Prédire la croissance de la forêt boréale: une approche basée sur l'analyse et la modélisation des processus écophysiologiques

点击翻译按钮获取中文摘要

La forêt boréale a une place centrale dans l'environnement naturel, l'histoire, la culture et l'économie du Canada, mais elle est confrontée aujourd'hui à des changements climatiques et environnementaux rapides qui peuvent modifier sa structure et son fonctionnement et ouvrir éventuellement de nouvelles perspectives pour l'industrie forestière. Pour mieux prédire les réactions des écosystèmes forestiers nordiques du Canada face au changement climatique nous devons obtenir une fine connaissance du fonctionnement écophysiologique des espèces forestières boréales. Notre projet de recherche étudiera principalement l'écophysiologie de l'épinette noire, du sapin baumier, du peuplier faux-tremble et du pin gris pour mieux caractériser et anticiper les effets du changement climatique sur leurs écosystèmes forestiers. Pour atteindre cet objectif (décliné en cinq questions de recherche, Q1-5), nous avons accès au plus long et complet suivi intra-annuel de la croissance de forêts boréales. Ces données serviront à valider et améliorer des modèles écophysiologiques mécanistes qui seront utilisés pour tester des hypothèses sur le fonctionnement journalier hydrique et carboné des forêts, à la fois à l'échelle de l'arbre et à l'échelle du peuplement (Q1 et Q2). Cette approche qui fusionne données expérimentales et modélisation a l'avantage de pouvoir informer sur plusieurs processus forestiers liés à des facteurs endogènes (vieillissement, états physiologiques des arbres) et environnementaux (climat, CO2, disponibilité d'éléments nutritifs, propriétés du sol). Ceci permettra de mieux prédire, grâce à des simulations améliorées, les réponses saisonnières des écosystèmes forestiers aux changements climatiques à venir en fonction du mélange d'espèces et des propriétés du sol (Q3). Nous utiliserons aussi des approches isotopiques pour améliorer la compréhension des processus (Q4) et des données spatiales et des projections climatiques pour spatialiser les résultats (Q5). Finalement, Nous serons particulièrement intéressés à identifier des écosystèmes particulièrement vulnérables et les éventuelles opportunités à saisir pour l'industrie forestière en relation avec les changements climatiques, les espèces d'arbre présentes et les types de sol.#(cr)#(lf)The boreal forest has a central place in the natural environment, history, culture and economy of Canada, but today it is facing rapid climate and environmental changes that can modify its structure and ecological functioning, opening up eventually new perspectives for the forest industry. To better forecast the response of Canadian northern forest ecosystems to climate change, we must obtain a detailed understanding of the ecophysiological functioning of boreal forest species. This research project will mainly study the ecophysiology of black spruce, balsam fir, trembling aspen and jack pine in order to characterize and anticipate the effects of climate change on their forest ecosystems. To achieve this objective (structured in five research questions, Q1-5), we have access to the longest and most comprehensive intra-annual monitoring of the growth of boreal forests. These data will be used to validate and improve mechanistic ecophysiological models that will allow for testing hypotheses on the daily water and carbon functioning of the forests, both at the tree scale and at the stand scale (Q1 and Q2). This approach, combining experimental data and modeling, can inform on several forest processes linked to endogenous (aging, physiological states of trees) and environmental (meteorological conditions, CO2, nutrient availability, soil properties) factors. We will thus better predict with our improved simulations the seasonal responses of forest ecosystems to future climate changes as a function of species mixture and soil properties (Q3). We will also use isotopic approaches to improve process understanding (Q4) and spatial data and climate projections to spatialize the results (Q5). Finally, we will