Un défi boréal : Projections de l'activité de la tordeuse des bourgeons de l'épinette (TBÉ) dans un contexte de changement climatique

自然和人类的扰动决定了森林生态系统的结构和动态。在Boréale森林中，许多研究表明，气候变化增加了主要自然扰动的频率和安全性，因此增加了昆虫的气味和气味。Au 20世纪初，法国松鸡（Tubeau de l 'épinette）的饲养员们在新的地区发展得越来越成熟。L'épidémie en cours atteint des latitudes plus nordiques que que les précédentes dans l'est du Québec，probablement en reason d'une modification de la structure des peuplements，de la composition en espèces et de la répartition des espèces hôtes，ainsi que du réchauffement climatique.该项目结合了多位秘书（大学、公立、私立）的专业知识和可供使用的手段，为法庭制作关于大不列颠哥伦比亚省移民传播的泰尔梅预测，其中包括长期泰尔梅预测，以在气候变化的背景下更好地规划森林。本文通过对森林植被退化模式的研究，总结出森林植被退化模式的两种主要类型：（1）森林植被退化模式的不同类型;（2）森林植被退化模式的扩散机制和森林植被退化模式的基本知识，并对森林植被退化模式进行了比较。为了更好地预防和减少森林污染，特别是由于天然气排放对森林造成的影响，我们向合作伙伴提供了安全风险保护措施。此外，与Chaque année观察到的落叶模式的预测相比，我们为Suivantes年的落叶模式提供了更好的选择。(cr)#（lf）自然和人为干扰决定森林生态系统的结构和动态。在北方森林，若干研究预测，气候变化将增加火灾和虫害等主要自然干扰的频率和严重程度。在20世纪世纪，云杉芽虫（SBW）的爆发变得更加严重，并正在影响新的地区。目前的流行病比以前在魁北克东部的流行病传播到更北方的纬度，可能是由于林分结构、物种组成和宿主物种分布的变化以及全球变暖。（学术、公共、私人）和现有最佳数据，对SBW流行病的传播进行短期预测，以及将用于在气候变化背景下更好地规划森林管理的长期预测。开发的模型将整合（1）SBW引起的落叶的不同数据和（2）关于该物种的传播和人口统计学机制的先验知识，与基于单一数据源的模型相比，对流行病的演变进行更准确的预测。更好地预测风险区域将使我们的合作伙伴能够更有效地实施预防性削减，并减少由于SBW造成的木材损失和温室气体排放。此外，通过将模型的预测与每年观察到的落叶进行比较，我们将能够改进随后几年的模型。

Les perturbations naturelles et anthropiques déterminent la structure et la dynamique des écosystèmes forestiers. En forêt boréale, plusieurs études prédisent que les changements climatiques augmenteront la fréquence et la sévérité des principales perturbations naturelles, soit les feux et les épidémies d'insectes. Au 20e siècle, les épidémies de la tordeuse des bourgeons de l'épinette (TBÉ) sont devenues plus sévères et touchent de nouvelles régions. L'épidémie en cours atteint des latitudes plus nordiques que les précédentes dans l'est du Québec, probablement en raison d'une modification de la structure des peuplements, de la composition en espèces et de la répartition des espèces hôtes, ainsi que du réchauffement climatique. Ce projet vise à combiner les expertises de plusieurs secteurs (universitaire, public, privé) et les meilleures données disponibles pour produire des prévisions à court terme de la propagation des épidémies de TBÉ, ainsi que des projections à long terme qui serviront à mieux planifier l'aménagement des forêts dans un contexte de changements climatiques. Les modèles développés intégreront à la fois (1) différentes données sur la défoliation causée par la TBÉ et (2) des connaissances préalables sur les mécanismes de la dispersion et de la démographie de cette espèce, pour produire des prévisions plus précises de l'évolution de l'épidémie, comparé à des modèles basés sur une seule source de données. De meilleures prévisions des secteurs à risque permettront à nos partenaires d'appliquer des coupes de prévention de façon plus efficace et réduire les pertes de bois, ainsi que les émissions de gaz à effet de serre, dues à la TBÉ. De plus, en comparant les prévisions du modèle à la défoliation observée à chaque année, nous pourrons améliorer le modèle pour les années suivantes.#(cr)#(lf)Natural and anthropogenic disturbances determine the structure and dynamics of forest ecosystems. In the boreal forest, several studies predict that climate change will increase the frequency and severity of the main natural disturbances, i.e. fires and insect outbreaks. In the 20th century, spruce budworm (SBW) outbreaks have become more severe and are affecting new regions. The current epidemic is reaching more northern latitudes than previous ones in eastern Quebec, probably due to changes in stand structure, species composition and distribution of host species, as well as global warming.This project aims to combine the expertise of several sectors (academic, public, private) and the best available data to produce short-term forecasts of the spread of SBW epidemics, as well as long-term projections that will be used to better plan forest management in a context of climate change. The models developed will integrate both (1) different data on defoliation caused by the SBW and (2) prior knowledge on the mechanisms of the dispersal and demography of this species, to produce more accurate predictions of the evolution of the epidemic, compared to models based on a single data source. Better predictions of risk areas will allow our partners to apply prevention cuts more effectively and reduce wood losses and greenhouse gas emissions due to the SBW. In addition, by comparing the model's predictions with the defoliation observed each year, we will be able to improve the model for subsequent years.