erreur 12031
Transcription
erreur 12031
ESTIMATION DU VOLUME À PARTIR D’ÉQUATIONS DE DÉFILEMENT Mathieu Fortin, Ph.D. Ph.D.,, AgroParisTech AgroParisTech,, UMR – LERFoB 3/04/2012 2e réunion CAQSIS – Nogent s/ V. Le volume des arbres Un caractéristique essentielle liée à la valeur économique m3 de bois d’œuvre m3 de pâte Le volume des arbres Un caractéristique essentielle liée au contenu en carbone m3 de bois fort tige x facteur d’expansion de biomasse x infradensité x teneur en carbone = contenu en carbone Problématique du volume Fastidieux à mesurer Utilisation des tarifs de cubage à deux entrées d130 et hauteur 10 20 DIAMETRES à 1,30 (m) 30 40 50 60 70 … 120 HAUTEURS (m) 5 47 10 62 179 15 20 84 114 233 301 643 759 1462 2382 25 384 897 1664 2658 3854 5226 13816 30 35 481 1056 1237 1895 2154 2970 3317 4256 4700 5727 6278 14952 16173 3700 5188 6879 17480 18872 40 45 Tarif bois fort tige de Bouchon (1974) pour le chêne sessile Problématique du volume 5 Différents types de volume exigent différents tarifs de cubage Tarif en volume jusqu’à un diamètre de 7 cm Problématique du volume 6 Différents types de volume exigent différents tarifs de cubage Tarif en volume jusqu’à un diamètre de 23 cm Une solution en perspective… Fin des années 1970, apparition des modèles de défilement d(x) x2 d(x2) x1 h d(x1) π 2 v( x1 , x2 ) = ∫ (d ( x) ) dx 4 x1 x2 Modèles de défilement 8 Différentes approches Exposant variable (Kozak 1988) Polynomiale segmentée (Max et Burkhart 1976) Trigonométrique (Thomas et Parresol 1991) Modèles de défilement 9 Beaucoup d’études sur les différents formes d’équation et sur les performances à différentes hauteurs dans l’arbre Un peu moins d’études sur la prédiction du volume à partir de ces équations Encore moins d’études sur l’erreur associée à la prédiction du volume Gregoire et al. (2000) Lappi (2006) Objectif de notre étude 10 Mettre au point des estimateurs du volume et de la variance de l’erreur lorsqu’on intègre des équations de défilement Tester ces estimateurs Matériel et méthodes 11 Programme d’amélioration des connaissances en milieu forestier du MRNFQ 1300 placettes échantillons 5 à 10 arbres études par placette Matériel et méthodes 12 Un total de 13 602 analyses de tiges 9 espèces Bouleau à papier Epinette blanche Epinette rouge Epinette noire Peuplier à grandes dents Peuplier faux-tremble Pin blanc Sapin baumier Thuja Matériel et méthodes 13 Un total de 13 602 analyses de tiges Mesure de la hauteur et du d130 Des sections à 0,15 m 0,60 m 1,00 m 1,30 m 3,00 m 5,00 m et à tous les 2 m jusqu’à l’apex Matériel et méthodes 14 Modèle de défilement de Schneider et al. (accepté) H ij − hijk hijk 2 2 d ijk = (α + bi ,1 + bij ,1 ) ⋅ Dij ⋅ H − 1.3 1.3 ij d ijk2 Dij H ij hijk 2 − ( w ijk γ + bi , 2 + bij , 2 ) + εijk diamètre de la section au carré sous écorce (mm2) d130 sur écorce (mm) Hauteur de l’arbre (m) Hauteur de la section (m) Modèle non linéaire à effets mixtes, structure de corrélation et fonction de variance (Bref! LA TOTALE) Matériel et méthodes 15 Plus simplement… d ijk2 = f (x ijk , β, b ij ) + εijk Le modèle ne s’intègre pas de façon analytique On ne connaît pas les effets aléatoires de placette et d’arbre On peut utiliser une série de Taylor 1 d ijk2 ≈ f (x ijk , β,0) + z ijk b ij + bTij Z′ijk b ij + εijk 2 Matériel et méthodes 16 Si on intègre numériquement, c’est comme utiliser la formule de Smalian… π 2 vijk = L d ijk + d ijk2 +1 8 ( Le h2 d2 h1 h d1 ) 1 T f ( x ijk , β,0) + z ijk b ij + b ij Z′ijk b ij + εijk π 2 vij ≈ ∑ ( hijk +1 − hijk ) 1 T 8 k =1 ′ + f ( x , β , 0 ) + z b + b Z b + ε ijk +1 ijk +1 ij ij ijk +1 ij ijk +1 2 qij −1 qij −1 f ( x , β , 0 ) + f ( x , β , 0 ) + 2 f ( x , β , 0 ) + ∑ ij1 ijqij ij1 π k =2 ≡ µ v ,ij E[vij ] ≈ ∆hij qij −1 8 1 1 ′ ′ ′ tr ( Z G ) + tr ( Z G ) + tr ( Z G ) ∑ ij1 ijqij ijk 2 2 k =2 Matériel et méthodes 17 Et maintenant la variance du volume… Le h2 d2 h1 h d1 … je vous épargne les détails π2 2 Var (vij − E[vij ]) ≈ ∆hij sum Z ij GZTij + Wij + R *ij − c ij cTij ≡ σ v2,ij 64 ( ) Matériel et méthodes 18 Et maintenant la variance du volume… Le x2 d2 x1 h d1 … je vous épargne les détails π2 2 Var (vij − E[vij ]) ≈ ∆hij sum Z ij GZTij + Wij + R *ij − c ij cTij ≡ σ v2,ij 64 ( ) Matériel et méthodes 19 Utilisation du modèle de l’épinette blanche 1971 arbres Test des estimateurs Comparaison volume et variance prédites avec un estimateur Monte Carlo Comparaison avec les valeurs observées vij ~ N (µˆ v ,ij , σˆ v2,ij ) Postulat de normalité Couverture des intervalles de confiance Matériel et méthodes 20 Test d’estimateurs basés sur une série de Taylor de premier degré qij −1 f ( x , β , 0 ) + f ( x , β , 0 ) + 2 f ( x , β , 0 ) + ∑ ij1 ijqij ij1 π k =2 ≡ µ v ,ij E[vij ] ≈ ∆hij qij −1 8 1 1 ′ ′ ′ tr ( Z G ) + tr ( Z G ) + tr ( Z G ) ∑ ij1 ijqij ijk 2 2 k =2 x x x π2 2 Var (vij − E[vij ]) ≈ ∆hij sum Z ij GZTij + Wij + R *ij − c ij cTij ≡ σ v2,ij 64 ( x x) Résultats - MC 21 En gris, estimateur de premier ordre En noir, estimateur de deuxième ordre Source: Fortin et al. Forest Science, accepté Résultats – Intervalles de confiance 22 En gris, estimateur de premier ordre En noir, estimateur de deuxième ordre Source: Fortin et al. Forest Science, accepté Perspectives de l’approche 23 On peut découper la variance π2 2 Var (vij − E[vij ]) ≈ ∆hij sum Z ij GZTij + Wij + R *ij − c ij cTij ≡ σ v2,ij 64 ( Un arbre dont le diamètre est de 25 cm et la hauteur de 19 m 4,3 m vij1 3,3 m 2,3 m 1,3 m 0,3 m vij 2 h 23.87 − 0.01 − 0.01 − 2.79 − 2.79 − 4.18 − 4.18 − 4.99 − 0.01 0.17 0.17 0.21 0.21 0.22 0.22 0.23 − 0.01 0.17 0.17 0.21 0.21 0.22 0.22 0.23 0.21 11.78 11.78 1.24 1.24 1.45 − 2.79 0.21 − 2.79 0.21 0.21 11.78 11.78 1.24 1.24 1.45 0.22 1.24 1.24 17.00 17.00 2.05 − 4.18 0.22 − 4.18 0.22 0.22 1.24 1.24 17.00 17.00 2.05 0.23 1.45 1.45 2.05 2.05 19.39 − 4.99 0.23 ) Perspective de l’approche 24 On peut découper la variance π2 2 Var (vij − E[vij ]) ≈ ∆hij sum Z ij GZTij + Wij + R *ij − c ij cTij ≡ σ v2,ij 64 ( Un arbre dont le diamètre est de 25 cm et la hauteur de 19 m 4,3 m vij1 3,3 m 2,3 m 1,3 m 0,3 m vij 2 h 98.0 31.53 1.36 vij1 v ij = ~ N 2 , v 72 . 7 1 . 36 115 . 24 ij 2 ) Limites de l’approche 25 Temps de calcul moins long que l’approche Monte Carlo, mais tout de même assez long Basé sur un modèle de défilement qui fournit le diamètre au carré et non pas simplement le diamètre Publication 26 Fortin, M. , R. Schneider et J.-P. Saucier. Volume and error variance estimation using integrated stem taper models. Forest Science. Accepté. Remerciements 27 Direction des inventaires forestiers du MRNFQ Direction de la recherche forestière du MRNFQ MERCI A VOUS TOUS POUR VOTRE ATTENTION! Perspectives de l’approche 28 On peut découper la variance π2 2 Var (vij − E[vij ]) ≈ ∆hij sum Z ij GZTij + Wij + R *ij − c ij cTij ≡ σ v2,ij 64 ( Un arbre dont le diamètre est de 25 cm et la hauteur de 19 m 4,3 m vij1 3,3 m 2,3 m 1,3 m 0,3 m vij 2 h 23.87 − 0.01 − 0.01 − 2.79 − 2.79 − 4.18 − 4.18 − 4.99 − 0.01 0.17 0.17 0.21 0.21 0.22 0.22 0.23 − 0.01 0.17 0.17 0.21 0.21 0.22 0.22 0.23 0.21 11.78 11.78 1.24 1.24 1.45 − 2.79 0.21 − 2.79 0.21 0.21 11.78 11.78 1.24 1.24 1.45 0.22 1.24 1.24 17.00 17.00 2.05 − 4.18 0.22 − 4.18 0.22 0.22 1.24 1.24 17.00 17.00 2.05 0.23 1.45 1.45 2.05 2.05 19.39 − 4.99 0.23 )