Forest fires are a key driver of boreal landscape dynamics and are expected to increase with climate change in the coming decades. A profound understanding of the effects of fire upon boreal forest dynamics is thus critically needed for our ability to manage these ecosystems and conserve their services. In the present study, we investigate the long-term post-fire forest dynamics in the southern boreal forests of western Quebec using historical aerial photographs from the 1930s, alongside with modern aerial photographs from the 1990s. We quantify the changes in forest cover classes (i.e., conifers, mixed and broadleaved) for 16 study sites that were burned between 1940 and 1970. We then analyzed how interactions between pre-fire forest composition, site characteristics and a fire severity weather index (FSWI) affected the probability of changes in forest cover. In the 1930s, half of the cover of sampled sites were coniferous while the other half were broadleaved or mixed. Between the 1930s and the 1990s, 41% of the areas maintained their initial cover while 59% changed. The lowest probability of changes was found with initial coniferous cover and well drained till deposits. Moreover, an important proportion of 1930s broadleaved/mixed cover transitioned to conifers in the 1990s, which was mainly associated with high FSWI and well-drained deposits. Overall, our results highlight a relatively high resistance and resilience of southern boreal coniferous forests to fire, which suggest that future increase in fire frequency may not necessarily result in a drastic loss of conifers. View Full-Text

Au Canada, les chemins forestiers représentent un vecteur d’accessibilité à la forêt boréale aménagée qui offre de nombreuses retombées économiques (p. ex. récolte du bois), environnementales (p. ex. suivis des perturbations) et sociales (accès secteur de villégiature). Toutefois, leur construction et leur utilisation ne sont pas sans répercussions (p. ex. coût élevé de construction et d’entretien, fragmentation des habitats, conflit entre les usagers). Ces effets sont d’ailleurs plus notables lorsque les chemins ne sont pas entretenus. En effet, la dégradation des chemins forestiers entraine de forts impacts négatifs sur l’accès au territoire forestier, tout comme des répercussions économiques (p. ex. augmentation des coûts d’entretien), environnementales (p. ex. érosion des matériaux et donc contamination des habitats) et sociales (p. ex. perte d’accès pour les usagers et sécurité de déplacement compromise). De ce fait, pour maintenir un accès durable et sécuritaire au territoire forestier, il faut avant tout avoir une bonne compréhension et connaissance de la dégradation des chemins forestiers dans le temps et l’espace.

Cette étude vise à fournir une meilleure compréhension et de nouvelles connaissances spatio-temporelles de l’état du réseau des chemins forestiers canadiens en 1) construisant un modèle prédictif de la dégradation des chemins forestiers gravelés et en évaluant l’impact de la pente, du temps, de la perte de surface de roulement et de la largeur du chemin sur la présence de dégradation (approche Terrain) et 2) évaluant le potentiel des indices de topographie, de rugosité et de végétation obtenus des données du LiDAR aéroporté et des images optiques Sentinel 2 pour estimer le taux de dégradation (approche Télédétection).

Pour l’approche Terrain, le modèle de régression bêta retenu pour prédire la dégradation (pseudo-R2 0,43, SMSE ±8 %) confirme que la pente, la perte de surface de roulement (PPSR), le temps et la largeur du chemin sont des indicateurs essentiels. Selon les simulations effectuées, moins de 5 % de dégradation s’installe sur un chemin forestier dans les cinq premières années sans entretien, peu importe sa largeur. Lorsque ce seuil est franchi, la dégradation augmente exponentiellement et s’intensifie plus la pente et la perte de surface de roulement sont élevées et que le chemin est étroit.

L’approche Télédétection confirme que pour détecter la dégradation des chemins forestiers à distance, l’utilisation d’un indice de topographie, de rugosité et de végétation extraits du LiDAR et de Sentinel 2 offre une solution prometteuse. Plus précisément, le modèle de prédiction résultant (pseudo-R2 0,34 et SMSE ±9 %) a retenu la synergie entre l’indice de position topographique (TPI), l’indice de rugosité de terrain (TRI) et l’indice de végétation par différence normalisée (NDVI). Selon les simulations, un taux plus élevé de dégradation a été détecté lorsque la surface de roulement présente un fort pourcentage de dépressions, est peu homogène (TRI) et recense une forte présence de végétation (NDVI).

Cette étude a permis de fournir de nouvelles connaissances et une meilleure compréhension de la dégradation du réseau routier en milieu forestier. En effet, nous avons dorénavant une meilleure compréhension temporelle de la dégradation grâce à l’approche Terrain et une connaissance spatiale de l’état actuel des chemins grâce à l’approche Télédétection. Les informations obtenues des deux modèles de prédictions développés sont grandement utiles pour le maintien et la durabilité de l’accès au territoire forestier boréal canadien à court et à long terme.

Les routes forestières sont essentielles pour l'aménagement forestier durable, il est important pour les gestionnaires des forêts de détenir l'information adéquate du réseau routier dans leur prise de décision. Ce projet a permis d'évaluer l'apport de trois approches orientées objets d'extraction du réseau routier en forêt boréale à partir de; 1) LiDAR aéroporté à 1 mètre de résolution spatiale; 2) l'image satellitaire Sentinel-2 à 10 mètres de résolution et 3) la fusion de deux sources de données précédentes. Le but étant non seulement d'estimer la contribution individuelle de chaque donnée, mais aussi de compléter les informations morphologiques sur les routes forestières afin de mettre à jour les bases de données géographiques disponibles, à partir d'un processus de détection automatique par télédétection. En effet, les bases de données disponibles sont sujettes des incohérences dues aux problèmes liés à la structuration des données reflétant la réalité de terrain ainsi que des limitations sur le géoréférencement qui affectent la prise de décision sur l'ensemble du territoire forestier. Avec l'essor de la technologie de produits de télédétection et de systèmes d'information géographique, nous proposons dans cette étude, une approche de classification automatique basée sur les objets pour l'identification et la caractérisation automatique des chemins en forêt boréale. La segmentation multirésolution a été appliquée aux trois approches sur trois zones d'étude situés au Québec. Les objets linéaires détectés ont été construits de manière itérative en objets linéaires routes par utilisation supplémentaire de la segmentation basée sur la différence spectrale. Les objets linéaires routes ont ainsi été classifiés en réseau routier à partir d'un jeu de règles, définissant ainsi le processus de la classification orientée objet. Les données des composantes morphologiques des routes (largeur de l'emprise et pente longitudinale) ont été extraites du réseau routier pour servir de caractérisation automatique des chemins forestiers. Cette approche méthodologique minimise les incohérences d'informations retrouvées dans les outils cartographiques actuellement disponibles (Routard) et contribue à la documentation sur la morphologie (qualité de l'information sur la géométrie) des données routières disponibles. Les résultats montrent pour les trois zones d'étude que l'approche utilisant la fusion de données Sentinel-2 et LiDAR améliore considérablement les performances de la précision globale (88%) quant à la détection de réseau routier par rapport à l'approche basée sur Sentinel-2 (70%) et celle basée sur LiDAR (63%). Les résultats obtenus sont présentés sous la forme d'une couche vectorielle dans une base de données d'information géographique pour un territoire d'étude.

Degradation of forest roads in Canada has strong negative effects on access to forestlands, together with economic (e.g., increased maintenance costs), environmental (e.g., erosion of materials and subsequent habitat contamination), and social (e.g., use risks) impacts. Maintaining sustainable and safe access to forestland requires a better understanding and knowledge of forest road degradation over time and space. Our study aimed to identify relevant spatiotemporal variables regarding the state of eastern Canadian forest road networks by (1) building predictive models of gravel forest road degradation and assessing effects of the slope, time, loss of the road surface, and road width (field approach), and (2) evaluating the potential of topography, roughness and vegetation indices obtained from Airborne Laser Scanning (ALS) data and Sentinel-2 optical images to estimate degradation rates (remote sensing approach). The field approach (n = 207 sample plots) confirmed that only four variables were efficient to estimate degradation rates (pseudo-R2 = 0.43 with ±8% error). Simulations that were conducted showed that after about five years without maintenance, the rate of degradation on a road, regardless of its width, increased exponentially, exacerbated by a high slope gradient and loss of road surface. The narrowest roads tended to degrade more rapidly over time. The remote sensing approach performed quite well (pseudo-R2 = 0.34 with ±9% error) in terms of predicting road degradation, giving us the valuable tools to spatialise the state of gravel forest road degradation in eastern Canadian forest. This study provided new knowledge and tools that are critical for maintaining and sustaining access to Canada’s boreal forest territory in both the short- and the long-term.

Increase in forest disturbance due to land use as well as climate change has led to an expansion of young forests worldwide, which drives global carbon dynamics and timber allocation. This study presents a method that combines a single airborne LiDAR acquisition and time since harvest maps to model height growth of post-logged black spruce-dominated forests in a 1700 km2 eastern Canadian boreal landscape. We developed a random forest model in which forest height at a 20 m × 20 m pixel resolution is a function of stand age, combined with environmental variables (e.g., slope, site moisture, surface deposit). Our results highlight the model's strong predictive power: least-square regression between predicted and observed height of our validation dataset was very close to the 1:1 relation and strongly supported by validation metrics (R2 = 0.74; relative RMSE = 19%). Environmental variables thus allowed to accurately predict forest productivity with a high spatial resolution (20 m × 20 m pixels) and predicted forest height growth in the first 50 years after logging ranged between 16 and 27 cm·year−1 across the whole study area, with a mean of 20.5 cm·year−1. The spatial patterns of potential height growth were strongly linked to the effect of topographical variables, with better growth rates on mesic slopes compared to poorly drained soils. Such models could have key implications in forest management, for example to maintain forest ecosystem services by adjusting the harvesting rates depending on forest productivity across the landscapes.