Le 17 Octobre 2018  

? cherchez :  

À surveiller prochainement...

17 oct. 2018
à 12h15

Axe écologie:
Jon Wang


23 oct. 2018
à 12h00

midi-foresterie:
Yan Boucher


24 oct. 2018
à 12h15

Axe écologie:
Denis Reale


 facebook
Panopto Youtube

Olivier Colin Haubensack

Courriel : olivier_collinh[at]hotmail.com

Titre du projet : Reconstitution climatique dans le complexe hydro-électrique de la Grande Rivière (Québec nordique) à partir de l’inversion d’un modèle écophysiologique de l’épinette noire

Description :

Mon doctorat en sciences de l'environnement au sein de l'UQÀM (Université du Québec à Montréal) toujours en cours permet d'opérer  la reconstitution du climat du Grand Nord Québécois et plus particulièrement du complexe de la Grande Rivière dans le cadre du projet ARCHIVES (Analyse Rétrospective des Conditions Hydroclimatiques à l'aide des Indicateurs de leur variabilité à l'Échelle Séculaire) en relation avec l'INRS de Québec et du consortium Ouranos ainsi que de l'appui d'Hydro-Québec. Cette thèse consiste à partir de l'inversion d'un modèle écophysiologique existant de l'épinette noire (espèce dominante dans la région) à faire coïncider et plus particulièrement corréler au plus près les variables climatiques (notamment températures et précipitations à simuler) depuis 1850 avec les variables écophysiologiques (photosynthèse, respiration, isotopes O18, etc..) issus de l'exploitation et de l'interprétation des données des cernes d'arbres. Pourquoi inverser un modèle écophysiologique? Car ce modèle à partir des intrants climatiques fait ressortir les variables écophysiologiques. Mais dans ce cas de reconstruction du climat, les variables climatiques à simuler deviennent celles recherchées à partir des données écophysiologiques obtenues  par le truchement du modèle. Dans cette thèse, plusieurs artifices méthodologiques issues de la statistique inférentielle permettent de parvenir aux résultats notamment via les réseaux de neurones et le  paradigme bayésien.

La présente thèse s'organise autour de trois articles. Le premier article  permet via les réseaux de neurones et/ou les approches de régressions multivariées adaptatives par splines de relier les facteurs écophysiologiques (respiration, transpiration, photsynthèse, etc..) que le modèle écophysiologique donne en extrant avec la croissance des cernes d'arbres dont les données remontent jusqu'à 1850 environ. Comme il s'agit d'extraire des relations sur 61 sites, une analyse clusters permet préalablement de créer des liens entre les sites et la taille et la largeur des cernes d'arbres. Celles-ci ont été aussi préalablement standardisées par approche splines.

Le deuxième article exploite les liens entre les facteurs écophysiologiques obtenus dans le cadre du premier article et les facteurs climatiques (essentiellement températures et précipitations) par le truchement du paradigme bayésien. Cette approche statistique inférentielle permettra éventuellement  de faciliter la lecture des liens existants entre le climat et les facteurs écophysiologiques de l'épinette noire étant donné que les corrélations varient grandement d'un site à un autre et que celles-ci pour les plus sensibles aux températures n'affichent pas nécessairement de corrélations très fortes non plus.

Le troisième article tentera de valider cette approche via un autre modèle écophysiologique encore à définir pour faire ressortir la validité des données climatiques obtenues dans le deuxième article en faisant une étude comparative.

Directeur : Frank Berninger

Co-Directeur : Yves Bergeron

Comité d'encadrement : Luc Perreault, Joël Guiot













Read in english

Retour à la page des membres