| Summary: | L’épinette blanche (Picea glauca (Moench Voss)) est une des essences les plus importantes pour le reboisement au Canada, permettant d’alimenter l’industrie forestière. L’épinette blanche est ainsi l’objet d’importants programmes d’amélioration génétique dans la majorité des provinces canadiennes. Afin d’optimiser l’utilisation des épinettes améliorées, une meilleure identification des stations de reboisement serait souhaitable. Pour ce faire, nous avons utilisé les données des inventaires de plantation réalisés par le gouvernement du Québec ainsi que des variables environnementales (climatiques, topographiques, édaphiques et hydrologiques) afin de déterminer quelles variables prédisaient le mieux l’indice de qualité de station (IQS). Trois modèles ont été testés pour deux zones d’étude, soit le modèle « général », qui utilise les données dérivées de la cartographie disponible à échelle 1 / 20 000 pour l’ensemble du territoire forestier du Québec, le modèle général « simplifié » qui utilise l’information de la carte écoforestière plus la localisation des parcelles dans la zone générale et le modèle « LiDAR », qui utilise l’information des modèles numériques de terrain issus de survols LiDAR pour la zone du Québec possédant cette information. Bien que présentant un faible pouvoir prédictif, le modèle général présente une capacité de prédiction légèrement meilleure que les modèles déjà publiés. Une méthode est proposée afin de générer une carte de productivité pour la Réserve faunique du Saint-Maurice. Cette carte, superposée à la cartographie des contraintes d’implantation de zones d’intensification, a permis de déterminer que seul 0,18 % de la superficie totale de la réserve correspond à des zones de haute productivité (IQS > 12m) sans contrainte pour la plantation, soit les meilleures stations pour l’établissement de plantations d’épinettes blanches améliorées. Cependant, la majorité des superficies de la réserve (59,85 %) offre tout de même des zones avec une bonne productivité (IQS 8 - 12m) et aucune contrainte pour la plantation. === White spruce (Picea glauca (Moench) Voss) is one of the most important species for reforestation in Canada. Given its importance for Canada’s forest industry, white spruce is therefore the object of important genetic improvement programs in most provinces. To optimize the use of genetically improved spruce trees, better identification of reforestation sites would be desirable. To identify those sites, data from plantation inventories carried out by the government of Quebec were used, along with climatic, topographic, edaphic, and hydrological variables, to determine which variables best predicted site index. Three models were tested, namely the “general” model, which used data derived from the current mapping at a scale of 1 / 20,000 for the entire forest territory of Quebec, a model “simplified” that use the ecoforestry map information and the location of inventory plots and the “LiDAR” model, which used information from digital elevation models generated with LiDAR data for the area in Quebec with available information. Even if the predictive accuracy of the general model is low, it is slightly better than previously published studies. A methodology was proposed to generate a productivity map of the Saint-Maurice wildlife reserve. This map, overlapped with the map of plantation constraints, determined that only 0,18% of the total area of the reserve showed areas of high productivity (Site index > 12 m) without plantation constraints. However, the majority of the areas of the reserve (59,85%) still offer areas with good productivity (Site index of 8 to 12 m) and no constraints for planting.
|
|---|
