie de dépression horizontale ou à l’accumulation de restrictions peu graves. La
carte pédologique de la région montre les limitations (Figure 27). Le matériel parental des
sols de la région appartient à la formation schisteuse d’
Utica
d’origine paléozoïque (Raymond et al
.
, 1976) comprenant les séries de sols Tilly, Joly et Terrain St-Colomban. D’origines variées, ces sols proviennent de phénomènes glaciaires récents, de séquelles de moraines récessionnelles ou de fragments des terrasses marines issus de la mer de Champlain.
Les sols de la série Tilly à drainage modérément bon se prêtent bien à tout un éventail de cultures différentes. Les sols de la série Joly et Tilly avec un drainage variant d’imparfait à très mauvais présentent moins de potentiel et s’adonnent mieux à la pâture permanente. Ils occupent principalement les dépressions ou les pentes recevant les eaux d’infiltration des terres plus élevées. Des interventions superficielles et souterraines de drainage ainsi qu’un labour plus profond doivent être apportées pour la mise en valeur agricole de ces dernières séries de sols. Ces formations occupent les dépressions et les bas de pentes; elles reposent à de faibles profondeurs sur le roc schisteux. Les terrains de type St-Colomban contiennent une grande proportion de roches anguleuses et légèrement altérées. Ce type de sol présente un drainage bon à excessivement drainé. L’épaisseur des matériaux meubles sur le roc excède rarement 1,5 m et la présence d’affleurements rocheux peut être importante. L’infiltration de l’eau est bonne et la limite de descente est au niveau de la couche imperméable de surface, créant des zones de dépressions représentées sur le terrain par des marécages à dessiccation potentiellement importante en saison estivale. La pierrosité importante ou les dépressions humides rendent ce type de sol impropre à l’agriculture. L’érable à sucre agit à titre de végétation pionnière dans la colonisation de ce type de sol (Lajoie, 1967). 55
Figure 27: Carte d’étude pédologique et légende de la zone d’étude prise dans le comté de Portneuf (1976).
3.2 Collecte de données de végétation au champ
Cette section aborde la démarche scientifique pour la cueillette de données lors de la caractérisation du couvert végétal, de la relation entre les dimensions et la biomasse aérienne des essences végétales retrouvées sur les lieux, des sols et de la récolte de la biomasse. Elle décrit les instruments de mesure utilisés ainsi que les méthodes de calcul.
3.2.1 Caractérisation du couvert végétal
Suivant la littérature, l’échantillonnage systématique était une bonne option pour faire la représentation d’un couvert végétal hétérogène. Ainsi, un relevé systématique du couvert végétal a été réalisé par une grille divisant les parcelles principales en petites unités de
surface carrées (quadrats principaux) de 10 m par 10 m (Figure 28). Dans chaque unité
principale et aux points d’intersection de la grille, on a relevé 1 placette échantillon (ou 56
quadrat d’échantillonnage) de dimension 0,5 m par 0,5 m dans laquelle ont été répertoriés le nombre et l’espèce de chaque tige, son diamètre basal (à 10 cm du sol) et son diamètre à hauteur de poitrine (DHP, c’est-à-dire à 1,30 m au-dessus du sol, connu en anglais comme DBH ou « Diameter at breast height »). Quadrat échantillon (50 cm x 50 cm)
Figure 28: Dispositif expérimental
La Figure 29 illustre l’endroit où les diamètres étaient mesurés selon le type de
ramification. Les méthodes de collecte décrites par Thiffault et al. (2011) et GHK (2006) ont été employées. Chaque quadrat a été relevé à partir du coin supérieur gauche de l’unité de surface de 10 m x 10 m. L’emplacement des quadrats échantillons s’est fait en utilisant un topofil de marque TOPOCHAIX à bobine de 2000 m, précis à 0,2 % et avec un cheminement polaire vers le nord. La nomenclature des espèces a été faite en se basant sur la Flore laurentienne (Marie-Victorin, 1964). La détermination des formations végétales a été faite selon Braun-Blanquet (1932). Le diamètre basal et le DHP étaient mesurés avec un pied à coulisse Mitutoyo de 150 mm dont la précision était ± 0,1 mm. À titre de distinction qualitative sur le type de strate végétale en cause pour l’analyse des parcelles principales, 57
l’ensemble des végétaux qui peut appartenir à des espèces différentes, mais qui présente, pour la plupart, des caractères convergents dans leurs formes et les comportements est stratifié comme arborescent, arbustif ou herbacé.
Figure 29: Collecte des mesures diamétrales et hauteur des essences selon la morphologie à la hauteur basale (à 0,10 m du sol) (adaptée de Thiffault et al., 2011).
La densité de tiges par unité de surface moyenne pour le peuplement complet est calculée par la sommation du nombre de tiges recensées par essence et par la division de la surface inventoriée totale (Wharton et Griffith, 1993). Le diamètre moyen est calculé par la sommation des mesures diamétrales divisée par le nombre de tiges par peuplement en fonction de chaque quadrat inventorié. La masse aérienne de chaque tige est estimée par un modèle prédictif en fonction du diamètre. Les modèles de prédiction de biomasse sont établis par essence selon la procédure expliquée en 3.2.2 ci-après. À partir des mesures de densité, il est possible de déterminer la couverture relative des essences (tiges par hectare, tonnes de biomasse aérienne par hectare et par essence, tonnes de biomasse totale par hectare pour chaque parcelle expérimentale). Les données de biomasse aérienne récoltée par la suite à l’aide du Biobaler, ainsi qu’un échantillonnage systématique des résidus non récoltés, servent à déterminer la biomasse totale réelle. Un facteur de correction est établi entre l’estimation de biomasse par la méthode d’échantillonnage par quadrat et la biomasse totale réelle. 58
3.2.2 Échantillonnage destructif pour prédire la biomasse aérienne
Ce volet porte sur le développement d’une équation de prédiction pour chaque essence végétale inventoriée. À cette fin, un échantillonnage destructif a été fait par la sélection d’une cinquantaine de tiges par essence couvrant l’étendue des diamètres observés. Douze espèces ligneuses pionnières ont été identifiées sur les 8 parcelles de caractérisation de la terre en friche à St-Augustin-de-Desmaures. À cet effet, 11 essences végétales ont été étudiées quant aux données morphologiques de diamètre à la base, de diamètre à hauteur de poitrine et de biomasse aérienne par tige individuelle. L’essence érable argenté n’a pas fait l’objet de mesures destructives puisqu’elle a été rapportée seulement à quelques reprises et est donc négligeable. Les tiges de bois mort n’ont pas été prises en compte lors de cet échantillonnage. Les tiges ont d’abord été sélectionnées puis coupées par classe diamétrale à une hauteur de 10 cm du sol. À l’intérieur d’une heure après la coupe, le diamètre à la base (D 0,10 ), le diamètre à hauteur de poitrine (D 1,30 ), la hauteur et la masse fraîche de chaque tige ont été enregistrées. Pour la détermination de la masse fraîche par tige, un
en vue de déterminer la teneur en eau par séchage à l’étuve. La biomasse aérienne totale par tige individuelle inclut sans distinction la fraction de tige, les branches et les feuilles. La liste des onze essences échantillonnées de manière destructive est présentée dans la section
Résultats
. La collecte des échantillons a eu lieu entre le 15 juin et 15 juillet 2011 au moment où les plantes étaient complètement en feuille. L’âge des espèces variait entre une et 15 années de croissance. Pour déterminer la fraction de matière sèche liée à chaque essence végétale, au moins quatre échantillons de masse variant entre 1000 et 1500 g ont été collectés, pesés humides et placés dans une étuve
Thermo Scientific
™ OV128060 (4100 W) à 103 °C durant 72 heures. Les échantillons humides et secs ont été pesés à l’aide d’une balance
OHAUS Adventurer Pro
± 0,1 g (0 à 8100 g). Afin d’obtenir une plus grande précision, on a tenu compte d’une légère différence de masse des sacs au moment de la mise à l’étuve et à la sortie de l’étuve. 59
Figure 30: Déchiquetage des tiges afin d’en mesurer la masse. Figure 31: Aperçu de la biomasse déchiquetée.
Les données de chaque essence ont servi à établir une relation entre la masse aérienne sur une base sèche (M) et les deux diamètres soit DB pour diamètre basal et DHP pour diamètre à hauteur de poitrine selon le modèle suivant : Ln (M)= β 0 + β 1 DHP + β 2 DB (1) À titre informatif, le nom employé du modèle propre à chaque essence végétal dans le présente travail sera : modèle FSR pour essence 1, essence 2, etc. et servira de diminutif dans les prochaines sections. La relation est utilisée pour déterminer la biomasse de chaque tige présente dans un quadrat échantillon. Ces biomasses sont ensuite extrapolées à l’échelle du quadrat principal soit 10 m par 10 m en fonction de la couverture déterminée.
3.2.3 Analyse statistique
Plusieurs auteurs (Overman et al., 1994; Araujo et al, 1999) ont comparé des modèles allométriques, c’est-à-dire des modèles qui estiment une variable difficile à mesurer (comme la masse aérienne d’une tige ou de tout un peuplement qui requiert un échantillonnage destructif) par rapport à une ou plusieurs variables faciles à mesurer (comme le diamètre des tiges, un petit nombre de quadrats sur une grande surface). Cependant, la méthode statistique utilisée n’est pas toujours claire et la conclusion générale est que les modèles alternatifs de prédiction généralisés sont assez fiables. Brown et al. (1995) attribuent une différence entre les modèles en fonction de l’incertitude sur les méthodes de mesures, la grandeur des quadrats, la fraction de la biomasse considérée et la 60
sélection des sites. L’analyse implique de calculer la biomasse et d’interpréter une relation de régression linéaire avec deux variables explicatives, soit le diamètre à la base et le diamètre à hauteur de poitrine des tiges individuelles. Le coefficient de détermination R² ajusté, l’erreur-type sur les estimés (SEE) et la valeur de F ont été utilisés pour déterminer la qualité des modèles développés spécifiquement au niveau de signification
p
<0,05. Ces critères ont été utilisés pour déterminer le meilleur modèle prédictif de la phytomasse aérienne des essences spécifiques. Les équations existantes ont été utilisées pour prédire a priori la masse individuelle d’une tige et les résultats des mesures au champ ont été utilisés a posteriori pour prédire également la masse aérienne d’une tige individuelle. Ainsi, les résultats de l’analyse de la prédiction de la biomasse aérienne des tiges entre certains modèles existants de la littérature pour les mêmes essences et la biomasse réelle mesurée par mesures destructives et la biomasse prédite par les présents modèles mathématiques développés dans le présent travail ont été comparés statistiquement. Les résultats de la procédure «pairedttest» de SAS vont venir inférer la qualité de la prédiction. La sélection des modèles de prédiction de la littérature pour les comparaisons statistiques a été basée sur les critères les plus valables en lien avec cette étude soit l’endroit d’applicabilité du modèle, la plage de validité pour les mesures de variables indépendantes se rapprochant de celles observées et les variables (notamment l’utilisation du DB et DHP) dans le modèle qui font l’objet de cette étude.
3.3 Caractérisation des sols
Cette section porte sur l’analyse physico-chimique des échantillons de sol provenant de différentes parcelles de caractérisation et de récolte de la biomasse arbustive. L’analyse de sol s’est faite en trois étapes; d’abord le prélèvement d’échantillons représentatifs dans chaque parcelle, ensuite le conditionnement des échantillons, et enfin l’analyse des échantillons afin de connaître les quantités d’éléments nutritifs disponibles. 61
3.3.1 Procédure d’échantillonnage et de préparation des sols
La collecte des échantillons de sol a eu lieu entre le 25 mai et le 15 juin 2011 selon un patron d’échantillonnage systématique en grille tel que discuté dans la section 3.2.1. Chacune des huit parcelles d’étude (Figure 28) a été divisée en quatre sous-parcelles d’égale superficie. Un échantillon de sol a été prélevé à tous les quadrats pairs pour chaque sous-zone et donc représentatif d’une surface de 10 m x 20 m. Les carottes prélevées d’une sous-zone étaient regroupées pour en faire un seul échantillon par sous-zone et 4 par parcelle d’étude. Une sonde a été employée pour échantillonner la couche de sol 0-20 cm (environ 350 grammes de sol humide). Les échantillons prélevés de chaque sous-zone ont été mis en commun et mélangés complètement dans un seau jusqu'à ce qu'on ne puisse plus distinguer les carottes pour en retirer un échantillon, le placer immédiatement dans un sac hermétique, sous glacière et le mettre dans un endroit sec pour séchage pendant 5 jours à l’air ambiant. Trente-deux échantillons de sol ont donc été analysés. Quelques semaines plus tard, soit en août 2011, la préparation et le conditionnement des échantillons en vue de l’analyse chimique de sol a consisté tout d’abord à tamiser au tamis 2 mm le sol pour retirer les particules telles que pierres, racines, feuilles et autres résidus organiques de dimensions supérieures à 2 mm et ensuite créer deux sous-échantillons. Le premier sous-échantillon comprend une masse de sol tamisé à 2 mm d’environ 150 g. Le deuxième sous-échantillon exclusivement dédié à l’analyse de l’azote minéral a nécessité de broyer environ 10 g de sol à <0,1 mm. Les sous-échantillons tamisés ont été homogénéisés 3 fois avant d’être envoyés à l’analyse. La collecte et le conditionnement des sous-échantillons ont suivi la norme CAEQ (2003a).
3.3.2 Analyses des sols
Les analyses se sont déroulées entre le 2 et le 15 août 2011 pour la composition chimique et entre le 1 et 20 septembre 2011 pour la caractérisation physique. Le sol tamisé à 2 mm a servi à l’analyse du pH à l’eau conformément à la norme CAEQ (2003b) ainsi que pour la granulométrie et l’azote total. L’azote total et le carbone organique ont été analysés par CNS à l’aide d’un appareil LECO 2000. Les échantillons broyés à 0,1 mm ont servi pour l’analyse de l’azote minéral (NO 3 , NH 4 ). Les ions ont été extraits par solution saline de KCl 2 N laquelle permet d’extraire du complexe argilo-humique les fractions de NH 4 62
échangeable et NH 4 soluble à l’eau. Les ions NO 3 et NH 4 ont été dosé par la technique de flux d’injection continu (FIA) avec un appareil Lachat Quikchem4000. L’analyse physique des sols a porté sur la détermination des classes texturales par la méthode de l’hydromètre conformément à la norme CAEQ (2010). Suivant les résultats obtenus du carbone organique, un prétraitement a été nécessaire au peroxyde d’hydrogène (5 %) dans le cas de plusieurs échantillons, soit ceux avec un % de MO supérieur à 5 % pour détruire les carbonates et la matière organique afin de ne pas altérer les résultats de l’analyse granulométrique des sols.
3.3.3 Analyse statistique
Pour déterminer l’influence réelle des sols sur les caractéristiques de la biomasse aérienne, les sols des huit zones ont été comparés au plan de la texture, du contenu en azote, du contenu en MO et du pH. Le logiciel SAS (2013) fut utilisé pour faire l’analyse de la variance à deux voies avec «proc glm». Cette procédure permet de déterminer s’il y a une différence significative entre les zones et s’il y a des liens entre les variables azote total, azote ammoniacal et azote minéral. L’option «Fit statistics» a été utilisée dans la procédure d’analyse pour corriger les variances hétérogènes d’une zone à l’autre. La grille d’échantillonnage adoptée de séparation en 4 sous-parcelles de chacune des parcelles et en relevant un échantillon homogène issu de la collecte d’entre 3 et 13 échantillons par sous-parcelle, s’avère largement suffisante pour que les données soient considérées comme des répétitions, c'est-à-dire des données spatialement indépendantes les unes des autres. Le test de t de Student «procttest» a été utilisé pour déterminer les différences entre les variables analysées dans le sol en fonction des sous-parcelles échantillonnées. En utilisant chaque paramètre séparément, on peut tester s’il y a une différence significative entre les composantes chimiques sans égard au type de couvert végétal. La variabilité spatio temporelle des sols est employée pour chaque constituant analysé en calculant le coefficient de variation CV de chacune des 8 parcelles (SAS, 2013). Une analyse par corrélation 63
simple et par régression a été réalisée pour permettre de vérifier s’il existe des relations étroites entre les paramètres d’analyses physico-chimiques.
3.4 La récolte de la biomasse
Cette section présente les méthodes utilisées pour la récolte de la biomasse aérienne. Celle ci a eu lieu entre le 15 octobre et le 11 novembre 2011 quand les essences végétales avaient perdu presque en totalité leurs feuilles. La récolte des plantes arbustives a été réalisée à l’aide du Biobaler ® , modèle WB-55 du Groupe Anderson (2011). Les opérations ont été enregistrées en récoltant une parcelle à la fois parmi les huit parcelles. Les données ont été regroupées, analysées et présentées par parcelle. Le mécanisme de la récolteuse fait en sorte qu’il n’est pas approprié de récolter une végétation arbustive trop jeune. D’ailleurs, Freedman (1984) propose le concept de diamètre minimal en expliquant que les tiges trop fines pour résister à un vent de 64 km/h ne sont pas vraiment des plantes érigées, qu’elles ne se comportent pas comme des plantes arbustives (pas assez rigides) et qu’elles ne peuvent pas servir à évaluer le potentiel d’une récolteuse de biomasse arbustive. Par ailleurs, les mesures sur le terrain ont été faites en utilisant un système de lecture et enregistrement du positionnement Getac PS236 GPS avec une précision de ± 2 m. Le GPS a été utilisé pour enregistrer les points en continu sur le périmètre des parcelles. L’interprétation des points géographiques permet donc de déterminer l’aire totale couverte par le Biobaler durant la récolte. Le rendement récolté est ensuite estimé en pesant toutes les balles récoltées dans une aire donnée et en divisant par l’aire mesurée. Pendant l’étude, la distance linéaire pour la fabrication des balles individuelles n’a pas été enregistrée compte tenu des passages recoupés engendrés par les détours autour des aires non praticables, principalement les secteurs avec des arbres de diamètres au-delà de 150 mm à la base et les secteurs marécageux. L’aire totale récoltée était donc estimée par l’ensemble des points GPS en périphérie, moins les sous-aires non récoltées et assez grandes pour être identifiées. Les surfaces exclues de la récolte étaient mesurées en quadrats de 10 m x 10 m. Chacune de ces exclusions devait être constituée à au moins 50 % par une couverture de 64
gros arbres, de surfaces marécageuses ou trop humides ou simplement impossible d’accès en raison de l’incapacité de récolter avec le Biobaler.
3.4.1 Machine de récolte
La récolteuse peut se déplacer en mode déporté, ce qui est normalement prévu en plantation
manœuvre. Le tracteur chevauche ainsi les essences végétales afin d’améliorer l’efficacité du travail. Le broyeur forestier à l’avant du Biobaler coupe sur une largeur de 2,25 m, déchiquette partiellement la biomasse et l’envoie dans la chambre de compression par
l’intermédiaire d’un rouleau d’entraînement (Figure 34). Les plantes devenues souples
s’enroulent le long du pourtour de la chambre de compression et forment une balle ronde. Lorsque la chambre est pleine, la balle est attachée avec de la ficelle. Ensuite, la porte d’évacuation à l’arrière s’ouvre et laisse tomber la balle au sol. Les balles rondes peuvent être transportées à l’abord du champ ou sur un site d’entreposage. Suite à l’entreposage, cette biomasse est transportée et manutentionnée selon son utilisation finale. L’opération de récolte s’est déroulée en utilisant les roues doubles sur la récolteuse étant donné que l’ensemble des sols étaient nettement trop humide pour supporter la masse de l’équipement sans roue supplémentaire d’amortissement de la masse. 65
Figure 32: Opération de la récolteuse en mode déporté Figure 33: Opération de la récolteuse en mode aligné
Schéma adapté de Lavoie et al. (2008)
Figure 34 : Schéma de fonctionnement du Biobaler ® WB-55 (Hébert, 2012)
3.4.2 Masse des balles
La masse des balles a été mesurée après la récolte à l’aide d’une balance de type plate forme
Avery Weigh-Tronic
munie d’un indicateur électronique E1010 WI160DS4848 avec une précision de ± 0,1 kg (0 à 900 kg). Cette mesure sert à déterminer le rendement récolté
au champ et la capacité de la machine (Figure 35).
66
Figure 35: Opération de pesée de balles
3.4.3 Teneur en eau de la biomasse
Le taux de matière humide de la biomasse a été déterminé à l’aide d’échantillons d’environ 1000 à 1500 g de matière humide. En général, on collectait un échantillon à toutes les quatre balles et un minimum de trois échantillons par parcelle récoltée. Ces échantillons ont été mis dans des sacs de papier et ont été pesés pour la matière humide le jour même à l’aide d’une balance
Denver™ Instrument
APX-1502 à ± 0,5 g (0 à 1500 g) ou d’une balance
OHAUS Adventurer Pro
± 0,1 g (0 à 8100 g). De retour au laboratoire, les échantillons dans leurs sacs ont été mis dans une étuve
Thermo Scientific
™ OV128060 (4100 W) à 103 °C durant 72 heures.
3.4.4 Résidus de récolte
Après la récolte de la biomasse au champ avec le Biobaler, les fractions de la biomasse laissées au sol ont été déterminées sur de petites surfaces d’échantillonnage choisies au hasard les 15 et 16 novembre 2011. On a déterminé 4 types de perte : 1) les fractions courtes au sol, c’est-à-dire des tiges coupées de moins de 15 cm de longueur; 2) les fractions longues au sol, c’est-à-dire des tiges coupées de plus de 15 cm de longueur; 3) la fraction de tiges non (ou incomplètement) coupées encore attachées à la souche initiale au delà de 10 cm de hauteur par rapport au sol; et 4) les amas de biomasse concentrés au sol
générés par la machine de récolte suite au dépôt de chaque balle (Figure 36 à Figure 39).
L’échantillonnage des pertes a suivi un patron systématique pour un total entre 3 et 5 quadrats par zone dépendamment de la superficie disponible non altérée par des chemins 67
forestiers. La zone des chemins forestiers a été retranchée des lieux de récolte, car elle ne représentait pas bien le matériel au sol en raison des multiples passages des équipements de récolte et de la boue. La méthode consistait à échantillonner une zone de 50 cm par 10 m pour les trois premières fractions décrites plus haut. Les pertes au sol ont été mesurées de manière intégrale en mettant le total de chaque type de perte par quadrat dans un sac et en le plaçant à l’étuve à 103 °C pendant 72 heures. On déterminait ainsi les pertes de masse sèche. Pour les amas, la masse totale de copeaux tombés autour d’une balle déposée au sol a été prélevée et pesée humide en utilisant un contenant de plastique. À chaque amas, on prenait un peu de biomasse pour ensuite avoir un échantillon complet à chaque 3 dépôts de masse variant entre 500 et 900 g pour déterminer la teneur en matière sèche totale. La collecte et la détermination des fragments ont été réalisées en fonction du protocole de
Thiffault et al. (2011) décrit à la Figure 40.
Pour déterminer la fraction de matière sèche liée à chaque type de pertes au champ, les sacs contenant les fractions ont été manipulés selon la même méthode qu’au point 3.4.3. Afin d’obtenir une plus grande précision, la masse moyenne des sacs secs a été soustraite de la masse des sacs d’échantillonnage des pertes. Les pertes estimées ont été par la suite comparées au rendement potentiel total c.-à-d.
la biomasse laissée au sol sous forme de perte + la biomasse mesurée récoltée par le Biobaler pour en déterminer un pourcentage de récupération de la biomasse selon la formule suivante : rendement récolté (kg MS) *100 % / (rendement récolté kg MS + pertes totales kg MS). 68
Figure 36: Fragments (≤15 cm) de résidus de récolte au sol. Figure 37: Fragments (>15 cm long) de biomasse laissées au sol après la récolte. Figure 38: Amas de biomasses généré à chaque opération de dépôt de balle au sol. Figure 39: Biomasse sous forme de fragments non coupés à partir de la souche. Figure 40: Manière de mesurer les pertes à la récolte
69
3.4.5 Fonctionnement de la récolte
Les temps de récolte, ficelage, transition et pressage des balles ont permis de calculer la
productivité de la machine (Figure 41). Les actions de la machine ont été chronométrées à ±
1 s. Le temps de récolte correspond au temps que prend la machine pour récolter la matière nécessaire au pressage d’une balle. Le temps de ficelage correspond au temps entre le début du ficelage et le dépôt de la balle au sol. Le temps de transition des balles correspond au temps entre le dépôt d’une balle et le début de la récolte d’une autre balle. Le temps de pressage d’une balle correspond à la somme des moyennes des temps de récolte, de ficelage et de transition des balles. Les temps chronométrés ne tiennent pas compte des temps d’arrêt de la machine. En effet, plusieurs arrêts étaient nécessaires pour évaluer le parcours à emprunter avec le Biobaler pour éviter les roches et le risque d’enlisement. Lorsque la machine entrait dans une nouvelle parcelle, les arrêts étaient plus longs afin de bien analyser le comportement de la machine. Les temps d’arrêt n’étaient donc pas représentatifs d’une opération normale. La durée de chaque essai était généralement courte (une dizaine de balles ou environ une demi-heure à la fois). D’autres essais de plus longue durée seront nécessaires à l’avenir pour estimer la fréquence d’entretien et des arrêts sur une base régulière.
Figure 41: Fonctionnement du procédé de récolte par le Biobaler (Hébert, 2012).
3.4.6 Rendement
La masse de chaque balle a été mesurée afin de quantifier la biomasse récoltée par unité de surface et la capacité de la machine. La surface a été mesurée à l’aide d’un GPS GETAC PS236 en utilisant la fonction «points» délimitant ainsi le périmètre d’une zone. Le rendement surfacique était la masse totale des balles récoltées divisée par la surface récoltée; il est normalement exprimé en t MH/ha. Ces rendements de MH ont été convertis 70
sur une base de matière sèche (MS) en multipliant par la fraction de MS : (100 % - TEE)/100 %.
3.4.7 Consommation de carburant
La consommation de carburant a été mesurée à la fin de chaque période de travail de la machine. Pour ce faire, le réservoir de carburant du tracteur a été préalablement rempli avant d’entreprendre la période de travail. Après la récolte de chaque parcelle individuelle, le réservoir a été rempli à nouveau avec du carburant pesé dans des contenants de 20 litres. La masse des contenants a été mesurée à l’aide d’une balance
OHAUS™ Champ II modèle
CH60R11 à ± 0,010 kg (0 à 100 kg). La masse volumique du diesel est de 0,8269 kg/l selon la fiche technique du
Nebraska Tractor Test Labolatory
(2010) pour le Fendt™ 818. Le tracteur utilisé durant les essais était un tracteur Fendt™ 818 de 185 hp. Cependant, les réglages du tracteur ont été changés de façon à obtenir une puissance de 200 hp.
3.4.8 Analyse statistique
L’analyse statistique a été réalisée avec le logiciel SAS par des méthodes de détermination des différences significatives. Les données mesurées ont été comparées à celles prédites par les équations de la littérature pour la récolte en milieux naturels. À cet effet, les courbes de régression ont été utilisées pour bâtir des relations entre la consommation de carburant en fonction des rendements de récolte, la capacité de récolte en fonction des rendements récoltés, la consommation de carburant en fonction de la capacité de récolte, la densité des balles en fonction de la capacité de récolte et les pertes au champ en fonction du rendement récolté. Une régression de la masse moyenne des balles a été établie en fonction de la capacité de récolte. L’unité expérimentale d’un essai de récolte correspondait à une surface traitée qui incluait les données de mesure de carburant, de rendement de la biomasse et du temps d’opération. À cet effet, seulement 7 des 8 parcelles initialement délimitées ont fait l’objet de mesures par récolte entière de la biomasse, car la parcelle #2 a été complètement écartée en raison d’une dépression marécageuse trop humide pour permettre l’intervention du Biobaler. Compte tenu du nombre limité d’unités expérimentales (7 au total) et en utilisant l’information sur les paramètres visant à caractériser l’opération de récolte au champ contenu dans la littérature précédente, une comparaison statistique a été employée 71
pour mesurer si les modèles de régressions développés peuvent expliquer les mesures relevées dans la présente étude. Il fut ainsi possible de valider si les régressions étaient un bon moyen de représenter l’ensemble des données et d’en estimer un coefficient de détermination (R 2 ) en fonction de la principale variable indépendante mesurée, c’est-à-dire le rendement récolté. D’autres variables indépendantes pouvaient influencer les résultats, comme l’opérateur, l’état de la récolteuse, les conditions au champ, le diamètre des tiges, les cultivars et la présence de mauvaises herbes, mais la plupart de ces variables n’étaient pas mesurées ou étaient trop hétérogènes pour expliquer les variations. 72
Chapitre 4 : Résultats
Ce chapitre, divisé en quatre sections, présente successivement les résultats de la caractérisation des sols, de la validation des modèles allométriques de diverses essences végétales, de la caractérisation de l’état végétal (composition végétale, statut phytosociologique) et pour terminer ceux de l’analyse entre diverses méthodes de prédiction de la biomasse aérienne présente au champ et la biomasse obtenue lors de la récolte.
4.1 Paramètres physico-chimiques des sols
Le premier volet du travail consiste à déterminer les caractéristiques actuelles des sols du point de vue physico-chimique suivant une période d’environ 30 années d’abandon de pratiques culturales. Le pH à l’eau, la classe texturale, la teneur en matière organique, la teneur en azote minéral et azote total ont été mesurés en laboratoire. Les sols ont été échantillonnés sur des terrains plats ou à pentes très douces (< 5 %).
4.1.1 Analyse texturale du sol
La teneur en argile des sols variait entre 24 et 45% tandis que le contenu en sable se situait entre 5 et 53%, ce qui confère aux sols une classe texturale variant entre le loam argileux et
le loam sablo-argileux (Tableau 8). Les parcelles 3, 4, 5 et 6, ont une teneur en sable
inférieure aux parcelles 1, 2, 7 et 8 qui se situent dans une dépression topographique d’où une zone d’accumulation et de dépôts lacustres. Les données brutes pour les différentes composantes de classes texturales et chimiques figurent à l’Annexe C ( Tableau a.3 et Tableau A. 4).
73
Tableau 8: Composition physique des sols (moyenne de 4 échantillons par parcelle)
Parcelle 1 2 3 4 5 6 7 8 Sable (%) Limon (%) Argile (%) 36,3 37,8 10,7 14,0 6,9 5,0 53,4 49,3 30,1 34,8 44,7 49,1 54,5 50,2 22,9 23,1 33,6 27,5 44,6 37,0 38,7 44,9 23,8 27,6 classe texturale Loam argileux Loam Argile limoneuse Loam limono-argileux Loam limono-argileux Argile limoneuse loam sablo argileux loam sablo argileux
4.1.2 Analyse chimique du sol
Certains paramètres de fertilité des sols tels le pH et les contenus en matière organique et en
N (total et minéral) des sols ont été déterminés (Tableau 9). Deux données extrêmes n’ont
pas été présentées, soit N-NO 3 de la parcelle no. 1 et N-NH 4 de la parcelle no. 3. 74
Tableau 9: Quelques propriétés chimique des sols (moyenne de 4 échantillons par parcelle)
Parcelle 1 2 3 4 5 Azote total % 0,30 (0,09)* 0,29 (0,10) 0,48 (0,03) 0,32 (0,02) 0,27 (0,08) Groupe de Bonferroni ABC ABC A B ABC Carbone organique % 5,29 (0,46) 4,48 (0,92) 5,54 (0,45) 3,07 (0,19) 3,37 (0,25) 6 0,32 (0,01) B 3,23 (0,04) 7 8 0,22 (0,02) 0,33 C 2,95 (0,23) 4,10 Groupe de Bonferroni A AB A B B B B AB Matière organique % 5,56 (0,06) 5,08 (0,40) 7,06 (0,99) 6,90 1,75 5,08 9,55 9,11 (0,79) 7,72 (1,59) 9,55 (0,78) 5,28 (0,33) 5,81 (0,43) Azote minéral NH 4 + (mg/kg) NO 3 - (mg/kg) 7,75 6,80 (0,43) 10,10 (1,01) 11,47 (2,01) 11,35 (1,16) 3,65 (0,52) 6,43 (1,25) 1,75 (1,00) 12,30 (1,19) 13,13 (1,68) 9,15 (0,84) 10,75 (0,45) 10,75 1,73 7,75 13,13 (0,74) 0,85 (0,23) 1,20 (0,42) 1,13 (0,36) 1,63 (0,76) 2,87 2,48 0,85 6,80 pH 4,93 (0,08) 5,08 (0,13) 5,35 (0,13) 4,95 0,23 4,55 5,35 4,55 (0,23) 4,88 (0,09) 5,08 (0,09) 4,88 (0,23) 4,85 (0,06) C/N 10,02 (0,11) 13,64 (0,30) 12,35 (0,05) 11,75 1,63 9,64 13,29 13,29 (0,22) 13,26 (0,35) 11,63 (0,73) 9,64 (0,20) 10,15 (0,15) 75
La teneur en C organique varie entre 3,0 et 5,5% (moyenne de 4%), ce qui représente entre 5,1 et 9,6% de matière organique (MO). La teneur en N total du sol est en moyenne de 0,32 % (0,22 à 0,48 %). La proportion de N minéral (ammonium et nitrate) dans les sols est
très négligeable par rapport au contenu en N total (Tableau 9), plus de 95 % du N total du
sol étant de l’azote organique. Les valeurs de pH des sols varient entre 4,6 et 5,4 (moyenne de 5,0) et correspondent à une classe de réaction variant entre faible et très fortement acide. Les valeurs moyennes de C/N des sols varient entre 9,6 et 13,3. Les parcelles 1, 2, 7 et 8 présentent des rapports C/N moyens les plus élevés (>12). Le test de Bonferroni a été utilisé pour déceler les différences significatives entre les parcelles ou groupes pour les propriétés du sol mesurées. En ce qui concerne le C organique total, le test de Bonferroni a permis de distinguer deux groupes significativement différents : groupe A regroupant les parcelles 1 et 3 et groupe B regroupant les parcelles 4, 5, 6 et 7. Les parcelles 2 et 8 ne sont pas significativement différentes de chacun des deux groupes. Cela serait en lien avec l’état du terrain puisque les parcelles 1 et 2 sont situées dans une zone de dépression topographique et sous couvert végétal dense, permettant ainsi l’accumulation de résidus organiques. En revanche, les parcelles 5 à 8 sont situées en amont et sous couvert végétal majoritairement ouvert et arborescent jeune. Les données brutes du
test de Bonferroni sont disponibles aux Tableau A. 7 et A. 8 de l’Annexe D.
Les tests d’hypothèse d’égalité des moyennes ont été utilisés pour déceler la présence de différence significative en termes du contenu en azote total entre les parcelles (Annexe D,
Tableau A. 5). Trois groupes de parcelles sont significativement différents quant à leur
contenu en N total, soit le groupe A constitué de la parcelle 3, le groupe B constitué des parcelles 4 et 6, et le groupe C constitué de la parcelle 7. Les autres parcelles (1, 2, 5 et 8)
4 , aucune différence significative n’a été relevée entre les sites. Donc, la différence de contenu en azote total 76
observée entre les parcelles ne peut pas s’expliquer par cette composante interne. Une analyse des moyennes par les moindres carrés fut réalisée pour vérifier si la moyenne de la teneur en nitrate des sols était significativement différente de 0 (les teneurs en NO 3 de certaines parcelles étant assez faibles) et également pour déceler des différences significatives entre les parcelles d’intérêt. Au seuil de 5 %, seules les parcelles 1 à 4 ont affiché un contenu en nitrates significativement différent de 0. De plus, à l’intérieur du groupement des parcelles 1 à 4, une seule différence significative fut observée, le contenu
minéral (N-NO 3
) et entre les parcelles sont présentés à l’Annexe D (Tableau A. 5).
Tableau 10: Analyse des groupements statistiques de Bonferroni pour la composante azote minéral NO 3 des sols. parcelle
1 3 2 4 5 6 7 8
Moyenne de N [NO 3 ] en mg/kg
6,8 6,4 3,7 1,8 1,6 1,2 1,1 0,8
Erreur Type
1,2 0,7 0,7 0,7 0,7 0,7 0,7 0,7
Groupe
A A AB B B B B B
La Figure 42 montre clairement que la parcelle no. 1 a un contenu presque identique en
azote N-NH 4 (moyenne de 7,8 mg/kg) et N-NO 3 (moyenne de 8 mg/kg). Ces teneurs présentent des comportements divergents pour les autres parcelles où l’azote ammoniacal N-NH 4 est prédominant (11,2 mg/kg en moyenne) sur l’azote sous forme nitrate N-NO 3 77
(moyenne de 2,4 mg/kg). Probablement que la différence significative s’explique par une contribution conjointe des processus dans le sol et de l’effet de la présence d’aulne, essence fixatrice d’azote. La présence significative de l’aulne par son impact sur la teneur en azote du sol a déjà été relevée par d’autres auteurs notamment Uri et al. (2007).
Figure 42: Teneur en NH 4 + et NO 3 des parcelles
4.1.3 Analyse de relation par corrélation simple
L’analyse des coefficients de corrélation de Pearson (Tableau A. 9 en Annexe E) montre
une corrélation hautement significative (p<0,001) entre les teneurs en N total et C organique. Ceci explique comment l’azote total du sol varie en fonction du carbone organique. Par ailleurs, la composante azote minéral sous forme NH 4 + est à la limite du seuil de signification pouvant confirmer une relation positive avec l’azote total. Donc, l’azote total ne permet pas de prédire la concentration d’ammoniac (bien qu’on soit très proche de 5 %). Par contre, l’azote total peut explique de manière significative (r = 0,595,
p
= 0,004) l’azote minéral NO 3 du sol. Un accroissement du nombre d’échantillons dans le futur pourrait permettre de confirmer l’étroitesse de la relation entre les deux variables. 78
4.1.4 Analyse par régression
La relation linéaire entre N total et C organique s’écrit comme suit y = 679,9 + 686,7 * X (sous Pr |t|< 0,0001) où y = teneur en N total (mg/kg) et x = C organique (%) tel que
Elle vient confirmer que l’azote total peut être expliqué par la variable du carbone organique du sol. Ainsi, on peut avoir une idée de la teneur en azote total dans une relation assez fiable avec une analyse de routine peu dispendieuse qui comprend normalement le carbone organique. L’azote n’étant pas d’ordinaire analysé autrement que sur demande et avec frais supplémentaires. N total a ota 6000 (Mg/kg) 5000 4000 3000 2000 1000 2 3 4 5 6 7
Figure 43: Régression de l'azote total (mg/kg) en fonction du carbone organique (%)
79
4.2Allométrie des essences naturelles et équations de régression
4.2.1 Données de diamètres et biomasses de 11 espèces pionnières
Cette section présente les données de masse et de diamètres de 11 essences échantillonnées sur les terres en friche sélectionnées afin d’en estimer la biomasse aérienne en utilisant des
équations de prédiction individuelles. Le Tableau 11 montre que le nombre de tiges
individuelles échantillonnées par essence a varié entre 21 et 86 tiges. La plage des diamètres représentait l’ensemble des grosseurs d’arbustes observés . La teneur en eau moyenne pour toutes les espèces est de 42 %. L’amélanchier du Canada, l’aubépine, et le saule de Bebb ont une teneur en eau inférieure à la moyenne alors que le peuplier faux tremble, le cornouiller et l’aulne rugueux, le pommier sauvage et la viorne présentent une teneur en eau supérieure à la moyenne. Les données détaillées pour toutes les mesures allométriques, y compris la biomasse de 546 tiges individuelles pour les 11 espèces, sont
présentées en Annexe F (Tableau A. 10 à Tableau A. 20, Figures A.1 à A.20).
80
Tableau 11: Caractéristiques des plantes pionnières observées sur les friches de Saint Augustin-de-Desmaures.
Espèces Nombre de tiges échantillonnées 48 Diamètre à la base (DB) Plage DB moyen (mm) Écart type de DB 32,26 19,56 Diamètre à hauteur de poitrine (DHP) Plage DHP moyen (mm) Écart type de DHP TEE moyenne (%) 0-57,01 21,96 18,21 36,38 Amélanchier du Canada Aubépine Aulne rugueux Cerisier de Virginie Cornouiller stolonifère Érable rouge Frêne rouge de Pennsylvanie Peuplier faux tremble Pommier sauvage Saule de Bebb Viorne trilobée 34 86 41 76 54 38 52 21 66 48 8,56 80,09 4,17 97,63 11,42 120,04 12,08 131,00 7,03 21,15 10,53 162,00 7,50 96,00 6,59 111,24 7,87 110,00 10,51 143,16 5,00 53,00 35,48 44,32 37,65 12,87 40,77 27,55 39,26 44,89 40,40 24,29 25,65 23,03 25,92 3,21 25,46 21,28 29,91 31,41 4,2-95,36 30,86 26,91 33,64 12,89 0-70,39 0-77,90 0-78,00 0-11,08 0-90,63 0-69,00 0-94,90 0-39,00 20,17 21,52 31,81 18,94 22,13 18,26 3,66 3,28 28,73 19,20 17,27 17,56 27,95 28,32 0-102,19 24,12 22,77 16,14 10,99 35,67 46,15 38,21 46,16 40,13 38,17 45,94 46,52 35,74 47,03 81
4.2.2 Équations de régression
Pour respecter le postulat d’homogénéité de la variance, une transformation logarithmique a été nécessaire tel qu’illustré dans le modèle [ÉQ. 3]. Chaque variable peut être élevée de manière indépendante jusqu’au degré 3 pour la variable DB et jusqu’au degré 2 pour la variable DHP dans ce dernier modèle. La biomasse aérienne comprend la tige, l’écorce et le feuillage. Vu le nombre d’échantillons relativement petit par espèce (n<100), on a comparé la masse mesurée par tige à la masse prédite par analyse de variance. Les hypothèses suivantes ont été testées : H0, le paramètre est nul et n’a aucun effet sur la variable réponse et H1, le paramètre est non nul et a un effet sur la variable réponse. Ainsi, les équations spécifiques par essence montrent un degré d’ajustement élevé pour chaque espèce en fonction du R² et pour des valeurs de F observées et qui sont toutes significatives au seuil de 0,05 suite à l’analyse des résidus des modèles. La forme plus complexe de l’équation incluant deux variables élevées à différentes puissances est illustrée à l’équation 3 [ÉQ. 3]. Les variables incluent la matière sèche (MS) exprimée en grammes, DB est le diamètre à la base (mm) et DHP est le diamètre à hauteur de poitrine (mm). β i sont des coefficients de régression associés à chacune des variables indépendantes.
ln( 𝑀𝑆 ) = 𝛽 0 + 𝛽 1 ∗ ln( 𝐷𝐵 ) + 𝛽 2 ∗ ln( 𝐷𝐵 ) 2 + 𝛽 3 ∗ 𝑙𝑛 ( 𝐷𝐵 ) 3 + 𝛽 4 ∗ 𝑙𝑛 ( 𝐷𝐻𝑃 ) + 𝛽 5 ∗ ln ( 𝐷𝐻𝑃 )² [ÉQ. 3] Bien que le coefficient de détermination (R²) soit un bon indicateur de l’ajustement du modèle transformé présenté, le R² n’indique pas l’ajustement le plus complet pour le modèle non transformé. Le biais moyen et l’erreur type sur les estimés ont été calculés et utilisés pour évaluer la performance du modèle. 82
L’analyse statistique montre que les paramètres dans le Tableau 12 sont significativement
différents de 0 au seuil
p
= 0,05.
La majorité des coefficients de détermination ajustés (R²) générés pour les modèles sont au-delà de 0,90. La valeur minimale obtenue est de 0,85 dans le cas de l’aulne. Cette dernière donnée moins performante est due au fait que la plage de diamètres échantillonnés est relativement grande (11 à 120 mm à DB) et que certaines plantes avaient de gros diamètres et petites masses et vice versa (Tableau A. 11 et Figures 2 et 3 en Annexe F). Le pommier, l’aubépine, le saule de Bebb sont trois espèces dont le paramètre DHP n’était pas significatif pour prédire la biomasse. La structure particulière aérienne en forme de bosquet de ces plantes crée une relation irrégulière entre les deux mesures de diamètre. Dans cette situation, le diamètre à la base est plus représentatif de la biomasse aérienne totale que le DHP. C’était également le cas pour le peuplier faux-tremble où le DHP ne permettait de prédire de manière significative la biomasse aérienne et ceci peut s’expliquer en partie par un nombre trop petit de tiges échantillonnées pour la plage de diamètre mesurée de DHP (0 à 94 mm). De plus, encore pour le peuplier faux-tremble, l’élévation de la variable DB au troisième degré est approprié vu un gain significatif de précision dans la prédiction de la biomasse aérienne. Pour les autres essences, il y a une forte relation entre le diamètre à hauteur de poitrine, le diamètre à la base et la biomasse aérienne. Ainsi, les deux diamètres sont utilisés dans la relation de prédiction de la biomasse. Les équations spécifiques sont valables pour les plages de mesures expérimentales. Elles pourraient avoir une utilité générale pour estimer la biomasse des écosystèmes. 83
Tableau 12: Paramètres de régression selon l’équation 3 [ÉQ. 3] pour estimer la biomasse aérienne sèche par tige (g) de onze essences arbustives observées à l’été 2011 incluant les feuilles. L’erreur type est entre parenthèses. DB est le diamètre à 10 cm du niveau du sol et DHP est le diamètre à 130 cm du niveau du sol.
Espèces Paramètres des modèles η
Aulne Amélanchier Cerisier tardif Cornouiller Aubépine Pommier sauvage Érable rouge Peuplier faux-tremble Viorne trilobée Frêne de Pennsylvanie Saule de Bebb DB, DHP, DHP ² DB, DB², DHP, DHP ² DB, DB², DHP DB, DB², DHP DB, DB² DB, DB² DB, DHP, DHP ² DB, DB², DB³ DB, DB² DHP, DHP ² DB, DB² DHP DB, DB² 86 48 41 76 34 21 54 52 48 38 66
Ordonnée l’origine β 0
-2,9123 (0,21473)* -3,5911 (0,14512) -3,1892 (0,28435) -5,7396 (0,42599) -3,5291 (0,34627) -4,1468 (0,17639) -2,6065 (0,10753) -5,3578 (0,17930) -4,3448 (0,30509) -3,0310 (0,13429) -3,6172 (0,17055)
β 1
0,02078 (0,00982) 0,11332 (0,01339) 0,07389 (0,01560) 0,32763 (0,06655) 0,1296 (0,01914) 0,1426 (0,00760) 0,01459 (0,00486) 0,2510 (0,01554) 0,13178 (0,03308) 0,08427 (0,01238) 0,1147 (0,00754) *les valeurs entre parenthèses représentent l’erreur type liée à chaque paramètre **NS : non significatif au seuil
p
=0,05
β 2
NS* -0,00069210 (0,00014713) -0,00043225 (0,00009872) -0,00537 (0,00249) -0,00067600 (0,00020258) -0,00072885 (0,00006258) NS -0,00312 (0,00033884) -0,00131 (0,00050933) -0,00060406 (0,00007767) -0,00049556 (0,00005790)
β 3
NS NS NS NS NS NS NS 0,00001419 (0,00000208) NS NS NS
β 4
0,1220 (0,01285) 0,0567 (0,01103) 0,0466 (0,01163) 0,0348 (0,00864) NS NS 0,1115 (0,00500) NS 0,1176 (0,02876) 0,0418 (0,01153) NS
β 5
-0,00117 (0,00015739) -0,00058191 (0,00017229) NS NS NS NS -0,00079386 (0,00006976) NS -0,00175 (0,00066885) NS 0,88 0,87 0,86 0,98 0,98 0,98
R
2 ajusté
Erreur type de la moyenne
0,85 0,11
Valeur de F
160,49 0,15 754,11 0,98 0,90 0,97 0,92 0,18 0,12 0,19 0,23 0,14 0,15 0,15 0,19 0,13 97,09 162,56 100,70 136,82 731,28 751,35 112,74 432,91 381,10 84
4.2.3 Comparaison des équations de prédiction locales avec celles de la littérature
Le second objectif est de valider les modèles développés à l’échelle locale avec ceux de la littérature existante pour les mêmes espèces. Vu le nombre élevé de modèles existants pour plusieurs espèces, un choix a été fait pour retenir uniquement les équations les plus valables avec l’étude présente. Le choix a été justifié en fonction de la proximité de la plage d’applicabilité des équations, de l’espèce, du type de biomasse prédite (feuilles, branches, tiges) et de la performance des modèles.
4.2.3.1 Sélection des équations
L’Annexe G (Tableau A. 21) rapporte les modèles de prédiction qui ont été retenus aux fins
d’analyse statistique. Ils proviennent en majorité de Smith et Brand (1983) et Ter-Mikaelian et Korzukhin (1997) qui dressent une revue exhaustive des analyses des plantes dressées et arbustives. Quant à Lambert et al. (2005), leurs modèles de prédiction de la biomasse aérienne sont établis pour 4 composantes indépendantes (tronc, branches, écorce, feuilles). La plage de validité de chaque modèle est variable et les variables indépendantes utilisées diffèrent. Certains auteurs utilisent le modèle logarithmique d’équation de prédiction et d’autres utilisent le modèle de puissance. Le coefficient de détermination est également rapporté pour la plupart des équations ainsi que la taille de l’échantillon qui a été utilisé pour développer le modèle.
4.2.3.2 Analyse statistique
La valeur des équations développées dans ce travail est vérifiée dans cette section en utilisant la fonction régression et le test statistique de t-pairé. Un test a été effectué pour vérifier la prédiction de la littérature en fonction des modèles de prédiction retenus pour une essence en particulier et la biomasse mesurée au préalable dans la section de l’analyse destructive des tiges pour la même valeur de diamètre de tige en question. Le tableau devrait s’interpréter de la manière suivante soit : vérifier la constance des liens entre la prédiction de la littérature et la prédiction par le modèle FSR pour une espèce donnée. En utilisant un seuil de signification à 0,05 de distinction de différence minimale, on a donc 33 équations qui ne montrent pas de différence significative dans la prédiction de la biomasse des tiges sur un nombre total de 96 comparaisons effectuées. Dix-neuf comparaisons 85
supplémentaires s’avèrent non significativement différentes si on abaisse le seuil de signification à 0,01. Au total, 52 comparaisons ne montrent pas de différence avec la biomasse prédite par l’équation développée dans le présent travail et l’équation d’application régionale ou nationale développée et présentée selon différentes formes dépendamment des auteurs pour la même espèce ( A nnexe H,
ces 52 comparaisons, les modèles de prédiction connus s’avèrent justes pour prédire la biomasse à l’échelle locale. Certaines particularités de l’analyse statistique se présentent dans les sections suivantes. En ce qui concerne l’étude de l’aubépine, la littérature rapporte très peu d’information sur cette essence autre que l’utilisation pharmaceutique de ses fruits. Un seul modèle de prédiction de la biomasse, soit celui de Dickinson et al. (2010) (pour DB entre 0,3 et 5,6 cm), est disponible sous un climat semblable et prédit une biomasse aérienne significativement différente de celle prédite par le modèle FSR. De plus, le modèle de Dickinson et al. (2010) est basé sur un inventaire de 17 tiges dans un intervalle (DB 0,3 à 5,6 cm et avec n = 36) semblable à celui des présentes données (DB 0,4 à 9,7 cm et avec n = 33). Cette essence s’avère très difficile à mesurer vu les épines répandues sur les tiges du tronc aux branches. Un modèle différent du même dernier auteur a aussi été retenu pour le pommier sauvage, pour les mêmes raisons énoncées précédemment soit un nombre réduit de publications sur cette essence. Au seuil de 1 %, la relation de Dickinson et al. (2010) est quand même bonne pour décrire adéquatement la relation entre la physionomie du pommier sauvage et sa biomasse aérienne. Dans le cas de la viorne trilobée, il n’y a pas une panoplie de modèles proposés pour cette essence, car on s’intéresse généralement davantage aux fruits. Les modèles prédictifs de Lambert et al. (2005) considèrent une base de données d’études exclusivement canadienne et semblent adaptés à prédire adéquatement la biomasse aérienne pour l’intervalle des mesures réalisées durant la présente étude dans le cas des essences de frêne de Pennsylvanie et peuplier faux-tremble. Il s’agit d’espèces qui, à la base, n’ont pas tendance à présenter un développement sous forme arbustif mais bien arborescent en lien avec les modèles proposés par ces auteurs dont les sujets d’étude ont essentiellement porté en milieu forestier. 86
Dans le cas de l’analyse du saule, qui est une essence exclusivement présente en bosquet d’arbuste haut, il est bien représenté par le modèle prédictif de Brown (1976). Ce dernier rapporte justement un modèle en lien avec cette forme de développement aérien. Aucun des autres modèles prédictifs choisis parmi 15 comparaisons statistiques ne permet de représenter adéquatement la biomasse réelle de cette essence.
4.3 Analyse des milieux
4.3.1 Description des éléments du couvert végétal sur les parcelles expérimentales et la population relative
Le
Tableau 13 présente la superficie des huit parcelles inventoriées. Chaque parcelle
représente un sol relativement homogène et une végétation qui s’est implantée depuis la cessation des activités de cultures intensives au début des années 1990. L’analyse présente la composition et la structure de la végétation.
Les données proviennent de 391 points d’échantillonnage ou quadrats de 0,5 m par 0,5 m répartis systématiquement dans chacune des parcelles de 100 m². Les parcelles ont été subdivisées entre 23 et 105 sous-parcelles. 87
Tableau 13: Superficie des parcelles recensées, nombre de parcelles échantillonnées, couverture herbacée, surfaces arbustives, végétation ligneuse arborescente (zone à grosses tiges) et surfaces marécageuses inventoriées.
Éléments d’analyse
Surface recensée (m²)
Parcelle 1
3200
Parcelle 2
2900
Parcelle 3
3700
Parcelle 4
8000
Parcelle 5
10500
Parcelle 6
2300
Parcelle 7
6000
Parcelle 8
2500
moyenne
4888 Nombre de sous-parcelles de 100 m² échantillonnées nombre de sous-parcelles avec surface majoritairement herbacées Sous-parcelles à surface majoritairement arbustives basses (< 5 m hauteur) 32 0 32 29 1 28 37 7 23 80 2 71 105 6 84 23 4 19 60 6 53 25 2 23 49 4 41 Sous-parcelles catégorisées arborescentes dont la surface est constituée de tiges > 100 mm au DHP et > 5 m de hauteur* 0 0 7 7 15 0 Sous-parcelles catégorisées de surface marécageuse * 29 29 0 0 0 0 *Éléments de distinction qualitative importants considérant la récupération de la biomasse à l’aide du Biobaler 1 5 0 0 4 8 88
Les surfaces dédiées pour les chemins, bâtiments, fossés et pâturages ne sont pas incluses dans les sites. Les superficies individuelles sont relativement petites avec une superficie moyenne de 0,49 ha et un total de 3,87 ha pour les 8 sites. La plus grande des surfaces est de 1,05 ha et la plus petite de 0,23 ha. Le nombre de sous-parcelles inventoriées a été obtenu par découpage en carrés de 100 m² (10 m x 10 m) et était caractérisé visuellement d’abord selon la présence d’herbacées, de plantes avec grosses tiges (>100 mm DHP) à caractère arborescent et de surfaces marécageuses avec dominance de plantes d’eau non ligneuses telles que la quenouille ou le phragmite. Cette distinction permettait de cibler les zones d’intervention avec l’équipement de récolte ; les zones à plantes arborescentes à DHP >100 mm n’étaient pas récoltées avec le Biobaler. Le premier type de formation végétale
était constitué de végétation herbacée pérenne. Ces formations herbacées étaient composées d’un couvert variant entre 10 et 100% de verge d’or (S
olidago canadensis
), de Calamagrostis du Canada (
Calamaerostis canadensis
Mixch.), d’épilobe à feuilles étroites (
Chamerion angustifolium
L.), de renoncule rampante (
Ranunculus repens
L.), de marguerite (
Chrysanthemum leucanthemum
L.) et d’asclépiade (
Asclepias syriaca
L.).
Dans ce même type de formation, on a également noté la présence de formation d’arbrisseaux de framboisiers sauvages (
Rubus idaeus
L.) et de mûriers
(Rubus fruticosus
L.) à couvert variable entre 0 et 10 %. Dans l’inventaire de la biomasse aérienne, ce type de végétation n’a pas été rapporté vu son caractère non ligneux.
Le deuxième type de formation végétale rapporté est celui constitué majoritairement de
végétation ligneuse basse (Figure 45). Cette formation d’arbrisseaux de hauteur inférieure à
5 m ramifiés à la base à couvert variable entre 10 et 100% inclut le cornouiller stolonifère (
Cornus stolonifera
Mixch.), le saule de Bebb (
Salix bebbiana
Sarg.), l’aulne glutineux (
Alnus glutinosa
(L.) Gaertn.), la viorne trilobée (
Viburnum trilobum
(L.) Ait.) et l’amélanchier (
A. alnifolia
Nutt).
Également, sur les sites à plus haut dénivelé et bien drainé, cette même formation pouvait inclure l’aubépine, le cerisier tardif et le pommier sauvage. Le troisième type de formation végétal rapporté était constitué des ligneux haut
( Figure 46 ). On y trouve des essences arborescentes de plus de 5 m de hauteur.
Le frêne de Pennsylvanie (
Fraxinus pennsylvanica
Borkh.)
,
l’érable rouge (
Acer rubrum
L.) et l’érable argenté (
Acer saccharinum
L.) décrivent le contenu de cette formation. La moins grande 89
présence de frêne est décrite par le fait que l’espèce est tolérante à l’ombre en bas âge, mais rapidement perd cette habileté et cause un déclin du nombre de tiges au profit des essences comme l’érable rouge.
Figure 44: Formation herbacée (site #4) Figure 45: formation de type herbacée-ligneux bas (site #8) Figure 46: Formation de type ligneux haut (site #5)
4.3.2 Résultats de la campagne d’échantillonnage
Le Tableau 14 présente le résultat du recensement de 391 points d’échantillonnage
systématique de quadrats (surface 0,5 m x 0,5 m) dans lequel l’essence a été répertoriée à au moins une reprise. À cet effet, le recensement systématique effectué a permis de bien caractériser la distribution de 12 essences végétales à travers les espaces ouverts, fermés et en bordures des aires agroforestières. 90
Tableau 14: Nombre de quadrats dans lesquels l’essence a été répertoriée par parcelle.
1 2 3 4 Parcelles 5 6 Nombre de quadrats total par parcelle 7 8 total Essence Amélanchier Aubépine Aulne Cerisier tardif Cornouiller Érable argenté Érable rouge Frêne rouge de Pennsylvanie Peuplier faux-tremble Pommier Saule Viorne trilobée 32 1 29 37 80 105 23 60 25 391 Nombre de quadrats dans lesquels l’essence a été répertoriée 5 4 7 1 3 5 12 32 9 21 20 96 11 30 11 2 13 2 2 27 2 3 18 13 4 6 2 1 15 1 2 23 13 3 4 1 8 30 16 1 1 4 4 1 54 10 16 38 3 91
Les principales variations dans le couvert végétal s’expliquent en premier lieu par les éléments du relief du terrain. Les parcelles 1 et 2 sont représentées par une dépression topographique (85 m au dessus du niveau de la mer) permettant la croissance d’essences colonisatrices principalement arbustives (aulne, cornouiller, saule, amélanchier et aubépine). La parcelle 3 constitue une bordure de chemin d’accès; elle est fragmentée par un boisé de feuillus donc assez variable en terme de contenu. Les parcelles 4 et 5 étaient situées sur des paliers topographiques plus élevés (91 m) que les précédentes, représentées majoritairement par des milieux ouverts et ceinturés d’un boisé mature. Le frêne rouge de Pennsylvanie était présent à plusieurs endroits sur ces étendues. Les parcelles 6 et 7 présentent une dominance relativement importante d’une végétation d’aubépines par rapport aux parcelles précédentes à l’exception des parcelles 4 et 5. Les parcelles 7 et 8 sont au même niveau topographique, mais la parcelle 8 est cloisonnée entre un fossé de ferme transversal et un boisé dense. Plusieurs microsites à l’intérieur de ces deux derniers sites rendaient propice le développement du cornouiller.
À partir des données à l’échelle réduite par quadrat recensé du Tableau 15, on peut voir
qu’il y a un nombre moyen de tiges par quadrat de 3,40 tiges par surface de 0,25 m² et d’écart-type 1,40. On recense entre 4 essences (parcelles 1 et 8) et 10 essences (parcelles 5 et 7) sur le total connu de 12 pour la zone d’étude. La moyenne par type d’essence est variable entre 0,04 et 1, 97 tiges par quadrat avec un écart-type de 0,24, ce qui montre à priori que les essences ont tendance à se répéter à l’intérieur de la même surface du quadrat échantillon. 92
Tableau 15: Nombre de tiges par quadrat de 0,25 m² par essence et par parcelle.
Essences Amélanchier Aubépine Aulne Cerisier tardif Cornouiller Érable argenté Érable rouge Frêne rouge de Pennsylvanie Peuplier Pommier Saule Viorne trilobée Total parcelle 1 parcelle 2 parcelle 3 1,69 0,24 parcelle 4 parcelle 5 0,14 0,3 0,19 0,68 0,06 parcelle 6 0,09 1,3 0,91 0,09 0,04 parcelle 7 0,23 0,92 1,02 0,02 0,03 parcelle 8 Moyenne de tiges par quadrat de 0,25 m² 0,47 0,68 1,97 0,25 0,99 0,09 0,04 1,48 0,1 0,14 0,21 1,00 0,11 0,05 0,03 1,24 1,15 0,04 0,04 0,34 2,22 0,59 0,21 0,05 0,16 0,01 0,07 2,14 2,82 0,07 0,15 0,07 3,12 2,24 0,15 0,2 0,13 0,9 0,07 0,50 Écart-type 0,69 0,36 NA 0,13 0,28 0,06 0,01 0,12 0,01 0,11 0,81 0,01 0,24 93
En faisant l’extrapolation simple à l’échelle de l’hectare des valeurs précédentes, on obtient une densité naturelle théorique variable entre 47 600 tiges/ha et 228 800 tiges/ha. Ces
données d’extrapolation sont disponibles dans le Tableau 16. Le nombre de tiges total par
parcelle est de l’ordre de 130 600 tiges/ha en moyenne (± 12 417). Il s’agit d’une donnée possible vu le nombre d’années d’abandon et la présence importante de tiges de cornouiller. D’ailleurs, le cornouiller contribue de manière importante (soit à 31,7 %) au nombre total de tiges par parcelle (Tableau 17). Malgré une densité importante, le cornouiller contribue seulement à hauteur de 2,4 % de la biomasse présente totale par parcelle. Cette essence est d’ailleurs très rarement prise en compte dans les relevés de régénération puisqu’il s’agit principalement d’une essence à colonisation pionnière où la sélection (par les méthodes employées sur les parterres de coupe ou activités agricoles ou méthodes naturelles comme la compétition pour la lumière) n’a pas encore fait effet sur cette essence. On constate que la majorité des tiges présentes sur la parcelle d’étude était constituée de cornouiller stolonifère de densité variable, entre 15 000 et 70 000 tiges/ha (moyenne de 41 000 tiges/ha). Ce nombre relativement élevé, observé dans plusieurs parcelles, vient biaiser l’interprétation que l’on peut faire par rapport à la biomasse végétale totale. Chez les autres espèces, les données de densité de tiges et proportions relatives sont les suivantes en ordre d’importance : aubépine (24000 tiges/ha avec 18 % du nombre total de tiges), le saule (23000 tiges/ha avec 17 % du nombre total de tiges), aulne (9850 tiges/ha avec 7,5 % du nombre total de tiges), cerisier tardif(7400 tiges/ha avec 5,7 % du nombre total de tiges) le peuplier faux-tremble (8000 tiges/ha avec 3,3 % du nombre total de tiges), le frêne rouge de Pennsylvanie (6000 tiges/ha avec 2,5 % du nombre total de tiges), l’érable argenté (3150 tiges/ha avec 2,4 % du nombre total de tiges) le pommier sauvage (5200 tiges/ha avec 2,2 % du nombre total de tiges), et la viorne trilobée (2800 tiges/ha avec 1,2 % du nombre total de tiges) et l’érable rouge (1600 tiges/ha avec 0,7 % du nombre total de tiges). 94
Tableau 16: Extrapolation du peuplement avant traitement (nombre de tiges par ha).
Essences Amélanchier Aubépine Aulne Cerisier tardif Cornouiller Érable argenté Érable rouge Frêne rouge de Pennsylvanie Peuplier faux tremble Pommier Saule Viorne trilobée total tige par ha 1 0 0 78 800 0 70 000 2400 0 0 0 0 77 600 0 228 800 2 67 600 9 600 0 11 200 59 200 4 000 0 5 600 3 4 0 5 600 30 400 12 000 0 0 12 000 1 200 40 000 46 000 4 400 2 000 1 600 1 600 1 200 13 600 8 400 0 0 4 400 0 4 000 46 800 49 600 0 0 0 3 200 212 400 144 000 88 800 7 600 27 200 0 6 000 23 600 8 400 2 000 6 400 Parcelles 5 6 7 3 600 9 200 52 000 36 800 0 0 15 600 13 200 36 400 40 800 3 600 1 600 800 1 200 0 2 800 0 1 200 400 2 800 85 600 0 0 0 11 200 0 6 000 0 2 800 112 800 124 800 8 0 22 800 0 0 15 200 0 2 000 0 7 600 0 0 0 47 600
Moyenne par peuplement
11 700 23 850 9 850 7 400 41 400 3 150 1 300 3 700 2 000 2 600 22 550 1 100 130 600
Tableau 17: Contribution relative des espèces au nombre de tiges recensées (%).
Essences Amélanchier Aubépine Aulne Cerisier tardif Cornouiller Érable argenté Érable rouge Frêne rouge de Pennsylvanie Peuplier faux-tremble Pommier sauvage Saule Viorne trilobée Total général Fraction du nombre de tiges (%) 9,0 18,3 7,5 5,7 31,7 2,4 1,0 2,8 1,5 2,0 17,3 0,8 100 La parcelle #1 faisait bande à part puisqu’elle était caractérisée par une faible diversité végétale et une densité de tiges élevée de saule et d’aulne relativement mature. D’ailleurs, 95
la présence de 77 600 tiges/ha de saule semble élevée et peu représentative de la parcelle entière.
Les diamètres des tiges recensées de manière non destructive sont présentés au Tableau 18.
Lorsqu’on classe tous les DHP moyens pour les 8 parcelles et les 11 espèces, on observe que la majorité des tiges (73 %) étaient dans la classe de diamètre (DHP) entre 0 et 20 mm, 22,5 % dans l’intervalle 20 à 40 mm et 4,5 % dans l’intervalle 40 à 60 mm. En comparaison avec le diamètre à la base on constate que 31,7 % sont dans l’intervalle 0-20 mm, principalement du cornouiller, 41,3 % dans l’intervalle 20 à 40 mm et 27 % dans l’intervalle 40 à 60 mm. 96
Tableau 18: Diamètres moyens à la base (DB) et à hauteur de poitrine (DHP) par essence et par parcelle.
Essences
Amélanchier Aubépine Aulne cerisier tardif Cornouiller érable argenté érable rouge Frêne rouge de Pennsylvanie Peuplier faux-tremble pommier saule viorne trilobée
1
-** 26,9 - 30,7 - 8,51 11,6 12,3 12,7 15,8 75,4 - -
2
11,6 17,1 42,3 36,5 35,0 23,9 23,8 - 33 -
3
- -
Parcelles 4
-
5 DB en mm 6 7
22,8 38,2 39,0 21,9 - 42,1 59,9 46,5 62,0 - 62,2 - - - - - 58,1 73,4 75,1 37,3 45,5 43,4 - 69,3 - - - 16,2 23,4 - - 21,9 36,8 16,0 35,3 36,1 32,5 8,4 10,6 12,4 41,3 29,7 56,4 77,9 59,1 - - - - - 53,2
8
- - - - 25,5 54,8 78,6 123,6 80,4 38,7 - - 51,4 42,0 35,3 52,9 - - -
Moyenne
29,8 27,2 30,7 29,8 11,5 53,3 66,9 52,7 57,6 64,5 47,5 25,0 * Les moyennes de DHP présentées incluent les valeurs de diamètres de 0 ** (-) L’espèce n’était pas présente sur la parcelle
1
- 19,3 2,2 58,2 - - - - 27,4
2
19,2 5,0 - 5,4 6,4 19,8 - 23,0 45,1 30,6
3
- 7,3 - 23,2 4,5 21,0 10,0
Parcelles 4 DHP en mm
13,3 18,7 - 6,2 5,1
5
25,9 22,3 - 22,4 6,8 19,9 50,6 38,9 65,7 35,1 35,6 46,3 - 53,0 29,2 - 47,1 8,5 - 43,8 32,1 15,6
6
26,1 21,0 - 20,2 2,6 56,2 92,0 - -
7 8
10,0 - 10,2 12,1 - 20,7 3,1 - - 5,5 43,7 61,4 - 0
Moyenne*
18,9 13,8 19,3 16,4 4,5 36,8 46,6 36,8 - 35,4 - 23,6 28,0 23,2 40,4 42,8 41,9 29,5 15,8 97
Le Tableau 19 présente le même type d’information que le précédent, mais cette fois en
utilisant la donnée de la médiane des diamètres par essence et par parcelle. Il est intéressant de valider à quel point la donnée médiane pour DB et DHP est modifiée par les plus gros diamètres recensés sur les parcelles, c’est-à-dire une faible densité de grosses mesures diamétrales. Cette donnée serait normalement plus indépendante et représentative de la végétation que la moyenne. Lorsqu’on classe tous les DHP médians, la majorité des tiges (73 %) se retrouve encore dans la classe de DHP médian entre 0 et 20 mm, 26 % dans l’intervalle 20 à 40 mm et 1 % dans l’intervalle 40 à 60 mm. En comparaison avec le diamètre moyen à la base, on constate que 39,2 % des tiges sont dans l’intervalle de DB médian 0-20 mm, principalement composées de cornouiller et d’aulne, 33,7 % dans l’intervalle 20 à 40 mm et 27 % dans l’intervalle 40 à 60 mm. On peut voir que pour la mesure de la moyenne des diamètres, celle-ci est tirée vers le haut légèrement en réponse à une représentation biaisée des tiges de plus gros diamètre pour des moyennes de DHP supérieures à 40 mm. Également, la médiane tend à accorder une plus grande importance aux tiges de DB entre 0 et 20 mm avec 39,2 % par rapport à ce que rapporte la moyenne de 31,7 %. La situation est similaire pour DB compris entre 20 et 40 mm, à l’effet que la médiane indique une proportion de tiges comprises dans cet intervalle de DB de 33,7 % alors qu’en utilisant la moyenne on obtenait 41,3 %. La situation demeure inchangée, peu importe si on utilise la moyenne ou la médiane pour le cas des DB supérieurs à 40 mm (27 % dans les deux cas). 98
Tableau 19: Médiane des mesures de diamètre à la base et DHP par essence et par parcelle.
Essence 1 2 3 parcelles 4 5 DB en mm 6 7 8 moyenne 1
amélanchier aubépine aulne cerisier tardif -** 24,6 - 16,5 - - 25,5 20,6 39,7 21,6 - 12,5 12,7 35,8 33,9 30,9 22,5 23,7 - - - - - - - 21,6 34,4 16,0 31,4 32,0 34,8 - cornouiller érable argenté 7,1 10,5 9,9 13,0 12,3 8,8 59,1 - 75,4 24,1 22,6 27,8 47,9 77,9 59,1 - érable rouge frêne rouge de Pennsylvanie Peuplier faux-tremble - - - - 55,0 25,5 62,6 72,2 123,6 80,4 56,8 18,4 59,9 50,3 44,7 - - - - - 39,0 - - 49,6 pommier saule viorne trilobée - - - 50,2 71,0 28,3 33,8 53,5 31,4 - - - 69,3 15,1 23,4 - - - 36,2 - 47,7 - 37,2 - *Les moyennes présentées incluent les valeurs de diamètre DHP de 0 ** (-) L’espèce n’était pas présente sur la parcelle 26,4 24,6 16,5 28,4 17,2 47,8 70,2 42,4 52,3 46,4 47,1 25,2 - - 10,9 - 0 - - - - -
2
0 0 - 0 0 - 12,3 35,1 32,5 31,3 41,9 - -
3
- 0 - 23,1 6,2 20,4 24,9 22,8 0 58,2 17,2 13,0 18,3 37,1 56,2 43,7 10,0 42,0 60,6 92,0 61,4 38,7 - 23,5 31,3 18,4 -
parcelles 4 5 DHP en mm
0 18,1 17,4 24,2 9,3 12,7 - 5,5 6,4 2,9 2,6 - - 0 - - 47,0 50,7 14,8 32,1 6,7 14,4
6
0 - - - - - -
7
0 - 25,6 - 19,3 26,5 22,8
8 Moyenne*
- - - - - - 35,2 - - - 0 11,7 10,9 16,2 2,5 34,8 50,8 27,3 38,6 33,0 26,4 14,6 99
4.3.3 Surface terrière
La surface terrière est couramment utilisée en foresterie pour quantifier la compétition entre les arbres d’un peuplement forestier et pourrait donc servir comme élément de base pour caractériser les friches arbustives. Elle est représentée par la sommation de l’air des sections transversales de tige prise à 1,30 m de hauteur et lié aux mesures de densité de tige. Le suivi dans le temps de cette mesure donne en effet un indice précis de la productivité ligneuse d’une parcelle, via la vitesse de croissance (en diamètre) des arbres. La surface terrière est aussi un indice d’occupation du sol. Par ailleurs, puisque la surface terrière d’un peuplement combine la densité et le diamètre, elle semble être un bon indicateur pour évaluer la productivité de certains équipements forestiers. Par intérêt, plus que pour sa valeur statistique, la surface terrière a été intégrée dans ce volet et il sera peut être intéressant d’éventuellement comparer ces résultats avec les différents stades de développement employés en foresterie. Les valeurs des surfaces terrières furent calculées à partir des estimés par parcelle du nombre de tiges à l’hectare. Les parcelles #1 et #2 présentent les valeurs les plus élevées, avec respectivement 75,6 et 73,3 m²/ha par parcelle en raison de la forte contribution du saule dans les deux cas et de l’aulne pour la parcelle #1. La moyenne de la surface terrière pour toutes les parcelles est de 45,6 m²/ha. Les valeurs obtenues de surface terrière pour les sites discutés de végétation pionnières arbustives sont à interpréter avec nuance considérant le fait que certains peuplements de forêt mature de peuplier faux-tremble dégagent normalement une surface terrière variant entre 25 et 42 m²/ha de surface (Gradowski et al., 2010).
100
Tableau 20: Calcul des surfaces terrières (m²/ha*) par essence et par parcelle basées sur le DHP moyen. Essences 1 2 3 Parcelles 4 5 6 7 8
Amélanchier 0 19,6 0 0,8 4 1,9 0,7 0 Aubépine Aulne Cerisier tardif Frêne rouge de Pennsylvanie 0 0,2 1,3 3,3 10,6 18 23,1 0 Érable rouge 0 0 0 0 0 0 2,3 1,2 13,5 10,8 0 3 2,6 0 3 0 0 0,3 5,1 0,1 2,4 5 4,4 0 Cornouiller 0,3 1,9 0,6 0,9 0,9 0,2 0,3 0,4 Érable argenté 6,4 1,2 1,5 0,5 10 8,9 1,2 0 0 0,2 3,2 6,8 10,6 3,6 2,4 0 Peuplier faux-tremble 0 13,4 0 Pommier Saule Viorne trilobée 0 0 9,7 7 1,8 0 4,9 0 45,8 34,4 33,2 0 0,3 0 3,7 0 0 0 0 0 0 0 9,7 0 0,2 0,5 0 1,2 0 somme 75,6 73,3 52,8 29,5 48,1 44,6 26,0 15,1 5,4 5,6 23,1 2,9 0,7 4,3 4,5 6,2 11,6 5,9 23,5 0,6 45,6 5,8 5,9 24,5 3,0 0,7 4,5 4,7 6,6 12,3 6,2 25,0 0,7 100 * Les valeurs des surfaces terrières furent calculées à partir des estimés par parcelle du nombre de tiges à l’hectare.
101
4.4 Caractérisation du chantier de récolte et mesure des rendements de la biomasse par récolte avec un Biobaler
Cette section présente des résultats de récolte de la biomasse à l’aide du Biobaler effectuée en plusieurs séquences entre le 19 octobre et le 10 novembre 2011.
4.4.1 Caractérisation des opérations de récolte aux champs
La superficie des parcelles recensées initialement variait entre 2300 et 10 500 m² et en moyenne de 4888 m². Une proportion totale de 70 % (moyenne par parcelle de 61%) du territoire initialement prévu, soit équivalent à 2,68 ha sur 3,87 ha a été récoltée en automne 2011. Les surfaces récoltées à l’aide du Biobaler sont variables d’une parcelle à l’autre. C’est ainsi que seulement 9 % de la parcelle #1 a été récoltée à cause d’une dépression marécageuse tandis que la parcelle #2 n’a pas été récoltée du tout pour la même raison (marais). Sur les autres parcelles, les portions non récoltées s’expliquent par la trop grande présence de grosses tiges (diamètre à la base > 100 mm et bois dur). Effectivement, dans ces parcelles et notamment la 4, le diamètre moyen à la base des essences était de 104 mm pour le frêne rouge de Pennsylvanie, de 109 mm pour l’érable rouge et 94 mm pour l’aubépine. Dans le cas de ces trois essences de bois dur, l’opération de récolte avec le Biobaler est difficile vu l’effort et le temps de broyage requis pour récolter les tiges. Il n’est donc pas efficace de s’attarder à récolter ces tiges. De plus, lors du chevauchement par le tracteur de ces trois essences, les racines ont tendance à sortir du sol lors du pliage de la tige vers le sol et donc présentent une difficulté technique pour l’opérateur. En excluant les parcelles 1 et 2 (marécageuses), le pourcentage de surface récoltée a varié entre 60 et 90 %
(Tableau 21) soit 80 % en moyenne. Ainsi, en moyenne 20 % des surfaces n’ont pas été
récoltées en raison d’une végétation de type arborescente. La moyenne générale de la surface récoltée est quand même acceptable avec 70,0 %. À cet effet, le pourcentage d’exclusion pour cause d’incapacité technique est en moyenne de 31 % (± 40%) et varie
entre 0 et 97 % (Tableau 21). Vu l’amplitude de la variation et du nombre restreint de
données, il est difficile de conclure en une généralité. La dernière fraction de parcelle considérée non récoltée est la partie catégorisée d’herbacée. 102
Tableau 21: Caractérisation du processus de récolte des parcelles d’études incluant la surface inventoriée initiale, la surface effective récoltée, le nombre de sous-unités exclues de la récolte et le pourcentage d’exclusion.
parcelle 1 2 3 4 5 6 7 8 moyenne écart-type Min Max Total surface recensée m² 3200 2900 3700 8000 10500 2300 6000 2500 4900 2995 2300 10500 39100 surface récoltée m² 280 0 2287 6966 8462 2070 4560 2155 3347 3059 0 8462 26780 nombre de sous-unités récoltées # 3 0 23 70 85 21 46 22 33 31 0 85 270 % de la surface classée en tant que récoltée 8,7 0,0 60,2 87,8 80,6 90,0 76,0 86,2 61,1 36,3 8,7 90,0 - % de surface non récoltée classée herbacée 0,0 3,5 15,8 3,8 9,5 10,0 13,3 8,0 8,0 5,3 0 15,8 - % Surface non récoltée pour cause d’incapacité technique* 91,3 96,6 23,7 10,0 10,5 0,0 10,0 4,0 30,7 39,6 0,0 96,6 - *surfaces exclues non récoltées (parcelles couvertes par de gros arbres ou trop humides et impossibles d’accès) en raison d’une incapacité de récolte avec le Biobaler. Une parcelle de 10 m x 10 m a été considérée exclue de la récolte lorsque le Biobaler n’a pas récolté au moins 50 % de la superficie de cette parcelle.
4.4.2 Caractéristiques de la biomasse récoltée
Un total de 62 balles de biomasse arbustive a été récolté sur 7 parcelles et 2,68 ha. Au tableau 22, la masse moyenne des balles est de 422 kg matière humide (MH). Les masses
des balles individuelles variaient entre 260 et 611 kg MH (Tableau A. 23 en Annexe I).
L’analyse détaillée de chacune des balles démontre que le matériel le plus humide était
contenu dans la parcelle #5 et la teneur en eau à ce moment était de 50,3 % (Tableau 22)
alors que la plus sèche des biomasses était récoltée dans les parcelles #6 et 8 avec respectivement 40 et 41 % de teneur en eau. On observe que la biomasse la plus humide (parcelles #3 et 5) contenait principalement de la viorne et de l’érable rouge alors que les balles les plus sèches provenaient des parcelles contenant principalement de l’aubépine (parcelle #6 et 8). De manière générale, la teneur en eau moyenne pour l’ensemble des parcelles était de 44 %. La densité de la matière pressée sous forme de balle était entre 113 103
et 149 kg de MS/m³ et la moyenne à 131 kg de MS/m³ (équivalente à 234 kg de MH/m³)
4.4.3 Rendement de récolte
Les rendements de récolte étaient supérieurs pour les parcelles de plus petite surface soit de 14,7, 13,3, 10,5 et 16,3 t MH/ha pour les parcelles respectives 1, 3, 6 et 8. Les trois autres parcelles de plus grande surface soit 4, 5 et 7 démontrent un rendement en biomasse de 5,7, 10,1 et 8,5 t MH/ha respectivement. La moyenne globale pour toutes les parcelles est de 11,3 t MH/ha. Sur une base de matière sèche, cela correspond à un rendement entre 3,3 et
9,6 t MS/ha et une moyenne de 6,4 t MS/ha (Tableau 22). Il s’agit de rendement brut qui ne
tient pas compte des pertes de récolte. La caractérisation des pertes générées pendant le processus de récolte sera faite dans les sections suivantes.
Tableau 22: Caractérisation du procédé de récolte incluant le nombre de balles fabriquées par parcelle, la biomasse totale récoltée (t MH, t MS), la teneur en eau (TEE) et la densité des balles.
1 3 4 5 6 7 8 Total moyenne Écart type Min. Max. 1. Parcelle Nb. de Balles 1 7 10 20 5 10 9 62 8,9 5,9 1 20 Masse par balle (kg MH) 410,8 433,2 396,1 426,1 433,9 388,1 390,0 421,9 18,2 388,1 433,9 (%) 44,5 48,3 42,5 50,3 39,9 42,2 41,1 44,1 3,8 39,9 50,3 (ha) 0,0280 0,2287 0,6966 0,8462 0,2070 0,4560 0,2155 2,6780 0,3830 0,2963 0,0280 0,8462 Nb. De balles/ha 20,6 17,4 8,3 11,4 14,5 12,8 24,6 15,7 5,6 8,3 24,6 Matière humide récoltée Matière sèche récoltée (t MH/ha) (t MS/ha) 14,67 13,26 5,69 10,05 10,48 8,51 16,29 11,28 3,69 5,69 16,29 8,48 7,53 3,27 4,85 6,30 4,96 9,59 6,43 2,24 3,27 9,59 Densité des balles (kg MS/m³) 136,0 140,9 113,4 117,6 149,3 129,6 131,6 131,2 12,6 113,4 149,3 104
4.4.4 Temps de récolte, capacité et consommation de carburant
Sur une base de balle individuelle, le temps moyen le plus court requis pour fabriquer une
balle a été 4 min 08s à la parcelle 8 (données au Tableau A. 24 en Annexe M). Le temps
moyen pour l’ensemble des parcelles a été de 12 min 29 s). Le temps moyen de récolte par balle était de 13 min 5 s lorsque pondéré également par balle individuelle sur l’ensemble
des 62 balles (Annexe I Tableau A. 24). Sur les parcelles 3, 5 et 6, le temps par balle fut
approximativement de 14 min par balle en raison de nombreux îlots d’arbre de gros
moyenne de 5,1 balles/heure variant entre 3,5 et 7,7. La capacité massique est de 1,5 à 3,2 (moyenne de 2,1 ± 0,5) t MH/h ou 0,9 à 1,8 t MS/h. La consommation de carburant était entre 2,5 et 6,1 L/balle, et en moyenne de 4,7 L/balle. Ceci représente de 6,1 à 14,0 (moyenne de 11,4 ± 2,8) L/t MH ou 10,6 et 28,8 L/t MS
(moyenne de 20,2 ± 5,7 L/ t MS, Tableau 23 ).
Figure 47: Biobaler en pleine récolte et contournant les plus gros arbres. Figure 48: Biobaler enlisé dans la boue.
105
Tableau 23: Caractérisation du procédé de récolte incluant la productivité et la consommation de carburant du Biobaler WB 55 dans les friches.
Parcelle 1 3 4 5 00:07:45 00:12:48 00:11:43 00:14:27 6 7 00:16:51 00:10:45 8 00:12:26 moyenne 00:12:24 Écart-type 00:02:51 Min Max 00:07:45 00:16:51
1.
Temps moyen Capacité de récolte Total par balle Balles MH MS diesel Consommation de diesel balle par MH MS (min:sec) (balles/h) (t MH/h) (t MS/h) 7,74 4,69 5,12 4,15 3,56 5,58 4,83 5,10 1,34 3,56 7,74 3,18 2,03 2,03 1,77 1,55 2,17 1,88 2,09 0,52 1,55 3,18 1,84 1,15 1,01 0,86 0,93 1,26 1,11 1,17 0,33 0,86 1,84 (L) (L/balle) 2,52 30,88 2,52 4,41 47,19 4,72 118,28 5,91 30,28 40,2 46,48 45,11 35,64 2,52 6,06 4,02 5,16 4,69 1,21 2,52 118,28 6,06 (L/t MH) (L/t MS) 6,13 10,61 10,18 17,93 11,91 20,72 13,90 28,84 13,96 23,22 10,36 17,77 13,24 22,48 11,38 20,23 2,79 5,66 6,13 10,61 13,96 28,84
4.4.5 Pertes au champ
La récolte en milieu naturel implique souvent la présence de roches, d’amas de terre et de zones marécageuses. Il est donc impossible de récolter toute la biomasse aérienne. Dans une approche de gestion durable des milieux, il est utile de caractériser les pertes générées par le Biobaler et de comparer avec les pertes occasionnées par d’autres méthodes. Les
résultats de pertes avec le Biobaler sont présentés au Tableau 24.
Les pertes absolues ont varié entre 9,9 et 18,8 t MS/ha (moyenne de 14,3 t MS/ha). La biomasse récoltée (taux de récupération) a varié entre 19 et 43 % (moyenne de 31%). Ainsi, les pertes relatives ont varié entre 57 et 81% (moyenne de 69%). Les quatre sources de pertes sont réparties comme suit : 50 % pour les fragments <15 cm de longueur, 32 % pour les débris >15 cm, 17 % pour les pièces toujours attachées à la souche et 1,4% étaient les amas retrouvés au sol lors du dépôt des balles. Ces dernières sont peu élevées par rapport aux autres fractions de pertes. Les tiges non coupées constituaient en moyenne 2,1 t MS/ha de pertes (17% au total); l’écart-type de 1,5 t MS/ha est important. Ce type de perte est principalement 106
expliqué par les tiges de gros diamètre difficiles à récolter. Dans des plantations où les tiges ont un DHP plus faible et plus régulier, les pertes de tiges non coupées sont 20 fois moindres, autour de 0,1 t MS/ha (Savoie et al. 2013). Quant aux débris de petites dimensions (<15 cm), la moyenne de ce type de perte est de 7 t MS/ha (ou 50% des pertes totales). Les pertes représentaient donc en moyenne 69% de la biomasse totale (qui inclut la biomasse sous forme de perte et celle récoltée mesurée) et variaient entre 56 % et 81 %. Les parcelles 4, 5 et 6 avaient des pertes supérieures à 70%. Les multiples passages de la récolteuse en présence des gros arbres expliquent les pertes importantes. De plus, l’opération de récolte est plus complexe et plus lente dans ces conditions. Un deuxième passage sur la même surface ne permet pas de récupérer beaucoup de biomasse supplémentaire, mais il est nécessaire pour éclaircir le terrain et faciliter certaines
opérations subséquentes de travail terrain tel que soulevé par Boivin (2011). La Figure 49
illustre les pertes relatives en fonction du rendement. On note une légère baisse (de 80 à 60%) lorsque le rendement récolté augmente (de 3 à 9,8 t MS/ha). Ainsi, il est préférable de récolter la biomasse lorsque le rendement est grand et d’éviter le recoupage des passages.
parcelle no. 6. 107
Tableau 24: Pertes de biomasse non récoltée en quatre catégories : les longs débris >15 cm au sol, la biomasse non coupée et restée attachée à la souche, les débris fins ≤15 cm au sol et amas suivant le dépôt des balles.
Parcelle 1 3 4 5 6 7 8 É.-T.* Min Max *Écart-type Pertes échantillonnées par surface rectangulaire de 10 m x 0,5 m Longs débris >15 cm Biomasse attachée à la souche fins débris <15 cm kg MH TEE (%) kg MH TEE (%) kg MH TEE (%) kg MH Amas de dépôt de balle TEE (%) 4,21 42,0 1,25 40,7 6,92 51,3 13,69 39,3 2,48 45,8 1,55 46,9 5,53 52,3 17,19 44,9 5,41 40,8 1,45 43,2 6,84 55,5 16,18 45,3 2,87 39,0 2,01 40,4 9,21 47,6 9,16 35,3 5,20 41,7 2,07 42,4 8,67 49,4 6,95 35,5 2,03 37,8 1,15 35,6 6,26 47,2 10,31 39,2 5,41 44,6 5,00 44,5 7,63 54,3 8,31 35,0 moyenne 3,94 41,7 2,07 42,0 7,29 51,1 11,68 39,1 1,47 2,9 1,34 3,6 1,30 3,2 4,01 4,4 2,03 37,8 1,15 35,6 5,53 47,2 6,95 35,0 5,41 45,8 5,00 46,9 9,21 55,5 17,19 45,3 Pertes totales (t MS/ha) 13,49 9,90 14,27 15,70 17,33 10,76 18,75 14,31 3,25 9,90 18,75 Biomasse récoltée totale (t MS/ha) 8,48 7,53 3,27 4,85 6,30 4,96 9,59 6,43 2,24 3,27 9,59 Taux de récupération (%) 38,60 43,20 18,60 23,60 26,70 31,50 33,80 30,86 8,58 18,60 43,20 Pertes (%) 61,4 56,8 81,4 76,4 73,3 68,5 66,2 69,2 8,58 56,8 81,4 108
90 80 70 60 50 40 30 20 10 0 0,00 y = -3,0063x + 88,11 R² = 0,5845 2,00 4,00 6,00 8,00
Rendement récolté (t MS/ha
)
10,00 12,00
Figure 49: Pertes relatives en fonction du rendement récolté Figure 50: Parcelle #6 avant la récolte avec comme caractéristiques en arrière-plan une végétation arbustive haute et dense d’arbres de plus gros diamètre Figure 51: Parcelle #6 après la récolte de la biomasse avec une présence résiduelle
109
4.5 Prédiction de la biomasse aérienne par mesures non destructives et analyse comparative avec la récolte entière
La performance de la méthode de recensement et d’estimation de la biomasse aérienne employée lors de cette étude peut être évaluée en comparant la biomasse prédite à la biomasse réelle qui a été récoltée et caractérisée. La prédiction de la biomasse intègre toute la portion aérienne de chaque essence répertoriée sur les lieux de sondage, soit la tige, les branches, l’écorce et les feuilles. La biomasse aérienne est ici prédite en tonne de matière sèche, selon trois méthodes : l’extrapolation directe, l’utilisation des mesures diamétrales moyennes et l’utilisation des mesures diamétrales médianes.
4.5.1 Prédiction de la biomasse aérienne par extrapolation des quadrats
La première méthode de prédiction de la biomasse aérienne consiste à utiliser directement
les données d’inventaire des tiges individuelles (Tableau A. 25 en Annexe J) et par essences
rapportées dans chacun des quadrats d’échantillonnage systématique (0,25 m²) et de leur attribuer une masse en fonction des mesures diamétrales de chacune des tiges répertoriées. Pour cette opération mathématique, les équations présentées dans la section d’allométrie du présent travail sont utilisées pour la détermination de la biomasse aérienne des tiges mesurées dans l’analyse de la surface de chaque échantillon. La masse de chacune des tiges du quadrat est additionnée et par la suite extrapolée à l’échelle de la sous-unité de 100 m² (10 m x 10m) et la sommation de ces dernières donne la mesure pour chaque parcelle. C’est ainsi pour chaque quadrat. Un aperçu préliminaire des résultats par une représentation de la fréquence des classes de biomasse a rapidement montré qu’on avait affaire à une distribution asymétrique. C’est-à-dire qu’une fréquence quand même importante de quadrats contenant aucune biomasse ligneuse a été notée (42 quadrats sur 391, soit 11%) et qu’une autre fréquence élevée de quadrats contenant au-delà de 3 kg de MS/m² ou 30 t MS/ha faisait en sorte d’allonger la distribution alors qu’il n’y avait pas de lien avec la biomasse réelle effectivement sur place. Quatre-vingt-onze quadrats sur 391 (23%) prédisent une biomasse à valeur potentiellement acceptable située dans l’intervalle entre 0,1 t MS/ha et 30 t MS/ha. Deux cent quarante-cinq quadrats sur 391 (63%) prédisent une biomasse supérieure à 30 t MS/ha. Les rendements connus jusqu’à présent dans la 110
littérature pour la végétation arbustive naturelle se rapprochent d’une moyenne de 10 t MS/ha avec cependant des variations assez importantes, mais très rarement au-dessus de 30 t MS/ha.
Le Tableau 25 présente la biomasse prédite en tonne de matière sèche par hectare et pour
chacune des essences par parcelle et la moyenne globale pour chaque espèce qui regroupe des tiges d’années de croissance non uniforme. La biomasse présentée montre la prédiction obtenue par extrapolation directe de la matière sèche estimée par quadrat. La prédiction montre une biomasse moyenne de 143 t MS/ha alors que les mesures de récolte incluant les pertes montrent 20 t MS/ha. Le ratio moyen de différence entre les deux mesures est 7 fois supérieur en utilisant l’extrapolation directe.
Tableau 25: Biomasse prédite par ha par essence en faisant l’extrapolation simple.
Espèce Parcelle 1 2 3 4 5 6 7 8 Amélanchier Aubépine Aulne cerisier tardif Cornouiller érable argenté érable rouge frêne de Pennsylvanie Peuplier faux-tremble Pommier sauvage Saule de Bebb Viorne trilobée biomasse totale prédite par extrapolation directe (t MS/ha) Biomasse réelle t MS/ha (récoltée + pertes) ratio NA* 57,0 NA 2,7 17,1 8,9 NA 55,3 NA NA NA NA NA NA NA NA 2,7 29,9 3,4 NA 1,2 3,6 NA 6,7 25,2 36,8 62,2 16,3 10,0 1,3 12,4 0,2 5,1 3,7 4,7 4,8 5,6 13,6 10,1 NA 4,4 1,4 2,6 1,5 1,3 37,8 44,2 4,8 NA NA 0,6 11,8 29,6 35,3 17,1 NA NA 21,2 4,5 39,5 38,9 NA 10,1 NA NA 41,4 NA NA NA NA NA 27,5 NA NA 23,5 43,6 13,9 NA 39,2 NA 75,4 83,1 75,9 NA 2,8 NA 8,3 NA NA NA NA 0,6 1,6 NA 4,5 NA 163,2 213,8 132,1 129,8 188,6 165,6 116,5 39,0 22,0 NA 17,4 17,5 20,6 23,6 15,7 28,3 7,4 NA 7,6 7,4 9,2 7,0 7,4 1,4 *NA : non applicable (L’essence n’était simplement pas présente) Moyenne par espèce t MS/ha 17,9 22,6 55,3 7,2 3,3 18,0 18,9 22,8 34,5 30,1 49,1 2,2 143,6 20,7 6,9 Une analyse plus détaillée des résultats obtenus ne semble donc pas nécessaire puisque cette première méthode d’extrapolation directe n’est pas représentative de la biomasse réelle. 111
4.5.2 Évaluation de la prédiction en utilisant les valeurs moyennes de densité et de diamètre des tiges
En deuxième lieu, l es valeurs moyennes de DB et DHP obtenues lors du recensement ont été intégrées dans le modèle de prédiction dans le but d’attribuer une masse moyenne par tige (Annexe J) et les valeurs de densité moyenne par essence ont été utilisées pour estimer
une biomasse moyenne par surface. Le Tableau 26 présente les valeurs retenues pour
extrapolation par tige individuelle et par essence. On peut voir que la biomasse prédite à l’aide du modèle utilisant le nombre moyen de tiges par essence engendre une biomasse totale moyenne pour les 8 parcelles estimée de 73 t MS/ha. Même si la donnée de biomasse réelle n’est pas disponible pour la parcelle # 2, on voit quand même la tendance générale à la surestimation de la biomasse totale de près de 4 fois supérieur. Deux cas diffèrent de cette tendance, soit la parcelle # 5 où l’on surestime 9 fois la biomasse totale et la # 8 où l’on sous-estime celle-ci par un facteur de 3. 112
Tableau 26: Prédiction de la biomasse totale (t MS/ha) en utilisant les valeurs moyennes de DB et DHP mesurés par quadrat (surface de 0,25 m²) et en extrapolant pour la surface complète de chaque parcelle.
Espèces Amélanchier Aubépine Aulne cerisier tardif Cornouiller érable argenté érable rouge frêne de Pennsylvanie Peuplier faux-tremble Pommier sauvage Saule de Bebb viorne trilobée 1 NA NA 17,7 NA 0,9 9,6 NA NA NA NA 24,1 NA biomasse totale prédite (t MS/ha) 52,3 Biomasse réelle t MS/ha (récoltée + pertes) ratio 22,0 2,37 2 16,5 0,3 NA 0,4 1,5 1,0 NA 6,15 12,0 NA 24,1 NA 62,0 NA NA 3 NA 2,6 NA 4,7 1,4 1,8 0,2 1,7 NA 9,0 28,8 NA 17,4 2,89 Parcelle 4 5 2,2 20,2 NA 0,3 3,8 1,1 9,5 31,6 NA 34,9 NA 0,5 17,5 5,94 18,0 38,7 NA 5,9 4,7 39,7 31,1 40,9 NA 14,6 3,0 1,7 20,6 9,62 6 2,1 14,3 NA 3,1 0,31 10,2 8,12 NA NA NA NA NA 50,2 103,9 198,1 38,1 23,6 1,61 7 2,2 9,8 NA 6,0 1,6 2,9 10,2 6,0 NA 23,5 5,0 2,7 69,9 15,7 4,45 8 NA 2,5 NA NA 0,4 NA NA NA 6,9 NA NA NA 9,7 28,3 0,34 Moyenne par espèce (t MS/ha) 8,2 12,6 17,7 3,4 1,8 9,5 11,8 17,3 9,4 20,5 17,0 1,6 73,0 20,7 3,53 1. 113
. La surface de l’échantillon où la végétation fut inventoriée est le premier élément soupçonné d’altérer la qualité de la prédiction de la biomasse. Un échantillonnage systématique permet sans doute de répondre au problème d’hétérogénéité dans la distribution des essences, mais une surface échantillon de 0,25 m² utilisée pour le recensement est trop petite pour pouvoir contrer l’effet de tallage des plantes. Ceci est particulièrement vrai en présence des essences aulne et saule d’où émanent souvent plusieurs tiges à partir de la même souche, laquelle est souvent en mesure de remplir un quadrat échantillon sans pour autant être complètement représentatif d’une grande surface.
4.5.3 Évaluation de la prédiction en utilisant les valeurs médianes des mesures diamétrales enregistrées.
L’usage de la médiane pour chaque DB et DHP pour prédire le rendement en extrapolant la
valeur prédite par quadrat à l’échelle de l’hectare (Tableau 27) permet d’apporter un peu
plus de précision pour la parcelle 3 en réduisant à 25 t MS/ha la prédiction, une valeur plus près de la biomasse réelle de 17,4 t MS/ha. De manière générale, l’usage des médianes fait baisser l’estimation générale de 73 à 51,3 t MS/ha donc il y a moins de surestimation, mais cela demeure quand même encore élevé par rapport à la moyenne globale de la biomasse réelle de 20,7 t MS/ha. Le ratio moyen montrant la différence de prédiction avec la mesure réelle passe de 3,5 avec la précédente méthode à 2,7 en employant les données de diamètres médians. 114
Tableau 27: Prédiction de la biomasse totale (t MS/ha) en utilisant les valeurs médianes de DB et DHP mesurées par quadrat (surface de 0,25 m²) et en extrapolant pour la surface complète de chaque parcelle.
Espèces 1 2 3 4 Parcelles 5 6 7 8 Moyenne par espèce (t MS/ha) amélanchier aubépine aulne cerisier tardif cornouiller érable argenté érable rouge frêne de Pennsylvanie peuplier pommier saule viorne trilobée biomasse totale prédite (t MS/ha) Biomasse réelle (t MS/ha) 1.
Ratio 0,0 0,0 19,9 0,0 1,7 29,9 0,0 0,0 0,0 0,0 56,9 0,0 34,7 22,0 1,6 0,0 1,3 0,0 1,9 3,3 2,4 0,0 1,7 33,0 0,0 140,8 0,0 53,4 NA NA 0,0 4,1 0,0 11,1 2,0 1,8 0,6 4,5 0,0 14,3 29,8 0,0 25,9 1,5 0,0 15,3 0,0 0,2 5,1 1,1 9,3 38,3 0,0 39,9 0,0 0,5 5,0 0,0 29,8 0,0 4,3 2,3 30,2 25,0 14,8 0,0 0,6 2,8 1,5 87,7 116,8 5,7 0,0 43,9 0,0 14,1 1,5 44,2 35,3 0,0 0,0 0,0 0,0 0,0 32,0 17,4 17,5 20,6 23,6 1,4 0,0 14,2 0,0 12,3 0,3 4,8 17,2 4,2 0,0 11,9 12,4 4,7 49,1 15,7 3,1 0,0 9,9 0,0 0,0 0,1 0,0 9,0 0,0 23,9 0,0 0,0 0,0 10,7 28,3 0,4 0,0 14,8 2,5 5,5 2,0 14,3 12,0 7,9 7,1 8,3 30,3 0,8 51,3 20,7 2,7 115
4.5.4 Rendements annualisés
Le Tableau 28 permet de montrer que le rendement annuel surfacique varie entre 79 et
142 g MS /m²/an (moyenne de 104 ± 20 g MS/m²/an ou 1,04 t MS/ha/an) de surface de sol si on considère une croissance de 20 années. La biomasse herbacée n’est pas considérée dans ce chiffre. Elle peut représenter un chiffre de l’ordre de 4 t MS/ha (soit environ 20 g MS/m²/an) pour qui pourrait s’intéresser à cette donnée dans la réalisation d’un bilan plus complet (Poetsch et al., 2009, Walker et al., 2004). Cependant, cette biomasse se retrouve spécifiquement et plus uniformément distribuée dans les débuts d’une période d’abandon culturale et par la suite dans les ouvertures des friches et ne présente pas de caractère cumulable d’une année à l’autre. De manière générale, on parle d’un rendement d’environ six à dix fois inférieur à ce qui peut être obtenu au terme d’une biomasse cumulative récoltable de manière cyclique issue des taillis à courtes rotations de saule par exemple. Cet indicateur permet de conclure que les milieux naturels ont un rendement nettement inférieur et probablement plus stable par rapport aux cultures intensives et qu’en conséquence l’investissement est très minimal.
Tableau 28: Biomasse aérienne totale mesurée, rendement et taux de croissance annualisés en supposant 20 années de croissance.
Parcelle 1 2 3 4 5 6 7 8 moyenne Écart-type Min Max Biomasse aérienne totale (récoltée + pertes au champ) (t MS/ha) 21,97 NA 17,43 17,54 20,55 23,63 15,72 28,34 20,74 4,04 15,72 28,34 Rendement (g MS/m²) 2197 NA 1743 1754 2055 2363 1572 2834 2074 404 1572 2834 Taux annuel global (g MS/m²/an) 110 NA 87 88 103 118 79 142 104 20 79 142 116
Chapitre 5 : Discussion 5.1 Composition des sols en friche
5.1.1 Différences entre les sols cultivés et les sols en friche
Le Tableau 29 présente les teneurs en C organique et en N total des sols en friche observés
en 2011 et un répertoire des mêmes séries de sols en zone agricole cultivée effectué dans le comté de Portneuf 35 ans auparavant par Raymond et al. (1976).
Tableau 29: Carbone organique et azote total de séries de sols mesurés sur des friches en 2011 et sur des terres agricoles en 1976, dans le même comté de Portneuf.
Série de sols Neuville Tilly Joly Parcelles étudiées en 2011 1-2-3-7-8 4 5-6 Carbone organique mesuré en 2011 4,47 % 3,07 % 3,30 % Carbone organique répertorié en 1976 1,95 % 3,62 % 4,90 % Azote total mesuré en 2011 0,35 % 0,32 % 0,33 % Azote total répertorié en 1976 0,19 % 0,32 % ND La teneur en C organique des sols de la série Neuville mesurée en 2011 étaient 2,28 fois plus élevée que celle des sols mesurée en 1976. Par contre, les sols des séries Tilly et Joly avaient un niveau de C organique mesuré en 2011 inférieur de 18 et 33 %, respectivement, par rapport aux taux moyens rapportés en 1976. La teneur moyenne de C organique mesurée dans les huit parcelles en friche en 2011 était de 4,0 % supérieur aux teneurs moyennes en C organique de sols en friche rapportés par divers auteurs: 2,3 % dans une terre abandonnée au Minnesota depuis 61 ans (Knops et Tilman, 2000), 3,0 % sur des terres abandonnées dans une région montagneuse de Chine par Zhang et al. (2010), 2,0 % dans des sols en pente dans les Appalaches par Kalisz (1986) et 1,0% dans des terres agricoles du Minnesota abandonnées depuis 1 à 60 ans par Zak et al. (1990). Post et Kwon (2000) suggèrent que le C organique augmente dans le sol à un taux de 3,1 g/m²/an ou 0,0024 % par année. Pour une période d’abandon de 21 années qui correspond aux friches étudiées, le gain total de C organique serait de 0,05 %. Pour 117
atteindre le taux actuel moyen de 4,0 % de C organique, il aurait fallu que le taux, au moment de l’abandon, soit de 3,95 %. Un taux de cette envergure dans un sol cultivé pouvait se retrouver dans les séries de Tilly (3,6 %) et Joly (4,9 %) alors que la série de Neuville avait un taux de C organique d’environ 2,0 % sous un régime en culture. Plus anciennement, l’utilisation des amendements organiques et des rotations de cultures pouvait faire en sorte d’enrichir ou à la limite de maintenir un taux de matière organique relativement stable. Par ailleurs, la remise en culture d’un sol peut faire baisser le taux de C organique rapidement, de 30% en moyenne et jusqu’à 50% dans certains sols (Chang et al., 2014). À l’inverse, un sol abandonné va accumuler de la matière organique à cause du dépôt de résidus faiblement perturbés au niveau du sol (Hooker et Compton, 2003). Par contre, le cumul est peu significatif durant les 40 premières années; il devient plus important durant la période de 40 à 100 ans d’abandon (Clark et al., 2012). Ainsi, l’augmentation du carbone dépend des apports organiques, de la qualité de la MO et de l’évolution de la MO dans le sol. De façon générale, un niveau de MO variant entre 4 et 8% correspond à des sols ayant une bonne capacité de minéralisation du C organique et une bonne productivité végétale (CRAAQ, 2010). Selon Baize (2000), il est admis que la teneur en C organique de l’horizon de surface d’un sol forestier ou agricole revêt un caractère non stable dans le temps, tributaire entre autres du type de couverture végétale naturelle ou artificielle et des pratiques culturales.
Le Tableau 29 illustre aussi les différences au niveau du N total sur des sols cultivés en
1976 et sur les sols en friche observés en 2011 après 20 ans d’abandon. Les données de Raymond (1976) montrent des teneurs en N total entre 0,19 et 0,32 %. Les teneurs en N total des sols en friche varient entre 0,22 et 0,48 % (moyenne de 0,34 %). Il existe peu de variation entre les teneurs en N des sols cultivés en 1976 et celles des sols laissés en abandon pendant 20 ans. La concentration moyenne de N total des sols en friche (0,34%) est comparable à celle rapportée par divers auteurs : 0,28 % (Knops et Tilman, 2000), 0,22 % (Zhang et al., 2010) et 0,14 % (Kalisz, 1986). Ces taux sont estimés à partir de modèles prédictifs basés sur une 118
période d’abandon de 20 années. Par ailleurs, Hooker et Compton (2003) présentent un taux de diminution de N total du sol de 14 kg/ha/an suivant l’abandon cultural. En tenant compte de cette donnée, on peut estimer que le taux de N total perdu sur une durée de 20 ans aurait été de 0,01 % ou 156 mg/kg. Donc, il était prévisible que le niveau de N total dans le sol changerait peu dans le temps. Le niveau d’azote observé correspond à un sol qui, à l’époque où il était cultivé, devait être amendé régulièrement par des applications de fumier et d’engrais. Ainsi, la teneur en C organique et N total suit un patron connu d’évolution dans le temps depuis l’abandon des pratiques culturales des sols.
5.1.2 Analyse de Bonferroni
En analysant les groupements issus de l’analyse de Bonferroni à l’égard de la composante azote minérale N-NO 3 du sol, on peut voir que l’absence de différence significative entre les parcelles 1, 2 et 3 est probablement due à la présence de l’aulne fixateur d’azote atmosphérique sous forme ammoniacale avec transformation bactérienne symbiotique subséquente en nitrate. De plus, Hart et al. (1997) démontrent que les racines de l’aulne rouge (
Alnus rubra
) peuvent influencer le taux de minéralisation du N organique du sol, l’immobilisation microbienne du N, la nitrification ainsi que l’immobilisation du N-NO3 du sol. Également, selon Verburg et al. (2001), la présence de l’aulne rouge augmente le taux de N total et de N minéral dans le sol, mais cela n’a pas été démontré dans la présente étude. L’état du sol en début de saison (au moment de prélever les échantillons) ne montre pas d’accumulation (sous le test d’hypothèse de la moyenne différente de 0) significative de N NH 4 . Il est probable que la nitrification (transformation de NH 4 en NO 3 ) ait eu lieu durant la saison hivernale ou rapidement après la tombée des feuilles à l’automne sachant que les concentrations de NH 4 et NO 3 sont le résultat de la minéralisation nette du N organique, et que la production de NO 3 dans le sol est régie par plusieurs facteurs dont : l’humidité, température, pH, disponibilité en éléments nutritifs, nature des micro-organismes et leur activité . Ullah et Moore (2009) ont trouvé que le taux de nitrification net dans les sols bien drainés (18 ± 4 mg N m -2 j -1 ) était trois fois plus élevé que celui obtenu dans les sols mal drainés (6 ± 3 mg N m -2 j -1 ). Les taux de minéralisation et de nitrification étaient plus élevés en 119
été qu'en début du printemps et de l'automne. Selon Pastor (1987) à partir de la donnée moyenne de 3200 mg/kg de sol d’azote total, on obtient un taux de minéralisation d’environ 100 mg/kg de sol par an. Sans apport externe de N (engrais, composts, etc), les sources d’accumulations de N dans le sol sont : dépôts atmosphériques, fixation symbiotique, fixation non-symbiotique et transfert entre les couches de sol. En premier lieu, l’azote des dépôts atmosphériques ne contribue pas de façon significative dans l’accroissement de l’azote du sol. Environ 8 kg d’azote/ha/an serait potentiellement apporté sous forme de dépôt atmosphérique au Canada et dans le nord-est des États-Unis (Ollinger et al. 1993, Yang et al. 1996, Turunen et al., 2004). D’autres effets provoquent une diminution de l’azote dans le sol. Par exemple, l’implantation des herbes et des essences ligneuses après un abandon cultural, lesquelles utilisent l’azote résiduel du sol pour la croissance aérienne (Hooker et Compton, 2003). De plus, la décomposition des intrants organiques des plantes requiert de l’azote. Ainsi le rapport de l’azote sur la matière organique du sol diminue dans le temps dans les sols abandonnés. La valeur moyenne du rapport C/N de 11 des 32 échantillons est considérée assez faible et peut s’expliquer par le fait que la contribution des débris ligneux aux milieux a été mineure durant les premières 25 années de l’abandon cultural. La connaissance du rapport C/N permet de prédire la minéralisation du C et du N organique dans le sol. Il est couramment admis que, plus le rapport C/N est élevé, plus la MO se dégrade lentement dans le sol. De façon générale, un rapport C/N du sol supérieur à 20 ou 25 peut signifier qu’une forte proportion du N minéral du sol sera immobilisée par les micro-organismes du sol et par conséquent, l’azote risque de manquer aux cultures (Baize, 2000). En revanche, si le rapport C/N est bas (<15), une forte proportion de l’azote sera disponible pour la nutrition azotée des plantes. 120
5. 2 Développement des équations de prédiction de la biomasse aérienne
Les différences significatives décelées dans les modèles prédictifs de la biomasse aérienne entre les divers auteurs peuvent être expliquées par différents éléments comme les formes employées de modèles mathématiques et les degrés d’ajustement, les mesures prises en compte dans le modèle ainsi que la taille et la provenance des échantillons. Plusieurs modèles mathématiques ont été utilisés pour valider la performance des modèles développés à l’échelle locale dans l’étude présente pour la même essence rapportée. Il est connu que le DHP est une bonne variable à utiliser dans un modèle explicatif de la morphologie d’une tige. À quelques reprises, des modèles qui intègrent comme mesure de diamètre basal, soit le diamètre à une hauteur de 15 cm au-dessus du sol, ont été comparés avec la biomasse réelle et le modèle FSR qui employait la mesure du diamètre à 10 cm du sol. Il s’agit d’une première source de variation entre les modèles. Également, il y a le fait que les modèles rapportent ou non la biomasse des feuilles dans le contenu en matière sèche totale de biomasse aérienne. Également, le degré d’appariement de la plage de validité des équations pour les essences rapportées dans la présente étude fait en sorte de valider ou non l’applicabilité des modèles de la littérature pour prédire une biomasse à une tige. Parfois, la plage de validité des modèles était assez étroite alors qu’elle était assez élargie pour la plupart des espèces inventoriées dans le recensement. Une légère variation peut avoir lieu à ce niveau et alors modifier la relation de comparaison. Également, la physionomie de développement aérien différente des essences en milieux ouverts par rapport aux milieux forestiers apporte nécessairement une relation différente dans l’allocation de la biomasse. Au niveau technique, le degré d’ajustement R² des modèles et le nombre d’unités de mesure ainsi que le seuil de signification retenu affectent aussi la relation de comparaison. L’Annexe H présente les modèles développés dans la présente étude (FSR) à partir de la biomasse réelle; on les compare avec plusieurs modèles de la littérature. De plus, le répertoire des modèles prédictifs de Smith et Brand (1983) pour 96 essences arbustives s’avère une bonne ressource pour l’utilisation locale dans le présent contexte pour la prédiction de la biomasse aérienne. Les prédictions obtenues avec les équations nationales ou régionales généralisées sont statistiquement similaires à celles des équations 121
développées pour 5 des 11 essences dans la présente étude. Dans le cas de la prédiction de la biomasse sur les milieux hétérogènes que sont les friches agricoles, il y a plusieurs facteurs d’imprécision de la prédiction autres que les erreurs pouvant provenir de l’utilisation des modèles généralisés par rapport à l’utilisation de modèles locaux pour une essence donnée. La compréhension entre les différences de prédiction devrait identifier les bénéfices associés à l’utilisation des équations la plus adaptée en fonction du volume de bois ou de la biomasse. La connaissance sur l’erreur de prédiction devrait aider à formuler les variations associées à l’utilisation locale ou généralisée des équations. Le degré d’ajustement des modèles R² et la racine du carré moyen des erreurs (RMSE) sont souvent utilisés pour évaluer la performance des modèles. La qualité d’un modèle dépend aussi du type de tests statistiques qui a été utilisé pour évaluer le modèle pour une plage de données précises (Yang et al. 2004). De plus, les modèles présentement développés n’utilisent pas toutes les mêmes variables dans l’équation, notamment l’intégration de la variable hauteur des tiges est parfois utilisée. Le caractère laborieux attribuable aux développements de nouvelles équations à l’échelle locale fait en sorte que les équations existantes sont utilisées à plus grande échelle, mais il n’y a aucune certitude que celles-ci seront d’application valable en dehors de la zone géographique d’étude originale. Pour contrer ce phénomène, des équations développées par Lambert et al. (2005) intègrent des valeurs élargies de différentes régions pour la même essence et ont donc plus de chance de montrer des résultats réalistes. La généralisation de l’utilisation des modèles dépend de la plage de prédiction pour laquelle un modèle est significatif, et semble être moins en lien avec le lieu de développement des modèles. Le développement de modèles locaux est parfois justifié par les différences dans la densité de la matière et l’architecture (Ketterings et al., 2001). Alors, les analyses statistiques permettent de montrer que les modèles allométriques connus existants sont applicables à l’échelle locale. 122
5. 3 Caractérisation des communautés végétales présentes sur les parcelles en friche
En extrapolant le nombre de tiges par espèce observé dans chaque quadrat échantillon, on peut voir que le nombre total de tiges varie entre 48 000 et 230 000 tiges par hectare pour les 8 parcelles. C’est essentiellement à des fins de comparaison avec d’autres études que les données d’extrapolation du nombre de tiges en fonction des échantillonnages sont ici présentées. Un tel nombre de tiges est possible lorsqu’on étudie la régénération en milieu naturel ouvert (Shroeder et al., 2009) et est cohérent avec la densité de tiges d’une plantation dédiée de saule par exemple, où il est commun de retrouver entre 80 000 et 200 000 tiges/ha (Keoleian et Volk, 2005; Savoie et al., 2011). Des résultats antérieurs de caractérisation des parcelles de colonisation arbustive en Abitibi réalisée par Savoie et al. (2012) et Boivin (2010) en utilisant respectivement la méthode de la surface circulaire de 2 m et 1,13 m de rayon pour l’échantillonnage des milieux ont présenté un décompte de tiges entre 34 000 et 76 000 tiges/ha toutes espèces confondues, mais majoritairement sous couvert de peuplier faux-tremble, d’aulne rugueux, de saule de Bebbs, d’érable à épis et de cerisier tardif. En milieu naturel et tel que présenté par Schroeder et al. (2009), la densité des tiges peut varier entre de 93 000 et 105 000 tiges /ha. Des données antérieures de Paavilainen (1980) sous couvert arbustif naturel montrent également un recensement de l’ordre de 220 000 tiges/ha. La différence réside dans le type de milieux sous lequel la colonisation arbustive s’est dirigée. Dans le cas d’une terre agricole abandonnée, les essences colonisatrices profitent au maximum des résidus de fertilisation des précédents culturaux et tel que soulevé par Motzkin et al. (1999) et Foster et al. (2002), l’importance de tenir compte de l’historique de l’utilisation des parcelles est essentielle dans l’analyse de la communauté végétale. De plus, le facteur historique est connu comme étant le plus explicatif dans l’état de variation d’une communauté végétale (de Blois et al., 2001). Ce type d’endroits est propice à la dispersion de ces espèces et avec un optimum de développement fonction de l’humidité de sol et qui retarde le développement d’essences forestières (Wagner, 1995). De plus, les marges des boisés tempérés et en basse altitude sont des endroits de dispersion important pour ces espèces (Brown, 1995). 123
L’état des ouvertures créées en abondance suite à l’établissement d’un milieu naturel sur fond de terres agricoles provoque la colonisation rapide des espèces de feuillus intolérants comme le peuplier faux-tremble ou le cerisier tardif. Par contre, à long terme, ce type d’espèce de feuillus intolérants ne persiste pas dans le patron de transformation graduelle vers le milieu forestier qui sera davantage profitable aux essences tolérantes à l’ombre comme le frêne, l’érable rouge et l’érable argenté. Toutefois, certains milieux présentent des caractéristiques propices au développement d’essences d’intérêts commerciaux futurs avec potentiel de devenir une forêt secondaire de peuplier ou d’érable par exemple. La surface terrière de la végétation arbustive n’est d’ordinairement pas rapportée pour représenter le degré de concurrence dans les communautés buissonnantes. Cependant, Boivin (2010) a utilisé cette caractéristique pour décrire un peuplement arbustif et a mesuré une moyenne de 8 m²/ha comprenant les espèces de peuplier faux-tremble, aulne rugueux, érable à épis, cerisier de Pennsylvanie et saule. Les données présentes basées sur le DHP et la densité moyenne par essence par quadrat montrent des surfaces terrières variables entre 2,6 et 18,9 m²/ha (moyenne de 10 m²/ha) et comparables aux valeurs publiées dans la littérature. La méthode d’échantillonnage employée par Boivin (2010) était la placette circulaire de 1,13 m de rayon (4 m 2 ). Cette méthode résout le problème de respect des angles dans l’établissement de placettes carrées ou rectangulaires. Il en demeure que cette méthode doit être ajustée en conséquence pour obtenir une représentativité adéquate de l’hétérogénéité du terrain. Lorsqu’on utilise l’extrapolation directe, basée sur les relevés effectués, les mesures de la biomasse aérienne disponible prédisent une moyenne de 143 t MS/ha. Cependant, lorsqu’on attribue une masse moyenne à chaque essence définie à partir de tous les relevés et qu’on utilise la densité moyenne des essences, la prédiction totale de biomasse se rapporte en
moyenne à 73 t MS/ha (Tableau 26) soit réduite considérablement. De plus, si on utilise la
médiane des mesures diamétrales et que l’on applique la même technique que la précédente, la plage de biomasse totale disponible varie entre 11,8 et 135,1 t MS/ha
(moyenne de 60 au Tableau 27) soit encore plus réduite. Ceci montre comment
l’interprétation des tiges de gros diamètre doit être soignée. Notamment : la présence de l’essence pommier sauvage de diamètre à la base de 73 mm relie une biomasse estimée de 124
10,8 kg MS ou bien 432 t MS/ha si présent au moins une fois dans le quadrat échantillon, ce qui est théoriquement impossible. La biomasse effective disponible à partir des données de récolte variait entre 15,3 et 28,3 t MS/ha (moyenne de 21 t MS/ha). Cette donnée est
également fidèle aux résultats de Hooker et Compton (2003) présentés à la Figure 52 où
l’on observe une ligne continue montrant l’évolution de la biomasse aérienne dans le temps ainsi qu’une ligne discontinue indiquant la biomasse souterraine. Si on considère, par exemple, une période d’environ 30 années depuis le début de l’abandon des parcelles de la présente étude, on peut s’attendre à avoir une biomasse aérienne de près de 20 t MS/ha. Effectivement, en comparant les projections théoriques de différents modèles de prédiction, on peut voir qu’il aurait été normal d’avoir des rendements se situant entre 1,53 kg MS et 2,83 kg MS par mètre carré de surface de sol en association avec des taux de croissance de l’ordre de 77 à 142 g MS et une moyenne de 105 g MS/m² (ou entre 1,18 et 2,18 t MH/ha/an) de gain annuel par mètre carré de surface de sol considérant exclusivement la biomasse sous forme de matière ligneuse.
Figure 52: Biomasse aérienne et souterraine (Mg/ha) suivant l’état d’abandon d’un sol (Hooker et Compton, 2003)
Les estimations demeurent assez éloignées soit entre 240 et 1800 g MS/m²/an pour la méthode d’extrapolation directe, entre 49 et 991 g MS/m²/an (moyenne de 380 g MS/m²/an) pour la méthode de correspondance par le DB et DHP moyens et entre 59 et 676 g MS/m²/an (moyenne de 300 g MS/m²/an) pour la méthode de la correspondance par la médiane de la biomasse réellement disponible. En poussant l’analyse, on a pu voir que la prédiction passe d’une surestimation importante de la biomasse totale de presque 20 fois à 3 125
fois supérieure aux rendements réels. Bien sûr, le nombre de données trop réduit ne permet pas de tirer de conclusion très claire, mais on peut expliquer que pour le cas de la parcelle # 5, il y a avait plusieurs arbres de gros diamètre éparpillés de manière individuelle qui engendre certainement des erreurs d’échantillonnage étant donné une faible chance de tomber sur un de ces arbres dans les quadrats. Dans le cas de la parcelle # 8, la végétation très clairsemée faisait en sorte que l’on a relevé plus de quadrats de type herbacé qui devaient présenter plus de 50 % de biomasse potentielle. Nos données d'inventaire sur le terrain ne semblent pas pleinement utilisables pour valider la proportion des essences avant récolte. Tel que soulevé précédemment, la méthode par quadrat systématique demeure quand même bonne pour montrer l’hétérogénéité de la végétation (distribution des essences), mais la surface de 0,25 m² (correspondant à un taux d’échantillonnage de 392 x 0,5 m x 0,5m = 98 m² sur une surface totale de 36 590 m², soit 0,25 %) devra être ajustée à la hausse afin d’obtenir un minimum de 1 m² par quadrat pour éviter d’inclure trop de tiges dans une très petite surface et de minimiser l’effet des tiges multiples qui émanent de la même souche. Également, tel que suggéré selon le concept d’aire phytosociologique minimale, la surface couverte totale échantillonnée devrait être au moins de 1 % et des quadrats de surface variable entre 10 et 25 m² (soit de 40 à 100 fois plus grand que ceux utilisés dans la présente étude) pour des prairies ouvertes. Cependant, cela impliquera nécessairement plus de temps de travail au champ, ce qui est à considérer vu le potentiel assez réduit de modèle de valorisation rentable disponible à l’heure actuelle. L’utilisation de ces données d’études d’inventaires de la végétation présente néanmoins une imprécision. En effet, elles ne sont pas disponibles pour chaque strate des parcelles d’études, mais par strates regroupées. Également la difficulté n’est nullement moins élevée sous couvert végétal arbustif à dissipation rhizomateuse ou stolonifère. Les différences environnementales notamment par la forte influence de la topographie et des caractéristiques du sol vont faire en sorte d’affecter le patron de colonisation, d’établissement et la persistance (Flinn et al., 2005). Or, le recouvrement des espèces semble être relié au processus de dispersion individuel.
L’implantation des essences comme le pommier sauvage et l’aubépine semble plus difficilement explicable mais s’explique essentiellement par la dissipation des semences par les mammifères et également de l’impact de la pâture sélective des animaux d’élevage 126
(Stover et Marks, 1998). La proximité de bordures boisées, de corridor autoroutier, de murets de pierre, de bordure arbustive séparatrice entre les terres incite la présence d’éléments colonisateurs notamment d’essence mature et banque de semences pouvant avoir des répercussions sur la vitesse de colonisation des terres en friche et le type de végétation dominante. Les modèles étudiés de prédiction de la biomasse aérienne soit l’extrapolation directe, l’utilisation des mesures diamétrales moyennes et médianes n’ont pas montré le degré de précision désiré. Certaines modifications devraient être faites en vue d’intégrer d’autres variables qui tiennent compte de la distribution des essences sur les parcelles, dans l’optique d’atténuer les effets de bosquets et de distribution hétérogène des essences. Des travaux de recherche futurs pourraient tenir compte de cette recommandation. L’hypothèse selon laquelle il est possible de prédire avec précision la biomasse aérienne présente à partir de l’analyse de la surface par la méthode du quadrat systématique non destructive avant récolte n’est donc pas vérifiée. Les principaux critères contrôlant l’état de la végétation, qui ont été choisis lors de la construction des clés de prédiction théorique ne s’avèrent pas être les bons. La multiplicité des tiges provoque un biais dans la mesure de la densité réelle. Si la méthode du quadrat est utilisée à l’avenir, la surface minimale de recensement devrait être de 10 m x 10 m et garder un taux d’échantillonnage de 10 % de la surface suivant les principes de Sparks et al. (2002). Cependant, avec ces spécifications, cette technique s’avère laborieuse et les auteurs conseillent de se ranger vers la technique circulaire de rayon fixe. 127
5.4 Récolte de la biomasse
5.4.1 Caractérisation de la récolte
La biomasse totale récoltée (moyenne de 6,4 t MS/ha excluant la biomasse sous forme de pertes au sol) était semblable aux valeurs publiés antérieurement pour différents milieux naturels soit La Pocatière avec 8,1 t MS/ha, le nord de l’Ontario avec 7,5 t MS/ha et au Minnesota avec 8,8 t MS/ha et cependant inférieurs à ceux de l’Abitibi de 13,4 t MS/ha. Globalement, en intégrant les données issues de nombreuses répétitions de récolte dans les terres abandonnées des régions précédentes, les rendements de récolte sont très étendus et oscillent entre 2,5 à 35,2 t MH/ha ou 1,6 et 17,6 t MS/ha avec une moyenne de 9,1 t MS/ha. D’autres résultats de Boivin (2010) en Abitibi également appuient des rendements semblables de l’ordre de 7 t MS/ha en moyenne. En ce qui concerne les opérations de récolte, la grande pluviosité du mois de novembre et la non-fonctionnalité du réseau de drainage superficiel faisaient en sorte que l’enlisement était inévitable avec la récolteuse. Sur les autres sites, le Biobaler était opéré systématiquement sur l’entière superficie inventoriée initialement. De plus, le chevauchement des passages et la difficile manoeuvrabilité de l’équipement en raison de la largeur excédentaire occasionnée par les roues doubles sur le Biobaler diminuaient aussi grandement l’efficacité en montrant une consommation de diesel supérieure aux précédentes données recueillies dans l’étude et également publiées. Ainsi, la consommation enregistrée moyenne de 20 l/ t MS se compare à la hausse avec les données de récolte antérieures des sites du Québec de Savoie et al. (2012) soit 9,4 l/t MS. Cependant, une consommation semblable a déjà été rapportée pour le site de Ste-Perpétue avec 23,1 l/t MS. Pour l’Ontario, la consommation était en moyenne de 10,4 l/t MS alors que pour le Minnesota elle était de 7,4 l/t MS. Cependant, la consommation de carburant subit de grandes variations puisque l’écart-type de consommation de carburant pour la présente étude est de 5,7 l/ t MS. En ce qui a trait à la capacité de récolte, les opérations antécédentes avec le Biobaler en milieux arbustifs naturels indiquent des capacités variant entre 2 et 26 balles/heure avec une moyenne de 14 balles/h. Les résultats de la présente étude figurent donc dans la tranche inférieure des valeurs potentielles avec une moyenne de 5 balles/h. Par contre, ces mesures figurent dans un intervalle déjà publié par Lorenzi do Canto et al. (2011) de l’ordre de 3 à 4 balles/h et se 128
rapprochent des taux de Boivin (2010) de 7,5 balles à l’heure. De plus, la masse moyenne des balles mesurées de 411 kg MH (230 kg MS/balle) se compare un peu à la baisse face aux mesures antérieures de Savoie et al. (2012) où une masse de 464 kg, 549 kg et 484 kg par balle a été rapportée pour les sites respectifs du Québec, de l’Ontario et du Minnesota. La teneur en eau du matériel broyé sous forme de balles est généralement une donnée à faible fluctuation ; la moyenne globale était d’environ 46 %. Ainsi, l’hypothèse spécifique que les rendements et le potentiel de retrait de biomasse mesurés à St-Augustin varient dans les intervalles connus de 4 à 36 t MS/ha est vérifiée. De plus, les taux de récupération de la biomasse avec l’opération du Biobaler connus et variant entre 20 et 50 % sont en accord avec les présents taux de récupération relevés variant entre 18 et 43 %. Les présents taux sont assez étendus et ne permettent pas cibler un intervalle plus précis des données connus. Un nombre plus grand de données aurait peut-être pu permette de cibler un intervalle plus précis.
5.4.2 Analyse par régression des composantes du chantier de récolte
La comparaison statistique effectuée vise à valider si les modèles connus dans la littérature actuelle ainsi que ceux de Savoie et al. (2012), développés pour caractériser la récolte de la biomasse en terres abandonnées et milieu naturel de différentes aires géographiques incluant le Québec, s’avèrent aussi valables dans le cas de la présente étude. Le nombre relativement faible de données, soit de 24, pour représenter les relations entre plusieurs variables fait en sorte que les degrés d’ajustement des modèles sont parfois faibles vu notamment les écarts-types assez grands pour la plupart des variables. Les équations de
Savoie et al. (2012) présentées aux figures A.22, 24, 26 et 28 en
129
relations de caractérisation du processus de récolte de la biomasse sur les parcelles de travail de la présente étude. À cet effet, il fut possible de comparer la valeur prédite par le modèle et la valeur réelle obtenue au champ. La première relation connue est celle entre la capacité de récolte et les rendements récoltés. Celle-ci était ajustée pour des valeurs de variables indépendantes entre 3,0 et 4,3 t MS/h. Or, les données recueillies situent cette capacité dans l’intervalle 0,9 à 1,8 t MS/h soit plutôt inférieure aux résultats dans la présente étude. Ainsi, cette première relation ne s’avère pas significative avec les rendements enregistrés et donc on rejette H0 de l’égalité des
moyennes (Tableau A. 26 à Tableau A. 29 pour les données brutes et Tableau A. 31 à
Tableau A. 34 pour les résultats des analyses statistiques). On peut expliquer cette
différence dans la capacité enregistrée de l’ordre de la moitié de celle publiée par Savoie et al. (2012) par le fait que les traitements sont effectivement différents puisqu’un second passage a eu lieu sur la presque totalité des parcelles dans la présente étude. Ceci s’explique principalement par les conditions de portance du sol qui obligeaient le Biobaler à détourner les surfaces à risque d’enlisement et les microsites de tiges à gros diamètre. À cette dernière observation, les capacités les plus faibles ont été enregistrées sur les parcelles comprenant le plus petit nombre de tiges (groupe constitué des parcelles 4, 5, 6 et 8), mais de plus forts diamètres. Les meilleures capacités de récolte ont été mesurées sur les parcelles avec le plus grand nombre de tiges soit au-dessus de 100 000 tiges/ha, mais généralement de plus petit diamètre. Les plus petites tiges ont nécessité inévitablement moins de temps à effectuer l’opération de coupe, broyage et pressage que le passage en zone d’arbres de gros diamètre qui implique souvent de réduire la vitesse de récolte et de passer une deuxième fois au même endroit pour récupérer une tige qui aurait été pliée dans un mauvais angle ne permettant pas la récolte au premier passage. De plus, si ce n’était pas de l’effet cloisonné de la parcelle # 6 la récolte aurait sans doute montré une capacité supérieure à toutes les autres parcelles. C’est en conditions d’un couvert dense et de tiges jeunes que le Biobaler montre de bonnes performances globales de récolte. 130
La seconde relation étudiée est celle entre les rendements récoltés et la consommation de carburant. Cette dernière n’a pas fait l’objet de développement approfondi, mais il s’avère que pour le cas de cette recherche, elle montre un degré d’ajustement légèrement supérieur à celui décelé antérieurement. Cependant le R² demeure plutôt faible avec une valeur de 0,11 par rapport à 0,31. D’un point de vue logique, plus les rendements d’un site sont élevés plus on devrait avoir une plus grande capacité de récolte. Par contre, la relation étudiée précédemment vient expliquer de manière approfondie la place des autres variables affectant la capacité de récolte autre que le rendement des milieux. Dans la présente étude, les rendements sont situés dans un intervalle assez étroit entre 3,3 et 9,6 t MS/ha. La troisième relation étudiée est celle entre la capacité de récolte et consommation de carburant. Cette dernière présente un ajustement assez élevé entre les deux variables (R²=0,85) pour les données de la présente étude par rapport à ce qui a été mesuré antérieurement (R²=0,645). Quand la capacité de récolte augmente normalement en raison d’un accroissement de rendement, la consommation de carburant diminue conséquemment de manière linéaire. D’autres facteurs que l’accroissement des rendements affectent la capacité positivement soit en premier lieu l’état d’un sol qui serait normalement plus ferme, en deuxième lieu une moins grande présence de microsite d’arbre à plus fort diamètre et en troisième lieu des sites plus grands permettant une plus grande aisance lors du passage du Biobaler. En agençant le plus de facteurs ensemble, ceci implique nécessairement que moins de carburant sera nécessaire pour couper et mettre en balle la biomasse. Le modèle de Savoie et al. (2012) suggère que la consommation de carburant peut passer de 12 à 4 l/t MS récoltée si on considère une augmentation de capacité de 1 à 5 t MS/h. Dans cet exercice, on parle plutôt d’une consommation pouvant passer de 28 à 10 l/t MS si on passe d’une capacité de 0,9 à 1,8 t MS/h. La quatrième relation étudiée est celle entre la capacité de récolte et la densité des balles. Reconnue comme significative par Savoie et al. (2012), cette relation devrait normalement indiquer que la densité des balles fabriquées passe de 200 à 150 kg MS/m³ quand la capacité de récolte s’accroît dans un intervalle de 1 à 5 t MS/h. Ceci s’explique simplement par le fait que plus le temps passé dans la chambre de compression est long, plus les balles seront denses. L’analyse statistique démontre que pour les données de cette étude, la courbe 131
de régression développée ne permet pas de généraliser le phénomène vu le relativement faible nombre de balles fabriquées au cours de cette recherche. L’objectif primaire serait quand même de privilégier la capacité de récolte au détriment de la densification des balles. Donc, de promouvoir une technique de travail qui diminuerait les coûts de récolte. La combinaison de différentes méthodes, par exemple, faire appel au travail manuel pour retirer les arbres de plus gros diamètre et ainsi faciliter la manœuvrabilité du Biobaler, serait une approche facilement réalisable. L’identification des zones à risque d’enlisement par des rubans, l’utilisation d’un pôle de tire plus court (équipement en option), et l’amélioration de la portance de la machine devraient permettre des gains d’efficacité entraînant ainsi un accroissement de capacité. Ce chantier de récolte qui s’est déroulé avec l’usage de roues doubles sur la récolteuse pour en améliorer sa portance faisant en sorte d’affecter négativement la capacité de récolte en raison de la perte importante de manœuvrabilité et du temps de maintenance des roues doubles (détachement, crevaison). À cet effet, la difficulté de manœuvrabilité de la machine et le fait que le Biobaler doive se frayer un chemin dans la végétation constituent des éléments importants qui affectent la productivité. Ce fait a d’ailleurs déjà été rapporté par Lorenzi do Canto et al. (2011). Tel que soulevé par Boivin (2010), la faible capacité portante est un facteur limitant pour la récolte, car dès que le sol offre une portance intrinsèquement faible, le Biobaler s’enlise automatiquement. Cette situation nécessite une vigilance très importante de l’opérateur pour réorienter le tracteur vers une zone plus portante dans un éventuel besoin de limiter les efforts nécessaires pour dégager l’équipement. C’est un facteur primordial, car les terres marginales sont souvent mal drainées. Autrement, les équipements traditionnels chenillés vont s’adapter plus facilement à la situation. Un dégagement et une analyse préliminaire du milieu par certaines opérations manuelles ne peuvent qu’assurer un plus grand degré d’efficacité si on considère des opérations de conversion vers l’agriculture. Les relations de régressions de Savoie et al. (2012) ne permettent pas d’expliquer les résultats de la présente étude. Pour les équations de la littérature décrite ci-dessus, on rejette l’égalité dans tous les cas entre les valeurs prédites et les valeurs réelles. Les comparaisons
sont disponibles aux Tableau A. 26 à A. 29 alors que les résultats des analyses statistiques
sont disponibles aux Tableau A. 30 à A. 34. Ainsi, l’hypothèse de départ qui visait à valider
132
l’usage des modèles connus pour prédire les caractéristiques de l’opération de récolte n’est pas vérifié vu la présence de différence significative avec les modèles connus. L’étude présente a donc permis de montrer que le Biobaler peut traiter une surface de 0,20 ha/h avec un écart-type de 0,04 ha/h, un maximum de 0,28 et minimum de 0,19 ha/heure en opération continue. Cependant, ce taux de récolte ne considère pas le temps nécessaire pour dégager la machine au besoin et le temps de transport entre les sites. Le retrait de la végétation par une pelle mécanique munie d’un broyeur est connu comme pouvant varier entre 0,15 et 0,20 ha/h. Des études en milieux naturels de Boivin (2010) tendent également à confirmer que sur la base des heures machines productives, il est possible d’obtenir un rythme de 0,237 ha/HMP soit 1 ha en environ 4 heures. Constat semblable pour Lorenzi do Canto et al. (2011) alors qu’on rapporte une productivité de 0,30 ha/h. Si on considère les équations d’estimation de la productivité des broyeurs forestiers montés sur pelle hydraulique (Cormier 1991), où le taux de récolte est prédit à partir de la densité de tiges, on a tendance à sous-estimer la productivité du Biobaler si on emploie cette dernière méthode d’estimation. Boivin (2010) rapporte que pour une productivité de 0,237 ha/HMP la formule aurait proposé une productivité de 0,17 ha/HMP. Le Biobaler se présente comme une avenue intéressante de conversion de friches. Un avantage dans l’usage du Biobaler peut provenir de la vente à l’externe de la biomasse générée au champ ce que ne permet pas la technique alternative de broyage systématique sur place. La pelle hydraulique peut bénéficier de l’avantage de pouvoir opérer quelles que soient les conditions de sol et à l’année et dans certains cas de permettre une légère incorporation de la matière végétale au sol et de broyer les souches dans un seul passage au besoin. À cet effet, le Biobaler peut être utilisé profitablement pour le nettoyage de sites colonisés par des espèces arbustives de diamètre jusqu’à 100 mm pour une remise en état de culture rapide et accessible (Savoie et al., 2009). Les données de vitesse de progression n’ont pas été mesurées pour la présente étude, mais se situent dans l’intervalle déjà connu de Boivin (2010) et Lorenzi do Canto et al. (2011) de 2 km/h. 133
5.4.3 L’analyse du recouvrement de la biomasse
Les taux de récupération de la biomasse présentés dans l’étude actuelle sont inférieurs à ceux publiés par Savoie et al. (2012) de l’ordre de 43,8 et 72,9 % pour des terres en friche de l’Abitibi correspondant à un tonnage total de biomasse récoltée et de pertes de 6 et 10 t MS/ha. Dépendamment des conditions, le Biobaler est un appareil qui peut récupérer plus de 70 % de la biomasse totale. En effet, les taux de récupération obtenus par Savoie et al. (2012) lors de l’utilisation du Biobaler en milieux naturels au Minnesota sont également au delà de 65 % pour différents sites (Madelia avec 72,3 %, Afton A avec 75,8 % et Hibbing avec 73,5 %). D’autres mesures de Schroeder et al. (2009) et Lorenzi do Canto et al. (2011) montrent des taux de récupération respectifs de l’ordre de 62 et 43 % dans diverses parcelles de terres marginales et milieux naturels. En comparaison, l’étude actuelle ajoute un volet systématique et plus complet aux mesures de biomasse présentes sous forme de pertes après la récolte en analysant plus spécifiquement les pertes sous forme de fragments mal coupés toujours attachés à la souche primaire et la biomasse issue des amas de balles au moment du dépôt. Le pourcentage de fins débris est de 55 % (somme de la masse des particules <15 cm et du contenu des amas de balles) tandis que le pourcentage de débris grossiers (somme de la masse de particules >15 cm et pièces mal coupées) est de 45 %. La présente recherche apporte une nuance aux résultats d’études antérieures qui rapportaient que la biomasse laissée sur place était constituée en majorité (90 %) de longues pièces (>15 cm de longueur) et qu’une faible proportion (<10 %) de la biomasse totale était sous forme de fins débris de bois (<15 cm de longueur). Pour le même type de fins débris, en plantation, ces pertes étaient aussi les plus importantes (84% du total ou 1,96 t MS/ha en moyenne) avec un Biobaler selon Savoie et al. (2013). Les fins débris au sol avec le Biobaler sont plus importants parce que la machine circule plus lentement et plus difficilement, laissant au sol une quantité de résidus. Ces pertes sont issues du processus de coupe et broyage, de l’effet du rotor qui projette les particules et du procédé interne de la machine qui occasionne des pertes à cause de la non étanchéité de la porte arrière. Ceci indique que le Biobaler perd des copeaux au sol de façon continue indépendamment du rendement. À cet effet, les données présentées dans ce mémoire sont relativement différentes des études antérieures qui n’ont pas fait l’objet d’une 134
collecte systématique et détaillée de la biomasse laissée au sol sous forme de résidus de récolte par le Biobaler. Si on ajoute la biomasse sous forme de pertes aux rendements de récolte mesurées, on obtient pour les différentes parcelles un rendement total de la biomasse aérienne variant entre 13,2 et 28,3 t MS/ha. À titre de comparatif, dans le cas d’opération de déblaiement mécanique à l’aide de la technique du rouleau débroussailleur CIMAF, celle-ci laisse en moyenne environ 30 m³/ha de résidus fins au sol après passage (Cormier, 1991). En utilisant la densité apparente de la biomasse des résidus forestiers de 320 kg/m³ à une teneur en eau de 50 %, on obtient une masse de 4,8 t MS/ha laissée au sol suivant le déblaiement mécanique du CIMAF. En moyenne, le Biobaler laisse 14 tonnes de matière sèche par ha de résidus sous différentes
le domaine forestier. Malgré le fait d’avoir effectué deux passages dans l’optique de récupérer le plus possible de biomasse, cette technique n’a pas présenté les résultats escomptés si ce n’est que de réduire la superficie couverte à l’heure de presque la moitié. Dans l’ensemble, le Biobaler offre une qualité de préparation de terrain assez intéressante (Figure 55). Sa faible capacité portante devra toutefois être corrigée.
Figure 53: Pertes importantes de biomasse aérienne suivant l’acharnement à récolter des tiges à fort diamètre à la parcelle #5. Figure 54: Tiges résiduelles de DHP > 100 mm et de 15 années d’âge à la parcelle #6. Figure 55: Parcelle #7 complètement nettoyée de sa biomasse aérienne arbustive.
Si l’enjeu principal est de retirer la biomasse indésirable sur les terres, les pertes au sol ne sont pas très importantes à considérer, mais dans l’optique d’une éventuelle remise en 135
culture annuelle par exemple, il sera plus important de caractériser ces pertes pour sa prise en compte dans un programme de fertilisation et détermination d’un bilan humique. Cela donne également un aperçu du travail au champ qu’il reste à effectuer suite au passage du Biobaler sur des parcelles en friche. Par exemple, la trop grande présence de tiges mal coupées pourrait nécessiter du travail manuel de taillage et/ou le passage d’équipements spécialisés. Un autre problème important est la hauteur de la coupe qui n’est parfois pas assez basse par rapport au sol. Ceci cause de nombreux de nombreuses tiges mal coupées et biseautées qui présentent des dangers importants pour l’opération subséquente de reboisement. Ce problème pourrait néanmoins être possiblement réglé par une plus grande expérience de l’opérateur ou encore en repassant une deuxième fois le Biobaler dans les endroits les plus problématiques. Cette dernière solution entraînerait toutefois une baisse de la productivité.
5.5 Analyse de coût
Le coût de récolte de biomasse sur des terres en friche avec le Biobaler a déjà été calculé dans une autre étude de Savoie et al. (2012). Cette récente étude supposait une valeur à l’achat de 150 000$ pour le Biobaler (Groupe Anderson, 2012). L’utilisation d’un tracteur de 135 kW muni de protection supplémentaire et de pneus forestiers coûtait aussi 150 000$ à l’achat. Les coûts fixes annuels pour ces deux machines sont considérés être 15 % du prix d’achat. L’étude considérait utiliser le Biobaler pour traiter un total de 500 h/an alors que le tracteur était utilisé 1000 h/an. Les coûts de réparation et d’entretien correspondaient à 2 % du prix d’achat par 100 heures d’utilisation pour le Biobaler et 1 % pour le tracteur, soit respectivement 30 et 15 $/h pour chacune des machines. Le coût lié aux changements des couteaux de remplacement n’est pas ordinairement inclus dans les coûts de réparation et entretien des équipements et est très variable d’un équipement à l’autre vu le mode d’opération et l’opérateur. Ce coût peut varier entre 3 et 8 $/h (Savoie et al., 2012). Mais compte tenu de l’information réduite sur l’utilisation moins répandue du Biobaler, les auteurs ont considéré ce coût de remplacement des couteaux déjà inclus dans le coût de réparation et d’entretien du Biobaler. 136
Pour le calcul des coûts de base d’opération du Biobaler en milieu naturel, Savoie et al. (2012) ont utilisé les hypothèses suivantes : des conditions d’opération propices au bon fonctionnement (milieu relativement sec et uniforme), une capacité de 20 balles/h de 500 kg d’humidité à 50 % (soit 5 t MS/h), une consommation de carburant de 5 l/ t MS et des rendements de biomasse récoltée de 15 t MS/ha. Le prix du carburant était calculé à 1,00 $/l et l’opérateur à 15 $/h. Le coût de la corde de ficelage était de 2,50 $/t MS. Considérant ces informations, le procédé de récolte comprenant le tracteur et le Biobaler coûtait 165 $/h ou 33 $/t MS. Le montant par tonne de matière sèche grimpait à 64 $/t lorsque le taux de récolte baissait de moitié, soit une balle à toutes les 6 minutes (10 balles/h ou 2,5 t MS/h), ce qui arrive dans des conditions de récolte plus difficiles. Or, dans la situation de récolte à St-Augustin-de-Desmaures à l’automne 2011, les conditions de récolte étaient très difficiles. Basé sur nos données expérimentales et au cas moyen de capacité de 5,1 balles/h, de masse moyenne 422 kg MH ou 236 kg MS et consommation de carburant de 20,2 l/ t MS, le coût moyen d’opération est semblable à 165 $/h. Par contre, ceci équivaut à 141 $/t MS ou 32 $/balle. Nos propres données s’avèrent également supérieures à celles de Hébert (2012) qui présentait un coût de récolte entre 31 et 44 $/t MS en milieux naturels pour une capacité moyenne de 5 t MS/h selon différents scénarios. Cependant, la capacité de récolte est très variable et il est difficile d’établir une capacité unique pour un site donné. Selon nos données, le coût de pressage de la biomasse dans un rendement moyen de 9,1 t MS/ha (40 balles/ha) est de 1282 $/ha. Comme ce procédé est relativement récent et que nos études étaient de courte durée, on ne dispose pas de données techniques pour estimer le coût de récolte des plantes arbustives à long terme. Cependant, Lorenzi do Canto et al. (2011) et Esteban et Carrasco (2011) rapportent des coûts très semblables soit 1219 $ et 1246 $/ha basée sur un rendement en biomasse de 21 t MS/ha, c’est-à-dire correspondant à de 58,50 $/t MS respectivement pour effectuer des travaux mécaniques de base de coupe et empilement sur place de la biomasse en conditions de milieux naturels envahis de végétation buissonnante. Ces coûts sont en lien avec les coûts proposés par le MRN (2013) 137
de 1400 $/ha. Le même travail qui inclut la coupe et le déblaiement des broussailles mais effectué manuellement peut coûter jusqu’à 400 $/ha selon Teutsch (2008). Les principaux coûts d’extraction de la biomasse en sols abandonnés peuvent néanmoins être comblés partiellement par une valeur de revente de la biomasse et ultérieurement supportés par l’aide financière fournie par les agences de mise en valeur telle que proposée par Boivin (2010). Il peut être possible de traiter ultérieurement la biomasse par un broyeur stationnaire et de la dédier à l’utilisation de paillis végétal. Certains autres avantages au contrôle de la végétation en milieux naturels incluent la prévention des feux de broussailles en périphérie des zones urbaines et la vente de la biomasse récoltée. À l’heure actuelle, la vente de la biomasse pour son utilisation industrielle dans une centrale énergétique peut représenter des revenus d’environ 70 $ la tonne sèche tandis que la vente de la biomasse comme paillis ornemental, peut représenter des revenus de près de 260 $/t MS. 138
Chapitre 6 : Conclusion du mémoire
Les sols d’une surface de friches agricoles ont été analysés pour montrer les niveaux de carbone organique et d’azote minéral. Ceux-ci ont peu changé sur une période de 20 ans par rapport aux niveaux observés sur les sols semblables cultivés. Les sols déjà riches au moment de l’abandon ont maintenu des niveaux élevés de carbone organique et azote total en raison de pratiques antérieures d’application de fumure organique. Le climat tempéré et le type de sol peuvent expliquer que les changements s’exécutent très lentement. Selon d’autres auteurs, des études sur une plus longue période de 40 à 100 ans sont nécessaires pour observer des changements importants dans les composantes chimiques des sols. Des équations de prédiction de la biomasse ont été mises au point pour 11 essences arbustives observées sur une terre agricole abandonnée depuis 20 années. Nous avons ensuite comparé nos équations à celles qui sont fréquemment utilisées dans la littérature et qui ont été mises au point à partir de peuplements matures.
Les degrés d’ajustement par essence individuelle varient selon la population de référence et le nombre de paramètres dans le modèle. Les tiges avec un DHP plus petit que 10 mm sont souvent négligées mais il demeure souhaitable de les mesurer et de les intégrer dans la mesure de la biomasse aérienne totale. Les modèles connus développés à l’échelle nationale ou régionale s’avèrent relativement bons pour prédire la biomasse par tige individuelle en fonction des diamètres à la base et à hauteur de poitrine. L’estimation de toute la biomasse aérienne sur une grande surface demeure toutefois une tâche difficile. Le travail d’inventaire direct au champ s’est avéré fastidieux et n’a pas donné de bons résultats (une surestimation de 300 % du rendement réel). Le potentiel des méthodes alternatives comme la photo-interprétation devrait être examiné. De plus, la biomasse des sites abandonnée présente normalement une faible valeur commerciale, car la plupart des espèces répertoriées avaient un DHP inférieur à 9 cm ce qui est le minimum selon les normes du commerce du bois. Cependant, cette biomasse de petites tiges peut représenter un volume important et valorisable sous une autre forme que le commerce du bois. La récolte avec le Biobaler permet de récupérer une portion de la biomasse au champ. 139
On estime alors les rendements totaux en additionnant les pertes observées selon les méthodes décrites plus tôt. En moyenne, 6,43 t MS/ha fut récolté avec le Biobaler tandis qu’il restait encore 14,31 t MS/ha non récoltées, pour un rendement total moyen de 20,7 t MS/ha. Une meilleure connaissance de la biomasse des communautés buissonnantes devrait fournir des informations utiles pour sa valorisation. L’étude de la disponibilité à l’échelle locale, de l’étendue et de la caractérisation des surfaces agricoles abandonnées avec potentiels de remise en culture constituent les facteurs clés dans la mise en valeur potentielle d’une ressource locale. Les données obtenues dans ce travail montrent l’état d’une surface de terre agricole abandonnée depuis plusieurs années comme il est courant d’en retrouver ailleurs sur le territoire québécois. Il faut développer d’autres façons plus appropriées pour évaluer la biomasse aérienne de façon plus précise et moins coûteuse. L’utilisation de la photo interprétation pourrait s’avérer d’intérêt vu la disponibilité de plus en plus élargie des images aériennes de bonne qualité. L’évaluation par la méthode du volume d’encombrement (Étienne, 1989) pourrait aussi permettre d’améliorer la précision dans l’évaluation de la phytomasse arbustive. La nature complexe de la structure de la végétation demeure un grand défi à résoudre. La mise à jour des interactions entre les composantes chimiques des sols va permettre d’orienter certains travaux d’aménagements futurs dans l’optique de faire une gestion efficace et durable des sites abandonnés. Dans cette étude, il a été démontré que la récolte de la biomasse arbustive à l’aide du Biobaler est possible sur une terre agricole en abandon depuis plus de 20 ans. Cette méthode a été utilisée pour récolter la biomasse arbustive sur 69 % (2,67 ha) de l’aire totale initialement recensée, et ce, subdivisée en 7 différentes parcelles variant entre 0,02 et 0,85 ha. Les surfaces non récoltées avec le Biobaler s’expliquaient soit par une faible portance du sol, soit par un secteur avec des arbustes trop gros (DB>100 mm). Un total de 62 balles a été fabriqué. Les balles ont été pesées individuellement et la masse moyenne était de 413 kg de matière humide avec un taux moyen d’humidité de 44 %. Les rendements récoltés ont varié entre 3,3 et 9,6 t MS/ha avec une moyenne de 6,4 t MS/ha. Le Biobaler a été en mesure de récupérer en moyenne 31 % de la biomasse totale. La biomasse non récoltée 140
(14,3 t MS/ha) était répartie comme suit : longs débris au sol (32 %), fins débris au sol (50 %), pièces non coupées rattachées aux souches (16,8 %) et amas ponctuels propres à chaque dépôt de balles (1,2 %). Le projet a permis d’estimer les coûts reliés à l’utilisation du Biobaler. En fonction des paramètres connus d’opération de la machine (165$/h) et des capacités notées dans la présente recherche (5,1 balles/heure ou 1,2 t MS/h), les coûts de récolte correspondent à 32 $/balle ou 141 $/t MS. Si on évite le recoupage des passages, il serait possible de se rapprocher des valeurs de capacité de récolte publiées par d’autres études, soit près de 15 balles/h. De plus, on a pu montrer que les rendements des parcelles d’âge estimé à 20 années ont varié entre 13,2 et 28,3 t MS/ha. La récolte de biomasse et la préparation de terrain réalisées par le Biobaler ont été évaluées en lien avec les études déjà publiées sur le sujet. Nous avons pu déterminer les avantages et les problématiques de ce nouvel équipement qui pourront servir afin de corriger certains points faibles et améliorer sa productivité. On a pu voir que la qualité du travail accompli par le Biobaler réside dans le pourcentage de biomasse laissée (i.e. non récoltée) au champ suivant l’opération de récolte, la présence résiduelle d’arbres de plus gros diamètre et plus particulièrement, des conditions de sol au moment de la récolte. De plus, le bénéfice net associé à la récolte de biomasse dans les friches agricoles est clairement influencé par l’efficacité de la machine. Des améliorations futures sont souhaitables quant à l’optimisation du trajet de récolte préalablement à l’introduction de la machine au champ. La compréhension de ces bilans conduit à s’intéresser à des formules mixtes, plus économiques et plus efficaces. On peut conclure que la marge de manœuvre est très mince pour s’assurer que l’opération soit rentable dans le contexte actuel compte tenu du faible potentiel qu’offre la récupération de la biomasse sur les terres en abandon. Les terres vont nécessiter d’autres travaux d’amélioration d’importance (drainage, nivelage, chaulage, fertilisation) qui ne pourront s’autofinancer avec les seuls revenus de la biomasse récupérée. 141
142
Chapitre 7 : Recommandations
L’analyse des parcelles en friche montre un pH moyen (4,95) légèrement acide. Ainsi un chaulage devrait être effectué pour le retour en culture. Également, une fertilisation azotée sera nécessaire, accompagnée d’une vérification du drainage de surface et de l’égouttement de l’horizon cultural. Selon le niveau des résidus de récolte laissés sur place, il sera important de faire un suivi de l’évolution de la teneur en azote du sol pour répondre aux besoins de la culture durant les années suivant son implantation. La minéralisation de la matière organique est de l’ordre de 1 à 2,5 % par année (CRAAQ, 2010). Pour maintenir un niveau total de 3 % dans le sol (soit environ 67 200 kg de MO par hectare en fonction d’une masse volumique typique de sol de 1,30 g /cm³), il faut remplacer annuellement 1680 kg/ha principalement par l’incorporation de résidus de culture. Ainsi, 40 à 50 % des résidus de culture devraient être laissés sur place après la récolte. Les résultats obtenus dans le présent travail ne soulèvent pas d’inquiétude sur l’appauvrissement de la MO des sols. La conversion de terres naturelles en surfaces cultivées fait diminuer rapidement la teneur en carbone organique. Les raisons principales sont la réduction des intrants de MO, l’accroissement de la décomposition des résidus de culture et le travail du sol qui diminue la protection physique à la décomposition. Durant la période où un sol est en friche, le matériel se décompose moins vite et résiste dans le temps à la dégradation (racines, tiges). Il est possible de voir une diminution de la MO durant la période entre la phase herbacée et la phase ligneuse (Post et Kwon, 2000). Au fur et à mesure que l’implantation ligneuse se fait, le C organique augmente à cause de l’épaississement de la litière de résidus ligneux. La caractérisation de la MO et des résidus de récolte sur les terres abandonnées pourra donner un aperçu du point de départ et des changements futurs potentiels pour adopter une gestion écologique durable.
La composition des essences et les débris ligneux sont des facteurs importants à prendre en compte dans les stratégies de gestion. Il serait avantageux d’envisager récolter la biomasse à l’aide du Biobaler durant les moments secs de l’été étant donné que l’option d’attendre le gel automnal figure parmi les 143
options les moins avantageuses. Depuis quelques années, le gel significatif arrive très tardivement en automne vers le 15 décembre. De plus, il n’est pas rare qu’à cette période une bonne bordée de neige soit déjà tombée et reste au sol arrêtant ainsi la récolte pour le reste de l’année. En été, certaines périodes sèches pourraient être propices pour une récolte de la biomasse au champ avec l’équipement. L’option est sur la table et mérite d’être analysée. Par l’évaluation de la qualité de préparation des sols et la portance du sol, un choix pourra être effectué par les gestionnaires. La présente étude a mis en lumière le potentiel de la biomasse récupérable d’une terre agricole jadis abandonnée. Il serait très intéressant de réaliser d’autres projets afin de mieux prédire la quantité de biomasse avant la récolte et la proportion récoltable par le Biobaler. Cet élément serait utile dans le cadre d’une utilisation accrue de la biomasse à des fins énergétiques ou autres. Il serait aussi d’intérêt de vérifier l’option d’intervenir à intervalles fixes (par exemple, aux 15-20 ans) pour récolter un rendement total d’environ 20 t MH/ha. L’emploi du Biobaler pour la remise en valeur des terres en friche permettrait de générer un revenu par la vente de cette biomasse en plus de présenter des économies en réduisant le volume de broyage subséquent. Présentement, les promoteurs dans ce domaine sont mal outillés pour faire face à la gestion efficace des chantiers en ce qui concerne notamment l’estimation des coûts d’extraction de la biomasse et le retour à l’état de culture des champs. Les coûts estimés initialement sont ajustés en fonction du temps passé sur place et des pièces d’équipements, principalement les dents de broyage, à remplacer après l’opération. À cause de la difficulté d’estimer les coûts, peu d’initiatives de remise en culture de terres en friche voient le jour. Dans le cadre d’un autre projet, il serait pertinent de réévaluer toutes les opérations avec plus de précision afin d’estimer les coûts réels d’utilisation du Biobaler et de valider les présentes données. Il serait approprié d’évaluer les coûts totaux de production de biomasse à des fins énergétiques. Les coûts de ramassage, transport, séchage et déchiquetage devraient également être évalués. Tous ces éléments auraient pour but d’estimer les coûts globaux de production en énergie ($/GJ). En outre, il serait souhaitable d’apporter certaines modifications au Biobaler afin d’en améliorer la flottabilité. 144
Chapitre 8 : Ouverture
Il est probable que l’ère de l’abandon des terres agricole s’estompe vu la volonté des intervenants à mieux utiliser nos ressources (sol, eau, biodiversité, air) et à satisfaire nos besoins sans compromettre la durabilité de l’environnement. L’estimation de la biomasse est requise afin de déterminer les échanges du carbone et ainsi d’appuyer la gestion durable du territoire. Un bilan plus complet des technologies de récolte et de traitement de la biomasse (ramassage, transport, séchage, broyage) serait également souhaitable pour optimiser la remise en culture des terres abandonnées et identifier le potentiel du Biobaler dans ce processus. L’amélioration de certains points importants sur le Biobaler, comme la flottaison, pourrait augmenter significativement sa productivité. 145
146
Bibliographie
Abrahamson, L.P., Volk, T.A., Kopp, R.F., White, E.H., et Ballard, J.L. (2010). Willow biomass producer’s handbook. State University of New York, Syracuse, NY, 27 p. Document récupéré le 24 mars 2011 de : http://www.esf.edu/willow/pdf/2001%20finalhandbook.pdf
Abrahamson, L.P., Robison, D.J., Volk, T.A., White, E.H., Neuhauser, E.F., Benjamin, W.H. et Peterson, J.M. (1998). Sustainability and environmental issues associated with willow bioenergy development in New York (U.S.A). Biomass and Bioenergy, 15(1):17 22. Alberti, G., Peressotti A., Piussi P. et Zerbi G. (2008). Forest ecosystem carbon accumulation during a secondary succession in the Eastern Prealps of Italy. Forestry, 81(1): 1–11. Anderson-Teixeira, K.J., Davis, S.C., Masters, M.D. et Delucia, E.H. (2009). Changes in soil organic carbon under biofuel crops. GCB Bioenergy 1(1): 75–96. ANU (Australian National University) (1999). Standard point on tree bole for measurement. Référence en ligne consulté le 22 août 2013 : http://fennerschoolassociated.anu.edu.au/mensuration/dob.htm
ASABE Standards (2009). D497.6. Agriculture Machinery Management Data. St-Joseph, Mich.: ASAE. Document récupéré le 24 mars 2011 de : http://www3.abe.iastate.edu/ae340/2006/ASAE_D497.4.pdf Baize, D. (2000). Guide des analyses en pédologie : choix, expression, présentation, interprétation. 2 e édition. INRA. Ed. INRA, Paris, France, 257 p. Bard, G. E. (1952). Secondary succession on the Piedmont of New Jersey. Ecological Monographs, 22(3):195–215. Baskerville, G.L. (1972). Use of the logarithmic regression in the estimation of plant biomass. Canadian Journal of Forest Research 2: 49–53. Benayas, José M. R., Martins, A., N., José N., S. et Jennifer, J. (2007). Abandonment of agricultural land: an overview of drivers and consequences. Perspectives in Agriculture, Veterinary Science, Nutrition and Natural Resources, Vol. 2: 057, 14 pp. Benjamin, K., Domon, G. et Bouchard, A. (2005). Vegetation composition and succession of abandoned farmland: effects of ecological, historical factors. Landscape Ecology, 20(6):627–647. 147
Benjamin, K., Cogliastro, A., Bouchard, A. et Domon, G. (2006). Perceptions des aménagements forestiers par les propriétaires de friches agricoles. Université de Montréal, IRBV, 27 pages. Berry, A. H., Donovan, G. et Hesseln, H. (2006). Prescribed burning costs and the WUI: Economic effects in the Pacific Northwest. Western Journal of Applied Forestry, 21(2):72– 78. Bleser, C., Crossley, A., Jackson, R., Lobner, E. Paine, L. Radloff, G. Sample, D. Vandenbrook J., Ventura, S., Walling, S., Widholm, J. et Williams, C.
Consumer Protection. Université de Wisconsin ‐ Madison, 98 p. (2011). Wisconsin Sustainable Planting and Harvest Guidelines for Non forest Biomass. Wisconsin Department of Natural Resources and Wisconsin, Department of Agriculture, Trade, and Bonham, D.C. (1989). Measurements for terrestrial vegetation. Wiley International Publishers. USA, 338 p. Boivin, J. (2011). Utilisation du Biobaler pour la récolte de la biomasse et la préparation de terrain. Rapport technique, Centre technologique des résidus industriels, 22 p. Bond-Lamberty, B., Wang, C. et Gower, S.T.
(2002). Aboveground and belowground biomass and sapwood area allometric equations for six boreal tree species of northern Manitoba. Canadian Journal of Forest Research, 32(8): 1441–1450. Booth, B. D., Murphy, S. D. et Swanton, C. J. (2003). Weed ecology in natural and agricultural systems. Éd. CABI Publishing, London, UK. 303 p. Bornkamm, R. (1988). Mechanisms of succession on fallow lands. Vegetation, 77:95–101. Braun-Blanquet, J. (1932). Plant sociology. Éd.
McGraw-Hill book company, inc., New York, 439 p. Brown, J.K. (1976). Estimating shrub biomass from basal stem diameter. Canadian Journal of Forest Research 6 (2): 153-158. Brown V.K. (1990). Early successional changes after land abandonment: the need for research.
Dans
: Baudry, J. et Bunce, R.G.H. (ed) (1991), Land abandonment and its role in conservation. Zaragoza : CIHEAM, Options Méditerranéennes : Série A. Séminaires Méditerranéens; no. 15, pp. 97–101. Brubacher, D., Arnason, J.T. et Lambert, J.D.H. (1989).Woody species and nutrient accumulation during the fallow period of milpa farming in Belize. C.A. Plant and Soil, 114:165–172. Buech, R. R. et Rugg D.J. (1989). Biomass relations of shrub components and their generality. Forest Ecology and Management 26(4): 257–264. 148
Buech, R.R. et Rugg, D.J. (1995). Biomass relations for components of five Minnesota shrubs. U.S. Dept. of Agriculture, Forest Service, North Central Forest Experiment Station, 14 p. Bullock, J. M., Jefferson, R. G., Blackstock, T. H., Pakeman, R. J., Emmett, B. A., Pywell, R. J., Grime, J. P. et Silvertown, J. (2011). Semi ‐ natural grasslands
.
Cambridge, UK, UNEP ‐ WCMC.
Dans
: Technical Report: The UK National Ecosystem Assessment, pp.162
‐ 195. Burns, R.M. et Honkala, B.H. (1990). Silvics of North America.
Vol. 2
,
Hardwoods
.
USDA, Forest Service, Agriculture Handbook, 654 p. CAEQ (2003). Préparation des échantillons de sol agricole. DR–12–PEA, Ministère de l'Environnement du Québec, 2003, 8 p. CAEQ (2003). Détermination du pH à l’eau dans les sols agricoles. MA. 1010 – pH 1.0, Ministère de l'Environnement du Québec, 2003, 8 p. CAEQ (2010). Détermination de la granulométrie. MA. 100 – Gran. 2.0, Ministère de l'Environnement du Québec, 2003, 11 p. Campbell, J. M. F., Lobell, D. B., Genova, R. C. et Field, C. B 5791–5794. . (2008). The global potential of bioenergy on abandoned agriculture lands. Environmental Science and Technology, (42): Castellano, P.J., Volk, T. A. et L. P. Herrington (2009). Estimates of technically available woody biomass feedstock from natural forests and willow biomass crops for two locations in New York State. Biomass & Bioenergy, 33 (3): 393–406. Chang, R., Jin T., Lü, Y., Liu, G., Fu, B. (2014). Soil Carbon and Nitrogen Changes following Afforestation of Marginal Cropland across a Precipitation Gradient in Loess Plateau of China. PLoS ONE 9(1): e85426. Chibas, T. et Ta, A. A. (2009). Assessment of soil organic matter under four land use systems in the major soils of Bale highlands, South East Ethiopia. World Applied Sciences Journal, 6 (11): 1506–1512. Clark, E. H. (1985). The off-site costs of soil erosion. Journal of Soil and Water Conservation, 40:19-22. Clark, J.D., Plante, A.F., et Johnson, A.H. (2012). Soil organic carbon content and quality in post agricultural northern hardwood forest. Soil Science Society of America Journal, 76:684–693. 149
Clements, F.E. (1916). Plant Succession: An Analysis of the Development of Vegetation. Publication 242, Carnegie Institution of Washington, Washington, D.C. 512 p. Clements, F.E. (1928). Plant Succession and Indicators. Éd. H.W. Wilson, New York, 453 p. Cormier, D. (1991). Conversion de peuplement avec les débroussailleurs Munger et Denis Cimaf. Institut Canadien de Recherche en Génie Forestier, Pointe-Claire, Québec. Fiche technique FT-167. 12 p. Cousins, S.-A. (2006). Plant species richness in midfield islets and road verges—the effect of landscape fragmentation. Biological Conservation, 127:500–509. CRAAQ (2013). Guide de référence en fertilisation, 2e édition et nouveau Chapitre 10.473 p.
Cramer, V.A. et Hobbs, R.J. (2007). Dynamics and Restoration of Abandoned Farmland. Washington, D.C., Ed. Island Press. 352 p. Davidson, E. A. et Ackerman, I. L. (1993). Changes in soil carbon inventories following cultivation of previously un-tilled soils. Biogeochemistry, 20:161–193. De Blois S., Domon G. et Bouchard A. (2001). Environmental, historical, and contextual determinants of vegetation cover: a landscape perspective. Landscape Ecology, 16: 421– 436. Dickinson, Y. L. et Zenner, E. K. (2010). Allometric Equations for the Aboveground Biomass of Selected Common Eastern, Hardwood Understory Species. Northern Journal of Applied Forestry, 27(4): 160–165. Ejrnæs, R., Hansen, D.N. et Aude, E. (2003). Changing course of secondary succession in abandoned sandy fields. Biological Conservation, 109(3): 343–350.
Ellenberg, H., et Scamoni, A. (1990). Vegetation Ecology of Central Europe. 4th Ed. 731 S., 499 Abb., 130 Tab. Éd. Cambridge University Press, 756 p. Kasmioui, O., et Ceulemans, R. (2012). Financial analysis of the cultivation of poplar and willow for bioenergy. Biomass and Bioenergy, 43 (1): 52–64 .
Environnement Canada (2010). Environmental Implications from Marginal Land Utilization for Biomass and Biofuels Production or for Siting of Renewable Energy Facilities. Rapport final préparé par Écoressource consultants. Canada, Québec, 102 p. Etienne, M. (1989). Non-destructive methods for evaluating shrub biomass: a review. Acta Oecologica, 10: 115–128. 150
Falkengren-Grerup, U. et Brink, D.-J. (2006). Land use effects on soil N, P, C and pH persist over 40-80 years of forest growth on agricultural soils. Forest Ecology and Management, 225(1-3): 74–81. FAO (2005). The importance of soil organic matter: Key to drought-resistant soil and sustained food and production. Italie, Rome,95 p. Document électronique récupéré de : ftp://ftp.fao.org/agl/agll/docs/sb80e.pdf, consulté le 15 mars 2012. Fitzhugh, R. D. Lovett, G. M. et Venterea, R. T. (2003). Biotic and abiotic immobilization of ammonium, nitrite, and nitrate in soils developed under different tree species in the Catskill Mountains, New York, USA, Global Change Biol., (9) : 1591-1601. Flinn, K.M., Vellend, M. et Marks, P.L. (2005). Environmental causes and consequences of forest clearance and agricultural abandonment in central New York. USA. Journal of Biogeography, 32: 439–452. Foster, D.R., Hall B., Barry, S., Clayden, S. et Parshall, T. (2002). Cultural, environmental and historical controls of vegetation patterns and the modern conservation setting on the island of Martha’s vineyard. USA. Journal of Biogeography, 29: 1381–1400. Freedman, B. (1984). The relationship between the aboveground dry weight and diameter for a wide size range of erect land plants. Canadian Journal of Botany, 62(11):2370–2374. GHK (Gouvernement de Hong Kong) (2006). Measurement of Diameter at Breast Height (DBH). Agriculture, Fisheries and Conservation Department Conservation Branch. Nature Conservation Practice Note, Ref: AF GR CON 21/2, No. 02, 6 p. Document électronique récupéré le 22 avril 2011 : http://www.afcd.gov.hk/english/conservation/con_tech/files/common/NCPN_No.02_measu
rement_of_DBH_ver.2006.pdf Goldsmith, L. J. et Hocker, H. W. (1978). Preliminary small-tree above-ground biomass tables for five northern hardwoods. Éd.
New Hampshire Agricultural Experiment Station, University of New Hampshire , 3 p.
Gouvernement du Québec, (2011). Taux de location de machinerie lourde (2011). Direction générale des acquisitions du Centre de services partagés du Québec. Bibliothèque nationale du Canada, 123 pages. Gradowski, T., Lieffers, V. J., Landhäusser, S.M., Sidders, D., Volney, J. et Spence, J.R. (2010). Regeneration of Populus nine years after variable retention harvest in boreal mixedwood forests. Forest Ecology and Management, 259: 383–389. Grigal, D. F., Ohmann, L. F. (1977). Biomass Estimation for some Shrubs from Northeastern Minnesota. Research Note NC-226. St. Paul, MN: U.S. Dept. of Agriculture, Forest Service, North Central Forest Experiment Station. 3 p. 151
Groupe Anderson, 2011 et 2012. Information techniques sur le prix de vente de l’équipement et autres caractéristiques techniques sur le Biobaler WB-55 accessible sur le Biobaler provenant du site internet de l’entreprise au : http://grpanderson.com/fr/biomasse/biobaler-wb55, consulté le 20 janvier 2013. Guariguata, M.R. et Ostertag, R. (2001). Neotropical secondary forest succession: changes in structural and functional characteristics. Forest Ecology and Management, 148:185–206.
Hajabbasi, M.A., Jalalian, A, et Karimzadeh, H.R. (1997). Deforestation effects on soil physical and chemical properties. Lordegan, Iran. Plant and Soil Science, (190): 301–308. Hébert, P. L. (2012). Caractérisation du fonctionnement d’une récolteuse de biomasse arbustive et analyse des coûts de récolte. Mémoire de recherche. Faculté des Science de l’Agriculture et de l’Alimentation, Université Laval, Québec, Canada, 184 pages. Hooker, T. D. (2000). Patterns in forest ecosystem C and N pools after agricultural abandonment: a 114 year old-field white pine chronosequence. Research Thesis. Rhode Island University, Sciences and Naturals resource department, King-ston, Rhode Island, USA, 294 p. Hooker, T. D. et Compton, J.E. (2003). Forest ecosystem carbon and nitrogen accumulation during the first century after agricultural abandonment. Ecological Applications (13): 299– 313. Houghton, R. A. (1995). Land-use change and the carbon cycle. Global Change Biology, 1: 275–287. Houghton, R.A. et Hackler, J.L. (2001). Carbon Flux to the Atmosphere From Land-use Changes: 1850 to 1990 Tennessee. 144 p.
.
Publication No. 5054, Carbon Dioxide Information Analysis Center, Oak Ridge National Laboratory, U.S. Department of Energy, Oak Ridge, Huang, Y., Zou, J., Zheng, X., Wang, Y., Xu, X. (2004). Nitrous oxide emissions as influenced by amendment of plant residues with different C:N ratios. Soil Biology & Biochemistry, 36(6):973–981. Hytönen, J., Lumme, I. et Törmälä, T. (1987). Comparison of methods for estimating willow biomass. Biomass, 14(1): 39–49. IFNC (2012). Canada’s National Forest Inventory : Land Cover Classification. Version 4.0.1, Ressources naturelles Canada, Service canadien des forêts. 19 p. Document électronique consulté le 11 mars 2013 : https://nfi.nfis.org/documentation/photo_plot/Land_cover_classification_v4.0.1.pdf
152
Jenkins, J.C., Chojnacky, D.C., Heath, L.S. et Birdsey, R.A. (2003). National-scale biomass estimators for United States tree species. Forest Science, 49: 12–35. Jobbágy, E.G., Jackson, R.B., (2000). The vertical distribution of soil organic carbon and its relation to climate and vegetation. Ecological Applications, (10) : 423–436. Johnson, D. W. (1992). Effects of forest management on soil carbon storage. Water, Air, and Soil Pollution, 64:93–120
.
Jones, D.S. (2007).
Methods Matrix General References for Vegetation Measurements and Monitoring. Center for Ecological Management of Military Lands Colorado State University Fort Collins, CO. document électronique disponible à : http://www.cemml.colostate.edu/assets/pdf/methods.pdf , accédé le 2 juillet 2013. Johnston, M. H., P. S. Homann, J. K. Engstrom, et Grigal, D. F. (1996). Changes in ecosystem carbon storage over 40 years on an old-field forest landscape in east-central Minnesota. Forest Ecology and Management, 83:17–26. Kalisz, P. J. (1986). Soil Properties of Steep Appalachian Old Fields. Ecology 67(4): 1011– 1023. Kelly, C., Schoenholtz, S., Adams, M. (2011). Soil properties associated with net nitrification following watershed conversion from Appalachian hardwoods to Norway sprucePlant and Soil, 344 (1):361-376. Ker, M.F. (1980a). Tree biomass equations for seven species in southwestern New Brunswick. Can. For. Serv. Marit. For. Res. Cent. Inf. Rep., M-X-114 (1980), 18 p. Ker, M.F. (1980b). Tree biomass equations for ten major species in Cumberland County, Nova Scotia. Environment Canada, Canadian Forest Service. Maritimes Forest Research. Center, Fredericton, New Brunswick. Inf. Rep. M-X-108, 26 p. Ker, M.F. (1984). Biomass equations for seven major maritimes tree species. Canadian Forest Service. Maritimes Forest Research. Center, Fredericton, Canada. Inf. Rep., M-X 148, 54 p. Keoleian, G. A. et Volk, T. A. (2005). Renewable Energy from Willow Biomass Crops: Life Cycle Energy, Environmental and Economic Performance. Critical Reviews in Plant Sciences, 24:385–406. Ketterings , Q.M. , Coe , R. , Van Noordwijk , M. , Ambagau , Y., et Palm , C.A. (2001). Reducing uncertainty in the use of allometric biomass equations for predicting above ground tree biomass in mixed secondary forests. Forest Ecology and Management, 146: 199–209. 153
Klingensmith, K. M. et Van Cleve, K. (1993). Patterns of nitrogen mineralization and nitrification in floodplain successional soils along the Tanana River, interior Alaska Revue canadienne de recherche forestière
,
23 : 964-969. Knops, J. M. H. et Tilman, D. (2000). Dynamics of soil nitrogen and carbon accumulation for 61 years after agricultural abandonment. Ecology, 81(1): 88–98. Kukk, L., Astover, A., Muiste, P., Noormets, M., Roostalu, H., Sepp, K. et Suuster, E. (2010). Assessment of abandoned agricultural land resource for bio-energy production in Estonia. Acta Agriculturae Scandinavica, Section B - Soil & Plant Science, 60 (2):166–173. Kuzovkina, Y. A. et Quigley, M. F. (2005). Willows beyond wetlands: Uses of Salix L. species for environmental projects. Water, Air, and Soil Pollution, 162(1): 183-204. Kuzovkina, Y.A. et Volk, T.A. (2009).
autecology.
The characterization of willow ( Ecological Engineering, 35(8): 1178–1189.
Salix
L.) varieties for use in ecological engineering applications: Co-ordination of structure, function and Lajoie, P. G. (1967). Étude pédologique des comtés de Hull, Labelle et de Papineau. Ministère de l’Agriculture du Canada. Direction de la recherche. Publication 95579-1. Étude disponible à http://sis.agr.gc.ca/siscan/publications/surveys/pq/pq25/pq25_report.pdf
Lambert, M.-C., Ung, C.-H. et Raulier, F. (2005). Canadian national tree aboveground biomass equations. Canadian Journal of Forest Research 35: 1996–2018. Lavoie, F., Savoie, P. et D’Amours, L. (2008). Design and Evaluation of a Versatile Woody Biomass Harvester-Baler. Article de conférence à l’ASABE, tenue à Providence, Rhode Island, entre le 29 juin et 2 juillet. Leroy, C.J. et Marks, J.C. (2006). Litter quality, stream characteristics and litter diversity influence decomposition rates and macroinvertebrates. Freshwater Biology, 51: 605–617. Lorenzi Do Canto, J., Klepac, J., Rummer, R., Savoie, P. et Seixas, F. (2011). Evaluation of two round baling systems for harvesting understory biomass. Biomass and Bioenergy, 35(5): 2163–2170. Lu, D. (2006). The potential and challenge of remote sensing-based biomass estimation. International Journal of Remote Sensing, 27 (7): 1297–1328. Lutze, M.T., et Victoria, G., P. (2003). Site Preparation. Dept. of Natural Resources and Environment. Forests Service, Native forest silviculture guideline, Issue 6, 49 p. Maclean, D.A. et Wein, R.W. (1976). Biomass of jack pine and mixed hardwood stands in northeastern New Brunswick. Canadian Journal of Forest Research, (6): 441–447. 154
Magdoff, F. et Weil, R.R., (2004). Soil organic matter in a sustainable agriculture. CRC Press, 416 p. Maillet, A., Dumay, D., Labadie, J., et Treilhou, J.-P. (1990). Les matériels lourds de débroussaillement. Direction départementale de l’agriculture et de la forêt du Var. Revue forestière francaise. Revue Forestière Francaise, 42 (S) : 127-134. Marceau, D., Soucy-Gonthier, N. et Bouchard, A. (2002). Détection et caractérisation spatiale des friches dans une région du Haut-Saint-Laurent à l’aide d’une image satellitaire Ikonos. Résumé de conférence, Colloque/atelier sur la ligniculture, 13 et 14 mai 2002, 70e Congrès de l’ACFAS, 20 p. MAPAQ (2009). Estimation de la biomasse agricole et des superficies non cultivées potentiellement exploitables à des fins bioindustrielles dans les zones agricoles du Québec. Direction du développement et de l’innovation, Canada, Québec, 107 p. MAPANB (2013). Le défrichement. Fiche de référence en ligne. Accessible à : http://www.gnb.ca/0173/30/0173300007-f.asp, consulté le 15 janvier 2013 Martel, Y.A. et Deschenes, J.M. (1976). Les effets de la mise en culture et de la prairie prolongée sur le carbone, l'azote et la structure de quelques sols du Québec. Canadian Journal of Soil Science, 56: 373–383. Martel, Y.A. et Mackenzie, A.F. (1980). Long term effects of cultivation and land use on soil quality in Quebec. Canadian Journal of Soil Science, 60:411–420. Martin, R.W., (2008). Cost of Clearing Land.
d.doc, consulté le 17 décembre 2010 Litchfield County Extension Center, Connecticut, États-Unis, 2 p. document électronique accessible à http://www.extension.uconn.edu/pages/department/litchfield/documents/CostofClearingLan Mather, A.S. (1992). The forest transition.
The Royal Geographical Society , 24(4):367– 379. McElhinny, C., Gibbons, P., Brack,C. et Bauhus, J. (2005). Forest and woodland stand structural complexity: Its definition and measurement. Forest Ecology and Management, 218 (1): 1–24. Mead, Donald J. (2005). Forests for Energy and the Role of Planted Trees. Critical Reviews in Plant Sciences, 24: (5), 407–421. Miao, Z. et Li, C. (2007). Biomass estimates for major boreal forest species in west central Canada. Natural Resource Canada, Canadian Forest Service, Northern Forestry Centre, Edmonton, Canada, Publication FI-X-002, 37 p.
[ressource électronique] http://nofc.cfs.nrcan.gc.ca/bookstore_pdfs/28300.pdf
, accédé le 12 août 2010 155
Mitchell, C. P., Stevens, E. A. et Watters, M. P. (1999). Short-rotation forestry: Operations, productivity and costs based on experience gained in the UK. Forest Ecology and Management, 121: 123–136. Morency, P.O. (2011). Le potentiel de valorisation de la biomasse forestière à des fins énergétiques au Québec: état de la situation. Mémoire de maîtrise, Université Laval, 116 p. Document récupéré de : http://www.theses.ulaval.ca/2011/28086/28086.pdf
, accédé le 12 février 2013 Motzkin, G., Wilson P., Foster D.R. et Allen A. (1999). Vegetation patterns in heterogeneous landscapes: the importance of history and environment. Journal of Vegetation Science, 10: 903–920. Mueller-Dombois, D., et Ellenberg, H. (1974). Aims and Methods of Vegetation ecology. John Wiley and Sons. Blackburn Press, New-York, États-Unis, pp.547 Nespoulous, A. (2005). Relations entre la dynamique de la végétation et la gestion sociale de l’espace : les garrigues du Pic Saint Loup. Mémoire de Maîtrise, Université de. Montpellier III, 89 p. Odum, E. P. (1960). Organic Production and Turnover in Old Field Succession. Ecology, 41(1): 34–49. Ohmann, L.F., Grigal, D.F. et Brander, R.B. (1976). Biomass estimation for five shrubs from northeastern Minnesota. USDA Forest Service Research paper NC-133. St. Paul, Minnesota, 11 p. Ollinger, S. V., Aber, J. D., Lovett, G. M., Millham, S. E., Lathrop, R. G. et Ellis, J. M. (1993). A spatial model of atmospheric deposition for the Northeastern U.S. Ecological Applications, 3:459–472. Olson, C. M. et Martin, R. E. (1981). Estimating biomass of shrubs and forbs in central Washington Douglas-fir stands. Research Note PNW-RN-380. U.S. Department of Agriculture, Forest Service, Pacific Northwest Forest and Range Experiment Station, Portland, Oregon, États-Unis, 6 p. ONU (1997). Glossary of Environment Statistics. Department for Economics and Social Information and Policy Analysis. Statistics Division. 83 p. disponible en ligne à: http://unstats.un.org/unsd/environmentgl/, consulté le 19 avril 2011. Paavolainen, L., Fox, M., Smolander, A. (2000). Nitrification and denitrification in forest soil subjected to sprinkling infiltration. Soil Biology and Biochemistr
y,
32(5): 669-678. Paavolainen, L., Kitunen, V., Somlander, A. 1998. Inhibition of nitrification in forest soil by monoterpenes. Plant and Soil, 205 : 147-154. 156
Paavilainen, E. (1981). Biomass yields and management of natural coppice stands. Éd. National Swedish board for energy source development, International energy agency. Planning group B. 94 p. Palmer, C., Colledge, S., Bevan, A. et Conolly, J. (2010) Vegetation recolonisation of abandoned agricultural terraces on Antikythera, Greece. Environmental Archaeology, 15 (1): 64– 80. Pastor, J., Aber, J.D., et Melillo, J.M. (1984). Biomass prediction using generalized allometric regressions for some northeast tree species. Forest Ecology and Management, 7: 265–274. Payette, S. et Gauthier, B. (1972). Les structures de végétation : interprétation géographique et écologique, classification et application. Le Naturaliste canadien, 99 (1): 1–26. Perala, D.A., et Alban, D.H. (1994). Allometric biomass estimators for aspen-dominated ecosystems in the Upper Great Lakes. U.S. For. Serv. Res. Pap., NC-134, 38 p. Pickett, S. T. A. (1982). Population Patterns through Twenty Years of Oldfield Succession. Plant Ecology, 49(1): 45–59. Piussi, P. (2005). Woodland Recolonisation and Postagricultural Development in Italy. Mountain ecosystems, ed. Broll G. et Keplin B., pp. 237–251. Post, W.M. et Kwon, K.C. (2000). Soil carbon sequestration and land-use change: processes and potential. Global Change Biology, 6: 317–327. Rack, J., Berguson, B. et Buchman, D. (2009). Development of Procedures to Assess brushland Resources for Woody Biomass Energy Markets. Minnesota Department of Natural Resources Forestry, University of Minnesota, Natural resources Research Institute, Minnesota, 18 p. Rathbauer,J. et Amon T. (2009). Extensively used grassland as a basis of low input livestock systems and as a resource of energy and raw materials. Article de conférence de la 15ième « European Grassland Federation Symposium», intitulé : Alternative functions of grassland, tenue à Brno en République Tchèque entre le 7 et 9 Septembre 2009 accessible aux pages 428-431 du cahier de conférence. Raymond, R., Laflamme, G., Godbout, G. (1976). Pédologie du comté de Portneuf. Bulletin technique no.18. Direction générale de la Recherche et de l'Enseignement, Service des Sols, Gouvernement du Québec, 164 p. 157
Ministère des ressources naturelles, 2013. Étude sur la valeur des taux des travaux sylvicoles en forêt privée. Gouvernement du Québec, Direction de l'aménagement et de l'environnement forestiers, 320 p. RNC (Ressources naturelles Canada) (1994). Manual on Plot Establishment and Monitoring. Service canadien des forêts, gouvernement du Canada, publication PI-X-117, 106 pages. Publication électronique : http://www.fcmr.forestry.ca/index-e/what e/publications-e/afcpublications-e/PIX117/arnews_e.pdf, accédé le 16 mai 2013. Romankutty, N. et Foley, J.A. (1999). Estimating historical changes in global land cover: croplands from 1700 to 1992. Global Biogeochemical Cycles 13(4): 997-1027. Römkens, P.F.A.M., Van der Pflicht, J. et Hassink, J. (1999). Soil organic matter dynamics after the conversion of arable land to pasture. Biology and Fertility of Soils, 28: 277–284. Roussoploulos, P.J. et Loomis, R.M. (1979). Weights and dimensional properties of shrubs and small trees of the great lakes conifer forest. USDA Forest Service Res Paper NC-178. USDA FS North Central Exp Station, St Paul, MN, 6 p. Sah, J. P., Ross, M. S., Koptur, S. et Snyder, J.R. and Management, 203(1–3): 319–329. (2004). Estimating aboveground biomass of broadleaved woody plants in the understory of Florida Keys pine forests. Forest Ecology SAS. (2013). Statistical Analysis with SAS/STAT® Software. Version 9.3, SAS Institute Inc., Cary, NC, USA. Savoie, P., F. Lavoie, D'Amours, L., Schroeder, W. et Kort, J. (2010). Harvesting natural willow rings with a bio-baler around Saskatchewan prairie marshes. Canadian Biosystems Engineering/Le génie des biosystèmes au Canada, 52: 2.1-2.5 Savoie, P., Current, D., Robert, F.-S. et Hébert, P.L. (2012). Harvest of natural shrubs with a Biobaler in various environments in Québec, Ontario and Minnesota. Applied Engineering in Agriculture, 28 (6):795–801. Savoie,P., Hébert, P.L. Robert, F.S. et Sidders, D. (2013). Harvest of Short-Rotation Woody Crops in Plantations with a Biobaler.
Energy and Power Engineering, 5: 39-47. Schroeder, W.R., de Gooijer, H., Kort, J., Stefner, C. (2011). Sustainable biomass production in agroforestry systems. AAFC-AESB Agroforestry Development Centre, présenté à Guelph, Ontario. Disponible à : http://www.agrireseau.qc.ca/references/32/presentations_guelph/Schroeder%20Biomass%2 0Presentation%20Guelph%202011.pdf Schroeder, W. R., J. Kort, Savoie, P. et Preto, F. (2009). Biomass harvest from natural willow rings around Prairie wetlands. BioEnergy Research, 2(3): 99–105. 158
Shea, A.P., Childs, C, et Downing, A. (2008). Options for Clearing Land for Pasture Establishment, Virginia Cooperative Extension, publication 465- 341. Document récupéré le 24 mars 2011 de : http://pubs.ext.vt.edu/
465-341/
Singer, M. J., et Ewing, S. (2000). Soil quality. Dans:
Handbook of soil science
(ed. Sumner ME), CRC Press, Boca Raton. pp. 271–298. Smith, R.J. (1993). Logarithmic Transformation Bias in Allometry. American Journal of Physical Anthropoly, 90:215–228. Smith, W. B. et Brand, G. J. (1983). Allometric Biomass Equations for 98 Species of Herbs, Shrubs, and Small Trees. Research Note NC-299. St. Paul, MN: U.S. Dept. of Agriculture, Forest Service, North Central Forest Experiment Station, 8 p. Stanek, W. et State, D. (1978). Equations predicting primary productivity (biomass) of trees, shrubs, and lesser vegetation based on current literature. Rep. BC-X-183, Canadian Forestry Service, Pacific Forest Research Centre, Victoria, B.C., 58 p. Ste-Marie, C., Paré, D. (1999). Soil, pH and N availability effects on net nitrification in the forest floors of a range of boreal forest stands. Soil Biology and Biochemistry, 31: 1579– 1589. Styles, D., Thorne, F. et Jones, M.B. (2007). Energy crops in Ireland: An economic comparison of willow and Miscanthus production with conventional farming systems. Biomass and Bioenergy, 32(5):407–421. Stover, M. E., et Marks, P. L. (1998). Successional vegetation on abandoned cultivated and pastured land in Tompkins County. New York. Journal of the Torrey Botanical Society, 125:150–164. Ter-Mikaelian, M. T. et Korzukhin, M. D. (1997). Biomass equations for sixty-five North American tree species. Forest Ecology and Management, 97(1): 1-24. Teutsch, C. (2008). Land Clearing and Pasture Development Update. Présentation en ligne accessible via extension de Virginia Tech, Blakstone, Virginia. Document accessible à : , consulté le 22 octobre 2013. Thiffault, E., Hannam, K.D., Paré, D., Titus, B.D., Hazlett, P.W., Maynard, D.G., et Brais, S. (2011). Effects of forest biomass harvesting on soil productivity in boreal and temperate forests : A review. Envrionmental Review, 19:278-309. Ullah, S.et Moore, T.R. (2009). Soil drainage and vegetation controls of nitrogen transformation rates in forest soils, southern Quebec. Journal of Geophysical Research , vol. 114, p.G01014.
159
UPA (2010). Répertoire des programmes d’aide accessible à la relève agricole. Service financier et de comptabilité de l’UPA. [En ligne] http://www.upa.qc.ca/SiteWeb_UPA/documents/DCVS/Repertoire%20aides%20a%20la% 20releve%20agricole.pdf
, consulté le 16 mai 2012. Van der Maarel, E. (2005), Vegetation ecology. Blackwell, Oxford, 4 02 p. Verburg, P.S.J Johnson, D.W., Harrison, R. (2001). Long-term nutrient cycling patterns in Douglas-fir and red alder stands: a simulation study. Forest Ecology and Management 145 : 203-217.
Verwijst, T. et Telenius, B. (1999). Biomass estimation procedures in short rotation forestry. Forest Ecology and Management, 121(1-2): 137–146. Vouligny, C. et Gariépy, S. (2008). Les friches agricoles du Québec: état des lieux et approches de valorisation. Agriculture et Agro-Alimentaire Canada, Canada, 66 pages. Walker, K. J., Stevens, P.A., Stevens, D.P., Mountford, J.O.Manchester, S.J. et Richard F. P. (2003).The restoration and re-creation of species-rich lowland grassland on land formerly managed for intensive agriculture in the UK. Biological Conservation, 119 (1): 1 18. Ward L.K. et Jennings R.D. (1990). Succession of disturbed and undisturbed chalk grassland at Aston Rowant National Nature Reserve: details of changes in species. Journal of Applied Ecology, 27:913–923. West, G. B., Brown, J. H. et Enquist, B.J. (1999). A general model for the structure and allometry of plant vascular systems. Nature, 400 (6745): 664–667. Wharton E.H. et Griffith, D.M. (1993). Methods to estimate total forest biomass for extensive inventories: applications in the northeastern U.S. U.S.D.A. Forest Service Research Paper NE-681. 161 p. Whittaker, R.H. (1962). Classification of natural communities. Botanical Review, 28(1):1 239. Whittaker, R.H. et Woodwell, Y.G. (1968). Dimension and production relations of trees and shrubs in the Brookhaven forest, New York. Journal of Ecology, 56:1–25. Whittaker, R.H. (1973). Approaches to classifying vegetation. Hague, Netherlands, pp. 323–354.
Dans
R.H. Whittaker, ed. Handbook of vegetation science 5: Ordination and classification of communities. Junk, The Whittaker R.H., Bormann F.H., Likens G.E., Siccama, T.G. (1974). The Hubbard Brook ecosystem study: forest biomass and production. Ecological Monographs, 44(2): 233–252. 160
Yang, X., D. R. Miller, X. Xu, L. H. Yang, H. M. Chen et Nikolaidis, N. P. (1996). Spatial and temporal variations of atmospheric deposition in interior and coastal Connecticut. Atmospheric Environment, 30:3801–3810. Yang, Y., Monserud, R.A. et Huang, S. (2004). An evaluation of diagnostic tests and their roles in validating forest biometric models. Canadian Journal of Forrest Research, 34: 619 629. Young, H.E., Ribe, J.H. et Wainwright, K. (1980).Weight tables for tree and shrub species in Maine. Miscellaneous Report 230, Life Sciences and Agriculture Experiment Station, University of Maine at Orono, 84 p. Zak, D.R., Grigal, D.F., Gleeson, S. et Tilman, D. (1990). Carbon and nitrogen cycling during old-field succession : Constraints and microbial biomass. Biogeochemistry, 11: 111– 129. Zar, J.H. (1968). Calculation and miscalculation of the allometric equation as a model in biological data. Bioscience, 18: 1118–1120. Zhang, K., Dang, H., Tan, S., Wang, Z., et Zhang, Q. (2010). Vegetation community and soil characteristics of abandoned agricultural land and pine plantation in the Qinling Mountains, China. Forest Ecology and Management, 259 (10): 2036–2047. Zhou, X., Brandle, J. R., Schoeneberger, M.M. et Awada, T. (2007). Developing above ground woody biomass equations for open-grown, multiple-stemmed tree species: Shelterbelt-grown Russian-olive. Ecological Modelling, 202 (3-4): 311–323. 161
162
Annexes Annexe A : Analyse de la végétation des sites à La Pocatière
Tableau A. 1: Résultats de l’analyse de la végétation avant récolte de friches agricoles dans la région de La Pocatière (Lemieux, 2009; communication personnelle).
Site St-Pamphile A St-Pamphile B St-Perpétue site A St-Perpétue site B St-Perpétue site C St-Perpétue site D moyenne écart type coefficient de variation (%)
Essences répertoriées Hauteur (cm)
Cornouiller, Spirée, 124 Saule, Aulne rugueux Cornouiller, Spirée, Saule, Aulne rugueux 92 115 Cornouiller, Gadellier, Saule, Peuplier, Érable à sucre Cornouiller, Gadellier, Saule, Peuplier, Érable à sucre Cornouiller, Gadellier, Saule Cornouiller, Gadellier, Saule 115 148 148 124 22 17
Couvert (%)
25,0
Nombre de tiges/ha
188500 39,0 49,0 49,0 24,0 24,0 35,0 12,2 35,0 276000 363750 363750 139250 139250 245083 104616 43
Masse (t MH/ha)
8,7 8,5 13,0 13,0 7,3 7,3 9,6 2,7 27,8 163
Annexe B : Mesures des paramètres de récoltes en friches et milieux naturels au Québec, en Ontario et Minnesota
Tableau A. 2: Caractérisation de la récolte de différents sites de friches agricoles et prairies naturelles abandonnées de la région de La Pocatière, Abitibi, Ontario et Minnesota (Savoie et al., 2012). Site
Date Nb. de balles Masse moyenne des balles (kg MH) Teneur en eau (%) Masse moyenne des balles (kg MS) Balle/h Capacité (t MS/h) Rendement (t MS/ha) Consommation de carburant (l/t MS) Québec, Ste-Perpétue A 2009-09-09 Québec, Ste-Perpétue B 2009-09-09 Québec, Ste-Perpétue C 2009-09-09 Minnesota, Madelia Minnesota, Faribault C Minnesota, Ogilvie A 2009-09-18 2009-09-19 2009-09-21 Minnesota, Ogilvie B Minnesota, Hinckley Minnesota, Hibbing Ontario, Hearst Ontario, Cochrane Québec, Poulary A #1 2009-09-21 2009-09-22 2009-09-24 2010-09-27 2010-09-30 2010-10-02 Québec, Poulary A #2 Québec, Poulary B
Moyenne
Minimum 2010-10-02 2010-10-03 2009-2010 mars-09 Maximum 2010-10-03 6 14 1 28 7 1 10 4 28 11 11 27 20 15 8 17 23 499 488 425 633 451 495 457 528 513 464 633 469 469 491 425 472 493 46,9 47,1 46,1 47,1 36,7 45,2 51,4 36,0 50,8 48,6 52,7 50,0 50,0 49,4 46,4 36,0 52,7 252 260 234 338 239 262 246 338 252 239 299 234 234 260 269 259 240 17,0 11,6 19,5 12,8 16,9 16,0 18,0 2,4 15,6 9,2 8,9 19,7 18,1 7,0 13,8 2,4 19,7 1,8 3,5 0,8 4,8 4,1 3,0 4,8 0,8 3,9 2,2 2,7 4,6 4,2 3,3 4,5 4,2 4,3 6,87 23,10 5,05 6,23 6,26 5,44 5,40 14,35 4,98 13,58 7,15 3,78 6,85 11,23 8,32 3,78 23,10 8,0 2,4 7,2 8,6 5,2 8,9 16,5 1,6 9,8 10,7 4,2 15,0 17,6 7,6 9,3 1,6 17,6 164
Annexe C : Données brutes des analyses physico-chimiques des sols étudiés
Tableau A. 3: Données brutes des analyses des échantillons individuelles pour l’analyse des classes texturales et composantes chimiques des sols étudiés # échantillon Sable Limon Limon Limon Limon zone Total Grossier Moyen Fin Total Classe texturale
1 2 1
%
37,5 36,2
%
10,7 8,7
%
12,6 13,9
%
7,9 9,9
%
31,2 32,4 LOAM ARGILEUX LOAM ARGILEUX 3 1 1 33,4 8,8 11,9 8,3 29,0 LOAM ARGILEUX 4 1 38,1 8,8 14,0 5,1 27,8 LOAM ARGILEUX 5 6 2 2 34,8 38,1 7,6 7,6 13,9 14,0 13,1 23,3 34,7 44,9 LOAM ARGILEUX LOAM 7 8 2 2 57,0 21,3 5,9 10,4 9,5 16,7 5,3 11,5 20,7 38,7 LOAM SABLO-ARGILEUX ARGILE 9 10 3 3 19,8 10,3 9,0 10,4 16,2 18,2 11,5 13,2 36,7 41,8 ARGILE ARGILE LIMONEUSE 11 12 3 3 5,0 7,8 11,0 14,2 21,8 20,7 17,4 15,4 50,2 50,2 ARGILE LIMONEUSE ARGILE LIMONEUSE 13 14 15 4 4 4 11,8 19,4 18,4 13,6 21,8 15,8 51,2 LOAM LIMONO-ARGILEUX 16 4 6,3 9,9 10,6 14,7 20,5 18,8 22,8 13,6 17,9 16,3 44,1 47,2 53,8 LOAM LIMONO-ARGILEUX LOAM LIMONO-ARGILEUX LOAM LIMONO-ARGILEUX 17 5 7,1 12,6 25,7 21,2 59,5 LOAM LIMONO-ARGILEUX 18 5 12,2 11,5 22,4 14,6 48,5 LOAM LIMONO-ARGILEUX 19 5 2,1 13,9 24,8 16,1 54,7 ARGILE LIMONEUSE 20 5 6,0 14,2 24,1 16,9 55,2 LOAM LIMONO-ARGILEUX 21 6 7,3 12,7 22,6 17,9 53,2 LOAM LIMONO-ARGILEUX 22 23 6 6 8,0 0,5 13,2 12,9 22,5 21,6 16,0 14,4 51,6 47,2 ARGILE LIMONEUSE ARGILE LIMONEUSE 24 25 6 7 4,1 50,1 12,1 6,9 20,8 10,1 15,8 6,9 48,7 24,0 ARGILE LIMONEUSE LOAM SABLO-ARGILEUX 26 27 7 7 58,7 53,8 6,7 7,1 8,2 11,5 6,4 3,6 21,3 22,2 LOAM SABLEUX LOAM SABLO-ARGILEUX 28 29 30 7 8 8 50,8 39,0 42,6 7,2 7,7 6,5 8,7 9,9 9,9 8,3 8,1 8,4 24,1 25,8 24,8 LOAM SABLO-ARGILEUX LOAM ARGILEUX LOAM ARGILEUX 31 32 8 8 57,8 57,9 5,1 6,2 9,5 9,5 5,6 5,6 20,3 21,3 LOAM SABLO-ARGILEUX LOAM SABLO-ARGILEUX 165
Tableau A. 4: Données brutes de l’analyse chimiques des sols étudiés
site 1 2 3 4 5 6 7 8 FR15 FR16 FR17 FR18 FR19 FR20 FR21 FR22 FR23 FR24 FR25 FR26 FR27 FR28 FR29 FR30 FR31 FR32 échantillon Nitrogen % Carbon % FR1 0,3003 3,92 FR2 FR3 0,4470 0,4559 5,71 5,94 FR4 FR5 FR6 0,4039 0,4169 0,4819 5,57 5,22 6,70 FR7 FR8 FR9 FR10 FR11 FR12 FR13 FR14 0,2538 0,2040 0,4588 0,5087 0,5304 0,4074 0,3506 0,3048 3,39 2,61 6,29 5,85 5,80 4,22 3,36 3,06 0,2777 0,3366 0,2740 0,3422 0,3601 0,3604 0,3206 0,3232 0,3354 0,3083 0,1881 0,1796 0,2247 0,2775 0,4371 0,3817 0,2513 0,2570 2,53 3,31 2,67 3,39 3,63 3,78 3,27 3,18 3,30 3,15 2,65 2,55 3,00 3,59 5,40 4,72 3,13 3,14 Matière organique % 6,76 9,84 10,24 9,60 9,00 11,55 5,84 4,50 10,84 10,09 10,00 7,28 5,79 5,28 4,36 5,71 4,60 5,84 6,26 6,52 5,64 5,48 5,69 5,43 4,57 4,40 5,17 6,19 9,31 8,14 5,40 5,41 NH 4 + ( mg/kg) 6,8 8,9 7,7 7,6 11,4 11,2 10,7 7,1 7,1 12,3 15,0 26,5 13,6 9,1 10,4 12,3 10,5 15,8 11,6 11,3 17,1 13,2 13,3 8,9 10,1 7,5 8,0 11,0 11,6 11,1 10,8 9,5 2,3 3,6 0,6 0,5 1,5 0,6 0,8 0,5 0,3 0,9 2,3 1,3 0,4 0,8 1,2 2,1 3,7 1,7 0,1 1,0 NO 3 - ( mg/kg) pH 4,5 6,46 11,5 7,7 8,2 5,97 5,93 5,82 3,8 5,0 3,3 2,5 8,0 7,8 7,2 2,7 4,82 5,27 5,04 5,06 5,54 4,87 4,84 4,68 5,07 5,03 4,99 4,75 5,22 4,83 4,8 4,96 4,66 4,92 5,31 5,5 5,06 5,25 5,63 5,58 5,61 5,22 4,81 5,37 Classe de réaction Faiblement acide Moyennement acide Moyennement acide Moyennement acide Très fortement acide Fortement acide Fortement acide Fortement acide Fortement acide Très fortement acide Très fortement acide Très fortement acide Fortement acide Fortement acide Très fortement acide Très fortement acide Fortement acide Très fortement acide Très fortement acide Très fortement acide Très fortement acide Très fortement acide Fortement acide Fortement acide Fortement acide Fortement acide Moyennement acide Moyennement acide Moyennement acide Fortement acide Très fortement acide Fortement acide C/N 13,1 12,8 13,0 13,8 12,5 13,9 13,4 12,8 13,7 11,5 10,9 10,4 9,6 10,0 9,1 9,8 9,7 9,9 10,1 10,5 10,2 9,8 9,8 10,2 14,1 14,2 13,4 12,9 12,4 12,4 12,5 12,2 166
Annexe D : Tests d'hypothèses pour les composantes azote totale et azote minérale N-NO
3 Tableau A. 5: Test d’hypothèse d’égalité des moyennes du contenu en azote total entre les parcelles Effet Moyennes des moindres carrés zone Valeur estimée Erreur type DDL Valeur du test t Pr > |t|
parcelle 1 parcelle 2 parcelle 3 parcelle 4 parcelle 5
0.4018 0.3392 0.4763 0.3174 0.3342 0.03484 0.03484 0.03484 0.03484 0.03484 24 11.53 <.0001 24 24 13.67 <.0001 24 24 9.74 <.0001 9.11 <.0001 9.59 <.0001
parcelle 6 parcelle 7
0.3219 0.2175 0.03484 0.03484 24 24 9.24 <.0001 6.24 <.0001
parcelle 8
0.3318 0.03484 24 9.52 <.0001 * Au seuil de 5%, tous les sites ont un contenu significativement différent de 0
Tableau A. 6: Test d'hypothèse de la moyenne du contenu en azote minéral NO 3 = 0
Moyennes des moindres carrés Effet parcelle parcelle parcelle parcelle parcelle parcelle parcelle parcelle 1 2 3 4 5 6 7 Valeur estimée 3.6500 6.4250 1.7500 0.8500 1.2000 1.1250 Erreur type 0.8211 0.8211 0.8211 0.8211 0.8211 0.8211 0.8211 parcelle 8 1.6250 0.8211 *Significativement différent de 0 au seuil 0,05 DDL 24 24 24 24 24 24 24 24 valeur du test t 9.71 4.45 7.83 2.13 1.04 1.46 1.37 1.98 Pr > |t| <.0001* 0.0002* <.0001* 0.0435* 0.3109 0.1569 0.1833 0.0594 167
Tableau A. 7: Test de Bonferroni en ce qui concerne la composante azote total
Différences des moyennes des moindres carrés Effet parcelle Effet parcelle parcelle 1 2 Effet parcelle Effet parcelle Effet 0.06263 0.04927 parcelle 24 1.27 0.2159 Bonferroni 1.0000 parcelle 1 parcelle 1 3 4 -0.07455 0.04927 0.08435 0.04927 24 -1.51 0.1433 Bonferroni 1.0000 24 1.71 0.0998 Bonferroni 1.0000 parcelle 1 parcelle 1 parcelle 1 parcelle 1 5 6 7 8 0.06760 0.04927 0.07990 0.04927 0.1843 0.04927 0.07000 0.04927 24 1.37 0.1827 Bonferroni 1.0000 24 1.62 0.1179 Bonferroni 1.0000 24 3.74 0.0010 Bonferroni 0.0283 24 1.42 0.1682 Bonferroni 1.0000 parcelle 2 parcelle 2 parcelle 2 parcelle 2 parcelle 2 parcelle 2 parcelle 3 parcelle 3 parcelle 3 parcelle 3 3 4 5 6 7 8 4 5 6 7 -0.1372 0.04927 0.02172 0.04927 0.004975 0.04927 0.01728 0.04927 0.1217 0.04927 0.007375 0.04927 0.1589 0.04927 0.1422 0.04927 0.1545 0.04927 0.2589 0.04927 24 -2.78 0.0103 Bonferroni 0.2883 24 0.44 0.6632 Bonferroni 1.0000 24 0.10 0.9204 Bonferroni 1.0000 24 0.35 0.7289 Bonferroni 1.0000 24 2.47 0.0210 Bonferroni 0.5886 24 0.15 0.8823 Bonferroni 1.0000 24 3.23 0.0036 Bonferroni 0.1011 24 2.89 0.0081 Bonferroni 0.2278 24 3.13 0.0045 Bonferroni 0.1258 24 5.25 <.0001 Bonferroni 0.0006 parcelle 3 parcelle 4 parcelle 4 parcelle 4 parcelle 4 parcelle 5 parcelle 5 parcelle 5 parcelle 6 parcelle 6 parcelle 7 8 5 6 7 8 6 7 8 7 8 8 0.1445 0.04927 -0.01675 0.04927 -0.00445 0.04927 0.09995 0.04927 -0.01435 0.04927 0.01230 0.04927 0.1167 0.04927 0.002400 0.04927 0.1044 0.04927 -0.00990 0.04927 -0.1143 0.04927 24 2.93 0.0073 Bonferroni 0.2031 24 -0.34 0.7368 Bonferroni 1.0000 24 -0.09 0.9288 Bonferroni 1.0000 24 2.03 0.0537 Bonferroni 1.0000 24 -0.29 0.7733 Bonferroni 1.0000 24 0.25 0.8050 Bonferroni 1.0000 24 2.37 0.0262 Bonferroni 0.7348 24 0.05 0.9616 Bonferroni 1.0000 24 2.12 0.0446 Bonferroni 1.0000 24 -0.20 0.8424 Bonferroni 1.0000 24 -2.32 0.0292 Bonferroni 0.8166 168
Tableau A. 8: Test de Bonferroni pour les groupements en ce qui concerne la composante azote minérale NO3
Différences des moyennes des moindres carrés Significatif ou non 4.3250 1.1612 24 1.5500 1.1612 24 6.2250 1.1612 24 7.1250 1.1612 24 6.7750 1.1612 24 6.8500 1.1612 24 6.3500 1.1612 24 -2.7750 1.1612 24 1.9000 1.1612 24 2.8000 1.1612 24 2.4500 1.1612 24 2.5250 1.1612 24 2.0250 1.1612 24 4.6750 1.1612 24 5.5750 1.1612 24 5.2250 1.1612 24 5.3000 1.1612 24 4.8000 1.1612 24 0.9000 1.1612 24 0.5500 1.1612 24 0.6250 1.1612 24 0.1250 1.1612 24 -0.3500 1.1612 24 -0.2750 1.1612 24 -0.7750 1.1612 24 0.07500 1.1612 24 -0.4250 1.1612 24 -0.5000 1.1612 24 Le test d’hypothèse est « moyenne de la zone 1 = moyenne de la zone 2 », donc avec une petite valeur p, on rejette cette hypothèse. 169
argile
argile
Annexe E : Analyses des coefficients de corrélation de Pearson
Tableau A. 9: Analyse et valeurs des coefficients de Pearson
azotal
azotal
carbo
carbo
CN
CN
MO
MO
amone
amone
nitrate
nitrate
pH
pH
Azote total
1.00000 n=32 0.63990 <.0001 n=32 -0.72522 <.0001 n=32 0.64026 <.0001 n=32 0.32589 0.0736 n=31 0.59459 0.0004 n=31 0.24662 0.1736 n=32 0.32167 0.0726 n=32
carbo
0.63990 <.0001 n=32 1.00000 n=32 -0.04546 0.8048 n=32 1.00000 <.0001 32 -0.04570 0.8071 n=31 0.83251 <.0001 n=31 0.01849 0.9200 n=32 0.10993 0.5492 n=32
Pearson Correlation Coefficients Prob > |r| under H0: Rho=0 Number of Observations C/N MO NH4
-0.72522 <.0001 n=32 -0.04546 0.8048 n=32 0.64026 <.0001 n=32 1.00000 <.0001 n=32 0.32589 0.0736 n=31 -0.04570 0.8071 n=31 1.00000 n=32 -0.04583 0.8033 32 -0.04583 0.8033 n=32 1.00000 n=32 -0.28805 0.1161 n=31 -0.04560 0.8076 n=31 -0.28805 0.1161 n=31 -0.05141 0.7836 n=31 -0.29909 0.0963 n=32 -0.01796 0.9223 n=32 -0.04560 0.8076 n=31 0.83238 <.0001 n=31 0.01861 0.9195 n=32 0.11014 0.5485 n=32 1.00000 n=31 -0.26153 0.1627 30 0.28893 0.1149 n=31 0.31880 0.0805 n=31
nitrate
0.59459 0.0004 n=31 0.83251 <.0001 n=31 -0.05141 0.7836 n=31 0.83238 <.0001 n=31 -0.26153 0.1627 30 1.00000 n=31 -0.03028 0.8716 n=31 0.21430 0.2470 n=31
pH
0.24662 0.1736 n=32 0.01849 0.9200 n=32 -0.29909 0.0963 n=32 0.01861 0.9195 n=32 0.28893 0.1149 n=31 -0.03028 0.8716 n=31 1.00000 n=32 -0.06596 0.7198 n=32
argile
0.32167 0.0726 n=32 0.10993 0.5492 n=32 -0.01796 0.9223 n=32 0.11014 0.5485 n=32 0.31880 0.0805 n=31 0.21430 0.2470 n=31 -0.06596 0.7198 n=32 1.00000 n=32 170
Annexe F: Données allométriques des espèces échantillonnées
Plusieurs espèces végétales naturelles ont été observées sur les terres en friches à Saint Augustin-de-Desmaures entre le 15 juin et le 15 juillet 2011. Parmi celles-ci, onze essences de type arbustif étaient prédominantes par la fréquence et le volume de biomasse. Pour chacune de ces onze essences principales, on a procédé à la coupe mécanique (échantillonnage destructif à 10 cm du sol) de plusieurs tiges couvrant la plage des diamètres observés. Chaque tige était pesée (MH, masse humide) et convertie en masse sèche (MS) à partir d’une moyenne de teneur en eau (TEE) basée sur un minimum de 4 échantillons par espèce séchés à l’étuve. Les données originales sont présentées dans les tableaux suivants, ainsi qu’une analyse simple de la relation entre la masse sèche (MS) par tige et les diamètres mesurés à la base (DB, à 10 cm du sol) et à hauteur de poitrine (DHP, 1,37 m du sol).
Tableau A. 10: Données destructives pour l’amélanchier.
Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 DB 62,26 43,76 51,22 54,71 21,64 64,95 80,09 60,36 34,07 43,28 20,14 19,61 26,1 13,82 28,97 32 71,75 58,23 62,25 34,64 68 60,37 35,22 37,96 11,47 DHP (mm) 20,91 55,05 36,31 41,58 52,12 18,96 57,01 56,66 51,67 22,42 30,03 11,62 15,02 19,83 9,86 22,86 28,22 51,78 49,07 41,62 30,29 53,48 45,94 20,61 18,84 0 MS (g) 1556 8372 3855 4857 7746 576 8605 13907 8531 1435 2279 493 487 697 235 1549 1381 12982 7625 6982 2217 7129 8417 1937 1384 83 MH (g) 2445 13160 6060 7635 12175 905 13525 21860 13410 2255 3582 775 765 1095 370 2435 2170 20405 11985 10975 3485 11205 13230 3045 2175 130 DB/DHP 1,39 1,19 1,50 1,14 1,27 1,31 1,71 2,01 NA 1,13 1,21 1,23 1,05 1,14 1,14 1,41 1,17 1,52 1,44 1,73 1,31 1,32 1,40 1,27 1,13 171
27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 moyenne Écart-type minimum maximum (TEE moyenne de 36,38%) 13,55 8,56 12,44 11,58 20,49 13,28 15,34 16,39 21,98 18,04 13,37 12,03 11,34 24,41 20,46 34,37 37,78 40,68 18,7 21,79 21,07 14,45 32,26 19,56 8,56 80,09 0 0 0 0 7,17 0 9,78 16,22 9,36 6,8 0 0 5,59 9,02 16,26 23,62 18,07 23,52 12,64 15,84 11,06 7,37 21,96 18,21 0,00 57,01 121 54 115 89 404 118 184 242 356 331 118 80 86 525 604 1730 1753 1991 344 423 366 153 2615 3618 54 13907 190 85 180 140 635 185 290 380 560 520 185 125 135 825 950 2720 2755 3130 540 665 575 240 4110 5687 85 21860
Amélanchier: MS = f (DB)
16000 14000 12000 10000 8000 6000 4000 2000 0 0 y = 0,1461x 2,6391 R² = 0,9832 20 40 60 80
Diamètre à la base (10 cm du sol, en mm)
100 Figure A. 1: MS de tiges d’amélanchier en fonction du diamètre à la base 2,09 1,73 1,48 1,38 1,91 1,96 1,55 0,47 1,01 2,86 NA NA NA NA 2,86 NA 1,57 1,01 2,35 2,65 NA NA 2,03 2,71 1,26 1,46 172
Tableau A. 11: Données destructives pour l’aulne.
DHP (g) 65,84 32,98 69,32 58,92 25,33 63,72 42,7 31,33 59,31 77,42 44,85 28,95 77,9 26,85 32,94 35,39 45,39 48,04 32,45 31,96 30,78 19,93 33,08 19,95 19,86 17,15 10,09 0,00 6,77 0,00 6,84 9,68 13,36 9,51 9,92 49,25 37,71 41,81 DB (mm) 95,88 40,10 88,96 76,10 33,99 80,00 53,87 42,15 70,33 120,04 54,16 36,96 94,66 39,47 48,72 49,90 58,04 67,76 44,39 42,32 40,30 38,46 43,63 23,94 23,52 25,42 16,39 11,42 14,30 12,47 13,09 17,53 20,34 17,60 17,98 61,28 50,31 62,14 Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 31 32 33 34 35 36 37 38 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 MS (g) 10221 10905 6901 1155 5751 3551 1817 7262 11551 4332 3468 1680 12407 10848 1995 2310 4324 4141 1925 1710 1675 3131 2071 474 590 415 188 73 105 65 137 188 312 180 137 4558 2499 3761 1,22 1,28 1,29 1,34 1,26 1,26 1,35 1,19 1,55 1,21 1,28 1,22 1,47 1,48 1,41 1,28 1,41 1,37 1,32 1,31 1,93 1,32 1,20 1,18 1,48 1,62 NA 2,11 NA 1,91 1,81 1,52 1,85 1,81 1,24 1,33 1,49 MH (g) 18980 20250 12815 2145 10680 6595 3375 13485 21450 8045 6440 3120 23040 20145 3705 4290 8030 7690 3575 3175 3110 5815 3845 880 1095 770 350 135 195 120 255 350 580 335 255 8465 4640 6985 DB/DHP 173
174 71 72 73 74 75 76 77 78 79 80 81 82 83 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 55,69 84,28 89,98 28,05 40,63 35,64 30,38 33,14 19,39 19,35 20,13 20,45 17,46 47,16 68,51 37,32 48,75 70,72 51,87 21,75 32,46 66,26 33,05 21,05 46,22 27,95 43,96 23,63 32,48 30,49 38,88 35,45 37,36 39,41 89,16 59,78 48,34 44,19 64,74 65,64 56,21 54,48 61,99 60,07 65,67 41,90 61,18 69,96 10,90 14,63 10,28 13,02 14,38 7,76 13,09 13,40 7,96 11,39 36,19 51,92 26,59 35,22 47,54 37,26 15,27 21,97 49,13 17,68 12,98 33,05 15,46 34,64 16,86 22,93 23,16 30,42 24,77 26,73 36,45 61,51 47,85 33,10 33,08 51,48 50,57 46,98 41,42 47,31 49,63 51,23 2832 6725 9209 488 1060 772 409 573 178 205 216 174 159 2526 5751 1260 2181 5417 2520 377 983 4426 1096 390 1774 708 1564 617 950 832 1529 1072 1072 1142 9400 3267 1919 1614 3649 4085 3611 2668 3444 4747 4106 5259 12488 17101 906 1968 1434 760 1064 330 380 401 323 295 4690 10680 2340 4050 10060 4680 700 1825 8220 2035 725 3295 1315 2905 1145 1765 1545 2840 1990 1990 2120 17455 6066 3564 2998 6776 7585 6705 4954 6395 8816 7624 1,33 1,38 1,29 2,57 2,78 3,47 2,33 2,30 2,50 1,48 1,50 2,57 1,53 1,30 1,32 1,40 1,38 1,49 1,39 1,42 1,48 1,35 1,87 1,62 1,40 1,81 1,27 1,40 1,42 1,32 1,28 1,43 1,40 1,08 1,45 1,25 1,46 1,34 1,26 1,30 1,20 1,32 1,31 1,21 1,28
84 85 86 moyenne écart-type minimum maximum 23,61 17,92 21,02 44,54 22,88 11,42 120,04 12,74 6,58 10,13 31,59 307 145 205 2711 18,97 0,00 2983 65 77,90 12407 (TEE moyenne de 35,67%) 570 270 380 5035 5540 120 23040 1,85 2,72 2,08 1,54 0,43 1,08 3,47
Aulne: MS = f(DB)
14000 12000 10000 8000 6000 4000 2000 y = 0,301x 2,2944 R² = 0,8424 0 0 20 40 60 80 100 120
Diamètre à la base (10 cm du sol, en mm)
140
Figure A. 2: MS de tiges d’aulne en fonction du diamètre à la base Tableau A. 12: Données destructives pour le cerisier tardif.
Numéro de DB DHP MS 6 7 8 9 10 11 12 13 14 15 l'échantillon (mm) 1 2 3 4 5 14,87 12,08 21,77 17,00 20,28 12,76 21,32 30,07 18,88 21,68 25,67 29,48 41,43 45,65 60,03 (g) 5,64 4,10 14,38 4,75 10,45 0,00 11,29 13,39 11,41 13,08 17,34 16,19 23,20 30,60 28,71 (g) 185 192 349 120 266 83 334 65 306 417 596 269 2342 3145 4399
Aulne: MS = f(DHP)
14000 12000 10000 8000 6000 4000 2000 y = 0,8988x 2 + 48,317x R² = 0,55 0 0 20 40 60 80 100
Diamètre à hauteur de poitrine (137 cm du sol, en mm) diamètre à hauteur de poitrine
MH 300 310 565 195 430 135 540 105 495 675 965 435 3790 5090 7120 DB/DHP 2,64 2,95 1,51 3,58 1,94 NA 1,89 2,25 1,65 1,66 1,48 1,82 1,79 1,49 2,09 175
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 19,02 19,12 27,00 23,27 24,13 25,86 28,29 27,84 18,51 21,04 16,10 16,09 91,46 39,21 31,65 32,02 32 33 34 35 36 37 38 39 89,93 40,58 37,08 70,95 63,08 52,64 131,00 62,00 40 41 moyenne Écart-type 69,00 74,00 37,65 25,92 minimum maximum 12,08 131,00 (TEE moyenne de 38,21%) 9,78 8,60 20,12 11,95 11,34 14,80 17,01 15,65 6,51 9,09 7,55 5,43 65,20 22,97 31,33 15,10 21,11 19,46 29,24 44,90 41,38 31,45 78,00 44,00 64,00 57,00 22,13 18,26 0,00 78,00 33 219 633 463 436 572 559 619 235 371 170 124 22899 1304 893 828 1773 1483 1746 7909 5499 2815 17984 5865 10575 9089 2638 4852 33 22899 53 355 1024 750 705 925 905 1002 380 600 275 200 37060 2110 1445 1340 2870 2400 2825 12800 8900 4555 29105 9492 17114 14709 4269 7852 53 37060 1,94 2,22 1,34 1,95 2,13 1,75 1,66 1,78 2,84 2,31 2,13 2,96 1,40 1,71 1,01 2,12 4,26 2,09 1,27 1,58 1,52 1,67 1,68 1,41 1,08 1,30 1,80 0,66 0,43 4,26 176
Cerisier tardif: MS = f(DB) Cerisier tardif: MS = f(DHP)
25000 20000 15000 10000 5000 y = 0,1647x 2,4528 R² = 0,8302 25000 20000 15000 10000 5000 y = 3,5434x 2 - 10,819x R² = 0,8858 0 0,00 20,00 40,00 60,00 80,00 100,00 120,00 140,00
Diamètre à la base (10 cm du sol, en mm) fonction du diamètre à la base
0 0,00 20,00 40,00 60,00 80,00 100,00
Diamètre à hauteur de poitrine (137 cm du sol, en mm) fonction du diamètre à hauteur de poitrine.
177
Tableau A. 13: Données destructives pour le cornouiller stolonifère.
Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 DB (mm) 14,67 8,71 13,48 8,58 15,62 14,05 19,76 15,49 15,4 17,52 13,9 11,95 8,92 8,95 7,62 7,03 9,88 9,68 9,65 15,44 17,45 9,72 15,32 14,03 9,33 12,37 11,72 11,26 8,30 8,44 11,67 10,99 18,21 14,55 11,64 14,92 9,69 17,07 12,15 12,82 11,71 9,11 16,81 98 95 143 150 86 155 61 249 94 127 150 52 228 MS (g) 196 59 169 54 167 70 236 219 142 224 109 64 34 43 25 28 35 32 45 169 230 37 159 102 46 107 78 73 44 60 2,84 3,09 3,20 3,30 3,47 3,50 3,57 3,66 3,70 3,80 3,95 4,11 4,31 DHP (g) 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 2,43 2,55 182 176 266 278 160 288 114 462 174 236 278 96 424 MH 364 110 314 100 310 130 438 406 264 416 202 119 64 80 46 52 65 60 84 314 428 68 295 190 86 198 145 136 82 112 4,11 3,56 5,69 4,41 3,35 4,26 2,71 4,66 3,28 3,37 2,96 2,22 3,90 DB/DHP NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 3,42 3,31 178
44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 moyenne écart-type minimum maximum 10,48 14,84 12,05 14,72 14,37 14,06 16,38 16,11 21,15 13,12 10,45 15,87 10,51 14,02 9,38 11,58 8,01 12,79 16,72 12,4 12,18 10,41 10,27 18,23 16,06 16,94 15,13 17,31 12,80 14,35 11,92 8,44 9,19 12,87 3,21 7,03 21,15 4,41 4,67 4,98 5,15 5,23 5,24 5,58 5,61 5,68 5,78 5,90 5,91 6,18 6,23 6,34 6,40 6,47 6,55 6,56 6,74 7,00 7,37 7,70 7,84 7,89 7,96 8,42 8,43 8,57 9,45 9,55 10,14 11,08 3,66 3,28 0,00 60 128 85 25 11,08 501 (TEE moyenne de 46,16%) 58 155 109 124 151 170 201 115 501 144 55 180 80 144 47 74 37 88 249 83 90 96 84 338 164 257 164 304 128 306 150 53 108 288 203 230 280 316 374 214 930 268 102 334 148 268 88 138 68 164 462 155 168 178 156 627 304 478 304 564 238 568 278 98 112 237 158 46 930 2,38 3,18 2,42 2,86 2,75 2,68 2,94 2,87 3,72 2,27 1,77 2,69 1,70 2,25 1,48 1,81 1,24 1,95 2,55 1,84 1,74 1,41 1,33 2,33 2,04 2,13 1,80 2,05 1,49 1,52 1,25 0,83 0,83 2,57 1,05 0,83 5,69 179
cornouiller: MS = f(DB)
600 500 400 300 200 100 0 0,00 y = 0,2479x 2,3921 R² = 0,8427 5,00 10,00 15,00 20,00
Diamètre à la base (10 cm du sol, en mm)
25,00
Figure A. 6: MS de tiges de cornouiller stolonifère en fonction du diamètre à la base.
La figure intégrant le DHP comme variable de prédiction de la variable réponse matière sèche n’est pas valable pour l’essence cornouiller. 180
Tableau A. 14: Données destructives pour l’érable rouge.
Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 144 141 204 120 359 551 81 144 671 443 39 1721 MS (g) 14132 6331 3146 6412 7577 1503 2086 3338 1470 2494 2434 1410 2089 2970 1443 1518 3805 3823 14093 20796 1203 3239 668 1437 668 1880 1072 578 287 99 5,24 7,57 5,80 5,88 11,12 16,05 0,00 4,30 16,95 13,12 6,73 35,01 DHP (g) 62,70 49,30 35,46 53,81 61,85 24,69 32,78 35,40 26,45 31,65 33,24 24,88 33,39 36,80 27,18 27,58 40,76 38,72 70,75 82,39 18,96 40,46 16,35 27,35 20,62 33,38 17,73 15,94 15,35 0,00 17,11 13,58 18,46 12,87 22,51 25,30 11,52 18,23 27,15 22,18 10,53 53,57 DB (mm) 75,09 52,29 43,33 62,17 68,16 38,87 40,70 46,86 38,54 48,67 44,62 35,10 43,00 44,88 37,43 39,78 58,92 56,78 95,47 107,90 33,55 44,60 30,02 35,25 27,37 38,48 29,87 26,83 24,97 11,11 240 235 340 200 600 920 135 240 1120 740 65 2875 MH 23605 10575 5255 10710 12655 2510 3485 5575 2455 4165 4065 2355 3490 4960 2410 2535 6355 6385 23540 34735 2010 5410 1115 2400 1115 3140 1790 965 480 165 DB/DHP 1,20 1,06 1,22 1,16 1,10 1,57 1,24 1,32 1,46 1,54 1,34 1,41 1,29 1,22 1,38 1,44 1,45 1,47 1,35 1,31 1,77 1,10 1,84 1,29 1,33 1,15 1,68 1,68 1,63 NA 3,27 1,79 3,18 2,19 2,02 1,58 NA 4,24 1,60 1,69 1,56 1,53 181
43 44 45 46 47 48 49 50 51 52 53 54 55 moyenne écart-type minimum maximum 31,87 22,84 27,21 44,26 52,58 29,27 29,19 57,34 39,78 28,35 49,10 35,12 162,00 40,77 25,46 10,53 22,97 16,90 17,72 34,34 37,90 18,67 22,18 43,81 28,71 18,85 39,32 24,33 90,63 28,73 19,20 0,00 162,00 90,63 24969 (TEE moyenne de 40,13%) 928 656 724 2386 4185 709 880 4739 1548 569 3086 1206 24969 3004 4857 39 1550 1095 1210 3985 6990 1185 1470 7915 2585 950 5155 2015 41705 5017 8113 65 41705 1,39 1,35 1,54 1,29 1,39 1,57 1,32 1,31 1,39 1,50 1,25 1,44 1,79 1,57 0,56 1,06 4,24
Érable rouge: MS = f(DB)
30000 25000 20000 15000 10000 5000 0 0,00 y = 0,1673x 2,5072 R² = 0,9601 50,00 100,00 150,00
Diamètre à la base (10 cm du sol, en mm) Figure A. 7: MS de tiges de l’érable rouge en fonction du diamètre à la base.
200,00
Érable rouge: MS = f(DHP)
30000 25000 20000 15000 10000 y = 3,7251x 2 - 68,01x + 534,81 R² = 0,979 5000 0 0,00 20,00 40,00 60,00 80,00 100,00
Diamètre à hauteur de poitrine (137 cm du sol, en mm) Figure A. 8: MS de tiges de l’érable rouge en fonction du diamètre à hauteur de poitrine.
182
Tableau A. 15: Données destructives pour le frêne rouge de Pennsylvanie.
Numéro de DB DHP MS MH DB/DHP 10,73 16,04 10,92 78,00 68,00 63,00 96,00 67,00 27,55 21,28 7,50 96,00 (mm) 38,25 39,04 44,65 41,39 29,55 46,67 28,84 27,37 28,36 23,12 20,48 12,48 20,56 12,65 14,87 13,89 19,76 21,26 11,88 14,25 23,64 8,83 10,54 14,35 15,16 15,50 16,23 7,50 12,09 8,16 23,32 l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 moyenne écart-type minimum maximum (g) 29,93 28,53 31,10 31,02 21,13 35,27 19,35 20,56 21,01 13,43 13,06 5,14 6,54 6,71 8,35 5,57 11,57 10,55 3,68 8,72 10,84 6,76 5,10 0,00 8,17 9,56 7,49 0,00 0,00 0,00 9,95 7,26 7,12 5,70 68,00 50,00 38,00 69,00 44,00 328 297 164 10441 8234 2830 14157 5743 17,39 17,46 0,00 69,00 1576 3051 34 14157 (TEE moyenne de 38,17%) (g) 1428 1768 2516 2384 940 3280 699 764 971 492 309 114 294 130 247 158 34 328 93 182 454 102 127 176 198 201 275 77 105 77 331 1,48 2,25 1,92 1,15 1,36 1,66 1,39 1,52 1,78 0,51 1,15 3,23 1,28 1,37 1,44 1,33 1,40 1,32 1,49 1,33 1,35 1,72 1,57 2,43 3,14 1,89 1,78 2,49 1,71 2,02 3,23 1,63 2,18 1,31 2,07 NA 1,86 1,62 2,17 NA NA NA 2,34 530 480 265 16887 13317 4577 22897 9288 2548 4934 55 22897 2310 2860 4070 3855 1520 5305 1130 1235 1570 795 500 185 475 210 400 255 55 530 151 295 735 165 205 285 320 325 445 125 170 125 535 183
16000 14000 12000 10000 8000 6000 4000 2000 0 0,00
Frêne rouge de Pennsylvanie: MS = f(DB)
y = 0,6643x 2,1237 R² = 0,887 20,00 40,00 60,00 80,00 100,00
Diamètre à la base (10 cm du sol, en mm) Figure A. 9: MS de tiges de frêne rouge de Pennsylvanie en fonction du diamètre à la base.
120,00
Frêne rouge de Pennsylvanie: MS = f(DHP)
16000 14000 12000 10000 y = 2,9413x 2 - 18,113x + 127,86 R² = 0,9691 8000 6000 4000 2000 0 0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00
Diamètre à hauteur de poitrine (137 cm du sol, en mm) Pennsylvanie en fonction du diamètre à hauteur de poitrine.
184
Tableau A. 16: Données destructives pour le peuplier faux-tremble.
Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 DB (mm) 57,75 51,87 81,54 52,96 64,43 92,11 83,33 111,24 40,17 97,01 58,83 37,86 32,91 31,40 25,43 37,50 69,79 28,27 68,60 45,30 57,44 26,37 53,85 44,52 12,68 17,77 22,86 12,74 18,38 21,55 24,22 7,58 12,12 24,43 13,86 12,44 20,89 6,59 7,30 6,79 11,11 15,29 327 30 86 311 92 84 303 11 24 11 65 105 MS (g) 1879 2719 12591 2962 6725 11101 11969 21543 1519 14556 2814 1435 719 843 570 1243 4473 808 6057 3944 3414 730 3906 2906 122 251 281 92 243 365 12,26 0,00 3,73 11,92 4,39 0,00 6,63 0,00 0,00 0,00 0,00 0,00 DHP (g) 37,96 43,54 69,00 42,21 60,16 85,33 71,43 94,90 30,29 78,86 47,99 29,43 20,36 24,21 12,64 26,96 39,95 22,09 57,29 34,92 47,41 21,04 35,39 29,68 6,01 8,74 11,16 4,23 9,03 6,38 605 55 160 575 170 155 560 20 45 20 120 195 MH 3475 5030 23290 5480 12440 20535 22140 39850 2810 26925 5205 2655 1330 1560 1055 2300 8275 1495 11205 7295 6315 1350 7225 5375 225 465 520 170 450 675 DB/DHP 1,52 1,19 1,18 1,25 1,07 1,08 1,17 1,17 1,33 1,23 1,23 1,29 1,62 1,30 2,01 1,39 1,75 1,28 1,20 1,30 1,21 1,25 1,52 1,50 2,11 2,03 2,05 3,01 2,04 3,38 1,98 NA 3,25 2,05 3,16 NA 3,15 NA NA NA NA NA 185
43 44 45 46 47 48 49 50 51 moyenne écart-type minimum maximum 8,63 7,39 6,81 7,97 17,91 80,92 89,32 93,37 0,00 0,00 0,00 0,00 6,32 67,17 65,66 84,51 24 16 24 32 211 9091 8837 12441 90,35 39,64 30,08 6,59 79,35 28,44 28,38 0,00 16257 3356 5092 11 111,24 94,90 21543 (TEE moyenne de 45,94%) 45 30 45 60 390 16816 16346 23013 30073 6208 9418 20 39850 NA NA NA NA 2,83 1,20 1,36 1,10 1,14 1,70 0,69 1,07 3,38
Peuplier faux-tremble: MS = f(DB )
25000 20000 15000 10000 5000 0 0,00 y = 0,1355x 2,5318 R² = 0,9861 20,00 40,00 60,00 80,00 100,00
Diamètre à la base (10 cm du sol, en mm) Figure A. 11: MS de tiges de peuplier faux- tremble en fonction du diamètre à la base. Peuplier faux-tremble: MS = f(DHP)
25000 20000 15000 y = 2,313x 2 - 16,724x + 133,75 R² = 0,948 10000 5000 0 0,00 20,00 40,00 60,00 80,00 100,00
Diamètre à hauteur de poitrine (137 cm du sol, en mm)
120,00
tremble en fonction du diamètre à hauteur de poitrine.
186
Tableau A. 17: Données destructives pour le pommier sauvage.
Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 moyenne écart-type minimum maximum DB 66,68 32,34 28,89 28,4 36,47 35,09 31,42 38,98 49,88 55,49 15,81 20,04 18,4 16,28 9,63 7,87 56,75 104,97 104,6 74,78 110,00 44,89 31,41 7,87 110,00 DHP 42,85 22,45 12,77 11,63 18,74 23,39 15,56 25,03 38,72 37,96 7,22 12 9,1 7,1 4,39 4,2 49,63 95,36 64,65 57,4 88,00 30,86 26,91 4,20 MS 6524 766 458 482 1124 999 501 1213 3528 3694 182 308 220 112 46 37 8384 14335 21660 9463 14282 4206 6086 37 95,36 21660 (TEE moyenne de 47,88%) MH 12517 1469 878 925 2157 1916 960 2327 6770 7088 349 591 421 216 87 72 16087 27504 41557 18157 27401 8069 11678 72 41557 DB/DHP 1,56 1,44 2,26 2,44 1,95 1,50 2,02 1,56 1,29 1,46 2,19 1,67 2,02 2,29 2,19 1,87 1,14 1,10 1,62 1,30 1,25 1,72 0,41 1,10 2,44
Pommier sauvage: MS = f(DB) Pommier sauvage: MS = f(DHP)
25000 25000 20000 y = 0,1407x 2,5205 R² = 0,9737 20000 y = 2,4567x 2,0071 R² = 0,9739 15000 10000 15000 10000 5000 5000 0 0 20 40 60 80 100
Diamètre à la base (10 cm du sol, en mm )
120
Figure A. 13: MS de tiges de pommier sauvage en fonction du diamètre à la base.
0 0 20 40 60 80 100
Diamètre à hauteur de poitrine (137 cm du sol, en mm)
120
Figure A. 14: MS de tiges de pommier sauvage en fonction du diamètre à hauteur de poitrine.
187
Tableau A. 18: Données destructives pour le saule.
31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 0,00 5,21 0,00 5,03 11,37 5,24 8,54 6,64 50,42 26,43 62,93 82,66 58,96 27,69 37,17 27,95 25,02 DHP (g) 12,51 17,22 14,16 31,38 51,81 64,49 66,14 41,42 48,39 34,07 34,43 38,52 31,04 102,19 49,60 59,39 20,07 15,53 34,79 78,97 9,07 7,31 0,00 8,02 9,68 10,02 8,74 10,37 8,51 4,60 10,68 17,85 11,48 15,14 25,31 13,38 16,58 15,04 100,00 41,95 115,00 112,28 132,00 41,49 55,79 40,06 28,92 DB (mm) 27,73 37,27 35,39 57,13 63,40 78,44 104,46 59,64 80,04 66,04 54,07 62,07 53,87 143,16 100,59 90,06 24,99 33,92 56,15 95,97 14,39 12,49 12,98 13,69 17,62 13,38 15,49 20,95 16,30 13,38 199 80 106 704 77 215 93 35 13385 1474 20399 17903 18741 1439 3331 2087 823 MS (g) 823 2040 1292 3721 2468 9376 16210 5511 8040 8029 5738 6297 2352 31044 5607 14211 813 794 4717 14728 93 100 67 132 103 157 180 389 186 58 310 125 165 1095 120 335 145 55 20829 2294 31745 27860 29165 2240 5183 3248 1281 MH 1280 3175 2010 5790 3840 14590 25225 8576 12512 12495 8930 9800 3660 48310 8725 22115 1265 1235 7340 22920 145 155 105 205 160 245 280 605 290 90 NA 3,43 NA 3,01 2,23 2,55 1,94 2,27 1,98 1,59 1,83 1,36 2,24 1,50 1,50 1,43 1,16 DB/DHP 2,22 2,16 2,50 1,82 1,22 1,22 1,58 1,44 1,65 1,94 1,57 1,61 1,74 1,40 2,03 1,52 1,25 2,18 1,61 1,22 1,59 1,71 NA 1,71 1,82 1,34 1,77 2,02 1,92 2,91 188
48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 moyenne écart-type minimum maximum 43,31 35,30 38,06 15,12 15,13 18,89 34,51 18,66 17,40 17,35 14,76 16,03 17,99 20,31 18,02 13,76 15,34 41,22 33,83 10,68 143,16 35,09 19,97 20,10 7,40 6,16 8,78 18,47 14,41 11,03 11,43 6,34 9,21 13,55 13,11 11,27 7,97 9,97 24,81 22,77 0,00 102,19 31044 (TEE moyenne de 35,74%) 1720 1369 993 152 60 139 630 271 161 146 118 120 280 260 184 67 138 3643 6296 35 2677 2130 1545 236 93 217 981 421 251 227 184 187 436 404 287 104 215 5670 9798 55 48310 1,23 1,77 1,89 2,04 2,46 2,15 1,87 1,29 1,58 1,52 2,33 1,74 1,33 1,55 1,60 1,73 1,54 1,81 0,46 1,16 3,43 35000 30000 25000 20000 15000 10000 5000 0 0,00
Saule de Bebb: MS = f(DB
y = 0,1697x 2,4519 R² = 0,9229
)
20,00 40,00 60,00 80,00 100,00 120,00 140,00 160,00
Diamètre à la base (10 cm du sol, en mm) Figure A. 15: MS de tiges de saule sauvage en fonction du diamètre à la base. Saule de Bebb: MS = f(DHP)
35000 30000 25000 20000 15000 10000 y = 2,3348x 2 + 65,574x - 612,7 R² = 0,8854 5000 0 0,00 20,00 40,00 60,00 80,00 100,00 120,00
Diamètre à hauteur de poitrine (137 cm du sol, en mm) Figure A. 16: MS de tiges de saule sauvage en fonction du diamètre à hauteur de poitrine.
189
Tableau A. 19: Données destructives pour la viorne trilobée.
Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 DB (mm) 13,00 19,00 18,00 16,00 32,00 49,00 40,00 36,00 48,00 51,00 38,00 22,00 26,00 32,00 17,00 14,00 13,00 16,00 19,00 17,00 53,00 16,00 51,00 40,00 44,00 39,00 25,00 15,00 19,00 7,00 5,00 12,00 8,00 12,00 20,00 14,00 10,00 28,00 13,00 11,00 17,00 27,00 24,00 15 83 55 105 618 58 75 1180 69 87 215 584 658 MS (g) 92 399 149 125 563 2897 2434 2952 3570 2224 815 1054 2224 815 135 273 224 341 431 352 3649 287 1176 2637 3122 2991 215 144 316 30 0,00 3,00 4,00 8,00 20,00 4,00 3,00 15,00 0,00 0,00 8,00 12,00 16,00 DHP (g) 13,00 17,00 8,00 9,00 17,00 36,00 34,00 21,00 25,00 28,00 30,00 18,00 18,00 31,00 5,00 13,00 12,00 13,00 16,00 15,00 39,00 15,00 32,00 34,00 37,00 35,00 9,00 12,00 10,00 0,00 28 156 104 198 1166 110 142 2228 130 164 406 1102 1242 MH 174 754 282 236 1062 5469 4595 5573 6739 4199 1538 1990 4199 1538 254 516 422 644 814 664 6889 542 2220 4979 5893 5647 406 272 596 56 NA 4,00 2,00 1,50 1,00 3,50 3,33 1,87 NA NA 2,13 2,25 1,50 DB/DHP 1,00 1,12 2,25 1,78 1,88 1,36 1,18 1,71 1,92 1,82 1,27 1,22 1,44 1,03 3,40 1,08 1,08 1,23 1,19 1,13 1,36 1,07 1,59 1,18 1,19 1,11 2,78 1,25 1,90 NA 190
44 45 46 47 48 49 moyenne écart-type minimum maximum 19,00 22,00 17,00 31,00 24,00 31,00 24,29 12,89 5,00 53,00 10,00 20,00 12,00 12,00 12,00 30,00 16,14 10,99 292 342 384 573 415 1435 896 1081 0,00 39,00 15 3649 (TEE moyenne de 47,03%) 552 646 724 1082 784 2709 1691 2040 28 6889 1,90 1,10 1,42 2,58 2,00 1,03 1,70 0,74 1,00 4,00
Viorne trilobée: MS = f(DB)
4000 3500 3000 2500 2000 1500 1000 500 0 0,00 y = 0,3255x 2,3371 R² = 0,8697 10,00 20,00 30,00 40,00 50,00
Diamètre à la base (10 cm du sol, en mm) Figure A. 17: MS de tiges de viorne trilobée en fonction du diamètre à la base. Viorne trilobée: MS = f(DHP)
60,00 4000 3500 3000 2500 2000 1500 y = 1,5834x 1000 500 0 0,00 2 + 20,273x - 31,846 R² = 0,6982 10,00 20,00 30,00 40,00
Diamètre à hauteur de poitrine (137 cm du sol, en mm)
50,00
fonction du diamètre à hauteur de poitrine.
191
Tableau A. 20: Données destructives pour l’aubépine.
Numéro de l'échantillon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 moyenne écart-type minimum maximum DB (mm) 4,17 7,13 7,22 9,72 10,75 11,36 11,52 11,89 12,53 13,59 20,77 21,38 22,89 22,93 24,15 24,57 29,24 33,93 36,34 38,29 38,62 40,17 42,39 42,91 51,84 52,34 65,26 66,89 74,57 77,25 80,14 82,06 97,63 35,95 25,89 4,17 97,63 DHP (g) 0 0 0 0 0 2,67 0 0 0 0 5,19 18,43 9,39 8,44 7,06 13,51 14,02 15,77 22,42 14,94 24,13 18,18 23,58 33,26 34,84 24,93 56,17 35,52 59,36 52,91 49,36 68,01 70,39 20,68 6504 13895 22432 3257 21,64 0,00 5038 29 70,39 22432 (TEE moyenne de 35,67%) MS (g) 93 35 29 68 90 392 280 84 113 109 444 823 563 1525 573 534 1049 1094 2374 389 1702 1696 1968 3307 4378 3474 7218 8800 10959 10476 MH 145 55 45 105 140 610 435 130 175 170 690 1280 875 2370 890 830 1630 1700 3690 605 2645 2636 3060 5140 6805 5400 11220 13680 17035 16285 10110 21600 34870 5062 7832 45 34870 DB/DHP NA NA NA NA NA 4,25 NA NA NA NA 4,00 1,16 2,44 2,72 3,42 1,82 2,09 2,15 1,62 2,56 1,60 2,21 1,80 1,29 1,49 2,10 1,16 1,88 1,26 1,46 1,62 1,21 1,39 2,03 0,85 1,16 4,25 192
Aubépine: MS = f(DB)
25000 20000 15000 10000 5000 y = 0,8293x 2,1238 R² = 0,8994 0 0 20 40 60 80 100 120
Diamètre à la base (10 cm du sol, en mm) diamètre à la base. Aubépine: MS = f(DHP)
25000 20000 y = 3,5507x 2 - 7,8473x + 287,41 R² = 0,9068 15000 10000 5000 0 0 10 20 30 40 50 60 70 80
Figure A. 20: MS de tiges d’aubépine en fonction du diamètre à hauteur de poitrine.
193
Annexe G : Équations retenues pour fins de comparaisons statistiques
Tableau A. 21: Modèles de prédiction de la biomasse par tige individuelle issus de la littérature retenus pour fins de comparaisons statistiques Espèce Formule R2 Nomb re d’obse rvatio n Amélanchier
Amélanchier spp. Amélanchier spp. amélanchier alnifolia
Aubépine
aubépine
Aulne
M=aD^b LN(M) = a +b LN(D) ln(M)=a+b*l n(D) aulne rugosa Aulne rugosa aulne glutineux
Cerisier
cerisier de Virginie cerisier de virginie cerisier spp. cerisier tardif (tronc) cerisier tardif (branches) cerisier tardif (Écorce) cerisier tardif (feuille)
Cornouiller
cornus stolonifera cornus stolonifera
Érable rouge
M=aD^b M=aD^b M=aD^b D (0 ,15) 0,50-1,90 0,83 D (0 ,15) 0,50-4,10 0,93 D B 0,4-4,5 0,99 D B D (0 ,15) 0,25-3,00 0,96 D HP 3,0-9,0 NA M=aD^b*e^( cD) D B M=aD^b M=aD^b M=aD^b M=aD^b M=aD^b M=aD^b 0,3-5,6 0,85 3,0-11,0 0,99 D B D B D (0 ,15) 3,0-15,0 0,60-2,90 0,98 0,8-3,8 na 0,9 D HP 0,9 49,6 cm 0,80 D B D (0 0,60-3,40 0,93 ,15) 0,25-1,75 0,89 D HP 1,0-31,0 0,99 érable rouge érable rouge (tronc) érable rouge (branches) érable rouge (Écorce) érable rouge (feuille) M=aD^b M=aD^b D HP 2,4-56,0 0,96 45 27 39 36 29 30 20 16 31 25 78 31 33 37 177
Référence
Smith et Brand (1983) d’après Ohmann Smith et Brand (1983) d’après Roussopoulos et Loomis (1979)
Brown (1976)
Dickinson (2010) Smith et Brand (1983)
Ter-Mikaelian(d’après Young)
33, 72 0,2 6 0,0 1 64, 18 71, 53 3,6 1 3,6 8 Verwisjt et Telenius (1999)
Ter-Mikaelian (1997) d’après Young
Smith et Brand (1983) (d’après Brown) Smith et Brand (1983) d’après
Roussopoulos et Loomis(1979) Lambert et al. (2005)***
0,3 7 0,0 8 0,0 7 0,0 8 0,2 6 9,9 3 68, 01 Smith et Brand (1983) (d’après Brown) Smith et Brand (1983) (d’après Connolly) 39, 65 32, 79
Ter-Mikaelian (1997) d’après Freedman et al, 1982 Lambert et al. (2005)
0,1 4 0,1 0 0,0 2 0,0 3 0,0 5
pays origin e
2,3 2 NA 2,3 9 NA 2,8 9 NA USA (MN) USA (MN) Canad a (CB) 2,3 4 NA USA (PA) 2,7 1 NA USA (MN) 2,2 1 NA Maine 3,6 9 0,0 3 Suisse 1,7 1 NA Maine 2,9 2 NA USA 2,2 4 NA USA (MN) 1,9 4 NA 2,0 1 NA 1,8 4 NA 1,2 3 NA Canad a (On) 2,5 8 NA USA 3,8 1 NA USA (MN) 2,3 4 2,3 4 2,4 8 2,0 9 1,5 2 NA Nouve lle Écosse NA NA NA Canad a NA 194
érable rouge érable rouge frêne (branches) frêne (branches) frêne (branches)
Peuplier faux tremble
ln(M) = a +b ln(D) M=aD^b D (0 ,15) 0,3-4,1 0,94 D HP 0,0-35,0 0,97 érable rouge érable rouge érable rouge érable rouge érable rouge M=aD^b M=aD^b ln(M) = a +b ln(D) ln(M) = a +b ln(D) D HP 0,0-10,0 0,88 D HP 4,0-35 D HP 3,0-66,0 D HP 1,0-16,5 ln(M) = a +b ln(D) D HP 2,8-11,9 na na NA NA érable rouge érable rouge ln(M) = a +b ln(D) ln(M) = a +b ln(D)
Frêne de Pennsylvanie
frêne (tronc) D HP 0,8-8,4 D HP 0,8-8,5 NA NA M=aD^b peuplier faux-tremble M=aD^b peuplier faux-tremble M=aD^b peuplier faux-tremble ln(M) = a +b ln(D) peuplier faux-tremble ln(M) = a +b ln(D) peuplier faux-tremble M=aD^b peuplier faux-tremble M=aD^b D HP 4,9-40,2 0,88 D B 0,23-4,06 0,99 D HP 1,0-27,0 0,995 D( 0,2 5) 0,3-6 0,979 D B D 0,02-0,85 0,978 D HP 1,0-32,0 0,983 HP 0-36,0 0,989 peuplier faux-tremble M=aD^b peuplier faux-tremble M=aD^b peuplier faux-tremble M(kg)=EXP( a+b*ln(D)) D HP 0-15,0 0,951 D HP 15,0-40,0 0,988 D HP 2,5-70 0,953 36 198 30 45 62 NA NA NA NA Smith et Brand (1983) d’après Roussopoulos et Loomis (1979)
Ter-Mikaelian (1997) d’après ker, 1984 Ter-Mikaelian (1997) d’après MacLean et Wein, 1976 Ter-Mikaelian (1997) d’après Perala et Alban(1994) Ter-Mikaelian (1997) d’après Young et al. (1980) Pastor (1983) d’après Ribe, 1973 Pastor (1983) d’après Kinerson et Bartholomew,1977 Pastor (1983) d’après Goldsmith et Hocker,1978 Pastor (1983) d’après Monteith(1979)
60, 37 0,2 0 0,2 6 0,1 6 0,1 2 4,0 8 4,8 6 4,8 2 5,2 6 1,6 7 2,3 1 2,3 8 2,6 5 2,2 9 2,3 2 2,2 3 2,3 4 2,1 9 NA USA (MN) NA Nouve lle Écosse NA Nouve au Bruns wick NA Canad a NA Maine NA USA (MN) NA USA (NH) NA USA (MN) NA USA (NY) 27
Lambert et al. (2005)
0,1 5 0,0 8 0,0 4 0,1 0 2,1 8 2,3 4 2,0 5 1,2 2 NA NA NA Canad a (On) NA 20 26 35 88 34 197 15 9 230 Smith et Brand (1983) d’après
Telfer(1969) Ter-Mikaelian (1997)(d’après Freedman(1982) Freedman (1984) Freedman (1984) Ter-Mikaelian (1997) d’après Campbell et al., (1988) Ter-Mikaelian (1997) d’après Ker (1984) Ter-Mikaelian (1997) d’après MacLean et Wein(1976) Ter-Mikaelian (1997) d’après Pastor et Bockheim (1981) Jenkins et al. (2003)
27, 98 0,0 9 1,2 30 1,3 00 0,1 1 0,1 0 0,1 6 0,2 1 2,2 1 2,7 2 NA 2,4 1 NA 2,5 1 Canad a (N-É) Canad a (N-É) NA Canad a (N-É) 2,4 8 NA Canad a (N-É) NA 2,3 5 2,3 9 2,0 7 2,2 5 Yukon NA Nouve au Bruns wick NA Nouve au Bruns wick NA Wisco nsin NA 2,3 9 USA 195
peuplier faux-tremble (tronc) peuplier faux-tremble (branches) peuplier faux-tremble (Écorce) peuplier faux-tremble (feuille) M=aD^b
Pommier sauvage
Modèle de l’aubépine a été utilisée pour cette espèce ln(M)=a+b*l n(D)
Saule
salix spp. ln(B) = a +b ln(X) salix spp. salix spp. salix spp. salix spp. Salix viminalis ln(B) = a +b ln(X) ln(B) = a +b ln(X) ln(B) = a +b ln(X) ln(B) = a +b ln(X) M=aDB^b salix spp. saule saule
Viorne trilobée
viorne alnifolium viorne cassinoides Viorne acerifolium log(M) = a +b log(D) log(M) = a +b log(D) ln(M)=a+b*l nD D HP ,7-47,2 D B 0,3-5,6 0,95 0,85 M(kg)=EXP( a+b*ln(D)) M=a *DHP ^b M=a* DHP ^b D B 0,70-3,70 0,97 D (0 ,15) 0,25-3,00 0,83 D (0 ,15) 0,80-3,80 0,87 D (0 ,15) 0,5-3,00 0,96 D B D B 0,45-3,41 0,97 2,00 12 00 0,98 D HP 2,5-70 0,953 D HP 4 à 20 D HP 3 à 24 na na D B D B D B 0,28-1,59 0,951 ,29-3,10 0,984 0,2-1,5 0,87 *DB : Diamètre à 10 cm du niveau du sol D(0,15) : Diamètre à 15 cm du niveau du sol D(0,25) : Diamètre à 25 cm du niveau du sol DHP : Diamètre à 130 cm du niveau du sol M=masse en gramme de matière sèche 773 36 31 72 36 25 20 75 230 180 30 19 20 74
Lambert et al. (2005)
0,0 6 0,0 1 0,0 1 0,0 3 Dickinson (2010) Smith et Brand (1983) (d’après Brown, 1976 Smith et Brand (1983) (d’après Connolly,1981 Smith et Brand (1983) (d’après
Ohmann et al (1976)
Smith et Brand (1983) d’après
Roussopoulos et Loomis(1979)
Smith et Brand (1983) d’après
Telfer(1969)
Verwisjt et Telenius (1999) 3,6 8
Jenkins et al. (2003) Ter-Mikaelian (1997)d’après Perala et Alban, 1994 Ter-Mikaelian (1997)d’après Young et al., 1980
2,3 4 NA USA (PA) 27, 19 60, 15 87, 79 55, 92 46, 27 0,0 2 2,2 1 0,0 6 0,1 6 2,5 9 2,3 2 2,9 7 2,3 9 2,7 6 2,2 0 1,9 8 NA USA (MN) NA USA (MN) NA USA (MN) NA USA (MN) NA Canad a NA Suisse NA USA NA 2,5 1 Canad a NA 2,0 5 Maine
Telfer(1969) Telfer(1969)
Dickinson (2010) 4,0 8 2,6 1 3,8 8 2,4 8 NA 2,5 2 NA 2,3 9 NA 1,6 3 NA Canad a 3,2 4 2,7 7 2,3 9 NA Canad a (NB) NA Canad a (NB) NA USA (PA) *** Dans le cas des modèles de prédictions de la biomasse de Lambert et al (2005), la biomasse est décrite par composante individuelle, la sommation des composantes donne la biomasse aérienne totale 196
Annexe H : Résultats des comparaisons
Tableau A. 22: Résultats des analyses de comparaisons T-pairé. N moyenne de la différence valeur de t
Comparaisons effectuées
Comparaison pour l’amélanchier
amelanchier_reel - amelanchier _Brown (1976) amelanchier _FSR - amelanchier _Brown (1976) amelanchier _reel - amelanchier _ Smith et Brand (1983; modèle Ohmann) amelanchier _FSR - amelanchier _ Smith et Brand (1983; modèle Ohmann) amelanchier _reel - amelanchier _ Smith et Brand (1983; modèle Roussopoulos) amelanchier _FSR - amelanchier _Smith et Brand (1983; modèle Roussopoulos)
Comparaison pour l’aubépine
aubepine_reel - aubepine_ Dickinson (2010) aubepine_FSR - aubepine_ Dickinson (2010)
Comparaison pour l’aulne
aulne_reel - aulne_Verwijst et Telenius (1999) aulne_FSR - aulne_ Verwijst et Telenius (1999) aulne_reel - aulne_ Smith et Brand (1983; modèle Connolly) aulne_FSR - aulne_ Smith et Brand (1983; modèle Connolly) aulne_reel - aulne_ Ter-Mikaelian (1997; modèle Young) aulne_FSR - aulne_ Ter-Mikaelian (1997; modèle Young)
Comparaison pour le cerisier
cerisier_reel - cerisier_Lambert et al. (2005) FSR vs Lambert et al. (2005) cerisier_reel - cerisier_ Smith et Brand (1983; modèle Brown) cerisier_FSR - cerisier_ Smith et Brand (1983; modèle Brown) cerisier_reel - cerisier_ Smith et Brand (1983; modèle Roussopoulos) cerisier_FSR - cerisier_ Smith et Brand (1983; modèle Roussopoulos) cerisier_reel - cerisier_ Ter-Mikaelian (1997; modèle de Young) cerisier_FSR - cerisier_ Ter-Mikaelian (1997; modèle de Young)
Comparaison pour le cornouiller
cornouiller_reel - cornouiller_ Smith et Brand (1983; modèle Brown) cornouiller_FSR - cornouiller_ Smith et Brand (1983; modèle Brown) cornouiller_reel - cornouiller_Smith et Brand (1983; modèle Connolly) 47 47 48 48 48 48 33 33 40 40 40 40 40 40 40 40 85 85 86 86 86 86 75 75 76 202.6 191.6 1081.9 1070.9 699.4 688.3 1749.6 1607.3 -850.5 -1143.1 -485.4 -778.0 -2238.1 -2530.8 -1493.4 -1469.0 1336.7 1361.1 417.6 442.0 1219.8 1244.2 42.3084 30.0090 12.6308 1.26 1.10 4.29 4.68 3.81 4.28 3.32 3.75 -3.52 -10.31 -1.28 -2.45 -5.26 -6.34 8.20 12.66 2.24 -3.82 -4.15 2.77 2.46 0.99 0.89 2.57 2.54
Pr > |t|
0.2156 0.2765 <.0001 <.0001 0.0004 <.0001 0.0022 0.0007 0.0007 <.0001 0.2040 0.0161 <.0001 <.0001 0.0005 0.0002 0.0085 0.0185 0.3278 0.3787 0.0142 0.0150 <.0001 <.0001 0.0282 197
cornouiller_FSR - cornouiller_ Smith et Brand (1983; modèle Connolly)
Comparaison pour l’érable rouge
erable_reel - erable_ Ter-Mikaelian (1997) d’après Freedman et al, 1982 erable_FSR - erable_ Ter-Mikaelian (1997) d’après Freedman et al, 1982 erable_reel - erable_ lambert et al. (2005) erable_FSR - erable_ lambert et al. (2005) erable_reel - erable_ Smith et Brand (1983; modèle Roussopoulos) erable_FSR - erable_ Smith et Brand (1983; modèle Roussopoulos) erable_reel - erable_ Ter-Mikaelian(1997; modèle Ker, 1984) erable_FSR - erable_ Ter-Mikaelian(1997; modèle Ker, 1984) erable_reel - erable_ Ter-Mikaelian(1997; modèle MacLean,1976 ) erable_FSR - erable_ Ter-Mikaelian(1997; modèle MacLean,1976) erable_reel - erable_ Ter-Mikaelian(1997; modèle Perala et Alban) erable_FSR - erable_ Ter-Mikaelian(1997; modèle Perala et Alban) erable_reel - erable_ Ter-Mikaelian (1997; modèle de Young) erable_FSR - erable_ Ter-Mikaelian (1997; modèle de Young) erable_reel - erable_ Pastor (1983) d’après Ribe, 1973 erable_FSR - erable_ Pastor (1983) d’après Ribe, 1973 erable_reel - erable_ Pastor (1983) d’après Kinerson et Bartholomew,1977 erable_FSR - erable_ Pastor (1983) d’après Kinerson et Bartholomew,1977 erable_reel - erable_ Pastor (1983) d’après Goldsmith et Hocker,1978 erable_FSR - erable_ Pastor (1983) d’après Goldsmith et Hocker,1978 erable_reel - erable_ Pastor (1983) d’après Monteith(1979) erable_FSR - erable_ Pastor (1983) d’après Monteith(1979)
Comparaison pour le frêne de Pennsylvanie
frene_reel - frene_Lambert et al. (2005) frene_FSR - frene_Lambert et al. (2005)
Comparaison pour le peuplier faux-tremble
peuplier_reel - peuplier_ Smith et Brand (1983) d’après Telfer(1969) peuplier_FSR - peuplier_ Smith et Brand (1983) d’après Telfer(1969) peuplier_reel - peuplier_ Ter-Mikaelian (1997)(d’après Freedman(1982) peuplier_FSR - peuplier_ Ter-Mikaelian (1997)(d’après Freedman(1982) peuplier_reel - peuplier_ Freedman (1984a) peuplier_FSR - peuplier_ Freedman (1984a) peuplier_reel - peuplier_ Freedman (1984b) peuplier_FSR - peuplier_ Freedman (1984b) peuplier_reel - peuplier_ Ter-Mikaelian (1997)d’après Campbell et al., (1988) peuplier_FSR - peuplier_ Ter-Mikaelian (1997)d’après Campbell et al., (1988) 76 52 52 52 52 52 52 52 52 54 54 54 54 54 54 54 54 54 54 54 54 54 54 38 38 51 51 51 51 51 51 51 51 51 51 -94.7786 -70.7238 455.2 403.1 -637.2 -689.2 146.1 94.0046 16.5429 -35.5468 -84.5537 -136.6 0.3313 -3257.1 -2542.7 -231.4 483.0 284.2 998.6 -168.3 546.1 1134.2 1848.6 -138.4 576.0 -3143.8 -2429.4 995.8 1737.2 588.2 1329.7 568.4 1309.9 -301.2 440.3 -0.91 -0.68 2.73 1.55 -3.24 -2.57 0.93 0.36 0.09 -0.12 -0.47 -0.45 0.07 5.84 4.17 3.59 3.19 3.68 3.23 -2.85 1.59 -2.54 -2.54 -2.32 1.81 0.80 3.90 -1.72 1.83 2.93 2.89 -1.41 2.16 -2.42 -2.38 0.3709 0.5024 0.0087 0.1272 0.0021 0.0131 0.3543 0.7218 0.9261 0.9065 0.6380 0.6570 0.9457 <.0001 0.0001 0.0007 0.0024 0.0005 0.0022 0.0062 0.1185 0.0139 0.0140 0.0243 0.0759 0.4244 0.0003 0.0914 0.0735 0.0049 0.0056 0.1648 0.0356 0.0191 0.0209 198
peuplier_reel - peuplier_ Ter-Mikaelian (1997)d’après Ker (1984) peuplier_FSR - peuplier_ Ter-Mikaelian (1997)d’après Ker (1984) peuplier_reel - peuplier_ Ter-Mikaelian (1997)d’après MacLean et Wein(1976) peuplier_FSR - peuplier_ Jenkins et al. (2003) 51 51 peuplier_FSR - peuplier_ Ter-Mikaelian (1997)d’après MacLean et Wein(1976) peuplier_reel - peuplier_ Ter-Mikaelian (1997)d’après Pastor et Bockheim (1981) peuplier_reel - peuplier_ Jenkins et al. (2003) 51 51 peuplier_FSR - peuplier_ Ter-Mikaelian (1997)d’après Pastor et Bockheim (1981) 51 39 39 peuplier_reel - peuplier_Lambert et al. (2005) 51 51 peuplier_FSR - peuplier_ Lambert et al. (2005) 51
Comparaison pour le pommier sauvage
pommier_reel - pommier_ Dickinson (2010) 20 20 pommier_FSR - pommier_ Dickinson (2010)
Comparaison pour le saule
65 saule_reel - saule_ Smith et Brand (1983) (d’après Brown, 1976 65 saule_FSR - saule_ Smith et Brand (1983) (d’après Brown, 1976 65 saule_reel - saule_ Smith et Brand (1983) (d’après Connolly, 1981 saule_FSR - saule_ Smith et Brand (1983) (d’après Connolly, 1981 65 saule_reel - saule_ Smith et Brand (1983; modèle Ohmann) 65 saule_FSR - saule_ Smith et Brand (1983; modèle Ohmann) 65 65 saule_reel - saule_ Smith et Brand (1983; modèle Roussopoulos) 65 saule_FSR - saule_ Smith et Brand (1983; modèle Roussopoulos) saule_reel - saule_ Smith et Brand (1983) d’après Telfer(1969) 65 saule_FSR - saule_ Smith et Brand (1983) d’après Telfer(1969) 65 65 saule_reel - saule_ Verwijst et Telenius (1999) 65 saule_FSR - saule_ Verwijst et Telenius (1999) 62 saule_reel - saule_ Jenkins et al., 2003 saule_FSR - saule_ Jenkins et al., 2003 62 saule_reel - saule_ Ter-Mikaelian (1997)d’après Perala et Alban, 1994 65 65 saule_FSR - saule_ Ter-Mikaelian (1997)d’après Perala et Alban, 1994 65 saule_reel - saule_ Ter-Mikaelian (1997) d’après Young et al., 1980 65 saule_FSR - saule_ Ter-Mikaelian (1997) d’après Young et al., 1980
Comparaison pour la Viorne
48 viorne_reel - viorne_Telfer (1969) 48 viorne_FSR - viorne_ Telfer (1969) viorne_reel - viorne_ Telfer (1969) 48 viorne_FSR - viorne_ Telfer (1969) 48 -119.8 -171.9 411.4 359.3 -1847.9 -1900.0 -315.4 -444.3 -110.2 -162.3 1840.0 1775.2 -427.0 -400.1 996.8 1023.7 1218.9 1245.7 -2048.4 -2021.5 986.0 1012.9 -1908.5 -1881.7 1232.5 1262.0 1887.8 1914.7 1593.7 1620.5 -255.4 -340.1 5.1705 -79.4927 -0.64 -0.56 2.31 1.11 -3.91 -3.60 -1.20 -1.09 -0.59 -0.53 2.79 3.20 -1.22 -0.79 3.58 3.01 3.51 3.31 -3.16 -2.64 3.76 2.98 -2.50 -2.09 3.73 2.63 4.62 3.85 4.02 3.49 -1.66 -2.32 0.05 -1.11 0.5239 0.5790 0.0250 0.2721 0.0003 0.0007 0.2356 0.2824 0.5592 0.5984 0.0113 0.0045 0.2262 0.4316 0.0007 0.0037 0.0008 0.0015 0.0024 0.0104 0.0004 0.0040 0.0150 0.0405 0.0004 0.0107 <.0001 0.0003 0.0002 0.0009 0.1026 0.0246 0.9572 0.2727 199
viorne_reel - viorne_ Dickinson (2010) viorne_FSR - viorne_ Dickinson (2010)
Pas de différence significative si p>0,05
200 48 48 296.5 211.8 3.40 5.05 0.0014 <.0001
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Annexe I : Données détaillées de récolte des balles de biomasse
Les tableaux suivants présentent les données détaillées par balle individuelle récoltée sur les friches à Saint-Augustin-de-Desmaures, entre le 19 octobre et le 10 novembre 2011.
Tableau A. 23: Dates de récolte et teneurs en eau (TEE, % base humide) mesurées à l’étuve à partir d’échantillons de balles individuelles, identifiées par parcelle.
Numéro d’échantillon Date de Parcelle de Numéro de balle TEE de balle Parcelle TEE moy. récolte récolte par site indiv. par parcelle 08-nov-11 10-nov 10-nov 10-nov 10-nov 10-nov 10-nov 10-nov 19-oct-11 19-oct-11 19-oct-11 19-oct-11 19-oct-11 20-oct 20-oct 20-oct 20-oct 20-oct 20-oct 20-oct 20-oct 20-oct 20-oct 20-oct 08-nov 08-nov 08-nov 08-nov 1 1 2 3 4 5 6 7 1 2 3 4 5 1 2 3 1 2 3 4 4 5 6 7 8 9 10 11 1 3 3 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 44,50 50,70 48,07 45,38 51,07 46,63 47,34 49,02 42,77 43,16 43,23 41,14 42,18 51,86 53,05 53,70 53,74 50,73 53,78 47,29 49,59 49,23 53,10 53,67 46,08 55,00 44,80 39,28 # 3 # 4 # 5(a) 44,50 48,32 42,49 51,80 201
Numéro d’échantillon Date de récolte 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 Parcelle de récolte 08-nov 08-nov 27-oct-11 27-oct-11 27-oct-11 27-oct-11 27-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 28-oct-11 8 8 Moyenne (tous les sites) Écart-type Minimum Maximum 7 7 8 8 8 8 8 8 5 5 6 6 6 6 6 7 7 7 7 7 7 7 7 Numéro de balle par Parcelle 9 10 1 2 3 4 5 6 7 8 6 7 1 2 3 4 5 1 2 3 4 5 6 7 8 TEE de balle indiv. 48,14 51,00 41,90 39,43 39,29 38,70 40,41 42,65 41,95 43,16 44,37 41,93 42,23 40,82 40,40 41,48 42,74 43,36 43,19 41,49 39,30 39,88 39,46 39,03 42,80 45,37 4,91 38,70 55,00 Site TEE moy. par Parcelle #5(b) #5 47,88 50,27 41,06 44,11 202
Tableau A. 24: Masse humide par balle (kg) et temps (hh:mm:ss) pour former chaque balle, sur chacune des parcelles récoltées.
Numéro de bal 4 5 6 7 8 9 11 12 13 15 17 18 20 21 22 23 24 25 26 27 28 29 31 32 33 34 35 36 37 38 41 42 43 Parcelle 1 3 3 3 3 3 3 3 4 4 Numéro de balle par site 1 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 Masse (kg MH) 333,6 467,6 394,2 396,4 611 441 388,6 410 392,6 4 4 5 5 5 5 5 5 5 5 5 5 2 3 4 5 6 7 8 9 10 11 5 5 5 5 5 5 5 5 6 6 6 14 15 16 17 18 19 20 21 3 4 5 418 446,4 incluant "mal ficelée" 420,6 358,2 détruite détruite 455,2 141 mal ficelée 453,8 477 495 460 398 Incl. balle "mal ficelée" 417,4 431,4 416,6 461,6 539,8 45,2 455,4 407 449 Toutes les balles site #5 Incl. balle "mal ficelée" 428 381 442,6 Temps 00:07:45 00:05:04 00:12:19 00:07:10 00:20:47 00:12:59 00:14:18 00:06:20 00:07:16 00:12:26 00:18:10 00:17:18 00:11:19 00:16:03 00:05:15 00:08:39 00:07:55 00:17:20 00:20:45 00:19:23 00:15:29 00:06:32 00:07:45 00:14:54 00:16:09 00:14:05 00:12:30 00:09:50 00:40:51 00:20:02 00:15:59 00:22:20 Masse moy. 448,5 444,4 427,5 433,9 333,6 433,2 416,8 396,7 439,7 406,5 203 Temps moy. 00:07:45 00:12:48 00:14:27
44 45 46 47 48 49 50 51 52 53 55 56 57 58 59 60 61 62 Écart-type Minimum Maximum 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 1 2 3 4 5 6 7 8 9 10 2 3 4 5 6 7 8 9 311,2 445 441,2 436 380 385,6 408 429,6 458,4 186 mal ficelée Incl. balle "mal ficelée" 370 409 404 417 376 507 388 364 275,2 00:04:43 00:13:32 00:10:50 non chr. 00:10:57 00:09:32 00:14:00 00:09:48 00:12:32 00:10:51 00:10:10 00:04:08 00:05:50 00:12:03 00:14:26 00:19:13 00:13:40 00:22:08 260,0 611,0 00:04:08 00:40:51 410,6 388,1 390,0 413,0 00:12:52 204
Annexe J : Données brutes d’analyse de recensement végétal
Tableau A. 25: Données brutes des relevés des essences végétales et biomasse prédite
Parcell e 1 2 2 2 2 3 3 3 3 3 3 3 3 4 4 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 4 4 4 4 5 5 5 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 aulne saule saule saule saule aulne aulne aulne aulne aulne aulne aulne aulne saule saule cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller saule cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller saule aulne Quadrat # 6 7 7 7 7 8 8 8 8 8 8 8 8 9 9 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 4 4 4 4 5 5 5 6 6 Espèce Dbase (mm) 53,38 32,58 33,63 22,89 25,26 72,13 10,63 58,40 70,97 13,19 15,68 11,97 11,70 25,97 59,21 4,17 5,35 5,84 4,68 4,25 4,14 5,74 7,90 4,38 8,01 5,92 6,10 5,68 4,37 7,10 7,22 7,05 4,15 15,57 15,44 12,73 9,91 8,75 7,18 3,51 3,44 3,26 5,75 6,49 4,68 57,37 39,69 DBH (mm) 24,88 21,37 20,43 17,16 20,67 60,92 4,45 48,63 67,10 7,32 8,21 4,41 4,77 16,28 38,29 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 38,83 25,68 biomasse prédite par le modèle FSR (g MS par tige) 18,14 13,25 11,75 11,39 17,67 30,61 12,18 31,44 18,53 19,43 17,39 12,15 25,12 25,89 24,81 11,42 143,67 140,70 87,24 48,79 70,53 25,63 9,51 9,32 8,84 17,72 21,51 13,25 3782,60 1316,09 1663,37 665,49 725,22 285,93 354,59 5357,62 114,01 4343,65 4405,70 164,05 189,49 116,70 120,79 377,79 4200,08 205
Parcell 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Quadrat # 9 10 10 10 10 11 11 11 11 11 11 11 11 11 12 12 12 12 12 12 12 12 13 13 13 13 13 13 13 13 14 17 17 17 18 18 19 19 14 14 14 14 14 14 15 15 15 15 16 16 16 17 17 17 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 Rangée Colonn 2 2 2 2 2 4 5 5 5 5 1 1 1 1 1 2 2 3 3 6 6 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5 5 6 Espèce saule saule saule saule saule cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller saule saule saule saule saule saule saule saule cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller saule saule saule saule saule saule saule saule saule saule saule saule saule saule cornouiller cornouiller cornouiller saule saule saule aulne aulne aulne aulne 16,68 52,61 44,5 80,87 5,24 6,91 13,46 53,40 48,49 22,23 91,21 14,68 47,13 8,30 5,91 5,8 5,2 7,56 7,78 7,87 72,91 24,28 43,14 69,6 59,83 39,01 35,7 46,25 10,89 16,23 8,26 20,95 16,98 28,02 26,43 6,27 14,23 15,86 42,66 13,85 60,78 14,64 17,85 28,58 33,94 20,45 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 33,80 25,42 25,00 33,73 15,69 5,34 6,05 5,55 24,59 22,00 5,46 16,14 10,32 0 0 0 0 0 0 0 0 0 58,37 20,07 36,04 51,4 32,45 32,88 30,64 39,45 7,69 7,46 0 13,85 10,96 21,66 19,55 0 11,3 13,23 29,02 9,94 44,98 6,11 16,4 21,54 26,3 13,66 10,34 32,9 30,7 47,26 0,00 0,00 7,83 39,55 31,80 15,34 70,55 0,00 30,46 0,00 4580,37 129,43 177,60 474,89 743,71 227,77 158,45 2840,59 1655,86 11192,70 15,45 23,94 131,27 2983,51 2177,09 269,03 5864,20 73,74 2010,95 64,58 731,14 15,87 19,18 16,80 18,48 17,95 15,28 28,17 29,73 30,39 8240,81 324,62 1502,96 7122,79 4347,61 1107,37 856,39 1870,66 78,76 206,50 33,38 471,73 260,84 977,46 858,87 20,31 124,21 146,15 1451,80 119,55 206
Parcell 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Quadrat # 19 19 19 19 19 19 20 20 20 20 21 21 21 21 21 21 22 22 22 22 22 22 22 23 23 23 23 23 24 24 24 25 25 26 26 26 26 24 24 24 24 24 24 24 24 24 24 24 25 25 25 25 25 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 Rangée Colonn 4 4 4 4 4 3 3 3 3 3 3 4 4 4 4 4 4 4 3 3 3 3 3 3 3 4 5 5 5 5 5 5 6 6 6 6 6 6 6 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Espèce aulne aulne aulne aulne aulne aulne aulne aulne aulne saule aulne aulne aulne aulne aulne aulne cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller saule saule saule saule saule aulne aulne aulne aulne aulne aulne aulne aulne aulne aulne aulne aulne aulne aulne saule saule saule saule saule saule saule aulne aulne aulne aulne 31,85 25,64 34,34 14,69 25,27 34,11 37,09 10,38 8,52 10,06 9,36 24,00 12,96 26,72 32,04 21,71 39,38 7,55 16,47 12,10 10,46 9,78 9,03 9,95 55,68 62,10 80,66 11,60 33,98 15,58 19,41 58,17 10,91 15,21 14,38 53,83 13,91 16,45 15,11 63,77 7,22 16,59 17,91 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 55,95 53,82 53,81 46,09 58,86 43,45 7,41 13,40 11,62 32,99 44,69 45,65 45,03 39,23 11,12 8,56 46,87 0,00 11,81 13,91 27,16 17,32 30,31 8,62 19,65 28,44 30,65 4,56 0,00 0,00 0,00 55,99 34,73 4,71 10,45 4,80 18,73 15,57 6,37 18,83 23,79 15,81 23,95 0,00 8,25 0,00 0,00 0,00 0,00 0,00 50,86 43,37 80,56 4,45 22,44 7,16 10,93 44,16 0,00 4,36 7,72 43,40 5,61 3775,46 2807,00 4373,27 2264,88 109,76 226,20 121,00 688,30 450,61 147,62 622,49 994,47 438,55 1170,66 28,10 220,14 77,19 55,02 47,41 40,00 49,23 3425,68 4917,32 11111,62 95,02 746,12 169,53 268,50 4070,41 68,18 124,14 175,33 3664,44 138,70 257,14 194,09 4769,23 63,15 275,40 343,34 626,49 366,85 768,15 130,08 354,91 754,01 955,26 114,82 64,88 66,99 66,02 207
Parcell 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Quadrat # 26 26 27 27 27 28 28 28 28 28 28 28 29 29 30 30 30 30 31 31 31 31 31 31 32 32 32 32 32 33 33 39 40 40 40 40 40 40 33 34 35 35 35 36 36 36 36 36 37 37 37 37 38 38 Rangée 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 Colonn 4 4 5 5 5 6 6 6 6 6 6 6 7 7 8 8 8 8 9 9 9 9 9 9 10 10 10 10 10 1 1 2 3 3 3 3 3 3 1 2 3 3 3 4 4 4 4 4 5 5 5 5 1 1 Espèce aulne aulne aulne saule saule aulne aulne aulne aulne aulne aulne aulne érable érable saule saule saule saule aulne aulne aulne aulne aulne aulne saule saule saule saule saule frêne aubépine aubépine aubépine frêne cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller saule saule saule saule saule saule 6,48 13,45 16,03 8,29 18,69 19,06 75,12 31,68 49,23 63,10 37,19 62,79 9,43 14,42 85,22 65,61 74,67 69,29 57,61 72,41 10,22 8,84 52,85 41,91 52,58 35,88 15,96 51,35 14,58 17,62 15,46 18,80 16,68 12,50 16,67 95,28 10,78 10,17 11,21 12,48 11,79 9,00 17,90 8,47 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 34,29 73,07 30,34 29,51 41,04 7,63 6,18 6,90 13,14 10,62 24,42 39,52 23,16 22,16 0 0 0 0 0 0 0 0 0 0 4,46 0 65,58 21,99 42,41 44,90 29,77 47,71 28,61 0,00 0,00 0,00 5,89 0,00 0,00 0,00 66,77 49,64 59,62 60,35 51,85 60,73 5,02 0,00 44,15 35,40 38,32 35,50 10,72 36,73 6,92 14,30 8,66 11,54 4,00 0 6,06 67,59 5,03 0 920,22 514,38 1289,47 63,69 61,80 62,73 140,71 67,77 66,12 73,34 4499,80 8356,60 8865,79 7022,29 3835,34 8066,91 120,42 65,31 3643,73 2253,09 3122,07 1995,53 147,60 2623,32 128,66 173,68 140,46 307,87 211,23 133,42 211,00 10363,92 70,16 51,66 64,46 83,15 72,56 39,72 202,79 35,09 21,45 99,82 154,50 33,62 262,63 235,56 9028,61 617,69 2286,47 5183,03 962,72 5099,70 208
Parcell 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 Rangée Colonn 2 2 2 2 2 4 4 4 4 4 4 5 1 2 2 4 5 5 5 3 3 4 4 4 4 4 4 2 2 2 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 1 1 1 2 2 2 Quadrat # 41 41 41 41 41 41 42 43 44 44 44 44 44 45 45 45 45 45 45 45 46 46 46 46 46 46 46 46 47 47 47 51 51 51 51 52 52 52 47 47 47 47 47 48 48 48 49 49 49 50 50 51 51 51 Espèce cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine herbes saule cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule peuplier peuplier peuplier peuplier saule saule saule saule saule saule saule peuplier cerisier tardif cerisier tardif cerisier tardif 42,22 80,00 65,23 67,56 50,25 29,37 33,88 42,74 54,97 54,78 10,00 17,52 0,00 0 0 0 0 0 0 0 0 0 0 0 7,08 0 6,05 22,13 60,27 47,52 32,75 45,85 26,13 8,55 26,57 0,00 0,00 0,00 0,00 0,00 65,91 12,37 39,38 10,40 41,37 55,55 95,00 66,24 77,88 70,48 53,53 59,37 73,21 88,88 61,85 19,41 25,37 12,91 9,70 9,05 6,14 6,84 13,94 11,26 10,47 12,30 10,73 10,89 13,27 10,73 10,89 13,27 33,25 68,04 70,21 56,14 75,82 43,36 13,60 55,90 9,24 10,69 8,71 9,86 10,29 114,76 17,60 60,59 17,50 54,51 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 8,68 11,47 10,42 12,38 8,15 13,26 6,09 0 0 0 0 0 68,01 81,55 32,51 96,39 63,00 0,00 101,69 46,57 40,18 19,64 23,52 109,05 65,13 55,14 80,29 58,29 60,29 96,56 74,55 60,29 119,16 703,10 6624,80 7322,75 3520,34 9284,14 1526,89 116,56 3470,72 74,28 86,47 70,23 79,29 82,94 20407,75 173,34 4533,17 157,92 3854,32 4003,37 12068,17 6075,07 10050,50 7412,16 3007,52 4237,82 8345,94 14295,67 4881,72 234,96 462,90 99,53 209
Parcell 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 Rangée Colonn 4 4 4 4 4 5 5 5 5 5 1 1 1 1 1 5 1 1 1 4 4 4 4 4 5 5 5 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 Quadrat # 52 52 52 52 52 53 53 53 53 53 53 53 53 53 53 53 54 54 54 54 54 54 54 54 55 55 55 55 55 55 55 57 57 57 57 58 58 58 55 55 56 56 56 56 56 56 56 56 56 56 56 56 56 56 Espèce cerisier tardif cerisier tardif cerisier tardif cerisier tardif cerisier tardif aubépine aubépine amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier peuplier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier frêne érable érable frêne cornouiller cornouiller cornouiller 9,54 22,20 30,57 21,72 15,33 28,64 17,72 0,00 0,00 17,19 12,98 33,78 24,11 22,95 18,89 17,66 21,43 25,59 22,31 28,76 52,18 47,09 39,32 48,64 8,15 0,00 4,95 11,90 15,05 6,58 13,29 10,57 11,74 14,31 14,77 41,65 17,96 9,05 9,95 12,97 19,26 12,60 21,57 32,35 24,42 18,09 28,96 12,20 24,60 41,89 32,13 21,82 36,86 24,68 6,58 9,00 24,09 18,07 8,61 8,63 4,51 15,85 6,01 13,69 42,63 37,35 27,43 27,57 23,06 28,02 25,07 31,96 32,15 31,05 58,55 50,05 44,95 62,70 13,93 11,98 14,31 19,22 23,38 14,77 17,36 20,06 24,59 17,27 20,18 49,54 26,47 14,78 15,60 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 11,14 42,67 24,23 23,74 0,00 0,00 0,00 15,68 0,00 0 0 24,61 191,55 389,67 119,24 62,39 152,43 2797,26 2536,66 1028,34 1004,46 618,55 872,03 790,64 1486,71 1370,30 1510,80 7776,21 0 5648,59 4213,72 8848,45 178,68 97,10 158,24 341,39 550,80 179,21 307,26 346,32 529,66 317,71 417,37 3134,08 783,94 201,77 226,78 990,71 699,02 318,56 1067,32 161,62 780,42 3110,41 1343,52 489,91 2215,69 675,94 81,87 84,15 602,98 312,49 36,27 36,44 12,64 210
Parcell 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 6 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 Rangée Colonn 6 6 6 6 6 1 1 2 2 2 2 2 2 2 2 1 2 2 2 5 5 5 1 1 1 1 1 3 3 4 4 4 4 4 4 4 4 4 4 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 4 5 5 5 Quadrat # 58 58 59 59 59 59 59 59 59 59 60 60 61 61 61 61 61 61 61 61 61 61 62 62 62 62 63 63 63 63 64 67 67 67 67 68 68 68 64 64 64 65 65 65 65 65 66 66 66 66 66 66 67 67 Espèce cornouiller saule cornouiller cornouiller cornouiller cornouiller cornouiller saule saule saule érable amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule saule 48,35 54,95 27,13 33,39 17,72 61,44 0,00 0,00 0,00 0,00 0,00 5,19 49,03 72,20 0,00 5,61 42,28 0 5,37 15,39 9,64 17,06 22,32 12,99 8,72 26,12 17,24 18,26 17,46 11,71 13,73 0 27,68 27,79 4,91 0 16,43 18,89 18,42 19,22 10,80 0 18,90 8,41 22,23 64,61 27,02 19,18 32,54 94,60 83,15 95,23 45,91 46,07 39,65 79,41 11,01 7,31 7,35 7,77 8,03 12,26 110,82 81,70 8,08 5,27 5,41 27,55 14,76 12,26 49,45 10,79 14,16 22,69 16,47 22,25 27,36 17,71 13,27 32,25 28,49 32,89 24,57 19,35 20,39 12,29 57,03 46,57 11,09 8,35 27,17 30,15 33,16 29,78 24,12 11,58 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 23,64 43,84 8,12 9,75 9,39 33,30 0 0 0 0 0 19,26 47,09 31,97 15,57 16,18 434,25 131,00 101,69 4830,76 109,81 159,39 527,63 242,08 542,07 969,94 313,08 172,42 1538,30 889,31 1260,47 333,24 205,18 226,49 102,01 3708,77 1912,23 90,14 67,60 420,04 543,17 697,95 526,36 319,94 94,82 414,54 201,88 663,30 16375,34 12078,02 16589,22 1827,29 1847,60 1162,33 10631,37 89,39 60,48 60,74 63,54 65,33 101,69 20177,36 11514,08 211
Parcell 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 Rangée Colonn 2 2 2 2 2 2 2 2 3 3 3 3 1 1 2 3 3 3 3 2 2 2 2 2 3 3 3 2 2 2 2 2 2 2 3 4 4 4 4 4 4 5 1 1 1 2 3 3 3 4 5 5 5 5 5 5 5 5 1 Quadrat # 68 68 68 69 69 69 69 70 70 71 71 71 71 71 71 71 71 72 73 73 73 73 73 73 74 75 75 75 76 77 77 82 82 82 82 82 82 82 77 78 79 79 79 79 79 79 79 79 80 81 81 81 81 81 Espèce saule saule saule cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cerisier tardif cerisier tardif aubépine aubépine aubépine aubépine aubépine aubépine cerisier tardif saule saule saule saule saule saule herbes cornouiller cornouiller cerisier tardif herbes cornouiller cornouiller cornouiller herbes cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cerisier tardif saule saule saule saule saule cornouiller cornouiller aubépine aubépine aubépine aubépine aubépine Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 47,81 89,50 74,60 10,65 13,15 11,52 16,35 16,92 11,53 60,66 47,07 45,47 11,18 13,91 9,32 8,13 8,14 34,40 67,63 17,15 27,63 21,41 91,28 46,61 10,13 33,65 9,58 9,50 13,90 7,50 6,92 16,45 8,53 12,02 12,64 37,47 89,72 105,73 18,20 89,26 123,96 17,07 19,66 11,44 13,26 12,13 9,64 8,77 42,98 69,03 0,00 0,00 0,00 0,00 5,83 11,70 0 42,44 37,92 25,37 0,00 0,00 0,00 0,00 0,00 19,13 41,11 6,34 15,85 13,44 71,22 42,98 0 21,00 9,58 9,50 13,90 7,50 6,92 16,45 8,53 12,02 12,64 23,06 84,40 65,32 11,47 46,20 76,05 0,00 0,00 0,00 0,00 0,00 0,00 0,00 8840,57 57,30 94,44 68,70 198,74 265,31 68,84 5446,77 3038,85 2632,59 114,84 156,20 92,59 80,47 80,57 770,50 6497,20 165,91 437,30 249,27 15193,88 1917,47 0,00 58,54 51,21 813,61 0,00 17,22 63,24 61,94 0,00 141,70 175,51 36,02 30,53 291,84 47,87 115,37 133,05 1056,82 14613,32 19435,80 183,72 14439,76 19737,45 180,56 253,10 118,30 145,30 127,96 96,11 86,80 212
Parcell 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 6 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 8 8 8 8 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 Rangée Colonn 5 5 5 5 5 3 4 4 4 5 1 1 1 1 2 1 1 1 2 2 2 2 3,00 3,00 3,00 3,00 4,00 4,00 3 3 3 4 4 4 4 4 4 4 4 5 1 1 1 1 1 2 2 2 2 2 2 2 2 3 4 4 4 4 5 1 Quadrat # 82 83 83 83 84 85 85 85 85 86 87 87 87 88 88 88 88 88 88 88 88 89 90 90 90 90 90 91 91 91 91 96 96 97 97 97 97 98 98 91 91 91 91 92 93 93 93 93 94 95 95 95 95 96 96 Espèce aubépine cornouiller cornouiller cornouiller herbes cerisier tardif cerisier tardif cerisier tardif cerisier tardif herbes cerisier tardif cerisier tardif cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller herbes aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine érable érable érable érable érable rouge herbes aubépine aubépine aubépine érable rouge pommier pommier pommier pommier cornouiller cornouiller cornouiller cornouiller frêne frêne Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 10,11 4,90 8,12 8,55 30,27 25,25 14,23 37,15 19,78 7,54 10,28 9,46 9,91 4,95 6,78 6,36 6,75 30,45 39,75 5,88 7,01 16,82 11,38 39,97 31,86 19,97 29,71 26,59 33,95 61,67 23,04 17,80 22,16 18,57 10,60 7,09 32,38 29,00 29,89 103,03 70,59 24,17 9,51 9,09 7,65 59,90 59,90 0,00 0,00 0,00 0,00 23,44 15,16 5,83 27,44 12,41 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 15,57 22,16 0,00 0,00 10,00 0,00 25,61 21,36 12,16 26,33 17,39 22,28 47,90 9,90 12,07 13,96 0,00 0,00 0,00 20,04 27,22 23,18 95,07 66,72 9,11 0,00 0,00 0,00 35,07 35,07 35,76 0,00 230,97 780,30 411,77 142,06 0,00 1587,51 1280,93 395,02 28,03 52,92 44,12 48,79 14,27 23,17 20,79 22,99 0,00 203,22 811,91 1743,59 61,41 70,40 214,42 117,49 1772,89 918,54 298,26 760,17 571,24 1097,46 7385,40 299,49 343,16 437,41 96,76 0,00 286,23 107,43 71,08 869,14 535,01 584,62 16516,04 9823,12 526,62 44,62 40,55 28,80 3723,35 3723,35 213
Parcell 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 Quadrat # 99 100 101 102 102 102 102 102 103 103 103 103 103 104 104 104 104 105 106 106 106 106 106 106 106 106 107 107 107 107 107 113 114 114 114 115 115 116 117 107 107 107 108 108 108 108 109 110 111 112 112 112 113 113 113 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Rangée Colonn 1 1 1 1 1 1 2 3 4 4 4 4 4 5 5 4 4 5 5 5 5 6 6 6 7 7 8 9 5 5 5 6 6 6 6 7 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 1 2 3 4 10 10 10 10 Espèce herbes herbes herbes cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine cornouiller cornouiller cornouiller cornouiller frêne cornouiller cornouiller viorne viorne viorne viorne viorne viorne cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller herbes herbes pommier aubépine aubépine aubépine cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine aubépine frêne Frêne cornouiller 96,41 46,58 42,73 37,35 10,92 10,86 9,81 7,46 16,41 12,78 11,73 59,47 50,85 12,07 14,04 0,00 6,37 6,11 9,38 8,01 8,42 10,57 6,14 41,76 12,71 0,00 7,19 4,94 18,19 5,80 0,00 5,19 8,21 5 16,36 12,41 3,73 12,18 12,40 8,24 8,26 8,82 0,00 9,17 9,06 9,43 6,25 13,81 6,83 14,01 13,81 18,14 15,57 15,16 16,41 12,68 13,81 92,64 13,31 7,20 13,62 13,75 27,9 10,45 12,45 13,41 16,68 13,53 23,78 20,43 9,25 16,42 23,06 17,64 11,48 13,09 11,30 14,10 16,18 15,18 11,17 19,66 12,72 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 0,00 0,00 84,20 110,42 132,95 258,96 199,04 177,55 219,44 124,76 131,89 14573,18 151,30 25,76 132,18 125,15 676,99 67,16 82,67 105,42 189,51 104,65 609,17 364,62 59,40 250,45 543,84 260,58 90,80 126,88 65,67 154,29 216,64 71,32 35,48 32,89 18,88 0,00 0,00 0,00 0,00 0,00 0,00 0,00 20,04 35,50 5,87 6,50 187,14 79,44 408,99 110,40 0,00 0,00 16825,24 2837,14 2173,03 1447,59 60,68 59,91 47,72 27,48 205,20 137,69 122,28 5988,10 3239,40 156,20 139,13 214
Parcell 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 Rangée Colonn 2 2 2 2 3 9 9 9 9 1 2 2 2 2 2 1 1 1 5 5 5 6 7 8 8 9 2 2 3 4 4 5 5 5 5 5 5 5 6 7 7 8 1 1 2 2 9 10 1 1 3 4 4 4 4 4 4 5 Quadrat # 117 117 117 117 118 119 119 119 119 119 119 119 120 121 121 122 122 122 122 122 122 122 123 124 124 125 126 127 128 128 128 128 129 129 130 131 131 131 131 131 131 132 132 132 132 133 134 135 135 136 137 137 137 Espèce cornouiller cornouiller cerisier tardif cerisier tardif érable rouge cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller herbes aubépine aubépine cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller herbes cornouiller cornouiller cornouiller frêne herbes cornouiller cornouiller cornouiller cornouiller frêne frêne herbes cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller amélanchier amélanchier amélanchier amélanchier herbes herbes aubépine aubépine aubépine amélanchier amélanchier amélanchier Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 7,81 9,27 20,57 11,36 12,4 10,92 8,16 11,02 14,31 13,86 14,06 11,87 65,99 10,66 18,08 11,26 11,30 10,27 9,12 5,69 7,71 13,66 93,29 9,42 9,00 8,94 61,74 65,31 19,22 19,45 17,71 16,69 18,66 35,59 37,47 29,23 42,18 25,73 51,08 8,82 8,21 9,34 0,00 6,10 8,96 3,41 0,00 4,87 0,00 4,82 9,17 9,43 8,93 5,54 32,77 4,05 5,91 5,20 4,89 5,37 0,00 0,00 0,00 0,00 63,68 0,00 0,00 3,56 50,71 34,29 7,90 10,33 8,16 9,87 10,27 24,81 21,48 25,36 29,91 17,21 14,68 34,19 4,38 3,42 0,00 105,88 88,43 71,86 32,59 73,26 160,06 149,19 151,93 89,39 0,00 7314,51 8020,97 66,10 255,12 78,03 77,84 63,63 40,83 17,44 0,00 88,42 29,22 103,71 9336,67 0,00 101,73 43,73 39,72 44,33 7300,34 3776,34 0,00 406,07 316,09 353,56 262,38 240,68 320,16 1853,52 1888,89 1217,01 3116,00 0,00 0,00 1117,83 526,76 3777,62 90,04 80,49 74,84 215
Parcell 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 5 5 5 5 5 5 5 5 5 5 5 5 5 5 6 6 Rangée Colonn 5 5 5 5 5 2 2 2 2 2 3 4 5 5 5 6 7 7 7 1 1 2 3 4 4 5 5 5 5 5 6 7 7 8 9 9 1 1 2 3 3 3 4 4 4 4 4 5 6 6 7 8 9 9 9 9 1 1 1 Quadrat # 138 138 138 138 138 139 140 141 141 141 141 141 141 142 143 143 144 145 145 146 146 147 148 148 148 149 149 149 149 149 150 158 159 159 160 161 161 161 151 151 152 153 154 154 154 154 155 155 155 155 155 156 157 158 Espèce cornouiller cornouiller cornouiller cornouiller aubépine frêne frêne cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller herbes frêne frêne frêne frêne frêne érable érable érable cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller frêne cornouiller cornouiller érable rouge frêne cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine aubépine aubépine érable rouge herbes aubépine aubépine aubépine aubépine aubépine pommier pommier pommier Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 5,09 7,68 8,48 11,28 10,23 152,08 105,17 25,02 21,23 8,61 11,57 14,79 19,81 38,46 38,39 38,6 16,38 36,54 27,76 27,17 13,60 16,27 12,94 18,43 13,84 12,97 13,61 10,60 61,78 7,32 10,67 62,60 36,94 10,67 15,55 8,50 12,29 11,4 9,24 7,93 11,21 46,34 89,41 94,04 53,29 12,93 19,36 68,2 51,52 40,19 0,00 0,00 0,00 0,00 0,00 129,01 84,62 11,09 13,32 0,00 5,14 6,52 9,07 27,09 32,49 25,49 5,28 28,16 13,15 18,25 0,00 0,00 5,59 7,92 7,10 5,15 5,09 0,00 35,96 0,00 0,00 42,04 29,14 0,00 10,01 0,00 4,39 5,52 0,00 0,00 5,75 30,21 109,71 32,81 31,85 6,96 10,86 47,22 33,91 24,64 1608,21 57,55 202,79 35,34 93,33 117,76 91,72 78,58 115,23 2792,00 6070,38 0,00 4242,85 14643,62 4304,56 140,03 280,09 8897,64 3537,24 1500,01 35,17 65,40 102,94 3333,17 14669,28 595,40 476,42 36,27 82,98 158,50 352,95 0,00 3679,04 1565,70 1956,78 1472,22 203,49 1727,69 439,89 691,82 102,59 160,33 110,25 286,46 137,10 109,20 122,66 56,69 3943,44 26,54 57,55 5784,79 216
Parcell 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 10 10 11 11 11 11 11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 8 8 8 8 8 8 8 9 9 9 9 9 10 10 10 10 Rangée Colonn 7 7 7 7 7 8 8 9 9 9 1 2 3 3 4 2 3 3 4 7 8 9 9 9 1 1 1 4 4 1 2 3 3 4 1 2 3 4 4 4 1 2 3 3 4 1 2 3 4 4 4 5 5 5 6 6 6 7 7 Quadrat # 162 162 163 163 163 164 165 166 166 167 167 167 168 169 170 170 171 172 173 174 174 174 174 175 176 177 177 178 179 180 181 188 188 188 189 190 190 191 182 182 182 183 183 183 184 184 184 185 185 185 186 187 187 187 Espèce frêne frêne cornouiller cornouiller cornouiller cornouiller herbes pommier pommier cornouiller cornouiller frêne frêne frêne pommier pommier frêne frêne frêne cornouiller amélanchier amélanchier amélanchier frêne frêne frêne amélanchier frêne érable aubépine aubépine aubépine aubépine aubépine aubépine aubépine cerisier tardif cerisier tardif cerisier tardif aubépine aubépine aubépine frêne cornouiller cornouiller cornouiller Aubépine Aubépine Aubépine frêne cornouiller cornouiller cornouiller 16,46 23,65 8,78 68,38 0,00 8,79 0,00 14,79 15,06 11,08 35,78 7,17 0,00 6,38 55,3 0,00 3,64 35,17 8,97 51,18 29,34 54,23 27,52 65,69 42,36 5,56 5,56 10,59 9,47 11,32 20,36 22,81 11,09 45,57 60,16 27,56 16,25 9,13 6,68 10,23 12,40 9,11 11,19 12,41 34,25 26,65 85,69 14,33 8,76 51,82 24,56 66,1 37,52 73,77 55,59 84,24 50,25 10,04 30,61 14,34 17,5 15,32 26,34 32,95 25,48 75,37 67,24 52,16 11,57 12,72 12,92 19,34 28,98 16,96 23,77 21,54 46,25 36,61 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 21,94 23,98 18,12 10,62 22,61 14,98 3,94 9,98 9,66 3,72 7,72 6,48 292,18 64,79 445,39 163,40 0,00 16183,02 15141,42 116,79 42,63 3264,75 386,38 7677,41 1192,51 11061,72 2551,44 12500,83 30,32 36,9 16,03 86,46 7,98 15,57 11,07 33,93 31,92 35,82 52,73 15,29 12,87 18,61 4254,93 60,92 624,20 207,65 263,50 244,43 684,01 1043,80 552,29 6006,84 11517,38 4029,86 120,07 136,77 139,87 279,51 711,85 217,65 436,26 296,56 2488,45 1206,60 802,61 1396,75 196,97 13414,71 31,21 195,00 62,61 1095,62 923,32 1280,47 3414,00 176,16 89,60 277,90 217
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 2 2 2 2 4 5 6 7 8 8 9 10 1 2 2 3 3 4 4 4 4 4 5 5 5 6 6 2 2 2 3 4 4 4 4 5 5 6 6 6 7 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 10 1 2 191 192 193 194 195 195 196 197 198 199 199 199 200 201 201 201 201 202 202 203 203 203 204 205 205 205 205 205 206 206 206 206 211 211 212 212 212 213 213 206 206 206 206 206 206 207 208 209 209 209 210 210 211 211 211 cornouiller frêne cerisier tardif frêne érable érable frêne frêne Aubépine Aubépine Aubépine aubépine framboisier amélanchier cornouiller cornouiller cornouiller cerisier tardif cerisier tardif érable érable érable aubépine aubépine cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller frêne frêne cornouiller cornouiller cornouiller saule cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine 7,06 7,41 7,46 28,57 0,00 15,72 25,06 0 0 13,86 13,00 9,64 3,82 4,49 4,60 6,82 5,17 11,42 3,15 6,26 5,38 12,50 0,00 4,39 21,77 18,84 7,37 7,33 10,75 32,13 11,17 7,02 6,16 9,6 3,54 5,03 10,94 9,16 15,02 29,26 18,80 13,40 13,82 13,90 43,28 10,96 21,44 35,61 18,71 0 24,87 25,01 10,62 8,38 9,60 13,29 10,05 12,00 19,17 10,10 11,92 10,78 20,01 22,03 11,54 31,86 28,5 18,09 11,87 18,97 69,27 6,48 12,01 11,51 14,9 6,65 12,34 14,16 11,74 27,68 36,59 39,74 9,12 75,46 36,18 44,68 85,25 52,3 28,95 37,99 15,69 19,18 10,15 16,97 3,70 58,57 29,19 31,29 71,23 36,98 27,74 22,45 7,67 6,79 0,00 4,79 406,78 323,66 80,35 951,45 716,90 268,75 95,13 338,47 7015,83 31,62 96,77 84,93 179,70 25,34 96,37 165,81 98,76 632,15 1362,55 1742,27 2306,18 16936,00 3813,13 1063,25 1266,90 189,86 274,91 101,99 217,88 0,00 7471,33 126,41 138,09 140,32 1716,81 87,93 508,77 1358,59 96,96 0,00 485,25 491,81 79,59 39,23 53,23 113,72 63,78 90,57 355,05 56,76 92,58 71,02 218
Parcell 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 Rangée Colonn 4 4 4 4 4 6 7 8 8 9 9 10 10 1 2 1 2 2 2 10 10 10 1 3 3 3 2 3 4 4 5 6 7 7 7 7 8 8 8 8 8 9 4 4 5 6 10 1 2 3 6 6 6 7 8 9 10 10 Quadrat # 213 214 215 215 216 216 217 217 218 219 219 220 221 221 222 223 224 224 224 224 225 225 225 225 225 226 227 228 229 230 231 231 232 233 233 233 233 234 235 236 237 237 237 237 237 238 239 240 240 240 241 241 241 Espèce aubépine érable érable érable pommier frêne frêne frêne cerisier tardif cerisier tardif Aubépine érable rouge érable rouge frêne frêne aubépine aubépine aubépine aubépine cornouiller cornouiller cornouiller cornouiller cornouiller aubépine érable rouge aubépine herbes cornouiller amélanchier amélanchier herbes aubépine aubépine aubépine aubépine herbes pommier frêne cornouiller cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine cornouiller cornouiller aubépine aubépine aubépine Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 28,13 60 34,2 62,26 28,32 24,58 43,66 34,62 105,65 27,15 12,76 86,96 38,61 117 36,03 39,65 28,85 34,69 26,25 27,84 9,9 14,14 5,03 8,03 11,53 43,77 70,02 14,23 34,5 32,06 63,2 59,4 109,57 97,66 12,55 10,22 8,31 9,03 23,58 23,57 40,11 22,28 16,00 12,10 72,85 77,67 46,94 0,00 45,05 25,48 50,26 13,36 14,78 29,19 23,62 77,32 19,67 6,67 59,83 23,43 104,3 27 31,34 18,11 19,59 14,39 17,25 4,53 7,82 0,00 0,00 4,35 17,43 54,01 8,36 23,08 24,23 38,17 45,58 95,04 81,72 6,21 4,12 0,00 4,31 9,11 17,73 21,19 15,18 11,86 6,38 49,70 48,75 38,97 703,52 553,29 641,54 56,99 148,25 14,59 31,59 80,08 161,83 8138,07 499,57 338,59 2046,91 1161,00 10591,84 560,92 134,85 13907,58 1252,15 12191,90 1417,85 1954,30 1167,19 2339,96 10299,68 0,00 85,79 1642,86 1441,59 0,00 7636,97 7127,94 5967,48 12932,71 0,00 10301,20 17320,01 104,58 60,27 33,78 46,46 504,95 427,82 1791,73 376,70 232,22 96,35 10252,68 11727,79 2905,80 219
Parcell 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 Rangée Colonn 7 7 7 7 7 4 5 6 6 6 6 7 7 8 9 1 1 2 3 4 5 6 7 7 7 7 7 7 9 9 10 10 10 1 2 3 3 3 3 4 5 5 5 5 5 6 6 6 6 7 7 8 8 8 9 9 9 9 9 10 Quadrat # 242 243 244 244 244 244 245 245 246 247 247 247 248 248 248 249 250 251 251 251 251 252 253 253 253 253 253 254 254 254 254 263 264 265 265 265 265 265 265 255 255 256 256 256 257 257 257 257 257 258 259 259 260 261 262 Espèce érable rouge frêne cerisier tardif cerisier tardif cerisier tardif cerisier tardif Aubépine Aubépine érable érable érable érable érable érable érable cornouiller cerisier tardif Aubépine Aubépine Aubépine Aubépine frêne cornouiller cornouiller cornouiller cornouiller cornouiller amélanchier amélanchier amélanchier amélanchier amélanchier érable Aubépine Aubépine Aubépine Aubépine Aubépine Aubépine Aubépine Aubépine Aubépine Aubépine érable rouge érable érable Aubépine Aubépine érable amélanchier amélanchier amélanchier amélanchier 35,14 31,96 72,23 47,29 126,93 35,47 45,18 35,81 18,79 19,49 17,04 16,73 20,65 17,61 27,64 48,40 34,64 53,74 67,65 35,34 44,10 52,66 39,53 47,30 84,21 16,25 10,68 13,53 14,01 13,64 51,02 106,07 95,17 61,64 36,99 46,22 54,81 51,33 54,26 10,23 15,23 15,55 13,98 12,58 50,34 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 94,52 96,04 21,37 21,66 27,5 21,16 22,41 39,36 75,12 28,81 85,98 79,21 14,92 14,43 15,96 13,47 11,57 24,60 57,71 25,21 8,85 22,03 37,19 26,40 42,69 48,34 21,09 24,79 33,62 28,63 27,31 65,21 7,62 0,00 0,00 6,39 8,49 36,80 105,39 89,35 55,76 28,88 36,09 36,17 25,11 36,71 6,46 10,02 10,66 8,63 7,24 30,42 18,69 12,68 60,56 40,54 104,69 14,47 32,63 25,02 8,4 9,77 10 9,5 9,45 330,53 328,23 479,61 305,20 381,60 1692,56 12247,83 1244,28 248,97 954,82 3645,22 1480,22 5244,89 1,55 880,23 2394,83 4150,06 1714,66 2975,59 12259,06 208,29 57,67 101,29 137,87 138,79 5430,94 1179,32 3876,14 8353,13 2246,20 3315,68 4691,03 3835,11 4548,98 102,94 180,59 186,99 157,41 134,63 3610,68 1211,30 926,52 12484,49 4293,47 13817,73 1244,48 2580,91 1358,44 281,00 318,12 259,04 246,26 346,25 220
Parcell 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 6 6 6 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 6 10 10 10 10 10 10 10 10 10 10 10 10 11 11 11 11 11 11 11 11 11 11 11 11 1 1 1 1 11 1 1 1 9 9 9 9 9 10 10 10 10 10 10 10 10 10 10 10 Rangée Colonn 9 9 9 9 9 7 8 8 9 9 10 10 10 10 10 3 3 4 5 5 5 5 1 2 3 3 1 2 2 2 2 2 2 3 4 5 5 6 6 6 6 6 6 6 7 8 9 10 10 1 1 2 2 2 2 3 3 4 Quadrat # 265 266 266 267 267 268 268 268 268 268 269 270 270 270 270 270 270 271 272 273 273 274 274 274 274 274 274 274 275 276 277 278 278 279 279 280 280 280 280 281 281 282 283 283 283 283 284 285 286 286 286 286 287 Espèce amélanchier Aubépine Aubépine érable érable cornouiller cornouiller cornouiller cornouiller cornouiller Aubépine Aubépine Aubépine Aubépine Aubépine Aubépine Aubépine Herbes Herbes Aubépine Aubépine viorne viorne viorne viorne viorne viorne viorne frêne Mûre Mûre Mûre Mûre amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier cerisier tardif cerisier tardif cerisier tardif cornouiller cornouiller cornouiller cornouiller herbes cerisier tardif aubépine aubépine aubépine aubépine aubépine 54,65 70,54 16,4 23,43 25,42 20,16 23,34 25,43 29,49 106,4 0 0 0 0 28,44 20,48 11,11 17,32 8,15 13,39 61,02 59,11 46,13 23,83 17,96 10,47 15,92 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 19,27 36,24 29,48 53,37 70,51 13,45 12,15 11,67 15,44 15,69 41,35 42,16 27,13 46,17 18,64 30,18 79,13 47,22 11,76 21,49 6,58 66,81 14,06 18,37 14,46 40,43 58,54 8,12 7,2 8,73 7,33 5,99 12,87 33,01 24,46 32,45 12,73 19,49 50,21 39,33 52,98 9,62 14,38 21,65 13,07 22,18 13,68 14,76 88,04 0 0 0 0 21,13 12,31 0 3,18 0 52,77 23,11 12,45 13,11 4,50 7,69 23,61 39,02 0,00 0,00 46,37 4665,42 11672,94 132,36 100,12 95,93 181,51 180,35 1965,32 2085,35 600,77 2760,33 259,89 792,70 12139,70 0,00 0,00 4649,45 9506,57 208,84 523,85 891,54 374,59 791,09 571,79 784,47 16040,23 0,00 0,00 0,00 0,00 1012,90 387,13 89,21 190,08 66,34 111,15 6315,89 8548,29 1468,97 577,54 322,41 64,47 198,40 0,00 1188,04 2959,99 122,70 348,07 66,85 8287,52 221
Parcell 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 Rangée Colonn 1 1 1 1 2 4 4 4 4 1 2 2 2 3 3 4 1 1 1 1 1 1 1 2 2 3 3 3 3 4 4 4 4 4 1 1 2 2 2 2 3 4 4 1 1 1 1 1 1 1 1 1 1 2 3 3 3 3 3 3 Quadrat # 287 287 287 287 288 289 289 289 290 290 290 291 291 291 291 291 292 292 293 293 293 293 294 295 295 296 296 296 296 296 296 300 300 300 301 301 302 302 302 296 296 296 296 297 298 298 298 298 298 298 299 300 300 300 300 Espèce aubépine aubépine aubépine aubépine érable cerisier tardif cerisier tardif cerisier tardif cerisier tardif cerisier tardif aubépine aubépine aubépine aubépine aubépine aubépine aubépine amélanchier amélanchier cornouiller cornouiller érable aubépine aubépine cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine aubépine érable rouge cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cerisier tardif cerisier tardif aubépine aubépine aubépine 50,49 9,02 10,15 9,04 13,36 7,30 14,65 8,79 6,61 5,02 10,60 6,92 11,62 41,09 44,48 27,37 42,68 47,35 52,53 25,46 32,08 68,47 11 8,54 5,21 98,15 65,66 51,87 9,48 7,52 8,8 9,61 9,37 6,84 48,18 40,94 11,2 9,3 123,57 6,72 4,65 9,45 11,65 5,92 7,07 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 40,59 39,90 29,70 69,28 57,64 31,95 18,38 25,52 54,62 59,38 31,12 32,16 24,76 37,32 46,72 24,93 10,12 13,54 40,02 36,45 29 29,34 13,96 37,51 35,98 48,53 19,46 16,39 42,48 9,74 0,00 0,00 65,68 46,04 44,84 7,57 5,23 5,58 4,18 5,26 0,00 36,19 32 5,83 2,81 91,96 0,00 0,00 4,46 2,92 0,00 0,00 27,93 2,48 3,25 3,23 4,28 0,00 5,70 0,00 0,00 0,00 0,00 0,00 0,00 759,49 9095,04 6640,39 905,59 222,69 387,01 4204,18 3997,34 1613,98 2459,16 614,30 2165,23 2985,38 4118,60 513,41 936,17 9853,78 145,12 35,68 15,32 19695,65 7914,11 3961,14 57,66 33,45 46,03 52,77 51,90 23,52 3151,03 1906,58 115,10 92,37 22091,67 22,81 13,14 51,40 78,08 18,53 24,93 3644,13 43,50 57,59 44,85 113,93 26,41 150,43 37,83 65,90 59,06 107,43 69,64 120,76 222
Parcell 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 1 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 6 6 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Rangée Colonn 5 5 5 5 6 3 3 3 4 1 2 3 1 1 1 1 1 1 4 4 4 4 5 5 5 5 1 1 2 3 3 3 3 3 3 4 5 5 1 1 1 1 2 3 4 4 4 4 5 5 1 1 1 2 2 3 3 4 Quadrat # 302 302 302 303 304 305 306 307 307 307 307 307 308 309 309 309 309 309 309 310 311 311 312 312 312 312 313 314 315 315 315 315 316 316 317 317 317 318 318 319 319 320 320 320 320 320 321 321 321 321 322 322 322 Espèce aubépine aubépine aubépine aubépine herbes herbes herbes pommier pommier pommier pommier pommier érable rouge cornouiller cornouiller cornouiller cornouiller aubépine aubépine herbes saule saule amélanchier amélanchier amélanchier amélanchier érable frêne cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine aubépine cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine aubépine amélanchier amélanchier amélanchier amélanchier aubépine aubépine aubépine 47,72 21,02 19,32 15,99 19,74 59,08 116,13 12,17 8,9 6,93 6,35 46,09 21,41 10,91 13,22 11,7 11,06 9,92 12,08 10,74 9,58 9,05 8,25 23,59 18,89 23,85 29,9 16,54 31,79 21,92 29,05 23,69 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 9,12 9,89 11,30 25,63 80,93 16,07 14,91 13,65 44,56 91,36 9,80 9,89 10,84 6,30 9,24 6,78 0,00 0,00 0,00 0,00 47,75 0,00 0,00 0,00 0,00 22,42 71,81 0,00 0,00 0,00 0,00 0,00 0,00 521,78 0,00 0,00 0,00 57,89 129,51 112,68 96,66 2135,12 18534,94 47,62 48,58 59,66 35,27 9,43 8,88 5,7 8,1 43,68 84,48 3,48 3,05 0 0,00 33,77 17,72 0,00 0,00 5,46 4,94 0,00 4,84 5,21 2,27 2,96 4,95 12,65 9,27 16,24 12,7 8,34 23,21 10,42 10,96 0,00 20,47 91,72 68,48 0,00 1172,88 2067,63 356,93 300,93 191,95 300,85 5938,94 8485,76 88,32 43,15 24,06 20,74 2745,52 345,28 111,34 144,65 86,15 74,18 48,90 90,97 70,00 49,05 44,53 39,55 428,66 266,75 598,93 824,59 229,39 1373,49 363,41 716,37 432,86 223
Parcell 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 5 5 5 5 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 7 7 7 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 Rangée Colonn 4 4 4 4 4 1 2 2 2 2 2 3 3 3 4 5 1 1 2 3 3 4 4 4 4 5 5 4 4 5 1 2 3 3 4 4 4 4 5 5 5 5 1 1 1 1 1 1 1 1 1 2 2 2 2 3 3 3 3 Quadrat # 322 323 323 323 323 323 324 324 324 325 325 325 326 327 328 329 329 330 330 330 330 331 331 331 331 332 332 332 332 332 332 335 336 336 336 337 337 338 332 332 332 333 333 333 333 334 334 334 334 334 334 335 335 335 Espèce aubépine saule saule saule cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine aubépine érable rouge pommier pommier cerisier tardif cerisier tardif pommier pommier cornouiller cornouiller aubépine aubépine cerisier tardif cerisier tardif aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine cerisier tardif aubépine saule saule cerisier tardif cerisier tardif cerisier tardif cornouiller cornouiller cornouiller cornouiller aubépine aubépine cerisier tardif cerisier tardif cerisier tardif cerisier tardif frêne pommier pommier herbes 12,07 5,71 10,4 24,88 46,67 18,01 39,22 37,90 18,59 18,35 20,47 22,5 29,84 69,44 67,20 85,32 20,91 30,66 24,09 61,02 7,94 5,3 32,63 9,65 24,70 9,50 20,65 16,36 23,82 25,63 26,5 12,59 11,86 11,64 36,06 25,29 53,41 70,54 34,44 58,82 18,72 12,4 9,1 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 39,49 54,10 34,65 44,48 13,24 11,02 9,08 16,63 11,24 8,04 9,54 20,85 26,47 24,72 49,09 24,53 38,26 10,78 7,77 7,19 6,95 0 0,00 7,68 24,28 7,76 28,91 24,56 11,76 0 0 10,88 9,01 0,00 0,00 0,00 0,00 10,8 13,04 51,06 57,16 63,96 8,45 13,89 15,77 43,50 0,00 0,00 15,38 0,00 11,70 0,00 7,62 7,53 5,26 6,59 5,53 0,00 0,00 0,00 23,47 8,38 35,54 787,55 1653,53 140,15 84,74 40,46 169,28 64,86 31,66 385,03 769,06 9293,20 8515,70 15041,36 237,78 507,68 321,28 6286,67 30,91 15,70 981,46 96,23 340,11 79,96 319,72 204,10 438,39 521,78 566,44 134,78 124,10 121,03 1015,26 505,16 2985,35 7432,10 994,59 4296,68 234,26 107,24 52,18 97,70 17,53 104,98 485,72 1580,49 195,09 1493,65 1154,25 306,71 169,28 215,68 0,00 224
Parcell 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 7 7 7 7 7 7 7 7 7 7 7 7 7 8 8 8 Rangée Colonn 7 7 7 7 7 3 3 3 3 4 4 4 4 4 4 4 4 4 5 4 3 3 3 3 3 3 3 3 4 5 5 5 5 5 5 5 1 1 2 3 3 4 5 5 5 1 1 1 1 2 2 3 4 5 5 5 5 1 1 2 Quadrat # 339 340 340 340 341 341 341 341 341 341 341 342 342 342 342 342 342 342 343 343 344 345 345 346 347 347 347 348 348 348 348 355 355 355 356 356 356 357 356 349 349 350 351 352 352 352 352 353 353 354 355 355 355 355 355 Espèce cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine aubépine cerisier tardif aubépine aubépine aubépine aubépine aubépine aubépine aubépine pommier pommier pommier pommier cornouiller cornouiller pommier herbes viorne viorne viorne viorne aubépine aubépine pommier cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 8,45 7,57 7,00 6,79 12,25 9,92 16,96 13,82 20,32 29,70 25,38 40,86 41,95 30,36 10,15 8,09 7,62 8,93 39,89 28,49 16,43 29,41 48,41 20,94 37,28 42,98 16,14 13,19 31,59 73,72 88,47 15,91 12,59 65,98 39,26 39,28 35,11 25,47 24,00 40,84 18,12 12,08 8,47 5,36 10,45 5,44 7,82 10,90 11,27 15,40 12,98 22,31 12,98 0,00 0,00 0,00 0,00 0,00 4,86 6,47 5,17 19,68 28,92 9,28 0,00 19,23 37,70 53,54 5,27 0,00 48,51 13,11 19,64 11,06 30,99 27,72 13,17 0,00 0,00 0,00 0,00 19,48 19,86 5,69 11,47 19,16 8,37 23,93 21,75 25,83 9,72 14,68 19,42 5,56 0,00 0,00 0,00 0,00 0,00 0,00 0,00 4,53 5,96 6,64 10,37 6,64 24,49 23,22 79,50 57,90 222,51 127,75 309,14 759,49 509,51 1895,27 2053,72 805,46 101,99 80,09 75,74 88,45 1762,20 605,03 205,64 739,99 3198,01 329,27 1439,59 2212,33 199,32 91,34 690,31 11042,34 15813,55 182,11 84,93 8055,96 0,00 1009,86 1863,98 1717,91 1712,93 513,90 446,13 1583,67 253,38 76,89 35,09 15,96 54,90 16,31 30,02 60,42 76,40 171,96 115,22 475,86 115,22 225
Parcell 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 1 1 1 1 1 1 2 2 2 2 3 3 3 4 4 4 4 10 11 11 11 11 11 11 11 11 11 11 11 11 11 11 12 Rangée Colonn 10 10 10 10 10 5 5 5 6 6 6 1 1 1 2 1 1 2 2 2 1 1 2 2 1 1 2 3 3 3 3 3 3 4 4 4 4 1 1 2 2 3 3 3 3 3 3 3 4 4 4 4 4 4 1 1 1 2 2 Quadrat # 357 357 357 358 358 358 359 359 359 360 361 361 361 361 361 361 362 362 362 362 363 363 364 364 365 365 365 365 365 365 365 371 371 372 373 373 374 374 366 366 366 366 366 366 367 367 367 368 368 368 369 369 370 370 Espèce cornouiller cornouiller frêne frêne cornouiller cornouiller aubépine aubépine aubépine pommier amélanchier amélanchier amélanchier amélanchier amélanchier amélanchier aubépine aubépine aubépine aubépine saule saule cerisier tardif cerisier tardif cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller cerisier tardif cerisier tardif cerisier tardif cerisier tardif cerisier tardif aubépine peuplier peuplier peuplier peuplier aubépine aubépine aubépine aubépine aubépine aubépine aubépine cornouiller cornouiller peuplier aubépine aubépine aubépine 26,96 14,02 15,77 5,19 18,43 13,51 9,39 8,44 6,55 2,96 35,39 7,06 13,51 13,78 13,98 43,54 8,68 11,11 10,76 7,22 9,84 0 33,31 21,84 9,75 5,63 34,35 3,98 19,55 23,45 4,68 4,53 2,26 8,67 3,47 7,11 4,74 35,03 22,16 34,64 36,94 5,4 5,11 57,29 34,92 39,95 14,49 5,74 19,98 20,4 31,64 66,92 17,31 24,63 22,11 22,41 22,98 16,71 44,32 35,12 20,25 16,57 60,51 15,11 35,19 38,14 9,81 13,02 9,25 17,86 11,32 13,77 15,05 43,19 29,58 49,79 44,2 18,1 17,58 68,6 45,3 69,79 37,5 29,24 33,93 20,77 21,38 24,57 22,89 22,93 12,79 9,23 53,85 24,15 24,57 22,95 Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 11,23 9,76 26,09 51,85 7,34 3,46 16,23 34,87 6,97 0,00 9,77 6,3 568,09 3226,18 152,97 17,67 298,56 311,68 901,18 8409,53 249,79 517,00 415,06 361,19 427,84 151,13 2431,93 1209,31 306,94 208,76 4513,39 135,66 813,52 1106,48 56,15 107,88 45,50 272,60 74,40 135,43 155,62 2317,48 710,84 2842,22 2629,07 175,55 232,48 5787,42 2526,37 5948,02 1512,25 728,76 1095,62 323,64 344,24 471,44 400,18 401,76 110,80 46,41 3759,28 452,68 471,44 402,55 226
Parcell 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 1 2 2 2 1 1 1 2 2 2 2 2 2 1 1 1 1 2 3 3 3 3 1 1 1 1 1 2 2 2 3 7 7 8 8 8 8 8 8 9 9 9 9 8 8 8 9 9 9 9 9 5 5 5 6 6 6 6 6 6 7 7 7 7 7 7 7 Rangée Colonn 5 5 5 5 5 1 1 1 1 2 2 2 3 1 1 Quadrat # 375 375 375 375 376 376 376 377 378 378 378 379 379 379 380 384 385 385 385 385 385 386 386 386 387 380 380 381 381 381 381 381 381 382 382 382 382 383 384 384 384 Espèce aubépine aubépine érable rouge cornouiller cornouiller cornouiller cornouiller herbes aubépine aubépine aubépine aubépine aubépine peuplier aubépine aubépine aubépine cornouiller cornouiller cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine aubépine herbes cornouiller cornouiller cornouiller cornouiller aubépine aubépine aubépine aubépine aubépine cornouiller cornouiller cornouiller cornouiller Dbase (mm) DBH (mm) biomasse prédite par le modèle FSR 27,98 23,73 56,78 13,12 15,13 17,31 12,8 22,09 21,38 22,89 22,93 58,83 27,54 25,01 17,64 14,72 14,37 14,06 16,38 16,11 21,15 26,07 26,17 24,41 28,55 11,92 8,44 9,19 13,28 15,39 19,75 20,77 22,93 11,67 10,99 18,21 8,12 11,66 22,9 38,72 5,78 8,42 8,43 8,57 8,61 18,43 9,39 8,44 47,99 15,35 16,38 3,84 5,15 5,23 5,24 5,58 5,61 5,68 6,06 11,92 16,11 21,98 9,55 3,02 3,18 7,94 10,34 3,46 5,19 16,46 2,84 3,09 3,2 2,91 4481,88 114,80 179,20 250,47 119,08 0,00 345,63 369,64 344,24 400,18 401,76 4466,23 624,04 491,81 233,96 149,35 141,04 133,64 197,92 190,10 362,42 543,98 549,13 464,22 684,61 0,00 162,76 103,79 38,70 46,34 145,63 183,77 291,59 323,64 401,76 78,18 68,55 236,23 83,86 227
Annexe K : Analyse du chantier de récolte par comparaison statistiques à partir des équations de Savoie et al. (2012)
0,8 0,6 0,4 0,2 0 2 1,8 1,6 1,4 1,2 1 0 y = 0,0691x + 0,716 R² = 0,2209 y = 0,3981ln(x) + 0,4421 R² = 0,2056 2 4 6 8 Rendement récolté (t MS/ha) 10 12 Figure A. 21: Relation entre la capacité de récolte mesurées (y) fonction des rendements récoltés (x) sur le site de St-Augustin. 7 6 5 2 1 4 3 0
y = 1.1664Ln(x) + 1.3466 R 2 = 0,3066 y = 0.1308x + 2.4832 R 2 = 0,3187
0 5 10 15 Rendement récolté (t MS/ha) 20 Figure A. 22: Relations de régression connues entre la capacité de récolte (y) et les rendements récoltés (x) en milieux naturels de Savoie (2012). 228
35 30 25 20 15 y = -5,115ln(x) + 29,449 R² = 0,1147 y = -0,9005x + 26,01 R² = 0,1268 10 5 0 0 2 4 6 8 Rendements récoltés (t MS/ha) 10 12 Figure A. 23: Relation entre la consommation de carburant mesurées (y) fonction des rendements récoltés(x) sur le site de St-Augustin. 25 20 15 10 5 y = -4.153Ln(x) + 16.506 R 2 = 0,3218 0 0 5 10 15 Rendements récoltés (t MS/ha) 20 Figure A. 24: Relation de régression connue entre la consommation de carburant et rendements récoltés en milieux naturels de Savoie (2012; Non publié). 229
35 30 25 20 15 10 5 y = -15,84x + 38,599 R² = 0,8478 0 0 0,5 1 Capacité de récolte (t MS/h) 1,5 2 Figure A. 25: Relation entre la consommation de carburant mesurées (y) fonction de la capacité de récolte (x) sur le site de St-Augustin. 2 0 6 4 16 14 12 10 8 y = -2.0688x + 14.93 R 2 = 0,645 0 1 2 4 5 6 Figure A. 26: Relation de régression connue entre la consommation de carburant (y) et capacité de récolte (x) en milieux naturels de Savoie (2012). 230
160 140 120 100 80 60 y = 8,3363x + 121,52 40 20 0 0 0,5 1 Capacité de récolte (t MS/h) 1,5 2 Figure A. 27: Relation entre la densité des balles mesurées (y) fonction de la capacité de récolte (x) sur le site de St-Augustin. Figure A. 28: Relation de régression connue entre la densité des balles mesurées (y) et capacité de récolte (x) en milieux naturels de Savoie (2012). 231
Tableau A. 26: Données brutes des capacités de récolte de la biomasse avec le Biobaler (résultats observés et prédictions selon les modèles log et linéaire de Savoie et al. 2012. Parcelle Parcelle Capacité de récolte observée (t MS/h) Capacité de récolte prédite par le modèle log de Savoie et al. 2012 1 3 4 5 6 7 8 1,84 1,14 1,01 0,85 0,92 1,25 1,11 (t MS/h) 3,84 3,70 2,73 3,19 3,49 3,21 3,98 (t MS/h) 3,59 3,47 2,91 3,12 3,31 3,13 3,74 Tableau A. 27: Données brutes des consommations de carburant avec le Biobaler fonction des rendements de récolte (résultats observés et prédictions selon le modèle log de Savoie et al. (2012)). Consommation de carburant observée (l/ t MS) Capacité de récolte prédite par le modèle linéaire de Savoie et al. 2012 Consommation de carburant prédite par le modèle log de Savoie et al. 2012 1 3 4 5 6 7 8 10,61 17,93 20,72 28,84 23,22 17,77 22,48 (l/ t MS) 7,63 8,12 11,59 9,95 8,86 9,86 7,12 232
Tableau A. 28: Données brutes des consommations de carburant avec le Biobaler fonction de la capacité de récolte (résultats observés et prédictions selon le modèle log de Savoie et al. (2012)). Parcelle 1 3 4 5 Consommation de carburant observée (l/ t MS) 10,61 17,93 20,72 28,84 Consommation de carburant prédite par le modèle log de Savoie et al. 2012 (l/ t MS) 7,63 8,12 11,59 9,95 6 7 8 23,22 17,77 22,48 8,86 9,86 7,12 Tableau A. 29: Données brutes de la densité des balles observées (y) et capacité de récolte (x) (résultats observés et prédiction selon le modèle linéaire de Savoie et al. (2012)). Parcelle 1 3 4 5 6 7 8 Densités observées des balles (l/ t MS) 135,97 140,90 113,41 117,61 149,33 129,57 131,54 Densités prédites des balles de Savoie et al. 2012 (l/ t MS) 187,35 195,77 197,34 199,27 198,42 194,45 196,14 233
Tableau A. 30: Résultats des analyses statistiques (test de t pairé) pour la capacité de récolte en fonction des rendements (modèle log) entre les mesures observées sur le site de Saint Augustin-de-Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
Mean
-2.2900
95% CL Mean
-2.6701 -1.9099
Std Dev 95% CL Std Dev
0.4110 0.2648 0.9050
DF t Value Pr > |t|
6 -14.74 <.0001
N Mean Std Dev Std Err
7 -2.2900 0.4110 0.1553
Minimum
-2.8735
Maximum
-1.7185 Tableau A. 31: Résultats des analyses statistiques (test de t pairé) pour la capacité de récolte en fonction des rendements (modèle linéaire) entre les mesures observées sur le site de Saint-Augustin-de-Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
N Mean
7 -2.1637
Std Dev
0.3216
Std Err
0.1216
Minimum
-2.6276
Maximum
-1.7524
Mean 95% CL Mean
-2.1637 -2.4611 -1.8662
Std Dev 95% CL Std Dev
0.3216 0.2072 0.7082
DF t Value Pr > |t|
6 -17.80 <.0001 234
Tableau A. 32: Résultats des analyses statistiques (test de t pairé) pour la Diesel en fonction des rendements (modèle log) entre les mesures observées sur le site de Saint-Augustin-de Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
N Mean Std Dev Std Err Minimum Maximum
7 11.2074 5.3384 2.0177 2.9819 18.8915
Mean 95% CL Mean Std Dev 95% CL Std Dev
11.2074 6.2701 16.1446 5.3384 3.4400 11.7556
DF t Value Pr > |t|
6 5.55 0.0014 Tableau A. 33: Résultats des analyses statistiques (test de t pairé) pour la Diesel en fonction de la capacité (modèle linéaire) entre les mesures observées sur le site de Saint-Augustin de-Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
N Mean Std Dev Std Err Minimum Maximum
7 7.6941 5.0409 1.9053 -0.5134 15.6685
Mean 95% CL Mean Std Dev 95% CL Std Dev
7.6941 3.0320 12.3562 5.0409 3.2483 11.1005
DF t Value Pr > |t|
6 4.04 0.0068 235
Tableau A. 34: Résultats des analyses statistiques pour la Densité fonction de la capacité (modèle linéaire) entre les mesures observées sur le site de Saint-Augustin-de-Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
N Mean Std Dev Std Err Minimum Maximum
7 -64.3434 13.9885 5.2872 -83.9280 -49.0933
Mean 95% CL Mean Std Dev 95% CL Std Dev
-64.3434 -77.2806 -51.4062 13.9885 9.0141 30.8036
DF t Value Pr > |t|
6 -12.17 <.0001 236