Propriétés des sols et de la biomasse aérienne sur une terre en

Transcription

PROPRIÉTÉS DES SOLS ET DE LA BIOMASSE AÉRIENNE SUR UNE
TERRE EN FRICHE RÉCOLTÉE AVEC UN BIOBALER
François-Simon Robert
Maîtrise en sols et environnement
Maître ès sciences (M. Sc.)
Québec, Canada
© François-Simon Robert, 2014
II
Résumé
Les plantes arbustives naturelles envahissent les terres agricoles abandonnées. Pour
remettre en valeur ces friches, on a traditionnellement recours au brûlage ou au broyage sur
place. D’invention récente, le Biobaler coupe et met en balle les arbustes qui peuvent alors
être déplacés et valorisés. Un champ agricole à St-Augustin-de-Desmaures (Québec,
Canada), abandonné depuis 20 ans, a été inventorié pour les plantes présentes et les sols.
Des modèles allométriques ont été développés pour prédire la biomasse de 11 espèces
pionnières (R² moyens de 0,93). Les sols avaient un pH moyen de 5,0, 0,32% de N-total et
un carbone organique de 4,0 %. Soixante-deux balles récoltées sur 2,7 ha pesaient 413 kg
en moyenne à 44% de teneur en eau. La biomasse récoltée, entre 3,3 et 9,6 t de matière
sèche par hectare, représentait 18 à 43 % de récupération. Les données permettront
d’évaluer le Biobaler sur les friches.
III
IV
Abstract
English Title : Soil and native woody crop properties on an abandoned agricultural field
harvested with a Biobaler
Natural woody crops overtake abandoned agricultural land. To bring back these areas into
useful production, traditional methods include prescribed burning or on-site mulching. A
recent technology, the Biobaler cuts and forms round bales of woody crops which can be
moved for useful application. An agricultural field in Saint-Augustin-de-Desmaures
(Quebec, Canada), abandoned for 20 years, was monitored for crop identification and soil
properties. Allometric models were developed for 11 native woody crops (average R² of
0.93). Soil pH averaged 5.0, total N, 0.32% and organic carbon, 4.0%. Sixty two bales were
harvested, averaging 413 kg at 44% moisture. The harvested biomass, between 3.3 and 9.6 t
of dry matter per hectare, represented 18 to 43% of above-ground biomass. Data will be
useful in assessing Biobaler operation on fallow land.
V
VI
Table des matières
RÉSUMÉ ................................................................................................................................................... III
TABLE DES MATIÈRES ........................................................................................................................ VII
LISTE DES TABLEAUX.......................................................................................................................... XI
LISTE DES FIGURES ............................................................................................................................. XV
LISTE DES ABRÉVIATIONS DES UNITÉS DE MESURE................................................................. XIX
AVANT-PROPOS ................................................................................................................................... XXI
CHAPITRE 1 : INTRODUCTION ............................................................................................................ 1
1.1
PROBLÉMATIQUE ..................................................................................................................... 2
1.2
PLAN DU MÉMOIRE .................................................................................................................. 3
CHAPITRE 2 : REVUE DE LITTÉRATURE ET CADRE DE LA RECHERCHE ................................ 5
2.1 DÉFINITIONS ET MISE EN CONTEXTE DES SOLS EN FRICHE ............................................... 5
2.1.1 DÉFINITIONS ........................................................................................................................................... 5
2.1.2 ESTIMATION DES SURFACES MONDIALES ................................................................................................ 6
2.1.3 PROCESSUS D’ABANDON DES TERRES ET DE VÉGÉTALISATION ............................................................. 10
2.1.4 PHÉNOMÈNE D’INVASION ..................................................................................................................... 12
2.1.5 CARACTÉRISATION DE L’ÉTAT VÉGÉTAL .............................................................................................. 15
2.2 CHANGEMENTS DANS LES PROPRIÉTÉS DU SOL SUIVANT L’ABANDON DES
PRATIQUES CULTURALES ..................................................................................................................18
2.2.1 INDICATEURS DE LA FERTILITÉ DES SOLS .............................................................................................. 18
2.2.2 CONVERSION DES CULTURES AGRICOLES INTENSIVES PAR UNE SUCCESSION VÉGÉTALE....................... 19
2.2.3 CARBONE ORGANIQUE ET AZOTE DU SOL .............................................................................................. 19
2.2.4 LE PH ET AUTRES INDICATEURS............................................................................................................ 22
2.3 MÉTHODES D’ÉVALUATION DE LA BIOMASSE .......................................................................23
2.4 RENDEMENT ET RÉCUPÉRATION DE BIOMASSE SUR DES TERRES ABANDONNÉES .....28
2.4.1 POTENTIEL DE CROISSANCE DE LA BIOMASSE DANS DES MILIEUX NATURELS ....................................... 28
2.4.2 RÉCOLTE DE LA BIOMASSE SUR DES TERRES EN FRICHE À CAP ST-IGNACE ........................................... 29
2.4.3 RÉCOLTE DE BIOMASSE NATURELLE EN SASKATCHEWAN .................................................................... 30
2.4.4 RÉCOLTE DE BIOMASSE NATURELLE EN FLORIDE ................................................................................. 31
2.4.5 RÉCOLTE EN MILIEUX NATURELS À LA POCATIÈRE, EN ABITIBI ET DANS LE NORD DE L’ONTARIO ....... 32
2.4.6 RÉCOLTE EN MILIEUX NATURELS AU MINNESOTA ................................................................................ 33
2.5 ALTERNATIVE POUR LE CONTRÔLE DE LA VÉGÉTATION ..................................................35
2.5.1 LE CHOIX DES ÉQUIPEMENTS ................................................................................................................ 35
2.5.2 SÉLECTION DU SITE ET ASPECTS RÈGLEMENTAIRES .............................................................................. 42
2.5.3 IMPLANTATION DE CULTURES LIGNEUSES APRÈS LE RETRAIT D’UNE VÉGÉTATION ENVAHISSANTE ...... 43
2.5.4 MISE EN VALEUR DE LA BIOMASSE ARBUSTIVE ..................................................................................... 44
VII
2.6 CADRE CONCEPTUEL DE LA RECHERCHE .............................................................................. 45
2.6.1 OBJECTIFS DU MÉMOIRE ....................................................................................................................... 45
2.6.2 HYPOTHÈSES SPÉCIFIQUES .................................................................................................................... 47
CHAPITRE 3 : MATÉRIEL ET MÉTHODES ....................................................................................... 49
3.1 DISPOSITIF EXPERIMENTAL ........................................................................................................ 49
3.1.1 CHOIX DU SITE D’ETUDE ....................................................................................................................... 49
3.1.2 L’AIRE D’ETUDE ................................................................................................................................... 50
3.1.3 LOCALISATION ET ECOLOGIE DES PEUPLEMENTS .................................................................................. 53
3.2 COLLECTE DE DONNÉES DE VÉGÉTATION AU CHAMP ........................................................ 56
3.2.1 CARACTÉRISATION DU COUVERT VÉGÉTAL........................................................................................... 56
3.2.2 ÉCHANTILLONNAGE DESTRUCTIF POUR PRÉDIRE LA BIOMASSE AÉRIENNE ............................................ 59
3.2.3 ANALYSE STATISTIQUE ......................................................................................................................... 60
3.3 CARACTÉRISATION DES SOLS..................................................................................................... 61
3.3.1 PROCÉDURE D’ÉCHANTILLONNAGE ET DE PRÉPARATION DES SOLS....................................................... 62
3.3.2 ANALYSES DES SOLS ............................................................................................................................. 62
3.4 LA RÉCOLTE DE LA BIOMASSE ................................................................................................... 64
3.4.1 MACHINE DE RÉCOLTE .......................................................................................................................... 65
3.4.2 MASSE DES BALLES .............................................................................................................................. 66
3.4.3 TENEUR EN EAU DE LA BIOMASSE ......................................................................................................... 67
3.4.4 RÉSIDUS DE RÉCOLTE ........................................................................................................................... 67
3.4.5 FONCTIONNEMENT DE LA RÉCOLTE ...................................................................................................... 70
3.4.6 RENDEMENT ......................................................................................................................................... 70
3.4.7 CONSOMMATION DE CARBURANT ......................................................................................................... 71
CHAPITRE 4 : RÉSULTATS .................................................................................................................. 73
4.1 PARAMÈTRES PHYSICO-CHIMIQUES DES SOLS..................................................................... 73
4.1.1 ANALYSE TEXTURALE DU SOL .............................................................................................................. 73
4.1.2 ANALYSE CHIMIQUE DU SOL ................................................................................................................. 74
4.1.3 ANALYSE DE RELATION PAR CORRÉLATION SIMPLE .............................................................................. 78
4.1.4 ANALYSE PAR RÉGRESSION................................................................................................................... 79
4.2ALLOMÉTRIE DES ESSENCES NATURELLES ET ÉQUATIONS DE RÉGRESSION ............... 80
4.2.1 DONNÉES DE DIAMÈTRES ET BIOMASSES DE 11 ESPÈCES PIONNIÈRES ................................................... 80
4.2.2 ÉQUATIONS DE RÉGRESSION ................................................................................................................. 82
4.2.3 COMPARAISON DES ÉQUATIONS DE PRÉDICTION LOCALES AVEC CELLES DE LA LITTÉRATURE .............. 85
4.2.3.1 Sélection des équations................................................................................................................. 85
4.2.3.2 Analyse statistique ........................................................................................................................ 85
4.3 ANALYSE DES MILIEUX................................................................................................................. 87
VIII
4.3.1 DESCRIPTION DES ÉLÉMENTS DU COUVERT VÉGÉTAL SUR LES PARCELLES EXPÉRIMENTALES ET LA
POPULATION RELATIVE .................................................................................................................................. 87
4.3.2 RÉSULTATS DE LA CAMPAGNE D’ÉCHANTILLONNAGE .......................................................................... 90
4.3.3 SURFACE TERRIÈRE ............................................................................................................................ 100
4.4 CARACTÉRISATION DU CHANTIER DE RÉCOLTE ET MESURE DES RENDEMENTS DE
LA BIOMASSE PAR RÉCOLTE AVEC UN BIOBALER....................................................................102
4.4.1 CARACTÉRISATION DES OPÉRATIONS DE RÉCOLTE AUX CHAMPS ........................................................ 102
4.4.2 CARACTÉRISTIQUES DE LA BIOMASSE RÉCOLTÉE ................................................................................ 103
4.4.3 RENDEMENT DE RÉCOLTE ................................................................................................................... 104
4.4.4 TEMPS DE RÉCOLTE, CAPACITÉ ET CONSOMMATION DE CARBURANT .................................................. 105
4.4.5 PERTES AU CHAMP .............................................................................................................................. 106
4.5 PRÉDICTION DE LA BIOMASSE AÉRIENNE PAR MESURES NON DESTRUCTIVES ET
ANALYSE COMPARATIVE AVEC LA RÉCOLTE ENTIÈRE ..........................................................110
4.5.1 PRÉDICTION DE LA BIOMASSE AÉRIENNE PAR EXTRAPOLATION DES QUADRATS ................................. 110
4.5.2 ÉVALUATION DE LA PRÉDICTION EN UTILISANT LES VALEURS MOYENNES DE DENSITÉ ET DE DIAMÈTRE
DES TIGES .................................................................................................................................................... 112
4.5.3 ÉVALUATION DE LA PRÉDICTION EN UTILISANT LES VALEURS MÉDIANES DES MESURES DIAMÉTRALES
ENREGISTRÉES. ............................................................................................................................................ 114
4.5.4 RENDEMENTS ANNUALISÉS................................................................................................................. 116
CHAPITRE 5 : DISCUSSION ................................................................................................................117
5.1 COMPOSITION DES SOLS EN FRICHE .......................................................................................117
5.1.1 DIFFÉRENCES ENTRE LES SOLS CULTIVÉS ET LES SOLS EN FRICHE ....................................................... 117
5.1.2 ANALYSE DE BONFERRONI ................................................................................................................. 119
5. 2 DÉVELOPPEMENT DES ÉQUATIONS DE PRÉDICTION DE LA BIOMASSE AÉRIENNE ..121
5. 3 CARACTÉRISATION DES COMMUNAUTÉS VÉGÉTALES PRÉSENTES SUR LES
PARCELLES EN FRICHE ....................................................................................................................123
5.4 RÉCOLTE DE LA BIOMASSE .......................................................................................................128
5.4.1 CARACTÉRISATION DE LA RÉCOLTE .................................................................................................... 128
5.4.2 ANALYSE PAR RÉGRESSION DES COMPOSANTES DU CHANTIER DE RÉCOLTE ....................................... 129
5.4.3 L’ANALYSE DU RECOUVREMENT DE LA BIOMASSE ............................................................................. 134
5.5 ANALYSE DE COÛT .......................................................................................................................136
CHAPITRE 6 : CONCLUSION DU MÉMOIRE...................................................................................139
CHAPITRE 7 : RECOMMANDATIONS ..............................................................................................143
CHAPITRE 8 : OUVERTURE ...............................................................................................................145
BIBLIOGRAPHIE ..................................................................................................................................147
ANNEXES ...............................................................................................................................................163
ANNEXE A : ANALYSE DE LA VÉGÉTATION DES SITES À LA POCATIÈRE ............................163
IX
ANNEXE B : MESURES DES PARAMÈTRES DE RÉCOLTES EN FRICHES ET MILIEUX
NATURELS AU QUÉBEC, EN ONTARIO ET MINNESOTA ............................................................ 164
ANNEXE C : DONNÉES BRUTES DES ANALYSES PHYSICO-CHIMIQUES DES SOLS ÉTUDIÉS
................................................................................................................................................................. 165
ANNEXE D : TESTS D'HYPOTHÈSES POUR LES COMPOSANTES AZOTE TOTALE ET AZOTE
MINÉRALE N-NO3 ................................................................................................................................ 167
DIFFÉRENCES DES MOYENNES DES MOINDRES CARRÉS ........................................................ 168
ANNEXE E : ANALYSES DES COEFFICIENTS DE CORRÉLATION DE PEARSON ................... 170
ANNEXE F: DONNÉES ALLOMÉTRIQUES DES ESPÈCES ÉCHANTILLONNÉES ..................... 171
ANNEXE G : ÉQUATIONS RETENUES POUR FINS DE COMPARAISONS STATISTIQUES ..... 194
ANNEXE H : RÉSULTATS DES COMPARAISONS ........................................................................... 197
ANNEXE I : DONNÉES DÉTAILLÉES DE RÉCOLTE DES BALLES DE BIOMASSE................... 201
ANNEXE J : DONNÉES BRUTES D’ANALYSE DE RECENSEMENT VÉGÉTAL ......................... 205
ANNEXE K : ANALYSE DU CHANTIER DE RÉCOLTE PAR COMPARAISON STATISTIQUES À
PARTIR DES ÉQUATIONS DE SAVOIE ET AL. (2012) .................................................................... 228
X
Liste des tableaux
Tableau 1: Répartition par région administrative des surfaces agricoles occupées par des terres
marginales, des terres en friches et des terres naturelles pour le pâturage. ......................................... 9
Tableau 2: Détermination des formations suivant le recouvrement. ................................................. 16
Tableau 3: Récolte de terres en friche à Cap St-Ignace en 2007. ...................................................... 29
Tableau 4: Caractéristiques des milieux naturels des prairies canadiennes (Saskatchewan). ........... 30
Tableau 5: Paramètres de récolte avec le Biobaler en Saskatchewan. .............................................. 31
Tableau 6: Caractérisation des pertes au champ suivant la récolte par le Biobaler........................... 31
Tableau 7: Caractéristiques des parcelles étudiées incluant la superficie, classification du couvert
végétal et du sol et l’élévation ........................................................................................................... 54
Tableau 8: Composition physique des sols (moyenne de 4 échantillons par parcelle) ..................... 74
Tableau 9: Quelques propriétés chimique des sols (moyenne de 4 échantillons par parcelle) ......... 75
Tableau 10: Analyse des groupements statistiques de Bonferroni pour la composante azote minéral
NO3 des sols. ..................................................................................................................................... 77
Tableau 11: Caractéristiques des plantes pionnières observées sur les friches de Saint-Augustin-deDesmaures. ........................................................................................................................................ 81
Tableau 12: Paramètres de régression selon l’équation 3 [ÉQ. 3] pour estimer la biomasse aérienne
sèche par tige (g) de onze essences arbustives observées à l’été 2011 incluant les feuilles. L’erreur
type est entre parenthèses. DB est le diamètre à 10 cm du niveau du sol et DHP est le diamètre à
130 cm du niveau du sol.................................................................................................................... 84
Tableau 13: Superficie des parcelles recensées, nombre de parcelles échantillonnées, couverture
herbacée, surfaces arbustives, végétation ligneuse arborescente (zone à grosses tiges) et surfaces
marécageuses inventoriées. ............................................................................................................... 88
Tableau 14: Nombre de quadrats dans lesquels l’essence a été répertoriée par parcelle. ................. 91
Tableau 15: Nombre de tiges par quadrat de 0,25 m² par essence et par parcelle............................. 93
Tableau 16: Extrapolation du peuplement avant traitement (nombre de tiges par ha). ..................... 95
Tableau 17: Contribution relative des espèces au nombre de tiges recensées (%). .......................... 95
Tableau 18: Diamètres moyens à la base (DB) et à hauteur de poitrine (DHP) par essence et par
parcelle. ............................................................................................................................................. 97
Tableau 19: Médiane des mesures de diamètre à la base et DHP par essence et par parcelle. ......... 99
Tableau 20: Calcul des surfaces terrières (m²/ha*) par essence et par parcelle basées sur le DHP
moyen. ............................................................................................................................................. 101
Tableau 21: Caractérisation du processus de récolte des parcelles d’études incluant la surface
inventoriée initiale, la surface effective récoltée, le nombre de sous-unités exclues de la récolte et le
pourcentage d’exclusion.................................................................................................................. 103
Tableau 22: Caractérisation du procédé de récolte incluant le nombre de balles fabriquées par
parcelle, la biomasse totale récoltée (t MH, t MS), la teneur en eau (TEE) et la densité des balles.
......................................................................................................................................................... 104
Tableau 23: Caractérisation du procédé de récolte incluant la productivité et la consommation de
carburant du Biobaler WB 55 dans les friches. ............................................................................... 106
XI
Tableau 24: Pertes de biomasse non récoltée en quatre catégories : les longs débris >15 cm au sol, la
biomasse non coupée et restée attachée à la souche, les débris fins ≤15 cm au sol et amas suivant le
dépôt des balles. .............................................................................................................................. 108
Tableau 25: Biomasse prédite par ha par essence en faisant l’extrapolation simple. ...................... 111
Tableau 26: Prédiction de la biomasse totale (t MS/ha) en utilisant les valeurs moyennes de DB et
DHP mesurés par quadrat (surface de 0,25 m²) et en extrapolant pour la surface complète de chaque
parcelle. ........................................................................................................................................... 113
Tableau 27: Prédiction de la biomasse totale (t MS/ha) en utilisant les valeurs médianes de DB et
DHP mesurées par quadrat (surface de 0,25 m²) et en extrapolant pour la surface complète de
chaque parcelle. ............................................................................................................................... 115
Tableau 28: Biomasse aérienne totale mesurée, rendement et taux de croissance annualisés en
supposant 20 années de croissance. ................................................................................................. 116
Tableau 29: Carbone organique et azote total de séries de sols mesurés sur des friches en 2011 et sur
des terres agricoles en 1976, dans le même comté de Portneuf. ..................................................... 117
Tableaux des annexes
Tableau A. 1: Résultats de l’analyse de la végétation avant récolte de friches agricoles dans la
région de La Pocatière (Lemieux, 2009; communication personnelle). .......................................... 163
Tableau A. 2: Caractérisation de la récolte de différents sites de friches agricoles et prairies
naturelles abandonnées de la région de La Pocatière, Abitibi, Ontario et Minnesota (Savoie et al.,
2012)................................................................................................................................................ 164
Tableau A. 3: Données brutes des analyses des échantillons individuelles pour l’analyse des classes
texturales et composantes chimiques des sols étudiés ..................................................................... 165
Tableau A. 4: Données brutes de l’analyse chimiques des sols étudiés .......................................... 166
Tableau A. 5: Test d’hypothèse d’égalité des moyennes du contenu en azote total entre les parcelles
......................................................................................................................................................... 167
Tableau A. 6: Test d'hypothèse de la moyenne du contenu en azote minéral NO3 = 0 ................... 167
Tableau A. 7: Test de Bonferroni en ce qui concerne la composante azote total ............................ 168
Tableau A. 8: Test de Bonferroni pour les groupements en ce qui concerne la composante azote
minérale NO3 .................................................................................................................................. 169
Tableau A. 9: Analyse et valeurs des coefficients de Pearson ........................................................ 170
Tableau A. 10: Données destructives pour l’amélanchier. .............................................................. 171
Tableau A. 11: Données destructives pour l’aulne.......................................................................... 173
Tableau A. 12: Données destructives pour le cerisier tardif............................................................ 175
Tableau A. 13: Données destructives pour le cornouiller stolonifère. ............................................ 178
Tableau A. 14: Données destructives pour l’érable rouge............................................................... 181
Tableau A. 15: Données destructives pour le frêne rouge de Pennsylvanie.................................... 183
Tableau A. 16: Données destructives pour le peuplier faux-tremble. ............................................. 185
Tableau A. 17: Données destructives pour le pommier sauvage. .................................................... 187
Tableau A. 18: Données destructives pour le saule......................................................................... 188
Tableau A. 19: Données destructives pour la viorne trilobée.......................................................... 190
Tableau A. 20: Données destructives pour l’aubépine. ................................................................... 192
XII
Tableau A. 21: Modèles de prédiction de la biomasse par tige individuelle issus de la littérature
retenus pour fins de comparaisons statistiques ............................................................................... 194
Tableau A. 22: Résultats des analyses de comparaisons T-pairé. ................................................... 197
Tableau A. 23: Dates de récolte et teneurs en eau (TEE, % base humide) mesurées à l’étuve à partir
d’échantillons de balles individuelles, identifiées par parcelle. ...................................................... 201
Tableau A. 24: Masse humide par balle (kg) et temps (hh:mm:ss) pour former chaque balle, sur
chacune des parcelles récoltées. ...................................................................................................... 203
Tableau A. 25: Données brutes des relevés des essences végétales et biomasse prédite ................ 205
Tableau A. 26: Données brutes des capacités de récolte de la biomasse avec le Biobaler (résultats
observés et prédictions selon les modèles log et linéaire de Savoie et al. 2012. ............................. 232
Tableau A. 27: Données brutes des consommations de carburant avec le Biobaler fonction des
rendements de récolte (résultats observés et prédictions selon le modèle log de Savoie et al. (2012)).
......................................................................................................................................................... 232
Tableau A. 28: Données brutes des consommations de carburant avec le Biobaler fonction de la
capacité de récolte (résultats observés et prédictions selon le modèle log de Savoie et al. (2012)).233
Tableau A. 29: Données brutes de la densité des balles observées (y) et capacité de récolte (x)
(résultats observés et prédiction selon le modèle linéaire de Savoie et al. (2012)). ........................ 233
Tableau A. 30: Résultats des analyses statistiques (test de t pairé) pour la capacité de récolte en
fonction des rendements (modèle log) entre les mesures observées sur le site de Saint-Augustin-deDesmaures et les modèles de prédiction connus de Savoie et al. (2012). ....................................... 234
Tableau A. 31: Résultats des analyses statistiques (test de t pairé) pour la capacité de récolte en
fonction des rendements (modèle linéaire) entre les mesures observées sur le site de Saint-Augustinde-Desmaures et les modèles de prédiction connus de Savoie et al. (2012). .................................. 234
Tableau A. 32: Résultats des analyses statistiques (test de t pairé) pour la Diesel en fonction des
rendements (modèle log) entre les mesures observées sur le site de Saint-Augustin-de-Desmaures et
les modèles de prédiction connus de Savoie et al. (2012). .............................................................. 235
Tableau A. 33: Résultats des analyses statistiques (test de t pairé) pour la Diesel en fonction de la
capacité (modèle linéaire) entre les mesures observées sur le site de Saint-Augustin-de-Desmaures
et les modèles de prédiction connus de Savoie et al. (2012). .......................................................... 235
Tableau A. 34: Résultats des analyses statistiques pour la Densité fonction de la capacité (modèle
linéaire) entre les mesures observées sur le site de Saint-Augustin-de-Desmaures et les modèles de
prédiction connus de Savoie et al. (2012). ...................................................................................... 236
XIII
XIV
Liste des figures
Figure 1: Évolution de la superficie de terres agricoles et prairies en abandon entre 1700 et 1990 ... 7
Figure 2: Fréquence du type de formation végétale en fonction de la surface des milieux agricoles
abandonnés (Marceau et al., 2002).................................................................................................... 10
Figure 3: Couverture végétale spécifique en fonction du temps depuis l'abandon des activités
culturales. A) Les espèces non endémiques; B) les espèces non endémiques en champs agricoles
suivant l’abandon. Les valeurs sont exprimées en tant que proportion du total (Cramer et Hobbs,
2007). ................................................................................................................................................ 12
Figure 4: Aperçu du phénomène de succession selon le temps après l’abandon des activités de
culture de la terre (adapté de Cramer et Hobbs, 2007)...................................................................... 13
Figure 5: Les différentes formes structurales aériennes d’envahissement des terres en friches ....... 14
Figure 6: Schéma de classification des formations et détermination des classes. ............................. 16
Figure 7: Système de surfaces emboîtées pour déterminer l’aire minimale (Whittaker, 1973). ....... 18
Figure 8: Niveaux de la matière organique (8-a) et du carbone total (8-b) dans le sol suivant
l’abandon du travail du sol et l’implantation d’une succession végétale selon Zhang et al. (2010). 20
Figure 9: Évolution de la teneur en azote total (TN) du sol (%) et du ratio C : N par rapport au
temps en années, selon Zhang et al. (2010)....................................................................................... 21
Figure 10: Biomasse aérienne d’arbustes de saules exempts de feuilles, estimée selon différentes
méthodes (adapté de Hytönen et al. (1987). ...................................................................................... 24
Figure 11: Développement aérien d'une végétation arbustive type de terre marginale A) large
couverture B) multiplicité de tiges émergentes d'une souche unique C) souches non représentatives
de la biomasse aérienne (Zhou et al., 2007). ..................................................................................... 26
Figure 12: La production naturelle aérienne sur toutes les terres est estimée en supposant que 50 %
de la biomasse accumulée est sous forme aérienne. (Campbell et al. 2008). .................................... 28
Figure 13 : Rendement (t MS/ha) des différents milieux naturels de l'État du Minnesota (Hébert,
2010). ................................................................................................................................................ 34
Figure 14: Technique de contrôle par le brûlage dirigé. ................................................................... 37
Figure 15: Débroussailleur forestier de modèle Tree Terminator à lame fixe. ................................. 37
Figure 16: Râteau andaineur sur pelle hydraulique (Plaisance Équipements). ................................. 39
Figure 17: Pelle hydraulique munie d'un rouleau débroussailleur horizontal Denis-Cimaf. ............ 39
Figure 18: Broyeur forestier automoteur de grande puissance Galotrax 500 (Plaisance
Équipements)..................................................................................................................................... 40
Figure 19: Broyeur forestier stationnaire à alimentation verticale Morbark. .................................... 40
Figure 20: Broyeur forestier Meri Crushers de Hakmet équipement. ............................................... 41
Figure 21: Biobaler en travail de récolte sur terres agricoles abandonnées. ..................................... 46
Figure 22: Orthophoto avec superposition (en vert) des données topographiques prises en 2008 de la
zone étudiée (résolution 30 cm). Les lignes rouges (entre 75 et 95 m) indiquent l’élévation par
rapport au niveau de la mer. .............................................................................................................. 50
Figure 23: Image aérienne à l’échelle 1 :15 000 prise en 1973......................................................... 51
Figure 24: Image aérienne à l’échelle 1 :15 000 prise en 1993......................................................... 51
XV
Figure 25: Précipitations totales enregistrées entre 2008 et 2012 pour les mois compris entre mai et
décembre. .......................................................................................................................................... 52
Figure 26: Image satellitaire rapprochée et identification des zones d’étude.................................... 54
Figure 27: Carte d’étude pédologique et légende de la zone d’étude prise dans le comté de Portneuf
(1976). ............................................................................................................................................... 56
Figure 28: Dispositif expérimental .................................................................................................... 57
Figure 29: Collecte des mesures diamétrales et hauteur des essences selon la morphologie à la
hauteur basale (à 0,10 m du sol) (adaptée de Thiffault et al., 2011). ................................................ 58
Figure 30: Déchiquetage des tiges afin d’en mesurer la masse. ........................................................ 60
Figure 31: Aperçu de la biomasse déchiquetée. ................................................................................ 60
Figure 32: Opération de la récolteuse en mode déporté .................................................................... 66
Figure 33: Opération de la récolteuse en mode aligné ...................................................................... 66
Figure 34 : Schéma de fonctionnement du Biobaler® WB-55 (Hébert, 2012) .................................. 66
Figure 35: Opération de pesée de balles ............................................................................................ 67
Figure 36: Fragments (≤15 cm) de résidus de récolte au sol. ............................................................ 69
Figure 37: Fragments (>15 cm long) de biomasse laissées au sol après la récolte. .......................... 69
Figure 38: Amas de biomasses généré à chaque opération de dépôt de balle au sol......................... 69
Figure 39: Biomasse sous forme de fragments non coupés à partir de la souche. ............................ 69
Figure 40: Manière de mesurer les pertes à la récolte ....................................................................... 69
Figure 41: Fonctionnement du procédé de récolte par le Biobaler (Hébert, 2012). .......................... 70
Figure 42: Teneur en NH4+ et NO3- des parcelles.............................................................................. 78
Figure 43: Régression de l'azote total (mg/kg) en fonction du carbone organique (%) .................... 79
Figure 44: Formation herbacée (site #4) ........................................................................................... 90
Figure 45: formation de type herbacée-ligneux bas (site #8) ............................................................ 90
Figure 46: Formation de type ligneux haut (site #5) ......................................................................... 90
Figure 47: Biobaler en pleine récolte et contournant les plus gros arbres....................................... 105
Figure 48: Biobaler enlisé dans la boue. ......................................................................................... 105
Figure 49: Pertes relatives en fonction du rendement récolté ......................................................... 109
Figure 50: Parcelle #6 avant la récolte avec comme caractéristiques en arrière-plan une végétation
arbustive haute et dense................................................................................................................... 109
Figure 51: Parcelle #6 après la récolte de la biomasse avec une présence résiduelle d’arbres de plus
gros diamètre ................................................................................................................................... 109
Figure 52: Biomasse aérienne et souterraine (Mg/ha) suivant l’état d’abandon d’un sol (Hooker et
Compton, 2003) ............................................................................................................................... 125
Figure 53: Pertes importantes de biomasse aérienne suivant l’acharnement à récolter des tiges à fort
diamètre à la parcelle #5.................................................................................................................. 135
Figure 54: Tiges résiduelles de DHP > 100 mm et de 15 années d’âge à la parcelle #6. ................ 135
Figure 55: Parcelle #7 complètement nettoyée de sa biomasse aérienne arbustive. ....................... 135
XVI
Figures des annexes
Figure A. 1: MS de tiges d’amélanchier en fonction du diamètre à la base .................................... 172
Figure A. 2: MS de tiges d’aulne en fonction du diamètre à la base............................................... 175
Figure A. 3: MS de tiges d’aulne en fonction du diamètre à hauteur de poitrine ........................... 175
Figure A. 4 : MS de tiges de cerisier tardif en fonction du diamètre à la base ............................... 177
Figure A. 5: MS de tiges de cerisier tardif en fonction du diamètre à hauteur de poitrine. ............ 177
Figure A. 6: MS de tiges de cornouiller stolonifère en fonction du diamètre à la base. ................. 180
Figure A. 7: MS de tiges de l’érable rouge en fonction du diamètre à la base................................ 182
Figure A. 8: MS de tiges de l’érable rouge en fonction du diamètre à hauteur de poitrine. ........... 182
Figure A. 9: MS de tiges de frêne rouge de Pennsylvanie en fonction du diamètre à la base......... 184
Figure A. 10: MS de tiges de frêne rouge de Pennsylvanie en fonction du diamètre à hauteur de
poitrine. ........................................................................................................................................... 184
Figure A. 11: MS de tiges de peuplier faux- tremble en fonction du diamètre à la base. ............... 186
Figure A. 12: MS de tiges de peuplier faux- tremble en fonction du diamètre à hauteur de poitrine.
......................................................................................................................................................... 186
Figure A. 13: MS de tiges de pommier sauvage en fonction du diamètre à la base........................ 187
Figure A. 14: MS de tiges de pommier sauvage en fonction du diamètre à hauteur de poitrine. ... 187
Figure A. 15: MS de tiges de saule sauvage en fonction du diamètre à la base. ............................. 189
Figure A. 16: MS de tiges de saule sauvage en fonction du diamètre à hauteur de poitrine........... 189
Figure A. 17: MS de tiges de viorne trilobée en fonction du diamètre à la base. ........................... 191
Figure A. 18: MS de tiges de viorne trilobée en fonction du diamètre à hauteur de poitrine. ........ 191
Figure A. 19: MS de tiges d’aubépine en fonction du diamètre à la base. ...................................... 193
Figure A. 20: MS de tiges d’aubépine en fonction du diamètre à hauteur de poitrine. ................... 193
Figure A. 21: Relation entre la capacité de récolte mesurées (y) fonction des rendements récoltés (x)
sur le site de St-Augustin. ............................................................................................................... 228
Figure A. 22: Relations de régression connues entre la capacité de récolte (y) et les rendements
récoltés (x) en milieux naturels de Savoie (2012). .......................................................................... 228
Figure A. 23: Relation entre la consommation de carburant mesurées (y) fonction des rendements
récoltés(x) sur le site de St-Augustin. ............................................................................................. 229
Figure A. 24: Relation de régression connue entre la consommation de carburant et rendements
récoltés en milieux naturels de Savoie (2012; Non publié)............................................................. 229
Figure A. 25: Relation entre la consommation de carburant mesurées (y) fonction de la capacité de
récolte (x) sur le site de St-Augustin. .............................................................................................. 230
Figure A. 26: Relation de régression connue entre la consommation de carburant (y) et capacité de
récolte (x) en milieux naturels de Savoie (2012). ........................................................................... 230
Figure A. 27: Relation entre la densité des balles mesurées (y) fonction de la capacité de récolte (x)
sur le site de St-Augustin. ............................................................................................................... 231
Figure A. 28: Relation de régression connue entre la densité des balles mesurées (y) et capacité de
récolte (x) en milieux naturels de Savoie (2012). .......................................................................... 231
XVII
XVIII
Liste des abréviations des unités de mesure
Abréviation (français)
an
b.h.
b.s.
C
C/N
EXP
ln
DB
DHP
cm
g
h
ha
hp
HMP
kg
km
kW
l
m
m2
m3
MH
min
mm
MS
MO
N
NH4
pH
po
RPM
t
W
$
%
°C
Signification
Abréviation (anglais)
année
yr
base humide
w.b.
base sèche
d.b.
carbone
C
Rapport carbone sur azote total C:N
Fonction exponentielle
EXP
Log base e (2,71828)
ln
Diamètre à la base
BD
Diamètre à hauteur de poitrine DBH
centimètre
cm
gramme
g
heure
h
hectare
ha
puissance (cheval-vapeur)
hp
Heure-machine productive
PMH
kilogramme
kg
kilomètre
km
kilowatt
kW
litre
l
mètre
m
mètre carré
m2
mètre cube
m3
matière humide
WM
minute
min
millimètre
mm
matière sèche
DM
Matière organique
OM
Azote
N
Ammonium
NH4
potentiel d’hydrogène
pH
pouce
in
rotation par minute
RPM
tonne
t
Watt
W
dollar canadien
$
pourcentage
%
degré Celsius
°C
XIX
XX
Avant-Propos
Tout d’abord, je désire exprimer mes remerciements à mon directeur de recherche, M.
Philippe Savoie, professeur associé au Département des sols et de génie agroalimentaire
(SGA) de l’Université Laval et chercheur scientifique au Centre de recherche et de
développement sur les sols et les grandes cultures d'Agriculture et Agroalimentaire Canada,
pour l’aide compétente qu’il m’a apportée, pour son sens critique ainsi que pour tous ses
conseils avisés qui m'ont été très précieux afin de peaufiner mon travail. L’esprit d’équipe
du groupe de recherche a également permis d’entretenir un climat d’encouragement et de
relever de nombreux défis. Mon implication dans divers projets connexes à mes activités de
recherche m’a permis de me positionner à l’avant-garde dans mon domaine d’étude et donc
je recommande cette expérience d’étude à quiconque désirerait poursuivre des études
graduées. Également en première ligne dans la codirection de ce travail de recherche, M.
Steeve Pépin, professeur agrégé au département SGA, a apporté une contribution
indispensable. Alors, mes remerciements sincères. Un remerciement spécial à Ressources
Naturelles Canada et au Réseau canadien d'innovation dans la biomasse pour leur support
financier à la recherche.
Ensuite, je tiens à remercier tout particulièrement M. Pierre Luc Hébert, étudiant gradué de
l’Université Laval, collègue et ami, pour sa précieuse collaboration lors des essais de
récolte, pour nos nombreuses discussions ainsi que pour son soutien moral ainsi que M.
Daniel Marcotte, technicien expert au Département SGA pour les analyses de sols.
Également, un merci à M. Joey Villeneuve, M. René Morissette, M. Marc-Antoine Robert,
Mme Emmanuelle Caron, M. Pierre-Luc Lizotte, des collaborateurs indispensables
d’Agriculture et Agroalimentaire Canada. De surcroît, je veux remercier Le Groupe
Anderson pour avoir contribué au soutien technique lors des essais de récolte.
À vous tous, je souhaite exprimer ma reconnaissance pour votre soutien et je vous adresse
un merci des plus sincères.
XXI
XXII
Chapitre 1 : Introduction
Les plantes arbustives sont abondantes en milieux naturels. De plus, elles peuvent devenir
une culture intéressante sur des terres non essentielles à la culture du fourrage et de la
nourriture. Dans plusieurs pays, les plantes arbustives naturelles sont parfois considérées
comme une nuisance, car elles envahissent les terres agricoles, les sous-bois et les plaines.
On doit les couper régulièrement pour minimiser les risques de feux spontanés incontrôlés,
mais leur faible densité fait en sorte qu’on les brûle souvent sur place sans aucune
valorisation énergétique. Par ailleurs, certaines terres abandonnées peuvent servir à
l’implantation de taillis cultivés en courte rotation et à d’autres espèces arbustives à
croissance rapide tels le saule ou les peupliers hybrides pour une collecte cyclique de
biomasse, soit à tous les deux, trois ou quatre ans. Autant que possible, la culture du saule
et du peuplier hybride doit être faite sur des terres marginales afin de ne pas faire
compétition à la demande alimentaire. À cet égard, Benjamin et al. (2006) ont démontré
que les friches constituent une utilisation des sols qui est mal perçue dans la communauté
agricole et que les plantations en taillis soulèvent l’intérêt par leur apparence de milieux
propres, plaisants, utiles et pouvant susciter la fierté. Cependant, la recherche d’un équilibre
entre les critères agricoles, économiques et environnementaux est indispensable quel que
soit le type d’aménagement souhaité. Le milieu agricole n’échappe pas à cette tendance et
nul ne conteste le lien étroit qui existe entre l’agriculture et son environnement.
L’optimisation de la chaîne de valorisation de la biomasse s’avère être un élément
important pour la continuité des travaux dans cette voie à plus long terme. Or, l’impact des
différentes pratiques sur les sols et les techniques de culture/récolte à privilégier ont peu été
étudiés. En déterminant des critères environnementaux et développant des techniques
optimales de travail, il serait possible de rallier les objectifs des différents intervenants.
Cette optimisation pourrait être atteinte en intégrant de nouvelles pratiques adaptées aux
besoins de la filière de la biomasse. Par exemple, des regroupements locaux s’organisent
pour la mise en valeur de ressources terrières abandonnées de l’agriculture, mais le manque
de connaissance sur les sols, les techniques, les coûts et les marchés limite l’ampleur des
projets.
1
Afin d’offrir une nouvelle opportunité pour faciliter la récolte et la valorisation de la
biomasse tout en réduisant les coûts d’intervention sur les terres en friche, la compagnie
Anderson vend depuis 2009 un nouvel équipement, le Biobaler. Ce dernier effectue la
récolte de la biomasse forestière à petit diamètre (<100 mm au point de coupe) en
sectionnant les tiges et en enroulant en balle ronde la matière récupérée. À cet effet,
l’équipement présente des aspects très intéressants puisqu’il permet de récolter des friches
de jeunes peuplements comme le ferait un agriculteur avec le foin et avec l’équipement
accessible à la ferme. Il serait donc possible d’obtenir et de récolter de la biomasse sur
courtes rotations (4 à 8 ans) de manière récurrente et efficace avec le Biobaler.
En
nettoyant le site de la végétation envahissante, cette machinerie offre également une avenue
intéressante au niveau de la préparation du terrain en vue du reboisement. Bien que
plusieurs équipements soient utilisés pour ce genre d’opération au Québec, il existe une
multitude de conditions de terrain différentes et les conseillers forestiers sont toujours à la
recherche de moyens pour effectuer ce travail de la meilleure façon et au meilleur coût
possible. Cette étude à caractère exploratoire vise à fournir aux gestionnaires et aux
intervenants du milieu des nouvelles informations techniques pour orienter les décisions
susceptibles
de
générer
des
bénéfices
économiques,
écologiques,
sociaux
et
environnementaux.
1.1 Problématique
Les terres en friches attirent l’attention de la communauté intéressée par la filière
bioénergie. Ces terres abandonnées et peu valorisées représentent une solution potentielle
au débat de société entre l’utilisation des terres agricoles pour l’alimentation animale ou
humaine et leur utilisation pour produire des plantes destinées à la bioénergie. D’un point
de vue économique, l’abandon de superficies agricoles représente une sous-utilisation des
ressources et une limitation pour une communauté par rapport à son développement
économique et social. La mise en valeur de terres abandonnées représente une avenue de
développement durable pour les communautés. Cependant, la valorisation des espaces doit
se faire d’un commun accord et devrait répondre à la question suivante : est-ce que toutes
les superficies répertoriées sont valorisables, de quelle manière et à quel coût ?
2
1.2 Plan du mémoire
Dans un premier temps, une revue de littérature examine les changements dans le sol suite à
l’abandon des cultures agricoles pendant plusieurs années.
Une végétation naturelle
envahit peu à peu ces terres; diverses méthodes de récolte de ces plantes arbustives sont
présentées. Ensuite, le mémoire présente les méthodes qui ont été utilisées pour caractériser
une terre en friche dans la région de St-Augustin-de-Desmaures située à 30 minutes du
centre-ville de la Ville de Québec : au niveau des sols, de la végétation naturelle
envahissante et des techniques pour prélever et estimer la biomasse totale. Les résultats
fournissent des données détaillées sur quelques propriétés des sols, les espèces végétales et
leur quantité estimée par quadrat, ainsi que les quantités de biomasse réellement récoltées
avec un Biobaler au champ.
Ces données permettent de développer des modèles
d’estimation de rendement pré-récolte et de déterminer des niveaux de départ pour les
composantes chimiques considérant une éventuelle mise en valeur du milieu d’une terre
agricole abandonnée. Finalement le mémoire présente des recommandations et une
conclusion.
3
4
Chapitre 2 : Revue de littérature et cadre de la recherche
La revue de littérature est divisée en quatre parties : 1) une mise en contexte des sols en
friche; 2) une description des changements dans le sol suivant l’abandon des cultures; 3)
l’évaluation de la biomasse sur les terres en friche; 4) les méthodes de récupération de cette
biomasse et le processus de valorisation des terres. Ce présent chapitre se termine avec la
description du cadre conceptuel de la recherche incluant les objectifs et les hypothèses.
2.1 Définitions et mise en contexte des sols en friche
2.1.1 Définitions
Plusieurs termes décrivent les terres agricoles non cultivées, sous-exploitées ou
abandonnées. À partir du glossaire de l’ONU, la définition d’une terre marginale est la
suivante : « terres de faible qualité non souhaitable pour le logement ou d’autres utilités »
(ONU, 1997). On peut également trouver une définition pour les terres inutilisées ou
vacantes comme étant des terres par le passé cultivées, mais aujourd’hui dans un état de
sous-utilisation. L’utilisation du terme jachère est plus ou moins juste et fait davantage
référence à la technique de régénération de la fertilité d’un sol à long terme que de décrire
l’état permanent d’une terre. La définition d’un sol de type marginal en regard de la
productivité de la terre est un sol qui ne permet pas la rentabilité économique d’une culture
annuelle quelconque. Des caractéristiques comme la pente, la profondeur, l’humidité
excessive, la disposition à la sécheresse ont des effets négatifs sur la profitabilité des
activités agricoles. Or, il en coûte moins cher de louer ou de simplement continuer à payer
les taxes d’usage et de laisser les phénomènes d’invasion naturels faire leur action par
rapport à ce qu’il en coûterait pour remettre la terre en culture (Hull et al. 2011). Certains
sites marginaux sont issus de milieux naturels n’ayant jamais subi d’activités agricoles de
labour et parfois amènent une variété de bénéfices environnementaux. Notamment, certains
sites naturels sont utilisés à fin de zone tampon pour permettre la nidification de certaines
espèces d’oiseaux. De manière cyclique, la végétation rémanente de ces sites est contrôlée
par brûlis ou destruction mécanique. D’autres sites marginaux sont typiquement utilisés
5
comme pâturage ou prairie permanente. Par ailleurs, la mise en culture de ce type de terre
peut être associée à une forte érosion potentielle et une perte de productivité à travers le
temps. Au cours des dernières années, le prix élevé des grains a suscité l’intérêt des
producteurs vers l’utilisation des sites marginaux pour de la culture en rang annuelle, mais
la localisation des sites marginaux est l’élément contrôlant le type d’usage et de gestion qui
peut s’en suivre. Autrement, différentes utilisations sont possibles pour les sites marginaux
à noter : aires d’activités agricoles à petite échelle, parcs urbains, plantation d’arbres de
Noël, verger, ceinture verte autour d’une zone spécifique et protection riveraine.
Les systèmes de gestion intensive du domaine agricole, à l’intérieur même d’une localité,
mènent à un paysage fragmenté par différentes surfaces marginales à utilisation restreinte
pour plusieurs raisons, notamment les dispositions géographiques et phénomènes
historiques. L’acquisition d’information pertinente et précise en lien avec les différents
phénomènes historiques (fertilisation, pâtures, cultures) demeure difficile à avoir (Ejrnæs et
al., 2003; Cousins et al., 2006). L’interprétation est limitée et repose souvent sur des
jugements subjectifs des terres, mais le phénomène est reconnu que la qualité de l’habitat et
l’historique de l’utilisation des terres sont significativement corrélés. En réalité, le temps
depuis l’abandon est un facteur parmi plusieurs autres qui affectent le devenir d’une
succession végétale.
2.1.2 Estimation des surfaces mondiales
Les étendues de terres marginales constituent dans plusieurs pays un élément d’intérêt et le
phénomène est répertorié. La Figure 1a tirée de Cramer et Hobbs (2007) montre le
phénomène de l’abandon des terres agricoles à l’échelle mondiale entre 1700 et 1990. En
1990, près de 210 millions d’hectares de terres arables étaient en abandon dans le monde.
La Figure 1b des mêmes auteurs indique notamment qu’aux États-Unis, près de 65 millions
d’hectares de terre sont dans un état d’abandon et particulièrement dans la partie est du pays
alors qu’au Canada l’abandon des terres agricoles touche près de 15 millions d’hectares.
Par ailleurs, d’autres estimations par Campbell et al. (2008) montrent qu’il y aurait entre
385 et 472 millions d’hectares de terres agricoles abandonnées dans le monde. Il est
possible de voir comment le processus s’amplifie avec les années et que la naturalisation
des terres agricoles abandonnées, des prairies et pâturages est un phénomène en émergence
6
en Europe (Mather, 1992 ; Piussi, 2000) et en Amérique du Nord (Houghton et Hackler,
2001 ; Knops et Tilman, 2000). Pour certains pays de l’Europe centrale comme la Lituanie,
la Hongrie et la Pologne c’est entre 10 et 20% de la superficie des terres agricoles qui sont
dans un état d’abandon (Cramer et Hobbs, 2007).
Figure 1: Évolution de la superficie de terres agricoles et prairies en abandon entre 1700 et 1990
(A) dans le monde (B) dans différents pays sélectionnés, Cramer et Hobbs (2007).
Plusieurs auteurs s’intéressent à cette situation et montrent la disponibilité de cette
ressource pour l’implantation de cultures dédiées à la bioénergie. Sur cette superficie, il est
estimé qu’il serait possible d’implanter rapidement des cultures dédiées de saule sur 600
000 ha dans le nord-est des États-Unis et entre 2 et 3 M ha à l’échelle du pays sur des terres
agricoles marginales (Hull et al., 2011; Castellano et al., 2009). La situation est d’autant
plus préoccupante dans les pays nordiques pour qui les coûts de l’énergie sont importants.
Au Canada, environ 1,5 million d’hectares sont dans la même situation. Sur le plan
provincial, des résultats d’Environnement Canada (2010) démontrent que 127 814 ha sont
considérés en terre marginale et ayant un potentiel de remise en état pour la production de
biomasse au Québec alors que le MAPAQ (2009) estime entre 200 000 ha et 355 000 ha de
terre potentiellement disponible pour les cultures dédiées selon deux scénarios d’analyse.
Ces données proviennent d’une méthode de calcul d’approximation et de soustraction des
superficies utilisées pour les bâtiments, allées et chemins de fermes, jardins, serres et
7
champignonnières. À partir des mêmes caractéristiques, mais sans faire abstraction des
critères souhaitables pour la culture de biomasse pour la bioénergie, le MAPAQ (2009)
détermine une superficie de 32 097 ha en friche selon les fiches d’enregistrement des
fermes de 2007. L’analyse tirée à partir des régions administratives du Québec (Tableau 1)
montre que les terres abandonnées sont dispersées sur une grande partie du territoire et que
les friches couvrent la plus grande surface dans la région l’Abitibi-Témiscamingue (7168
ha). Les régions de l’Estrie, Chaudière-Appalaches et Centre-du-Québec présentent des
superficies en friche de près de 4000 ha chacune. Quelques parcelles de très petite taille et
rapprochées de terres en friches sont réparties dans la partie sud du territoire agricole et
représenteraient environ 2 % du territoire agricole total. En terme global, les proportions du
territoire agricole total occupées par des terres marginales et des pâturages naturels
avoisineraient une moyenne nationale de 2 et 23 % respectivement (Environnement
Canada, 2010). Les résultats récents d’Environnement Canada viennent en bonne partie
appuyer et également bonifier ceux obtenus de l’analyse de Vouligny et Gariépy (2008).
L’évolution de la superficie du territoire agricole est un phénomène stable au Québec. Les
surfaces déjà abandonnées évoluent peu et restent dans un état latent. Si ce n’est, la surface
de terre en friche ne peut qu’actuellement diminuer en raison des prix très élevés pour les
grains.
8
Tableau 1: Répartition par région administrative des surfaces agricoles occupées par des
terres marginales, des terres en friches et des terres naturelles pour le pâturage.
Régions
administratives
Bas-SaintLaurent
Saguenay-LacSaint-Jean et
Côte-Nord
Québec
Mauricie
Estrie
Montréal et
Laval
Lanaudière
Outaouais
Laurentides
AbitibiTémiscamingue
et Nord-duQuébec
Gaspésie et
Îles-de-laMadeleine
ChaudièreAppalaches
Montérégie
Centre-duQuébec
total
Terres marginales*
(ha)
Terres en friche
(ha)**
Terres naturelles pour
le pâturage (ha)**
10 558
2 388
8 363
9 577
2 236
9 925
5 867
3 887
12 011
989
905
3 706
3 799
3 482
25 456
824
55
484
5 462
8 704
5 669
909
853
996
3 357
23 184
8 058
12 567
7 168
15 830
2 153
405
2 160
18 749
3 972
20 556
20 917
3 776
20 121
10 869
3 740
13 826
127 814
32 097
158 601
* Environnement Canada (2010). Les terres marginales ont été estimées par analyse géomatique.
**MAPAQ (2009). Les terres en friche et les terres naturelles pour le pâturage ont été estimées par
recensement.
L’abandon de terres agricoles est bien une réalité, mais ce phénomène apparaît limité et
étendu sur le territoire avec des pointes dans la zone de l’Abitibi-Témiscamingue. Très peu
de données existent sur la caractérisation locale des milieux en friches, mais les résultats de
Marceau et al. (2002) permettent d’apprécier que les friches provenant du milieu agricole
dans la région de la Montérégie Ouest sont majoritairement de petite superficie (0 à 2,5 ha)
et classées en tant que formation herbacée. Les friches de plus grande superficie présentent
une répartition davantage égale entre les différents types de formation (Figure 2).
9
Figure 2: Fréquence du type de formation végétale en fonction de la surface des milieux
agricoles abandonnés (Marceau et al., 2002).
2.1.3 Processus d’abandon des terres et de végétalisation
L’abandon des terres agricoles ou leur changement d’usage augmente sans cesse. Depuis le
début du vingtième siècle, plusieurs agriculteurs abandonnent l’activité agricole et quittent
les milieux ruraux. Des facteurs écologiques, sociaux et économiques exercent également
une forte pression pour faire cesser l’agriculture. Les civilisations passées ont développé
des types d’agriculture qui ont ensuite été abandonnés pour différentes raisons (Cramer et
Hobbs, 2007; Romankutty et al., 1999). Le message qui en ressort est un abandon croissant
à l’échelle mondiale au XXe siècle.
Parmi les facteurs écologiques, on retrouve, entre autres, la perte de fertilité des sols et la
diminution de la productivité en relation avec une dégradation primaire de la terre,
conséquence de pratiques inappropriées, d’une mauvaise utilisation des fertilisants, des
pesticides et d’autres produits. Le résultat de ces gestes est l’abandon ou le changement du
type de culture. La proximité des routes, le degré de pente, l’état de drainage et l’élévation
sont d’autres éléments rapportés comme ayant une influence sur le maintien ou l’abandon
des terres agricoles (Flinn et al., 2005).
L’économie locale et globale, l’ouverture des marchés ainsi que les avances technologiques
rapides ont aussi provoqué un déclin dans la viabilité de l’agriculture. L’augmentation des
prix des terres et la spéculation à des fins autres que l’agriculture ont encouragé l’abandon.
10
L’urbanisation et la dépopulation des milieux ruraux alliées à la perte des infrastructures du
milieu de vie ont accéléré l’exode de la population rurale et découragé la génération
suivante à s’investir dans le travail de la terre. Les politiques nationales trop rigides et
limitatives ont encouragé une mutation dans l’usage de la terre (Cramer et Hobbs, 2007).
De plus, selon Benjamin et al. (2005), la restructuration de la taille des entreprises agricoles
a son effet dans l’abandon des terres puisque les équipements aratoires sont plus imposants
et que leur utilisation n’est pas appropriée sur de petites parcelles. Il devient donc trop
coûteux de déplacer de l’équipement sur des petits chantiers de travail.
Après l’abandon, des changements apparaissent dans les champs. Le développement de la
notion de succession a été publié par différents auteurs (Cramer et Hobbs, 2007). Les
travaux de Clements (1916; 1928) sont à la base de la recherche dans le domaine d’étude
des successions végétales. Les écologistes contemporains voient les changements dans la
végétation après l’abandon comme les populations interagissant avec les fluctuations
environnementales. En fait, la succession est amenée par une combinaison de facteurs de
niveau individuel, collectif et politique faisant pression sur les écosystèmes. Certaines
espèces peuvent survivre, s’adapter, se disperser ou se transformer par mutation après
l’abandon pour ainsi donner lieu à un nouveau type de végétation et de sol. De plus, Palmer
et al. (2010) rapportent une valeur biologique et culturelle liée au processus d’abandon des
terres. Ainsi, ce dernier phénomène engendre certains changements dans le paysage et dans
les prérequis pour l’occupation et la culture de la terre.
Des facteurs abiotiques tels que la pente, la pierrosité, la disponibilité de la lumière et le pH
peuvent apporter des explications sur l’état actuel des parcelles abandonnées. Certains de
ces facteurs font que les coûts d’entretien sont plus élevés vu la rentabilité offerte de ces
terres, les rendant alors moins intéressantes pour les cultures industrielles.
11
2.1.4 Phénomène d’invasion
D’après Nespoulous et al. (2005),
Les changements d'utilisation des terres rompent la stabilité dans laquelle les
maintenait l'usage agricole ou pastoral, et engagent de fait une série de mutations, de
durée variable, dans lesquelles interviennent principalement des dynamiques végétales
spontanées. L'arrêt brutal de l'activité pastorale et l'abandon des parcelles agricoles
entraînent rapidement une augmentation du recouvrement des friches par les strates
suivantes en ordre de décroissance de réponse aux changements : herbacées annuelles,
herbacées pérennes, plantes arbustives et arborescentes. Dans un second temps, les
broussailles, des espèces ligneuses plus ou moins hautes, progressent sur les parcours et
les friches à partir de fronts de peuplement. Des bosquets isolés deviennent coalescents et
se développent peu à peu. Par la suite, des espèces arborées s'installent et croissent.
Les essences endémiques vont dominer le paysage dans un premier lieu (Figure 4a) et
ensuite décroître. Les essences non endémiques vont profiter du phénomène pour
s’implanter (Figure 4b).
Années depuis abandon
B
Proportion de couvertures spécifiques
Proportion de couvertures spécifiques
A
Années depuis abandon
Figure 3: Couverture végétale spécifique en fonction du temps depuis l'abandon des activités
culturales. A) Les espèces non endémiques; B) les espèces non endémiques en champs agricoles
suivant l’abandon. Les valeurs sont exprimées en tant que proportion du total (Cramer et Hobbs,
2007).
12
Le phénomène décrit plus haut est également rapporté par Brown (1990), Bard (1952) et
Ward et Jennings (1990) et est représenté dans la (Figure 4). Picket (1982) décrit
l’évolution de ce processus en 4 phases distinctes soit : la phase I d’âge 1 à 4 ans, la phase
II d’âge 5 à 15 ans, la phase III d’âge 16 à 20 ans et la phase IV de 20 ans et plus.
Figure 4: Aperçu du phénomène de succession selon le temps après l’abandon des activités de
culture de la terre (adapté de Cramer et Hobbs, 2007).
Le saule est une plante à colonisation rapide et à dominance opportuniste des nouveaux
habitats laissés ouverts, y compris les milieux humides à sols variés (Kuzovkina et Quigley,
2005). Par exemple, les bords de routes, les fossés, les terres agricoles en abandon, les
abords de chemins de fer et les sols périodiquement inondés sont des sites d’intérêt pour la
colonisation par plusieurs variétés de saule indigène. Les espèces pionnières à dispersion
courte (<400 m) comme le peuplier faux-tremble, le cornouiller stolonifère, le saule gris et
l’aulne ont la capacité de coloniser rapidement une aire sous forme arbustive ou par des
tiges individuelles selon leurs différentes aptitudes reproductrices. Les forêts secondaires
peuvent s’implanter sur les champs abandonnés provenant de différentes activités
précédentes incluant les champs agricoles, les pâturages et les prairies. À plus long terme, il
est possible d’assister à une forêt mature de feuillus intolérants à l’ombre (MuellerDombois, 1974; Booth et al., 2003). La figure 5 rapporte le processus de colonisation par
les espèces pionnières.
13
Les 5 premières années suivant l’abandon, il n’est pas commun d’assister à l’implantation
d’essences ligneuses. Plusieurs agents de dispersion agissent pour les essences ligneuses
notamment le vent pour disperser les semences à plus de 400 m et les étendues humides qui
sont des sources pouvant avoir effet dans un rayon de 100 m ne considérant pas l’effet du
vent. Ward et Jennings (1990) rapportent le même phénomène d’une colonisation rapide
dans les premières années et suivi d’une période de stabilisation d’où résultera une forme
de végétation ligneuse colonisatrice. C’est la capacité de dispersion des espèces pionnières
qui déterminera la composition des espèces. De plus, la période de dominance des espèces
annuelles non-clonales à reproduction sexuée se limite à quelques années (Van Der Maarel,
2005). Suivant la succession, les espèces clonales à reproduction asexuée (rhizome, stolon,
drageon, marcottage) s’établissent et réussissent à rivaliser avec les espèces non clonales au
fur et à mesure que la couverture se densifie (Figure 5). La diversité dans le recouvrement
végétal dépend en premier lieu du mode de dispersion spécifique. La faible potentialité à la
propagation par le vent sur de longues distances fait que certaines espèces comme le
peuplier sont plus pionnières en début de succession. En second lieu, les différences
environnementales créées par l’utilisation des terres affectent le modèle de la colonisation
végétale, l’établissement et la persistance à plus petite échelle (Flinn et al., 2005).
Figure 5: Les différentes formes structurales aériennes d’envahissement des terres en friches
(a) Propagation par stolon; (b) Propagation par rhizome; (c) Propagation par
drageonnement; (d) Tallage. (Booth et al., 2003).
Différentes causes biotiques et abiotiques peuvent expliquer l’hétérogénéité du paysage de
succession suivant le phénomène d’abandon, notamment la taille et la quantité d’ouverture
à la lumière et la proximité des bordures embroussaillées. Les facteurs biotiques peuvent
modifier ou amplifier les phénomènes de la succession par exemple par les agents de
14
dispersion des structures de reproduction des plantes et les composantes fauniques telle la
présence de mammifères. Les changements dans le microclimat suivant la colonisation des
aires par des espèces pionnières sont occasionnés par une hausse de surface d’ombre au sol,
une production annuelle de débris et de feuilles, des actions de racines sur le sol et la
formation d’humus (Kuzovkina et Quigley, 2005). Également, la vitesse de la
revégétalisation naturelle dépendra des conditions biotiques et abiotiques du milieu
notamment la disponibilité en eau et la présence de végétation compétitrice herbacée
(Benayas et al., 2007). Les différents facteurs qui gouvernent le processus de succession
sont basés sur la distance entre les plantes et la composition floristique de la végétation
périphérique, les conditions de sol (contenu en éléments, type de couverture, niveau de
contamination), les conditions climatiques du milieu suivant l’abandon, la composition des
essences pionnières et les interventions externes pouvant affecter le milieu. Également, le
taux de renouvellement des essences sur une base annuelle passerait de près de 40 % à
moins de 10 % jusqu’à 20 ans après le début de la période d’abandon (Bornkamm,1988).
2.1.5 Caractérisation de l’état végétal
De manière générale, la communauté végétale est classifiée à travers un processus
d’interaction entre la phytosociologie et la végétation et de manière formelle, c’est un
concept de classe qui devrait être simple et clairement statué (Whittaker, 1962). Les
premières approches de classification sont basées sur les unités physionomiques,
environnementales, de paysage et biotiques. D’autres approches se rapportant aux zones et
séries climatiques, de dominance des espèces, de dynamique de la végétation, d’unités de
strate, de milieux, de types forestiers et de la classification numérique sont également
rapportées. À cet effet, Jones (2007) a décrit 14 méthodes reconnues pour la classification
de l’état végétal d’un peuplement donné passant de la catégorisation par un sondage terrain
à l’interprétation visuelle avec chacune ses forces et limitations. Aucune méthode ne
combine tous les avantages réunis des différentes méthodes, mais il s’agit de faire une
sélection en fonction du degré de précision désiré, du temps nécessaire pour accomplir le
travail et de l’information nécessaire. L’étude de la flore par Braun-Blanquet en 1932
constitue la base du développement d’une classification qui est la plus connue et la plus
étudiée. Pour cela, la majorité des écologistes utilisent le terme strate comme élément
15
principal de classification. Chaque strate est définie comme un « ensemble de végétaux
pouvant appartenir à des espèces différentes, mais qui présentent, pour la plupart, des
caractères convergents dans leurs formes et les comportements » (Emberger et al., 1968).
Le modèle Braun-Blanquet distingue les strates muscinales, herbacées, arbustives et
arborescentes dans l’analyse verticale. La strate herbacée se divise en haute strate dépassant
0,6 m et basse entre 0 et 0,6 m du sol. La strate arborescente se divise en haute pour les
arbres de 20 m et plus, moyenne pour les arbres entre 10 et 20 m et basse pour les arbres
entre 5 et 10 m de hauteur. La strate arbustive se divise en haute et basse selon que les
arbustes ont entre 2,5 et 5 m de hauteur et inférieurs à 2,5 m de hauteur respectivement. En
fonction des recouvrements spécifiques de chacune des divisions des strates, on peut
attribuer un classement pour une formation végétale spécifique (Figure 7 et Tableau 2).
C’est la strate dominante qui attribue le nom générique au type de structure et la strate sousdominante apporte de la précision supplémentaire.
Tableau 2: Détermination des formations suivant le recouvrement.
Formations
Figure 6: Schéma de
classification des formations
et détermination des classes.
Recouvrement
des ligneux
hauts
Recouvrement
des ligneux bas
Recouvrement des
herbacées
Ligneuses
hautes
50 à 100 %
0 à 100 %
0 à 100 %
Ligneuses
basses
0 à 25 %
10 à 100 %
0 à 10 %
Herbacées
0 à 25 %
0 à 10 %
10 à 100 %
25 à 50 %
10 à 100 %
0 à 10 %
25 à 50 %
0 à 10 %
10 à 100 %
0 à 25 %
10 à 100 %
10 à 100 %
25 à 50 %
10 à 100 %
10 à 100 %
25 à 50 %
0 à 10 %
0 à 10 %
0 à 25 %
0 à 10 %
0 à 10 %
Complexe
ligneux
Complexe
herbage-ligneux
haut
Complexe
herbage-ligneux
bas
Complexe
herbacé ligneux
bas ligneux haut
Ligneuses
hautes claires
Zones à
végétation très
claire ou nulle
(Emberger et al., 1968)
La représentation de la végétation par le modèle Braun-Blanquet (1932) est définie en tant
que méthode rapide, extensive et permet un inventaire complet (Van der Maarel, 2005). De
16
plus, ce modèle de classification phytosociologique facilite la communication au-delà des
frontières sur la communauté végétale. Cette méthode de classer un milieu outrepasse la
caractérisation basée sur l’utilisation des milieux. Par exemple s’il s’agit d’une terre
forestière ou agricole. Dans le cas présent, on cherche à définir l’état végétal d’une terre
agricole en abandon sur laquelle une végétation essentiellement arbustive s’est implantée.
Quelques auteurs se sont intéressés au phénomène en considérant deux groupes écologiques
soit: 1) les terres abandonnées qui proviennent de pâturage, pour le moment dominées par
une végétation arbustive épineuse ou 2) les terres anciennement cultivées et pour le moment
dominées par une végétation arbustive et herbacée hydrophile (Benjamin et al., 2005).
L’analyse de la structure horizontale se rapporte exclusivement au pourcentage de
recouvrement, où 80 % et plus constituerait une forêt alors que moins de 80 % constituerait
une friche (Payette et Gauthier, 1972; Flinn et al., 2005).
Selon les définitions et discussions d’Olson (1981), Miao et Li (2007) et l’IFNC (2021), la
végétation arbustive se dit d’un végétal à tiges ligneuses persistantes, à feuillage persistant
ou caduc, de dimensions relativement modestes (généralement moins de 10 m), pouvant
être un arbuste ou un arbrisseau. L’arbrisseau est ramifié dès la base et a un port non
arborescent, tandis que l’arbuste a un tronc bien distinct. Dans le cadre de l'inventaire
forestier national, les arbustes sont divisés en deux catégories soit : grand arbuste (2 m et
plus de hauteur) et petit arbuste (moins de 2 m de hauteur).
L’analyse de l’état végétal devrait normalement s’effectuer sur une surface représentative
des milieux étudiés. Soit, l’aire minimale est la plus petite surface sur laquelle la quasitotalité des espèces de la communauté végétale est représentée. Une approche classique
repose sur la méthode des surfaces emboîtées (Figure 7). La caractérisation manuelle est
onéreuse en temps et en main-d’œuvre (Whittaker, 1973; Van der Maarel, 2005). Il est donc
nécessaire de cibler le type de peuplement à l’étude. À cet effet, Braun-Blanquet propose
certaines surfaces minimales en fonction des communautés végétales décrites ici-bas mais
certains termes sont moins connus et moins utilisés aujourd’hui pour décrire les
communautés végétales. Ainsi, d’autres auteurs proposent des termes de description des
communautés plus renouvelés et/ou d’application régionalisée pour décrire essentiellement
les mêmes types de milieux issus de Braun-Blanquet.
17
Figure 7: Système de
surfaces emboîtées pour
déterminer l’aire minimale
(Whittaker, 1973).
2.2 Changements dans les propriétés du sol suivant l’abandon des
pratiques culturales
2.2.1 Indicateurs de la fertilité des sols
Plusieurs facteurs de dégradation s’attaquent aux sols : l’érosion causée par le vent et l’eau,
l’acidification, la salinisation, la perte de matière organique ou l’empiétement à des fins
commerciales, résidentielles ou publiques. La qualité des sols est définie en agriculture
comme la capacité du sol à soutenir la croissance de cultures sans se dégrader ou nuire
autrement à l’environnement (FAO, 2005; Magdoff et Weil, 2004). De manière historique,
la qualité des sols est mesurée en fonction de la fertilité et de la productivité agricole
(Singer & Ewing, 2000). À cet effet, le carbone et l’azote sont des éléments importants
affectant la productivité (Magdoff et Weil, 2004; Johnson, 1992). D’autres éléments à
considérer incluent l’activité microbienne, l’humidité du sol, le taux de décomposition de la
matière organique, les composés minéraux notamment le phosphore et le potassium,
l’acidité et les échanges gazeux (Leroy et Marks, 2006). Certains indicateurs seront
analysés dans le contexte de l’abandon des terres en culture pendant plusieurs années.
18
2.2.2 Conversion des cultures agricoles intensives par une succession végétale
À la suite de l’abandon de la culture intensive du sol, on observe l’apparition de diverses
plantes spontanées selon l’humidité et l’acidité des sols (Burns et Honkala, 1965). Ces
plantes se développent et disparaissent dans une succession végétale. Des changements
physico-chimiques surviennent dans les sols à cause d’une couverture végétale presque
permanente, de l’accroissement de la profondeur de la litière et l’humus, de la baisse de la
densité apparente et de l’augmentation du ratio C:N. Ces changements améliorent
globalement la fertilité des sols (Knops et Tilman, 2000; Guariguata et Ostertag, 2001;
Davidson et Ackerman, 1993; Du et al., 2007). Après quelques années, on dénote un
accroissement graduel de la matière organique (MO) car l’apparition d’essences ligneuses
produit une biomasse plus stable que les herbacées des premières années. Les détritus
forestiers sont plus difficiles à dégrader que les résidus provenant de cultures agricoles et
végétation éphémère. Les racines des essences ligneuses peuvent ralentir la dégradation de
la MO de même que le contenu en argile du sol qui protège contre l’oxydation (Alberti et
al. 2008; Jobbàgy & Jackson, 2000). Cependant, une période inférieure à 40 ans suivant
l’abandon des cultures demeure courte pour déceler des changements significatifs dans le
sol (Olson, 1958; Odum, 1960).
2.2.3 Carbone organique et azote du sol
Sur une échelle de long terme, Clark et al. (2012) ont démontré une relation linéaire
positive entre le temps de la période d’abandon et la teneur en C organique du sol. Knops et
Tilman (2000) ainsi que Johnston et al. (1996) ont illustré que les niveaux de carbone
organique et d’azote total d’une prairie abandonnée depuis 50 années seraient
respectivement supérieurs de 20 % et 35 % à ceux d’un sol cultivé. De manière générale, le
taux d’accumulation du C organique dans la couche 0-20 cm était de 3,1 g/m²/an et variait
entre 1,2 et 36,2 g/m²/an (Knops et Tilman, 2000; Post et Kwon, 2000). Zhang et al. (2010)
présentent le même type d’information, notamment pour la matière organique du sol (ÉQ.
1) et le C organique (ÉQ.2) en fonction du temps depuis l’abandon (Figure 8). Dans les
équations, le temps est exprimé en années depuis l’abandon.
19
b
Matière organique
(g kg-1)
Carbone total (%)
a
Années après abandon
Figure 8: Niveaux de la matière organique (8-a) et du carbone total (8-b) dans le sol suivant
l’abandon du travail du sol et l’implantation d’une succession végétale selon Zhang et al.
(2010) 1.
MO= 21,124 *Ln(temps)+ 6,489
R²=0,69 (p<0,001)
Carbone total= 0,822*Ln(temps)+0,493
R²=0,68 (p<0,001)
[EQ : 1]
[EQ : 2]
En ce qui concerne la teneur de N dans le sol, certains auteurs (Hooker et Compton, 2003)
observent que prise individuellement du système, la teneur de N dans le sol diminue durant
les premières années après l’abandon, de l’ordre de 0,4 % /an. Par contre, Knops et Tilman
(2000) observent que la teneur de N avait tendance à s’accumuler dans le sol à cause des
dépôts atmosphériques et de la litière. Zhang et al. (2010) montrent une relation
logarithmique entre la teneur de N dans le sol et le temps d’abandon (Figure 9). Le contenu
en N des sols aurait tendance à se stabiliser à long terme à un niveau près de 0,15 % selon
Knops et Tilman (2000) ou plus près de 0,30 % selon Zhang et al. (2010). Il est connu que
le taux de minéralisation décroît avec l’âge du site vu notamment l’accroissement de
l’apport en matériel lignifié (Pastor, 1987).
De nombreux facteurs exercent une influence sur le taux de nitrification nette dans les sols
(Ste-Marie et Paré, 1999). Ces facteurs incluent la température, la disponibilité de l'eau,
l'acidité du sol, la disponibilité des substrats organiques biodégradables, la qualité de la
matière organique du sol, la disponibilité des éléments nutritifs, le stade de succession de la
végétation, l’inhibition des populations microbiennes nitrifiantes, l’aération du sol ou la
classe de drainage du sol, la saison ou période de l’année et le type de l’essence forestière
1
Un facteur multiplicatif de 2,40 a été appliqué pour passer du C organique à la MO
20
(Klingensmith et Van Cleve, 1993; Ste-Marie et Paré, 1999; Paavolainen et al., 2000;
Huang et al., 2004 ; Ullah et Moore, 2009; Kelly et al. 2011). Pour les sols de climat frais et
humides du Québec, la référence la plus utilisée estime une minéralisation à un taux de 15
kg N/ha par % de MO au-dessus de 4 % (CRAAQ, 2010).
Un autres facteur qui modifie la composante azote du sol est la contribution des essences
végétales. Par exemple, des peuplements naturels d’aulne soutiennent la fixation de l’azote
dans le sol à un taux annuel de près de 50 kg/ha (20 mg/kg) (Burns et Honkala, 1965).
Compton et al. (2003) ont relevé des taux similaires. De plus, la minéralisation de la litière
s’effectue rapidement après accumulation automnale au sol considérant un niveau élevé en
holocellulose des feuilles de la plupart des espèces pionnières (78% pour les feuilles de
peuplier faux-tremble, 85% pour le cerisier tardif, 53% pour le frêne de Pennsylvanie, 77%
pour l’érable rouge et 74 % pour l’aulne) (Burns et Honkala, 1965). Des peuplements
naturels d’aulne glutineux sont reconnus pouvoir fournir une biomasse aérienne de litière
décomposable de près de 3 t MS/ha/an. Une teneur de 100 kg/ha/an d’azote peut être
transférée des feuilles vers le sol sachant que les feuilles contiennent 3,15% d’azote (Burns
et Honkala, 1965).
B
Azote total (%)
A
Figure 9: Évolution de la teneur en azote total (TN) du sol (%) et du ratio C : N par rapport
au temps en années, selon Zhang et al. (2010).
Le rapport C : N du sol est un indicateur de minéralisation de N et de C organique ou de
biodégradation de la matière organique du sol. Le rapport C : N du sol change dans le
temps (Figure 9). Il est en général assez bas (autour de 12) durant les premières années et
21
peut augmenter jusqu’à 15 selon Zhang et al. (2010). Dans d’autres conditions, un ratio C:N
jusqu’à 18 a été observé (Zak, 1990).
2.2.4 Le pH et autres indicateurs
Le pH du sol suit une tendance à la baisse selon les phases de succession végétale. Une
baisse de pH entraîne une modification défavorable à l’activité bactérienne du sol au profit
des organismes décomposeurs comme les champignons. Selon Flinn et al. (2005) et
Falkengren-Grerup et al. (2006), pendant que les arbres commencent à croître, le pH du sol
devient acide et il y a perte de cations basiques. Par exemple, le cerisier tardif est une
essence pionnière reconnue pour son pouvoir acidifiant du sol de par un dépôt de d’acide
benzoïque qui agit d’inhibiteur allélopathique. À plus long terme, cette substance inhibe le
développement de l’érable rouge. L’acidification du sol est un phénomène naturel,
particulièrement en conditions de climat frais et humide, mais qui peut être accentué par la
nature de la roche-mère et les conditions climatiques (Ellenberg et al. 1990). Certains
auteurs ont déjà discuté de la possibilité de lier le phénomène d’accroissement de l’acidité
du sol à une diminution du taux de nitrification et au lessivage des nitrates (FalkengrenGrerup et al. 2006). Cependant, il n’y aurait pas de relation significative entre le pH du sol
et le temps d’abandon des terres agricoles (Post et Kwon, 2000 et Zhang et al. 2010). En ce
qui concerne les autres éléments chimiques tels que le potassium et le phosphore du sol,
ceux-ci ne sont pas reconnus comme ayant un potentiel important d’accumulation sans
fertilisation externe. D’ailleurs, Zhang et al. (2010) ont montré que le phosphore et le
potassium ne suivaient aucune tendance significative sur un horizon de 100 ans.
22
2.3 Méthodes d’évaluation de la biomasse
Traditionnellement, l’estimation de la biomasse est faite soit par une mesure directe et
destructive, soit par une mesure indirecte et une analyse dimensionnelle ou allométrique
(Etienne, 1989; Wharton et Griffith, 1993). Cette notion d’allométrie se réfère à l’étude de
la croissance d’une partie d’un organisme en relation avec la croissance de l’organisme
entier (Zar,1968). Le terme s’applique à plusieurs domaines d'études comme la physiologie
comparative de l’évolution, de la santé, des populations, des communautés et la physiologie
végétale. La première méthode consiste à récolter la biomasse présente sur une unité de
surface, de la peser et d’extrapoler les résultats. La mesure indirecte se base quant à elle sur
des paramètres morphologiques utilisés dans des modèles mathématiques pour prédire la
biomasse végétale. En foresterie, l’analyse dimensionnelle implique couramment
l’utilisation d’une mesure standard de diamètre de tige connu sous le terme diamètre à
hauteur de poitrine (DHP), laquelle est fréquemment employée pour décrire la croissance
aérienne des tiges (McElhinny et al. 2005; Burns et Honkala, 1990). Cette mesure
diamétrale est prise à une hauteur différente à travers la communauté scientifique. Aux
États-Unis, la mesure du diamètre à hauteur de poitrine correspond à 4,5 pieds (66 pouces,
soit ~1,68 m) de la base de la tige. Dans les autres pays où le système métrique est utilisé
(Canada, Australie, Europe, Japon), la lecture diamétrale s’effectue à 1,30 m de la base
(RNC, 1994; ANU, 1999). La méthode par analyse dimensionnelle nécessite des modèles
mathématiques bien calibrés, souvent d’application régionale. La combinaison des deux
méthodes a été popularisée par Whitaker et Woodwell (1968). Plusieurs auteurs ont adopté
cette technique pour développer des modèles mathématiques propres à chaque espèce et à
des milieux spécifiques (Whitaker et Woodwell, 1968; Grigal et Ohman, 1977; Smith et
Brand, 1983; Stanek et State, 1978; Zhou et al. 2007). Hytönen et al. (1987) ont comparé
quatre méthodes de prédiction pour le saule sur divers sites (Figure 10). Les différentes
méthodes de prédiction performent de manière similaire avec une variabilité indépendante
entre elles. Ceci incite à croire que chaque méthode devrait être utilisée dans un champ
d’application précis.
23
Masse sèche (t MS/ha/an)
Répétition sur autres sites
Figure 10: Biomasse aérienne d’arbustes de
saules exempts de feuilles, estimée selon
différentes méthodes (adapté de Hytönen et al.
(1987).
Ainsi, la technique qui combine l’analyse de la portion aérienne des tiges des plantes par
mesure destructive et représentée par un modèle mathématique a été répandue. Il existe
actuellement dans la littérature plusieurs types d’équations de prédiction de la biomasse
aérienne pour les espèces de plantes arborescentes et arbustives. Certaines équations sont
spécifiques à certaines essences commerciales tandis que d’autres sont multispécifiques,
notamment celles pour des jeunes pousses ou arbustes.
Les modèles mathématiques disponibles pour l’estimation de la biomasse aérienne varient
en fonction des paramètres recueillis et du degré de précision désirée. Plusieurs modèles
d’équations mathématiques sont disponibles soit le modèle exponentiel, polynomial,
logarithmique, allométrique et combiné. Les équations allométriques ont été développées
pour plusieurs espèces afin d’évaluer à plus grande échelle et de façon non destructive la
biomasse totale. Les relations allométriques associant le diamètre de tige en tant que
variable indépendante sont rapportées comme étant des bons modèles de prédiction de la
biomasse des plantes (Buech et Rugg, 1989). Les paramètres nécessaires à l’analyse par
modèle mathématique se rapprochent beaucoup d’un auteur à l’autre vers les données de
diamètre à la base de la tige, le diamètre à hauteur de poitrine (1,3 m à partir du sol), la
hauteur des tiges et l’espèce (Sah et al., 2004). Selon Sah et al. (2004), la facilité de collecte
de données du diamètre des tiges en fait un paramètre intéressant par rapport à d’autres
mesures comme la surface de la couronne ou le diamètre basal. Certains auteurs ont
24
également utilisé des mesures de hauteur des tiges, les anneaux de croissance, les diamètres
à différentes hauteurs et l’aire de la couronne (Ohmann, 1976). Cependant, parmi les cinq
variables indépendantes de la biomasse, c’est le diamètre qui permet une meilleure
prédiction par des équations linéaires utilisant des fonctions allométriques. Plusieurs
auteurs ont par la suite développé des coefficients d’analyse spécifiques (Grigal, 1977;
Roussopoulos et Loomis, 1979).
De plus, les modèles varient également en fonction de la biomasse à estimer, soit la
biomasse aérienne, souterraine et le feuillage. Les données d’estimation de la biomasse
souterraine servent principalement dans les études à caractère environnemental portant sur
la séquestration de carbone. La biomasse de feuilles est quant à elle utile pour l’étude du
cycle des nutriments dans le sol. Dans la présente étude, on s’intéresse principalement à la
fraction de biomasse aérienne ayant un potentiel de récolte mécanique. Comme technique
de régression, l’équation Y = aXb a trouvé de multiples utilisations en biologie où Y est le
poids total de matière sèche de la biomasse aérienne en kg, X est la valeur du diamètre de
tige à hauteur de poitrine (cm), a et b sont des constantes. Le modèle présume une relation
entre deux ensembles de données (X et Y), qui répond à la relation de puissance : Y = aXb.
Pour résoudre une fonction qui possède un exposant, il faut trouver la fonction inverse de
l’exposant : c’est le logarithme et s’écrit sous la forme log Y = log a + b log X (Brown,
1976). Cependant, la transformation logarithmique entraîne certaines erreurs de sous et de
surestimation de la biomasse réelle. Selon Verwijst et Telenius (1999), le biais est dû à la
non-linéarité des données; il devient de plus en plus prononcé quand la dimension et le
poids approchent la valeur de zéro. Le biais peut être éliminé par l’utilisation d’autres
procédures de régression qui n’impliquent pas de transformation logarithmique. Cependant,
il est possible de corriger l’erreur en ajoutant à la constante un coefficient de correction tel
qu’expliqué par Smith (1993).
Dans certains cas, la mesure du diamètre ne peut pas être prise comme seul élément de
prédiction de la biomasse arbustive (Zhou et al., 2007). En effet, certaines plantes ont une
forme branchue (Figure 11a) avec de nombreuses tiges émergentes (Figure 11b) d’une
même souche de diamètre relativement gros (Figure 11c). Les tiges nombreuses et
généralement petites renferment moins de biomasse qu’une seule tige arborescente qui
25
aurait un diamètre à la base équivalent au diamètre total des tiges multiples. La végétation
de type branchue croît souvent sur des terres ouvertes, avec une plus grande exposition à la
lumière et une moins grande compétition pour l’eau. La croissance est davantage verticale
en forêt où il y a plus de compétition pour la lumière et l’eau. Alors les plantes poussent
davantage de façon érigée et en tiges uniques (Zhou et al., 2007; Pickett, 1982).
Figure 11: Développement aérien d'une végétation arbustive type de terre marginale A) large
couverture B) multiplicité de tiges émergentes d'une souche unique C) souches non
représentatives de la biomasse aérienne (Zhou et al., 2007).
Selon Smith et Brand (1984), la biomasse arbustive est plus négligée que la biomasse
arborescente en raison de sa moindre valeur économique et aussi de la difficulté d’en
estimer la quantité. Lu (2006) explique que l’estimation de la biomasse est particulièrement
difficile dans les endroits où la structure végétale est complexe et où les conditions
environnementales sont changeantes. Notamment, les variations des caractéristiques des
sols, de l’environnement et de l’âge des plantes engendrent des écarts importants à
l’intérieur même d’une parcelle échantillon (Kukk et al., 2010). À cet effet, les terres
abandonnées présentent justement ce type de caractéristiques de couverture hétérogène.
Pour mieux évaluer la biomasse aérienne, l’analyse dimensionnelle jumelée aux mesures
terrains de représentation des essences emploie différentes techniques d’évaluation
ponctuelle à partir des concepts de surface représentative minimale décrite à la section
26
2.1.5. Par contre, la représentation du milieu à partir de relevés au champ requiert plus de
travail que d’autres méthodes à distance comme l’analyse d’image satellite haute de type
Ikonos ou Landsat haute résolution (Lu, 2006). De plus, la mesure au champ demeure
d’interprétation localisée avec peu de possibilités d’extrapolation à plus grande échelle.
Différentes formes et mises en place des surfaces échantillons ont été utilisées pour
caractériser le mieux possible le couvert végétal et avec le minimum d’effort (Sparks et el,
2002). Par exemple, le transect linéaire est une approche qui consiste à dérouler un ruban à
mesurer perpendiculairement à une parcelle et à établir une station d’échantillonnage
(carrée ou rectangulaire) de grandeur variable à des distances fixes le long du ruban.
Notamment, Pickett (1982) et Odum (1960) utilisaient la grandeur des côtés comme critère
décisif de représentativité sous la forme d’un quadrat de dimension 0,5 x 2,0 m soit 1 m² de
surface. Pour diminuer la variabilité, une surface rectangulaire de dimension 1,3 x 3,0 m (4
m²) a été proposée par Brubacher et al. (1989) pour échantillonner les végétations
arbustives de hauteur inférieure à 3 m. La méthode du transect linéaire repose sur une base
empirique solide et est appuyée par la communauté scientifique comme étant une approche
de travail dite fiable et efficace notamment pour les peuplements arbustifs ouverts tout en
promouvant une objectivité dans l’estimation du couvert (Bonham, 1989). Des études plus
récentes dans les terres en friches réalisées par Benjamin et al. (2005) et Boivin (2011) ont
utilisé des surfaces circulaires de rayon variable entre 3 et 4 m pour définir la couverture
des essences présentes sur les milieux. Suivant certaines comparaisons statistiques, Sparks
et al. (2002) ont déterminé que la technique de la surface circulaire de rayon de 5,64 m
semblait appropriée pour faire l’évaluation des peuplements naturels de tiges de DHP entre
2,54 et 11,42 cm.
27
2.4 Rendement et récupération de biomasse sur des terres abandonnées
2.4.1 Potentiel de croissance de la biomasse dans des milieux naturels
Dans un inventaire de la biomasse globale, Mead (2005) a proposé des plages de rendement
selon différentes aires écologiques. Pour les prairies à végétation haute, on peut s’attendre à
des rendements entre 1,4 et 8,8 t MS/ha/an (moyenne de 4,3). Pour les prairies à végétation
courte, l’intervalle se situe entre 2,7 et 15,1 t MS/ha/an et la moyenne à 6,7. Au moment où
la biomasse des feuilles est stabilisée, la production est redirigée en croissance ligneuse.
Selon Kukk et al. (2010), les prairies naturelles en Estonie peuvent fournir l’équivalent de
2,0 t MS/ha/an. Dans la zone boréale, les rendements varient entre 1,8 et 3,5 t MS/ha/an. La
Figure 12 donne un portrait mondial de la productivité de la biomasse potentielle selon les
écosystèmes.
Tonnes potentielles de
matière sèche/ha/an
Figure 12: La production naturelle aérienne sur toutes les terres
est estimée en supposant que 50 % de la biomasse accumulée est
sous forme aérienne. (Campbell et al. 2008).
Des données de rendement de plantes arbustives sur des terres marginales sont rapportées
par Savoie et al. (2012), Lavoie et al. (2007), Rack et al. (2009) et Schroeder et al. (2009)
pour diverses conditions de milieu en Amérique du Nord. Sur des étendues de terres
agricoles abandonnées et de prairies naturelles au Québec, en Ontario et aux États-Unis, ces
auteurs ont mesuré, après une récolte mécanique, des rendements en biomasse variant entre
1,6 et 27 tonnes de matière sèche par hectare. Il s’agit de rendements cumulés pendant
plusieurs années et souvent l’âge des plantes sur les terres abandonnées est inconnu. De
plus, une quantité appréciable de biomasse aérienne n’est pas récoltée pour diverses
28
raisons : branches sèches tombant au sol, biomasse s’effritant avant être ramassée, etc. En
fait, les taux de récupération ont varié entre 53 et 62% de la biomasse totale disponible. Les
milieux étudiés étaient composés d’un couvert végétal hétérogène et constitué de plantes
ligneuses basses et hautes tels le cornouiller stolonifère (Cornus stolonifera Michx.),
l’aulne (Alnus rugosa Sprengel), le saule (Salix bebbiana Sarg., S.eriocephala Michx., S.
petiolaris Sm. et S. discolor Muhl.), le peuplier faux tremble (Populus tremuloides Michx.),
le peuplier beaumier (Populus balsamifera Linné) et le sumac vinaigrier (Rhus typhina
Linné). Les sections suivantes rapportent des informations spécifiques sur la récupération
de la biomasse sur des terres abandonnées.
2.4.2 Récolte de la biomasse sur des terres en friche à Cap St-Ignace
Savoie et al. (2009) ont récolté des balles rondes de biomasse aérienne à Cap St-Ignace,
dans la région de L’Islet en 2007, sur des terres agricoles abandonnées. La structure de la
végétation arbustive était majoritairement constituée d’aulnes en bosquets. Le Tableau 3
rapporte une capacité de récolte de 4 t MH par heure avec un Biobaler prototype qui a
ramassé près de 3000 kg MH sans spécification sur la surface.
Tableau 3: Récolte de terres en friche à Cap St-Ignace en 2007.
Paramètres évalués
Poids humide des balles (kg)
Teneur en eau (%)
Diamètre des balles (m)
Densité des balles (kg MH/m³)
Temps de récolte par balle (min)
Capacité de récolte (t MH/h)
Moyenne
372
52,2
1,27
242
6,0
4,0
Écart-type
35,5
1,1
0,08
7,5
1,0
0,86
Adapté de Savoie et al. (2009)
29
2.4.3 Récolte de biomasse naturelle en Saskatchewan
Le même Biobaler prototype a été utilisé en Saskatchewan, sur des surfaces inondables où
s’établit naturellement une végétation arbustive (Schroeder et al. 2009; Savoie et al. 2010).
Le couvert végétal était constitué majoritairement de saule naturel (Salix bebbiana Sarg. et
Salix petiolaris Sm.) et de densité assez élevée, soit entre 143 000 et 152 000 tiges/ha
(Tableau 4). Le diamètre moyen à 1 m de hauteur au-dessus du sol était de 14,3 mm. Les
mesures d’échantillonnage ont été effectuées par la technique du quadrat perpendiculaire de
largeur de 1 m et par une longueur de 5 m pour le site 1 et de 3 m pour le site 2. Les
rendements estimés à l’hectare correspondent à 43 et 11 t de matière sèche par ha pour les
deux sites, respectivement.
Tableau 4: Caractéristiques des milieux naturels des prairies canadiennes (Saskatchewan).
Variables mesurées
Site 1
Site 2
Diamètre des tiges à 1 m de hauteur (mm)
16,7
11,8
Écart-type du diamètre (mm)
9,0
6,8
Hauteur moyenne des tiges (m)
5,3
2,9
Densité de tiges (nombre/m²)
14,3
15,2
Densité de tiges (nombre/ha)
143 000
152 000
Rendement estimé (t MS/ha)
42,6
11,0
Adapté de Schroeder et al. (2009)
Les mesures effectives de la récolte de la biomasse sont présentées au Tableau 5 et les
rendements récoltés des milieux sont en moyenne de 16,8 t MS/ha. La masse moyenne des
balles mesurées était de 298,9 kg MH (± 22,2 kg). La capacité de récolte moyenne était de
6,6 et 3,5 t MH/h sur les sites 1 et 2 respectivement. La teneur en eau moyenne des balles
de biomasse était de 42 %. L’analyse de la biomasse laissée sur place après la récolte
(Tableau 5) indique que le taux de récupération moyen (sites 1 et 2) de la biomasse était de
62 % de la biomasse estimée.
30
Tableau 5: Paramètres de récolte avec le Biobaler en Saskatchewan.
Paramètres évalués
Poids humide des balles (kg)
Teneur en eau (%)
Diamètre des balles (m)
Densité des balles (kg MH/m³)
Temps de récolte par balle (sec)
Capacité (t MH/h)
Rendement récolté (t MS/ha)
Taux de récupération (%)
Site 1
346,6
40,4
1,35
198,5
189
6,61
26,9
63,2
Site 2
251,2
42,7
1,35
143,8
256
3,53
6,7
61,2
Moyenne
298,9
41,6
1,35
171,2
223
5,07
16,8
62,2
Écart-type
22,2
1,9
12,7
70
1,5
-
Tableau 6: Caractérisation des pertes au champ suivant la récolte par le Biobaler.
variable
Site 1 (± é.-t.)
Site 2 (± é.-t.)
Pertes mesurées (g/m²)
2640 (286)
710 (226)
Teneur en eau (%)
40,5 (1,1)
39,6 (3,3)
15,7
4,3
Pertes (t MS/ha)
2.4.4 Récolte de biomasse naturelle en Floride
Le Biobaler a été aussi utilisé dans un contexte de gestion alternative des aires naturelles
pour prévenir les feux de broussaille dans l’État de la Floride (Lorenzi do Canto et al.,
2011). Les estimations des rendements avant récolte pour deux sites similaires variaient
entre 16,5 et 18,7 tonnes de matière humide par ha. La technique d’échantillonnage n’a pas
été discutée dans l’article, mais les résultats sont présentés en trois classes. Les tiges ont été
séparées en fonction de leur morphologie : 1) les tiges arbustives dont la mesure du DHP
est inférieure à 2,54 cm; 2) les tiges de régénération de résineux d’au moins 2,54 cm de
DHP; 3) les tiges de régénération de feuillus. L’aire basale est rapportée seulement pour 2
sites où elle était de 2,8 et 13,6 m²/ha. Le fait de séparer l’échantillonnage en trois classes
apporte des informations intéressantes pour visualiser la structure de la végétation et son
stade d’évolution. Les rendements en biomasse récoltée avec le Biobaler au site 1 étaient de
4,8 t MH ha−1 soit, 29 % de la biomasse initialement estimée (16,5 t MH/ha). Dans le cas
du site 2, le Biobaler a récolté 8,05 t MH/ha et le taux de récupération était de 43 % (18,7 t
MH/ha initialement). Le temps de mise en balle en moyenne pour le site 1 était de 15,3
minutes et variait entre 12,7 et 18,4 minutes. Ceci correspond à une capacité de récolte
moyenne de 3,92 balles/h ou 0,42 ha/h. Dans le cas du site 2, la capacité est de 4,4 balles/h
ou 0,30 ha/h.
31
2.4.5 Récolte en milieux naturels à La Pocatière, en Abitibi et dans le nord de
l’Ontario
Au cours de l’automne 2009 et 2010, plusieurs friches agricoles abandonnées ont été
récoltées dans la région de La Pocatière, en Abitibi et dans le Nord ontarien. Les résultats
de récolte ont été publiés par Savoie et al. (2012). La végétation sur ces terres était
majoritairement composée de cornouiller stolonifère, de saule bebbiana Sarg., d’aulne
rugueux, de peuplier faux-tremble, d’érable à sucre, de spirée et de plusieurs herbacées telle
la verge d’or et de renoncule. Certaines données de végétation avant la récolte à La
Pocatière n’ont pas été publiées mais sont disponibles au Tableau A. 21 en Annexe A.
L’estimation des rendements avant la récolte à La Pocatière a été faite en employant la
méthode destructive qui a consisté à couper et peser la biomasse présente sur des surfaces
de 40 m² et d’extrapoler les données.
L’analyse avant récolte démontre qu’en moyenne, la végétation est relativement courte en
hauteur avec 124 cm et un couvert de 35 %, mais également assez variable. La végétation
est plutôt clairsemée et ouverte. Le nombre de tiges à l’hectare est important, mais
caractérisé essentiellement par des souches d’où émanent de multiples tiges. De manière
globale, les rendements de récolte de la biomasse cumulée sur plusieurs années sont très
dispersés et varient entre 4,6 et 35,2 t MH/ha (moyenne de 18,1) ou bien entre 2,4 et 17,6 t
MS/ha ou en moyenne de 9,4 (Tableau A. 2 à l’Annexe B).
L’échantillonnage circulaire de rayon de 2 m (aire totale de 12,57 m²) a été utilisé pour
caractériser deux sites de la région de l’Abitibi. Des densités de 76 964 et 40 605 tiges/ha y
ont été relevées sur deux parcelles. En termes de rendement à l’hectare, cela représentait
121,2 et 85,8 t MH/ha par extrapolation des données. En comparant l’analyse avant récolte
des sites de l’Abitibi, on peut voir que ces rendements estimés de 121 et 86 t MH/ha ne se
situent pas près des rendements effectifs de l’ordre de 32,6 et 15,1 t MH/ha pour chacun
des sites. Cependant, si on tient compte du taux de récupération de la biomasse de 72,9 et
43,8 % pour les sites de l’Abitibi, on peut voir que la biomasse aérienne (récoltée + pertes
mesurées) était en réalité plus près de 41,4 et 23,6 t MH/ha, soit 3,3 fois inférieure à
l’estimation initiale. À cet effet et vu l’apparence importante de pertes à la récolte non
32
négligeable, il est intéressant de se pencher sur l’analyse des résidus de récolte. Cet aspect
fera l’objet de discussion dans le présent travail.
Par ailleurs, l’analyse des résidus de récolte en Abitibi apporte des informations
supplémentaires sur les méthodes d’échantillonnage et la source des pertes. Une partie des
pertes est expliquée par le fonctionnement de la récolteuse : par exemple, des couteaux
usés, une hauteur de coupe ou une vitesse d’avancement inappropriée, l’inexpérience de
l’opérateur, des tiges trop grosses pour être traitées avec la récolteuse. La longueur des
résidus de récolte est également un élément intéressant à mesurer si on tient compte de
l’usage éventuel des sites nettoyés pour l’apport de carbone au sol, le degré d’efficacité du
passage du Biobaler en comparaison d’autres moyens techniques pour effectuer un travail
similaire et la qualité de préparation d’un site en vue d’un usage direct comme le
reboisement.
2.4.6 Récolte en milieux naturels au Minnesota
Savoie et al. (2012) ont rapporté les résultats de récolte de biomasse dans 8 régions de
l’État du Minnesota à l’aide du Biobaler. Dans cette étude, les auteurs ont montré que le
couvert végétal était très variable (de 10 à 80 %) et composé d’espèces envahissantes qui
profitaient des habitats ouverts pour se développer et se reproduire en cycle court. La
technique du quadrat transversal répété a été utilisée pour caractériser la végétation. Les
principales essences retrouvées étaient le cornouiller, l’aulne, le saule et le peuplier. Le
saule et l’aulne se développaient surtout en bosquets épars. Le tonnage de la biomasse
évalué avant la récolte a varié entre 0,60 t MS/ha et 34,6 t MS/ha. Malgré une forte
couverture sur le site de Faribault A, le cornouiller représentait une faible biomasse
comparativement au saule ou peuplier sur d’autres sites à couverture semblable.
La biomasse récoltée à l’aide du Biobaler était entre 2,5 et 36,0 t MH/ha (moyenne de 15,0
± 9,2 t MH/ha) ou entre 1,6 et 16,8 t MS/ha (moyenne de 8,8 ± 5 t MS/ha) (Figure 13,
Hébert (2010)). Les surfaces récoltées étaient relativement petites en moyenne de 0,4 ha (±
0,3 ha) et typiques des terres marginales. La teneur en eau (TEE) de la biomasse était en
moyenne de 44 % (entre 36,7 et 51,4 %). Une des plus faibles TEE était sur le site Faribault
33
C où la végétation était principalement constituée de vinaigrier. Cette teneur en eau est
expliquée en partie par la faible proportion de feuilles chez cette essence. Les taux de
récupérations n’ont pas été relevés sur tous les sites (seulement 7 sur 15) et on variés dans
18
16
14
12
10
8
6
4
2
0
Afton Site A
Afton Site B
Afton Site C
Afton
Aurora
Faribault Site A
Faribault Site B
Faribault Site C…
Faribault
Hinckley
Hibbing…
Madelia (mixte)
Ogilvie Site A…
Ogilvie Site B…
Ogilvie
Moyenne…
Rendement (t MS/ha)
un intervalle entre 34 et 76% (moyenne de 52% ± 21%).
Figure 13 : Rendement (t MS/ha) des différents milieux naturels de l'État du Minnesota
(Hébert, 2010).
L’opération du Biobaler au Minnesota a requis une consommation de carburant entre 3,8 et
23,3 l/t de MS (moyenne de 8,5 l/t MS). La grande variation de consommation de carburant
s’explique par le temps requis pour former une balle qui a varié entre 2 et 25 minutes. Dans
les aires à faible rendement et sur les sols à traction difficile, l’équipement devrait
nécessairement prendre plus de temps pour récolter une même quantité de biomasse à cause
des distances plus longues et des conditions de sol qui ralentissaient les opérations.
De manière générale, la variabilité importante dans la structure, la densité de végétation et
les conditions environnementales expliquent des variations de rendement importantes d’une
zone à l’autre à l’intérieur d’une même parcelle. Les taux de récupération de la biomasse
ont oscillé entre 25 et 76 % (moyenne de 52 %).
34
2.5 Alternative pour le contrôle de la végétation
Différentes raisons justifient le contrôle de la végétation sur les terres abandonnées. Une
première raison est le retrait de la biomasse et la remise en culture de l’aire restaurée. Une
deuxième raison est le contrôle des feux de broussailles en périphérie des centres urbains.
Une troisième raison est la gestion des habitats de reproduction naturelle pour des espèces à
milieux sensibles. Les deux dernières raisons sont moins courantes au Québec, mais elles
peuvent être invoquées dans certains cas. L’objectif de retirer la biomasse et de valoriser
les sites par la remise en culture à l’aide de plantes dédiées à la bioénergie est appuyé par
quelques regroupements. Cependant, il s’agit souvent d’une volonté individuelle et peu
d’appuis financiers publics sont octroyés à cet effet. Ce sujet sera abordé dans les
prochaines sections.
Les méthodes de défrichement varient en fonction de la nature des sols et de la végétation.
Généralement, cela implique de retirer la biomasse aérienne et racinaire, de niveler le
terrain, de drainer au besoin et de contrôler les mauvaises herbes (Lutze et Victoria, 2003;
Rack et al., 2009). Quelques principes essentiels devraient être pris en compte lors du choix
des méthodes de défrichement : 1) choisir des opérations qui bouleversent le moins le sol
initial; 2) minimiser l’exposition à l’érosion hydrique et éolienne du sol mis à nu; 3) tenir
compte des conditions de croissance des plantes cultivées (drainage, ensoleillement,
espacement); et 4) réduire les coûts d’extraction de la biomasse. La durée, la complexité et
le coût des travaux de défrichage et de remise en état de la terre varient selon le type de
friche et les caractéristiques physiques et chimiques du terrain.
2.5.1 Le choix des équipements
Le contrôle de la végétation peut s’effectuer selon plusieurs méthodes, avec ou sans
incinération, avec ou sans enfouissement et de manière manuelle ou mécanique. Par le
passé, le travail manuel était répandu, mais de nos jours il est impensable compte tenu du
nombre d’heures que cela exige, de son faible rendement et de l’efficacité variable.
Cependant, parmi toutes les techniques, le travail manuel est réalisable en toutes conditions
et à l’année, la qualité du travail accompli est bonne et présente le potentiel d’être sélectif.
35
Autrement, pour un recouvrement de végétation léger, il est possible d’utiliser une
faucheuse robuste de type coupe-broussailles montée sur chargeur à patin guide (Figure 15)
ou sur un tracteur de ferme. Les broussailles sont immédiatement réduites en particules
pouvant être incorporées au sol. L’extraction des souches du sol est généralement la tâche
la plus coûteuse, car elle nécessite l’utilisation d’un bouteur ou d’une pelle hydraulique de
bonne puissance. Le matériel lourd peut occasionner un tassement de sol. Le coût total de
travaux de défrichement peut dépasser 12 000 $ par hectare considérant l’ensemble des
opérations selon Martin (2008). L’opération seule de nettoyer une surface de terre de sa
végétation envahissante peut représenter des coûts entre 200 et 1200 $/h. En fonction de la
grosseur des équipements, ces coûts représentent entre 2000 et 4000 $/ha pour un broyage
simple de surface et une extraction par méthode conventionnelle, respectivement (Shea,
2008). Considérant ces coûts importants, il peut être intéressant de combiner les travaux à
des techniques qui minimiseront les coûts totaux.
36
Le brûlage dirigé est l’opération la moins dispendieuse,
mais son utilisation demeure restreinte en raison
notamment de la pollution sporadique engendrée lors
de l’opération et du besoin de contrôle. Il s’agit d’une
technique dite tout terrain, rapide d’exécution avec
effets immédiats relativement efficaces. Cependant, il
s’agit d’une technique spécialisée, la période propice
est parfois réduite, sans effet sur la biomasse
souterraine et non sélective. Cette technique est de plus
Figure 14: Technique de en plus contestée, parce qu’elle peut aveugler et
incommoder temporairement près des zones habitées
contrôle par le brûlage dirigé.
ou des routes et aussi parce qu’elle ne valorise pas la
biomasse disponible en plus de requérir des énergies
fossiles (gaz propane) pour la combustion. Il en coûte
entre 150 $ et 250 $/ha pour l’opération simple de
brûlage dirigé selon Berry et al. (2006).
Ce type d’équipement est davantage utile pour détruire
la végétation arbustive de faible diamètre et de façon
efficace. De plus, il est possible de travailler en
condition de sol plus humide. La plupart des
manufacturiers dans le domaine offrent un modèle de
débroussailleuse de type industriel convenant à
l’opération de débroussaillage léger.
Figure 15: Débroussailleur
forestier de modèle Tree
Terminator à lame fixe.
Dans les cas où la végétation est bien implantée, la méthode qui consiste à extraire et mettre
en andain la biomasse est certainement la plus populaire. À cet effet, l’emploi d’une pelle
hydraulique (Figure 16) a surpassé le bouteur à râteau en raison de l’avantage de secouer les
racines et de laisser sur place la matière organique (MAPANB, 2013). De plus, certains
entrepreneurs utilisent différents équipements combinés pour fractionner le travail et rendre
l’opération la plus efficace possible. À cet effet, on utilise un broyeur rouleau
débroussailleur de type CIMAF (Figure 17) monté sur la flèche d’une excavatrice en
37
premier lieu pour ouvrir l’espace et procéder au broyage des plus grosses tiges et par la
suite pour extraire les tiges et les souches résiduelles à l’aide d’un râteau d’extraction
monté également sur une excavatrice. Ainsi, il y a une plus grande polyvalence et efficacité
de travail de l’équipement (Cormier, 1991). De cette manière, les andains sont plus petits et
donc moins longs à éliminer et moins difficiles pour les équipements de broyage.
L’élimination des andains peut se faire de deux manières soit en utilisant un broyeur
forestier (Figure 18) qui chevauche l’andain ou un broyeur à rotation lente alimenté par une
pelle hydraulique (Figure 19). Le broyeur forestier peut être monté sur un bouteur
spécialisé ou sur un tracteur de ferme robuste. Le broyeur à rotation lente nécessite un
matériel préalablement resté au champ pendant deux années sous l’action du gel et dégel
qui rend la biomasse friable et sous la pluie qui nettoie de la terre. Cet équipement s’avère
peu approprié pour le broyage de la matière fraîche et des souches fraîchement coupées. Le
substrat de broyage est éjecté du broyeur par un convoyeur et mis en amas lequel devra plus
tard être régalé par un bouteur ou par d’autres équipements de nivelage ou bien exporté
pour valoriser dans un approvisionnement industriel.
Comparativement aux véhicules à progression continue, les excavatrices sont généralement
plus lentes, mais moins sensibles aux contraintes du terrain. Elles n’ont pas à circuler sur la
totalité de la superficie à traiter. En étendant leur flèche, elles peuvent éviter certaines
contraintes ponctuelles du terrain. Elles sont aussi très efficaces pour le travail en pente et
exercent une plus faible pression au sol que les machines sur roues. La qualité du terrain est
également très bonne compte tenu du potentiel de déchiquetage des souches par
l’incorporation du broyeur dans les premiers centimètres de terre.
38
Figure 16: Râteau andaineur sur
hydraulique (Plaisance Équipements).
La pelle hydraulique équipée d’un râteau
secoue les racines et laisse la matière
organique sur place. Elle permet également
un travail plus localisé là où il y a présence
de souches à retirer. La largeur de travail est
variable en fonction de la capacité de la
pelle hydraulique. Le taux horaire d’une
pelle hydraulique munie d’un râteau
pelle andaineur de 148 hp est d’environ 160 $/h.
(Gouvernement du Québec, 2011)
Cet équipement n’est pas conçu pour
incorporer la biomasse dans le sol durant
l’opération puisque les couteaux sont
fragiles et très coûteux à remplacer. Le taux
horaire d’une pelle hydraulique est majoré
de 10 à 30 $/h si elle est munie d’un
débroussailleur à rouleau (Gouvernement du
Figure 17: Pelle hydraulique munie d'un rouleau Québec, 2011).
débroussailleur horizontal Denis-Cimaf.
39
Différentes
largeurs
d’équipement
disponibles varient entre 100 et 250 cm. Ce
type de broyeur est lié à des engins de très
forte puissance (750 hp). Il est possible
d’adapter le type de dent en fonction de la
profondeur de travail désirée et de la
pierrosité du sol. La présence de pierres
Figure 18: Broyeur forestier automoteur de peut faire grimper les coûts d’opérations,
grande puissance Galotrax 500 (Plaisance lesquels vont varier du simple au double. La
Équipements).
productivité de ce type de broyeur est dans
l’intervalle
0,35 à 0,81
ha/heure
dépendamment de la profondeur de sol et
du degré de finesse des débris désirés.
(Tigercat.com)
Le coût du travail à forfait de cet
équipement est normalement établi en
surface travaillée et varie dans l’intervalle
0,40 à 1,00 $ le mètre carré (Beaumont,
2012).
Figure 19: Broyeur forestier stationnaire à
alimentation verticale Morbark.
40
Ce type de broyeur forestier est conçu pour
être transportable d’un chantier à l’autre et
dispose normalement de bonne capacité soit
11 t MS/h. Pour de la biomasse à 30 %
d’humidité, il en coûte entre 11,62 et
17,80 $/t MS (Hébert, 2012). Plusieurs
entrepreneurs offrent des services pour
170 $/h.
En général, les équipements auxiliaires utilisés sont le cultivateur à disques de type
«rotobêche» ou la charrue de profondeur pour effectuer un travail à la suite du retrait de la
végétation envahissante. C’est à ce moment également qu’il sera possible d’apporter des
améliorations au sol comme le drainage souterrain ou la remise en ordre de fossés.
Le passage unique consiste à employer un broyeur forestier de type porté qui réduit la
végétation en fines particules et les incorpore au sol. La profondeur de travail dans le sol est
très variable selon les conditions de terrain. La présence de pierres n’est pas souhaitée pour
l’utilisation de cet appareil. Différents modèles existent selon le type de broyage souhaité
ainsi que la largeur de travail. Celle-ci varie de 1 m à 2,5 m et nécessite respectivement
l’emploi d’un tracteur de 75 à 260 KW (Figure 20). La profondeur de travail du sol varie,
entre 20 et 25 cm. Le travail s’effectue en deux passages, soit dans un premier temps à une
profondeur de 7,5 cm et dans un second temps à une profondeur de 15 à 20 cm. Ce type de
broyeur s’adapte à divers tracteurs de ferme de différentes puissances. La productivité
dépend de la puissance du tracteur, de la vitesse d’avancement, de la largeur du broyeur, de
la pierrosité, de la profondeur de travail du sol et du type de sol. Durant le second passage
visant à broyer les racines, l’opération est ralentie par le fait de broyer la terre et la
consommation de carburant peut être alors très importante. L’opération de cet équipement
n’est pas convenable dans tous les cas. Quelques entrepreneurs offrent un service clé en
main dans ce domaine (Joly, 2012; Benoît, 2012; Beaulieu, 2011; Beaumont, 2011; Pouliot,
2011) (Communications personnelles).
Le coût du travail à forfait de cet équipement varie
entre 140 et 175 $/h. Certains entrepreneurs utilisent la
même tarification soit en terme de surface travaillée au
taux de 0,40 à 1,00 $ le mètre carré (Beaulieu, 2011).
Le coût final sera influencé en partie par l’usure des
couteaux.
Figure 20: Broyeur forestier
Meri Crushers de Hakmet
équipement.
41
2.5.2 Sélection du site et aspects règlementaires
La qualité d’un sol pour la production agricole est établie selon la texture en surface,
l’épaisseur de la couche compacte, la profondeur de l’assise rocheuse, la capacité de
drainage, la pente du terrain, la pierrosité, le taux de pierres en surface et la proportion
d’affleurements rocheux. Le ministère de l’Agriculture du Nouveau-Brunswick propose
une grille d’aide à la décision pour sélectionner des sols à mettre en culture. Par exemple, le
défrichement ne doit pas être fait sur des terrains ayant une pente supérieure à 10 %, à
moins que les sols soient intégrés dans un système en place de lutte contre l’érosion
(terrasses). Il ne faut pas défricher la terre située à moins de 30 mètres (100 pieds) d’un
cours d’eau, à moins d’y être autorisé par un permis de modification de cours d'eau du
ministère de l’Environnement. Il existe également des dispositions d’ordre règlementaires
régies par les MRC, le MDDEP et la CPTAQ.
Outre les aspects règlementaires, les changements dans le sol sont d’autant plus importants
à prendre en compte lorsque l’on désire convertir certaines terres abandonnées en cultures
agricoles. Selon Chibas et al. (2009), les indicateurs comme l’historique des sites, la teneur
en matière organique, la topographie et le pH sont des éléments clés dans la chaîne de
décision pour convertir des terres abandonnées en culture intensive. La conversion
d’écosystèmes naturels en culture intensive du sol est une cause importante de la
diminution du contenu en matière organique dans le sol (Davidson et Ackerman, 1993;
Römkens et al. 1999; Martel et Deschenes, 1976; Martel et Mackenzie, 1980). En effet, le
type de gestion de l’intensité du travail du sol est un important facteur contrôlant le contenu
en matière organique en fonction de la quantité et de la qualité de la litière, le taux de
décomposition et les processus de stabilisation de la matière organique dans le sol. La
réduction de la matière organique des sols est le résultat d’un bilan humique déficitaire,
d’une perte d’agrégats de sols et l’exposition à la dégradation, de mises en conditions
favorables à la décomposition rapide (travail du sol, fertilisation) et de l’érosion (Clark,
1985). Il est connu que les activités agricoles conventionnelles oxydent la matière
organique des sols à un taux de 16 % à 77 % avec une moyenne de 29 % dépendamment de
la texture du sol (Knops et Tilman, 2000). De plus, l’effet est variable selon le type de
pratiques culturales. Il est reconnu que les changements dans le sol interviennent
42
essentiellement dans la couche supérieure du sol et que cet horizon fait partie essentielle de
la matrice de culture d’un sol. À cet effet et dans le cas de la conversion d’un milieu naturel
vers la culture agricole intensive, Anderson-Teixeira et al. (2009) ont noté une diminution
du carbone à court terme et une remontée à plus long terme dans le maïs, la canne à sucre et
le miscanthus.
2.5.3 Implantation de cultures ligneuses après le retrait d’une végétation envahissante
L’implantation de cultures dédiées à la biomasse énergétique sur les terres marginales
suscite l’attention depuis quelques années. D’abord, de telles plantations ne concurrencent
pas les cultures alimentaires et présentent une valorisation à long terme des friches.
Plusieurs éléments restent cependant à valider, notamment la rentabilité de la culture pour
le producteur. D’un point de vue agronomique, ces cultures ne sont pas très exigeantes en
termes de fertilité des sols. Elles s’adaptent à une grande étendue de conditions. Le pH du
sol devrait être entre 5,0 et 7,0. Le sol peut être sableux sans l’être entièrement, car la
culture pourrait avoir de la difficulté à s’implanter. Le drainage devrait se situer dans un
intervalle entre bon et imparfait. Une faible concentration en azote des sols en friche est
bénéfique pour l’implantation des cultures arbustives, car cela freine la croissance des
herbages qui peuvent rivaliser pour les ressources. La fertilisation azotée est surtout utile la
deuxième et troisième année suivant l’implantation à une dose de 100 à 125 unités /ha pour
promouvoir un rendement maximal en biomasse aérienne (Abrahamson et al., 1998 et
2010). L’application des engrais s’effectue normalement après la récolte issue d’un cycle de
3 années de croissance et avant le regain printanier de la culture.
Par ailleurs, les cultures dédiées de saule et de peuplier peuvent représenter un potentiel
intéressant pour l’obtention d’hydrates de carbone étant donné leurs proportions élevées en
cellulose et leur rendement élevé en biomasse de 7 à 23 tonnes de MS/ha/an (Schroeder et
al., 2011). Le marché de la vente de la biomasse est peu développé et l’information actuelle
montre qu’il serait plus avantageux d’utiliser la biomasse à la ferme et d’y remplacer des
combustibles fossiles coûteux comme le mazout ou le propane. La culture du saule
présenterait un avantage comparatif à celle du peuplier étant donné sa capacité à produire à
répétition des rejets de souches suite au recépage.
43
Le terrain doit avoir été préalablement mis à niveau vu l’importance et la durée de
l’implantation de la culture. Le saule et le peuplier sont des plantes bien adaptées au climat
du Québec; leurs saisons de croissance peuvent s’étendre de la fin d’avril à la mi-novembre.
Un sol argileux bien aéré et ameubli sur 20 à 25 cm de sol convient à ces plantes. La texture
du sol a moins d’importance et les saules et les peupliers montrent des capacités à croître en
sols pauvres, mais pas de manière à atteindre des taux économiques de croissance. La
culture peut s’adapter aux endroits à inondation périodique, mais cela peut compliquer les
opérations de récolte. La pente du sol doit être un maximum de 8 % pour ne pas augmenter
les risques de lessivage et trop gêner les travaux de récolte. Pour des raisons logistiques et
de production durable, on rapporte que les parcelles d’implantation ne devraient pas être
inférieures à 5 ha. Également, l’espace nécessaire pour les bordures de champ doit être
suffisant (Castellano et al., 2009; Abrahamson et al., 2010). L’implantation de la culture
coûte entre 2000 et 4500 $ par hectare et peut permettre de soutenir environ 7 cycles de
production espacés de 3 années (Styles et al., 2007; EL Kasmioui et Ceulemans, 2012;
Kuzovkina et Volk, 2009). Des coûts plus importants et un rendement moindre sont à
prévoir si le saule est cultivé sur des sols ayant un mauvais drainage ou un pH trop acide.
La récolte de la culture nécessite de déplacer plusieurs équipements et le coût marginal
baisse considérablement plus la surface sera grande.
2.5.4 Mise en valeur de la biomasse arbustive
La biomasse ligneuse comme les résidus forestiers et la végétation arbustive peut être
utilisée directement dans les centrales énergétiques industrielle ou domestique, mais la plus
prometteuse des applications est selon Morency (2011) l’utilisation dans des centrales de
cogénération de dimension moyenne et la combustion dans des centrales énergétiques de
petite et moyenne dimension. Le problème principal n’est pas dans la disponibilité de la
ressource de biomasse, mais plutôt que la bioénergie sous forme de biomasse ligneuse
requiert une différente façon de pensée et d’action de la part de l’entité productrice
d’énergie. D’autres facteurs nécessitent une attention particulière, notamment les caractères
normatifs de la biomasse. On doit, par exemple, tenir compte des marchés visés, du type
d’installation, de l’humidité et de l’homogénéité du matériel, de la stabilité
44
d’approvisionnement et du coût (40 à 60 $ la tonne sèche). De plus, la valeur calorifique est
un élément important qui est pris en compte dans le prix payé (Van Loo, 2007). Tous ces
critères peuvent faire la différence entre la viabilité et l’échec d’un projet (Mitchell, 1999).
2.6 Cadre conceptuel de la recherche
2.6.1 Objectifs du mémoire
L’objectif principal du mémoire est de déterminer quelques propriétés physico-chimiques
des terres en friche par des éléments de sol et l’état végétal. La récolte mécanisée à l’aide
du Biobaler permettra de faire la validation entre la quantité de biomasse estimée et celle
effectivement disponible, en plus de la valorisation des terres en friches avec un revenu
potentiel et une réduction du travail pour la remise en culture. Le travail avec le Biobaler
fournira de nouvelles informations techniques pour en évaluer la performance (Figure 21).
Ce nouvel équipement présente d’ailleurs des aspects très intéressants à première vue
puisqu’il permet de récolter des friches ou des jeunes peuplements comme le ferait un
agriculteur avec le foin.
En nettoyant le site de la végétation concurrente, cette machine offre également une avenue
intéressante au niveau de la préparation du terrain en vue d’une éventuelle remise en culture
d’une terre agricole. Les objectifs spécifiques incluent des mesures au champ pour évaluer
le contenu physico-chimique des sols (classes texturales, pH, azote et carbone organique) et
la biomasse aérienne en développant des équations de prédiction de la phytomasse
disponible localement. La quantité de biomasse récupérable dans une friche agricole sera
mesurée avec le Biobaler. D’autres objectifs consistent à mesurer la capacité de récolte, la
consommation de carburant et les pertes au champ après récolte avec le Biobaler. On pourra
alors faire une association entre la biomasse récupérée et la biomasse estimée sur les lieux
avant la récolte. Une discussion sur les divers éléments de récupération de la biomasse en
terres abandonnées terminera le travail.
45
Figure 21: Biobaler en travail de récolte sur terres agricoles abandonnées.
Le manque de données concises à propos des volumes de biomasse disponibles fait en sorte
que les marchés tardent à se développer. Les utilisateurs de biomasse ne comptent pas sur
cette source (les friches) à cause des volumes incertains et des coûts d’extraction variables
et parfois imprévisibles. D’ailleurs, ces coûts dépendent de divers facteurs comme la
densité de la végétation, la grosseur des souches et la pierrosité. Il deviendra nécessaire
dans un avenir rapproché d’identifier des zones prioritaires de valorisation des friches, d’en
évaluer la biomasse présente, de faire des campagnes de récolte efficaces et de valider si le
Biobaler est une technique concurrentielle par rapport à d’autres méthodes de récupération
ou de destruction de la biomasse.
Ainsi, cette recherche présente une méthode de caractérisation de l’état végétal par la
technique du quadrat systématique appliquée sur une terre agricole abandonnée. On espère
valider la fiabilité de la méthode pour décrire la densité du peuplement et la quantité de
biomasse aérienne disponible sur une terre en friche.
46
Cette étude présentera des données originales d’un cas de succession végétale à la suite de
l’abandon d’une terre agricole. Sur la base des connaissances actuelles, l'hypothèse
générale suivante sera alors vérifiée : il est possible de prédire la nature et la densité de la
régénération naturelle établie dans un champ après cessation des activités agricoles. Il est
possible de prédire la biomasse disponible sur de tels types de sols et donc de caractériser
l’état du couvert végétal par la nature et la densité de la régénération naturelle en fonction
de variables telles les paramètres physico-chimiques du sol et le climat.
2.6.2 Hypothèses spécifiques
1- Les teneurs en carbone organique et azote total suivent un patron connu d’évolution dans
le temps depuis l’abandon des pratiques culturales des sols.
2- La méthode d’échantillonnage du quadrat systématique non destructive de la végétation
permet d’estimer adéquatement le rendement réel de la biomasse aérienne. La récolte de la
biomasse sur les terres en friches avec le Biobaler, accompagnée de mesures de pertes après
la récolte, permet de valider les estimations pré-récolte.
3- Les modèles régionaux de prédiction de la biomasse aérienne sont moins précis que les
modèles locaux.
4- Les terres agricoles en abandon de culture peuvent fournir un rendement en biomasse se
situant entre 4 et 36 tonnes de matière humide à l’hectare de rendement cumulé sur une
période d’abandon d’environ 20 ans et les taux de récupération de la biomasse avec
l’opération du Biobaler sont entre 20 et 50 %. Les données vont permettre de voir s’il serait
possible de réduire la plage de valeur très étendue de rendement potentiel et de taux de
récupération pour une application précise.
5- La capacité, la consommation de carburant et les pertes au champ d’un Biobaler
dépendent des conditions de récolte, notamment le rendement au champ et la présence
d’obstacles et peuvent être expliquées par les modèles existants de Savoie et al. (2012).
47
48
Chapitre 3 : Matériel et méthodes
Ce chapitre présente les méthodes utilisées pour la cueillette des données au champ, l’analyse
de la biomasse végétale observée sur les friches avant la récolte, l’analyse physico-chimique
des sols et l’analyse de la récolte sous forme de balles rondes densifiées.
3.1 Dispositif expérimental
Cette étude propose de comprendre certains facteurs qui influencent le développement de la
végétation naturelle sur les terres abandonnées, la composition chimique des sols et les
volumes de biomasse qu’il est possible de récolter. L’étude est d’abord menée sur chaque
essence ligneuse observée sur les terres en friche une souche à la fois, puis à l’échelle de
quadrats sur de petites surfaces où plusieurs plantes sont observées et, finalement, à
l’échelle du peuplement sur une grande surface.
3.1.1 Choix du site d’étude
La première étape a consisté à localiser des terres en friche à partir d’images satellitaires de
type orthophoto à haute résolution (pixel à 30 cm). L’aire d’étude choisie devait répondre
aux caractéristiques suivantes :
- surface de terres agricoles en abandon de culture depuis au moins 10 ans
- présence importante de végétation arbustive haute et basse
- différentes densités de peuplement
Vu le nombre important de données relatives à la caractérisation des sites et le temps à y
consacrer, nous avons sélectionné un site à proximité de la ville de Québec qui permet les
déplacements fréquents.
49
3.1.2 L’aire d’étude
L’aire d’étude d’une superficie de 7 ha est située dans le secteur agricole de la municipalité
de St-Augustin-de-Desmaures en périphérie de la ville de Québec à la longitude
46°44'4.85"N et la latitude 71°31'59.40"O. La Figure 22 présente l’information
topographique et orthophoto des zones. La surface est caractérisée par une végétation
essentiellement de feuillus.
Figure 22: Orthophoto avec superposition (en vert) des données topographiques prises en
2008 de la zone étudiée (résolution 30 cm). Les lignes rouges (entre 75 et 95 m) indiquent
l’élévation par rapport au niveau de la mer.
Le changement de propriétaire et l’absence d’enregistrement annuel de cultures agricoles
avant 1998 font en sorte que les dates de cessation des activités agricoles sont difficiles à
évaluer. Par contre, l’accès aux photos aériennes permet de cibler une plage assez près de la
réalité. Dans le cas de l’aire choisie, des photos aériennes de 1973 (Figure 23) et 1993
(Figure 24) étaient disponibles. Celle de 1973 indique clairement que les champs étudiés
étaient alors cultivés et bien entretenus. L’image de 1993 indique un début d’apparition
d’essences ligneuses longeant les bordures des champs et donc un abandon déjà amorcé au
début des années 1990.
50
Figure 23: Image aérienne à l’échelle 1
:15 000 prise en 1973
Figure 24: Image aérienne à l’échelle 1 :15 000
prise en 1993
La moyenne des précipitations annuelles enregistrée à proximité, soit à la station de
l’Aéroport de Québec, est de 1169 mm; les précipitations sont réparties de façon
relativement uniforme sur toute l’année. L’évapotranspiration est maximale en période
estivale et atteint 544 mm par année (près de 50 % des précipitations). Avec une
température moyenne de 5,2°C sur une base annuelle au cours des 5 dernières années et des
températures moyennes mensuelles oscillant entre –12,3 °C en janvier et 19,4 °C en juillet,
la région a un climat de type tempéré. Le climat est propice à l’implantation de cultivars
céréaliers de moins de 90 jours pour la maturité, de variétés de maïs d’au plus 2400 unités
thermiques maïs (UTM) et d’essences d’arbres fruitiers adaptées à une zone de rusticité
minimale de 4 b.
La Figure 25 montre les précipitations totales mensuelles observées entre 2008 et 2012 pour
les mois de mai à décembre, c’est-à-dire durant la période où la machine peut être
introduite et utilisée on dans un champ en friche. Les classes texturales et l’état du drainage
interne sont établis selon l’abaque tiré du Système canadien de classification des sols. En
raison de la croissance démographique de la région, la couverture du territoire agricole est
en diminution. Cependant, le paysage agricole s’adapte et les fermes bovines sont
remplacées par des ranchs pour l’équitation ou la production de fruits et légumes pour les
51
marchés de proximité. La situation est précisément le cas en ce qui a trait à l’aire d’étude.
Les anciens propriétaires agriculteurs ont cessé les activités agricoles qui intégraient
essentiellement sur 10 ha l’élevage extensif de bovins depuis environ une trentaine
d’années. La situation a changé en 2007 avec un nouveau propriétaire, le début d’une
conversion des bâtiments et l’utilisation de la terre pour des pâturages destinés à des
chevaux d’équitation. Cependant, les terres agricoles anciennement cultivées ont été
colonisées par plusieurs espèces végétales pionnières, rendant ainsi la pâture inopérable. La
situation complète de la succession est un intermédiaire entre la dominance de végétation
annuelle, herbacée pérenne, arbustive buissonnante et forêt clairsemée. Le premier volet de
l’étude consistait à fractionner la zone abandonnée en parcelles à caractère semblable du
point de vue du couvert végétal et des caractéristiques de sol en tenant compte des
restrictions physiques sur le territoire comme les digues de pierre, les vieilles clôtures, les
fossés, les zones marécageuses et les amas de terre jadis déplacés. Les parcelles
inventoriées avaient un recouvrement végétal essentiellement ligneux composé de frêne,
cerisier, aubépine et cornouiller.
250
200
150
Précipitations
totale (mm) 100
2008
50
2010
0
2011
2009
2012
Mois de l'année
Figure 25: Précipitations totales enregistrées entre 2008 et 2012 pour les mois compris entre
mai et décembre.
52
3.1.3 Localisation et écologie des peuplements
Les parcelles expérimentales au nombre de 8 sont établies en fonction des caractéristiques
intrinsèques semblables. Les limites des parcelles ont été enregistrées à l’aide d’un GPS
Getac PS236 (précis à ± 1 m pour les mesures de distance). La friche investiguée est
composée d’un sol agricole argileux de bonne fertilité. Le site était séparé en deux parties
distinctes, soit la partie des terres «hautes» avec une élévation entre 86 et 91 m du niveau
de la mer et la partie des terres «basses» avec une élévation entre 80 et 84 m du niveau de la
mer. La délimitation entre les deux parties a été déterminée par la présence d’un marais de
quenouilles et d’un ancien fossé pour le drainage superficiel. Ce dernier est devenu peu
fonctionnel en raison des nombreux obstacles, notamment des ponceaux écrasés et une
végétation envahissante. De plus, le site n’a pas fait l’objet de drainage artificiel dans les
dernières décennies. La partie des terres «hautes» représente les parcelles 3, 4, 5 et 6 alors
que la partie des terres «basses» est constituée par les parcelles 1, 2, 7 et 8 (Figure 26,
Tableau 7). D’ailleurs, le contenu en eau dans le sol et l’absence d’un système d’évacuation
efficace a été un problème au moment de circuler avec de l’équipement sur le terrain. Les
précipitations ont influencé de manière importante la portance au moment de la récolte
planifiée à l’automne 2011, soit durant les mois de septembre, octobre et novembre. À cette
période de l’année, les températures plus froides et les heures d’ensoleillement plus courtes
ne permettent pas d’assécher le sol entre les précipitations importantes. En 2011, nous
avons reçu un total de 248 mm de précipitations durant la période ciblée, soit en septembre
(107 mm), octobre (78 mm) et novembre (63 mm). L’accès entre les deux parties a été très
difficile et a impliqué soit de passer dans le marais de quenouilles ou bien de faire un long
détour par le haut au nord de la terre pour s’y déplacer. La terre est également parsemée
d’anciens murets de roches et de végétation épineuse (aubépine) qui ont contribué à la
difficulté de se déplacer.
53
Figure 26: Image satellitaire rapprochée et identification des zones d’étude
Tableau 7: Caractéristiques des parcelles étudiées incluant la superficie, classification
du couvert végétal et du sol et l’élévation
Parcelle
Parcelle 1
Parcelle 2
Parcelle 3
Parcelle 4
Parcelle5
Parcelle 6
Parcelle 7
Parcelle 8
Localisation
46°44'5.27"N71°32'0.59"O
46°44'8.41"N71°32'4.32"O
46°44'12.93"N71°32'11.48"O
46°44'10.94"N71°32'17.63"O
71°32'13.69"O71°32'14.71"O
46°44'9.72"N71°32'13.03"O
46°44'6.64"N71°32'11.02"O
46°44'4.00"N71°32'8.03"O
Superficie
(m2)
220
Drainage
Classe texturale
Loam argileux
Élévation
(m)
81
Pente
(%)
0 à 0,5
très mal drainé
2900
très mal drainé
Loam argileux
80
0,5 à 2,5
2287
Argile limoneuse
86
2à5
6966
modérément bien
drainé
bien drainé
91
2à5
8462
bien drainé
88
2à5
2070
modérément bien
drainé
imparfaitement bien
drainé
imparfaitement bien
drainé
Loam limonoargileux
Loam limonoargileux
Argile limoneuse
81
2à5
Loam sabloargileux
Loam argileux
84
0 à 0,5
84
0 à 0,5
4560
2155
La cartographie des possibilités agricoles situe les sols inventoriés pour la majorité de
classes 1 et 2. Les sols de classe 1 ne comportent aucun facteur limitatif à risque de
restreindre le choix des cultures alors que ceux de classe 2 présentent des limitations
mineures qui restreignent peu le choix des cultures. Les faibles possibilités (ou rendements)
des sols inventoriés sont surtout dues à un excès d’humidité, à un relief défavorable, à une
54
topographie de dépression horizontale ou à l’accumulation de restrictions peu graves. La
carte pédologique de la région montre les limitations (Figure 27). Le matériel parental des
sols de la région appartient à la formation schisteuse d’Utica d’origine paléozoïque
(Raymond et al., 1976) comprenant les séries de sols Tilly, Joly et Terrain St-Colomban.
D’origines variées, ces sols proviennent de phénomènes glaciaires récents, de séquelles de
moraines récessionnelles ou de fragments des terrasses marines issus de la mer de
Champlain. Les sols de la série Tilly à drainage modérément bon se prêtent bien à tout un
éventail de cultures différentes. Les sols de la série Joly et Tilly avec un drainage variant
d’imparfait à très mauvais présentent moins de potentiel et s’adonnent mieux à la pâture
permanente. Ils occupent principalement les dépressions ou les pentes recevant les eaux
d’infiltration des terres plus élevées. Des interventions superficielles et souterraines de
drainage ainsi qu’un labour plus profond doivent être apportées pour la mise en valeur
agricole de ces dernières séries de sols. Ces formations occupent les dépressions et les bas
de pentes; elles reposent à de faibles profondeurs sur le roc schisteux.
Les terrains de type St-Colomban contiennent une grande proportion de roches anguleuses
et légèrement altérées. Ce type de sol présente un drainage bon à excessivement drainé.
L’épaisseur des matériaux meubles sur le roc excède rarement 1,5 m et la présence
d’affleurements rocheux peut être importante. L’infiltration de l’eau est bonne et la limite
de descente est au niveau de la couche imperméable de surface, créant des zones de
dépressions représentées sur le terrain par des marécages à dessiccation potentiellement
importante en saison estivale. La pierrosité importante ou les dépressions humides rendent
ce type de sol impropre à l’agriculture. L’érable à sucre agit à titre de végétation pionnière
dans la colonisation de ce type de sol (Lajoie, 1967).
55
Figure 27: Carte d’étude pédologique et légende de la zone d’étude prise dans le comté de
Portneuf (1976).
3.2 Collecte de données de végétation au champ
Cette section aborde la démarche scientifique pour la cueillette de données lors de la
caractérisation du couvert végétal, de la relation entre les dimensions et la biomasse
aérienne des essences végétales retrouvées sur les lieux, des sols et de la récolte de la
biomasse. Elle décrit les instruments de mesure utilisés ainsi que les méthodes de calcul.
3.2.1 Caractérisation du couvert végétal
Suivant la littérature, l’échantillonnage systématique était une bonne option pour faire la
représentation d’un couvert végétal hétérogène. Ainsi, un relevé systématique du couvert
végétal a été réalisé par une grille divisant les parcelles principales en petites unités de
surface carrées (quadrats principaux) de 10 m par 10 m (Figure 28). Dans chaque unité
principale et aux points d’intersection de la grille, on a relevé 1 placette échantillon (ou
56
quadrat d’échantillonnage) de dimension 0,5 m par 0,5 m dans laquelle ont été répertoriés
le nombre et l’espèce de chaque tige, son diamètre basal (à 10 cm du sol) et son diamètre à
hauteur de poitrine (DHP, c’est-à-dire à 1,30 m au-dessus du sol, connu en anglais comme
DBH ou « Diameter at breast height »).
Quadrat échantillon (50 cm x 50 cm)
Figure 28: Dispositif expérimental
La Figure 29 illustre l’endroit où les diamètres étaient mesurés selon le type de
ramification. Les méthodes de collecte décrites par Thiffault et al. (2011) et GHK (2006)
ont été employées. Chaque quadrat a été relevé à partir du coin supérieur gauche de l’unité
de surface de 10 m x 10 m. L’emplacement des quadrats échantillons s’est fait en utilisant
un topofil de marque TOPOCHAIX à bobine de 2000 m, précis à 0,2 % et avec un
cheminement polaire vers le nord. La nomenclature des espèces a été faite en se basant sur
la Flore laurentienne (Marie-Victorin, 1964). La détermination des formations végétales a
été faite selon Braun-Blanquet (1932). Le diamètre basal et le DHP étaient mesurés avec un
pied à coulisse Mitutoyo de 150 mm dont la précision était ± 0,1 mm. À titre de distinction
qualitative sur le type de strate végétale en cause pour l’analyse des parcelles principales,
57
l’ensemble des végétaux qui peut appartenir à des espèces différentes, mais qui présente,
pour la plupart, des caractères convergents dans leurs formes et les comportements est
stratifié comme arborescent, arbustif ou herbacé.
Figure 29: Collecte des mesures diamétrales et hauteur des essences selon la morphologie à la
hauteur basale (à 0,10 m du sol) (adaptée de Thiffault et al., 2011).
La densité de tiges par unité de surface moyenne pour le peuplement complet est calculée
par la sommation du nombre de tiges recensées par essence et par la division de la surface
inventoriée totale (Wharton et Griffith, 1993). Le diamètre moyen est calculé par la
sommation des mesures diamétrales divisée par le nombre de tiges par peuplement en
fonction de chaque quadrat inventorié. La masse aérienne de chaque tige est estimée par un
modèle prédictif en fonction du diamètre. Les modèles de prédiction de biomasse sont
établis par essence selon la procédure expliquée en 3.2.2 ci-après. À partir des mesures de
densité, il est possible de déterminer la couverture relative des essences (tiges par hectare,
tonnes de biomasse aérienne par hectare et par essence, tonnes de biomasse totale par
hectare pour chaque parcelle expérimentale). Les données de biomasse aérienne récoltée
par la suite à l’aide du Biobaler, ainsi qu’un échantillonnage systématique des résidus non
récoltés, servent à déterminer la biomasse totale réelle. Un facteur de correction est établi
entre l’estimation de biomasse par la méthode d’échantillonnage par quadrat et la biomasse
totale réelle.
58
3.2.2 Échantillonnage destructif pour prédire la biomasse aérienne
Ce volet porte sur le développement d’une équation de prédiction pour chaque essence
végétale inventoriée. À cette fin, un échantillonnage destructif a été fait par la sélection
d’une cinquantaine de tiges par essence couvrant l’étendue des diamètres observés. Douze
espèces ligneuses pionnières ont été identifiées sur les 8 parcelles de caractérisation de la
terre en friche à St-Augustin-de-Desmaures. À cet effet, 11 essences végétales ont été
étudiées quant aux données morphologiques de diamètre à la base, de diamètre à hauteur de
poitrine et de biomasse aérienne par tige individuelle. L’essence érable argenté n’a pas fait
l’objet de mesures destructives puisqu’elle a été rapportée seulement à quelques reprises et
est donc négligeable. Les tiges de bois mort n’ont pas été prises en compte lors de cet
échantillonnage. Les tiges ont d’abord été sélectionnées puis coupées par classe diamétrale
à une hauteur de 10 cm du sol. À l’intérieur d’une heure après la coupe, le diamètre à la
base (D0,10), le diamètre à hauteur de poitrine (D1,30), la hauteur et la masse fraîche de
chaque tige ont été enregistrées. Pour la détermination de la masse fraîche par tige, un
broyeur à tige Wallenstein 4224 (Figure 30) a été utilisé pour réduire en fins copeaux
chaque tige, le déposer dans un bac de pesée (Figure 31) et mettre en sac des échantillons
en vue de déterminer la teneur en eau par séchage à l’étuve. La biomasse aérienne totale par
tige individuelle inclut sans distinction la fraction de tige, les branches et les feuilles.
La liste des onze essences échantillonnées de manière destructive est présentée dans la
section Résultats. La collecte des échantillons a eu lieu entre le 15 juin et 15 juillet 2011 au
moment où les plantes étaient complètement en feuille. L’âge des espèces variait entre une
et 15 années de croissance. Pour déterminer la fraction de matière sèche liée à chaque
essence végétale, au moins quatre échantillons de masse variant entre 1000 et 1500 g ont
été collectés, pesés humides et placés dans une étuve Thermo Scientific™ OV128060 (4100
W) à 103 °C durant 72 heures. Les échantillons humides et secs ont été pesés à l’aide d’une
balance OHAUS Adventurer Pro ± 0,1 g (0 à 8100 g). Afin d’obtenir une plus grande
précision, on a tenu compte d’une légère différence de masse des sacs au moment de la
mise à l’étuve et à la sortie de l’étuve.
59
Figure 30: Déchiquetage des tiges afin d’en
mesurer la masse.
Figure 31:
déchiquetée.
Aperçu
de
la
biomasse
Les données de chaque essence ont servi à établir une relation entre la masse aérienne sur
une base sèche (M) et les deux diamètres soit DB pour diamètre basal et DHP pour
diamètre à hauteur de poitrine selon le modèle suivant :
Ln (M)= β0 + β1DHP + β2DB
(1)
À titre informatif, le nom employé du modèle propre à chaque essence végétal dans le
présente travail sera : modèle FSR pour essence 1, essence 2, etc. et servira de diminutif
dans les prochaines sections. La relation est utilisée pour déterminer la biomasse de chaque
tige présente dans un quadrat échantillon. Ces biomasses sont ensuite extrapolées à
l’échelle du quadrat principal soit 10 m par 10 m en fonction de la couverture déterminée.
3.2.3 Analyse statistique
Plusieurs auteurs (Overman et al., 1994; Araujo et al, 1999) ont comparé des modèles
allométriques, c’est-à-dire des modèles qui estiment une variable difficile à mesurer
(comme la masse aérienne d’une tige ou de tout un peuplement qui requiert un
échantillonnage destructif) par rapport à une ou plusieurs variables faciles à mesurer
(comme le diamètre des tiges, un petit nombre de quadrats sur une grande surface).
Cependant, la méthode statistique utilisée n’est pas toujours claire et la conclusion générale
est que les modèles alternatifs de prédiction généralisés sont assez fiables. Brown et al.
(1995) attribuent une différence entre les modèles en fonction de l’incertitude sur les
méthodes de mesures, la grandeur des quadrats, la fraction de la biomasse considérée et la
60
sélection des sites. L’analyse implique de calculer la biomasse et d’interpréter une relation
de régression linéaire avec deux variables explicatives, soit le diamètre à la base et le
diamètre à hauteur de poitrine des tiges individuelles. Le coefficient de détermination R²
ajusté, l’erreur-type sur les estimés (SEE) et la valeur de F ont été utilisés pour déterminer
la qualité des modèles développés spécifiquement au niveau de signification p<0,05. Ces
critères ont été utilisés pour déterminer le meilleur modèle prédictif de la phytomasse
aérienne des essences spécifiques. Les équations existantes ont été utilisées pour prédire a
priori la masse individuelle d’une tige et les résultats des mesures au champ ont été utilisés
a posteriori pour prédire également la masse aérienne d’une tige individuelle. Ainsi, les
résultats de l’analyse de la prédiction de la biomasse aérienne des tiges entre certains
modèles existants de la littérature pour les mêmes essences et la biomasse réelle mesurée
par mesures destructives et la biomasse prédite par les présents modèles mathématiques
développés dans le présent travail ont été comparés statistiquement. Les résultats de la
procédure «pairedttest» de SAS vont venir inférer la qualité de la prédiction.
La sélection des modèles de prédiction de la littérature pour les comparaisons statistiques a
été basée sur les critères les plus valables en lien avec cette étude soit l’endroit
d’applicabilité du modèle, la plage de validité pour les mesures de variables indépendantes
se rapprochant de celles observées et les variables (notamment l’utilisation du DB et DHP)
dans le modèle qui font l’objet de cette étude.
3.3 Caractérisation des sols
Cette section porte sur l’analyse physico-chimique des échantillons de sol provenant de
différentes parcelles de caractérisation et de récolte de la biomasse arbustive. L’analyse de
sol s’est faite en trois étapes; d’abord le prélèvement d’échantillons représentatifs dans
chaque parcelle, ensuite le conditionnement des échantillons, et enfin l’analyse des
échantillons afin de connaître les quantités d’éléments nutritifs disponibles.
61
3.3.1 Procédure d’échantillonnage et de préparation des sols
La collecte des échantillons de sol a eu lieu entre le 25 mai et le 15 juin 2011 selon un
patron d’échantillonnage systématique en grille tel que discuté dans la section 3.2.1.
Chacune des huit parcelles d’étude (Figure 28) a été divisée en quatre sous-parcelles
d’égale superficie. Un échantillon de sol a été prélevé à tous les quadrats pairs pour chaque
sous-zone et donc représentatif d’une surface de 10 m x 20 m. Les carottes prélevées d’une
sous-zone étaient regroupées pour en faire un seul échantillon par sous-zone et 4 par
parcelle d’étude. Une sonde a été employée pour échantillonner la couche de sol 0-20 cm
(environ 350 grammes de sol humide). Les échantillons prélevés de chaque sous-zone ont
été mis en commun et mélangés complètement dans un seau jusqu'à ce qu'on ne puisse plus
distinguer les carottes pour en retirer un échantillon, le placer immédiatement dans un sac
hermétique, sous glacière et le mettre dans un endroit sec pour séchage pendant 5 jours à
l’air ambiant. Trente-deux échantillons de sol ont donc été analysés. Quelques semaines
plus tard, soit en août 2011, la préparation et le conditionnement des échantillons en vue de
l’analyse chimique de sol a consisté tout d’abord à tamiser au tamis 2 mm le sol pour retirer
les particules telles que pierres, racines, feuilles et autres résidus organiques de dimensions
supérieures à 2 mm et ensuite créer deux sous-échantillons. Le premier sous-échantillon
comprend une masse de sol tamisé à 2 mm d’environ 150 g. Le deuxième sous-échantillon
exclusivement dédié à l’analyse de l’azote minéral a nécessité de broyer environ 10 g de sol
à <0,1 mm. Les sous-échantillons tamisés ont été homogénéisés 3 fois avant d’être envoyés
à l’analyse. La collecte et le conditionnement des sous-échantillons ont suivi la norme
CAEQ (2003a).
3.3.2 Analyses des sols
Les analyses se sont déroulées entre le 2 et le 15 août 2011 pour la composition chimique et
entre le 1 et 20 septembre 2011 pour la caractérisation physique. Le sol tamisé à 2 mm a
servi à l’analyse du pH à l’eau conformément à la norme CAEQ (2003b) ainsi que pour la
granulométrie et l’azote total. L’azote total et le carbone organique ont été analysés par
CNS à l’aide d’un appareil LECO 2000. Les échantillons broyés à 0,1 mm ont servi pour
l’analyse de l’azote minéral (NO3, NH4). Les ions ont été extraits par solution saline de KCl
2 N laquelle permet d’extraire du complexe argilo-humique les fractions de NH4
62
échangeable et NH4 soluble à l’eau. Les ions NO3 et NH4 ont été dosé par la technique de
flux d’injection continu (FIA) avec un appareil Lachat Quikchem4000. L’analyse physique
des sols a porté sur la détermination des classes texturales par la méthode de l’hydromètre
conformément à la norme CAEQ (2010). Suivant les résultats obtenus du carbone
organique, un prétraitement a été nécessaire au peroxyde d’hydrogène (5 %) dans le cas de
plusieurs échantillons, soit ceux avec un % de MO supérieur à 5 % pour détruire les
carbonates et la matière organique afin de ne pas altérer les résultats de l’analyse
granulométrique des sols.
Pour déterminer l’influence réelle des sols sur les caractéristiques de la biomasse aérienne,
les sols des huit zones ont été comparés au plan de la texture, du contenu en azote, du
contenu en MO et du pH. Le logiciel SAS (2013) fut utilisé pour faire l’analyse de la
variance à deux voies avec «proc glm». Cette procédure permet de déterminer s’il y a une
différence significative entre les zones et s’il y a des liens entre les variables azote total,
azote ammoniacal et azote minéral. L’option «Fit statistics» a été utilisée dans la procédure
d’analyse pour corriger les variances hétérogènes d’une zone à l’autre.
La grille d’échantillonnage adoptée de séparation en 4 sous-parcelles de chacune des
parcelles et en relevant un échantillon homogène issu de la collecte d’entre 3 et 13
échantillons par sous-parcelle, s’avère largement suffisante pour que les données soient
considérées comme des répétitions, c'est-à-dire des données spatialement indépendantes les
unes des autres.
Le test de t de Student «procttest» a été utilisé pour déterminer les différences entre les
variables analysées dans le sol en fonction des sous-parcelles échantillonnées. En utilisant
chaque paramètre séparément, on peut tester s’il y a une différence significative entre les
composantes chimiques sans égard au type de couvert végétal. La variabilité spatiotemporelle des sols est employée pour chaque constituant analysé en calculant le coefficient
de variation CV de chacune des 8 parcelles (SAS, 2013). Une analyse par corrélation
63
simple et par régression a été réalisée pour permettre de vérifier s’il existe des relations
étroites entre les paramètres d’analyses physico-chimiques.
3.4 La récolte de la biomasse
Cette section présente les méthodes utilisées pour la récolte de la biomasse aérienne. Celleci a eu lieu entre le 15 octobre et le 11 novembre 2011 quand les essences végétales avaient
perdu presque en totalité leurs feuilles. La récolte des plantes arbustives a été réalisée à
l’aide du Biobaler®, modèle WB-55 du Groupe Anderson (2011). Les opérations ont été
enregistrées en récoltant une parcelle à la fois parmi les huit parcelles. Les données ont été
regroupées, analysées et présentées par parcelle.
Le mécanisme de la récolteuse fait en sorte qu’il n’est pas approprié de récolter une
végétation arbustive trop jeune. D’ailleurs, Freedman (1984) propose le concept de
diamètre minimal en expliquant que les tiges trop fines pour résister à un vent de 64 km/h
ne sont pas vraiment des plantes érigées, qu’elles ne se comportent pas comme des plantes
arbustives (pas assez rigides) et qu’elles ne peuvent pas servir à évaluer le potentiel d’une
récolteuse de biomasse arbustive.
Par ailleurs, les mesures sur le terrain ont été faites en utilisant un système de lecture et
enregistrement du positionnement Getac PS236 GPS avec une précision de ± 2 m. Le GPS
a été utilisé pour enregistrer les points en continu sur le périmètre des parcelles.
L’interprétation des points géographiques permet donc de déterminer l’aire totale couverte
par le Biobaler durant la récolte. Le rendement récolté est ensuite estimé en pesant toutes
les balles récoltées dans une aire donnée et en divisant par l’aire mesurée. Pendant l’étude,
la distance linéaire pour la fabrication des balles individuelles n’a pas été enregistrée
compte tenu des passages recoupés engendrés par les détours autour des aires non
praticables, principalement les secteurs avec des arbres de diamètres au-delà de 150 mm à
la base et les secteurs marécageux. L’aire totale récoltée était donc estimée par l’ensemble
des points GPS en périphérie, moins les sous-aires non récoltées et assez grandes pour être
identifiées. Les surfaces exclues de la récolte étaient mesurées en quadrats de 10 m x 10 m.
Chacune de ces exclusions devait être constituée à au moins 50 % par une couverture de
64
gros arbres, de surfaces marécageuses ou trop humides ou simplement impossible d’accès
en raison de l’incapacité de récolter avec le Biobaler.
3.4.1 Machine de récolte
La récolteuse peut se déplacer en mode déporté, ce qui est normalement prévu en plantation
(Figure 32). Cependant dans des friches, il est plus commode d’opérer la récolteuse en
mode aligné par rapport au tracteur (Figure 33) car l’opérateur a souvent moins de marge de
manœuvre. Le tracteur chevauche ainsi les essences végétales afin d’améliorer l’efficacité
du travail. Le broyeur forestier à l’avant du Biobaler coupe sur une largeur de 2,25 m,
déchiquette partiellement la biomasse et l’envoie dans la chambre de compression par
l’intermédiaire d’un rouleau d’entraînement (Figure 34). Les plantes devenues souples
s’enroulent le long du pourtour de la chambre de compression et forment une balle ronde.
Lorsque la chambre est pleine, la balle est attachée avec de la ficelle. Ensuite, la porte
d’évacuation à l’arrière s’ouvre et laisse tomber la balle au sol. Les balles rondes peuvent
être transportées à l’abord du champ ou sur un site d’entreposage. Suite à l’entreposage,
cette biomasse est transportée et manutentionnée selon son utilisation finale. L’opération de
récolte s’est déroulée en utilisant les roues doubles sur la récolteuse étant donné que
l’ensemble des sols étaient nettement trop humide pour supporter la masse de l’équipement
sans roue supplémentaire d’amortissement de la masse.
65
Figure 32: Opération de la récolteuse en
mode déporté
Figure 33: Opération de la récolteuse en mode
aligné
Schéma adapté de Lavoie et al. (2008)
Figure 34 : Schéma de fonctionnement du Biobaler® WB-55 (Hébert, 2012)
3.4.2 Masse des balles
La masse des balles a été mesurée après la récolte à l’aide d’une balance de type plateforme Avery Weigh-Tronic munie d’un indicateur électronique E1010 WI160DS4848 avec
une précision de ± 0,1 kg (0 à 900 kg). Cette mesure sert à déterminer le rendement récolté
au champ et la capacité de la machine (Figure 35).
66
Figure 35: Opération de pesée de balles
3.4.3 Teneur en eau de la biomasse
Le taux de matière humide de la biomasse a été déterminé à l’aide d’échantillons d’environ
1000 à 1500 g de matière humide. En général, on collectait un échantillon à toutes les
quatre balles et un minimum de trois échantillons par parcelle récoltée. Ces échantillons ont
été mis dans des sacs de papier et ont été pesés pour la matière humide le jour même à
l’aide d’une balance Denver™ Instrument APX-1502 à ± 0,5 g (0 à 1500 g) ou d’une
balance OHAUS Adventurer Pro ± 0,1 g (0 à 8100 g). De retour au laboratoire, les
échantillons dans leurs sacs ont été mis dans une étuve Thermo Scientific™ OV128060
(4100 W) à 103 °C durant 72 heures.
3.4.4 Résidus de récolte
Après la récolte de la biomasse au champ avec le Biobaler, les fractions de la biomasse
laissées au sol ont été déterminées sur de petites surfaces d’échantillonnage choisies au
hasard les 15 et 16 novembre 2011. On a déterminé 4 types de perte : 1) les fractions
courtes au sol, c’est-à-dire des tiges coupées de moins de 15 cm de longueur; 2) les
fractions longues au sol, c’est-à-dire des tiges coupées de plus de 15 cm de longueur; 3) la
fraction de tiges non (ou incomplètement) coupées encore attachées à la souche initiale audelà de 10 cm de hauteur par rapport au sol; et 4) les amas de biomasse concentrés au sol
générés par la machine de récolte suite au dépôt de chaque balle (Figure 36 à Figure 39).
L’échantillonnage des pertes a suivi un patron systématique pour un total entre 3 et 5
quadrats par zone dépendamment de la superficie disponible non altérée par des chemins
67
forestiers. La zone des chemins forestiers a été retranchée des lieux de récolte, car elle ne
représentait pas bien le matériel au sol en raison des multiples passages des équipements de
récolte et de la boue. La méthode consistait à échantillonner une zone de 50 cm par 10 m
pour les trois premières fractions décrites plus haut. Les pertes au sol ont été mesurées de
manière intégrale en mettant le total de chaque type de perte par quadrat dans un sac et en
le plaçant à l’étuve à 103 °C pendant 72 heures. On déterminait ainsi les pertes de masse
sèche. Pour les amas, la masse totale de copeaux tombés autour d’une balle déposée au sol
a été prélevée et pesée humide en utilisant un contenant de plastique. À chaque amas, on
prenait un peu de biomasse pour ensuite avoir un échantillon complet à chaque 3 dépôts de
masse variant entre 500 et 900 g pour déterminer la teneur en matière sèche totale. La
collecte et la détermination des fragments ont été réalisées en fonction du protocole de
Thiffault et al. (2011) décrit à la Figure 40.
Pour déterminer la fraction de matière sèche liée à chaque type de pertes au champ, les sacs
contenant les fractions ont été manipulés selon la même méthode qu’au point 3.4.3. Afin
d’obtenir une plus grande précision, la masse moyenne des sacs secs a été soustraite de la
masse des sacs d’échantillonnage des pertes. Les pertes estimées ont été par la suite
comparées au rendement potentiel total c.-à-d. la biomasse laissée au sol sous forme de
perte + la biomasse mesurée récoltée par le Biobaler pour en déterminer un pourcentage de
récupération de la biomasse selon la formule suivante : rendement récolté (kg MS) *100 %
/ (rendement récolté kg MS + pertes totales kg MS).
68
Figure 36: Fragments (≤15 cm) de résidus
de récolte au sol.
Figure 37: Fragments (>15 cm long) de
biomasse laissées au sol après la récolte.
Figure 38: Amas de biomasses généré à
chaque opération de dépôt de balle au sol.
Figure 39: Biomasse sous forme de
fragments non coupés à partir de la souche.
Figure 40: Manière de mesurer les pertes à la récolte
69
3.4.5 Fonctionnement de la récolte
Les temps de récolte, ficelage, transition et pressage des balles ont permis de calculer la
productivité de la machine (Figure 41). Les actions de la machine ont été chronométrées à ±
1 s. Le temps de récolte correspond au temps que prend la machine pour récolter la matière
nécessaire au pressage d’une balle. Le temps de ficelage correspond au temps entre le début
du ficelage et le dépôt de la balle au sol. Le temps de transition des balles correspond au
temps entre le dépôt d’une balle et le début de la récolte d’une autre balle. Le temps de
pressage d’une balle correspond à la somme des moyennes des temps de récolte, de ficelage
et de transition des balles. Les temps chronométrés ne tiennent pas compte des temps
d’arrêt de la machine. En effet, plusieurs arrêts étaient nécessaires pour évaluer le parcours
à emprunter avec le Biobaler pour éviter les roches et le risque d’enlisement. Lorsque la
machine entrait dans une nouvelle parcelle, les arrêts étaient plus longs afin de bien
analyser le comportement de la machine. Les temps d’arrêt n’étaient donc pas représentatifs
d’une opération normale. La durée de chaque essai était généralement courte (une dizaine
de balles ou environ une demi-heure à la fois). D’autres essais de plus longue durée seront
nécessaires à l’avenir pour estimer la fréquence d’entretien et des arrêts sur une base
régulière.
Figure 41: Fonctionnement du procédé de récolte par le Biobaler (Hébert, 2012).
3.4.6 Rendement
La masse de chaque balle a été mesurée afin de quantifier la biomasse récoltée par unité de
surface et la capacité de la machine. La surface a été mesurée à l’aide d’un GPS GETAC
PS236 en utilisant la fonction «points» délimitant ainsi le périmètre d’une zone.
Le
rendement surfacique était la masse totale des balles récoltées divisée par la surface
récoltée; il est normalement exprimé en t MH/ha. Ces rendements de MH ont été convertis
70
sur une base de matière sèche (MS) en multipliant par la fraction de MS : (100 % TEE)/100 %.
3.4.7 Consommation de carburant
La consommation de carburant a été mesurée à la fin de chaque période de travail de la
machine. Pour ce faire, le réservoir de carburant du tracteur a été préalablement rempli
avant d’entreprendre la période de travail. Après la récolte de chaque parcelle individuelle,
le réservoir a été rempli à nouveau avec du carburant pesé dans des contenants de 20 litres.
La masse des contenants a été mesurée à l’aide d’une balance OHAUS™ Champ II modèle
CH60R11 à ± 0,010 kg (0 à 100 kg). La masse volumique du diesel est de 0,8269 kg/l selon
la fiche technique du Nebraska Tractor Test Labolatory (2010) pour le Fendt™ 818. Le
tracteur utilisé durant les essais était un tracteur Fendt™ 818 de 185 hp. Cependant, les
réglages du tracteur ont été changés de façon à obtenir une puissance de 200 hp.
L’analyse statistique a été réalisée avec le logiciel SAS par des méthodes de détermination
des différences significatives. Les données mesurées ont été comparées à celles prédites par
les équations de la littérature pour la récolte en milieux naturels. À cet effet, les courbes de
régression ont été utilisées pour bâtir des relations entre la consommation de carburant en
fonction des rendements de récolte, la capacité de récolte en fonction des rendements
récoltés, la consommation de carburant en fonction de la capacité de récolte, la densité des
balles en fonction de la capacité de récolte et les pertes au champ en fonction du rendement
récolté. Une régression de la masse moyenne des balles a été établie en fonction de la
capacité de récolte. L’unité expérimentale d’un essai de récolte correspondait à une surface
traitée qui incluait les données de mesure de carburant, de rendement de la biomasse et du
temps d’opération. À cet effet, seulement 7 des 8 parcelles initialement délimitées ont fait
l’objet de mesures par récolte entière de la biomasse, car la parcelle #2 a été complètement
écartée en raison d’une dépression marécageuse trop humide pour permettre l’intervention
du Biobaler. Compte tenu du nombre limité d’unités expérimentales (7 au total) et en
utilisant l’information sur les paramètres visant à caractériser l’opération de récolte au
champ contenu dans la littérature précédente, une comparaison statistique a été employée
71
pour mesurer si les modèles de régressions développés peuvent expliquer les mesures
relevées dans la présente étude. Il fut ainsi possible de valider si les régressions étaient un
bon moyen de représenter l’ensemble des données et d’en estimer un coefficient de
détermination (R2) en fonction de la principale variable indépendante mesurée, c’est-à-dire
le rendement récolté. D’autres variables indépendantes pouvaient influencer les résultats,
comme l’opérateur, l’état de la récolteuse, les conditions au champ, le diamètre des tiges,
les cultivars et la présence de mauvaises herbes, mais la plupart de ces variables n’étaient
pas mesurées ou étaient trop hétérogènes pour expliquer les variations.
72
Chapitre 4 : Résultats
Ce chapitre, divisé en quatre sections, présente successivement les résultats de la
caractérisation des sols, de la validation des modèles allométriques de diverses essences
végétales, de la caractérisation de l’état végétal (composition végétale, statut
phytosociologique) et pour terminer ceux de l’analyse entre diverses méthodes de
prédiction de la biomasse aérienne présente au champ et la biomasse obtenue lors de la
récolte.
4.1 Paramètres physico-chimiques des sols
Le premier volet du travail consiste à déterminer les caractéristiques actuelles des sols du
point de vue physico-chimique suivant une période d’environ 30 années d’abandon de
pratiques culturales. Le pH à l’eau, la classe texturale, la teneur en matière organique, la
teneur en azote minéral et azote total ont été mesurés en laboratoire. Les sols ont été
échantillonnés sur des terrains plats ou à pentes très douces (< 5 %).
4.1.1 Analyse texturale du sol
La teneur en argile des sols variait entre 24 et 45% tandis que le contenu en sable se situait
entre 5 et 53%, ce qui confère aux sols une classe texturale variant entre le loam argileux et
le loam sablo-argileux (Tableau 8). Les parcelles 3, 4, 5 et 6, ont une teneur en sable
inférieure aux parcelles 1, 2, 7 et 8 qui se situent dans une dépression topographique d’où
une zone d’accumulation et de dépôts lacustres. Les données brutes pour les différentes
composantes de classes texturales et chimiques figurent à l’Annexe C (Tableau a.3 et
Tableau A. 4).
73
Tableau 8: Composition physique des sols (moyenne de 4 échantillons par parcelle)
Parcelle
1
2
3
4
5
6
7
8
Sable (%)
36,3
37,8
10,7
14,0
6,9
5,0
53,4
49,3
Limon (%)
30,1
34,8
44,7
49,1
54,5
50,2
22,9
23,1
Argile (%)
33,6
27,5
44,6
37,0
38,7
44,9
23,8
27,6
classe texturale
Loam argileux
Loam
Argile limoneuse
Loam limono-argileux
Loam limono-argileux
Argile limoneuse
loam sablo argileux
loam sablo argileux
4.1.2 Analyse chimique du sol
Certains paramètres de fertilité des sols tels le pH et les contenus en matière organique et en
N (total et minéral) des sols ont été déterminés (Tableau 9). Deux données extrêmes n’ont
pas été présentées, soit N-NO3 de la parcelle no. 1 et N-NH4 de la parcelle no. 3.
74
Tableau 9: Quelques propriétés chimique des sols (moyenne de 4 échantillons par parcelle)
Parcelle
1
2
3
4
5
6
7
8
moyenne
Écart-type
min
max
Azote total
%
0,30
(0,09)*
0,29
(0,10)
0,48
(0,03)
0,32
(0,02)
0,27
(0,08)
0,32
(0,01)
0,22
(0,02)
0,33
(0,05)
0,32
0,07
0,22
0,48
Groupe de
Bonferroni
ABC
ABC
A
B
ABC
B
C
ABC
Carbone
organique
%
5,29
(0,46)
4,48
(0,92)
5,54
(0,45)
3,07
(0,19)
3,37
(0,25)
3,23
(0,04)
2,95
(0,23)
4,10
(0,57)
4,00
1,02
2,95
5,54
Groupe de
Bonferroni
A
AB
A
B
B
B
B
AB
Matière
organique
%
9,11
(0,79)
7,72
(1,59)
9,55
(0,78)
5,28
(0,33)
5,81
(0,43)
5,56
(0,06)
5,08
(0,40)
7,06
(0,99)
6,90
1,75
5,08
9,55
Azote minéral
NH4+
NO3(mg/kg)
(mg/kg)
7,75
6,80
(0,43)
(1,16)
10,10
3,65
(1,01)
(0,52)
11,47
6,43
(2,01)
(1,25)
11,35
1,75
(1,00)
(0,74)
12,30
0,85
(1,19)
(0,23)
13,13
1,20
(1,68)
(0,42)
9,15
1,13
(0,84)
(0,36)
10,75
1,63
(0,45)
(0,76)
10,75
2,87
1,73
2,48
7,75
0,85
13,13
6,80
pH
C/N
4,55
(0,23)
4,88
(0,09)
5,08
(0,09)
4,88
(0,23)
4,85
(0,06)
4,93
(0,08)
5,08
(0,13)
5,35
(0,13)
4,95
0,23
4,55
5,35
13,29
(0,22)
13,26
(0,35)
11,63
(0,73)
9,64
(0,20)
10,15
(0,15)
10,02
(0,11)
13,64
(0,30)
12,35
(0,05)
11,75
1,63
9,64
13,29
*Les valeurs entre parenthèses représentent l’erreur type.
75
La teneur en C organique varie entre 3,0 et 5,5% (moyenne de 4%), ce qui représente entre
5,1 et 9,6% de matière organique (MO). La teneur en N total du sol est en moyenne de
0,32 % (0,22 à 0,48 %). La proportion de N minéral (ammonium et nitrate) dans les sols est
très négligeable par rapport au contenu en N total (Tableau 9), plus de 95 % du N total du
sol étant de l’azote organique.
Les valeurs de pH des sols varient entre 4,6 et 5,4 (moyenne de 5,0) et correspondent à une
classe de réaction variant entre faible et très fortement acide.
Les valeurs moyennes de C/N des sols varient entre 9,6 et 13,3. Les parcelles 1, 2, 7 et 8
présentent des rapports C/N moyens les plus élevés (>12).
Le test de Bonferroni a été utilisé pour déceler les différences significatives entre les
parcelles ou groupes pour les propriétés du sol mesurées. En ce qui concerne le C organique
total, le test de Bonferroni a permis de distinguer deux groupes significativement
différents : groupe A regroupant les parcelles 1 et 3 et groupe B regroupant les parcelles 4,
5, 6 et 7. Les parcelles 2 et 8 ne sont pas significativement différentes de chacun des deux
groupes. Cela serait en lien avec l’état du terrain puisque les parcelles 1 et 2 sont situées
dans une zone de dépression topographique et sous couvert végétal dense, permettant ainsi
l’accumulation de résidus organiques. En revanche, les parcelles 5 à 8 sont situées en amont
et sous couvert végétal majoritairement ouvert et arborescent jeune. Les données brutes du
test de Bonferroni sont disponibles aux Tableau A. 7 et A. 8 de l’Annexe D.
Les tests d’hypothèse d’égalité des moyennes ont été utilisés pour déceler la présence de
différence significative en termes du contenu en azote total entre les parcelles (Annexe D,
Tableau A. 5). Trois groupes de parcelles sont significativement différents quant à leur
contenu en N total, soit le groupe A constitué de la parcelle 3, le groupe B constitué des
parcelles 4 et 6, et le groupe C constitué de la parcelle 7. Les autres parcelles (1, 2, 5 et 8)
ne présentent pas de différences significatives (
Tableau 10). À propos de la composante azote ammoniacal N-NH4, aucune différence
significative n’a été relevée entre les sites. Donc, la différence de contenu en azote total
76
observée entre les parcelles ne peut pas s’expliquer par cette composante interne. Une
analyse des moyennes par les moindres carrés fut réalisée pour vérifier si la moyenne de la
teneur en nitrate des sols était significativement différente de 0 (les teneurs en NO3 de
certaines parcelles étant assez faibles) et également pour déceler des différences
significatives entre les parcelles d’intérêt. Au seuil de 5 %, seules les parcelles 1 à 4 ont
affiché un contenu en nitrates significativement différent de 0. De plus, à l’intérieur du
groupement des parcelles 1 à 4, une seule différence significative fut observée, le contenu
en nitrates étant supérieur chez les parcelles 1 et 3 comparativement à la parcelle 4 (
Tableau 10). Les résultats des tests d’hypothèse pour la moyenne de la teneur en azote
minéral (N-NO3) et entre les parcelles sont présentés à l’Annexe D (Tableau A. 5).
Tableau 10: Analyse des groupements statistiques de Bonferroni pour la composante azote
minéral NO3 des sols.
parcelle
Moyenne de N[NO3] en mg/kg
Erreur Type
Groupe
1
6,8
1,2
A
3
6,4
0,7
A
2
3,7
0,7
AB
4
1,8
0,7
B
5
1,6
0,7
B
6
1,2
0,7
B
7
1,1
0,7
B
8
0,8
0,7
B
La Figure 42 montre clairement que la parcelle no. 1 a un contenu presque identique en
azote N-NH4 (moyenne de 7,8 mg/kg) et N-NO3 (moyenne de 8 mg/kg). Ces teneurs
présentent des comportements divergents pour les autres parcelles où l’azote ammoniacal
N-NH4 est prédominant (11,2 mg/kg en moyenne) sur l’azote sous forme nitrate N-NO3
77
(moyenne de 2,4 mg/kg). Probablement que la différence significative s’explique par une
contribution conjointe des processus dans le sol et de l’effet de la présence d’aulne, essence
fixatrice d’azote. La présence significative de l’aulne par son impact sur la teneur en azote
du sol a déjà été relevée par d’autres auteurs notamment Uri et al. (2007).
Figure 42: Teneur en NH4+ et NO3- des parcelles
4.1.3 Analyse de relation par corrélation simple
L’analyse des coefficients de corrélation de Pearson (Tableau A. 9 en Annexe E) montre
une corrélation hautement significative (p<0,001) entre les teneurs en N total et C
organique. Ceci explique comment l’azote total du sol varie en fonction du carbone
organique. Par ailleurs, la composante azote minéral sous forme NH4+ est à la limite du
seuil de signification pouvant confirmer une relation positive avec l’azote total. Donc,
l’azote total ne permet pas de prédire la concentration d’ammoniac (bien qu’on soit très
proche de 5 %). Par contre, l’azote total peut explique de manière significative (r = 0,595, p
= 0,004) l’azote minéral NO3 du sol. Un accroissement du nombre d’échantillons dans le
futur pourrait permettre de confirmer l’étroitesse de la relation entre les deux variables.
78
4.1.4 Analyse par régression
La relation linéaire entre N total et C organique s’écrit comme suit y = 679,9 + 686,7 * X
(sous Pr |t|< 0,0001) où y = teneur en N total (mg/kg) et x = C organique (%) tel que
représenté à la Figure 43. Elle vient confirmer que l’azote total peut être expliqué par la
variable du carbone organique du sol. Ainsi, on peut avoir une idée de la teneur en azote
total dans une relation assez fiable avec une analyse de routine peu dispendieuse qui
comprend normalement le carbone organique. L’azote n’étant pas d’ordinaire analysé
autrement que sur demande et avec frais supplémentaires.
a ota
N total
(Mg/kg)
6000
5000
4000
3000
2000
1000
2
3
4
5
6
7
C org. (%)
Figure 43: Régression de l'azote total (mg/kg) en fonction du carbone organique (%)
79
4.2Allométrie des essences naturelles et équations de régression
4.2.1 Données de diamètres et biomasses de 11 espèces pionnières
Cette section présente les données de masse et de diamètres de 11 essences échantillonnées
sur les terres en friche sélectionnées afin d’en estimer la biomasse aérienne en utilisant des
équations de prédiction individuelles. Le Tableau 11 montre que le nombre de tiges
individuelles échantillonnées par essence a varié entre 21 et 86 tiges. La plage des
diamètres représentait l’ensemble des grosseurs d’arbustes observés. La teneur en eau
moyenne pour toutes les espèces est de 42 %. L’amélanchier du Canada, l’aubépine, et le
saule de Bebb ont une teneur en eau inférieure à la moyenne alors que le peuplier faux
tremble, le cornouiller et l’aulne rugueux, le pommier sauvage et la viorne présentent une
teneur en eau supérieure à la moyenne. Les données détaillées pour toutes les mesures
allométriques, y compris la biomasse de 546 tiges individuelles pour les 11 espèces, sont
présentées en Annexe F (Tableau A. 10 à Tableau A. 20, Figures A.1 à A.20).
80
Tableau 11: Caractéristiques des plantes pionnières observées sur les friches de SaintAugustin-de-Desmaures.
Diamètre à la base (DB)
Espèces
Nombre de
tiges
échantillonnées
Plage
DB
moyen
(mm)
Écarttype de
DB
Diamètre à hauteur de
poitrine (DHP)
Plage
DHP
moyen
(mm)
Écarttype
de
DHP
TEE
moyenne
(%)
Amélanchier
du Canada
48
8,5680,09
32,26
19,56
0-57,01
21,96
18,21
36,38
Aubépine
34
4,1797,63
35,48
25,65
0-70,39
20,17
21,52
35,67
Aulne
rugueux
86
11,42120,04
44,32
23,03
0-77,90
31,81
18,94
46,15
Cerisier de
Virginie
41
12,08131,00
37,65
25,92
0-78,00
22,13
18,26
38,21
Cornouiller
stolonifère
76
7,0321,15
12,87
3,21
0-11,08
3,66
3,28
46,16
Érable rouge
54
10,53162,00
40,77
25,46
0-90,63
28,73
19,20
40,13
Frêne rouge
de
Pennsylvanie
38
7,5096,00
27,55
21,28
0-69,00
17,27
17,56
38,17
Peuplier fauxtremble
52
6,59111,24
39,26
29,91
0-94,90
27,95
28,32
45,94
Pommier
sauvage
21
7,87110,00
44,89
31,41
4,2-95,36
30,86
26,91
46,52
Saule de
Bebb
66
10,51143,16
40,40
33,64
0-102,19
24,12
22,77
35,74
Viorne
trilobée
48
5,0053,00
24,29
12,89
0-39,00
16,14
10,99
47,03
81
4.2.2 Équations de régression
Pour respecter le postulat d’homogénéité de la variance, une transformation logarithmique a
été nécessaire tel qu’illustré dans le modèle [ÉQ. 3]. Chaque variable peut être élevée de
manière indépendante jusqu’au degré 3 pour la variable DB et jusqu’au degré 2 pour la
variable DHP dans ce dernier modèle. La biomasse aérienne comprend la tige, l’écorce et le
feuillage. Vu le nombre d’échantillons relativement petit par espèce (n<100), on a comparé
la masse mesurée par tige à la masse prédite par analyse de variance. Les hypothèses
suivantes ont été testées : H0, le paramètre est nul et n’a aucun effet sur la variable réponse
et H1, le paramètre est non nul et a un effet sur la variable réponse. Ainsi, les équations
spécifiques par essence montrent un degré d’ajustement élevé pour chaque espèce en
fonction du R² et pour des valeurs de F observées et qui sont toutes significatives au seuil
de 0,05 suite à l’analyse des résidus des modèles.
La forme plus complexe de l’équation incluant deux variables élevées à différentes
puissances est illustrée à l’équation 3 [ÉQ. 3]. Les variables incluent la matière sèche (MS)
exprimée en grammes, DB est le diamètre à la base (mm) et DHP est le diamètre à hauteur
de poitrine (mm). βi sont des coefficients de régression associés à chacune des variables
indépendantes.
ln(𝑀𝑆) = 𝛽0 + 𝛽1 ∗ ln(𝐷𝐵) + 𝛽2 ∗ ln(𝐷𝐵)2 + 𝛽3 ∗ 𝑙𝑛(𝐷𝐵)3 + 𝛽4 ∗ 𝑙𝑛(𝐷𝐻𝑃) + 𝛽5 ∗ ln(𝐷𝐻𝑃)²
[ÉQ. 3]
Bien que le coefficient de détermination (R²) soit un bon indicateur de l’ajustement du
modèle transformé présenté, le R² n’indique pas l’ajustement le plus complet pour le
modèle non transformé. Le biais moyen et l’erreur type sur les estimés ont été calculés et
utilisés pour évaluer la performance du modèle.
82
L’analyse statistique montre que les paramètres dans le Tableau 12 sont significativement
différents de 0 au seuil p = 0,05. La majorité des coefficients de détermination ajustés (R²)
générés pour les modèles sont au-delà de 0,90. La valeur minimale obtenue est de 0,85 dans
le cas de l’aulne. Cette dernière donnée moins performante est due au fait que la plage de
diamètres échantillonnés est relativement grande (11 à 120 mm à DB) et que certaines
plantes avaient de gros diamètres et petites masses et vice versa (Tableau A. 11 et Figures
2 et 3 en Annexe F). Le pommier, l’aubépine, le saule de Bebb sont trois espèces dont le
paramètre DHP n’était pas significatif pour prédire la biomasse. La structure particulière
aérienne en forme de bosquet de ces plantes crée une relation irrégulière entre les deux
mesures de diamètre. Dans cette situation, le diamètre à la base est plus représentatif de la
biomasse aérienne totale que le DHP. C’était également le cas pour le peuplier faux-tremble
où le DHP ne permettait de prédire de manière significative la biomasse aérienne et ceci
peut s’expliquer en partie par un nombre trop petit de tiges échantillonnées pour la plage de
diamètre mesurée de DHP (0 à 94 mm). De plus, encore pour le peuplier faux-tremble,
l’élévation de la variable DB au troisième degré est approprié vu un gain significatif de
précision dans la prédiction de la biomasse aérienne.
Pour les autres essences, il y a une forte relation entre le diamètre à hauteur de poitrine, le
diamètre à la base et la biomasse aérienne. Ainsi, les deux diamètres sont utilisés dans la
relation de prédiction de la biomasse. Les équations spécifiques sont valables pour les
plages de mesures expérimentales. Elles pourraient avoir une utilité générale pour estimer
la biomasse des écosystèmes.
83
Tableau 12: Paramètres de régression selon l’équation 3 [ÉQ. 3] pour estimer la biomasse aérienne sèche par tige (g) de
onze essences arbustives observées à l’été 2011 incluant les feuilles. L’erreur type est entre parenthèses. DB est le
diamètre à 10 cm du niveau du sol et DHP est le diamètre à 130 cm du niveau du sol.
Espèces
Aulne
Amélanchier
Cerisier tardif
Cornouiller
Paramètres des
modèles
DB, DHP, DHP ²
DB, DB², DHP,
DHP ²
DB, DB², DHP
DB, DB², DHP
η
86
48
41
76
Aubépine
DB, DB²
34
Pommier sauvage
DB, DB²
21
Érable rouge
DB, DHP, DHP ²
54
Peuplier faux-tremble
DB, DB², DB³
52
Viorne trilobée
DB, DB²
DHP, DHP ²
DB, DB²
DHP
DB, DB²
48
Frêne de Pennsylvanie
Saule de Bebb
38
66
Ordonnée
l’origine
β0
84
Valeur
de F
0,11
160,49
0,15
754,11
0,18
97,09
0,12
162,56
0,19
100,70
0,23
136,82
0,14
731,28
0,15
751,35
0,15
112,74
0,97
0,19
432,91
0,92
0,13
381,10
β2
β3
β4
β5
0,02078
(0,00982)
NS*
NS
0,1220
(0,01285)
-0,00117
(0,00015739)
0,85
-3,5911
(0,14512)
0,11332
(0,01339)
-0,00069210
(0,00014713)
NS
0,0567
(0,01103)
-0,00058191
(0,00017229)
0,98
-3,1892
(0,28435)
-5,7396
(0,42599)
-3,5291
(0,34627)
-4,1468
(0,17639)
-2,6065
(0,10753)
-5,3578
(0,17930)
0,07389
(0,01560)
0,32763
(0,06655)
0,1296
(0,01914)
0,1426
(0,00760)
0,01459
(0,00486)
0,2510
(0,01554)
-0,00043225
(0,00009872)
-0,00537
(0,00249)
-0,00067600
(0,00020258)
-0,00072885
(0,00006258)
NS
0,88
NS
0,87
-4,3448
(0,30509)
-3,0310
(0,13429)
-3,6172
(0,17055)
-2,9123
(0,21473)*
NS
NS
0,0466
(0,01163)
0,0348
(0,00864)
ajusté
NS
NS
NS
0,86
NS
NS
NS
0,98
NS
NS
0,00001419
(0,00000208)
-0,00079386
(0,00006976)
0,98
-0,00312
(0,00033884)
0,1115
(0,00500)
NS
NS
0,98
0,13178
(0,03308)
-0,00131
(0,00050933)
NS
0,1176
(0,02876)
-0,00175
(0,00066885)
0,90
0,08427
(0,01238)
0,1147
(0,00754)
-0,00060406
(0,00007767)
-0,00049556
(0,00005790)
*les valeurs entre parenthèses représentent l’erreur type liée à chaque paramètre
**NS : non significatif au seuil p=0,05
Erreur
type de la
moyenne
R2
β1
NS
NS
0,0418
(0,01153)
NS
NS
4.2.3 Comparaison des équations de prédiction locales avec celles de la littérature
Le second objectif est de valider les modèles développés à l’échelle locale avec ceux de la
littérature existante pour les mêmes espèces. Vu le nombre élevé de modèles existants pour
plusieurs espèces, un choix a été fait pour retenir uniquement les équations les plus valables
avec l’étude présente. Le choix a été justifié en fonction de la proximité de la plage
d’applicabilité des équations, de l’espèce, du type de biomasse prédite (feuilles, branches,
tiges) et de la performance des modèles.
4.2.3.1 Sélection des équations
L’Annexe G (Tableau A. 21) rapporte les modèles de prédiction qui ont été retenus aux fins
d’analyse statistique. Ils proviennent en majorité de Smith et Brand (1983) et Ter-Mikaelian
et Korzukhin (1997) qui dressent une revue exhaustive des analyses des plantes dressées et
arbustives. Quant à Lambert et al. (2005), leurs modèles de prédiction de la biomasse
aérienne sont établis pour 4 composantes indépendantes (tronc, branches, écorce, feuilles).
La plage de validité de chaque modèle est variable et les variables indépendantes utilisées
diffèrent. Certains auteurs utilisent le modèle logarithmique d’équation de prédiction et
d’autres utilisent le modèle de puissance. Le coefficient de détermination est également
rapporté pour la plupart des équations ainsi que la taille de l’échantillon qui a été utilisé
pour développer le modèle.
4.2.3.2 Analyse statistique
La valeur des équations développées dans ce travail est vérifiée dans cette section en
utilisant la fonction régression et le test statistique de t-pairé. Un test a été effectué pour
vérifier la prédiction de la littérature en fonction des modèles de prédiction retenus pour
une essence en particulier et la biomasse mesurée au préalable dans la section de l’analyse
destructive des tiges pour la même valeur de diamètre de tige en question. Le tableau
devrait s’interpréter de la manière suivante soit : vérifier la constance des liens entre la
prédiction de la littérature et la prédiction par le modèle FSR pour une espèce donnée. En
utilisant un seuil de signification à 0,05 de distinction de différence minimale, on a donc 33
équations qui ne montrent pas de différence significative dans la prédiction de la biomasse
des tiges sur un nombre total de 96 comparaisons effectuées. Dix-neuf comparaisons
85
supplémentaires s’avèrent non significativement différentes si on abaisse le seuil de
signification à 0,01. Au total, 52 comparaisons ne montrent pas de différence avec la
biomasse prédite par l’équation développée dans le présent travail et l’équation
d’application régionale ou nationale développée et présentée selon différentes formes
dépendamment des auteurs pour la même espèce (Annexe H, Tableau A. 22). Donc, pour
ces 52 comparaisons, les modèles de prédiction connus s’avèrent justes pour prédire la
biomasse à l’échelle locale. Certaines particularités de l’analyse statistique se présentent
dans les sections suivantes.
En ce qui concerne l’étude de l’aubépine, la littérature rapporte très peu d’information sur
cette essence autre que l’utilisation pharmaceutique de ses fruits. Un seul modèle de
prédiction de la biomasse, soit celui de Dickinson et al. (2010) (pour DB entre 0,3 et
5,6 cm), est disponible sous un climat semblable et prédit une biomasse aérienne
significativement différente de celle prédite par le modèle FSR. De plus, le modèle de
Dickinson et al. (2010) est basé sur un inventaire de 17 tiges dans un intervalle (DB 0,3 à
5,6 cm et avec n = 36) semblable à celui des présentes données (DB 0,4 à 9,7 cm et avec n
= 33). Cette essence s’avère très difficile à mesurer vu les épines répandues sur les tiges du
tronc aux branches. Un modèle différent du même dernier auteur a aussi été retenu pour le
pommier sauvage, pour les mêmes raisons énoncées précédemment soit un nombre réduit
de publications sur cette essence. Au seuil de 1 %, la relation de Dickinson et al. (2010) est
quand même bonne pour décrire adéquatement la relation entre la physionomie du pommier
sauvage et sa biomasse aérienne. Dans le cas de la viorne trilobée, il n’y a pas une panoplie
de modèles proposés pour cette essence, car on s’intéresse généralement davantage aux
fruits.
Les modèles prédictifs de Lambert et al. (2005) considèrent une base de données d’études
exclusivement canadienne et semblent adaptés à prédire adéquatement la biomasse aérienne
pour l’intervalle des mesures réalisées durant la présente étude dans le cas des essences de
frêne de Pennsylvanie et peuplier faux-tremble. Il s’agit d’espèces qui, à la base, n’ont pas
tendance à présenter un développement sous forme arbustif mais bien arborescent en lien
avec les modèles proposés par ces auteurs dont les sujets d’étude ont essentiellement porté
en milieu forestier.
86
Dans le cas de l’analyse du saule, qui est une essence exclusivement présente en bosquet
d’arbuste haut, il est bien représenté par le modèle prédictif de Brown (1976). Ce dernier
rapporte justement un modèle en lien avec cette forme de développement aérien. Aucun des
autres modèles prédictifs choisis parmi 15 comparaisons statistiques ne permet de
représenter adéquatement la biomasse réelle de cette essence.
4.3 Analyse des milieux
4.3.1 Description des éléments du couvert végétal sur les parcelles expérimentales et la
population relative
Le Tableau 13 présente la superficie des huit parcelles inventoriées. Chaque parcelle
représente un sol relativement homogène et une végétation qui s’est implantée depuis la
cessation des activités de cultures intensives au début des années 1990. L’analyse présente
la composition et la structure de la végétation. Les données proviennent de 391 points
d’échantillonnage ou quadrats de 0,5 m par 0,5 m répartis systématiquement dans chacune
des parcelles de 100 m². Les parcelles ont été subdivisées entre 23 et 105 sous-parcelles.
87
Tableau 13: Superficie des parcelles recensées, nombre de parcelles échantillonnées, couverture herbacée, surfaces arbustives,
végétation ligneuse arborescente (zone à grosses tiges) et surfaces marécageuses inventoriées.
Éléments d’analyse
Parcelle
1
3200
Parcelle
2
2900
Parcelle
3
3700
Parcelle
4
8000
Parcelle
5
10500
Parcelle
6
2300
Parcelle
7
6000
Parcelle
8
2500
moyenne
Nombre de sous-parcelles
de 100 m² échantillonnées
32
29
37
80
105
23
60
25
49
nombre de sous-parcelles
avec surface
majoritairement herbacées
0
1
7
2
6
4
6
2
4
Sous-parcelles à surface
majoritairement arbustives
basses (< 5 m hauteur)
32
28
23
71
84
19
53
23
41
Sous-parcelles catégorisées
arborescentes dont la
surface est constituée de
tiges > 100 mm au DHP et
> 5 m de hauteur*
0
0
7
7
15
0
1
0
4
Sous-parcelles catégorisées
de surface marécageuse *
29
29
0
0
0
0
5
0
8
Surface recensée (m²)
*Éléments de distinction qualitative importants considérant la récupération de la biomasse à l’aide du Biobaler
88
4888
Les surfaces dédiées pour les chemins, bâtiments, fossés et pâturages ne sont pas incluses
dans les sites. Les superficies individuelles sont relativement petites avec une superficie
moyenne de 0,49 ha et un total de 3,87 ha pour les 8 sites. La plus grande des surfaces est
de 1,05 ha et la plus petite de 0,23 ha. Le nombre de sous-parcelles inventoriées a été
obtenu par découpage en carrés de 100 m² (10 m x 10 m) et était caractérisé visuellement
d’abord selon la présence d’herbacées, de plantes avec grosses tiges (>100 mm DHP) à
caractère arborescent et de surfaces marécageuses avec dominance de plantes d’eau non
ligneuses telles que la quenouille ou le phragmite. Cette distinction permettait de cibler les
zones d’intervention avec l’équipement de récolte ; les zones à plantes arborescentes à DHP
>100 mm n’étaient pas récoltées avec le Biobaler. Le premier type de formation végétale
représenté à la Figure 44 était constitué de végétation herbacée pérenne. Ces formations
herbacées étaient composées d’un couvert variant entre 10 et 100% de verge d’or (Solidago
canadensis), de Calamagrostis du Canada (Calamaerostis canadensis Mixch.), d’épilobe à
feuilles étroites (Chamerion angustifolium L.), de renoncule rampante (Ranunculus repens
L.), de marguerite (Chrysanthemum leucanthemum L.) et d’asclépiade (Asclepias syriaca
L.). Dans ce même type de formation, on a également noté la présence de formation
d’arbrisseaux de framboisiers sauvages (Rubus idaeus L.) et de mûriers (Rubus fruticosus
L.) à couvert variable entre 0 et 10 %. Dans l’inventaire de la biomasse aérienne, ce type de
végétation n’a pas été rapporté vu son caractère non ligneux.
Le deuxième type de formation végétale rapporté est celui constitué majoritairement de
végétation ligneuse basse (Figure 45). Cette formation d’arbrisseaux de hauteur inférieure à
5 m ramifiés à la base à couvert variable entre 10 et 100% inclut le cornouiller stolonifère
(Cornus stolonifera Mixch.), le saule de Bebb (Salix bebbiana Sarg.), l’aulne glutineux
(Alnus glutinosa (L.) Gaertn.), la viorne trilobée (Viburnum trilobum (L.) Ait.) et
l’amélanchier (A. alnifolia Nutt). Également, sur les sites à plus haut dénivelé et bien
drainé, cette même formation pouvait inclure l’aubépine, le cerisier tardif et le pommier
sauvage. Le troisième type de formation végétal rapporté était constitué des ligneux haut
(Figure 46). On y trouve des essences arborescentes de plus de 5 m de hauteur. Le frêne de
Pennsylvanie (Fraxinus pennsylvanica Borkh.), l’érable rouge (Acer rubrum L.) et l’érable
argenté (Acer saccharinum L.) décrivent le contenu de cette formation. La moins grande
89
présence de frêne est décrite par le fait que l’espèce est tolérante à l’ombre en bas âge, mais
rapidement perd cette habileté et cause un déclin du nombre de tiges au profit des essences
comme l’érable rouge.
Figure 44: Formation herbacée
(site #4)
Figure 45: formation de type
herbacée-ligneux bas (site #8)
Figure 46: Formation de type
ligneux haut (site #5)
4.3.2 Résultats de la campagne d’échantillonnage
Le Tableau 14 présente le résultat du recensement de 391 points d’échantillonnage
systématique de quadrats (surface 0,5 m x 0,5 m) dans lequel l’essence a été répertoriée à
au moins une reprise. À cet effet, le recensement systématique effectué a permis de bien
caractériser la distribution de 12 essences végétales à travers les espaces ouverts, fermés et
en bordures des aires agroforestières.
90
Tableau 14: Nombre de quadrats dans lesquels l’essence a été répertoriée par
parcelle.
1
2
3
Parcelles
4
5
6
7
8
total
60
25
391
Nombre de quadrats total par parcelle
Essence
Amélanchier
Aubépine
Aulne
Cerisier tardif
Cornouiller
Érable argenté
Érable rouge
Frêne rouge de
Pennsylvanie
Pommier
Saule
Viorne trilobée
32
29
37
80
105
23
Nombre de quadrats dans lesquels l’essence a été répertoriée
5
4
7
1
3
5
5
12
32
9
21
12
11
9
1
1
11
2
3
4
16
9
6
13
2
2
1
27
2
3
8
18
13
4
1
30
16
4
6
2
1
10
15
1
2
10
1
4
6
1
8
4
1
2
1
1
9
4
1
20
96
11
30
109
23
13
54
10
16
38
3
91
Les principales variations dans le couvert végétal s’expliquent en premier lieu par les
éléments du relief du terrain. Les parcelles 1 et 2 sont représentées par une dépression
topographique (85 m au dessus du niveau de la mer) permettant la croissance d’essences
colonisatrices principalement arbustives (aulne, cornouiller, saule, amélanchier et
aubépine). La parcelle 3 constitue une bordure de chemin d’accès; elle est fragmentée par
un boisé de feuillus donc assez variable en terme de contenu. Les parcelles 4 et 5 étaient
situées sur des paliers topographiques plus élevés (91 m) que les précédentes, représentées
majoritairement par des milieux ouverts et ceinturés d’un boisé mature. Le frêne rouge de
Pennsylvanie était présent à plusieurs endroits sur ces étendues. Les parcelles 6 et 7
présentent une dominance relativement importante d’une végétation d’aubépines par
rapport aux parcelles précédentes à l’exception des parcelles 4 et 5. Les parcelles 7 et 8 sont
au même niveau topographique, mais la parcelle 8 est cloisonnée entre un fossé de ferme
transversal et un boisé dense. Plusieurs microsites à l’intérieur de ces deux derniers sites
rendaient propice le développement du cornouiller.
À partir des données à l’échelle réduite par quadrat recensé du Tableau 15, on peut voir
qu’il y a un nombre moyen de tiges par quadrat de 3,40 tiges par surface de 0,25 m² et
d’écart-type 1,40. On recense entre 4 essences (parcelles 1 et 8) et 10 essences (parcelles 5
et 7) sur le total connu de 12 pour la zone d’étude. La moyenne par type d’essence est
variable entre 0,04 et 1, 97 tiges par quadrat avec un écart-type de 0,24, ce qui montre à
priori que les essences ont tendance à se répéter à l’intérieur de la même surface du quadrat
échantillon.
92
Tableau 15: Nombre de tiges par quadrat de 0,25 m² par essence et par parcelle.
Essences
Amélanchier
Aubépine
Aulne
Cerisier tardif
Cornouiller
Érable argenté
Érable rouge
Frêne rouge
de Pennsylvanie
Peuplier
Pommier
Saule
Viorne trilobée
Total
parcelle parcelle
1
2
parcelle parcelle parcelle parcelle parcelle parcelle
3
4
5
6
7
8
1,69
0,24
0,76
0,14
0,3
0,19
0,68
0,09
1,3
0,23
0,92
0,28
1,48
0,1
0,30
1,00
0,11
0,03
1,15
0,04
0,15
0,59
0,21
0,39
0,91
0,09
0,33
1,02
0,02
0,80
0,05
0,04
0,05
0,04
0,03
0,04
0,03
0,34
0,16
0,07
0,11
1,24
0,1
0,03
0,01
0,07
2,14
0,28
0,15
0,07
3,12
1,16
1,97
1,75
0,06
0,14
0,21
1,94
5,72
1,17
5,31
3,6
0,08
2,22
2,82
0,24
2,24
Moyenne de tiges
par quadrat de
0,25 m²
Écart-type
0,47
0,68
1,97
0,25
0,99
0,09
0,69
0,36
NA
0,13
0,28
0,06
0,04
0,01
0,15
0,2
0,13
0,9
0,07
0,50
0,12
0,01
0,11
0,81
0,01
0,24
93
En faisant l’extrapolation simple à l’échelle de l’hectare des valeurs précédentes, on obtient
une densité naturelle théorique variable entre 47 600 tiges/ha et 228 800 tiges/ha. Ces
données d’extrapolation sont disponibles dans le Tableau 16. Le nombre de tiges total par
parcelle est de l’ordre de 130 600 tiges/ha en moyenne (± 12 417). Il s’agit d’une donnée
possible vu le nombre d’années d’abandon et la présence importante de tiges de cornouiller.
D’ailleurs, le cornouiller contribue de manière importante (soit à 31,7 %) au nombre total
de tiges par parcelle (Tableau 17). Malgré une densité importante, le cornouiller contribue
seulement à hauteur de 2,4 % de la biomasse présente totale par parcelle. Cette essence est
d’ailleurs très rarement prise en compte dans les relevés de régénération puisqu’il s’agit
principalement d’une essence à colonisation pionnière où la sélection (par les méthodes
employées sur les parterres de coupe ou activités agricoles ou méthodes naturelles comme
la compétition pour la lumière) n’a pas encore fait effet sur cette essence.
On constate que la majorité des tiges présentes sur la parcelle d’étude était constituée de
cornouiller stolonifère de densité variable, entre 15 000 et 70 000 tiges/ha (moyenne de
41 000 tiges/ha). Ce nombre relativement élevé, observé dans plusieurs parcelles, vient
biaiser l’interprétation que l’on peut faire par rapport à la biomasse végétale totale. Chez les
autres espèces, les données de densité de tiges et proportions relatives sont les suivantes en
ordre d’importance : aubépine (24000 tiges/ha avec 18 % du nombre total de tiges), le saule
(23000 tiges/ha avec 17 % du nombre total de tiges), aulne (9850 tiges/ha avec 7,5 % du
nombre total de tiges), cerisier tardif(7400 tiges/ha avec 5,7 % du nombre total de tiges) le
peuplier faux-tremble (8000 tiges/ha avec 3,3 % du nombre total de tiges), le frêne rouge de
Pennsylvanie (6000 tiges/ha avec 2,5 % du nombre total de tiges), l’érable argenté (3150
tiges/ha avec 2,4 % du nombre total de tiges) le pommier sauvage (5200 tiges/ha avec
2,2 % du nombre total de tiges), et la viorne trilobée (2800 tiges/ha avec 1,2 % du nombre
total de tiges) et l’érable rouge (1600 tiges/ha avec 0,7 % du nombre total de tiges).
94
Tableau 16: Extrapolation du peuplement avant traitement (nombre de tiges par ha).
Parcelles
Essences
Amélanchier
Aubépine
Aulne
Cerisier tardif
Cornouiller
Érable argenté
Érable rouge
Frêne rouge de
Pennsylvanie
Pommier
Saule
Viorne trilobée
total tige par ha
1
2
3
4
5
6
0
67 600
0
5 600
7 600
3 600
0
9 600
30 400
12 000
27 200
52 000
8
Moyenne par
peuplement
9 200
0
11 700
36 800
22 800
23 850
7
78 800
0
0
0
0
0
0
0
9 850
0
11 200
12 000
1 200
6 000
15 600
13 200
0
7 400
70 000
59 200
40 000
46 000
23 600
36 400
40 800
15 200
41 400
2400
4 000
4 400
1 600
8 400
3 600
800
0
3 150
0
0
2 000
1 600
2 000
1 600
1 200
2 000
1 300
0
5 600
1 200
13 600
6 400
0
2 800
0
3 700
0
8 400
0
0
0
0
0
7 600
2 000
0
0
4 400
4 000
1 200
0
11 200
0
2 600
77 600
46 800
49 600
0
400
0
6 000
0
22 550
0
2 800
0
0
0
3 200
2 800
228 800
212 400
144 000
88 800
85 600
112 800 124 800
0
1 100
47 600
130 600
Tableau 17: Contribution relative des espèces au nombre de tiges recensées (%).
Essences
Amélanchier
Aubépine
Aulne
Cerisier tardif
Cornouiller
Érable argenté
Érable rouge
Frêne rouge de Pennsylvanie
Pommier sauvage
Saule
Viorne trilobée
Total général
Fraction du nombre de tiges
(%)
9,0
18,3
7,5
5,7
31,7
2,4
1,0
2,8
1,5
2,0
17,3
0,8
100
La parcelle #1 faisait bande à part puisqu’elle était caractérisée par une faible diversité
végétale et une densité de tiges élevée de saule et d’aulne relativement mature. D’ailleurs,
95
la présence de 77 600 tiges/ha de saule semble élevée et peu représentative de la parcelle
entière.
Les diamètres des tiges recensées de manière non destructive sont présentés au Tableau 18.
Lorsqu’on classe tous les DHP moyens pour les 8 parcelles et les 11 espèces, on observe
que la majorité des tiges (73 %) étaient dans la classe de diamètre (DHP) entre 0 et 20 mm,
22,5 % dans l’intervalle 20 à 40 mm et 4,5 % dans l’intervalle 40 à 60 mm. En comparaison
avec le diamètre à la base on constate que 31,7 % sont dans l’intervalle 0-20 mm,
principalement du cornouiller, 41,3 % dans l’intervalle 20 à 40 mm et 27 % dans
l’intervalle 40 à 60 mm.
96
Tableau 18: Diamètres moyens à la base (DB) et à hauteur de poitrine (DHP) par essence et par parcelle.
Parcelles
4
5
DB en mm
Essences
1
2
3
6
7
8
Amélanchier
Aubépine
Aulne
cerisier tardif
Cornouiller
érable
argenté
érable rouge
Frêne rouge
de
Pennsylvanie
Peuplier
faux-tremble
pommier
saule
viorne
trilobée
-**
30,7
8,51
26,9
11,6
21,9
11,6
17,1
36,8
12,3
22,8
42,3
16,0
12,7
75,4
33
41,3
-
-
-
1
2
3
38,2
36,5
35,3
15,8
39,0
35,0
36,1
8,4
21,9
23,9
32,5
10,6
23,8
12,4
29,8
27,2
30,7
29,8
11,5
-
2,2
19,2
5,0
5,4
6,4
7,3
23,2
4,5
19,3
29,7
56,4
77,9
59,1
-
53,3
58,2
19,8
25,5
54,8
78,6
123,6
80,4
38,7
66,9
-
42,1
59,9
46,5
62,0
-
53,2
-
52,7
-
62,2
-
-
-
-
-
52,9
37,3
45,5
58,1
43,4
73,4
-
75,1
69,3
-
51,4
42,0
-
-
-
16,2
23,4
-
35,3
Moyenne
Parcelles
4
5
DHP en mm
6
7
8
Moyenne*
13,3
18,7
6,2
5,1
25,9
22,3
22,4
6,8
26,1
21,0
20,2
2,6
10,0
10,2
20,7
3,1
12,1
5,5
18,9
13,8
19,3
16,4
4,5
21,0
19,9
38,9
56,2
43,7
-
36,8
-
10,0
50,6
65,7
92,0
61,4
0
46,6
-
23,0
35,1
35,6
46,3
-
36,8
-
35,4
57,6
-
45,1
-
-
-
-
-
40,4
42,8
-
64,5
47,5
27,4
30,6
53,0
29,2
47,1
43,8
32,1
23,6
28,0
41,9
29,5
-
25,0
8,5
15,6
23,2
15,8
* Les moyennes de DHP présentées incluent les valeurs de diamètres de 0
** (-) L’espèce n’était pas présente sur la parcelle
97
Le Tableau 19 présente le même type d’information que le précédent, mais cette fois en
utilisant la donnée de la médiane des diamètres par essence et par parcelle. Il est intéressant
de valider à quel point la donnée médiane pour DB et DHP est modifiée par les plus gros
diamètres recensés sur les parcelles, c’est-à-dire une faible densité de grosses mesures
diamétrales. Cette donnée serait normalement plus indépendante et représentative de la
végétation que la moyenne.
Lorsqu’on classe tous les DHP médians, la majorité des tiges (73 %) se retrouve encore
dans la classe de DHP médian entre 0 et 20 mm, 26 % dans l’intervalle 20 à 40 mm et 1 %
dans l’intervalle 40 à 60 mm. En comparaison avec le diamètre moyen à la base, on
constate que 39,2 % des tiges sont dans l’intervalle de DB médian 0-20 mm, principalement
composées de cornouiller et d’aulne, 33,7 % dans l’intervalle 20 à 40 mm et 27 % dans
l’intervalle 40 à 60 mm. On peut voir que pour la mesure de la moyenne des diamètres,
celle-ci est tirée vers le haut légèrement en réponse à une représentation biaisée des tiges de
plus gros diamètre pour des moyennes de DHP supérieures à 40 mm. Également, la
médiane tend à accorder une plus grande importance aux tiges de DB entre 0 et 20 mm avec
39,2 % par rapport à ce que rapporte la moyenne de 31,7 %. La situation est similaire pour
DB compris entre 20 et 40 mm, à l’effet que la médiane indique une proportion de tiges
comprises dans cet intervalle de DB de 33,7 % alors qu’en utilisant la moyenne on obtenait
41,3 %. La situation demeure inchangée, peu importe si on utilise la moyenne ou la
médiane pour le cas des DB supérieurs à 40 mm (27 % dans les deux cas).
98
Tableau 19: Médiane des mesures de diamètre à la base et DHP par essence et par parcelle.
Essence
parcelles
1
2
3
4
5
parcelles
6
7
8
moyenne
1
2
3
DB en mm
amélanchier
aubépine
aulne
cerisier
tardif
cornouiller
érable
argenté
érable rouge
frêne rouge
de
Pennsylvanie
Peuplier
faux-tremble
pommier
-** 24,6
25,5 20,6
12,5 12,7 35,8 33,9
16,5
-
4
5
6
7
8
Moyenne*
0
0
0
18,1 17,4 24,2
-
0
9,3
-
12,7
-
0
11,7
DHP en mm
39,7 21,6 30,9 22,5 23,7
-
26,4
16,5
10,9
0
0
-
0
-
24,6
10,9
-
21,6
34,4 16,0 31,4
32,0 34,8
-
28,4
-
0
23,1
6,2
20,4 24,9
22,8
-
16,2
7,1
10,5
9,9
8,8
59,1
-
17,2
0
0
0
5,5
6,4
2,9
2,6
-
2,5
77,9 59,1
-
47,8
58,2 17,2 13,0 18,3 37,1 56,2
43,7
-
34,8
75,4 24,1
-
-
-
18,4
-
55,0
13,0 12,3
22,6 27,8 47,9
25,5 62,6 72,2 123,6 80,4 56,8
70,2
-
59,9 50,3 44,7
-
-
-
50,2 71,0 28,3
33,8 53,5 31,4
69,3
-
10,0 42,0 60,6 92,0
61,4 38,7
50,8
-
39,0
-
42,4
-
12,3 35,1 32,5 31,3
-
25,6
-
27,3
-
-
49,6
52,3
-
41,9
-
-
35,2
38,6
-
36,2
47,7
-
46,4
-
19,3
26,5
-
33,0
-
22,8
-
14,6
saule
viorne
15,1 23,4
37,2 trilobée
*Les moyennes présentées incluent les valeurs de diamètre DHP de 0
** (-) L’espèce n’était pas présente sur la parcelle
47,1
25,2
-
-
-
47,0 50,7 14,8
23,5 31,3 18,4
32,1
-
-
-
6,7
14,4
26,4
99
4.3.3 Surface terrière
La surface terrière est couramment utilisée en foresterie pour quantifier la compétition entre
les arbres d’un peuplement forestier et pourrait donc servir comme élément de base pour
caractériser les friches arbustives. Elle est représentée par la sommation de l’air des
sections transversales de tige prise à 1,30 m de hauteur et lié aux mesures de densité de tige.
Le suivi dans le temps de cette mesure donne en effet un indice précis de la productivité
ligneuse d’une parcelle, via la vitesse de croissance (en diamètre) des arbres. La surface
terrière est aussi un indice d’occupation du sol. Par ailleurs, puisque la surface terrière d’un
peuplement combine la densité et le diamètre, elle semble être un bon indicateur pour
évaluer la productivité de certains équipements forestiers. Par intérêt, plus que pour sa
valeur statistique, la surface terrière a été intégrée dans ce volet et il sera peut être
intéressant d’éventuellement comparer ces résultats avec les différents stades de
développement employés en foresterie. Les valeurs des surfaces terrières furent calculées à
partir des estimés par parcelle du nombre de tiges à l’hectare. Les parcelles #1 et #2
présentent les valeurs les plus élevées, avec respectivement 75,6 et 73,3 m²/ha par parcelle
en raison de la forte contribution du saule dans les deux cas et de l’aulne pour la parcelle
#1. La moyenne de la surface terrière pour toutes les parcelles est de 45,6 m²/ha. Les
valeurs obtenues de surface terrière pour les sites discutés de végétation pionnières
arbustives sont à interpréter avec nuance considérant le fait que certains peuplements de
forêt mature de peuplier faux-tremble dégagent normalement une surface terrière variant
entre 25 et 42 m²/ha de surface (Gradowski et al., 2010).
100
Tableau 20: Calcul des surfaces terrières (m²/ha*) par essence et par parcelle basées
sur le DHP moyen.
Essences
Amélanchier
Aubépine
Aulne
Cerisier
tardif
Cornouiller
Érable
argenté
Érable rouge
Frêne rouge
de
Pennsylvanie
Peuplier
faux-tremble
Pommier
Saule
Viorne
trilobée
somme
1
2
3
0 19,6 0
0 0,2 1,3
23,1 0
0
Parcelles
4
5
6
moyenne
Contribution
relative (%)
0
2,6
0
5,4
5,6
23,1
5,8
5,9
24,5
7
8
0,8 4 1,9
3,3 10,6 18
0
0
0
0,7
3
0
0
0,3
5,1
0,1
2,4
5
4,4
0
2,9
3,0
0,3
1,9
0,6
0,9
0,9
0,2
0,3
0,4
0,7
0,7
6,4
1,2
1,5
0,5
10
8,9
1,2
0
4,3
4,5
0
0
0,2
3,2
6,8 10,6 3,6
2,4
4,5
4,7
0
2,3
0
13,4
1,2 13,5 10,8
0
0
0 9,7
45,8 34,4 33,2
0
0
0
0
3
0
6,2
6,6
0
0
0
0
9,7
11,6
12,3
7
0
1,8
0,3
0
0
4,9
3,7
0
0
5,9
23,5
6,2
25,0
0,2
0,5
0
1,2
0
0,6
0,7
45,6
100
75,6 73,3 52,8 29,5 48,1 44,6 26,0 15,1
* Les valeurs des surfaces terrières furent calculées à partir des estimés par parcelle du
nombre de tiges à l’hectare.
101
4.4 Caractérisation du chantier de récolte et mesure des rendements de la
biomasse par récolte avec un Biobaler
Cette section présente des résultats de récolte de la biomasse à l’aide du Biobaler effectuée
en plusieurs séquences entre le 19 octobre et le 10 novembre 2011.
4.4.1 Caractérisation des opérations de récolte aux champs
La superficie des parcelles recensées initialement variait entre 2300 et 10 500 m² et en
moyenne de 4888 m². Une proportion totale de 70 % (moyenne par parcelle de 61%) du
territoire initialement prévu, soit équivalent à 2,68 ha sur 3,87 ha a été récoltée en
automne 2011. Les surfaces récoltées à l’aide du Biobaler sont variables d’une parcelle à
l’autre. C’est ainsi que seulement 9 % de la parcelle #1 a été récoltée à cause d’une
dépression marécageuse tandis que la parcelle #2 n’a pas été récoltée du tout pour la même
raison (marais). Sur les autres parcelles, les portions non récoltées s’expliquent par la trop
grande présence de grosses tiges (diamètre à la base > 100 mm et bois dur). Effectivement,
dans ces parcelles et notamment la 4, le diamètre moyen à la base des essences était de
104 mm pour le frêne rouge de Pennsylvanie, de 109 mm pour l’érable rouge et 94 mm
pour l’aubépine. Dans le cas de ces trois essences de bois dur, l’opération de récolte avec le
Biobaler est difficile vu l’effort et le temps de broyage requis pour récolter les tiges. Il n’est
donc pas efficace de s’attarder à récolter ces tiges. De plus, lors du chevauchement par le
tracteur de ces trois essences, les racines ont tendance à sortir du sol lors du pliage de la tige
vers le sol et donc présentent une difficulté technique pour l’opérateur. En excluant les
parcelles 1 et 2 (marécageuses), le pourcentage de surface récoltée a varié entre 60 et 90 %
(Tableau 21) soit 80 % en moyenne. Ainsi, en moyenne 20 % des surfaces n’ont pas été
récoltées en raison d’une végétation de type arborescente. La moyenne générale de la
surface récoltée est quand même acceptable avec 70,0 %. À cet effet, le pourcentage
d’exclusion pour cause d’incapacité technique est en moyenne de 31 % (± 40%) et varie
entre 0 et 97 % (Tableau 21). Vu l’amplitude de la variation et du nombre restreint de
données, il est difficile de conclure en une généralité. La dernière fraction de parcelle
considérée non récoltée est la partie catégorisée d’herbacée.
102
Tableau 21: Caractérisation du processus de récolte des parcelles d’études incluant la
surface inventoriée initiale, la surface effective récoltée, le nombre de sous-unités
exclues de la récolte et le pourcentage d’exclusion.
parcelle
surface
recensée
m²
surface
récoltée
m²
nombre de
sous-unités
récoltées
#
% de la surface
classée en tant
que récoltée
1
2
3
4
5
6
7
8
moyenne
écart-type
Min
Max
Total
3200
2900
3700
8000
10500
2300
6000
2500
4900
2995
2300
10500
39100
280
0
2287
6966
8462
2070
4560
2155
3347
3059
0
8462
26780
3
0
23
70
85
21
46
22
33
31
0
85
270
8,7
0,0
60,2
87,8
80,6
90,0
76,0
86,2
61,1
36,3
8,7
90,0
-
% Surface
% de surface
non récoltée
non récoltée
pour cause
classée
d’incapacité
herbacée
technique*
91,3
0,0
96,6
3,5
23,7
15,8
10,0
3,8
10,5
9,5
0,0
10,0
10,0
13,3
4,0
8,0
30,7
8,0
39,6
5,3
0,0
0
96,6
15,8
-
*surfaces exclues non récoltées (parcelles couvertes par de gros arbres ou trop humides et impossibles
d’accès) en raison d’une incapacité de récolte avec le Biobaler. Une parcelle de 10 m x 10 m a été considérée
exclue de la récolte lorsque le Biobaler n’a pas récolté au moins 50 % de la superficie de cette parcelle.
4.4.2 Caractéristiques de la biomasse récoltée
Un total de 62 balles de biomasse arbustive a été récolté sur 7 parcelles et 2,68 ha. Au
tableau 22, la masse moyenne des balles est de 422 kg matière humide (MH). Les masses
des balles individuelles variaient entre 260 et 611 kg MH (Tableau A. 23 en Annexe I).
L’analyse détaillée de chacune des balles démontre que le matériel le plus humide était
contenu dans la parcelle #5 et la teneur en eau à ce moment était de 50,3 % (Tableau 22)
alors que la plus sèche des biomasses était récoltée dans les parcelles #6 et 8 avec
respectivement 40 et 41 % de teneur en eau. On observe que la biomasse la plus humide
(parcelles #3 et 5) contenait principalement de la viorne et de l’érable rouge alors que les
balles les plus sèches provenaient des parcelles contenant principalement de l’aubépine
(parcelle #6 et 8). De manière générale, la teneur en eau moyenne pour l’ensemble des
parcelles était de 44 %. La densité de la matière pressée sous forme de balle était entre 113
103
et 149 kg de MS/m³ et la moyenne à 131 kg de MS/m³ (équivalente à 234 kg de MH/m³)
(Tableau 22).
4.4.3 Rendement de récolte
Les rendements de récolte étaient supérieurs pour les parcelles de plus petite surface soit de
14,7, 13,3, 10,5 et 16,3 t MH/ha pour les parcelles respectives 1, 3, 6 et 8. Les trois autres
parcelles de plus grande surface soit 4, 5 et 7 démontrent un rendement en biomasse de 5,7,
10,1 et 8,5 t MH/ha respectivement. La moyenne globale pour toutes les parcelles est de
11,3 t MH/ha. Sur une base de matière sèche, cela correspond à un rendement entre 3,3 et
9,6 t MS/ha et une moyenne de 6,4 t MS/ha (Tableau 22). Il s’agit de rendement brut qui ne
tient pas compte des pertes de récolte. La caractérisation des pertes générées pendant le
processus de récolte sera faite dans les sections suivantes.
Tableau 22: Caractérisation du procédé de récolte incluant le nombre de balles
fabriquées par parcelle, la biomasse totale récoltée (t MH, t MS), la teneur en eau
(TEE) et la densité des balles.
Parcelle
1
3
4
5
6
7
8
Total
moyenne
Écarttype
Min.
Max.
1.
104
Nb. de
Balles
Masse
par
balle
(kg
MH)
TEE
Surfaces
récoltées
Nb. De
balles/ha
Matière
humide
récoltée
Matière
sèche
récoltée
(t MH/ha)
(t MS/ha)
(kg
MS/m³)
Densité
des balles
(%)
(ha)
20,6
17,4
8,3
11,4
14,5
12,8
24,6
14,67
13,26
5,69
10,05
10,48
8,51
16,29
8,48
7,53
3,27
4,85
6,30
4,96
9,59
136,0
140,9
113,4
117,6
149,3
129,6
131,6
15,7
11,28
6,43
131,2
1
7
10
20
5
10
9
62
8,9
410,8
433,2
396,1
426,1
433,9
388,1
390,0
44,5
48,3
42,5
50,3
39,9
42,2
41,1
421,9
44,1
0,0280
0,2287
0,6966
0,8462
0,2070
0,4560
0,2155
2,6780
0,3830
5,9
18,2
3,8
0,2963
5,6
3,69
2,24
12,6
1
20
388,1
433,9
39,9
50,3
0,0280
0,8462
8,3
24,6
5,69
16,29
3,27
9,59
113,4
149,3
4.4.4 Temps de récolte, capacité et consommation de carburant
Sur une base de balle individuelle, le temps moyen le plus court requis pour fabriquer une
balle a été 4 min 08s à la parcelle 8 (données au Tableau A. 24 en Annexe M). Le temps
moyen pour l’ensemble des parcelles a été de 12 min 29 s). Le temps moyen de récolte par
balle était de 13 min 5 s lorsque pondéré également par balle individuelle sur l’ensemble
des 62 balles (Annexe I Tableau A. 24). Sur les parcelles 3, 5 et 6, le temps par balle fut
approximativement de 14 min par balle en raison de nombreux îlots d’arbre de gros
diamètre et de roches nécessitant de les contourner (Figure 47), en plus des zones
marécageuses (Figure 48). Les capacités de récolte sont relativement faibles, soit en
moyenne de 5,1 balles/heure variant entre 3,5 et 7,7. La capacité massique est de 1,5 à 3,2
(moyenne de 2,1 ± 0,5) t MH/h ou 0,9 à 1,8 t MS/h.
La consommation de carburant était entre 2,5 et 6,1 L/balle, et en moyenne de 4,7 L/balle.
Ceci représente de 6,1 à 14,0 (moyenne de 11,4 ± 2,8) L/t MH ou 10,6 et 28,8 L/t MS
(moyenne de 20,2 ± 5,7 L/ t MS, Tableau 23).
Figure 47: Biobaler en pleine récolte et
contournant les plus gros arbres.
Figure 48: Biobaler enlisé dans la boue.
105
Tableau 23: Caractérisation du procédé de récolte incluant la productivité et la
consommation de carburant du Biobaler WB 55 dans les friches.
Parcelle
1
3
4
5
6
7
8
moyenne
Écart-type
Min
Max
1.
Temps
moyen
Capacité de récolte
Total
Consommation de diesel
par
par balle
Balles
MH
MS
diesel
balle
MH
MS
(min:sec)
(balles/h)
(t MH/h)
(t MS/h)
(L)
(L/balle)
(L/t
MH)
(L/t
MS)
00:07:45
00:12:48
00:11:43
00:14:27
00:16:51
00:10:45
00:12:26
00:12:24
00:02:51
00:07:45
00:16:51
7,74
4,69
5,12
4,15
3,56
5,58
4,83
5,10
1,34
3,56
7,74
3,18
2,03
2,03
1,77
1,55
2,17
1,88
2,09
0,52
1,55
3,18
1,84
1,15
1,01
0,86
0,93
1,26
1,11
1,17
0,33
0,86
1,84
2,52
30,88
47,19
118,28
30,28
40,2
46,48
45,11
35,64
2,52
118,28
2,52
4,41
4,72
5,91
6,06
4,02
5,16
4,69
1,21
2,52
6,06
6,13
10,18
11,91
13,90
13,96
10,36
13,24
11,38
2,79
6,13
13,96
10,61
17,93
20,72
28,84
23,22
17,77
22,48
20,23
5,66
10,61
28,84
4.4.5 Pertes au champ
La récolte en milieu naturel implique souvent la présence de roches, d’amas de terre et de
zones marécageuses. Il est donc impossible de récolter toute la biomasse aérienne. Dans
une approche de gestion durable des milieux, il est utile de caractériser les pertes générées
par le Biobaler et de comparer avec les pertes occasionnées par d’autres méthodes. Les
résultats de pertes avec le Biobaler sont présentés au Tableau 24. Les pertes absolues ont
varié entre 9,9 et 18,8 t MS/ha (moyenne de 14,3 t MS/ha). La biomasse récoltée (taux de
récupération) a varié entre 19 et 43 % (moyenne de 31%). Ainsi, les pertes relatives ont
varié entre 57 et 81% (moyenne de 69%). Les quatre sources de pertes sont réparties
comme suit : 50 % pour les fragments <15 cm de longueur, 32 % pour les débris >15 cm,
17 % pour les pièces toujours attachées à la souche et 1,4% étaient les amas retrouvés au
sol lors du dépôt des balles. Ces dernières sont peu élevées par rapport aux autres fractions
de pertes. Les tiges non coupées constituaient en moyenne 2,1 t MS/ha de pertes (17% au
total); l’écart-type de 1,5 t MS/ha est important. Ce type de perte est principalement
106
expliqué par les tiges de gros diamètre difficiles à récolter. Dans des plantations où les tiges
ont un DHP plus faible et plus régulier, les pertes de tiges non coupées sont 20 fois
moindres, autour de 0,1 t MS/ha (Savoie et al. 2013). Quant aux débris de petites
dimensions (<15 cm), la moyenne de ce type de perte est de 7 t MS/ha (ou 50% des pertes
totales).
Les pertes représentaient donc en moyenne 69% de la biomasse totale (qui inclut la
biomasse sous forme de perte et celle récoltée mesurée) et variaient entre 56 % et 81 %. Les
parcelles 4, 5 et 6 avaient des pertes supérieures à 70%. Les multiples passages de la
récolteuse en présence des gros arbres expliquent les pertes importantes. De plus,
l’opération de récolte est plus complexe et plus lente dans ces conditions. Un deuxième
passage sur la même surface ne permet pas de récupérer beaucoup de biomasse
supplémentaire, mais il est nécessaire pour éclaircir le terrain et faciliter certaines
opérations subséquentes de travail terrain tel que soulevé par Boivin (2011). La Figure 49
illustre les pertes relatives en fonction du rendement. On note une légère baisse (de 80 à
60%) lorsque le rendement récolté augmente (de 3 à 9,8 t MS/ha). Ainsi, il est préférable de
récolter la biomasse lorsque le rendement est grand et d’éviter le recoupage des passages.
De cette façon, les pertes relatives seraient réduites au minimum. La Figure 50 et la Figure
51 montrent l’état du travail accompli par le passage du Biobaler en particulier sur la
parcelle no. 6.
107
Tableau 24: Pertes de biomasse non récoltée en quatre catégories : les longs débris >15 cm au sol, la biomasse non coupée
et restée attachée à la souche, les débris fins ≤15 cm au sol et amas suivant le dépôt des balles.
Parcelle
1
3
4
5
6
7
8
moyenne
É.-T.*
Min
Max
*Écart-type
Pertes échantillonnées par surface
rectangulaire de 10 m x 0,5 m
Longs
Biomasse
fins débris
débris
attachée à
<15 cm
>15 cm
la souche
Amas de
dépôt de
balle
Pertes
totales
Biomasse
récoltée
totale
Taux de
récupération
Pertes
kg
MH
TEE
(%)
kg TEE kg
MH (%) MH
TEE
(%)
kg
MH
TEE
(%)
(t MS/ha)
(t
MS/ha)
(%)
(%)
4,21
2,48
5,41
2,87
5,20
2,03
5,41
3,94
1,47
2,03
5,41
42,0
45,8
40,8
39,0
41,7
37,8
44,6
41,7
2,9
37,8
45,8
1,25
1,55
1,45
2,01
2,07
1,15
5,00
2,07
1,34
1,15
5,00
51,3
52,3
55,5
47,6
49,4
47,2
54,3
51,1
3,2
47,2
55,5
13,69
17,19
16,18
9,16
6,95
10,31
8,31
11,68
4,01
6,95
17,19
39,3
44,9
45,3
35,3
35,5
39,2
35,0
39,1
4,4
35,0
45,3
13,49
9,90
14,27
15,70
17,33
10,76
18,75
14,31
3,25
9,90
18,75
8,48
7,53
3,27
4,85
6,30
4,96
9,59
6,43
2,24
3,27
9,59
38,60
43,20
18,60
23,60
26,70
31,50
33,80
30,86
8,58
18,60
43,20
61,4
56,8
81,4
76,4
73,3
68,5
66,2
69,2
8,58
56,8
81,4
40,7
46,9
43,2
40,4
42,4
35,6
44,5
42,0
3,6
35,6
46,9
6,92
5,53
6,84
9,21
8,67
6,26
7,63
7,29
1,30
5,53
9,21
108
90
y = -3,0063x + 88,11
R² = 0,5845
Pertes relatives (%)
80
70
60
50
40
30
20
10
0
0,00
2,00
4,00
6,00
8,00
10,00
12,00
Figure 49: Pertes relatives en fonction du rendement récolté
Figure 50: Parcelle #6 avant la récolte avec comme caractéristiques en arrière-plan
une végétation arbustive haute et dense
Figure 51: Parcelle #6 après la récolte de la biomasse avec une présence résiduelle
d’arbres de plus gros diamètre
109
4.5 Prédiction de la biomasse aérienne par mesures non destructives et
analyse comparative avec la récolte entière
La performance de la méthode de recensement et d’estimation de la biomasse aérienne
employée lors de cette étude peut être évaluée en comparant la biomasse prédite à la
biomasse réelle qui a été récoltée et caractérisée. La prédiction de la biomasse intègre toute
la portion aérienne de chaque essence répertoriée sur les lieux de sondage, soit la tige, les
branches, l’écorce et les feuilles. La biomasse aérienne est ici prédite en tonne de matière
sèche, selon trois méthodes : l’extrapolation directe, l’utilisation des mesures diamétrales
moyennes et l’utilisation des mesures diamétrales médianes.
4.5.1 Prédiction de la biomasse aérienne par extrapolation des quadrats
La première méthode de prédiction de la biomasse aérienne consiste à utiliser directement
les données d’inventaire des tiges individuelles (Tableau A. 25 en Annexe J) et par essences
rapportées dans chacun des quadrats d’échantillonnage systématique (0,25 m²) et de leur
attribuer une masse en fonction des mesures diamétrales de chacune des tiges répertoriées.
Pour cette opération mathématique, les équations présentées dans la section d’allométrie du
présent travail sont utilisées pour la détermination de la biomasse aérienne des tiges
mesurées dans l’analyse de la surface de chaque échantillon. La masse de chacune des tiges
du quadrat est additionnée et par la suite extrapolée à l’échelle de la sous-unité de 100 m²
(10 m x 10m) et la sommation de ces dernières donne la mesure pour chaque parcelle. C’est
ainsi pour chaque quadrat. Un aperçu préliminaire des résultats par une représentation de la
fréquence des classes de biomasse a rapidement montré qu’on avait affaire à une
distribution asymétrique. C’est-à-dire qu’une fréquence quand même importante de
quadrats contenant aucune biomasse ligneuse a été notée (42 quadrats sur 391, soit 11%) et
qu’une autre fréquence élevée de quadrats contenant au-delà de 3 kg de MS/m² ou 30 t
MS/ha faisait en sorte d’allonger la distribution alors qu’il n’y avait pas de lien avec la
biomasse réelle effectivement sur place. Quatre-vingt-onze quadrats sur 391 (23%)
prédisent une biomasse à valeur potentiellement acceptable située dans l’intervalle entre 0,1
t MS/ha et 30 t MS/ha. Deux cent quarante-cinq quadrats sur 391 (63%) prédisent une
biomasse supérieure à 30 t MS/ha. Les rendements connus jusqu’à présent dans la
110
littérature pour la végétation arbustive naturelle se rapprochent d’une moyenne de 10 t
MS/ha avec cependant des variations assez importantes, mais très rarement au-dessus de
30 t MS/ha.
Le Tableau 25 présente la biomasse prédite en tonne de matière sèche par hectare et pour
chacune des essences par parcelle et la moyenne globale pour chaque espèce qui regroupe
des tiges d’années de croissance non uniforme. La biomasse présentée montre la prédiction
obtenue par extrapolation directe de la matière sèche estimée par quadrat. La prédiction
montre une biomasse moyenne de 143 t MS/ha alors que les mesures de récolte incluant les
pertes montrent 20 t MS/ha. Le ratio moyen de différence entre les deux mesures est 7 fois
supérieur en utilisant l’extrapolation directe.
Tableau 25: Biomasse prédite par ha par essence en faisant l’extrapolation simple.
Espèce
Amélanchier
Aubépine
Aulne
cerisier tardif
Cornouiller
érable argenté
érable rouge
frêne de Pennsylvanie
Pommier sauvage
Saule de Bebb
Viorne trilobée
biomasse totale prédite
par extrapolation directe
(t MS/ha)
Biomasse réelle t MS/ha
(récoltée + pertes)
ratio
1
2
3
Parcelle
4
5
6
7
NA* 57,0 NA
2,7 17,1 8,9
3,6
NA
1,2
6,7 25,2 36,8 62,2 16,3
55,3 NA NA NA NA NA NA
NA
1,3 12,4 0,2
5,6 13,6 10,1
2,7
5,1
3,7
4,8
4,4
1,4
2,6
29,9
3,4
4,7
1,3 37,8 44,2 4,8
NA
NA
0,6 11,8 29,6 35,3 17,1
NA 21,2 4,5 39,5 38,9 NA 10,1
NA 41,4 NA NA NA NA NA
NA NA 23,5 43,6 13,9 NA 39,2
75,4 83,1 75,9 NA
2,8
NA
8,3
NA NA NA
0,6
1,6
NA
4,5
8
NA
10,0
NA
NA
1,5
NA
NA
NA
27,5
NA
NA
NA
Moyenne
par espèce
t MS/ha
17,9
22,6
55,3
7,2
3,3
18,0
18,9
22,8
34,5
30,1
49,1
2,2
163,2 213,8 132,1 129,8 188,6 165,6 116,5 39,0
143,6
22,0
NA
17,4
17,5
20,6
23,6
15,7 28,3
20,7
7,4
NA
7,6
7,4
9,2
7,0
7,4
6,9
1,4
*NA : non applicable (L’essence n’était simplement pas présente)
Une analyse plus détaillée des résultats obtenus ne semble donc pas nécessaire puisque
cette première méthode d’extrapolation directe n’est pas représentative de la biomasse
réelle.
111
4.5.2 Évaluation de la prédiction en utilisant les valeurs moyennes de densité et de
diamètre des tiges
En deuxième lieu, les valeurs moyennes de DB et DHP obtenues lors du recensement ont
été intégrées dans le modèle de prédiction dans le but d’attribuer une masse moyenne par
tige (Annexe J) et les valeurs de densité moyenne par essence ont été utilisées pour estimer
une biomasse moyenne par surface. Le Tableau 26 présente les valeurs retenues pour
extrapolation par tige individuelle et par essence. On peut voir que la biomasse prédite à
l’aide du modèle utilisant le nombre moyen de tiges par essence engendre une biomasse
totale moyenne pour les 8 parcelles estimée de 73 t MS/ha. Même si la donnée de biomasse
réelle n’est pas disponible pour la parcelle # 2, on voit quand même la tendance générale à
la surestimation de la biomasse totale de près de 4 fois supérieur. Deux cas diffèrent de
cette tendance, soit la parcelle # 5 où l’on surestime 9 fois la biomasse totale et la # 8 où
l’on sous-estime celle-ci par un facteur de 3.
112
Tableau 26: Prédiction de la biomasse totale (t MS/ha) en utilisant les valeurs moyennes de
DB et DHP mesurés par quadrat (surface de 0,25 m²) et en extrapolant pour la surface
complète de chaque parcelle.
Parcelle
Moyenne par espèce
Espèces
1
2
3
4
5
6
7
8
(t MS/ha)
Amélanchier
NA
16,5
NA
2,2
18,0
2,1
2,2
NA
8,2
Aubépine
NA
0,3
2,6
20,2
38,7
14,3
9,8
2,5
12,6
Aulne
17,7
NA
NA
NA
NA
NA
NA
NA
17,7
cerisier tardif
NA
0,4
4,7
0,3
5,9
3,1
6,0
NA
3,4
Cornouiller
0,9
1,5
1,4
3,8
4,7
0,31
1,6
0,4
1,8
érable argenté
9,6
1,0
1,8
1,1
39,7
10,2
2,9
NA
9,5
érable rouge
NA
NA
0,2
9,5
31,1
8,12
10,2
NA
11,8
frêne de Pennsylvanie
NA
6,15
1,7
31,6
40,9
NA
6,0
NA
17,3
NA
12,0
NA
NA
NA
NA
NA
6,9
9,4
Pommier sauvage
NA
NA
9,0
34,9
14,6
NA
23,5
NA
20,5
Saule de Bebb
24,1
24,1
28,8
NA
3,0
NA
5,0
NA
17,0
viorne trilobée
NA
NA
NA
0,5
1,7
NA
2,7
NA
1,6
52,3
62,0
50,2
103,9
198,1
38,1
69,9
9,7
73,0
22,0
NA
17,4
17,5
20,6
23,6
15,7
28,3
20,7
2,37
NA
2,89
5,94
9,62
1,61
4,45
0,34
3,53
biomasse totale prédite
(t MS/ha)
Biomasse réelle
t MS/ha
(récoltée + pertes)
ratio
1.
113
.
La surface de l’échantillon où la végétation fut inventoriée est le premier élément
soupçonné d’altérer la qualité de la prédiction de la biomasse. Un échantillonnage
systématique permet sans doute de répondre au problème d’hétérogénéité dans la
distribution des essences, mais une surface échantillon de 0,25 m² utilisée pour le
recensement est trop petite pour pouvoir contrer l’effet de tallage des plantes. Ceci est
particulièrement vrai en présence des essences aulne et saule d’où émanent souvent
plusieurs tiges à partir de la même souche, laquelle est souvent en mesure de remplir un
quadrat échantillon sans pour autant être complètement représentatif d’une grande surface.
4.5.3 Évaluation de la prédiction en utilisant les valeurs médianes des mesures
diamétrales enregistrées.
L’usage de la médiane pour chaque DB et DHP pour prédire le rendement en extrapolant la
valeur prédite par quadrat à l’échelle de l’hectare (Tableau 27) permet d’apporter un peu
plus de précision pour la parcelle 3 en réduisant à 25 t MS/ha la prédiction, une valeur plus
près de la biomasse réelle de 17,4 t MS/ha. De manière générale, l’usage des médianes fait
baisser l’estimation générale de 73 à 51,3 t MS/ha donc il y a moins de surestimation, mais
cela demeure quand même encore élevé par rapport à la moyenne globale de la biomasse
réelle de 20,7 t MS/ha. Le ratio moyen montrant la différence de prédiction avec la mesure
réelle passe de 3,5 avec la précédente méthode à 2,7 en employant les données de diamètres
médians.
114
Tableau 27: Prédiction de la biomasse totale (t MS/ha) en utilisant les valeurs
médianes de DB et DHP mesurées par quadrat (surface de 0,25 m²) et en extrapolant
pour la surface complète de chaque parcelle.
1
2
3
4
5
6
7
8
Moyenne par
espèce
(t MS/ha)
amélanchier
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
aubépine
0,0
1,3
4,1
15,3
29,8
43,9
14,2
9,9
14,8
aulne
19,9
0,0
0,0
0,0
0,0
0,0
0,0
0,0
2,5
cerisier tardif
0,0
1,9
11,1
0,2
4,3
14,1
12,3
0,0
5,5
cornouiller
1,7
3,3
2,0
5,1
2,3
1,5
0,3
0,1
2,0
érable argenté
29,9
2,4
1,8
1,1
30,2
44,2
4,8
0,0
14,3
érable rouge
0,0
0,0
0,6
9,3
25,0
35,3
17,2
9,0
12,0
frêne de
Pennsylvanie
0,0
1,7
4,5
38,3
14,8
0,0
4,2
0,0
7,9
peuplier
0,0
33,0
0,0
0,0
0,0
0,0
0,0
23,9
7,1
pommier
0,0
0,0
14,3
39,9
0,6
0,0
11,9
0,0
8,3
saule
56,9
140,8
29,8
0,0
2,8
0,0
12,4
0,0
30,3
viorne trilobée
0,0
0,0
0,0
0,5
1,5
0,0
4,7
0,0
0,8
34,7
53,4
25,9
87,7
116,8
32,0
49,1
10,7
51,3
22,0
NA
17,4
17,5
20,6
23,6
15,7
28,3
20,7
1,6
NA
1,5
5,0
5,7
1,4
3,1
0,4
2,7
Parcelles
Espèces
biomasse
totale prédite
(t MS/ha)
Biomasse
réelle
(t MS/ha)
Ratio
1.
115
4.5.4 Rendements annualisés
Le Tableau 28 permet de montrer que le rendement annuel surfacique varie entre 79 et
142 g MS /m²/an (moyenne de 104 ± 20 g MS/m²/an ou 1,04 t MS/ha/an) de surface de sol
si on considère une croissance de 20 années. La biomasse herbacée n’est pas considérée
dans ce chiffre. Elle peut représenter un chiffre de l’ordre de 4 t MS/ha (soit environ 20 g
MS/m²/an) pour qui pourrait s’intéresser à cette donnée dans la réalisation d’un bilan plus
complet (Poetsch et al., 2009, Walker et al., 2004). Cependant, cette biomasse se retrouve
spécifiquement et plus uniformément distribuée dans les débuts d’une période d’abandon
culturale et par la suite dans les ouvertures des friches et ne présente pas de caractère
cumulable d’une année à l’autre. De manière générale, on parle d’un rendement d’environ
six à dix fois inférieur à ce qui peut être obtenu au terme d’une biomasse cumulative
récoltable de manière cyclique issue des taillis à courtes rotations de saule par exemple. Cet
indicateur permet de conclure que les milieux naturels ont un rendement nettement inférieur
et probablement plus stable par rapport aux cultures intensives et qu’en conséquence
l’investissement est très minimal.
Tableau 28: Biomasse aérienne totale mesurée, rendement et taux de croissance
annualisés en supposant 20 années de croissance.
Parcelle
1
2
3
4
5
6
7
8
moyenne
Écart-type
Min
Max
116
Biomasse aérienne totale
(récoltée + pertes au
champ)
(t MS/ha)
21,97
NA
17,43
17,54
20,55
23,63
15,72
28,34
20,74
4,04
15,72
28,34
Rendement
(g MS/m²)
Taux annuel
global
(g MS/m²/an)
2197
NA
1743
1754
2055
2363
1572
2834
2074
404
1572
2834
110
NA
87
88
103
118
79
142
104
20
79
142
Chapitre 5 : Discussion
5.1 Composition des sols en friche
5.1.1 Différences entre les sols cultivés et les sols en friche
Le Tableau 29 présente les teneurs en C organique et en N total des sols en friche observés
en 2011 et un répertoire des mêmes séries de sols en zone agricole cultivée effectué dans le
comté de Portneuf 35 ans auparavant par Raymond et al. (1976).
Tableau 29: Carbone organique et azote total de séries de sols mesurés sur des friches
en 2011 et sur des terres agricoles en 1976, dans le même comté de Portneuf.
Série de
sols
Parcelles
étudiées
en 2011
Neuville
Tilly
Joly
1-2-3-7-8
4
5-6
Carbone
organique
mesuré en
2011
4,47 %
3,07 %
3,30 %
Carbone
organique
répertorié en
1976
1,95 %
3,62 %
4,90 %
Azote total
mesuré en
2011
Azote total
répertorié en
1976
0,35 %
0,32 %
0,33 %
0,19 %
0,32 %
ND
La teneur en C organique des sols de la série Neuville mesurée en 2011 étaient 2,28 fois
plus élevée que celle des sols mesurée en 1976. Par contre, les sols des séries Tilly et Joly
avaient un niveau de C organique mesuré en 2011 inférieur de 18 et 33 %, respectivement,
par rapport aux taux moyens rapportés en 1976.
La teneur moyenne de C organique mesurée dans les huit parcelles en friche en 2011 était
de 4,0 % supérieur aux teneurs moyennes en C organique de sols en friche rapportés par
divers auteurs: 2,3 % dans une terre abandonnée au Minnesota depuis 61 ans (Knops et
Tilman, 2000), 3,0 % sur des terres abandonnées dans une région montagneuse de Chine
par Zhang et al. (2010), 2,0 % dans des sols en pente dans les Appalaches par Kalisz (1986)
et 1,0% dans des terres agricoles du Minnesota abandonnées depuis 1 à 60 ans par Zak et al.
(1990).
Post et Kwon (2000) suggèrent que le C organique augmente dans le sol à un taux de
3,1 g/m²/an ou 0,0024 % par année. Pour une période d’abandon de 21 années qui
correspond aux friches étudiées, le gain total de C organique serait de 0,05 %. Pour
117
atteindre le taux actuel moyen de 4,0 % de C organique, il aurait fallu que le taux, au
moment de l’abandon, soit de 3,95 %. Un taux de cette envergure dans un sol cultivé
pouvait se retrouver dans les séries de Tilly (3,6 %) et Joly (4,9 %) alors que la série de
Neuville avait un taux de C organique d’environ 2,0 % sous un régime en culture.
Plus anciennement, l’utilisation des amendements organiques et des rotations de cultures
pouvait faire en sorte d’enrichir ou à la limite de maintenir un taux de matière organique
relativement stable. Par ailleurs, la remise en culture d’un sol peut faire baisser le taux de C
organique rapidement, de 30% en moyenne et jusqu’à 50% dans certains sols (Chang et al.,
2014). À l’inverse, un sol abandonné va accumuler de la matière organique à cause du
dépôt de résidus faiblement perturbés au niveau du sol (Hooker et Compton, 2003). Par
contre, le cumul est peu significatif durant les 40 premières années; il devient plus
important durant la période de 40 à 100 ans d’abandon (Clark et al., 2012). Ainsi,
l’augmentation du carbone dépend des apports organiques, de la qualité de la MO et de
l’évolution de la MO dans le sol.
De façon générale, un niveau de MO variant entre 4 et 8% correspond à des sols ayant une
bonne capacité de minéralisation du C organique et une bonne productivité végétale
(CRAAQ, 2010). Selon Baize (2000), il est admis que la teneur en C organique de l’horizon
de surface d’un sol forestier ou agricole revêt un caractère non stable dans le temps,
tributaire entre autres du type de couverture végétale naturelle ou artificielle et des
pratiques culturales.
Le Tableau 29 illustre aussi les différences au niveau du N total sur des sols cultivés en
1976 et sur les sols en friche observés en 2011 après 20 ans d’abandon. Les données de
Raymond (1976) montrent des teneurs en N total entre 0,19 et 0,32 %. Les teneurs en N
total des sols en friche varient entre 0,22 et 0,48 % (moyenne de 0,34 %). Il existe peu de
variation entre les teneurs en N des sols cultivés en 1976 et celles des sols laissés en
abandon pendant 20 ans.
La concentration moyenne de N total des sols en friche (0,34%) est comparable à celle
rapportée par divers auteurs : 0,28 % (Knops et Tilman, 2000), 0,22 % (Zhang et al., 2010)
et 0,14 % (Kalisz, 1986). Ces taux sont estimés à partir de modèles prédictifs basés sur une
118
période d’abandon de 20 années. Par ailleurs, Hooker et Compton (2003) présentent un taux
de diminution de N total du sol de 14 kg/ha/an suivant l’abandon cultural. En tenant compte
de cette donnée, on peut estimer que le taux de N total perdu sur une durée de 20 ans aurait
été de 0,01 % ou 156 mg/kg. Donc, il était prévisible que le niveau de N total dans le sol
changerait peu dans le temps. Le niveau d’azote observé correspond à un sol qui, à l’époque
où il était cultivé, devait être amendé régulièrement par des applications de fumier et
d’engrais. Ainsi, la teneur en C organique et N total suit un patron connu d’évolution dans
le temps depuis l’abandon des pratiques culturales des sols.
5.1.2 Analyse de Bonferroni
En analysant les groupements issus de l’analyse de Bonferroni à l’égard de la composante
azote minérale N-NO3 du sol, on peut voir que l’absence de différence significative entre
les parcelles 1, 2 et 3 est probablement due à la présence de l’aulne fixateur d’azote
atmosphérique sous forme ammoniacale avec transformation bactérienne symbiotique
subséquente en nitrate. De plus, Hart et al. (1997) démontrent que les racines de l’aulne
rouge (Alnus rubra) peuvent influencer le taux de minéralisation du N organique du sol,
l’immobilisation microbienne du N, la nitrification ainsi que l’immobilisation du N-NO3 du
sol. Également, selon Verburg et al. (2001), la présence de l’aulne rouge augmente le taux
de N total et de N minéral dans le sol, mais cela n’a pas été démontré dans la présente
étude.
L’état du sol en début de saison (au moment de prélever les échantillons) ne montre pas
d’accumulation (sous le test d’hypothèse de la moyenne différente de 0) significative de NNH4. Il est probable que la nitrification (transformation de NH4 en NO3) ait eu lieu durant la
saison hivernale ou rapidement après la tombée des feuilles à l’automne sachant que les
concentrations de NH4 et NO3 sont le résultat de la minéralisation nette du N organique, et
que la production de NO3 dans le sol est régie par plusieurs facteurs dont : l’humidité,
température, pH, disponibilité en éléments nutritifs, nature des micro-organismes et leur
activité. Ullah et Moore (2009) ont trouvé que le taux de nitrification net dans les sols bien
drainés (18 ± 4 mg N m-2 j-1) était trois fois plus élevé que celui obtenu dans les sols mal
drainés (6 ± 3 mg N m-2 j-1). Les taux de minéralisation et de nitrification étaient plus élevés en
119
été qu'en début du printemps et de l'automne. Selon Pastor (1987) à partir de la donnée
moyenne de 3200 mg/kg de sol d’azote total, on obtient un taux de minéralisation d’environ
100 mg/kg de sol par an.
Sans apport externe de N (engrais, composts, etc), les sources d’accumulations de N dans le
sol sont : dépôts atmosphériques, fixation symbiotique, fixation non-symbiotique et
transfert entre les couches de sol. En premier lieu, l’azote des dépôts atmosphériques ne
contribue pas de façon significative dans l’accroissement de l’azote du sol. Environ 8 kg
d’azote/ha/an serait potentiellement apporté sous forme de dépôt atmosphérique au Canada
et dans le nord-est des États-Unis (Ollinger et al. 1993, Yang et al. 1996, Turunen et al.,
2004).
D’autres effets provoquent une diminution de l’azote dans le sol. Par exemple,
l’implantation des herbes et des essences ligneuses après un abandon cultural, lesquelles
utilisent l’azote résiduel du sol pour la croissance aérienne (Hooker et Compton, 2003). De
plus, la décomposition des intrants organiques des plantes requiert de l’azote. Ainsi le
rapport de l’azote sur la matière organique du sol diminue dans le temps dans les sols
abandonnés. La valeur moyenne du rapport C/N de 11 des 32 échantillons est considérée
assez faible et peut s’expliquer par le fait que la contribution des débris ligneux aux milieux
a été mineure durant les premières 25 années de l’abandon cultural. La connaissance du
rapport C/N permet de prédire la minéralisation du C et du N organique dans le sol. Il est
couramment admis que, plus le rapport C/N est élevé, plus la MO se dégrade lentement
dans le sol. De façon générale, un rapport C/N du sol supérieur à 20 ou 25 peut signifier
qu’une forte proportion du N minéral du sol sera immobilisée par les micro-organismes du
sol et par conséquent, l’azote risque de manquer aux cultures (Baize, 2000). En revanche, si
le rapport C/N est bas (<15), une forte proportion de l’azote sera disponible pour la
nutrition azotée des plantes.
120
5. 2 Développement des équations de prédiction de la biomasse aérienne
Les différences significatives décelées dans les modèles prédictifs de la biomasse aérienne
entre les divers auteurs peuvent être expliquées par différents éléments comme les formes
employées de modèles mathématiques et les degrés d’ajustement, les mesures prises en
compte dans le modèle ainsi que la taille et la provenance des échantillons. Plusieurs
modèles mathématiques ont été utilisés pour valider la performance des modèles
développés à l’échelle locale dans l’étude présente pour la même essence rapportée. Il est
connu que le DHP est une bonne variable à utiliser dans un modèle explicatif de la
morphologie d’une tige. À quelques reprises, des modèles qui intègrent comme mesure de
diamètre basal, soit le diamètre à une hauteur de 15 cm au-dessus du sol, ont été comparés
avec la biomasse réelle et le modèle FSR qui employait la mesure du diamètre à 10 cm du
sol. Il s’agit d’une première source de variation entre les modèles. Également, il y a le fait
que les modèles rapportent ou non la biomasse des feuilles dans le contenu en matière sèche
totale de biomasse aérienne. Également, le degré d’appariement de la plage de validité des
équations pour les essences rapportées dans la présente étude fait en sorte de valider ou non
l’applicabilité des modèles de la littérature pour prédire une biomasse à une tige. Parfois, la
plage de validité des modèles était assez étroite alors qu’elle était assez élargie pour la
plupart des espèces inventoriées dans le recensement. Une légère variation peut avoir lieu à
ce niveau et alors modifier la relation de comparaison. Également, la physionomie de
développement aérien différente des essences en milieux ouverts par rapport aux milieux
forestiers apporte nécessairement une relation différente dans l’allocation de la biomasse.
Au niveau technique, le degré d’ajustement R² des modèles et le nombre d’unités de mesure
ainsi que le seuil de signification retenu affectent aussi la relation de comparaison.
L’Annexe H présente les modèles développés dans la présente étude (FSR) à partir de la
biomasse réelle; on les compare avec plusieurs modèles de la littérature.
De plus, le répertoire des modèles prédictifs de Smith et Brand (1983) pour 96 essences
arbustives s’avère une bonne ressource pour l’utilisation locale dans le présent contexte
pour la prédiction de la biomasse aérienne. Les prédictions obtenues avec les équations
nationales ou régionales généralisées sont statistiquement similaires à celles des équations
121
développées pour 5 des 11 essences dans la présente étude. Dans le cas de la prédiction de
la biomasse sur les milieux hétérogènes que sont les friches agricoles, il y a plusieurs
facteurs d’imprécision de la prédiction autres que les erreurs pouvant provenir de
l’utilisation des modèles généralisés par rapport à l’utilisation de modèles locaux pour une
essence donnée. La compréhension entre les différences de prédiction devrait identifier les
bénéfices associés à l’utilisation des équations la plus adaptée en fonction du volume de
bois ou de la biomasse. La connaissance sur l’erreur de prédiction devrait aider à formuler
les variations associées à l’utilisation locale ou généralisée des équations. Le degré
d’ajustement des modèles R² et la racine du carré moyen des erreurs (RMSE) sont souvent
utilisés pour évaluer la performance des modèles. La qualité d’un modèle dépend aussi du
type de tests statistiques qui a été utilisé pour évaluer le modèle pour une plage de données
précises (Yang et al. 2004). De plus, les modèles présentement développés n’utilisent pas
toutes les mêmes variables dans l’équation, notamment l’intégration de la variable hauteur
des tiges est parfois utilisée. Le caractère laborieux attribuable aux développements de
nouvelles équations à l’échelle locale fait en sorte que les équations existantes sont utilisées
à plus grande échelle, mais il n’y a aucune certitude que celles-ci seront d’application
valable en dehors de la zone géographique d’étude originale. Pour contrer ce phénomène,
des équations développées par Lambert et al. (2005) intègrent des valeurs élargies de
différentes régions pour la même essence et ont donc plus de chance de montrer des
résultats réalistes. La généralisation de l’utilisation des modèles dépend de la plage de
prédiction pour laquelle un modèle est significatif, et semble être moins en lien avec le lieu
de développement des modèles. Le développement de modèles locaux est parfois justifié
par les différences dans la densité de la matière et l’architecture (Ketterings et al., 2001).
Alors, les analyses statistiques permettent de montrer que les modèles allométriques connus
existants sont applicables à l’échelle locale.
122
5. 3 Caractérisation des communautés végétales présentes sur les
parcelles en friche
En extrapolant le nombre de tiges par espèce observé dans chaque quadrat échantillon, on
peut voir que le nombre total de tiges varie entre 48 000 et 230 000 tiges par hectare pour
les 8 parcelles. C’est essentiellement à des fins de comparaison avec d’autres études que les
données d’extrapolation du nombre de tiges en fonction des échantillonnages sont ici
présentées. Un tel nombre de tiges est possible lorsqu’on étudie la régénération en milieu
naturel ouvert (Shroeder et al., 2009) et est cohérent avec la densité de tiges d’une
plantation dédiée de saule par exemple, où il est commun de retrouver entre 80 000 et
200 000 tiges/ha (Keoleian et Volk, 2005; Savoie et al., 2011). Des résultats antérieurs de
caractérisation des parcelles de colonisation arbustive en Abitibi réalisée par Savoie et al.
(2012) et Boivin (2010) en utilisant respectivement la méthode de la surface circulaire de
2 m et 1,13 m de rayon pour l’échantillonnage des milieux ont présenté un décompte de
tiges entre 34 000 et 76 000 tiges/ha toutes espèces confondues, mais majoritairement sous
couvert de peuplier faux-tremble, d’aulne rugueux, de saule de Bebbs, d’érable à épis et de
cerisier tardif. En milieu naturel et tel que présenté par Schroeder et al. (2009), la densité
des tiges peut varier entre de 93 000 et 105 000 tiges /ha. Des données antérieures de
Paavilainen (1980) sous couvert arbustif naturel montrent également un recensement de
l’ordre de 220 000 tiges/ha. La différence réside dans le type de milieux sous lequel la
colonisation arbustive s’est dirigée. Dans le cas d’une terre agricole abandonnée, les
essences colonisatrices profitent au maximum des résidus de fertilisation des précédents
culturaux et tel que soulevé par Motzkin et al. (1999) et Foster et al. (2002), l’importance
de tenir compte de l’historique de l’utilisation des parcelles est essentielle dans l’analyse de
la communauté végétale. De plus, le facteur historique est connu comme étant le plus
explicatif dans l’état de variation d’une communauté végétale (de Blois et al., 2001). Ce
type d’endroits est propice à la dispersion de ces espèces et avec un optimum de
développement fonction de l’humidité de sol et qui retarde le développement d’essences
forestières (Wagner, 1995). De plus, les marges des boisés tempérés et en basse altitude
sont des endroits de dispersion important pour ces espèces (Brown, 1995).
123
L’état des ouvertures créées en abondance suite à l’établissement d’un milieu naturel sur
fond de terres agricoles provoque la colonisation rapide des espèces de feuillus intolérants
comme le peuplier faux-tremble ou le cerisier tardif. Par contre, à long terme, ce type
d’espèce de feuillus intolérants ne persiste pas dans le patron de transformation graduelle
vers le milieu forestier qui sera davantage profitable aux essences tolérantes à l’ombre
comme le frêne, l’érable rouge et l’érable argenté. Toutefois, certains milieux présentent
des caractéristiques propices au développement d’essences d’intérêts commerciaux futurs
avec potentiel de devenir une forêt secondaire de peuplier ou d’érable par exemple.
La surface terrière de la végétation arbustive n’est d’ordinairement pas rapportée pour
représenter le degré de concurrence dans les communautés buissonnantes. Cependant,
Boivin (2010) a utilisé cette caractéristique pour décrire un peuplement arbustif et a mesuré
une moyenne de 8 m²/ha comprenant les espèces de peuplier faux-tremble, aulne rugueux,
érable à épis, cerisier de Pennsylvanie et saule. Les données présentes basées sur le DHP et
la densité moyenne par essence par quadrat montrent des surfaces terrières variables entre
2,6 et 18,9 m²/ha (moyenne de 10 m²/ha) et comparables aux valeurs publiées dans la
littérature. La méthode d’échantillonnage employée par Boivin (2010) était la placette
circulaire de 1,13 m de rayon (4 m2). Cette méthode résout le problème de respect des
angles dans l’établissement de placettes carrées ou rectangulaires. Il en demeure que cette
méthode doit être ajustée en conséquence pour obtenir une représentativité adéquate de
l’hétérogénéité du terrain.
Lorsqu’on utilise l’extrapolation directe, basée sur les relevés effectués, les mesures de la
biomasse aérienne disponible prédisent une moyenne de 143 t MS/ha. Cependant, lorsqu’on
attribue une masse moyenne à chaque essence définie à partir de tous les relevés et qu’on
utilise la densité moyenne des essences, la prédiction totale de biomasse se rapporte en
moyenne à 73 t MS/ha (Tableau 26) soit réduite considérablement. De plus, si on utilise la
médiane des mesures diamétrales et que l’on applique la même technique que la
précédente, la plage de biomasse totale disponible varie entre 11,8 et 135,1 t MS/ha
(moyenne de 60 au Tableau 27) soit encore plus réduite. Ceci montre comment
l’interprétation des tiges de gros diamètre doit être soignée. Notamment : la présence de
l’essence pommier sauvage de diamètre à la base de 73 mm relie une biomasse estimée de
124
10,8 kg MS ou bien 432 t MS/ha si présent au moins une fois dans le quadrat échantillon,
ce qui est théoriquement impossible. La biomasse effective disponible à partir des données
de récolte variait entre 15,3 et 28,3 t MS/ha (moyenne de 21 t MS/ha). Cette donnée est
également fidèle aux résultats de Hooker et Compton (2003) présentés à la Figure 52 où
l’on observe une ligne continue montrant l’évolution de la biomasse aérienne dans le temps
ainsi qu’une ligne discontinue indiquant la biomasse souterraine. Si on considère, par
exemple, une période d’environ 30 années depuis le début de l’abandon des parcelles de la
présente étude, on peut s’attendre à avoir une biomasse aérienne de près de 20 t MS/ha.
Effectivement, en comparant les projections théoriques de différents modèles de prédiction,
on peut voir qu’il aurait été normal d’avoir des rendements se situant entre 1,53 kg MS et
2,83 kg MS par mètre carré de surface de sol en association avec des taux de croissance de
l’ordre de 77 à 142 g MS et une moyenne de 105 g MS/m² (ou entre 1,18 et 2,18 t
MH/ha/an) de gain annuel par mètre carré de surface de sol considérant exclusivement la
biomasse sous forme de matière ligneuse.
Figure 52: Biomasse aérienne et souterraine (Mg/ha) suivant l’état d’abandon d’un
sol (Hooker et Compton, 2003)
Les estimations demeurent assez éloignées soit entre 240 et 1800 g MS/m²/an pour la
méthode d’extrapolation directe, entre 49 et 991 g MS/m²/an (moyenne de 380 g MS/m²/an)
pour la méthode de correspondance par le DB et DHP moyens et entre 59 et 676 g
MS/m²/an (moyenne de 300 g MS/m²/an) pour la méthode de la correspondance par la
médiane de la biomasse réellement disponible. En poussant l’analyse, on a pu voir que la
prédiction passe d’une surestimation importante de la biomasse totale de presque 20 fois à 3
125
fois supérieure aux rendements réels. Bien sûr, le nombre de données trop réduit ne permet
pas de tirer de conclusion très claire, mais on peut expliquer que pour le cas de la parcelle
# 5, il y a avait plusieurs arbres de gros diamètre éparpillés de manière individuelle qui
engendre certainement des erreurs d’échantillonnage étant donné une faible chance de
tomber sur un de ces arbres dans les quadrats. Dans le cas de la parcelle # 8, la végétation
très clairsemée faisait en sorte que l’on a relevé plus de quadrats de type herbacé qui
devaient présenter plus de 50 % de biomasse potentielle. Nos données d'inventaire sur le
terrain ne semblent pas pleinement utilisables pour valider la proportion des essences avant
récolte.
Tel que soulevé précédemment, la méthode par quadrat systématique demeure quand même
bonne pour montrer l’hétérogénéité de la végétation (distribution des essences), mais la
surface de 0,25 m² (correspondant à un taux d’échantillonnage de 392 x 0,5 m x 0,5m = 98
m² sur une surface totale de 36 590 m², soit 0,25 %) devra être ajustée à la hausse afin
d’obtenir un minimum de 1 m² par quadrat pour éviter d’inclure trop de tiges dans une très
petite surface et de minimiser l’effet des tiges multiples qui émanent de la même souche.
Également, tel que suggéré selon le concept d’aire phytosociologique minimale, la surface
couverte totale échantillonnée devrait être au moins de 1 % et des quadrats de surface
variable entre 10 et 25 m² (soit de 40 à 100 fois plus grand que ceux utilisés dans la
présente étude) pour des prairies ouvertes. Cependant, cela impliquera nécessairement plus
de temps de travail au champ, ce qui est à considérer vu le potentiel assez réduit de modèle
de valorisation rentable disponible à l’heure actuelle. L’utilisation de ces données d’études
d’inventaires de la végétation présente néanmoins une imprécision. En effet, elles ne sont
pas disponibles pour chaque strate des parcelles d’études, mais par strates regroupées.
Également la difficulté n’est nullement moins élevée sous couvert végétal arbustif à
dissipation rhizomateuse ou stolonifère. Les différences environnementales notamment par
la forte influence de la topographie et des caractéristiques du sol vont faire en sorte
d’affecter le patron de colonisation, d’établissement et la persistance (Flinn et al., 2005).
Or, le recouvrement des espèces semble être relié au processus de dispersion individuel.
L’implantation des essences comme le pommier sauvage et l’aubépine semble plus
difficilement explicable mais s’explique essentiellement par la dissipation des semences par
les mammifères et également de l’impact de la pâture sélective des animaux d’élevage
126
(Stover et Marks, 1998). La proximité de bordures boisées, de corridor autoroutier, de
murets de pierre, de bordure arbustive séparatrice entre les terres incite la présence
d’éléments colonisateurs notamment d’essence mature et banque de semences pouvant
avoir des répercussions sur la vitesse de colonisation des terres en friche et le type de
végétation dominante. Les modèles étudiés de prédiction de la biomasse aérienne soit
l’extrapolation directe, l’utilisation des mesures diamétrales moyennes et médianes n’ont
pas montré le degré de précision désiré. Certaines modifications devraient être faites en vue
d’intégrer d’autres variables qui tiennent compte de la distribution des essences sur les
parcelles, dans l’optique d’atténuer les effets de bosquets et de distribution hétérogène des
essences. Des travaux de recherche futurs pourraient tenir compte de cette recommandation.
L’hypothèse selon laquelle il est possible de prédire avec précision la biomasse aérienne
présente à partir de l’analyse de la surface par la méthode du quadrat systématique non
destructive avant récolte n’est donc pas vérifiée. Les principaux critères contrôlant l’état de
la végétation, qui ont été choisis lors de la construction des clés de prédiction théorique ne
s’avèrent pas être les bons. La multiplicité des tiges provoque un biais dans la mesure de la
densité réelle. Si la méthode du quadrat est utilisée à l’avenir, la surface minimale de
recensement devrait être de 10 m x 10 m et garder un taux d’échantillonnage de 10 % de la
surface suivant les principes de Sparks et al. (2002). Cependant, avec ces spécifications,
cette technique s’avère laborieuse et les auteurs conseillent de se ranger vers la technique
circulaire de rayon fixe.
127
5.4 Récolte de la biomasse
5.4.1 Caractérisation de la récolte
La biomasse totale récoltée (moyenne de 6,4 t MS/ha excluant la biomasse sous forme de
pertes au sol) était semblable aux valeurs publiés antérieurement pour différents milieux
naturels soit La Pocatière avec 8,1 t MS/ha, le nord de l’Ontario avec 7,5 t MS/ha et au
Minnesota avec 8,8 t MS/ha et cependant inférieurs à ceux de l’Abitibi de 13,4 t MS/ha.
Globalement, en intégrant les données issues de nombreuses répétitions de récolte dans les
terres abandonnées des régions précédentes, les rendements de récolte sont très étendus et
oscillent entre 2,5 à 35,2 t MH/ha ou 1,6 et 17,6 t MS/ha avec une moyenne de 9,1 t MS/ha.
D’autres résultats de Boivin (2010) en Abitibi également appuient des rendements
semblables de l’ordre de 7 t MS/ha en moyenne.
En ce qui concerne les opérations de récolte, la grande pluviosité du mois de novembre et la
non-fonctionnalité du réseau de drainage superficiel faisaient en sorte que l’enlisement était
inévitable avec la récolteuse. Sur les autres sites, le Biobaler était opéré systématiquement
sur l’entière superficie inventoriée initialement. De plus, le chevauchement des passages et
la difficile manoeuvrabilité de l’équipement en raison de la largeur excédentaire
occasionnée par les roues doubles sur le Biobaler diminuaient aussi grandement l’efficacité
en montrant une consommation de diesel supérieure aux précédentes données recueillies
dans l’étude et également publiées. Ainsi, la consommation enregistrée moyenne de 20 l/ t
MS se compare à la hausse avec les données de récolte antérieures des sites du Québec de
Savoie et al. (2012) soit 9,4 l/t MS. Cependant, une consommation semblable a déjà été
rapportée pour le site de Ste-Perpétue avec 23,1 l/t MS. Pour l’Ontario, la consommation
était en moyenne de 10,4 l/t MS alors que pour le Minnesota elle était de 7,4 l/t MS.
Cependant, la consommation de carburant subit de grandes variations puisque l’écart-type
de consommation de carburant pour la présente étude est de 5,7 l/ t MS. En ce qui a trait à
la capacité de récolte, les opérations antécédentes avec le Biobaler en milieux arbustifs
naturels indiquent des capacités variant entre 2 et 26 balles/heure avec une moyenne de 14
balles/h. Les résultats de la présente étude figurent donc dans la tranche inférieure des
valeurs potentielles avec une moyenne de 5 balles/h. Par contre, ces mesures figurent dans
un intervalle déjà publié par Lorenzi do Canto et al. (2011) de l’ordre de 3 à 4 balles/h et se
128
rapprochent des taux de Boivin (2010) de 7,5 balles à l’heure. De plus, la masse moyenne
des balles mesurées de 411 kg MH (230 kg MS/balle) se compare un peu à la baisse face
aux mesures antérieures de Savoie et al. (2012) où une masse de 464 kg, 549 kg et 484 kg
par balle a été rapportée pour les sites respectifs du Québec, de l’Ontario et du Minnesota.
La teneur en eau du matériel broyé sous forme de balles est généralement une donnée à
faible fluctuation ; la moyenne globale était d’environ 46 %.
Ainsi, l’hypothèse spécifique que les rendements et le potentiel de retrait de biomasse
mesurés à St-Augustin varient dans les intervalles connus de 4 à 36 t MS/ha est vérifiée. De
plus, les taux de récupération de la biomasse avec l’opération du Biobaler connus et variant
entre 20 et 50 % sont en accord avec les présents taux de récupération relevés variant entre
18 et 43 %. Les présents taux sont assez étendus et ne permettent pas cibler un intervalle
plus précis des données connus. Un nombre plus grand de données aurait peut-être pu
permette de cibler un intervalle plus précis.
5.4.2 Analyse par régression des composantes du chantier de récolte
La comparaison statistique effectuée vise à valider si les modèles connus dans la littérature
actuelle ainsi que ceux de Savoie et al. (2012), développés pour caractériser la récolte de la
biomasse en terres abandonnées et milieu naturel de différentes aires géographiques
incluant le Québec, s’avèrent aussi valables dans le cas de la présente étude. Le nombre
relativement faible de données, soit de 24, pour représenter les relations entre plusieurs
variables fait en sorte que les degrés d’ajustement des modèles sont parfois faibles vu
notamment les écarts-types assez grands pour la plupart des variables. Les équations de
Savoie et al. (2012) présentées aux figures A.22, 24, 26 et 28 en
129
Annexe K : Analyse du chantier de récolte par comparaison statistiques à partir des équations de
Savoie et al. (2012)ont été utilisées pour prédire une réponse des variables dépendantes des
relations de caractérisation du processus de récolte de la biomasse sur les parcelles de
travail de la présente étude. À cet effet, il fut possible de comparer la valeur prédite par le
modèle et la valeur réelle obtenue au champ.
La première relation connue est celle entre la capacité de récolte et les rendements récoltés.
Celle-ci était ajustée pour des valeurs de variables indépendantes entre 3,0 et 4,3 t MS/h.
Or, les données recueillies situent cette capacité dans l’intervalle 0,9 à 1,8 t MS/h soit plutôt
inférieure aux résultats dans la présente étude. Ainsi, cette première relation ne s’avère pas
significative avec les rendements enregistrés et donc on rejette H0 de l’égalité des
moyennes (Tableau A. 26 à Tableau A. 29 pour les données brutes et Tableau A. 31 à
Tableau A. 34 pour les résultats des analyses statistiques). On peut expliquer cette
différence dans la capacité enregistrée de l’ordre de la moitié de celle publiée par Savoie et
al. (2012) par le fait que les traitements sont effectivement différents puisqu’un second
passage a eu lieu sur la presque totalité des parcelles dans la présente étude. Ceci s’explique
principalement par les conditions de portance du sol qui obligeaient le Biobaler à détourner
les surfaces à risque d’enlisement et les microsites de tiges à gros diamètre. À cette dernière
observation, les capacités les plus faibles ont été enregistrées sur les parcelles comprenant
le plus petit nombre de tiges (groupe constitué des parcelles 4, 5, 6 et 8), mais de plus forts
diamètres. Les meilleures capacités de récolte ont été mesurées sur les parcelles avec le plus
grand nombre de tiges soit au-dessus de 100 000 tiges/ha, mais généralement de plus petit
diamètre. Les plus petites tiges ont nécessité inévitablement moins de temps à effectuer
l’opération de coupe, broyage et pressage que le passage en zone d’arbres de gros diamètre
qui implique souvent de réduire la vitesse de récolte et de passer une deuxième fois au
même endroit pour récupérer une tige qui aurait été pliée dans un mauvais angle ne
permettant pas la récolte au premier passage. De plus, si ce n’était pas de l’effet cloisonné
de la parcelle # 6 la récolte aurait sans doute montré une capacité supérieure à toutes les
autres parcelles. C’est en conditions d’un couvert dense et de tiges jeunes que le Biobaler
montre de bonnes performances globales de récolte.
130
La seconde relation étudiée est celle entre les rendements récoltés et la consommation de
carburant. Cette dernière n’a pas fait l’objet de développement approfondi, mais il s’avère
que pour le cas de cette recherche, elle montre un degré d’ajustement légèrement supérieur
à celui décelé antérieurement. Cependant le R² demeure plutôt faible avec une valeur de
0,11 par rapport à 0,31. D’un point de vue logique, plus les rendements d’un site sont
élevés plus on devrait avoir une plus grande capacité de récolte. Par contre, la relation
étudiée précédemment vient expliquer de manière approfondie la place des autres variables
affectant la capacité de récolte autre que le rendement des milieux. Dans la présente étude,
les rendements sont situés dans un intervalle assez étroit entre 3,3 et 9,6 t MS/ha.
La troisième relation étudiée est celle entre la capacité de récolte et consommation de
carburant. Cette dernière présente un ajustement assez élevé entre les deux variables
(R²=0,85) pour les données de la présente étude par rapport à ce qui a été mesuré
antérieurement (R²=0,645). Quand la capacité de récolte augmente normalement en raison
d’un accroissement de rendement, la consommation de carburant diminue conséquemment
de manière linéaire. D’autres facteurs que l’accroissement des rendements affectent la
capacité positivement soit en premier lieu l’état d’un sol qui serait normalement plus ferme,
en deuxième lieu une moins grande présence de microsite d’arbre à plus fort diamètre et en
troisième lieu des sites plus grands permettant une plus grande aisance lors du passage du
Biobaler. En agençant le plus de facteurs ensemble, ceci implique nécessairement que
moins de carburant sera nécessaire pour couper et mettre en balle la biomasse. Le modèle
de Savoie et al. (2012) suggère que la consommation de carburant peut passer de 12 à 4 l/t
MS récoltée si on considère une augmentation de capacité de 1 à 5 t MS/h. Dans cet
exercice, on parle plutôt d’une consommation pouvant passer de 28 à 10 l/t MS si on passe
d’une capacité de 0,9 à 1,8 t MS/h.
La quatrième relation étudiée est celle entre la capacité de récolte et la densité des balles.
Reconnue comme significative par Savoie et al. (2012), cette relation devrait normalement
indiquer que la densité des balles fabriquées passe de 200 à 150 kg MS/m³ quand la
capacité de récolte s’accroît dans un intervalle de 1 à 5 t MS/h. Ceci s’explique simplement
par le fait que plus le temps passé dans la chambre de compression est long, plus les balles
seront denses. L’analyse statistique démontre que pour les données de cette étude, la courbe
131
de régression développée ne permet pas de généraliser le phénomène vu le relativement
faible nombre de balles fabriquées au cours de cette recherche. L’objectif primaire serait
quand même de privilégier la capacité de récolte au détriment de la densification des balles.
Donc, de promouvoir une technique de travail qui diminuerait les coûts de récolte. La
combinaison de différentes méthodes, par exemple, faire appel au travail manuel pour
retirer les arbres de plus gros diamètre et ainsi faciliter la manœuvrabilité du Biobaler,
serait une approche facilement réalisable. L’identification des zones à risque d’enlisement
par des rubans, l’utilisation d’un pôle de tire plus court (équipement en option), et
l’amélioration de la portance de la machine devraient permettre des gains d’efficacité
entraînant ainsi un accroissement de capacité. Ce chantier de récolte qui s’est déroulé avec
l’usage de roues doubles sur la récolteuse pour en améliorer sa portance faisant en sorte
d’affecter négativement la capacité de récolte en raison de la perte importante de
manœuvrabilité et du temps de maintenance des roues doubles (détachement, crevaison). À
cet effet, la difficulté de manœuvrabilité de la machine et le fait que le Biobaler doive se
frayer un chemin dans la végétation constituent des éléments importants qui affectent la
productivité. Ce fait a d’ailleurs déjà été rapporté par Lorenzi do Canto et al. (2011). Tel
que soulevé par Boivin (2010), la faible capacité portante est un facteur limitant pour la
récolte, car dès que le sol offre une portance intrinsèquement faible, le Biobaler s’enlise
automatiquement. Cette situation nécessite une vigilance très importante de l’opérateur
pour réorienter le tracteur vers une zone plus portante dans un éventuel besoin de limiter les
efforts nécessaires pour dégager l’équipement. C’est un facteur primordial, car les terres
marginales sont souvent mal drainées. Autrement, les équipements traditionnels chenillés
vont s’adapter plus facilement à la situation. Un dégagement et une analyse préliminaire du
milieu par certaines opérations manuelles ne peuvent qu’assurer un plus grand degré
d’efficacité si on considère des opérations de conversion vers l’agriculture.
Les relations de régressions de Savoie et al. (2012) ne permettent pas d’expliquer les
résultats de la présente étude. Pour les équations de la littérature décrite ci-dessus, on rejette
l’égalité dans tous les cas entre les valeurs prédites et les valeurs réelles. Les comparaisons
sont disponibles aux Tableau A. 26 à A. 29 alors que les résultats des analyses statistiques
sont disponibles aux Tableau A. 30 à A. 34. Ainsi, l’hypothèse de départ qui visait à valider
132
l’usage des modèles connus pour prédire les caractéristiques de l’opération de récolte n’est
pas vérifié vu la présence de différence significative avec les modèles connus.
L’étude présente a donc permis de montrer que le Biobaler peut traiter une surface de 0,20
ha/h avec un écart-type de 0,04 ha/h, un maximum de 0,28 et minimum de 0,19 ha/heure en
opération continue. Cependant, ce taux de récolte ne considère pas le temps nécessaire pour
dégager la machine au besoin et le temps de transport entre les sites. Le retrait de la
végétation par une pelle mécanique munie d’un broyeur est connu comme pouvant varier
entre 0,15 et 0,20 ha/h. Des études en milieux naturels de Boivin (2010) tendent également
à confirmer que sur la base des heures machines productives, il est possible d’obtenir un
rythme de 0,237 ha/HMP soit 1 ha en environ 4 heures. Constat semblable pour Lorenzi do
Canto et al. (2011) alors qu’on rapporte une productivité de 0,30 ha/h. Si on considère les
équations d’estimation de la productivité des broyeurs forestiers montés sur pelle
hydraulique (Cormier 1991), où le taux de récolte est prédit à partir de la densité de tiges,
on a tendance à sous-estimer la productivité du Biobaler si on emploie cette dernière
méthode d’estimation. Boivin (2010) rapporte que pour une productivité de 0,237 ha/HMP
la formule aurait proposé une productivité de 0,17 ha/HMP. Le Biobaler se présente comme
une avenue intéressante de conversion de friches. Un avantage dans l’usage du Biobaler
peut provenir de la vente à l’externe de la biomasse générée au champ ce que ne permet pas
la technique alternative de broyage systématique sur place. La pelle hydraulique peut
bénéficier de l’avantage de pouvoir opérer quelles que soient les conditions de sol et à
l’année et dans certains cas de permettre une légère incorporation de la matière végétale au
sol et de broyer les souches dans un seul passage au besoin. À cet effet, le Biobaler peut
être utilisé profitablement pour le nettoyage de sites colonisés par des espèces arbustives de
diamètre jusqu’à 100 mm pour une remise en état de culture rapide et accessible (Savoie et
al., 2009). Les données de vitesse de progression n’ont pas été mesurées pour la présente
étude, mais se situent dans l’intervalle déjà connu de Boivin (2010) et Lorenzi do Canto et
al. (2011) de 2 km/h.
133
5.4.3 L’analyse du recouvrement de la biomasse
Les taux de récupération de la biomasse présentés dans l’étude actuelle sont inférieurs à
ceux publiés par Savoie et al. (2012) de l’ordre de 43,8 et 72,9 % pour des terres en friche
de l’Abitibi correspondant à un tonnage total de biomasse récoltée et de pertes de 6 et 10 t
MS/ha. Dépendamment des conditions, le Biobaler est un appareil qui peut récupérer plus
de 70 % de la biomasse totale. En effet, les taux de récupération obtenus par Savoie et al.
(2012) lors de l’utilisation du Biobaler en milieux naturels au Minnesota sont également audelà de 65 % pour différents sites (Madelia avec 72,3 %, Afton A avec 75,8 % et Hibbing
avec 73,5 %). D’autres mesures de Schroeder et al. (2009) et Lorenzi do Canto et al. (2011)
montrent des taux de récupération respectifs de l’ordre de 62 et 43 % dans diverses
parcelles de terres marginales et milieux naturels.
En comparaison, l’étude actuelle ajoute un volet systématique et plus complet aux mesures
de biomasse présentes sous forme de pertes après la récolte en analysant plus
spécifiquement les pertes sous forme de fragments mal coupés toujours attachés à la souche
primaire et la biomasse issue des amas de balles au moment du dépôt. Le pourcentage de
fins débris est de 55 % (somme de la masse des particules <15 cm et du contenu des amas
de balles) tandis que le pourcentage de débris grossiers (somme de la masse de particules
>15 cm et pièces mal coupées) est de 45 %. La présente recherche apporte une nuance aux
résultats d’études antérieures qui rapportaient que la biomasse laissée sur place était
constituée en majorité (90 %) de longues pièces (>15 cm de longueur) et qu’une faible
proportion (<10 %) de la biomasse totale était sous forme de fins débris de bois (<15 cm de
longueur). Pour le même type de fins débris, en plantation, ces pertes étaient aussi les plus
importantes (84% du total ou 1,96 t MS/ha en moyenne) avec un Biobaler selon Savoie et
al. (2013). Les fins débris au sol avec le Biobaler sont plus importants parce que la machine
circule plus lentement et plus difficilement, laissant au sol une quantité de résidus. Ces
pertes sont issues du processus de coupe et broyage, de l’effet du rotor qui projette les
particules et du procédé interne de la machine qui occasionne des pertes à cause de la nonétanchéité de la porte arrière. Ceci indique que le Biobaler perd des copeaux au sol de façon
continue indépendamment du rendement. À cet effet, les données présentées dans ce
mémoire sont relativement différentes des études antérieures qui n’ont pas fait l’objet d’une
134
collecte systématique et détaillée de la biomasse laissée au sol sous forme de résidus de
récolte par le Biobaler. Si on ajoute la biomasse sous forme de pertes aux rendements de
récolte mesurées, on obtient pour les différentes parcelles un rendement total de la
biomasse aérienne variant entre 13,2 et 28,3 t MS/ha.
À titre de comparatif, dans le cas d’opération de déblaiement mécanique à l’aide de la
technique du rouleau débroussailleur CIMAF, celle-ci laisse en moyenne environ 30 m³/ha
de résidus fins au sol après passage (Cormier, 1991). En utilisant la densité apparente de la
biomasse des résidus forestiers de 320 kg/m³ à une teneur en eau de 50 %, on obtient une
masse de 4,8 t MS/ha laissée au sol suivant le déblaiement mécanique du CIMAF. En
moyenne, le Biobaler laisse 14 tonnes de matière sèche par ha de résidus sous différentes
formes (Figure 53) après passage, sans compter la biomasse entière non traitée sur tige
(Figure 54), donc un tonnage de résidus largement supérieur aux équipements connus dans
le domaine forestier. Malgré le fait d’avoir effectué deux passages dans l’optique de
récupérer le plus possible de biomasse, cette technique n’a pas présenté les résultats
escomptés si ce n’est que de réduire la superficie couverte à l’heure de presque la moitié.
Dans l’ensemble, le Biobaler offre une qualité de préparation de terrain assez intéressante
(Figure 55). Sa faible capacité portante devra toutefois être corrigée.
Figure 53: Pertes importantes
de biomasse aérienne suivant
l’acharnement à récolter des
tiges à fort diamètre à la
parcelle #5.
Figure 54: Tiges résiduelles
de DHP > 100 mm et de 15
années d’âge à la parcelle
#6.
Figure 55: Parcelle #7
complètement nettoyée de sa
biomasse aérienne arbustive.
Si l’enjeu principal est de retirer la biomasse indésirable sur les terres, les pertes au sol ne
sont pas très importantes à considérer, mais dans l’optique d’une éventuelle remise en
135
culture annuelle par exemple, il sera plus important de caractériser ces pertes pour sa prise
en compte dans un programme de fertilisation et détermination d’un bilan humique. Cela
donne également un aperçu du travail au champ qu’il reste à effectuer suite au passage du
Biobaler sur des parcelles en friche. Par exemple, la trop grande présence de tiges mal
coupées pourrait nécessiter du travail manuel de taillage et/ou le passage d’équipements
spécialisés. Un autre problème important est la hauteur de la coupe qui n’est parfois pas
assez basse par rapport au sol. Ceci cause de nombreux de nombreuses tiges mal coupées et
biseautées qui présentent des dangers importants pour l’opération subséquente de
reboisement. Ce problème pourrait néanmoins être possiblement réglé par une plus grande
expérience de l’opérateur ou encore en repassant une deuxième fois le Biobaler dans les
endroits les plus problématiques. Cette dernière solution entraînerait toutefois une baisse de
la productivité.
5.5 Analyse de coût
Le coût de récolte de biomasse sur des terres en friche avec le Biobaler a déjà été calculé
dans une autre étude de Savoie et al. (2012). Cette récente étude supposait une valeur à
l’achat de 150 000$ pour le Biobaler (Groupe Anderson, 2012). L’utilisation d’un tracteur
de 135 kW muni de protection supplémentaire et de pneus forestiers coûtait aussi 150 000$
à l’achat. Les coûts fixes annuels pour ces deux machines sont considérés être 15 % du prix
d’achat. L’étude considérait utiliser le Biobaler pour traiter un total de 500 h/an alors que le
tracteur était utilisé 1000 h/an. Les coûts de réparation et d’entretien correspondaient à 2 %
du prix d’achat par 100 heures d’utilisation pour le Biobaler et 1 % pour le tracteur, soit
respectivement 30 et 15 $/h pour chacune des machines. Le coût lié aux changements des
couteaux de remplacement n’est pas ordinairement inclus dans les coûts de réparation et
entretien des équipements et est très variable d’un équipement à l’autre vu le mode
d’opération et l’opérateur. Ce coût peut varier entre 3 et 8 $/h (Savoie et al., 2012). Mais
compte tenu de l’information réduite sur l’utilisation moins répandue du Biobaler, les
auteurs ont considéré ce coût de remplacement des couteaux déjà inclus dans le coût de
réparation et d’entretien du Biobaler.
136
Pour le calcul des coûts de base d’opération du Biobaler en milieu naturel, Savoie et al.
(2012) ont utilisé les hypothèses suivantes : des conditions d’opération propices au bon
fonctionnement (milieu relativement sec et uniforme), une capacité de 20 balles/h de
500 kg d’humidité à 50 % (soit 5 t MS/h), une consommation de carburant de 5 l/ t MS et
des rendements de biomasse récoltée de 15 t MS/ha. Le prix du carburant était calculé à
1,00 $/l et l’opérateur à 15 $/h. Le coût de la corde de ficelage était de 2,50 $/t MS.
Considérant ces informations, le procédé de récolte comprenant le tracteur et le Biobaler
coûtait 165 $/h ou 33 $/t MS. Le montant par tonne de matière sèche grimpait à 64 $/t
lorsque le taux de récolte baissait de moitié, soit une balle à toutes les 6 minutes (10
balles/h ou 2,5 t MS/h), ce qui arrive dans des conditions de récolte plus difficiles.
Or, dans la situation de récolte à St-Augustin-de-Desmaures à l’automne 2011, les
conditions de récolte étaient très difficiles. Basé sur nos données expérimentales et au cas
moyen de capacité de 5,1 balles/h, de masse moyenne 422 kg MH ou 236 kg MS et
consommation de carburant de 20,2 l/ t MS, le coût moyen d’opération est semblable à 165
$/h. Par contre, ceci équivaut à 141 $/t MS ou 32 $/balle.
Nos propres données s’avèrent également supérieures à celles de Hébert (2012) qui
présentait un coût de récolte entre 31 et 44 $/t MS en milieux naturels pour une capacité
moyenne de 5 t MS/h selon différents scénarios. Cependant, la capacité de récolte est très
variable et il est difficile d’établir une capacité unique pour un site donné.
Selon nos données, le coût de pressage de la biomasse dans un rendement moyen de 9,1 t
MS/ha (40 balles/ha) est de 1282 $/ha. Comme ce procédé est relativement récent et que
nos études étaient de courte durée, on ne dispose pas de données techniques pour estimer le
coût de récolte des plantes arbustives à long terme. Cependant, Lorenzi do Canto et al.
(2011) et Esteban et Carrasco (2011) rapportent des coûts très semblables soit 1219 $ et
1246 $/ha basée sur un rendement en biomasse de 21 t MS/ha, c’est-à-dire correspondant à
de 58,50 $/t MS respectivement pour effectuer des travaux mécaniques de base de coupe et
empilement sur place de la biomasse en conditions de milieux naturels envahis de
végétation buissonnante. Ces coûts sont en lien avec les coûts proposés par le MRN (2013)
137
de 1400 $/ha. Le même travail qui inclut la coupe et le déblaiement des broussailles mais
effectué manuellement peut coûter jusqu’à 400 $/ha selon Teutsch (2008).
Les principaux coûts d’extraction de la biomasse en sols abandonnés peuvent néanmoins
être comblés partiellement par une valeur de revente de la biomasse et ultérieurement
supportés par l’aide financière fournie par les agences de mise en valeur telle que proposée
par Boivin (2010). Il peut être possible de traiter ultérieurement la biomasse par un broyeur
stationnaire et de la dédier à l’utilisation de paillis végétal. Certains autres avantages au
contrôle de la végétation en milieux naturels incluent la prévention des feux de broussailles
en périphérie des zones urbaines et la vente de la biomasse récoltée. À l’heure actuelle, la
vente de la biomasse pour son utilisation industrielle dans une centrale énergétique peut
représenter des revenus d’environ 70 $ la tonne sèche tandis que la vente de la biomasse
comme paillis ornemental, peut représenter des revenus de près de 260 $/t MS.
138
Chapitre 6 : Conclusion du mémoire
Les sols d’une surface de friches agricoles ont été analysés pour montrer les niveaux de
carbone organique et d’azote minéral. Ceux-ci ont peu changé sur une période de 20 ans par
rapport aux niveaux observés sur les sols semblables cultivés. Les sols déjà riches au
moment de l’abandon ont maintenu des niveaux élevés de carbone organique et azote total
en raison de pratiques antérieures d’application de fumure organique. Le climat tempéré et
le type de sol peuvent expliquer que les changements s’exécutent très lentement. Selon
d’autres auteurs, des études sur une plus longue période de 40 à 100 ans sont nécessaires
pour observer des changements importants dans les composantes chimiques des sols.
Des équations de prédiction de la biomasse ont été mises au point pour 11 essences
arbustives observées sur une terre agricole abandonnée depuis 20 années. Nous avons
ensuite comparé nos équations à celles qui sont fréquemment utilisées dans la littérature et
qui ont été mises au point à partir de peuplements matures. Les degrés d’ajustement par
essence individuelle varient selon la population de référence et le nombre de paramètres
dans le modèle. Les tiges avec un DHP plus petit que 10 mm sont souvent négligées mais il
demeure souhaitable de les mesurer et de les intégrer dans la mesure de la biomasse
aérienne totale. Les modèles connus développés à l’échelle nationale ou régionale s’avèrent
relativement bons pour prédire la biomasse par tige individuelle en fonction des diamètres à
la base et à hauteur de poitrine.
L’estimation de toute la biomasse aérienne sur une grande surface demeure toutefois une
tâche difficile. Le travail d’inventaire direct au champ s’est avéré fastidieux et n’a pas
donné de bons résultats (une surestimation de 300 % du rendement réel). Le potentiel des
méthodes alternatives comme la photo-interprétation devrait être examiné. De plus, la
biomasse des sites abandonnée présente normalement une faible valeur commerciale, car la
plupart des espèces répertoriées avaient un DHP inférieur à 9 cm ce qui est le minimum
selon les normes du commerce du bois. Cependant, cette biomasse de petites tiges peut
représenter un volume important et valorisable sous une autre forme que le commerce du
bois. La récolte avec le Biobaler permet de récupérer une portion de la biomasse au champ.
139
On estime alors les rendements totaux en additionnant les pertes observées selon les
méthodes décrites plus tôt. En moyenne, 6,43 t MS/ha fut récolté avec le Biobaler tandis
qu’il restait encore 14,31 t MS/ha non récoltées, pour un rendement total moyen de 20,7 t
MS/ha.
Une meilleure connaissance de la biomasse des communautés buissonnantes devrait fournir
des informations utiles pour sa valorisation. L’étude de la disponibilité à l’échelle locale, de
l’étendue et de la caractérisation des surfaces agricoles abandonnées avec potentiels de
remise en culture constituent les facteurs clés dans la mise en valeur potentielle d’une
ressource locale. Les données obtenues dans ce travail montrent l’état d’une surface de terre
agricole abandonnée depuis plusieurs années comme il est courant d’en retrouver ailleurs
sur le territoire québécois. Il faut développer d’autres façons plus appropriées pour évaluer
la biomasse aérienne de façon plus précise et moins coûteuse. L’utilisation de la photointerprétation pourrait s’avérer d’intérêt vu la disponibilité de plus en plus élargie des
images aériennes de bonne qualité. L’évaluation par la méthode du volume
d’encombrement (Étienne, 1989) pourrait aussi permettre d’améliorer la précision dans
l’évaluation de la phytomasse arbustive. La nature complexe de la structure de la végétation
demeure un grand défi à résoudre. La mise à jour des interactions entre les composantes
chimiques des sols va permettre d’orienter certains travaux d’aménagements futurs dans
l’optique de faire une gestion efficace et durable des sites abandonnés.
Dans cette étude, il a été démontré que la récolte de la biomasse arbustive à l’aide du
Biobaler est possible sur une terre agricole en abandon depuis plus de 20 ans. Cette
méthode a été utilisée pour récolter la biomasse arbustive sur 69 % (2,67 ha) de l’aire totale
initialement recensée, et ce, subdivisée en 7 différentes parcelles variant entre 0,02 et 0,85
ha.
Les surfaces non récoltées avec le Biobaler s’expliquaient soit par une faible portance du
sol, soit par un secteur avec des arbustes trop gros (DB>100 mm). Un total de 62 balles a
été fabriqué. Les balles ont été pesées individuellement et la masse moyenne était de 413 kg
de matière humide avec un taux moyen d’humidité de 44 %. Les rendements récoltés ont
varié entre 3,3 et 9,6 t MS/ha avec une moyenne de 6,4 t MS/ha. Le Biobaler a été en
mesure de récupérer en moyenne 31 % de la biomasse totale. La biomasse non récoltée
140
(14,3 t MS/ha) était répartie comme suit : longs débris au sol (32 %), fins débris au sol
(50 %), pièces non coupées rattachées aux souches (16,8 %) et amas ponctuels propres à
chaque dépôt de balles (1,2 %).
Le projet a permis d’estimer les coûts reliés à l’utilisation du Biobaler. En fonction des
paramètres connus d’opération de la machine (165$/h) et des capacités notées dans la
présente recherche (5,1 balles/heure ou 1,2 t MS/h), les coûts de récolte correspondent à
32 $/balle ou 141 $/t MS. Si on évite le recoupage des passages, il serait possible de se
rapprocher des valeurs de capacité de récolte publiées par d’autres études, soit près de 15
balles/h. De plus, on a pu montrer que les rendements des parcelles d’âge estimé à 20
années ont varié entre 13,2 et 28,3 t MS/ha. La récolte de biomasse et la préparation de
terrain réalisées par le Biobaler ont été évaluées en lien avec les études déjà publiées sur le
sujet. Nous avons pu déterminer les avantages et les problématiques de ce nouvel
équipement qui pourront servir afin de corriger certains points faibles et améliorer sa
productivité. On a pu voir que la qualité du travail accompli par le Biobaler réside dans le
pourcentage de biomasse laissée (i.e. non récoltée) au champ suivant l’opération de récolte,
la présence résiduelle d’arbres de plus gros diamètre et plus particulièrement, des
conditions de sol au moment de la récolte. De plus, le bénéfice net associé à la récolte de
biomasse dans les friches agricoles est clairement influencé par l’efficacité de la machine.
Des améliorations futures sont souhaitables quant à l’optimisation du trajet de récolte
préalablement à l’introduction de la machine au champ. La compréhension de ces bilans
conduit à s’intéresser à des formules mixtes, plus économiques et plus efficaces. On peut
conclure que la marge de manœuvre est très mince pour s’assurer que l’opération soit
rentable dans le contexte actuel compte tenu du faible potentiel qu’offre la récupération de
la biomasse sur les terres en abandon. Les terres vont nécessiter d’autres travaux
d’amélioration d’importance (drainage, nivelage, chaulage, fertilisation) qui ne pourront
s’autofinancer avec les seuls revenus de la biomasse récupérée.
141
142
Chapitre 7 : Recommandations
L’analyse des parcelles en friche montre un pH moyen (4,95) légèrement acide. Ainsi un
chaulage devrait être effectué pour le retour en culture. Également, une fertilisation azotée
sera nécessaire, accompagnée d’une vérification du drainage de surface et de l’égouttement
de l’horizon cultural. Selon le niveau des résidus de récolte laissés sur place, il sera
important de faire un suivi de l’évolution de la teneur en azote du sol pour répondre aux
besoins de la culture durant les années suivant son implantation.
La minéralisation de la matière organique est de l’ordre de 1 à 2,5 % par année (CRAAQ,
2010). Pour maintenir un niveau total de 3 % dans le sol (soit environ 67 200 kg de MO par
hectare en fonction d’une masse volumique typique de sol de 1,30 g /cm³), il faut remplacer
annuellement 1680 kg/ha principalement par l’incorporation de résidus de culture. Ainsi, 40
à 50 % des résidus de culture devraient être laissés sur place après la récolte. Les résultats
obtenus dans le présent travail ne soulèvent pas d’inquiétude sur l’appauvrissement de la
MO des sols. La conversion de terres naturelles en surfaces cultivées fait diminuer
rapidement la teneur en carbone organique. Les raisons principales sont la réduction des
intrants de MO, l’accroissement de la décomposition des résidus de culture et le travail du
sol qui diminue la protection physique à la décomposition.
Durant la période où un sol est en friche, le matériel se décompose moins vite et résiste
dans le temps à la dégradation (racines, tiges). Il est possible de voir une diminution de la
MO durant la période entre la phase herbacée et la phase ligneuse (Post et Kwon, 2000). Au
fur et à mesure que l’implantation ligneuse se fait, le C organique augmente à cause de
l’épaississement de la litière de résidus ligneux. La caractérisation de la MO et des résidus
de récolte sur les terres abandonnées pourra donner un aperçu du point de départ et des
changements futurs potentiels pour adopter une gestion écologique durable. La composition
des essences et les débris ligneux sont des facteurs importants à prendre en compte dans les
stratégies de gestion.
Il serait avantageux d’envisager récolter la biomasse à l’aide du Biobaler durant les
moments secs de l’été étant donné que l’option d’attendre le gel automnal figure parmi les
143
options les moins avantageuses. Depuis quelques années, le gel significatif arrive très
tardivement en automne vers le 15 décembre. De plus, il n’est pas rare qu’à cette période
une bonne bordée de neige soit déjà tombée et reste au sol arrêtant ainsi la récolte pour le
reste de l’année. En été, certaines périodes sèches pourraient être propices pour une récolte
de la biomasse au champ avec l’équipement. L’option est sur la table et mérite d’être
analysée. Par l’évaluation de la qualité de préparation des sols et la portance du sol, un
choix pourra être effectué par les gestionnaires.
La présente étude a mis en lumière le potentiel de la biomasse récupérable d’une terre
agricole jadis abandonnée. Il serait très intéressant de réaliser d’autres projets afin de mieux
prédire la quantité de biomasse avant la récolte et la proportion récoltable par le Biobaler.
Cet élément serait utile dans le cadre d’une utilisation accrue de la biomasse à des fins
énergétiques ou autres. Il serait aussi d’intérêt de vérifier l’option d’intervenir à intervalles
fixes (par exemple, aux 15-20 ans) pour récolter un rendement total d’environ 20 t MH/ha.
L’emploi du Biobaler pour la remise en valeur des terres en friche permettrait de générer un
revenu par la vente de cette biomasse en plus de présenter des économies en réduisant le
volume de broyage subséquent. Présentement, les promoteurs dans ce domaine sont mal
outillés pour faire face à la gestion efficace des chantiers en ce qui concerne notamment
l’estimation des coûts d’extraction de la biomasse et le retour à l’état de culture des
champs. Les coûts estimés initialement sont ajustés en fonction du temps passé sur place et
des pièces d’équipements, principalement les dents de broyage, à remplacer après
l’opération. À cause de la difficulté d’estimer les coûts, peu d’initiatives de remise en
culture de terres en friche voient le jour.
Dans le cadre d’un autre projet, il serait pertinent de réévaluer toutes les opérations avec
plus de précision afin d’estimer les coûts réels d’utilisation du Biobaler et de valider les
présentes données. Il serait approprié d’évaluer les coûts totaux de production de biomasse
à des fins énergétiques. Les coûts de ramassage, transport, séchage et déchiquetage
devraient également être évalués. Tous ces éléments auraient pour but d’estimer les coûts
globaux de production en énergie ($/GJ). En outre, il serait souhaitable d’apporter certaines
modifications au Biobaler afin d’en améliorer la flottabilité.
144
Chapitre 8 : Ouverture
Il est probable que l’ère de l’abandon des terres agricole s’estompe vu la volonté des
intervenants à mieux utiliser nos ressources (sol, eau, biodiversité, air) et à satisfaire nos
besoins sans compromettre la durabilité de l’environnement. L’estimation de la biomasse
est requise afin de déterminer les échanges du carbone et ainsi d’appuyer la gestion durable
du territoire.
Un bilan plus complet des technologies de récolte et de traitement de la biomasse
(ramassage, transport, séchage, broyage) serait également souhaitable pour optimiser la
remise en culture des terres abandonnées et identifier le potentiel du Biobaler dans ce
processus. L’amélioration de certains points importants sur le Biobaler, comme la
flottaison, pourrait augmenter significativement sa productivité.
145
146
Bibliographie
Abrahamson, L.P., Volk, T.A., Kopp, R.F., White, E.H., et Ballard, J.L. (2010). Willow
biomass producer’s handbook. State University of New York, Syracuse, NY, 27 p.
Document récupéré le 24 mars 2011 de :
http://www.esf.edu/willow/pdf/2001%20finalhandbook.pdf
Abrahamson, L.P., Robison, D.J., Volk, T.A., White, E.H., Neuhauser, E.F., Benjamin,
W.H. et Peterson, J.M. (1998). Sustainability and environmental issues associated with
willow bioenergy development in New York (U.S.A). Biomass and Bioenergy, 15(1):1722.
Alberti, G., Peressotti A., Piussi P. et Zerbi G. (2008). Forest ecosystem carbon
accumulation during a secondary succession in the Eastern Prealps of Italy. Forestry, 81(1):
1–11.
Anderson-Teixeira, K.J., Davis, S.C., Masters, M.D. et Delucia, E.H. (2009). Changes in
soil organic carbon under biofuel crops. GCB Bioenergy 1(1): 75–96.
ANU (Australian National University) (1999). Standard point on tree bole for
measurement. Référence en ligne consulté le 22 août 2013 :
http://fennerschoolassociated.anu.edu.au/mensuration/dob.htm
ASABE Standards (2009). D497.6. Agriculture Machinery Management Data. St-Joseph,
Mich.: ASAE. Document récupéré le 24 mars 2011 de :
http://www3.abe.iastate.edu/ae340/2006/ASAE_D497.4.pdf
Baize, D. (2000). Guide des analyses en pédologie : choix, expression, présentation,
interprétation. 2e édition. INRA. Ed. INRA, Paris, France, 257 p.
Bard, G. E. (1952). Secondary succession on the Piedmont of New Jersey. Ecological
Monographs, 22(3):195–215.
Baskerville, G.L. (1972). Use of the logarithmic regression in the estimation of plant
biomass. Canadian Journal of Forest Research 2: 49–53.
Benayas, José M. R., Martins, A., N., José N., S. et Jennifer, J. (2007). Abandonment of
agricultural land: an overview of drivers and consequences. Perspectives in Agriculture,
Veterinary Science, Nutrition and Natural Resources, Vol. 2: 057, 14 pp.
Benjamin, K., Domon, G. et Bouchard, A. (2005). Vegetation composition and succession
of abandoned farmland: effects of ecological, historical factors. Landscape Ecology,
20(6):627–647.
147
Benjamin, K., Cogliastro, A., Bouchard, A. et Domon, G. (2006). Perceptions des
aménagements forestiers par les propriétaires de friches agricoles. Université de Montréal,
IRBV, 27 pages.
Berry, A. H., Donovan, G. et Hesseln, H. (2006). Prescribed burning costs and the WUI:
Economic effects in the Pacific Northwest. Western Journal of Applied Forestry, 21(2):72–
78.
Bleser, C., Crossley, A., Jackson, R., Lobner, E. Paine, L. Radloff, G. Sample, D.
Vandenbrook J., Ventura, S., Walling, S., Widholm, J. et Williams, C. (2011). Wisconsin
Sustainable Planting and Harvest Guidelines for Non forest Biomass. Wisconsin
Department of Natural Resources and Wisconsin, Department of Agriculture, Trade, and
Consumer Protection. Université de Wisconsin‐Madison, 98 p.
Bonham, D.C. (1989). Measurements for terrestrial vegetation. Wiley International
Publishers. USA, 338 p.
Boivin, J. (2011). Utilisation du Biobaler pour la récolte de la biomasse et la préparation de
terrain. Rapport technique, Centre technologique des résidus industriels, 22 p.
Bond-Lamberty, B., Wang, C. et Gower, S.T. (2002). Aboveground and belowground
biomass and sapwood area allometric equations for six boreal tree species of northern
Manitoba. Canadian Journal of Forest Research, 32(8): 1441–1450.
Booth, B. D., Murphy, S. D. et Swanton, C. J. (2003). Weed ecology in natural and
agricultural systems. Éd. CABI Publishing, London, UK. 303 p.
Bornkamm, R. (1988). Mechanisms of succession on fallow lands. Vegetation, 77:95–101.
Braun-Blanquet, J. (1932). Plant sociology. Éd. McGraw-Hill book company, inc., New
York, 439 p.
Brown, J.K. (1976). Estimating shrub biomass from basal stem diameter. Canadian Journal
of Forest Research 6 (2): 153-158.
Brown V.K. (1990). Early successional changes after land abandonment: the need for
research. Dans : Baudry, J. et Bunce, R.G.H. (ed) (1991), Land abandonment and its role
in conservation. Zaragoza : CIHEAM, Options Méditerranéennes : Série A. Séminaires
Méditerranéens; no. 15, pp. 97–101.
Brubacher, D., Arnason, J.T. et Lambert, J.D.H. (1989).Woody species and nutrient
accumulation during the fallow period of milpa farming in Belize. C.A. Plant and Soil,
114:165–172.
Buech, R. R. et Rugg D.J. (1989). Biomass relations of shrub components and their
generality. Forest Ecology and Management 26(4): 257–264.
148
Buech, R.R. et Rugg, D.J. (1995). Biomass relations for components of five Minnesota
shrubs. U.S. Dept. of Agriculture, Forest Service, North Central Forest Experiment Station,
14 p.
Bullock, J. M., Jefferson, R. G., Blackstock, T. H., Pakeman, R. J., Emmett, B. A., Pywell,
R. J., Grime, J. P. et Silvertown, J. (2011). Semi‐natural grasslands. Cambridge, UK,
UNEP‐WCMC. Dans: Technical Report: The UK National Ecosystem Assessment,
pp.162‐195.
Burns, R.M. et Honkala, B.H. (1990). Silvics of North America. Vol. 2, Hardwoods.
USDA, Forest Service, Agriculture Handbook, 654 p.
CAEQ (2003). Préparation des échantillons de sol agricole. DR–12–PEA, Ministère de
l'Environnement du Québec, 2003, 8 p.
CAEQ (2003). Détermination du pH à l’eau dans les sols agricoles. MA. 1010 – pH 1.0,
Ministère de l'Environnement du Québec, 2003, 8 p.
CAEQ (2010). Détermination de la granulométrie. MA. 100 – Gran. 2.0, Ministère de
l'Environnement du Québec, 2003, 11 p.
Campbell, J. M. F., Lobell, D. B., Genova, R. C. et Field, C. B. (2008). The global potential
of bioenergy on abandoned agriculture lands. Environmental Science and Technology, (42):
5791–5794.
Castellano, P.J., Volk, T. A. et L. P. Herrington (2009). Estimates of technically available
woody biomass feedstock from natural forests and willow biomass crops for two locations
in New York State. Biomass & Bioenergy, 33 (3): 393–406.
Chang, R., Jin T., Lü, Y., Liu, G., Fu, B. (2014). Soil Carbon and Nitrogen Changes
following Afforestation of Marginal Cropland across a Precipitation Gradient in Loess
Plateau of China. PLoS ONE 9(1): e85426.
Chibas, T. et Ta, A. A. (2009). Assessment of soil organic matter under four land use
systems in the major soils of Bale highlands, South East Ethiopia. World Applied Sciences
Journal, 6 (11): 1506–1512.
Clark, E. H. (1985). The off-site costs of soil erosion. Journal of Soil and Water
Conservation, 40:19-22.
Clark, J.D., Plante, A.F., et Johnson, A.H. (2012). Soil organic carbon content and quality
in post agricultural northern hardwood forest. Soil Science Society of America Journal,
76:684–693.
149
Clements, F.E. (1916). Plant Succession: An Analysis of the Development of Vegetation.
Publication 242, Carnegie Institution of Washington, Washington, D.C. 512 p.
Clements, F.E. (1928). Plant Succession and Indicators. Éd. H.W. Wilson, New York, 453
p.
Cormier, D. (1991). Conversion de peuplement avec les débroussailleurs Munger et DenisCimaf. Institut Canadien de Recherche en Génie Forestier, Pointe-Claire, Québec. Fiche
technique FT-167. 12 p.
Cousins, S.-A. (2006). Plant species richness in midfield islets and road verges—the effect
of landscape fragmentation. Biological Conservation, 127:500–509.
CRAAQ (2013). Guide de référence en fertilisation, 2e édition et nouveau Chapitre 10.473
p.
Cramer, V.A. et Hobbs, R.J. (2007). Dynamics and Restoration of Abandoned Farmland.
Washington, D.C., Ed. Island Press. 352 p.
Davidson, E. A. et Ackerman, I. L. (1993). Changes in soil carbon inventories following
cultivation of previously un-tilled soils. Biogeochemistry, 20:161–193.
De Blois S., Domon G. et Bouchard A. (2001). Environmental, historical, and contextual
determinants of vegetation cover: a landscape perspective. Landscape Ecology, 16: 421–
436.
Dickinson, Y. L. et Zenner, E. K. (2010). Allometric Equations for the Aboveground
Biomass of Selected Common Eastern, Hardwood Understory Species. Northern Journal of
Applied Forestry, 27(4): 160–165.
Ejrnæs, R., Hansen, D.N. et Aude, E. (2003). Changing course of secondary succession in
abandoned sandy fields. Biological Conservation, 109(3): 343–350.
Ellenberg, H., et Scamoni, A. (1990). Vegetation Ecology of Central Europe. 4th Ed. 731
S., 499 Abb., 130 Tab. Éd. Cambridge University Press, 756 p.
Kasmioui, O., et Ceulemans, R. (2012). Financial analysis of the cultivation of poplar and
willow for bioenergy. Biomass and Bioenergy, 43 (1): 52–64.
Environnement Canada (2010). Environmental Implications from Marginal Land
Utilization for Biomass and Biofuels Production or for Siting of Renewable Energy
Facilities. Rapport final préparé par Écoressource consultants. Canada, Québec, 102 p.
Etienne, M. (1989). Non-destructive methods for evaluating shrub biomass: a review. Acta
Oecologica, 10: 115–128.
150
Falkengren-Grerup, U. et Brink, D.-J. (2006). Land use effects on soil N, P, C and pH
persist over 40-80 years of forest growth on agricultural soils. Forest Ecology and
Management, 225(1-3): 74–81.
FAO (2005). The importance of soil organic matter: Key to drought-resistant soil and
sustained food and production. Italie, Rome,95 p. Document électronique récupéré de :
ftp://ftp.fao.org/agl/agll/docs/sb80e.pdf, consulté le 15 mars 2012.
Fitzhugh, R. D. Lovett, G. M. et Venterea, R. T. (2003). Biotic and abiotic
immobilization of ammonium, nitrite, and nitrate in soils developed under different tree
species in the Catskill Mountains, New York, USA, Global Change Biol., (9) : 1591-1601.
Flinn, K.M., Vellend, M. et Marks, P.L. (2005). Environmental causes and consequences of
forest clearance and agricultural abandonment in central New York. USA. Journal of
Biogeography, 32: 439–452.
Foster, D.R., Hall B., Barry, S., Clayden, S. et Parshall, T. (2002). Cultural, environmental
and historical controls of vegetation patterns and the modern conservation setting on the
island of Martha’s vineyard. USA. Journal of Biogeography, 29: 1381–1400.
Freedman, B. (1984). The relationship between the aboveground dry weight and diameter
for a wide size range of erect land plants. Canadian Journal of Botany, 62(11):2370–2374.
GHK (Gouvernement de Hong Kong) (2006). Measurement of Diameter at Breast Height
(DBH). Agriculture, Fisheries and Conservation Department Conservation Branch. Nature
Conservation Practice Note, Ref: AF GR CON 21/2, No. 02, 6 p. Document électronique
récupéré le 22 avril 2011 :
http://www.afcd.gov.hk/english/conservation/con_tech/files/common/NCPN_No.02_measu
rement_of_DBH_ver.2006.pdf
Goldsmith, L. J. et Hocker, H. W. (1978). Preliminary small-tree above-ground biomass
tables for five northern hardwoods. Éd. New Hampshire Agricultural Experiment Station,
University of New Hampshire, 3 p.
Gouvernement du Québec, (2011). Taux de location de machinerie lourde (2011). Direction
générale des acquisitions du Centre de services partagés du Québec. Bibliothèque nationale
du Canada, 123 pages.
Gradowski, T., Lieffers, V. J., Landhäusser, S.M., Sidders, D., Volney, J. et Spence, J.R.
(2010). Regeneration of Populus nine years after variable retention harvest in boreal
mixedwood forests. Forest Ecology and Management, 259: 383–389.
Grigal, D. F., Ohmann, L. F. (1977). Biomass Estimation for some Shrubs from
Northeastern Minnesota. Research Note NC-226. St. Paul, MN: U.S. Dept. of Agriculture,
Forest Service, North Central Forest Experiment Station. 3 p.
151
Groupe Anderson, 2011 et 2012. Information techniques sur le prix de vente de
l’équipement et autres caractéristiques techniques sur le Biobaler WB-55 accessible sur le
Biobaler provenant du site internet de l’entreprise au :
http://grpanderson.com/fr/biomasse/biobaler-wb55, consulté le 20 janvier 2013.
Guariguata, M.R. et Ostertag, R. (2001). Neotropical secondary forest succession: changes
in structural and functional characteristics. Forest Ecology and Management, 148:185–206.
Hajabbasi, M.A., Jalalian, A, et Karimzadeh, H.R. (1997). Deforestation effects on soil
physical and chemical properties. Lordegan, Iran. Plant and Soil Science, (190): 301–308.
Hébert, P. L. (2012). Caractérisation du fonctionnement d’une récolteuse de biomasse
arbustive et analyse des coûts de récolte. Mémoire de recherche. Faculté des Science de
l’Agriculture et de l’Alimentation, Université Laval, Québec, Canada, 184 pages.
Hooker, T. D. (2000). Patterns in forest ecosystem C and N pools after agricultural
abandonment: a 114 year old-field white pine chronosequence. Research Thesis. Rhode
Island University, Sciences and Naturals resource department, King-ston, Rhode Island,
USA, 294 p.
Hooker, T. D. et Compton, J.E. (2003). Forest ecosystem carbon and nitrogen accumulation
during the first century after agricultural abandonment. Ecological Applications (13): 299–
313.
Houghton, R. A. (1995). Land-use change and the carbon cycle. Global Change Biology,
1: 275–287.
Houghton, R.A. et Hackler, J.L. (2001). Carbon Flux to the Atmosphere From Land-use
Changes: 1850 to 1990. Publication No. 5054, Carbon Dioxide Information Analysis
Center, Oak Ridge National Laboratory, U.S. Department of Energy, Oak Ridge,
Tennessee. 144 p.
Huang, Y., Zou, J., Zheng, X., Wang, Y., Xu, X. (2004). Nitrous oxide emissions as
influenced by amendment of plant residues with different C:N ratios. Soil Biology &
Biochemistry, 36(6):973–981.
Hytönen, J., Lumme, I. et Törmälä, T. (1987). Comparison of methods for estimating
willow biomass. Biomass, 14(1): 39–49.
IFNC (2012). Canada’s National Forest Inventory : Land Cover Classification. Version
4.0.1, Ressources naturelles Canada, Service canadien des forêts. 19 p. Document
électronique
consulté
le
11
mars
2013 :
https://nfi.nfis.org/documentation/photo_plot/Land_cover_classification_v4.0.1.pdf
152
Jenkins, J.C., Chojnacky, D.C., Heath, L.S. et Birdsey, R.A. (2003). National-scale biomass
estimators for United States tree species. Forest Science, 49: 12–35.
Jobbágy, E.G., Jackson, R.B., (2000). The vertical distribution of soil organic carbon and
its relation to climate and vegetation. Ecological Applications, (10) : 423–436.
Johnson, D. W. (1992). Effects of forest management on soil carbon storage. Water, Air,
and Soil Pollution, 64:93–120.
Jones, D.S. (2007). Methods Matrix General References for Vegetation Measurements and
Monitoring. Center for Ecological Management of Military Lands Colorado State
University
Fort
Collins,
CO.
document
électronique
disponible
à
:
http://www.cemml.colostate.edu/assets/pdf/methods.pdf , accédé le 2 juillet 2013.
Johnston, M. H., P. S. Homann, J. K. Engstrom, et Grigal, D. F. (1996). Changes in
ecosystem carbon storage over 40 years on an old-field forest landscape in east-central
Minnesota. Forest Ecology and Management, 83:17–26.
Kalisz, P. J. (1986). Soil Properties of Steep Appalachian Old Fields. Ecology 67(4): 1011–
1023.
Kelly, C., Schoenholtz, S., Adams, M. (2011). Soil properties associated with net
nitrification following watershed conversion from Appalachian hardwoods to Norway
sprucePlant and Soil, 344 (1):361-376.
Ker, M.F. (1980a). Tree biomass equations for seven species in southwestern New
Brunswick. Can. For. Serv. Marit. For. Res. Cent. Inf. Rep., M-X-114 (1980), 18 p.
Ker, M.F. (1980b). Tree biomass equations for ten major species in Cumberland County,
Nova Scotia. Environment Canada, Canadian Forest Service. Maritimes Forest Research.
Center, Fredericton, New Brunswick. Inf. Rep. M-X-108, 26 p.
Ker, M.F. (1984). Biomass equations for seven major maritimes tree species. Canadian
Forest Service. Maritimes Forest Research. Center, Fredericton, Canada. Inf. Rep., M-X148, 54 p.
Keoleian, G. A. et Volk, T. A. (2005). Renewable Energy from Willow Biomass Crops:
Life Cycle Energy, Environmental and Economic Performance. Critical Reviews in Plant
Sciences, 24:385–406.
Ketterings , Q.M. , Coe , R. , Van Noordwijk , M. , Ambagau , Y., et Palm , C.A. (2001).
Reducing uncertainty in the use of allometric biomass equations for predicting aboveground tree biomass in mixed secondary forests. Forest Ecology and Management, 146:
199–209.
153
Klingensmith, K. M. et Van Cleve, K. (1993). Patterns of nitrogen mineralization and
nitrification in floodplain successional soils along the Tanana River, interior Alaska Revue
canadienne de recherche forestière, 23 : 964-969.
Knops, J. M. H. et Tilman, D. (2000). Dynamics of soil nitrogen and carbon accumulation
for 61 years after agricultural abandonment. Ecology, 81(1): 88–98.
Kukk, L., Astover, A., Muiste, P., Noormets, M., Roostalu, H., Sepp, K. et Suuster, E.
(2010). Assessment of abandoned agricultural land resource for bio-energy production in
Estonia. Acta Agriculturae Scandinavica, Section B - Soil & Plant Science, 60 (2):166–173.
Kuzovkina, Y. A. et Quigley, M. F. (2005). Willows beyond wetlands: Uses of Salix L.
species for environmental projects. Water, Air, and Soil Pollution, 162(1): 183-204.
Kuzovkina, Y.A. et Volk, T.A. (2009). The characterization of willow (Salix L.) varieties
for use in ecological engineering applications: Co-ordination of structure, function and
autecology. Ecological Engineering, 35(8): 1178–1189.
Lajoie, P. G. (1967). Étude pédologique des comtés de Hull, Labelle et de Papineau.
Ministère de l’Agriculture du Canada. Direction de la recherche. Publication 95579-1.
Étude disponible à http://sis.agr.gc.ca/siscan/publications/surveys/pq/pq25/pq25_report.pdf
Lambert, M.-C., Ung, C.-H. et Raulier, F. (2005). Canadian national tree aboveground
biomass equations. Canadian Journal of Forest Research 35: 1996–2018.
Lavoie, F., Savoie, P. et D’Amours, L. (2008). Design and Evaluation of a Versatile Woody
Biomass Harvester-Baler. Article de conférence à l’ASABE, tenue à Providence, Rhode
Island, entre le 29 juin et 2 juillet.
Leroy, C.J. et Marks, J.C. (2006). Litter quality, stream characteristics and litter diversity
influence decomposition rates and macroinvertebrates. Freshwater Biology, 51: 605–617.
Lorenzi Do Canto, J., Klepac, J., Rummer, R., Savoie, P. et Seixas, F. (2011). Evaluation of
two round baling systems for harvesting understory biomass. Biomass and Bioenergy,
35(5): 2163–2170.
Lu, D. (2006). The potential and challenge of remote sensing-based biomass estimation.
International Journal of Remote Sensing, 27 (7): 1297–1328.
Lutze, M.T., et Victoria, G., P. (2003). Site Preparation. Dept. of Natural Resources and
Environment. Forests Service, Native forest silviculture guideline, Issue 6, 49 p.
Maclean, D.A. et Wein, R.W. (1976). Biomass of jack pine and mixed hardwood stands in
northeastern New Brunswick. Canadian Journal of Forest Research, (6): 441–447.
154
Magdoff, F. et Weil, R.R., (2004). Soil organic matter in a sustainable agriculture. CRC
Press, 416 p.
Maillet, A., Dumay, D., Labadie, J., et Treilhou, J.-P. (1990). Les matériels lourds de
débroussaillement. Direction départementale de l’agriculture et de la forêt du Var. Revue
forestière francaise. Revue Forestière Francaise, 42 (S) : 127-134.
Marceau, D., Soucy-Gonthier, N. et Bouchard, A. (2002). Détection et caractérisation
spatiale des friches dans une région du Haut-Saint-Laurent à l’aide d’une image satellitaire
Ikonos. Résumé de conférence, Colloque/atelier sur la ligniculture, 13 et 14 mai 2002, 70e
Congrès de l’ACFAS, 20 p.
MAPAQ (2009). Estimation de la biomasse agricole et des superficies non cultivées
potentiellement exploitables à des fins bioindustrielles dans les zones agricoles du Québec.
Direction du développement et de l’innovation, Canada, Québec, 107 p.
MAPANB (2013). Le défrichement. Fiche de référence en ligne. Accessible à :
http://www.gnb.ca/0173/30/0173300007-f.asp, consulté le 15 janvier 2013
Martel, Y.A. et Deschenes, J.M. (1976). Les effets de la mise en culture et de la prairie
prolongée sur le carbone, l'azote et la structure de quelques sols du Québec. Canadian
Journal of Soil Science, 56: 373–383.
Martel, Y.A. et Mackenzie, A.F. (1980). Long term effects of cultivation and land use on
soil quality in Quebec. Canadian Journal of Soil Science, 60:411–420.
Martin, R.W., (2008). Cost of Clearing Land. Litchfield County Extension Center,
Connecticut,
États-Unis,
2
p.
document
électronique
accessible
à
http://www.extension.uconn.edu/pages/department/litchfield/documents/CostofClearingLan
d.doc, consulté le 17 décembre 2010
Mather, A.S. (1992). The forest transition. The Royal Geographical Society, 24(4):367–
379.
McElhinny, C., Gibbons, P., Brack,C. et Bauhus, J. (2005). Forest and woodland stand
structural complexity: Its definition and measurement. Forest Ecology and Management,
218 (1): 1–24.
Mead, Donald J. (2005). Forests for Energy and the Role of Planted Trees. Critical Reviews
in Plant Sciences, 24: (5), 407–421.
Miao, Z. et Li, C. (2007). Biomass estimates for major boreal forest species in west central
Canada. Natural Resource Canada, Canadian Forest Service, Northern Forestry Centre,
Edmonton, Canada, Publication FI-X-002, 37 p. [ressource électronique]
http://nofc.cfs.nrcan.gc.ca/bookstore_pdfs/28300.pdf, accédé le 12 août 2010
155
Mitchell, C. P., Stevens, E. A. et Watters, M. P. (1999). Short-rotation forestry: Operations,
productivity and costs based on experience gained in the UK. Forest Ecology and
Management, 121: 123–136.
Morency, P.O. (2011). Le potentiel de valorisation de la biomasse forestière à des fins
énergétiques au Québec: état de la situation. Mémoire de maîtrise, Université Laval, 116 p.
Document récupéré de : http://www.theses.ulaval.ca/2011/28086/28086.pdf, accédé le 12
février 2013
Motzkin, G., Wilson P., Foster D.R. et Allen A. (1999). Vegetation patterns in
heterogeneous landscapes: the importance of history and environment. Journal of
Vegetation Science, 10: 903–920.
Mueller-Dombois, D., et Ellenberg, H. (1974). Aims and Methods of Vegetation ecology.
John Wiley and Sons. Blackburn Press, New-York, États-Unis, pp.547
Nespoulous, A. (2005). Relations entre la dynamique de la végétation et la gestion sociale
de l’espace : les garrigues du Pic Saint Loup. Mémoire de Maîtrise, Université de.
Montpellier III, 89 p.
Odum, E. P. (1960). Organic Production and Turnover in Old Field Succession. Ecology,
41(1): 34–49.
Ohmann, L.F., Grigal, D.F. et Brander, R.B. (1976). Biomass estimation for five shrubs
from northeastern Minnesota. USDA Forest Service Research paper NC-133. St. Paul,
Minnesota, 11 p.
Ollinger, S. V., Aber, J. D., Lovett, G. M., Millham, S. E., Lathrop, R. G. et Ellis, J. M.
(1993). A spatial model of atmospheric deposition for the Northeastern U.S. Ecological
Applications, 3:459–472.
Olson, C. M. et Martin, R. E. (1981). Estimating biomass of shrubs and forbs in central
Washington Douglas-fir stands. Research Note PNW-RN-380. U.S. Department of
Agriculture, Forest Service, Pacific Northwest Forest and Range Experiment Station,
Portland, Oregon, États-Unis, 6 p.
ONU (1997). Glossary of Environment Statistics. Department for Economics and Social
Information and Policy Analysis. Statistics Division. 83 p. disponible en ligne à:
http://unstats.un.org/unsd/environmentgl/, consulté le 19 avril 2011.
Paavolainen, L., Fox, M., Smolander, A. (2000). Nitrification and denitrification in forest
soil subjected to sprinkling infiltration. Soil Biology and Biochemistry, 32(5): 669-678.
Paavolainen, L., Kitunen, V., Somlander, A. 1998. Inhibition of nitrification in forest soil
by monoterpenes. Plant and Soil, 205 : 147-154.
156
Paavilainen, E. (1981). Biomass yields and management of natural coppice stands. Éd.
National Swedish board for energy source development, International energy agency.
Planning group B. 94 p.
Palmer, C., Colledge, S., Bevan, A. et Conolly, J. (2010) Vegetation recolonisation of
abandoned agricultural terraces on Antikythera, Greece. Environmental Archaeology, 15
(1): 64– 80.
Pastor, J., Aber, J.D., et Melillo, J.M. (1984). Biomass prediction using generalized
allometric regressions for some northeast tree species. Forest Ecology and Management, 7:
265–274.
Payette, S. et Gauthier, B. (1972). Les structures de végétation : interprétation géographique
et écologique, classification et application. Le Naturaliste canadien, 99 (1): 1–26.
Perala, D.A., et Alban, D.H. (1994). Allometric biomass estimators for aspen-dominated
ecosystems in the Upper Great Lakes. U.S. For. Serv. Res. Pap., NC-134, 38 p.
Pickett, S. T. A. (1982). Population Patterns through Twenty Years of Oldfield Succession.
Plant Ecology, 49(1): 45–59.
Piussi, P. (2005). Woodland Recolonisation and Postagricultural Development in Italy.
Mountain ecosystems, ed. Broll G. et Keplin B., pp. 237–251.
Post, W.M. et Kwon, K.C. (2000). Soil carbon sequestration and land-use change:
processes and potential. Global Change Biology, 6: 317–327.
Rack, J., Berguson, B. et Buchman, D. (2009). Development of Procedures to Assess
brushland Resources for Woody Biomass Energy Markets. Minnesota Department of
Natural Resources Forestry, University of Minnesota, Natural resources Research Institute,
Minnesota, 18 p.
Rathbauer,J. et Amon T. (2009). Extensively used grassland as a basis of low input
livestock systems and as a resource of energy and raw materials. Article de conférence de la
15ième « European Grassland Federation Symposium», intitulé : Alternative functions of
grassland, tenue à Brno en République Tchèque entre le 7 et 9 Septembre 2009 accessible
aux pages 428-431 du cahier de conférence.
Raymond, R., Laflamme, G., Godbout, G. (1976). Pédologie du comté de Portneuf. Bulletin
technique no.18. Direction générale de la Recherche et de l'Enseignement, Service des Sols,
Gouvernement du Québec, 164 p.
157
Ministère des ressources naturelles, 2013. Étude sur la valeur des taux des travaux
sylvicoles en forêt privée. Gouvernement du Québec, Direction de l'aménagement et de
l'environnement forestiers, 320 p.
RNC (Ressources naturelles Canada) (1994). Manual on Plot Establishment and
Monitoring. Service canadien des forêts, gouvernement du Canada, publication PI-X-117,
106 pages. Publication électronique : http://www.fcmr.forestry.ca/index-e/whate/publications-e/afcpublications-e/PIX117/arnews_e.pdf, accédé le 16 mai 2013.
Romankutty, N. et Foley, J.A. (1999). Estimating historical changes in global land cover:
croplands from 1700 to 1992. Global Biogeochemical Cycles 13(4): 997-1027.
Römkens, P.F.A.M., Van der Pflicht, J. et Hassink, J. (1999). Soil organic matter dynamics
after the conversion of arable land to pasture. Biology and Fertility of Soils, 28: 277–284.
Roussoploulos, P.J. et Loomis, R.M. (1979). Weights and dimensional properties of shrubs
and small trees of the great lakes conifer forest. USDA Forest Service Res Paper NC-178.
USDA FS North Central Exp Station, St Paul, MN, 6 p.
Sah, J. P., Ross, M. S., Koptur, S. et Snyder, J.R. (2004). Estimating aboveground biomass
of broadleaved woody plants in the understory of Florida Keys pine forests. Forest Ecology
and Management, 203(1–3): 319–329.
SAS. (2013). Statistical Analysis with SAS/STAT® Software. Version 9.3, SAS Institute
Inc., Cary, NC, USA.
Savoie, P., F. Lavoie, D'Amours, L., Schroeder, W. et Kort, J. (2010). Harvesting natural
willow rings with a bio-baler around Saskatchewan prairie marshes. Canadian Biosystems
Engineering/Le génie des biosystèmes au Canada, 52: 2.1-2.5
Savoie, P., Current, D., Robert, F.-S. et Hébert, P.L. (2012). Harvest of natural shrubs with
a Biobaler in various environments in Québec, Ontario and Minnesota. Applied
Engineering in Agriculture, 28 (6):795–801.
Savoie,P., Hébert, P.L. Robert, F.S. et Sidders, D. (2013). Harvest of Short-Rotation
Woody Crops in Plantations with a Biobaler. Energy and Power Engineering, 5: 39-47.
Schroeder, W.R., de Gooijer, H., Kort, J., Stefner, C. (2011). Sustainable biomass
production in agroforestry systems. AAFC-AESB Agroforestry Development Centre,
présenté
à
Guelph,
Ontario.
Disponible
à
:
http://www.agrireseau.qc.ca/references/32/presentations_guelph/Schroeder%20Biomass%2
0Presentation%20Guelph%202011.pdf
Schroeder, W. R., J. Kort, Savoie, P. et Preto, F. (2009). Biomass harvest from natural
willow rings around Prairie wetlands. BioEnergy Research, 2(3): 99–105.
158
Shea, A.P., Childs, C, et Downing, A. (2008). Options for Clearing Land for Pasture
Establishment, Virginia Cooperative Extension, publication 465- 341. Document récupéré
le 24 mars 2011 de : http://pubs.ext.vt.edu/465-341/
Singer, M. J., et Ewing, S. (2000). Soil quality. Dans: Handbook of soil science (ed.
Sumner ME), CRC Press, Boca Raton. pp. 271–298.
Smith, R.J. (1993). Logarithmic Transformation Bias in Allometry. American Journal of
Physical Anthropoly, 90:215–228.
Smith, W. B. et Brand, G. J. (1983). Allometric Biomass Equations for 98 Species of
Herbs, Shrubs, and Small Trees. Research Note NC-299. St. Paul, MN: U.S. Dept. of
Agriculture, Forest Service, North Central Forest Experiment Station, 8 p.
Stanek, W. et State, D. (1978). Equations predicting primary productivity (biomass) of
trees, shrubs, and lesser vegetation based on current literature. Rep. BC-X-183, Canadian
Forestry Service, Pacific Forest Research Centre, Victoria, B.C., 58 p.
Ste-Marie, C., Paré, D. (1999). Soil, pH and N availability effects on net nitrification in the
forest floors of a range of boreal forest stands. Soil Biology and Biochemistry, 31: 1579–
1589.
Styles, D., Thorne, F. et Jones, M.B. (2007). Energy crops in Ireland: An economic
comparison of willow and Miscanthus production with conventional farming systems.
Biomass and Bioenergy, 32(5):407–421.
Stover, M. E., et Marks, P. L. (1998). Successional vegetation on abandoned cultivated and
pastured land in Tompkins County. New York. Journal of the Torrey Botanical Society,
125:150–164.
Ter-Mikaelian, M. T. et Korzukhin, M. D. (1997). Biomass equations for sixty-five North
American tree species. Forest Ecology and Management, 97(1): 1-24.
Teutsch, C. (2008). Land Clearing and Pasture Development Update. Présentation en ligne
accessible via extension de Virginia Tech, Blakstone, Virginia. Document accessible à : ,
consulté le 22 octobre 2013.
Thiffault, E., Hannam, K.D., Paré, D., Titus, B.D., Hazlett, P.W., Maynard, D.G., et Brais,
S. (2011). Effects of forest biomass harvesting on soil productivity in boreal and temperate
forests : A review. Envrionmental Review, 19:278-309.
Ullah, S.et Moore, T.R. (2009). Soil drainage and vegetation controls of nitrogen
transformation rates in forest soils, southern Quebec. Journal of Geophysical Research, vol.
114, p.G01014.
159
UPA (2010). Répertoire des programmes d’aide accessible à la relève agricole. Service
financier
et
de
comptabilité
de
l’UPA.
[En
ligne]
http://www.upa.qc.ca/SiteWeb_UPA/documents/DCVS/Repertoire%20aides%20a%20la%
20releve%20agricole.pdf, consulté le 16 mai 2012.
Van der Maarel, E. (2005), Vegetation ecology. Blackwell, Oxford, 402 p.
Verburg, P.S.J Johnson, D.W., Harrison, R. (2001). Long-term nutrient cycling patterns in
Douglas-fir and red alder stands: a simulation study. Forest Ecology and Management 145 :
203-217.
Verwijst, T. et Telenius, B. (1999). Biomass estimation procedures in short rotation
forestry. Forest Ecology and Management, 121(1-2): 137–146.
Vouligny, C. et Gariépy, S. (2008). Les friches agricoles du Québec: état des lieux et
approches de valorisation. Agriculture et Agro-Alimentaire Canada, Canada, 66 pages.
Walker, K. J., Stevens, P.A., Stevens, D.P., Mountford, J.O.Manchester, S.J. et Richard F.
P. (2003).The restoration and re-creation of species-rich lowland grassland on land
formerly managed for intensive agriculture in the UK. Biological Conservation, 119 (1): 118.
Ward L.K. et Jennings R.D. (1990). Succession of disturbed and undisturbed chalk
grassland at Aston Rowant National Nature Reserve: details of changes in species. Journal
of Applied Ecology, 27:913–923.
West, G. B., Brown, J. H. et Enquist, B.J. (1999). A general model for the structure and
allometry of plant vascular systems. Nature, 400 (6745): 664–667.
Wharton E.H. et Griffith, D.M. (1993). Methods to estimate total forest biomass for
extensive inventories: applications in the northeastern U.S. U.S.D.A. Forest Service
Research Paper NE-681. 161 p.
Whittaker, R.H. (1962). Classification of natural communities. Botanical Review, 28(1):1239.
Whittaker, R.H. et Woodwell, Y.G. (1968). Dimension and production relations of trees
and shrubs in the Brookhaven forest, New York. Journal of Ecology, 56:1–25.
Whittaker, R.H. (1973). Approaches to classifying vegetation. Dans R.H. Whittaker, ed.
Handbook of vegetation science 5: Ordination and classification of communities. Junk, The
Hague, Netherlands, pp. 323–354.
Whittaker R.H., Bormann F.H., Likens G.E., Siccama, T.G. (1974). The Hubbard Brook
ecosystem study: forest biomass and production. Ecological Monographs, 44(2): 233–252.
160
Yang, X., D. R. Miller, X. Xu, L. H. Yang, H. M. Chen et Nikolaidis, N. P. (1996). Spatial
and temporal variations of atmospheric deposition in interior and coastal Connecticut.
Atmospheric Environment, 30:3801–3810.
Yang, Y., Monserud, R.A. et Huang, S. (2004). An evaluation of diagnostic tests and their
roles in validating forest biometric models. Canadian Journal of Forrest Research, 34: 619629.
Young, H.E., Ribe, J.H. et Wainwright, K. (1980).Weight tables for tree and shrub species
in Maine. Miscellaneous Report 230, Life Sciences and Agriculture Experiment Station,
University of Maine at Orono, 84 p.
Zak, D.R., Grigal, D.F., Gleeson, S. et Tilman, D. (1990). Carbon and nitrogen cycling
during old-field succession : Constraints and microbial biomass. Biogeochemistry, 11: 111–
129.
Zar, J.H. (1968). Calculation and miscalculation of the allometric equation as a model in
biological data. Bioscience, 18: 1118–1120.
Zhang, K., Dang, H., Tan, S., Wang, Z., et Zhang, Q. (2010). Vegetation community and
soil characteristics of abandoned agricultural land and pine plantation in the Qinling
Mountains, China. Forest Ecology and Management, 259 (10): 2036–2047.
Zhou, X., Brandle, J. R., Schoeneberger, M.M. et Awada, T. (2007). Developing aboveground woody biomass equations for open-grown, multiple-stemmed tree species:
Shelterbelt-grown Russian-olive. Ecological Modelling, 202 (3-4): 311–323.
161
162
Annexes
Annexe A : Analyse de la végétation des sites à La Pocatière
Tableau A. 1: Résultats de l’analyse de la végétation avant récolte de friches agricoles dans la
région de La Pocatière (Lemieux, 2009; communication personnelle).
Site
St-Pamphile A
St-Pamphile B
St-Perpétue site A
St-Perpétue site B
St-Perpétue site C
St-Perpétue site D
moyenne
écart type
coefficient de variation (%)
Essences
répertoriées
Hauteur
(cm)
Couvert
(%)
Nombre de
tiges/ha
Masse
(t MH/ha)
Cornouiller, Spirée,
Saule,
Aulne
rugueux
Cornouiller, Spirée,
Saule, Aulne
rugueux
Cornouiller,
Gadellier,
Saule, Peuplier,
Érable à sucre
Cornouiller,
Gadellier,
Saule, Peuplier,
Érable à sucre
Cornouiller,
Gadellier, Saule
Cornouiller,
Gadellier, Saule
124
25,0
188500
8,7
92
39,0
276000
8,5
115
49,0
363750
13,0
115
49,0
363750
13,0
148
24,0
139250
7,3
148
24,0
139250
7,3
124
22
17
35,0
12,2
35,0
245083
104616
43
9,6
2,7
27,8
163
Annexe B : Mesures des paramètres de récoltes en friches et milieux
naturels au Québec, en Ontario et Minnesota
Tableau A. 2: Caractérisation de la récolte de différents sites de friches agricoles et prairies
naturelles abandonnées de la région de La Pocatière, Abitibi, Ontario et Minnesota (Savoie et
al., 2012).
Masse
moyenne
des
balles
(kg MH)
Teneur
en eau
(%)
Masse
moyenne
des
balles
(kg MS)
Balle/h
Capacité
(t MS/h)
Rendement
(t MS/ha)
Consommation
de carburant
(l/t MS)
Site
Date
Nb.
de
balles
Québec, Ste-Perpétue A
2009-09-09
7
451
46,9
239
17,0
4,1
8,0
6,87
Québec, Ste-Perpétue B
2009-09-09
1
495
47,1
262
11,6
3,0
2,4
23,10
Québec, Ste-Perpétue C
2009-09-09
10
457
46,1
246
19,5
4,8
7,2
5,05
Minnesota, Madelia
2009-09-18
15
491
47,1
260
12,8
3,3
8,6
6,23
Minnesota, Faribault C
2009-09-19
8
425
36,7
269
16,9
4,5
5,2
6,26
Minnesota, Ogilvie A
2009-09-21
17
472
45,2
259
16,0
4,2
8,9
5,44
Minnesota, Ogilvie B
2009-09-21
23
493
51,4
240
18,0
4,3
16,5
5,40
Minnesota, Hinckley
2009-09-22
4
528
36,0
338
2,4
0,8
1,6
14,35
Minnesota, Hibbing
2009-09-24
28
513
50,8
252
15,6
3,9
9,8
4,98
Ontario, Hearst
2010-09-27
11
464
48,6
239
9,2
2,2
10,7
13,58
Ontario, Cochrane
2010-09-30
11
633
52,7
299
8,9
2,7
4,2
7,15
Québec, Poulary A #1
2010-10-02
27
469
50,0
234
19,7
4,6
15,0
3,78
Québec, Poulary A #2
2010-10-02
20
469
50,0
234
18,1
4,2
17,6
6,85
Québec, Poulary B
2010-10-03
6
499
49,4
252
7,0
1,8
7,6
11,23
Moyenne
2009-2010
14
488
46,4
260
13,8
3,5
9,3
8,32
Minimum
mars-09
1
425
36,0
234
2,4
0,8
1,6
3,78
Maximum
2010-10-03
28
633
52,7
338
19,7
4,8
17,6
23,10
164
Annexe C : Données brutes des analyses physico-chimiques des sols
étudiés
Tableau A. 3: Données brutes des analyses des échantillons individuelles pour l’analyse des classes
texturales et composantes chimiques des sols étudiés
# échantillon
zone
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
1
1
1
1
2
2
2
Sable
Limon
Limon
Limon
Limon
Classe texturale
Total
Grossier
Moyen
Fin
Total
%
%
%
%
%
37,5
10,7
12,6
7,9
31,2
LOAM ARGILEUX
36,2
8,7
13,9
9,9
32,4
LOAM ARGILEUX
33,4
8,8
11,9
8,3
29,0
LOAM ARGILEUX
38,1
8,8
14,0
5,1
27,8
LOAM ARGILEUX
34,8
7,6
13,9
13,1
34,7
LOAM ARGILEUX
38,1
7,6
14,0
23,3
44,9
LOAM
57,0
5,9
9,5
5,3
20,7
LOAM SABLO-ARGILEUX
21,3
10,4
16,7
11,5
38,7
ARGILE
19,8
9,0
16,2
11,5
36,7
ARGILE
10,3
10,4
18,2
13,2
41,8
ARGILE LIMONEUSE
5,0
11,0
21,8
17,4
50,2
ARGILE LIMONEUSE
7,8
14,2
20,7
15,4
50,2
ARGILE LIMONEUSE
11,8
13,6
21,8
15,8
51,2
LOAM LIMONO-ARGILEUX
4
19,4
18,4
9,9
10,6
20,5
18,8
13,6
17,9
44,1
47,2
4
6,3
14,7
22,8
16,3
53,8
5
7,1
12,6
25,7
21,2
59,5
5
12,2
11,5
22,4
14,6
48,5
5
2,1
13,9
24,8
16,1
54,7
ARGILE LIMONEUSE
5
6,0
14,2
24,1
16,9
55,2
6
7,3
12,7
22,6
17,9
53,2
8,0
13,2
22,5
16,0
51,6
ARGILE LIMONEUSE
0,5
12,9
21,6
14,4
47,2
ARGILE LIMONEUSE
4,1
12,1
20,8
15,8
48,7
ARGILE LIMONEUSE
50,1
6,9
10,1
6,9
24,0
LOAM SABLO-ARGILEUX
58,7
6,7
8,2
6,4
21,3
LOAM SABLEUX
53,8
7,1
11,5
3,6
22,2
LOAM SABLO-ARGILEUX
50,8
7,2
8,7
8,3
24,1
LOAM SABLO-ARGILEUX
39,0
7,7
9,9
8,1
25,8
LOAM ARGILEUX
42,6
6,5
9,9
8,4
24,8
LOAM ARGILEUX
57,8
5,1
9,5
5,6
20,3
LOAM SABLO-ARGILEUX
57,9
6,2
9,5
5,6
21,3
LOAM SABLO-ARGILEUX
2
3
3
3
3
4
4
6
6
6
7
7
7
7
8
8
8
8
165
Tableau A. 4: Données brutes de l’analyse chimiques des sols étudiés
site
1
2
3
4
5
6
7
8
NH4+
( mg/kg)
NO3( mg/kg)
6,8
4,5
échantillon
Nitrogen % Carbon %
FR1
0,3003
3,92
FR2
0,4470
5,71
9,84
8,9
FR3
0,4559
5,94
10,24
7,7
9,60
7,6
6,76
Classe de réaction
C/N
pH
6,46
Faiblement acide
13,1
11,5
5,97
Moyennement acide
12,8
7,7
5,93
Moyennement acide
13,0
8,2
5,82
Moyennement acide
13,8
12,5
FR4
0,4039
5,57
FR5
0,4169
5,22
9,00
11,4
3,8
4,82
Très fortement acide
11,2
5,0
5,27
Fortement acide
13,9
13,4
FR6
0,4819
6,70
11,55
FR7
0,2538
3,39
5,84
10,7
3,3
5,04
Fortement acide
FR8
0,2040
2,61
4,50
7,1
2,5
5,06
Fortement acide
12,8
7,1
8,0
5,54
Fortement acide
13,7
11,5
FR9
0,4588
6,29
10,84
FR10
0,5087
5,85
10,09
12,3
7,8
4,87
15,0
7,2
4,84
10,9
10,4
FR11
0,5304
5,80
10,00
FR12
0,4074
4,22
7,28
26,5
2,7
4,68
13,6
2,3
5,07
Fortement acide
9,6
10,0
FR13
0,3506
3,36
5,79
FR14
0,3048
3,06
5,28
9,1
3,6
5,03
Fortement acide
FR15
0,2777
2,53
4,36
10,4
0,6
4,99
9,1
12,3
0,5
4,75
9,8
9,7
FR16
0,3366
3,31
5,71
FR17
0,2740
2,67
4,60
10,5
1,5
5,22
Fortement acide
15,8
0,6
4,83
9,9
10,1
FR18
0,3422
3,39
5,84
FR19
0,3601
3,63
6,26
11,6
0,8
4,8
FR20
0,3604
3,78
6,52
11,3
0,5
4,96
10,5
FR21
0,3206
3,27
5,64
17,1
0,3
4,66
10,2
FR22
0,3232
3,18
5,48
13,2
0,9
4,92
9,8
13,3
2,3
5,31
Fortement acide
9,8
10,2
FR23
0,3354
3,30
5,69
FR24
0,3083
3,15
5,43
8,9
1,3
5,5
Fortement acide
10,1
0,4
5,06
Fortement acide
14,1
14,2
FR25
0,1881
2,65
4,57
FR26
0,1796
2,55
4,40
7,5
0,8
5,25
Fortement acide
FR27
0,2247
3,00
5,17
8,0
1,2
5,63
Moyennement acide
13,4
FR28
0,2775
3,59
6,19
11,0
2,1
5,58
Moyennement acide
12,9
FR29
0,4371
5,40
9,31
11,6
3,7
5,61
Moyennement acide
12,4
11,1
1,7
5,22
Fortement acide
12,4
12,5
12,2
FR30
0,3817
4,72
8,14
FR31
0,2513
3,13
5,40
10,8
0,1
4,81
3,14
5,41
9,5
1,0
5,37
Fortement acide
FR32
166
Matière
organique
%
0,2570
Annexe D : Tests d'hypothèses pour les composantes azote totale et azote
minérale N-NO3
Tableau A. 5: Test d’hypothèse d’égalité des moyennes du contenu en azote total entre les parcelles
Moyennes des moindres carrés
Effet
zone Valeur estimée Erreur type DDL
Valeur
Pr > |t|
du test t
parcelle
1
0.4018
0.03484
24
11.53
<.0001
parcelle
2
0.3392
0.03484
24
9.74
<.0001
parcelle
3
0.4763
0.03484
24
13.67
<.0001
parcelle
4
0.3174
0.03484
24
9.11
<.0001
parcelle
5
0.3342
0.03484
24
9.59
<.0001
parcelle
6
0.3219
0.03484
24
9.24
<.0001
parcelle
7
0.2175
0.03484
24
6.24
<.0001
parcelle
8
0.3318
0.03484
24
9.52
<.0001
* Au seuil de 5%, tous les sites ont un contenu significativement différent de 0
Tableau A. 6: Test d'hypothèse de la moyenne du contenu en azote minéral NO3 = 0
Moyennes des moindres carrés
Effet
parcelle
Valeur
estimée
Erreur type
DDL
valeur
du test t
Pr > |t|
parcelle
parcelle
parcelle
parcelle
parcelle
parcelle
parcelle
parcelle
1
2
3
4
5
6
7
8
7.9750
3.6500
6.4250
1.7500
0.8500
1.2000
1.1250
1.6250
0.8211
0.8211
0.8211
0.8211
0.8211
0.8211
0.8211
0.8211
24
24
24
24
24
24
24
24
9.71
4.45
7.83
2.13
1.04
1.46
1.37
1.98
<.0001*
0.0002*
<.0001*
0.0435*
0.3109
0.1569
0.1833
0.0594
*Significativement différent de 0 au seuil 0,05
167
Tableau A. 7: Test de Bonferroni en ce qui concerne la composante azote total
Différences des moyennes des moindres carrés
Effet
168
parcelle Effet
parcelle
Effet parcelle Effet parcelle Effet
parcelle 1
2
0.06263 0.04927
parcelle 1
3
-0.07455 0.04927
parcelle 1
4
parcelle 1
24
parcelle
1.27
0.2159 Bonferroni
1.0000
24 -1.51
0.1433 Bonferroni
1.0000
0.08435 0.04927
24
1.71
0.0998 Bonferroni
1.0000
5
0.06760 0.04927
24
1.37
0.1827 Bonferroni
1.0000
parcelle 1
6
0.07990 0.04927
24
1.62
0.1179 Bonferroni
1.0000
parcelle 1
7
0.1843 0.04927
24
3.74
0.0010 Bonferroni
0.0283
parcelle 1
8
0.07000 0.04927
24
1.42
0.1682 Bonferroni
1.0000
parcelle 2
3
-0.1372 0.04927
24 -2.78
0.0103 Bonferroni
0.2883
parcelle 2
4
0.02172 0.04927
24
0.44
0.6632 Bonferroni
1.0000
parcelle 2
5
0.004975 0.04927
24
0.10
0.9204 Bonferroni
1.0000
parcelle 2
6
0.01728 0.04927
24
0.35
0.7289 Bonferroni
1.0000
parcelle 2
7
0.1217 0.04927
24
2.47
0.0210 Bonferroni
0.5886
parcelle 2
8
0.007375 0.04927
24
0.15
0.8823 Bonferroni
1.0000
parcelle 3
4
0.1589 0.04927
24
3.23
0.0036 Bonferroni
0.1011
parcelle 3
5
0.1422 0.04927
24
2.89
0.0081 Bonferroni
0.2278
parcelle 3
6
0.1545 0.04927
24
3.13
0.0045 Bonferroni
0.1258
parcelle 3
7
0.2589 0.04927
24
5.25
<.0001 Bonferroni
0.0006
parcelle 3
8
0.1445 0.04927
24
2.93
0.0073 Bonferroni
0.2031
parcelle 4
5
-0.01675 0.04927
24 -0.34
0.7368 Bonferroni
1.0000
parcelle 4
6
-0.00445 0.04927
24 -0.09
0.9288 Bonferroni
1.0000
parcelle 4
7
0.09995 0.04927
24
2.03
0.0537 Bonferroni
1.0000
parcelle 4
8
-0.01435 0.04927
24 -0.29
0.7733 Bonferroni
1.0000
parcelle 5
6
0.01230 0.04927
24
0.25
0.8050 Bonferroni
1.0000
parcelle 5
7
0.1167 0.04927
24
2.37
0.0262 Bonferroni
0.7348
parcelle 5
8
0.002400 0.04927
24
0.05
0.9616 Bonferroni
1.0000
parcelle 6
7
0.1044 0.04927
24
2.12
0.0446 Bonferroni
1.0000
parcelle 6
8
-0.00990 0.04927
24 -0.20
0.8424 Bonferroni
1.0000
parcelle 7
8
-0.1143 0.04927
24 -2.32
0.0292 Bonferroni
0.8166
Tableau A. 8: Test de Bonferroni pour les groupements en ce qui concerne la composante azote
minérale NO3
Différences des moyennes des moindres carrés
parcelle parcelle
Effet
Valeur Erreur
Valeur
estimée type DDL du test t Pr > |t| Ajustement
P aj.
Significatif ou
non
parcelle
1
2
4.3250 1.1612
24
3.72
0.0011 Bonferroni 0.0295 S rejette H0
parcelle
1
3
1.5500 1.1612
24
1.33
0.1945 Bonferroni 1.0000
parcelle
1
4
6.2250 1.1612
24
5.36
<.0001 Bonferroni 0.0005 S rejette H0
parcelle
1
5
7.1250 1.1612
24
6.14
<.0001 Bonferroni <.0001 S rejette H0
parcelle
1
6
6.7750 1.1612
24
5.83
parcelle
1
7
6.8500 1.1612
24
5.90
NS
parcelle
1
8
6.3500 1.1612
24
5.47
parcelle
2
3
-2.7750 1.1612
24
-2.39
NS
parcelle
2
4
1.9000 1.1612
24
1.64
parcelle
2
5
2.8000 1.1612
24
2.41
parcelle
2
6
2.4500 1.1612
24
2.11
parcelle
2
7
2.5250 1.1612
24
2.17
parcelle
2
8
2.0250 1.1612
24
1.74
NS
parcelle
3
4
4.6750 1.1612
24
4.03
rejette H0
parcelle
3
5
5.5750 1.1612
24
4.80
<.0001 Bonferroni 0.0019
rejette H0
parcelle
3
6
5.2250 1.1612
24
4.50
rejette H0
parcelle
3
7
5.3000 1.1612
24
4.56
rejette H0
parcelle
3
8
4.8000 1.1612
24
4.13
parcelle
4
5
0.9000 1.1612
24
0.78
rejette H0
NS
parcelle
4
6
0.5500 1.1612
24
0.47
parcelle
4
7
0.6250 1.1612
24
0.54
parcelle
4
8
0.1250 1.1612
24
0.11
parcelle
5
6
-0.3500 1.1612
24
-0.30
parcelle
5
7
-0.2750 1.1612
24
-0.24
parcelle
5
8
-0.7750 1.1612
24
-0.67
parcelle
6
7
0.07500 1.1612
24
0.06
parcelle
6
8
-0.4250 1.1612
24
-0.37
parcelle
7
8
-0.5000 1.1612
24
-0.43
NS
NS
NS
NS
NS
NS
NS
NS
NS
NS
NS
NS
NS
Le test d’hypothèse est « moyenne de la zone 1 = moyenne de la zone 2 », donc avec une
petite valeur p, on rejette cette hypothèse.
169
Annexe E : Analyses des coefficients de corrélation de Pearson
Tableau A. 9: Analyse et valeurs des coefficients de Pearson
Pearson Correlation Coefficients
Prob > |r| under H0: Rho=0
Number of Observations
azotal
azotal
Azote total
carbo
C/N
MO
NH4
nitrate
pH
argile
1.00000
0.63990
<.0001
n=32
-0.72522
<.0001
n=32
0.64026
<.0001
n=32
0.32589
0.0736
n=31
0.59459
0.0004
n=31
0.24662
0.1736
n=32
0.32167
0.0726
n=32
-0.04546
0.8048
n=32
1.00000
<.0001
n=32
-0.04570
0.8071
n=31
0.83251
<.0001
n=31
0.01849
0.9200
n=32
0.10993
0.5492
n=32
-0.04583
0.8033
n=32
-0.28805
0.1161
n=31
-0.05141
0.7836
n=31
-0.29909
0.0963
n=32
-0.01796
0.9223
n=32
-0.04560
0.8076
n=31
0.83238
<.0001
n=31
0.01861
0.9195
n=32
0.11014
0.5485
n=32
-0.26153
0.1627
30
0.28893
0.1149
n=31
0.31880
0.0805
n=31
-0.03028
0.8716
n=31
0.21430
0.2470
n=31
-0.06596
0.7198
n=32
n=32
carbo
carbo
0.63990
<.0001
n=32
1.00000
CN
CN
-0.72522
<.0001
n=32
-0.04546
0.8048
n=32
1.00000
MO
MO
0.64026
<.0001
n=32
1.00000
<.0001
32
-0.04583
0.8033
32
1.00000
amone
amone
0.32589
0.0736
n=31
-0.04570
0.8071
n=31
-0.28805
0.1161
n=31
-0.04560
0.8076
n=31
1.00000
nitrate
nitrate
0.59459
0.0004
n=31
0.83251
<.0001
n=31
-0.05141
0.7836
n=31
0.83238
<.0001
n=31
-0.26153
0.1627
30
1.00000
pH
pH
0.24662
0.1736
n=32
0.01849
0.9200
n=32
-0.29909
0.0963
n=32
0.01861
0.9195
n=32
0.28893
0.1149
n=31
-0.03028
0.8716
n=31
1.00000
argile
argile
0.32167
0.0726
n=32
0.10993
0.5492
n=32
-0.01796
0.9223
n=32
0.11014
0.5485
n=32
0.31880
0.0805
n=31
0.21430
0.2470
n=31
-0.06596
0.7198
n=32
170
n=32
n=32
n=32
n=31
n=31
n=32
1.00000
n=32
Annexe F: Données allométriques des espèces échantillonnées
Plusieurs espèces végétales naturelles ont été observées sur les terres en friches à SaintAugustin-de-Desmaures entre le 15 juin et le 15 juillet 2011. Parmi celles-ci, onze essences
de type arbustif étaient prédominantes par la fréquence et le volume de biomasse. Pour
chacune de ces onze essences principales, on a procédé à la coupe mécanique
(échantillonnage destructif à 10 cm du sol) de plusieurs tiges couvrant la plage des
diamètres observés. Chaque tige était pesée (MH, masse humide) et convertie en masse
sèche (MS) à partir d’une moyenne de teneur en eau (TEE) basée sur un minimum de 4
échantillons par espèce séchés à l’étuve. Les données originales sont présentées dans les
tableaux suivants, ainsi qu’une analyse simple de la relation entre la masse sèche (MS) par
tige et les diamètres mesurés à la base (DB, à 10 cm du sol) et à hauteur de poitrine (DHP,
1,37 m du sol).
Tableau A. 10: Données destructives pour l’amélanchier.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
DB
29,67
62,26
43,76
51,22
54,71
21,64
64,95
80,09
60,36
34,07
43,28
20,14
19,61
26,1
13,82
28,97
32
71,75
58,23
62,25
34,64
68
60,37
35,22
37,96
11,47
DHP
(mm)
20,91
55,05
36,31
41,58
52,12
18,96
57,01
56,66
51,67
22,42
30,03
11,62
15,02
19,83
9,86
22,86
28,22
51,78
49,07
41,62
30,29
53,48
45,94
20,61
18,84
0
MS
(g)
1556
8372
3855
4857
7746
576
8605
13907
8531
1435
2279
493
487
697
235
1549
1381
12982
7625
6982
2217
7129
8417
1937
1384
83
MH
(g)
2445
13160
6060
7635
12175
905
13525
21860
13410
2255
3582
775
765
1095
370
2435
2170
20405
11985
10975
3485
11205
13230
3045
2175
130
DB/DHP
1,42
1,13
1,21
1,23
1,05
1,14
1,14
1,41
1,17
1,52
1,44
1,73
1,31
1,32
1,40
1,27
1,13
1,39
1,19
1,50
1,14
1,27
1,31
1,71
2,01
NA
171
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
moyenne
Écart-type
minimum
maximum
(TEE moyenne de 36,38%)
13,55
8,56
12,44
11,58
20,49
13,28
15,34
16,39
21,98
18,04
13,37
12,03
11,34
24,41
20,46
34,37
37,78
40,68
18,7
21,79
21,07
14,45
32,26
19,56
8,56
80,09
0
0
0
0
7,17
0
9,78
16,22
9,36
6,8
0
0
5,59
9,02
16,26
23,62
18,07
23,52
12,64
15,84
11,06
7,37
21,96
18,21
0,00
57,01
121
54
115
89
404
118
184
242
356
331
118
80
86
525
604
1730
1753
1991
344
423
366
153
2615
3618
54
13907
190
85
180
140
635
185
290
380
560
520
185
125
135
825
950
2720
2755
3130
540
665
575
240
4110
5687
85
21860
NA
NA
NA
NA
2,86
NA
1,57
1,01
2,35
2,65
NA
NA
2,03
2,71
1,26
1,46
2,09
1,73
1,48
1,38
1,91
1,96
1,55
0,47
1,01
2,86
Amélanchier: MS = f (DB)
Masse sèche par tige (g)
16000
14000
y = 0,1461x2,6391
R² = 0,9832
12000
10000
8000
6000
4000
2000
0
0
20
40
60
80
Diamètre à la base (10 cm du sol, en mm)
100
Figure A. 1: MS de tiges d’amélanchier en fonction du diamètre à la base
172
Tableau A. 11: Données destructives pour l’aulne.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
DB
(mm)
95,88
40,10
88,96
76,10
33,99
80,00
53,87
42,15
70,33
120,04
54,16
36,96
94,66
39,47
48,72
49,90
58,04
67,76
44,39
42,32
40,30
38,46
43,63
23,94
23,52
25,42
16,39
11,42
14,30
12,47
13,09
17,53
20,34
17,60
17,98
61,28
50,31
62,14
DHP
(g)
65,84
32,98
69,32
58,92
25,33
63,72
42,7
31,33
59,31
77,42
44,85
28,95
77,9
26,85
32,94
35,39
45,39
48,04
32,45
31,96
30,78
19,93
33,08
19,95
19,86
17,15
10,09
0,00
6,77
0,00
6,84
9,68
13,36
9,51
9,92
49,25
37,71
41,81
MS
(g)
10221
10905
6901
1155
5751
3551
1817
7262
11551
4332
3468
1680
12407
10848
1995
2310
4324
4141
1925
1710
1675
3131
2071
474
590
415
188
73
105
65
137
188
312
180
137
4558
2499
3761
MH
(g)
18980
20250
12815
2145
10680
6595
3375
13485
21450
8045
6440
3120
23040
20145
3705
4290
8030
7690
3575
3175
3110
5815
3845
880
1095
770
350
135
195
120
255
350
580
335
255
8465
4640
6985
DB/DHP
1,46
1,22
1,28
1,29
1,34
1,26
1,26
1,35
1,19
1,55
1,21
1,28
1,22
1,47
1,48
1,41
1,28
1,41
1,37
1,32
1,31
1,93
1,32
1,20
1,18
1,48
1,62
NA
2,11
NA
1,91
1,81
1,52
1,85
1,81
1,24
1,33
1,49
173
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
174
47,16
68,51
37,32
48,75
70,72
51,87
21,75
32,46
66,26
33,05
21,05
46,22
27,95
43,96
23,63
32,48
30,49
38,88
35,45
37,36
39,41
89,16
59,78
48,34
44,19
64,74
65,64
56,21
54,48
61,99
60,07
65,67
55,69
84,28
89,98
28,05
40,63
35,64
30,38
33,14
19,39
19,35
20,13
20,45
17,46
36,19
51,92
26,59
35,22
47,54
37,26
15,27
21,97
49,13
17,68
12,98
33,05
15,46
34,64
16,86
22,93
23,16
30,42
24,77
26,73
36,45
61,51
47,85
33,10
33,08
51,48
50,57
46,98
41,42
47,31
49,63
51,23
41,90
61,18
69,96
10,90
14,63
10,28
13,02
14,38
7,76
13,09
13,40
7,96
11,39
2526
5751
1260
2181
5417
2520
377
983
4426
1096
390
1774
708
1564
617
950
832
1529
1072
1072
1142
9400
3267
1919
1614
3649
4085
3611
2668
3444
4747
4106
2832
6725
9209
488
1060
772
409
573
178
205
216
174
159
4690
10680
2340
4050
10060
4680
700
1825
8220
2035
725
3295
1315
2905
1145
1765
1545
2840
1990
1990
2120
17455
6066
3564
2998
6776
7585
6705
4954
6395
8816
7624
5259
12488
17101
906
1968
1434
760
1064
330
380
401
323
295
1,30
1,32
1,40
1,38
1,49
1,39
1,42
1,48
1,35
1,87
1,62
1,40
1,81
1,27
1,40
1,42
1,32
1,28
1,43
1,40
1,08
1,45
1,25
1,46
1,34
1,26
1,30
1,20
1,32
1,31
1,21
1,28
1,33
1,38
1,29
2,57
2,78
3,47
2,33
2,30
2,50
1,48
1,50
2,57
1,53
84
85
86
moyenne
écart-type
minimum
maximum
23,61
17,92
21,02
44,54
22,88
11,42
120,04
12,74
6,58
10,13
31,59
18,97
0,00
77,90
307
145
205
2711
2983
65
12407
570
270
380
5035
5540
120
23040
Aulne: MS = f(DHP)
Aulne: MS = f(DB)
14000
y = 0,301x2,2944
R² = 0,8424
12000
14000
1,85
2,72
2,08
1,54
0,43
1,08
3,47
10000
8000
6000
4000
2000
y = 0,8988x2 + 48,317x
R² = 0,55
12000
10000
8000
6000
4000
2000
0
0
0
20
40
60
80
100
120
0
140
Figure A. 2: MS de tiges d’aulne en fonction du
diamètre à la base
20
40
60
80
100
Diamètre à hauteur de poitrine (137 cm du sol, en mm)
Figure A. 3: MS de tiges d’aulne en fonction du
diamètre à hauteur de poitrine
Tableau A. 12: Données destructives pour le cerisier tardif.
Numéro de
DB
DHP
MS
MH
DB/DHP
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
(mm)
14,87
12,08
21,77
17,00
20,28
12,76
21,32
30,07
18,88
21,68
25,67
29,48
41,43
45,65
60,03
(g)
5,64
4,10
14,38
4,75
10,45
0,00
11,29
13,39
11,41
13,08
17,34
16,19
23,20
30,60
28,71
(g)
185
192
349
120
266
83
334
65
306
417
596
269
2342
3145
4399
300
310
565
195
430
135
540
105
495
675
965
435
3790
5090
7120
2,64
2,95
1,51
3,58
1,94
NA
1,89
2,25
1,65
1,66
1,48
1,82
1,79
1,49
2,09
175
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
moyenne
Écart-type
minimum
maximum
19,02
19,12
27,00
23,27
24,13
25,86
28,29
27,84
18,51
21,04
16,10
16,09
91,46
39,21
31,65
32,02
89,93
40,58
37,08
70,95
63,08
52,64
131,00
62,00
69,00
74,00
37,65
25,92
12,08
131,00
176
9,78
8,60
20,12
11,95
11,34
14,80
17,01
15,65
6,51
9,09
7,55
5,43
65,20
22,97
31,33
15,10
21,11
19,46
29,24
44,90
41,38
31,45
78,00
44,00
64,00
57,00
22,13
18,26
0,00
78,00
33
219
633
463
436
572
559
619
235
371
170
124
22899
1304
893
828
1773
1483
1746
7909
5499
2815
17984
5865
10575
9089
2638
4852
33
22899
53
355
1024
750
705
925
905
1002
380
600
275
200
37060
2110
1445
1340
2870
2400
2825
12800
8900
4555
29105
9492
17114
14709
4269
7852
53
37060
1,94
2,22
1,34
1,95
2,13
1,75
1,66
1,78
2,84
2,31
2,13
2,96
1,40
1,71
1,01
2,12
4,26
2,09
1,27
1,58
1,52
1,67
1,68
1,41
1,08
1,30
1,80
0,66
0,43
4,26
Cerisier tardif: MS = f(DHP)
Cerisier tardif: MS = f(DB)
y = 0,1647x2,4528
R² = 0,8302
20000
25000
25000
15000
10000
5000
y = 3,5434x2 - 10,819x
R² = 0,8858
20000
15000
10000
5000
0
0
0,00
20,00
40,00
60,00
80,00
100,00 120,00 140,00
Figure A. 4 : MS de tiges de cerisier tardif en
fonction du diamètre à la base
0,00
20,00
40,00
60,00
80,00
100,00
Figure A. 5: MS de tiges de cerisier tardif en
fonction du diamètre à hauteur de poitrine.
177
Tableau A. 13: Données destructives pour le cornouiller stolonifère.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
178
DB
(mm)
14,67
8,71
13,48
8,58
15,62
14,05
19,76
15,49
15,4
17,52
13,9
11,95
8,92
8,95
7,62
7,03
9,88
9,68
9,65
15,44
17,45
9,72
15,32
14,03
9,33
12,37
11,72
11,26
8,30
8,44
11,67
10,99
18,21
14,55
11,64
14,92
9,69
17,07
12,15
12,82
11,71
9,11
16,81
DHP
(g)
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
2,43
2,55
2,84
3,09
3,20
3,30
3,47
3,50
3,57
3,66
3,70
3,80
3,95
4,11
4,31
MS
(g)
196
59
169
54
167
70
236
219
142
224
109
64
34
43
25
28
35
32
45
169
230
37
159
102
46
107
78
73
44
60
98
95
143
150
86
155
61
249
94
127
150
52
228
MH
DB/DHP
364
110
314
100
310
130
438
406
264
416
202
119
64
80
46
52
65
60
84
314
428
68
295
190
86
198
145
136
82
112
182
176
266
278
160
288
114
462
174
236
278
96
424
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
NA
3,42
3,31
4,11
3,56
5,69
4,41
3,35
4,26
2,71
4,66
3,28
3,37
2,96
2,22
3,90
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
moyenne
écart-type
minimum
maximum
10,48
14,84
12,05
14,72
14,37
14,06
16,38
16,11
21,15
13,12
10,45
15,87
10,51
14,02
9,38
11,58
8,01
12,79
16,72
12,4
12,18
10,41
10,27
18,23
16,06
16,94
15,13
17,31
12,80
14,35
11,92
8,44
9,19
12,87
3,21
7,03
21,15
4,41
4,67
4,98
5,15
5,23
5,24
5,58
5,61
5,68
5,78
5,90
5,91
6,18
6,23
6,34
6,40
6,47
6,55
6,56
6,74
7,00
7,37
7,70
7,84
7,89
7,96
8,42
8,43
8,57
9,45
9,55
10,14
11,08
3,66
3,28
0,00
11,08
58
155
109
124
151
170
201
115
501
144
55
180
80
144
47
74
37
88
249
83
90
96
84
338
164
257
164
304
128
306
150
53
60
128
85
25
501
108
288
203
230
280
316
374
214
930
268
102
334
148
268
88
138
68
164
462
155
168
178
156
627
304
478
304
564
238
568
278
98
112
237
158
46
930
2,38
3,18
2,42
2,86
2,75
2,68
2,94
2,87
3,72
2,27
1,77
2,69
1,70
2,25
1,48
1,81
1,24
1,95
2,55
1,84
1,74
1,41
1,33
2,33
2,04
2,13
1,80
2,05
1,49
1,52
1,25
0,83
0,83
2,57
1,05
0,83
5,69
179
cornouiller: MS = f(DB)
600
La figure intégrant le DHP comme
variable de prédiction de la variable
réponse matière sèche n’est pas
valable pour l’essence cornouiller.
y = 0,2479x2,3921
R² = 0,8427
500
400
300
200
100
0
0,00
5,00
10,00
15,00
20,00
25,00
Figure A. 6: MS de tiges de cornouiller stolonifère en
fonction du diamètre à la base.
180
Tableau A. 14: Données destructives pour l’érable rouge.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
DB
(mm)
75,09
52,29
43,33
62,17
68,16
38,87
40,70
46,86
38,54
48,67
44,62
35,10
43,00
44,88
37,43
39,78
58,92
56,78
95,47
107,90
33,55
44,60
30,02
35,25
27,37
38,48
29,87
26,83
24,97
11,11
17,11
13,58
18,46
12,87
22,51
25,30
11,52
18,23
27,15
22,18
10,53
53,57
DHP
(g)
62,70
49,30
35,46
53,81
61,85
24,69
32,78
35,40
26,45
31,65
33,24
24,88
33,39
36,80
27,18
27,58
40,76
38,72
70,75
82,39
18,96
40,46
16,35
27,35
20,62
33,38
17,73
15,94
15,35
0,00
5,24
7,57
5,80
5,88
11,12
16,05
0,00
4,30
16,95
13,12
6,73
35,01
MS
(g)
14132
6331
3146
6412
7577
1503
2086
3338
1470
2494
2434
1410
2089
2970
1443
1518
3805
3823
14093
20796
1203
3239
668
1437
668
1880
1072
578
287
99
144
141
204
120
359
551
81
144
671
443
39
1721
MH
DB/DHP
23605
10575
5255
10710
12655
2510
3485
5575
2455
4165
4065
2355
3490
4960
2410
2535
6355
6385
23540
34735
2010
5410
1115
2400
1115
3140
1790
965
480
165
240
235
340
200
600
920
135
240
1120
740
65
2875
1,20
1,06
1,22
1,16
1,10
1,57
1,24
1,32
1,46
1,54
1,34
1,41
1,29
1,22
1,38
1,44
1,45
1,47
1,35
1,31
1,77
1,10
1,84
1,29
1,33
1,15
1,68
1,68
1,63
NA
3,27
1,79
3,18
2,19
2,02
1,58
NA
4,24
1,60
1,69
1,56
1,53
181
43
44
45
46
47
48
49
50
51
52
53
54
55
moyenne
écart-type
minimum
maximum
31,87
22,84
27,21
44,26
52,58
29,27
29,19
57,34
39,78
28,35
49,10
35,12
162,00
40,77
25,46
10,53
162,00
22,97
16,90
17,72
34,34
37,90
18,67
22,18
43,81
28,71
18,85
39,32
24,33
90,63
28,73
19,20
0,00
90,63
928
656
724
2386
4185
709
880
4739
1548
569
3086
1206
24969
3004
4857
39
24969
Érable rouge: MS = f(DB)
25000
30000
y = 0,1673x2,5072
R² = 0,9601
20000
15000
10000
5000
0
0,00
50,00
100,00
150,00
Figure A. 7: MS de tiges de l’érable rouge en
182
1,39
1,35
1,54
1,29
1,39
1,57
1,32
1,31
1,39
1,50
1,25
1,44
1,79
1,57
0,56
1,06
4,24
Érable rouge: MS = f(DHP)
30000
1550
1095
1210
3985
6990
1185
1470
7915
2585
950
5155
2015
41705
5017
8113
65
41705
200,00
y = 3,7251x2 - 68,01x + 534,81
R² = 0,979
25000
20000
15000
10000
5000
0
0,00
20,00
40,00
60,00
80,00
100,00
Figure A. 8: MS de tiges de l’érable rouge en
Tableau A. 15: Données destructives pour le frêne rouge de Pennsylvanie.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
moyenne
écart-type
minimum
maximum
DB
(mm)
38,25
39,04
44,65
41,39
29,55
46,67
28,84
27,37
28,36
23,12
20,48
12,48
20,56
12,65
14,87
13,89
19,76
21,26
11,88
14,25
23,64
8,83
10,54
14,35
15,16
15,50
16,23
7,50
12,09
8,16
23,32
10,73
16,04
10,92
78,00
68,00
63,00
96,00
67,00
27,55
21,28
7,50
96,00
DHP
MS
(g)
(g)
29,93
1428
28,53
1768
31,10
2516
31,02
2384
21,13
940
35,27
3280
19,35
699
20,56
764
21,01
971
13,43
492
13,06
309
5,14
114
6,54
294
6,71
130
8,35
247
5,57
158
11,57
34
10,55
328
3,68
93
8,72
182
10,84
454
6,76
102
5,10
127
0,00
176
8,17
198
9,56
201
7,49
275
0,00
77
0,00
105
0,00
77
9,95
331
7,26
328
7,12
297
5,70
164
68,00
10441
50,00
8234
38,00
2830
69,00
14157
44,00
5743
17,39
1576
17,46
3051
0,00
34
69,00
14157
MH
DB/DHP
2310
2860
4070
3855
1520
5305
1130
1235
1570
795
500
185
475
210
400
255
55
530
151
295
735
165
205
285
320
325
445
125
170
125
535
530
480
265
16887
13317
4577
22897
9288
2548
4934
55
22897
1,28
1,37
1,44
1,33
1,40
1,32
1,49
1,33
1,35
1,72
1,57
2,43
3,14
1,89
1,78
2,49
1,71
2,02
3,23
1,63
2,18
1,31
2,07
NA
1,86
1,62
2,17
NA
NA
NA
2,34
1,48
2,25
1,92
1,15
1,36
1,66
1,39
1,52
1,78
0,51
1,15
3,23
183
Frêne rouge de Pennsylvanie: MS = f(DHP)
16000
16000
14000
14000
12000
Frêne rouge de Pennsylvanie: MS = f(DB)
y = 0,6643x2,1237
R² = 0,887
10000
8000
6000
4000
2000
8000
6000
4000
2000
0,00
20,00
40,00
60,00
80,00
100,00
Figure A. 9: MS de tiges de frêne rouge de
Pennsylvanie en fonction du diamètre à la base.
184
10000
0
0
0,00
y = 2,9413x2 - 18,113x + 127,86
R² = 0,9691
12000
120,00
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
Figure A. 10: MS de tiges de frêne rouge de
Pennsylvanie en fonction du diamètre à hauteur
de poitrine.
Tableau A. 16: Données destructives pour le peuplier faux-tremble.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
DB
(mm)
57,75
51,87
81,54
52,96
64,43
92,11
83,33
111,24
40,17
97,01
58,83
37,86
32,91
31,40
25,43
37,50
69,79
28,27
68,60
45,30
57,44
26,37
53,85
44,52
12,68
17,77
22,86
12,74
18,38
21,55
24,22
7,58
12,12
24,43
13,86
12,44
20,89
6,59
7,30
6,79
11,11
15,29
DHP
(g)
37,96
43,54
69,00
42,21
60,16
85,33
71,43
94,90
30,29
78,86
47,99
29,43
20,36
24,21
12,64
26,96
39,95
22,09
57,29
34,92
47,41
21,04
35,39
29,68
6,01
8,74
11,16
4,23
9,03
6,38
12,26
0,00
3,73
11,92
4,39
0,00
6,63
0,00
0,00
0,00
0,00
0,00
MS
(g)
1879
2719
12591
2962
6725
11101
11969
21543
1519
14556
2814
1435
719
843
570
1243
4473
808
6057
3944
3414
730
3906
2906
122
251
281
92
243
365
327
30
86
311
92
84
303
11
24
11
65
105
MH
DB/DHP
3475
5030
23290
5480
12440
20535
22140
39850
2810
26925
5205
2655
1330
1560
1055
2300
8275
1495
11205
7295
6315
1350
7225
5375
225
465
520
170
450
675
605
55
160
575
170
155
560
20
45
20
120
195
1,52
1,19
1,18
1,25
1,07
1,08
1,17
1,17
1,33
1,23
1,23
1,29
1,62
1,30
2,01
1,39
1,75
1,28
1,20
1,30
1,21
1,25
1,52
1,50
2,11
2,03
2,05
3,01
2,04
3,38
1,98
NA
3,25
2,05
3,16
NA
3,15
NA
NA
NA
NA
NA
185
43
44
45
46
47
48
49
50
51
moyenne
écart-type
minimum
maximum
8,63
7,39
6,81
7,97
17,91
80,92
89,32
93,37
90,35
39,64
30,08
6,59
111,24
0,00
0,00
0,00
0,00
6,32
67,17
65,66
84,51
79,35
28,44
28,38
0,00
94,90
24
16
24
32
211
9091
8837
12441
16257
3356
5092
11
21543
25000
y = 0,1355x2,5318
R² = 0,9861
15000
10000
5000
20,00
40,00
60,00
80,00
100,00
Figure A. 11: MS de tiges de peuplier fauxtremble en fonction du diamètre à la base.
186
25000
20000
120,00
y = 2,313x2 - 16,724x + 133,75
R² = 0,948
15000
10000
5000
0
0,00
0
0,00
NA
NA
NA
NA
2,83
1,20
1,36
1,10
1,14
1,70
0,69
1,07
3,38
Peuplier faux-tremble: MS = f(DHP)
Peuplier faux-tremble: MS = f(DB)
20000
45
30
45
60
390
16816
16346
23013
30073
6208
9418
20
39850
20,00
40,00
60,00
80,00
100,00
Figure A. 12: MS de tiges de peuplier fauxtremble en fonction du diamètre à hauteur de
poitrine.
Tableau A. 17: Données destructives pour le pommier sauvage.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
moyenne
écart-type
minimum
maximum
DB
DHP
66,68
32,34
28,89
28,4
36,47
35,09
31,42
38,98
49,88
55,49
15,81
20,04
18,4
16,28
9,63
7,87
56,75
104,97
104,6
74,78
110,00
44,89
31,41
7,87
110,00
MS
42,85
6524
22,45
766
12,77
458
11,63
482
18,74
1124
23,39
999
15,56
501
25,03
1213
38,72
3528
37,96
3694
7,22
182
12
308
9,1
220
7,1
112
4,39
46
4,2
37
49,63
8384
95,36
14335
64,65
21660
57,4
9463
88,00
14282
30,86
4206
26,91
6086
4,20
37
95,36
21660
Pommier sauvage: MS = f(DB)
DB/DHP
12517
1469
878
925
2157
1916
960
2327
6770
7088
349
591
421
216
87
72
16087
27504
41557
18157
27401
8069
11678
72
41557
1,56
1,44
2,26
2,44
1,95
1,50
2,02
1,56
1,29
1,46
2,19
1,67
2,02
2,29
2,19
1,87
1,14
1,10
1,62
1,30
1,25
1,72
0,41
1,10
2,44
Pommier sauvage: MS = f(DHP)
25000
25000
MH
y = 0,1407x2,5205
R² = 0,9737
20000
15000
10000
5000
0
0
20
40
60
80
100
Diamètre à la base (10 cm du sol, en mm
120
)
Figure A. 13: MS de tiges de pommier sauvage en
y = 2,4567x2,0071
R² = 0,9739
20000
15000
10000
5000
0
0
20
40
60
80
100
120
Figure A. 14: MS de tiges de pommier sauvage en
187
Tableau A. 18: Données destructives pour le saule.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
188
DB
(mm)
27,73
37,27
35,39
57,13
63,40
78,44
104,46
59,64
80,04
66,04
54,07
62,07
53,87
143,16
100,59
90,06
24,99
33,92
56,15
95,97
14,39
12,49
12,98
13,69
17,62
13,38
15,49
20,95
16,30
13,38
10,68
17,85
11,48
15,14
25,31
13,38
16,58
15,04
100,00
41,95
115,00
112,28
132,00
41,49
55,79
40,06
28,92
DHP
(g)
12,51
17,22
14,16
31,38
51,81
64,49
66,14
41,42
48,39
34,07
34,43
38,52
31,04
102,19
49,60
59,39
20,07
15,53
34,79
78,97
9,07
7,31
0,00
8,02
9,68
10,02
8,74
10,37
8,51
4,60
0,00
5,21
0,00
5,03
11,37
5,24
8,54
6,64
50,42
26,43
62,93
82,66
58,96
27,69
37,17
27,95
25,02
MS
(g)
823
2040
1292
3721
2468
9376
16210
5511
8040
8029
5738
6297
2352
31044
5607
14211
813
794
4717
14728
93
100
67
132
103
157
180
389
186
58
199
80
106
704
77
215
93
35
13385
1474
20399
17903
18741
1439
3331
2087
823
MH
DB/DHP
1280
3175
2010
5790
3840
14590
25225
8576
12512
12495
8930
9800
3660
48310
8725
22115
1265
1235
7340
22920
145
155
105
205
160
245
280
605
290
90
310
125
165
1095
120
335
145
55
20829
2294
31745
27860
29165
2240
5183
3248
1281
2,22
2,16
2,50
1,82
1,22
1,22
1,58
1,44
1,65
1,94
1,57
1,61
1,74
1,40
2,03
1,52
1,25
2,18
1,61
1,22
1,59
1,71
NA
1,71
1,82
1,34
1,77
2,02
1,92
2,91
NA
3,43
NA
3,01
2,23
2,55
1,94
2,27
1,98
1,59
1,83
1,36
2,24
1,50
1,50
1,43
1,16
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
moyenne
écart-type
minimum
maximum
43,31
35,30
38,06
15,12
15,13
18,89
34,51
18,66
17,40
17,35
14,76
16,03
17,99
20,31
18,02
13,76
15,34
41,22
33,83
10,68
143,16
35,09
1720
19,97
1369
20,10
993
7,40
152
6,16
60
8,78
139
18,47
630
14,41
271
11,03
161
11,43
146
6,34
118
9,21
120
13,55
280
13,11
260
11,27
184
7,97
67
9,97
138
24,81
3643
22,77
6296
0,00
35
102,19
31044
35000
y = 0,1697x2,4519
R² = 0,9229
20,00 40,00 60,00 80,00 100,00 120,00 140,00 160,00
Figure A. 15: MS de tiges de saule sauvage en
1,23
1,77
1,89
2,04
2,46
2,15
1,87
1,29
1,58
1,52
2,33
1,74
1,33
1,55
1,60
1,73
1,54
1,81
0,46
1,16
3,43
Saule de Bebb: MS = f(DHP)
Saule de Bebb: MS = f(DB)
35000
30000
25000
20000
15000
10000
5000
0
0,00
2677
2130
1545
236
93
217
981
421
251
227
184
187
436
404
287
104
215
5670
9798
55
48310
y = 2,3348x2 + 65,574x - 612,7
R² = 0,8854
30000
25000
20000
15000
10000
5000
0
0,00
20,00
40,00
60,00
80,00
100,00
120,00
Figure A. 16: MS de tiges de saule sauvage en
189
Tableau A. 19: Données destructives pour la viorne trilobée.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
190
DB
(mm)
13,00
19,00
18,00
16,00
32,00
49,00
40,00
36,00
48,00
51,00
38,00
22,00
26,00
32,00
17,00
14,00
13,00
16,00
19,00
17,00
53,00
16,00
51,00
40,00
44,00
39,00
25,00
15,00
19,00
7,00
5,00
12,00
8,00
12,00
20,00
14,00
10,00
28,00
13,00
11,00
17,00
27,00
24,00
DHP
(g)
13,00
17,00
8,00
9,00
17,00
36,00
34,00
21,00
25,00
28,00
30,00
18,00
18,00
31,00
5,00
13,00
12,00
13,00
16,00
15,00
39,00
15,00
32,00
34,00
37,00
35,00
9,00
12,00
10,00
0,00
0,00
3,00
4,00
8,00
20,00
4,00
3,00
15,00
0,00
0,00
8,00
12,00
16,00
MS
(g)
92
399
149
125
563
2897
2434
2952
3570
2224
815
1054
2224
815
135
273
224
341
431
352
3649
287
1176
2637
3122
2991
215
144
316
30
15
83
55
105
618
58
75
1180
69
87
215
584
658
MH
DB/DHP
174
754
282
236
1062
5469
4595
5573
6739
4199
1538
1990
4199
1538
254
516
422
644
814
664
6889
542
2220
4979
5893
5647
406
272
596
56
28
156
104
198
1166
110
142
2228
130
164
406
1102
1242
1,00
1,12
2,25
1,78
1,88
1,36
1,18
1,71
1,92
1,82
1,27
1,22
1,44
1,03
3,40
1,08
1,08
1,23
1,19
1,13
1,36
1,07
1,59
1,18
1,19
1,11
2,78
1,25
1,90
NA
NA
4,00
2,00
1,50
1,00
3,50
3,33
1,87
NA
NA
2,13
2,25
1,50
44
45
46
47
48
49
moyenne
écart-type
minimum
maximum
19,00
22,00
17,00
31,00
24,00
31,00
24,29
12,89
5,00
53,00
10,00
20,00
12,00
12,00
12,00
30,00
16,14
10,99
0,00
39,00
292
342
384
573
415
1435
896
1081
15
3649
3000
4000
y = 0,3255x2,3371
R² = 0,8697
3500
2500
2000
1500
1000
500
3500
3000
2500
y = 1,5834x2 + 20,273x - 31,846
R² = 0,6982
2000
1500
1000
500
0
0
0,00
1,90
1,10
1,42
2,58
2,00
1,03
1,70
0,74
1,00
4,00
Viorne trilobée: MS = f(DHP)
Viorne trilobée: MS = f(DB)
4000
552
646
724
1082
784
2709
1691
2040
28
6889
10,00
20,00
30,00
40,00
50,00
Figure A. 17: MS de tiges de viorne trilobée en
60,00
0,00
10,00
20,00
30,00
40,00
50,00
Figure A. 18: MS de tiges de viorne trilobée en
191
Tableau A. 20: Données destructives pour l’aubépine.
Numéro de
l'échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
moyenne
écart-type
minimum
maximum
192
DB
(mm)
4,17
7,13
7,22
9,72
10,75
11,36
11,52
11,89
12,53
13,59
20,77
21,38
22,89
22,93
24,15
24,57
29,24
33,93
36,34
38,29
38,62
40,17
42,39
42,91
51,84
52,34
65,26
66,89
74,57
77,25
80,14
82,06
97,63
35,95
25,89
4,17
97,63
DHP
(g)
0
0
0
0
0
2,67
0
0
0
0
5,19
18,43
9,39
8,44
7,06
13,51
14,02
15,77
22,42
14,94
24,13
18,18
23,58
33,26
34,84
24,93
56,17
35,52
59,36
52,91
49,36
68,01
70,39
20,68
21,64
0,00
70,39
MS
(g)
93
35
29
68
90
392
280
84
113
109
444
823
563
1525
573
534
1049
1094
2374
389
1702
1696
1968
3307
4378
3474
7218
8800
10959
10476
6504
13895
22432
3257
5038
29
22432
MH
DB/DHP
145
55
45
105
140
610
435
130
175
170
690
1280
875
2370
890
830
1630
1700
3690
605
2645
2636
3060
5140
6805
5400
11220
13680
17035
16285
10110
21600
34870
5062
7832
45
34870
NA
NA
NA
NA
NA
4,25
NA
NA
NA
NA
4,00
1,16
2,44
2,72
3,42
1,82
2,09
2,15
1,62
2,56
1,60
2,21
1,80
1,29
1,49
2,10
1,16
1,88
1,26
1,46
1,62
1,21
1,39
2,03
0,85
1,16
4,25
Aubépine: MS = f(DHP)
25000
20000
Aubépine: MS = f(DB)
25000
y = 0,8293x2,1238
R² = 0,8994
15000
10000
5000
0
0
20
40
60
80
100
120
Figure A. 19: MS de tiges d’aubépine en fonction du
diamètre à la base.
20000
y = 3,5507x2 - 7,8473x + 287,41
R² = 0,9068
15000
10000
5000
0
0
10
20
30
40
50
60
70
80
Figure A. 20: MS de tiges d’aubépine en
193
Annexe G : Équations retenues pour fins de comparaisons statistiques
Amélanchier
Amélanchier spp.
M=aD^b
Amélanchier spp.
M=aD^b
LN(M) = a
+b LN(D)
amélanchier alnifolia
Aubépine
aubépine
ln(M)=a+b*l
n(D)
Aulne
D(0
,15)
D(0
,15)
D
B
D
B
D(0
aulne rugosa
M=aD^b
Aulne rugosa
M=aD^b
D
HP
aulne glutineux
M=aD^b*e^(
cD)
D
B
Cerisier
cerisier de Virginie
M=aD^b
cerisier de virginie
M=aD^b
cerisier spp.
M=aD^b
cerisier tardif (tronc)
cerisier tardif
(branches)
cerisier tardif
(Écorce)
cerisier tardif
(feuille)
R2
0,50-1,90
0,83
45
0,50-4,10
0,93
27
Smith et Brand (1983)
d’après Ohmann
d’après Roussopoulos
et Loomis (1979)
0,4-4,5
0,99
39
0,3-5,6
0,85
,15)
0,25-3,00
3,0-9,0
D
B
D
B
D(0
,15)
D
HP
2,3
2
NA
USA
(MN)
71,
53
2,3
9
NA
USA
(MN)
Brown (1976)
3,6
1
2,8
9
NA
Canad
a (CB)
36
Dickinson (2010)
3,6
8
2,3
4
NA
USA
(PA)
0,96
29
2,7
1
2,2
1
USA
(MN)
30
33,
72
0,2
6
NA
NA
Ter-Mikaelian(d’après
Young)
NA
Maine
Verwisjt et Telenius
(1999)
0,0
1
3,6
9
0,0
3
Suisse
0,2
6
9,9
3
1,7
1
2,9
2
NA
Maine
NA
USA
68,
01
2,2
4
NA
USA
(MN)
0,3
7
0,0
8
0,0
7
0,0
8
1,9
4
2,0
1
1,8
4
1,2
3
39,
65
32,
79
2,5
8
3,8
1
0,1
4
0,1
0
0,0
2
0,0
3
0,0
5
2,3
4
2,3
4
2,4
8
2,0
9
1,5
2
0,99
20
3,0-15,0
na
16
0,60-2,90
0,98
31
0,8-3,8
0,9
25
0,80
78
cornus stolonifera
M=aD^b
cornus stolonifera
M=aD^b
D
B
D(0
érable rouge (tronc)
érable rouge
(branches)
érable rouge (Écorce)
érable rouge (feuille)
194
Lambert et al.
(2005)***
,15)
0,60-3,40
0,93
31
0,25-1,75
0,89
33
(d’après Brown)
(d’après Connolly)
Érable rouge
érable rouge
Ter-Mikaelian (1997)
d’après Young
(d’après Brown)
et Loomis(1979)
M=aD^b
Cornouiller
M=aD^b
M=aD^b
D
HP
D
HP
pays
origin
e
64,
18
3,0-11,0
0,949,6 cm
Référence
valeur
coefficient c
Formule
données
requises
pour la
variable
indépendante
(cm)
Espèce
Nomb
re
d’obse
rvatio
n
valeur
coefficient a
valeur
coefficient b
Tableau A. 21: Modèles de prédiction de la biomasse par tige individuelle issus de la littérature retenus
pour fins de comparaisons statistiques
1,0-31,0
0,99
37
d’après Freedman et
al, 1982
2,4-56,0
0,96
177
Lambert et al. (2005)
NA
NA
NA
Canad
a (On)
NA
NA
USA
NA
USA
(MN)
NA Nouve
lleÉcosse
NA
NA
NA
NA
Canad
a
,15)
0,3-4,1
0,94
36
et Loomis (1979)
M=aD^b
D
HP
0,0-35,0
0,97
198
d’après ker, 1984
érable rouge
M=aD^b
D
HP
0,0-10,0
0,88
30
érable rouge
M=aD^b
D
HP
4,0-35
na
45
D
HP
D
HP
3,0-66,0
na
62
érable rouge
ln(M) = a +b
ln(D)
ln(M) = a +b
ln(D)
1,0-16,5
NA
NA
érable rouge
ln(M) = a +b
ln(D)
D
HP
2,8-11,9
NA
NA
ln(M) = a +b
ln(D)
ln(M) = a +b
ln(D)
D
HP
D
HP
0,8-8,4
NA
NA
0,8-8,5
NA
NA
érable rouge
ln(M) = a +b
ln(D)
érable rouge
érable rouge
érable rouge
érable rouge
D(0
d’après MacLean et
Wein, 1976
d’après Perala et
Alban(1994)
d’après Young et al.
(1980)
Pastor (1983) d’après
Ribe, 1973
Kinerson et
Bartholomew,1977
Goldsmith et
Hocker,1978
Monteith(1979)
Frêne de Pennsylvanie
frêne (tronc)
frêne (branches)
M=aD^b
frêne (branches)
D
HP
4,9-40,2
0,88
27
frêne (branches)
peuplier faux-tremble M=aD^b
D
B
0,23-4,06
0,99
20
1,0-27,0
0,995
26
d’après Telfer(1969)
Ter-Mikaelian
(1997)(d’après
Freedman(1982)
0,3-6
0,979
35
Freedman (1984)
Freedman (1984)
d’après Campbell et
al., (1988)
ln(M) = a +b
peuplier faux-tremble ln(D)
D
HP
D(
0,2
5)
ln(M) = a +b
peuplier faux-tremble ln(D)
D
B
0,02-0,85 0,978
88
D
HP
1,0-32,0
0,983
34
D
HP
0-36,0
0,989
197
D
HP
0,951
15
D
HP 15,0-40,0 0,988
9
d’après MacLean et
Wein(1976)
d’après Pastor et
Bockheim (1981)
M(kg)=EXP(
peuplier faux-tremble a+b*ln(D))
D
HP
230
Jenkins et al. (2003)
0-15,0
2,5-70
0,953
d’après Ker (1984)
60,
37
2,3
4
0,2
0
2,1
9
0,2
6
1,6
7
0,1
6
2,3
1
0,1
2
4,0
8
2,3
8
2,6
5
4,8
6
2,2
9
4,8
2
5,2
6
2,3
2
2,2
3
0,1
5
0,0
8
0,0
4
0,1
0
2,1
8
2,3
4
2,0
5
1,2
2
27,
98
0,0
9
1,2
30
1,3
00
0,1
1
0,1
0
0,1
6
0,2
1
2,2
1
NA
USA
(MN)
NA Nouve
lleÉcosse
NA Nouve
au
Bruns
wick
NA
Canad
a
NA
Maine
NA USA
(MN)
NA
USA
(NH)
NA
USA
(MN)
NA USA
(NY)
NA
NA
NA
Canad
a (On)
NA
Canad
2,7
a
2 NA (N-É)
Canad
2,4
a
1 NA (N-É)
NA Canad
2,5
a
1
(N-É)
NA Canad
2,4
a
8
(N-É)
NA
2,3
5
Yukon
NA Nouve
au
Bruns
2,3
9
wick
NA Nouve
au
Bruns
2,0
7
wick
NA
2,2
Wisco
5
nsin
NA
2,3
9
USA
195
peuplier faux-tremble
(tronc)
(branches)
M=aD^b
(Écorce)
(feuille)
D
HP
,7-47,2
0,95
773
0,0
6
0,0
1
0,0
1
0,0
3
2,4
8
2,5
2
2,3
9
1,6
3
3,6
8
2,3
4
27,
19
2,7 NA USA
6
(MN)
NA
2,2
USA
0
(MN)
NA
1,9
USA
8
(MN)
NA
2,5
USA
9
(MN)
2,3 NA Canad
2
a
2,9 NA Suisse
7
NA
2,3
9
USA
NA
2,5
Canad
1
a
NA
2,0
5
Maine
NA
NA
NA
Canad
a
NA
Pommier sauvage
Modèle de l’aubépine
a été utilisée pour
ln(M)=a+b*l
cette espèce
n(D)
Saule
D
B
0,3-5,6
0,85
36
0,70-3,70
0,97
31
0,25-3,00
0,83
72
0,80-3,80
0,87
36
0,5-3,00
0,96
25
salix spp.
ln(B) = a +b
ln(X)
D
B
salix spp.
ln(B) = a +b
ln(X)
D(0
salix spp.
ln(B) = a +b
ln(X)
D(0
ln(B) = a +b
ln(X)
ln(B) = a +b
ln(X)
M=aDB^b
D(0
D
B
D
B
0,45-3,41
2,0012 00
0,97
0,98
20
75
salix spp.
M(kg)=EXP(
a+b*ln(D))
D
HP
2,5-70
0,953
230
saule
M=a *DHP
^b
D
HP
4 à 20
na
180
saule
M=a* DHP
^b
D
HP
3 à 24
na
30
log(M) = a
+b log(D)
D
B
log(M) = a
+b log(D)
ln(M)=a+b*l
nD
D
B
D
B
salix spp.
salix spp.
Salix viminalis
,15)
,15)
,15)
Dickinson (2010)
(d’après Brown, 1976
(d’après
Connolly,1981
(d’après Ohmann et al
(1976)
et Loomis(1979)
d’après Telfer(1969)
Verwisjt et Telenius
(1999)
Jenkins et al. (2003)
Ter-Mikaelian
(1997)d’après Perala
et Alban, 1994
Ter-Mikaelian
(1997)d’après Young
et al., 1980
Viorne trilobée
viorne alnifolium
viorne cassinoides
Viorne acerifolium
0,28-1,59 0,951
19
Telfer(1969)
,29-3,10
0,984
20
Telfer(1969)
0,2-1,5
0,87
74
Dickinson (2010)
60,
15
87,
79
55,
92
46,
27
0,0
2
2,2
1
0,0
6
0,1
6
4,0
8
2,6
1
3,8
8
3,2
4
2,7
7
2,3
9
NA
NA
NA
USA
(PA)
Canad
a (NB)
Canad
a (NB)
NA USA
(PA)
*DB : Diamètre à 10 cm du niveau du sol
D(0,15) : Diamètre à 15 cm du niveau du sol
D(0,25) : Diamètre à 25 cm du niveau du sol
DHP : Diamètre à 130 cm du niveau du sol
M=masse en gramme de matière sèche
*** Dans le cas des modèles de prédictions de la biomasse de Lambert et al (2005), la
biomasse est décrite par composante individuelle, la sommation des composantes donne la
biomasse aérienne totale
196
Annexe H : Résultats des comparaisons
Tableau A. 22: Résultats des analyses de comparaisons T-pairé.
N
moyenne de
la différence
valeur de t
Pr > |t|
47
202.6
1.26
0.2156
47
191.6
1.10
0.2765
48
1081.9
4.29
<.0001
48
1070.9
4.68
<.0001
48
699.4
3.81
0.0004
48
688.3
4.28
<.0001
33
1749.6
3.32
0.0022
33
1607.3
3.75
0.0007
85
-850.5
-3.52
0.0007
85
-1143.1
-10.31
<.0001
86
-485.4
-1.28
0.2040
86
-778.0
-2.45
0.0161
86
-2238.1
-5.26
<.0001
86
-2530.8
-6.34
<.0001
40
-1493.4
-3.82
0.0005
40
-1469.0
-4.15
0.0002
40
1336.7
2.77
0.0085
40
1361.1
2.46
0.0185
40
417.6
0.99
0.3278
40
442.0
0.89
0.3787
40
1219.8
2.57
0.0142
40
1244.2
2.54
0.0150
75
42.3084
8.20
<.0001
75
30.0090
12.66
<.0001
76
12.6308
2.24
0.0282
Comparaisons effectuées
Comparaison pour l’amélanchier
amelanchier_reel - amelanchier _Brown (1976)
amelanchier _FSR - amelanchier _Brown (1976)
amelanchier _reel - amelanchier _ Smith et Brand (1983; modèle Ohmann)
amelanchier _FSR - amelanchier _ Smith et Brand (1983; modèle Ohmann)
amelanchier _reel - amelanchier _ Smith et Brand (1983; modèle Roussopoulos)
amelanchier _FSR - amelanchier _Smith et Brand (1983; modèle Roussopoulos)
Comparaison pour l’aubépine
aubepine_reel - aubepine_ Dickinson (2010)
aubepine_FSR - aubepine_ Dickinson (2010)
Comparaison pour l’aulne
aulne_reel - aulne_Verwijst et Telenius (1999)
aulne_FSR - aulne_ Verwijst et Telenius (1999)
aulne_reel - aulne_ Smith et Brand (1983; modèle Connolly)
aulne_FSR - aulne_ Smith et Brand (1983; modèle Connolly)
aulne_reel - aulne_ Ter-Mikaelian (1997; modèle Young)
aulne_FSR - aulne_ Ter-Mikaelian (1997; modèle Young)
Comparaison pour le cerisier
cerisier_reel - cerisier_Lambert et al. (2005)
FSR vs Lambert et al. (2005)
cerisier_reel - cerisier_ Smith et Brand (1983; modèle Brown)
cerisier_FSR - cerisier_ Smith et Brand (1983; modèle Brown)
cerisier_reel - cerisier_ Smith et Brand (1983; modèle Roussopoulos)
cerisier_FSR - cerisier_ Smith et Brand (1983; modèle Roussopoulos)
cerisier_reel - cerisier_ Ter-Mikaelian (1997; modèle de Young)
cerisier_FSR - cerisier_ Ter-Mikaelian (1997; modèle de Young)
Comparaison pour le cornouiller
cornouiller_reel - cornouiller_ Smith et Brand (1983; modèle Brown)
cornouiller_FSR - cornouiller_ Smith et Brand (1983; modèle Brown)
cornouiller_reel - cornouiller_Smith et Brand (1983; modèle Connolly)
197
cornouiller_FSR - cornouiller_ Smith et Brand (1983; modèle Connolly)
Comparaison pour l’érable rouge
erable_reel - erable_ Ter-Mikaelian (1997) d’après Freedman et al, 1982
erable_FSR - erable_ Ter-Mikaelian (1997) d’après Freedman et al, 1982
erable_reel - erable_ lambert et al. (2005)
erable_FSR - erable_ lambert et al. (2005)
erable_reel - erable_ Smith et Brand (1983; modèle Roussopoulos)
erable_FSR - erable_ Smith et Brand (1983; modèle Roussopoulos)
erable_reel - erable_ Ter-Mikaelian(1997; modèle Ker, 1984)
erable_FSR - erable_ Ter-Mikaelian(1997; modèle Ker, 1984)
erable_reel - erable_ Ter-Mikaelian(1997; modèle MacLean,1976 )
erable_FSR - erable_ Ter-Mikaelian(1997; modèle MacLean,1976)
erable_reel - erable_ Ter-Mikaelian(1997; modèle Perala et Alban)
erable_FSR - erable_ Ter-Mikaelian(1997; modèle Perala et Alban)
erable_reel - erable_ Ter-Mikaelian (1997; modèle de Young)
erable_FSR - erable_ Ter-Mikaelian (1997; modèle de Young)
erable_reel - erable_ Pastor (1983) d’après Ribe, 1973
erable_FSR - erable_ Pastor (1983) d’après Ribe, 1973
erable_reel - erable_ Pastor (1983) d’après Kinerson et Bartholomew,1977
erable_FSR - erable_ Pastor (1983) d’après Kinerson et Bartholomew,1977
erable_reel - erable_ Pastor (1983) d’après Goldsmith et Hocker,1978
erable_FSR - erable_ Pastor (1983) d’après Goldsmith et Hocker,1978
erable_reel - erable_ Pastor (1983) d’après Monteith(1979)
erable_FSR - erable_ Pastor (1983) d’après Monteith(1979)
Comparaison pour le frêne de Pennsylvanie
frene_reel - frene_Lambert et al. (2005)
frene_FSR - frene_Lambert et al. (2005)
Comparaison pour le peuplier faux-tremble
peuplier_reel - peuplier_ Smith et Brand (1983) d’après Telfer(1969)
peuplier_FSR - peuplier_ Smith et Brand (1983) d’après Telfer(1969)
peuplier_reel - peuplier_ Ter-Mikaelian (1997)(d’après Freedman(1982)
peuplier_FSR - peuplier_ Ter-Mikaelian (1997)(d’après Freedman(1982)
peuplier_reel - peuplier_ Freedman (1984a)
peuplier_FSR - peuplier_ Freedman (1984a)
peuplier_reel - peuplier_ Freedman (1984b)
peuplier_FSR - peuplier_ Freedman (1984b)
peuplier_reel - peuplier_ Ter-Mikaelian (1997)d’après Campbell et al., (1988)
peuplier_FSR - peuplier_ Ter-Mikaelian (1997)d’après Campbell et al., (1988)
198
76
0.3313
0.07
0.9457
54
-3257.1
-2.54
0.0139
54
-2542.7
-2.54
0.0140
54
-231.4
-2.32
0.0243
54
483.0
1.81
0.0759
54
284.2
0.80
0.4244
54
998.6
3.90
0.0003
54
-168.3
-1.72
0.0914
54
546.1
1.83
0.0735
54
1134.2
2.93
0.0049
54
1848.6
2.89
0.0056
54
-138.4
-1.41
0.1648
54
576.0
2.16
0.0356
54
-3143.8
-2.42
0.0191
54
-2429.4
-2.38
0.0209
52
995.8
5.84
<.0001
52
1737.2
4.17
0.0001
52
588.2
3.59
0.0007
52
1329.7
3.19
0.0024
52
568.4
3.68
0.0005
52
1309.9
3.23
0.0022
52
-301.2
-2.85
0.0062
52
440.3
1.59
0.1185
38
-94.7786
-0.91
0.3709
38
-70.7238
-0.68
0.5024
51
455.2
2.73
0.0087
51
403.1
1.55
0.1272
51
-637.2
-3.24
0.0021
51
-689.2
-2.57
0.0131
51
146.1
0.93
0.3543
51
94.0046
0.36
0.7218
51
16.5429
0.09
0.9261
51
-35.5468
-0.12
0.9065
51
-84.5537
-0.47
0.6380
51
-136.6
-0.45
0.6570
peuplier_reel - peuplier_ Ter-Mikaelian (1997)d’après Ker (1984)
peuplier_FSR - peuplier_ Ter-Mikaelian (1997)d’après Ker (1984)
peuplier_reel - peuplier_ Ter-Mikaelian (1997)d’après MacLean et Wein(1976)
peuplier_FSR - peuplier_ Ter-Mikaelian (1997)d’après MacLean et Wein(1976)
peuplier_reel - peuplier_ Ter-Mikaelian (1997)d’après Pastor et Bockheim (1981)
peuplier_FSR - peuplier_ Ter-Mikaelian (1997)d’après Pastor et Bockheim (1981)
peuplier_reel - peuplier_ Jenkins et al. (2003)
peuplier_FSR - peuplier_ Jenkins et al. (2003)
peuplier_reel - peuplier_Lambert et al. (2005)
peuplier_FSR - peuplier_ Lambert et al. (2005)
Comparaison pour le pommier sauvage
pommier_reel - pommier_ Dickinson (2010)
pommier_FSR - pommier_ Dickinson (2010)
Comparaison pour le saule
saule_reel - saule_ Smith et Brand (1983) (d’après Brown, 1976
saule_FSR - saule_ Smith et Brand (1983) (d’après Brown, 1976
saule_reel - saule_ Smith et Brand (1983) (d’après Connolly, 1981
saule_FSR - saule_ Smith et Brand (1983) (d’après Connolly, 1981
saule_reel - saule_ Smith et Brand (1983; modèle Ohmann)
saule_FSR - saule_ Smith et Brand (1983; modèle Ohmann)
saule_reel - saule_ Smith et Brand (1983; modèle Roussopoulos)
saule_FSR - saule_ Smith et Brand (1983; modèle Roussopoulos)
saule_reel - saule_ Smith et Brand (1983) d’après Telfer(1969)
saule_FSR - saule_ Smith et Brand (1983) d’après Telfer(1969)
saule_reel - saule_ Verwijst et Telenius (1999)
saule_FSR - saule_ Verwijst et Telenius (1999)
saule_reel - saule_ Jenkins et al., 2003
saule_FSR - saule_ Jenkins et al., 2003
saule_reel - saule_ Ter-Mikaelian (1997)d’après Perala et Alban, 1994
saule_FSR - saule_ Ter-Mikaelian (1997)d’après Perala et Alban, 1994
saule_reel - saule_ Ter-Mikaelian (1997) d’après Young et al., 1980
saule_FSR - saule_ Ter-Mikaelian (1997) d’après Young et al., 1980
Comparaison pour la Viorne
viorne_reel - viorne_Telfer (1969)
viorne_FSR - viorne_ Telfer (1969)
viorne_reel - viorne_ Telfer (1969)
viorne_FSR - viorne_ Telfer (1969)
51
-119.8
-0.64
0.5239
51
-171.9
-0.56
0.5790
51
411.4
2.31
0.0250
51
359.3
1.11
0.2721
51
-1847.9
-3.91
0.0003
51
-1900.0
-3.60
0.0007
39
-315.4
-1.20
0.2356
39
-444.3
-1.09
0.2824
51
-110.2
-0.59
0.5592
51
-162.3
-0.53
0.5984
20
1840.0
2.79
0.0113
20
1775.2
3.20
0.0045
65
-427.0
-1.22
0.2262
65
-400.1
-0.79
0.4316
65
996.8
3.58
0.0007
65
1023.7
3.01
0.0037
65
1218.9
3.51
0.0008
65
1245.7
3.31
0.0015
65
-2048.4
-3.16
0.0024
65
-2021.5
-2.64
0.0104
65
986.0
3.76
0.0004
65
1012.9
2.98
0.0040
65
-1908.5
-2.50
0.0150
65
-1881.7
-2.09
0.0405
62
1232.5
3.73
0.0004
62
1262.0
2.63
0.0107
65
1887.8
4.62
<.0001
65
1914.7
3.85
0.0003
65
1593.7
4.02
0.0002
65
1620.5
3.49
0.0009
48
-255.4
-1.66
0.1026
48
-340.1
-2.32
0.0246
48
5.1705
0.05
0.9572
48
-79.4927
-1.11
0.2727
199
viorne_reel - viorne_ Dickinson (2010)
viorne_FSR - viorne_ Dickinson (2010)
Pas de différence significative si p>0,05
200
48
296.5
3.40
0.0014
48
211.8
5.05
<.0001
Annexe I : Données détaillées de récolte des balles de biomasse
Les tableaux suivants présentent les données détaillées par balle individuelle récoltée sur
les friches à Saint-Augustin-de-Desmaures, entre le 19 octobre et le 10 novembre 2011.
Tableau A. 23: Dates de récolte et teneurs en eau (TEE, % base humide) mesurées à l’étuve à partir
d’échantillons de balles individuelles, identifiées par parcelle.
Numéro
d’échantillon
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
Date de
Parcelle de
Numéro de
balle
TEE de
balle
récolte
récolte
par site
indiv.
08-nov-11
10-nov
10-nov
10-nov
10-nov
10-nov
10-nov
10-nov
19-oct-11
19-oct-11
19-oct-11
19-oct-11
19-oct-11
20-oct
20-oct
20-oct
20-oct
20-oct
20-oct
20-oct
20-oct
20-oct
20-oct
20-oct
08-nov
08-nov
08-nov
08-nov
1
3
3
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
1
1
2
3
4
5
6
7
1
2
3
4
5
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
44,50
50,70
48,07
45,38
51,07
46,63
47,34
49,02
42,77
43,16
43,23
41,14
42,18
51,86
53,05
53,70
53,74
50,73
53,78
47,29
49,59
49,23
53,10
53,67
46,08
55,00
44,80
39,28
Parcelle
TEE moy.
par
parcelle
#1
44,50
#3
48,32
#4
42,49
# 5(a)
51,80
201
Numéro
d’échantillon
Date de
Parcelle de
Numéro de
balle
TEE de
balle
récolte
récolte
par
Parcelle
indiv.
29
08-nov
5
5
50,86
30
31
08-nov
08-nov
5
5
6
7
48,14
51,00
1
2
3
4
5
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
41,90
39,43
39,29
38,70
40,41
42,65
41,95
43,16
44,37
41,93
42,23
40,82
40,40
41,48
42,74
43,36
43,19
41,49
39,30
39,88
39,46
39,03
42,80
45,37
4,91
38,70
55,00
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
202
27-oct-11
6
27-oct-11
6
27-oct-11
6
27-oct-11
6
27-oct-11
6
28-oct-11
7
28-oct-11
7
28-oct-11
7
28-oct-11
7
28-oct-11
7
28-oct-11
7
28-oct-11
7
28-oct-11
7
28-oct-11
7
28-oct-11
7
28-oct-11
8
28-oct-11
8
28-oct-11
8
28-oct-11
8
28-oct-11
8
28-oct-11
8
28-oct-11
8
28-oct-11
8
Moyenne (tous les sites)
Écart-type
Minimum
Maximum
Site
TEE moy.
par
Parcelle
#5(b)
#5
47,88
50,27
#6
39,94
#7
42,17
#8
41,06
44,11
Tableau A. 24: Masse humide par balle (kg) et temps (hh:mm:ss) pour former chaque balle, sur
chacune des parcelles récoltées.
Numéro de
bal
Parcelle
b 1ll
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
Numéro de
balle par
site
1
1
2
3
4
5
6
7
1
2
3
4
5
6
7
8
9
10
19
20
21
22
23
24
25
26
27
28
29
5
5
5
5
5
5
5
5
5
5
5
1
2
3
4
5
6
7
8
9
10
11
30
31
32
33
34
35
36
37
38
5
5
5
5
5
5
5
5
5
13
14
15
16
17
18
19
20
21
39
40
41
42
43
6
6
6
6
6
Numéro de
Parcelle
Masse (kg MH)
Temps
00:07:45
00:05:04
00:17:00
00:12:19
00:07:10
00:20:47
00:12:59
00:14:18
00:08:10
non chr.
00:06:20
00:07:16
00:13:08
00:12:39
00:11:44
00:15:35
00:12:26
00:18:10
1
2
3
4
5
333,6
333,6
467,6
394,2
396,4
611
441
388,6
402
210 mal ficelée
410
392,6
508
260
438
476
418
446,4
incluant "mal ficelée"
420,6
358,2
détruite
détruite
455,2
141 mal ficelée
453,8
477
495
460
398
Incl. balle "mal ficelée"
417,4
431,4
416,6
461,6
539,8
45,2
455,4
407
449
Toutes les balles site #5
447
471
428
381
442,6
Numéro de
Masse (kg MH)
Temps
00:13:50
00:17:18
00:11:19
00:16:03
00:05:15
00:08:39
00:07:55
00:17:20
00:20:45
00:19:23
00:15:29
00:13:08
00:06:32
00:07:45
00:14:54
00:16:09
00:14:05
00:12:30
00:09:50
00:40:51
00:13:13
00:12:42
00:20:02
00:15:59
00:22:20
Masse
moy.
Temps
moy.
333,6
00:07:45
433,2
00:12:48
416,8
396,7
00:11:43
439,7
406,5
00:13:56
448,5
444,4
427,5
00:15:05
00:14:27
433,9
00:16:51
Masse
Temps
203
44
45
46
47
48
49
50
51
52
53
7
7
7
7
7
7
7
7
7
7
1
2
3
4
5
6
7
8
9
10
54
8
1
55
8
2
56
8
3
57
8
4
58
8
5
59
8
6
60
8
7
61
8
8
62
8
9
Moyenne (excl. « mal ficelées »)
Écart-type
Minimum
Maximum
204
311,2
445
441,2
436
380
385,6
408
429,6
458,4
186 mal ficelée
370
409
404
417
376
507
388
364
275,2
421,9
58,6
260,0
611,0
00:04:43
00:13:32
00:10:50
non chr.
00:10:57
00:09:32
00:14:00
00:09:48
00:12:32
00:10:51
00:10:18
00:10:10
00:04:08
00:05:50
00:12:03
00:14:26
00:19:13
00:13:40
00:22:08
00:13:05
00:05:49
00:04:08
00:40:51
410,6
388,1
00:10:45
390,0
413,0
00:12:26
00:12:52
Annexe J : Données brutes d’analyse de recensement végétal
Tableau A. 25: Données brutes des relevés des essences végétales et biomasse prédite
Parcell
e
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Rangée
Colonn
e
Quadrat
#
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
4
4
4
4
5
5
5
1
1
1
2
2
2
2
3
3
3
3
3
3
3
3
4
4
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
4
4
4
4
5
5
5
6
6
6
7
7
7
7
8
8
8
8
8
8
8
8
9
9
Espèce
Dbase
(mm)
DBH
(mm)
biomasse prédite par le modèle
FSR
(g MS par tige)
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
saule
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
saule
aulne
aulne
saule
saule
saule
saule
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
saule
saule
4,17
5,35
5,84
4,68
4,25
4,14
5,74
7,90
4,38
8,01
5,92
6,10
5,68
4,37
7,10
7,22
7,05
4,15
15,57
15,44
12,73
9,91
8,75
7,18
3,51
3,44
3,26
5,75
6,49
4,68
57,37
39,69
53,38
32,58
33,63
22,89
25,26
72,13
10,63
58,40
70,97
13,19
15,68
11,97
11,70
25,97
59,21
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
38,83
25,68
24,88
21,37
20,43
17,16
20,67
60,92
4,45
48,63
67,10
7,32
8,21
4,41
4,77
16,28
38,29
11,48
15,92
18,14
13,25
11,75
11,39
17,67
30,61
12,18
31,44
18,53
19,43
17,39
12,15
25,12
25,89
24,81
11,42
143,67
140,70
87,24
48,79
70,53
25,63
9,51
9,32
8,84
17,72
21,51
13,25
3782,60
1316,09
1663,37
665,49
725,22
285,93
354,59
5357,62
114,01
4343,65
4405,70
164,05
189,49
116,70
120,79
377,79
4200,08
205
Parcell
Rangée
Colonn
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
5
5
5
5
6
6
6
1
1
1
1
1
1
2
2
3
3
206
Quadrat #
9
10
10
10
10
11
11
11
11
11
11
11
11
11
12
12
12
12
12
12
12
12
13
13
13
13
13
13
13
13
14
14
14
14
14
14
14
15
15
15
15
16
16
16
17
17
17
17
17
17
18
18
19
19
Espèce
saule
saule
saule
saule
saule
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
saule
saule
saule
saule
saule
saule
saule
saule
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
cornouiller
cornouiller
cornouiller
saule
saule
saule
aulne
aulne
aulne
aulne
Dbase (mm)
33,80
25,42
25,00
33,73
15,69
5,34
6,05
5,55
5,91
5,8
5,2
7,56
7,78
7,87
72,91
24,28
43,14
69,6
59,83
39,01
35,7
46,25
10,89
16,23
8,26
20,95
16,98
28,02
26,43
6,27
14,23
15,86
42,66
13,85
60,78
14,64
17,85
28,58
33,94
20,45
16,68
52,61
44,5
80,87
5,24
6,91
13,46
53,40
48,49
22,23
91,21
14,68
47,13
8,30
DBH (mm)
24,59
22,00
5,46
16,14
10,32
0
0
0
0
0
0
0
0
0
58,37
20,07
36,04
51,4
32,45
32,88
30,64
39,45
7,69
7,46
0
13,85
10,96
21,66
19,55
0
11,3
13,23
29,02
9,94
44,98
6,11
16,4
21,54
26,3
13,66
10,34
32,9
30,7
47,26
0,00
0,00
7,83
39,55
31,80
15,34
70,55
0,00
30,46
0,00
biomasse prédite par le modèle FSR
735,31
359,71
346,41
731,14
143,71
15,87
19,18
16,80
18,48
17,95
15,28
28,17
29,73
30,39
8240,81
324,62
1502,96
7122,79
4347,61
1107,37
856,39
1870,66
78,76
206,50
33,38
471,73
260,84
977,46
858,87
20,31
124,21
146,15
1451,80
119,55
4580,37
129,43
177,60
474,89
743,71
227,77
158,45
2840,59
1655,86
11192,70
15,45
23,94
131,27
2983,51
2177,09
269,03
5864,20
73,74
2010,95
64,58
Parcell
Rangée
Colonn
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
3
3
3
3
3
3
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
6
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
4
4
4
4
Quadrat #
19
19
19
19
19
19
20
20
20
20
21
21
21
21
21
21
22
22
22
22
22
22
22
23
23
23
23
23
24
24
24
24
24
24
24
24
24
24
24
24
24
24
25
25
25
25
25
25
25
26
26
26
26
Espèce
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
saule
aulne
aulne
aulne
aulne
aulne
aulne
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
saule
saule
saule
saule
saule
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
aulne
saule
saule
saule
saule
saule
saule
saule
aulne
aulne
aulne
aulne
Dbase (mm)
55,95
53,82
53,81
46,09
58,86
43,45
7,41
13,40
11,62
32,99
24,00
12,96
26,72
32,04
21,71
39,38
7,55
16,47
12,10
10,46
9,78
9,03
9,95
55,68
62,10
80,66
11,60
33,98
15,58
19,41
58,17
10,91
15,21
14,38
53,83
13,91
16,45
15,11
63,77
7,22
16,59
17,91
31,85
25,64
34,34
14,69
25,27
34,11
37,09
10,38
8,52
10,06
9,36
DBH (mm)
44,69
45,65
45,03
39,23
55,99
34,73
4,71
10,45
4,80
18,73
15,57
6,37
18,83
23,79
15,81
23,95
0,00
8,25
0,00
0,00
0,00
0,00
0,00
50,86
43,37
80,56
4,45
22,44
7,16
10,93
44,16
0,00
4,36
7,72
43,40
5,61
11,12
8,56
46,87
0,00
11,81
13,91
27,16
17,32
30,31
8,62
19,65
28,44
30,65
4,56
0,00
0,00
0,00
3924,32
3813,74
3775,46
2807,00
4373,27
2264,88
109,76
226,20
121,00
688,30
450,61
147,62
622,49
994,47
438,55
1170,66
28,10
220,14
77,19
55,02
47,41
40,00
49,23
3425,68
4917,32
11111,62
95,02
746,12
169,53
268,50
4070,41
68,18
124,14
175,33
3664,44
138,70
257,14
194,09
4769,23
63,15
275,40
343,34
626,49
366,85
768,15
130,08
354,91
754,01
955,26
114,82
64,88
66,99
66,02
207
Parcell
Rangée
Colonn
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
4
4
5
5
5
6
6
6
6
6
6
6
7
7
8
8
8
8
9
9
9
9
9
9
10
10
10
10
10
1
1
1
2
3
3
3
4
4
4
4
4
5
5
5
5
1
1
2
3
3
3
3
3
3
208
Quadrat #
26
26
27
27
27
28
28
28
28
28
28
28
29
29
30
30
30
30
31
31
31
31
31
31
32
32
32
32
32
33
33
33
34
35
35
35
36
36
36
36
36
37
37
37
37
38
38
39
40
40
40
40
40
40
Espèce
aulne
aulne
aulne
saule
saule
aulne
aulne
aulne
aulne
aulne
aulne
aulne
érable
érable
saule
saule
saule
saule
aulne
aulne
aulne
aulne
aulne
aulne
saule
saule
saule
saule
saule
frêne
aubépine
aubépine
aubépine
frêne
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
saule
saule
saule
saule
saule
saule
Dbase (mm)
34,29
73,07
30,34
29,51
41,04
7,63
6,18
6,90
13,14
10,62
9,43
14,42
85,22
65,61
74,67
69,29
57,61
72,41
10,22
8,84
52,85
41,91
52,58
35,88
15,96
51,35
14,58
17,62
15,46
18,80
16,68
12,50
16,67
95,28
10,78
10,17
11,21
12,48
11,79
9,00
17,90
8,47
6,48
13,45
16,03
8,29
18,69
19,06
75,12
31,68
49,23
63,10
37,19
62,79
DBH (mm)
24,42
39,52
23,16
22,16
28,61
0,00
0,00
0,00
5,89
0,00
0,00
0,00
66,77
49,64
59,62
60,35
51,85
60,73
5,02
0,00
44,15
35,40
38,32
35,50
10,72
36,73
6,92
14,30
8,66
11,54
4,00
0
6,06
67,59
5,03
0
0
0
0
0
0
0
0
0
0
0
4,46
0
65,58
21,99
42,41
44,90
29,77
47,71
1086,06
4960,11
920,22
514,38
1289,47
63,69
61,80
62,73
140,71
67,77
66,12
73,34
4499,80
8356,60
8865,79
7022,29
3835,34
8066,91
120,42
65,31
3643,73
2253,09
3122,07
1995,53
147,60
2623,32
128,66
173,68
140,46
307,87
211,23
133,42
211,00
10363,92
70,16
51,66
64,46
83,15
72,56
39,72
202,79
35,09
21,45
99,82
154,50
33,62
262,63
235,56
9028,61
617,69
2286,47
5183,03
962,72
5099,70
Parcell
Rangée
Colonn
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
1
2
2
2
2
2
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
1
1
1
2
2
2
3
3
4
4
4
4
4
4
4
5
5
5
Quadrat #
Espèce
Dbase (mm)
41
cornouiller
8,68
41
cornouiller
11,47
41
cornouiller
10,42
41
cornouiller
12,38
41
cornouiller
8,15
41
cornouiller
13,26
42
aubépine
6,09
43
herbes
44
saule
12,26
44
cornouiller
9,70
44
cornouiller
9,05
44
cornouiller
6,14
44
cornouiller
6,84
45
cornouiller
13,94
45
cornouiller
11,26
45
cornouiller
10,47
45
cornouiller
12,30
45
cornouiller
10,73
45
cornouiller
10,89
45
cornouiller
13,27
46
cornouiller
10,73
46
cornouiller
10,89
46
cornouiller
13,27
46
saule
33,25
46
saule
68,04
46
saule
70,21
46
saule
56,14
46
saule
75,82
47
saule
43,36
47
saule
13,60
47
saule
55,90
47
saule
9,24
47
saule
10,69
47
saule
8,71
47
saule
9,86
47
saule
10,29
48
saule
114,76
48
saule
17,60
48
saule
60,59
49
peuplier
17,50
49
peuplier
54,51
49
peuplier
55,55
50
peuplier
95,00
50
saule
66,24
51
saule
77,88
51
saule
70,48
51
saule
53,53
51
saule
59,37
51
saule
73,21
51
saule
88,88
51
peuplier
61,85
52
cerisier tardif
19,41
52
cerisier tardif
25,37
52
cerisier tardif
12,91
DBH (mm)
0
0
0
0
0
0
0,00
0
0
0
0
0
0
0
0
0
0
0
7,08
0
6,05
22,13
60,27
47,52
32,75
45,85
26,13
8,55
26,57
0,00
0,00
0,00
0,00
0,00
65,91
12,37
39,38
10,40
41,37
42,22
80,00
65,23
67,56
50,25
29,37
33,88
42,74
54,97
54,78
10,00
17,52
0,00
36,87
68,01
54,54
81,55
32,51
96,39
63,00
0,00
101,69
46,57
40,18
19,64
23,52
109,05
65,13
55,14
80,29
58,29
60,29
96,56
74,55
60,29
119,16
703,10
6624,80
7322,75
3520,34
9284,14
1526,89
116,56
3470,72
74,28
86,47
70,23
79,29
82,94
20407,75
173,34
4533,17
157,92
3854,32
4003,37
12068,17
6075,07
10050,50
7412,16
3007,52
4237,82
8345,94
14295,67
4881,72
234,96
462,90
99,53
209
Parcell
Rangée
Colonn
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
6
6
6
5
5
5
5
5
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
1
1
1
210
Quadrat #
52
52
52
52
52
53
53
53
53
53
53
53
53
53
53
53
54
54
54
54
54
54
54
54
55
55
55
55
55
55
55
55
55
56
56
56
56
56
56
56
56
56
56
56
56
56
56
57
57
57
57
58
58
58
Espèce
Dbase (mm)
cerisier tardif
11,14
cerisier tardif
42,67
cerisier tardif
24,23
cerisier tardif
23,74
cerisier tardif
15,85
aubépine
6,01
aubépine
13,69
amélanchier
42,63
amélanchier
37,35
amélanchier
27,43
amélanchier
27,57
amélanchier
23,06
amélanchier
28,02
amélanchier
25,07
amélanchier
31,96
amélanchier
32,15
amélanchier
31,05
amélanchier
58,55
amélanchier
50,05
amélanchier
44,95
amélanchier
62,70
amélanchier
13,93
amélanchier
11,98
amélanchier
14,31
amélanchier
19,22
amélanchier
23,38
amélanchier
14,77
amélanchier
17,36
amélanchier
20,06
amélanchier
24,59
amélanchier
17,27
amélanchier
20,18
peuplier
49,54
amélanchier
26,47
amélanchier
14,78
amélanchier
15,60
amélanchier
32,35
amélanchier
24,42
amélanchier
18,09
amélanchier
28,96
amélanchier
12,20
amélanchier
24,60
amélanchier
41,89
amélanchier
32,13
amélanchier
21,82
amélanchier
36,86
amélanchier
24,68
frêne
6,58
érable
9,00
érable
24,09
frêne
18,07
cornouiller
8,61
cornouiller
8,63
cornouiller
4,51
DBH (mm)
0,00
0,00
0,00
15,68
0,00
0
0
24,61
33,78
24,11
22,95
18,89
17,66
21,43
25,59
22,31
28,76
52,18
47,09
39,32
48,64
8,15
0,00
4,95
11,90
15,05
6,58
13,29
10,57
11,74
14,31
14,77
41,65
17,96
9,05
9,95
12,97
19,26
12,60
21,57
9,54
22,20
30,57
21,72
15,33
28,64
17,72
0,00
0,00
17,19
12,98
0
88,95
438,98
191,55
389,67
119,24
62,39
152,43
2797,26
2536,66
1028,34
1004,46
618,55
872,03
790,64
1486,71
1370,30
1510,80
7776,21
5648,59
4213,72
8848,45
178,68
97,10
158,24
341,39
550,80
179,21
307,26
346,32
529,66
317,71
417,37
3134,08
783,94
201,77
226,78
990,71
699,02
318,56
1067,32
161,62
780,42
3110,41
1343,52
489,91
2215,69
675,94
81,87
84,15
602,98
312,49
36,27
36,44
12,64
Parcell
Rangée
Colonn
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
1
1
2
2
2
2
2
2
2
2
3
3
4
4
4
4
4
4
4
4
4
4
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
4
5
5
5
5
5
5
1
1
1
1
1
1
2
2
2
Quadrat #
58
58
59
59
59
59
59
59
59
59
60
60
61
61
61
61
61
61
61
61
61
61
62
62
62
62
63
63
63
63
64
64
64
64
65
65
65
65
65
66
66
66
66
66
66
67
67
67
67
67
67
68
68
68
Espèce
cornouiller
saule
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
saule
saule
saule
érable
aubépine
amélanchier
amélanchier
amélanchier
amélanchier
amélanchier
amélanchier
amélanchier
amélanchier
amélanchier
amélanchier
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
saule
Dbase (mm)
23,64
43,84
8,12
9,75
8,08
5,27
5,41
27,55
14,76
12,26
49,45
10,79
14,16
22,69
16,47
22,25
27,36
17,71
13,27
32,25
28,49
32,89
24,57
19,35
20,39
12,29
57,03
46,57
11,09
8,35
27,17
30,15
33,16
29,78
24,12
11,58
27,02
19,18
32,54
94,60
83,15
95,23
45,91
46,07
39,65
79,41
11,01
7,31
7,35
7,77
8,03
12,26
110,82
81,70
DBH (mm)
9,39
33,30
0
0
0
0
0
19,26
0,00
5,61
42,28
0
5,37
15,39
9,64
17,06
22,32
12,99
8,72
26,12
17,24
18,26
17,46
11,71
13,73
0
27,68
27,79
4,91
0
16,43
18,89
18,42
19,22
10,80
0
18,90
8,41
22,23
64,61
48,35
54,95
27,13
33,39
17,72
61,44
0,00
0,00
0,00
0,00
0,00
5,19
49,03
72,20
512,16
1580,17
32,28
47,09
31,97
15,57
16,18
434,25
131,00
101,69
4830,76
109,81
159,39
527,63
242,08
542,07
969,94
313,08
172,42
1538,30
889,31
1260,47
333,24
205,18
226,49
102,01
3708,77
1912,23
90,14
67,60
420,04
543,17
697,95
526,36
319,94
94,82
414,54
201,88
663,30
16375,34
12078,02
16589,22
1827,29
1847,60
1162,33
10631,37
89,39
60,48
60,74
63,54
65,33
101,69
20177,36
11514,08
211
Parcell
Rangée
Colonn
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
2
2
2
3
3
3
3
1
1
2
2
2
2
2
2
2
2
3
4
4
4
4
4
4
5
1
1
1
2
3
3
3
4
5
5
5
5
5
5
5
5
1
2
2
2
2
2
3
3
3
3
3
3
3
212
Quadrat #
68
68
68
69
69
69
69
70
70
71
71
71
71
71
71
71
71
72
73
73
73
73
73
73
74
75
75
75
76
77
77
77
78
79
79
79
79
79
79
79
79
80
81
81
81
81
81
82
82
82
82
82
82
82
Espèce
Dbase (mm)
saule
47,81
saule
89,50
saule
74,60
cornouiller
10,65
cornouiller
13,15
cornouiller
11,52
cornouiller
16,35
cornouiller
16,92
cornouiller
11,53
cerisier tardif
60,66
cerisier tardif
47,07
aubépine
45,47
aubépine
11,18
aubépine
13,91
aubépine
9,32
aubépine
8,13
aubépine
8,14
cerisier tardif
34,40
saule
67,63
saule
17,15
saule
27,63
saule
21,41
saule
91,28
saule
46,61
herbes
cornouiller
10,75
cornouiller
10,13
cerisier tardif
33,65
herbes
cornouiller
5,00
cornouiller
9,58
cornouiller
9,50
herbes
cornouiller
12,92
cornouiller
13,90
cornouiller
7,50
cornouiller
6,92
cornouiller
16,45
cornouiller
8,53
cornouiller
12,02
cornouiller
12,64
cerisier tardif
37,47
saule
89,72
saule
105,73
saule
18,20
saule
89,26
saule
123,96
cornouiller
17,07
cornouiller
19,66
aubépine
11,44
aubépine
13,26
aubépine
12,13
aubépine
9,64
aubépine
8,77
DBH (mm)
42,98
69,03
0,00
0,00
0,00
0,00
5,83
11,70
0
42,44
37,92
25,37
0,00
0,00
0,00
0,00
0,00
19,13
41,11
6,34
15,85
13,44
71,22
42,98
0
0
21,00
5,00
9,58
9,50
12,92
13,90
7,50
6,92
16,45
8,53
12,02
12,64
23,06
84,40
65,32
11,47
46,20
76,05
0,00
0,00
0,00
0,00
0,00
0,00
0,00
2080,20
14530,44
8840,57
57,30
94,44
68,70
198,74
265,31
68,84
5446,77
3038,85
2632,59
114,84
156,20
92,59
80,47
80,57
770,50
6497,20
165,91
437,30
249,27
15193,88
1917,47
0,00
58,54
51,21
813,61
0,00
17,22
63,24
61,94
0,00
141,70
175,51
36,02
30,53
291,84
47,87
115,37
133,05
1056,82
14613,32
19435,80
183,72
14439,76
19737,45
180,56
253,10
118,30
145,30
127,96
96,11
86,80
Parcell
Rangée
Colonn
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
5
5
5
5
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
8
8
8
8
8
3
4
4
4
5
1
1
1
1
2
3
3
3
4
4
4
4
4
4
4
4
5
1
1
1
1
1
2
2
2
2
2
2
2
2
3
4
4
4
4
5
1
1
1
1
2
2
2
2
3,00
3,00
3,00
3,00
4,00
4,00
Quadrat #
82
83
83
83
84
85
85
85
85
86
87
87
87
88
88
88
88
88
88
88
88
89
90
90
90
90
90
91
91
91
91
91
91
91
91
92
93
93
93
93
94
95
95
95
95
96
96
96
96
97
97
97
97
98
98
Espèce
Dbase (mm)
aubépine
10,11
cornouiller
4,90
cornouiller
8,12
cornouiller
8,55
herbes
cerisier tardif
18,16
cerisier tardif
30,27
cerisier tardif
25,25
cerisier tardif
14,23
herbes
cerisier tardif
41,53
cerisier tardif
37,15
cornouiller
19,78
cornouiller
7,54
cornouiller
10,28
cornouiller
9,46
cornouiller
9,91
cornouiller
4,95
cornouiller
6,78
cornouiller
6,36
cornouiller
6,75
herbes
aubépine
16,32
aubépine
30,45
aubépine
39,75
aubépine
5,88
aubépine
7,01
aubépine
16,82
aubépine
11,38
aubépine
39,97
aubépine
31,86
aubépine
19,97
aubépine
29,71
aubépine
26,59
aubépine
33,95
érable
61,67
érable
23,04
érable
17,80
érable
22,16
érable rouge
18,57
herbes
aubépine
19,57
aubépine
10,60
aubépine
7,09
érable rouge
32,38
pommier
29,00
pommier
29,89
pommier
103,03
pommier
70,59
cornouiller
24,17
cornouiller
9,51
cornouiller
9,09
cornouiller
7,65
frêne
59,90
frêne
59,90
DBH (mm)
0,00
0,00
0,00
0,00
11,17
23,44
15,16
5,83
28,29
27,44
12,41
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
4,98
15,57
22,16
0,00
0,00
10,00
0,00
25,61
21,36
12,16
26,33
17,39
22,28
47,90
9,90
12,07
13,96
0,00
0,00
0,00
0,00
20,04
27,22
23,18
95,07
66,72
9,11
0,00
0,00
0,00
35,07
35,07
101,51
14,08
32,28
35,76
0,00
230,97
780,30
411,77
142,06
0,00
1587,51
1280,93
395,02
28,03
52,92
44,12
48,79
14,27
23,17
20,79
22,99
0,00
203,22
811,91
1743,59
61,41
70,40
214,42
117,49
1772,89
918,54
298,26
760,17
571,24
1097,46
7385,40
299,49
343,16
437,41
96,76
0,00
286,23
107,43
71,08
869,14
535,01
584,62
16516,04
9823,12
526,62
44,62
40,55
28,80
3723,35
3723,35
213
Parcell
Rangée
Colonn
1
2
3
4
4
4
4
4
5
5
5
5
5
6
6
6
6
7
8
8
8
8
8
8
8
8
9
9
9
9
9
9
9
9
10
10
10
10
1
2
3
4
4
4
5
5
5
5
6
6
6
7
7
Espèce
herbes
herbes
herbes
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
cornouiller
cornouiller
cornouiller
cornouiller
frêne
cornouiller
cornouiller
viorne
viorne
viorne
viorne
viorne
viorne
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
herbes
herbes
pommier
aubépine
aubépine
aubépine
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
aubépine
aubépine
aubépine
frêne
DBH (mm)
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
Quadrat #
99
100
101
102
102
102
102
102
103
103
103
103
103
104
104
104
104
105
106
106
106
106
106
106
106
106
107
107
107
107
107
107
107
107
108
108
108
108
109
110
111
112
112
112
113
113
113
113
114
114
114
115
115
Dbase (mm)
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
11,58
14,01
13,81
18,14
15,57
15,16
16,41
12,68
13,81
92,64
13,31
7,20
13,62
13,75
27,9
10,45
12,45
13,41
16,68
13,53
23,78
20,43
9,25
16,42
23,06
17,64
11,48
13,09
11,30
14,10
16,18
15,18
11,17
19,66
12,72
5,50
0,00
6,37
6,11
9,38
8,01
8,42
10,57
6,14
41,76
12,71
0,00
7,19
4,94
18,19
5,80
0,00
5,19
8,21
5
16,36
12,41
3,73
12,18
12,40
8,24
8,26
8,82
0,00
9,17
9,06
9,43
6,25
13,81
6,83
96,41
46,58
42,73
37,35
10,92
10,86
9,81
7,46
16,41
12,78
11,73
59,47
50,85
71,32
35,48
32,89
18,88
0,00
0,00
0,00
0,00
0,00
0,00
0,00
20,04
35,50
0,00
0,00
0,00
84,20
110,42
132,95
258,96
199,04
177,55
219,44
124,76
131,89
14573,18
151,30
25,76
132,18
125,15
676,99
67,16
82,67
105,42
189,51
104,65
609,17
364,62
59,40
250,45
543,84
260,58
90,80
126,88
65,67
154,29
216,64
187,14
79,44
408,99
110,40
0,00
0,00
16825,24
2837,14
2173,03
1447,59
60,68
59,91
47,72
27,48
205,20
137,69
122,28
5988,10
3239,40
4
4
2
2
8
9
116
117
Frêne
cornouiller
12,07
14,04
5,87
6,50
156,20
139,13
214
Parcell
Rangée
Colonn
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
9
9
9
9
1
2
2
2
2
2
2
2
3
4
4
5
5
5
5
5
5
5
6
7
7
8
9
10
1
1
1
1
2
2
3
4
4
4
4
4
4
5
5
5
5
6
7
8
8
9
1
1
1
Quadrat #
Espèce
Dbase (mm)
117
cornouiller
7,81
117
cornouiller
9,27
117
cerisier tardif
20,57
117
cerisier tardif
11,36
118
érable rouge
12,4
119
cornouiller
10,92
119
cornouiller
8,16
119
cornouiller
11,02
119
cornouiller
14,31
119
cornouiller
13,86
119
cornouiller
14,06
119
cornouiller
11,87
120
herbes
121
aubépine
63,79
121
aubépine
65,99
122
cornouiller
10,66
122
cornouiller
18,08
122
cornouiller
11,26
122
cornouiller
11,30
122
cornouiller
10,27
122
cornouiller
9,12
122
cornouiller
5,69
123
herbes
124
cornouiller
12,14
124
cornouiller
7,71
125
cornouiller
13,66
126
frêne
93,29
127
herbes
128
cornouiller
12,37
128
cornouiller
9,42
128
cornouiller
9,00
128
cornouiller
8,94
129
frêne
61,74
129
frêne
65,31
130
herbes
131
cornouiller
21,01
131
cornouiller
19,22
131
cornouiller
19,45
131
cornouiller
17,71
131
cornouiller
16,69
131
cornouiller
18,66
132
amélanchier
35,59
132
amélanchier
37,47
132
amélanchier
29,23
132
amélanchier
42,18
133
herbes
134
herbes
135
aubépine
34,17
135
aubépine
25,73
136
aubépine
51,08
137
amélanchier
8,82
137
amélanchier
8,21
137
amélanchier
9,34
DBH (mm)
0,00
6,10
8,96
3,41
0,00
4,87
0,00
4,82
9,17
9,43
8,93
5,54
36,26
32,77
4,05
5,91
5,20
4,89
5,37
0,00
0,00
3,68
0,00
0,00
63,68
6,42
0,00
0,00
3,56
50,71
34,29
9,36
7,90
10,33
8,16
9,87
10,27
24,81
21,48
25,36
29,91
17,21
14,68
34,19
4,38
3,42
0,00
29,95
52,24
238,95
105,88
88,43
71,86
32,59
73,26
160,06
149,19
151,93
89,39
0,00
7314,51
8020,97
66,10
255,12
78,03
77,84
63,63
40,83
17,44
0,00
88,42
29,22
103,71
9336,67
0,00
101,73
43,73
39,72
44,33
7300,34
3776,34
0,00
406,07
316,09
353,56
262,38
240,68
320,16
1853,52
1888,89
1217,01
3116,00
0,00
0,00
1117,83
526,76
3777,62
90,04
80,49
74,84
215
Parcell
Rangée
Colonn
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
7
7
7
7
7
7
7
7
7
7
7
7
7
7
2
2
2
2
2
3
4
5
5
5
5
5
5
6
7
7
8
9
9
1
1
2
3
3
3
4
4
4
4
4
5
6
6
7
8
9
9
9
9
1
1
1
1
1
2
3
4
4
5
5
6
7
7
Quadrat #
138
138
138
138
138
139
140
141
141
141
141
141
141
142
143
143
144
145
145
146
146
147
148
148
148
149
149
149
149
149
150
151
151
152
153
154
154
154
154
155
155
155
155
155
156
157
158
158
159
159
160
161
161
Espèce
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
frêne
frêne
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
herbes
frêne
frêne
frêne
frêne
frêne
érable
érable
érable
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
frêne
cornouiller
cornouiller
érable rouge
frêne
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
aubépine
aubépine
aubépine
aubépine
érable rouge
herbes
aubépine
aubépine
aubépine
aubépine
aubépine
pommier
pommier
Dbase (mm)
5,09
7,68
8,48
11,28
10,23
152,08
105,17
25,02
21,23
8,61
11,57
14,79
19,81
DBH (mm)
0,00
0,00
0,00
0,00
0,00
129,01
84,62
11,09
13,32
0,00
5,14
6,52
9,07
51,57
38,46
38,39
38,6
16,38
36,54
27,76
27,17
13,60
16,27
12,94
18,43
13,84
12,97
13,61
10,60
61,78
7,32
10,67
62,60
36,94
10,67
15,55
8,50
12,29
11,4
9,24
7,93
11,21
46,34
89,41
38,16
27,09
32,49
25,49
5,28
28,16
13,15
18,25
0,00
0,00
5,59
7,92
7,10
5,15
5,09
0,00
35,96
0,00
0,00
42,04
29,14
0,00
10,01
0,00
4,39
5,52
0,00
0,00
5,75
30,21
109,71
53,04
94,04
53,29
12,93
19,36
68,2
51,52
41,41
32,81
31,85
6,96
10,86
47,22
33,91
14,83
29,01
35,17
65,40
102,94
3333,17
14669,28
595,40
476,42
36,27
82,98
158,50
352,95
0,00
3679,04
1565,70
1956,78
1472,22
203,49
1727,69
439,89
691,82
102,59
160,33
110,25
286,46
137,10
109,20
122,66
56,69
3943,44
26,54
57,55
5784,79
1608,21
57,55
202,79
35,34
93,33
117,76
91,72
78,58
115,23
2792,00
6070,38
0,00
4242,85
14643,62
4304,56
140,03
280,09
8897,64
3537,24
4
7
7
161
pommier
40,19
24,64
1500,01
216
Parcell
Rangée
Colonn
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
7
7
7
7
7
8
8
8
8
8
8
8
9
9
9
9
9
10
10
10
10
10
10
11
11
11
11
11
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
8
8
9
9
9
1
2
3
3
4
4
4
1
2
3
3
4
1
2
3
4
4
4
1
2
3
3
4
1
2
3
4
4
4
5
5
5
6
6
6
7
7
7
8
9
9
9
1
1
1
2
3
3
4
Quadrat #
Espèce
Dbase (mm)
162
frêne
21,94
162
frêne
23,98
163
cornouiller
18,12
163
cornouiller
10,62
163
cornouiller
22,61
164
cornouiller
14,98
165
herbes
166
pommier
90,36
166
pommier
85,69
167
cornouiller
14,33
167
cornouiller
8,76
167
frêne
51,82
168
frêne
24,56
169
frêne
66,1
170
pommier
37,52
170
pommier
73,77
171
frêne
55,59
172
frêne
84,24
173
frêne
50,25
174
cornouiller
10,04
174
amélanchier
30,61
174
amélanchier
14,34
174
amélanchier
17,5
175
frêne
15,32
176
frêne
26,34
177
frêne
32,95
177
amélanchier
25,48
178
frêne
75,37
érable
179
67,24
180
aubépine
52,16
181
aubépine
11,57
182
aubépine
12,72
182
aubépine
12,92
182
aubépine
19,34
183
aubépine
28,98
183
aubépine
16,96
183
aubépine
23,77
184
cerisier tardif
21,54
184
cerisier tardif
46,25
184
cerisier tardif
36,61
185
aubépine
30,32
185
aubépine
36,9
185
aubépine
16,03
186
frêne
86,46
187
cornouiller
7,98
187
cornouiller
15,57
187
cornouiller
11,07
188
Aubépine
33,93
188
Aubépine
31,92
188
Aubépine
35,82
189
frêne
52,73
190
cornouiller
15,29
190
cornouiller
12,87
191
cornouiller
18,61
DBH (mm)
3,94
9,98
9,66
3,72
7,72
6,48
60,62
55,3
0,00
3,64
35,17
8,97
51,18
29,34
54,23
27,52
65,69
42,36
5,56
5,56
10,59
9,47
11,32
20,36
22,81
11,09
45,57
60,16
27,56
16,25
9,13
6,68
10,23
12,40
9,11
11,19
12,41
34,25
26,65
16,46
23,65
8,78
68,38
0,00
8,79
0,00
14,79
15,06
11,08
35,78
7,17
0,00
6,38
270,29
390,39
292,18
64,79
445,39
163,40
0,00
16183,02
15141,42
116,79
42,63
3264,75
386,38
7677,41
1192,51
11061,72
2551,44
12500,83
4254,93
60,92
624,20
207,65
263,50
244,43
684,01
1043,80
552,29
6006,84
11517,38
4029,86
120,07
136,77
139,87
279,51
711,85
217,65
436,26
296,56
2488,45
1206,60
802,61
1396,75
196,97
13414,71
31,21
195,00
62,61
1095,62
923,32
1280,47
3414,00
176,16
89,60
277,90
217
Parcell
Rangée
Colonn
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
6
7
8
8
9
10
1
2
2
2
3
4
4
4
4
5
5
6
6
6
7
8
8
8
8
8
9
9
9
9
9
9
9
9
9
9
10
1
2
2
2
3
3
4
4
4
4
4
5
5
5
6
6
218
Quadrat #
Espèce
Dbase (mm)
191
cornouiller
9,12
192
frêne
75,46
193
cerisier tardif
36,18
194
frêne
44,68
érable
195
85,25
érable
195
52,3
196
frêne
28,95
197
frêne
37,99
198
Aubépine
15,69
199
Aubépine
19,18
199
Aubépine
10,15
199
aubépine
16,97
200
framboisier
201
amélanchier
63,18
201
cornouiller
13,40
201
cornouiller
13,82
201
cornouiller
13,90
202
cerisier tardif
43,28
202
cerisier tardif
10,96
érable
203
21,44
érable
203
35,61
érable
203
18,71
204
framboisier
0
205
aubépine
24,87
205
aubépine
25,01
205
cornouiller
10,62
205
cornouiller
8,38
205
cornouiller
9,60
206
cornouiller
13,29
206
cornouiller
10,05
206
cornouiller
12,00
206
cornouiller
19,17
206
cornouiller
10,10
206
cornouiller
11,92
206
cornouiller
10,78
206
cornouiller
20,01
206
cornouiller
22,03
206
cornouiller
11,54
207
frêne
31,86
208
frêne
28,5
209
cornouiller
18,09
209
cornouiller
11,87
209
cornouiller
18,97
210
saule
69,27
210
cornouiller
6,48
211
cornouiller
12,01
211
cornouiller
11,51
211
cornouiller
14,9
211
cornouiller
6,65
211
cornouiller
12,34
212
cornouiller
14,16
212
cornouiller
11,74
212
aubépine
27,68
213
aubépine
36,59
213
aubépine
39,74
DBH (mm)
3,70
58,57
29,19
31,29
71,23
36,98
27,74
22,45
7,67
6,79
0,00
4,79
31,07
7,06
7,41
7,46
28,57
0,00
15,72
25,06
0
0
13,86
13,00
9,64
3,82
4,49
4,60
6,82
5,17
11,42
3,15
6,26
5,38
12,50
0,00
4,39
21,77
18,84
7,37
7,33
10,75
32,13
11,17
7,02
6,16
9,6
3,54
5,03
10,94
9,16
15,02
29,26
18,80
46,44
10333,83
1334,85
2306,18
16936,00
3813,13
1063,25
1266,90
189,86
274,91
101,99
217,88
0,00
7471,33
126,41
138,09
140,32
1716,81
87,93
508,77
1358,59
96,96
0,00
485,25
491,81
79,59
39,23
53,23
113,72
63,78
90,57
355,05
56,76
92,58
71,02
406,78
323,66
80,35
951,45
716,90
268,75
95,13
338,47
7015,83
31,62
96,77
84,93
179,70
25,34
96,37
165,81
98,76
632,15
1362,55
1742,27
Parcell
Rangée
Colonn
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
7
7
7
7
7
7
7
7
6
7
8
8
9
9
10
10
1
2
2
3
4
4
5
6
7
7
7
7
8
8
8
8
8
9
10
1
2
3
4
4
5
6
6
6
6
7
8
9
10
10
10
10
10
1
1
2
2
2
3
3
3
Quadrat #
Espèce
Dbase (mm)
213
aubépine
28,13
érable
214
60
érable
215
34,2
érable
215
62,26
216
pommier
28,32
216
pommier
24,58
217
frêne
43,66
217
frêne
34,62
218
frêne
105,65
219
cerisier tardif
27,15
219
cerisier tardif
12,76
220
Aubépine
86,96
221
érable rouge
38,61
221
érable rouge
117
222
frêne
36,03
223
frêne
39,65
224
aubépine
28,85
224
aubépine
34,69
224
aubépine
26,25
224
aubépine
27,84
225
cornouiller
9,9
225
cornouiller
14,14
225
cornouiller
5,03
225
cornouiller
8,03
225
cornouiller
11,53
226
aubépine
43,77
227
érable rouge
70,02
228
aubépine
14,23
229
herbes
230
cornouiller
11,75
231
amélanchier
34,5
231
amélanchier
32,06
232
herbes
233
aubépine
64,8
233
aubépine
63,2
233
aubépine
59,4
233
aubépine
109,57
234
herbes
235
pommier
123,78
236
frêne
97,66
237
cornouiller
12,55
237
cornouiller
10,22
237
cornouiller
8,31
237
cornouiller
9,03
237
cornouiller
23,58
238
aubépine
23,57
239
aubépine
40,11
240
aubépine
22,28
240
cornouiller
16,00
240
cornouiller
12,10
241
aubépine
72,85
241
aubépine
77,67
241
aubépine
46,94
DBH (mm)
0,00
45,05
25,48
50,26
13,36
14,78
29,19
23,62
77,32
19,67
6,67
59,83
23,43
104,3
27
31,34
18,11
19,59
14,39
17,25
4,53
7,82
0,00
0,00
4,35
17,43
54,01
8,36
5,05
23,08
24,23
44,05
38,17
45,58
95,04
103,13
81,72
6,21
4,12
0,00
4,31
9,11
17,73
21,19
15,18
11,86
6,38
49,70
48,75
38,97
658,85
6401,61
1373,68
8138,07
499,57
338,59
2046,91
1161,00
10591,84
560,92
134,85
13907,58
1252,15
12191,90
1417,85
1954,30
703,52
1167,19
553,29
641,54
56,99
148,25
14,59
31,59
80,08
2339,96
10299,68
161,83
0,00
85,79
1642,86
1441,59
0,00
7636,97
7127,94
5967,48
12932,71
0,00
10301,20
17320,01
104,58
60,27
33,78
46,46
504,95
427,82
1791,73
376,70
232,22
96,35
10252,68
11727,79
2905,80
219
Parcell
Rangée
Colonn
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
9
9
9
9
9
9
9
9
9
9
9
4
5
6
6
6
6
7
7
8
9
9
9
10
10
10
1
2
3
3
3
3
4
5
5
5
5
5
6
6
6
6
7
7
8
8
8
9
9
9
9
9
10
1
1
2
3
4
5
6
7
7
7
7
Quadrat #
242
243
244
244
244
244
245
245
246
247
247
247
248
248
248
249
250
251
251
251
251
252
253
253
253
253
253
254
254
254
254
255
255
256
256
256
257
257
257
257
257
258
259
259
260
261
262
263
264
265
265
265
265
5
5
9
9
7
7
265
265
220
Espèce
Dbase (mm)
érable rouge
94,52
frêne
96,04
cerisier tardif
21,37
cerisier tardif
21,66
cerisier tardif
27,5
cerisier tardif
21,16
Aubépine
22,41
Aubépine
39,36
érable
75,12
érable
28,81
érable
17,61
érable
27,64
érable
48,40
érable
34,64
érable
53,74
cornouiller
67,65
cerisier tardif
35,34
Aubépine
44,10
Aubépine
52,66
Aubépine
39,53
Aubépine
47,30
frêne
84,21
cornouiller
16,25
cornouiller
10,68
cornouiller
13,53
cornouiller
14,01
cornouiller
13,64
amélanchier
51,02
amélanchier
106,07
amélanchier
95,17
amélanchier
61,64
amélanchier
36,99
érable
46,22
Aubépine
54,81
Aubépine
51,33
Aubépine
54,26
Aubépine
10,23
Aubépine
15,23
Aubépine
15,55
Aubépine
13,98
Aubépine
12,58
Aubépine
50,34
Aubépine
35,14
Aubépine
31,96
érable rouge
72,23
érable
47,29
érable
126,93
Aubépine
35,47
Aubépine
45,18
érable
35,81
amélanchier
18,79
amélanchier
19,49
amélanchier
17,04
amélanchier
amélanchier
16,73
20,65
DBH (mm)
85,98
79,21
14,92
14,43
15,96
13,47
11,57
24,60
57,71
25,21
8,85
22,03
37,19
26,40
42,69
48,34
21,09
24,79
33,62
28,63
27,31
65,21
7,62
0,00
0,00
6,39
8,49
36,80
105,39
89,35
55,76
28,88
36,09
36,17
25,11
36,71
6,46
10,02
10,66
8,63
7,24
30,42
18,69
12,68
60,56
40,54
104,69
14,47
32,63
25,02
8,4
9,77
10
16877,83
16445,10
330,53
328,23
479,61
305,20
381,60
1692,56
12247,83
1244,28
248,97
954,82
3645,22
1480,22
5244,89
1,55
880,23
2394,83
4150,06
1714,66
2975,59
12259,06
208,29
57,67
101,29
137,87
138,79
5430,94
1179,32
3876,14
8353,13
2246,20
3315,68
4691,03
3835,11
4548,98
102,94
180,59
186,99
157,41
134,63
3610,68
1211,30
926,52
12484,49
4293,47
13817,73
1244,48
2580,91
1358,44
281,00
318,12
259,04
9,5
9,45
246,26
346,25
Parcell
Rangée
Colonn
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
6
6
6
6
6
6
6
9
9
9
9
9
9
9
9
9
9
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
11
11
11
11
11
11
11
11
11
11
11
11
11
1
1
1
1
1
1
1
7
8
8
9
9
10
10
10
10
10
1
2
2
2
2
2
2
3
4
5
5
6
6
6
6
6
6
6
7
8
9
10
10
1
1
2
2
2
2
3
3
4
5
5
5
5
1
2
3
3
3
3
4
Quadrat #
265
266
266
267
267
268
268
268
268
268
269
270
270
270
270
270
270
271
272
273
273
274
274
274
274
274
274
274
275
276
277
278
278
279
279
280
280
280
280
281
281
282
283
283
283
283
284
285
286
286
286
286
287
Espèce
Dbase (mm)
amélanchier
19,27
Aubépine
36,24
Aubépine
29,48
érable
53,37
érable
70,51
cornouiller
13,45
cornouiller
12,15
cornouiller
11,67
cornouiller
15,44
cornouiller
15,69
Aubépine
41,35
Aubépine
42,16
Aubépine
27,13
Aubépine
46,17
Aubépine
18,64
Aubépine
30,18
Aubépine
79,13
Herbes
Herbes
Aubépine
54,65
Aubépine
70,54
viorne
16,4
viorne
23,43
viorne
25,42
viorne
20,16
viorne
23,34
viorne
25,43
viorne
29,49
frêne
106,4
Mûre
0
Mûre
0
Mûre
0
Mûre
0
amélanchier
28,44
amélanchier
20,48
amélanchier
11,11
amélanchier
17,32
amélanchier
8,15
amélanchier
13,39
cerisier tardif
61,02
cerisier tardif
59,11
cerisier tardif
46,13
cornouiller
23,83
cornouiller
17,96
cornouiller
10,47
cornouiller
15,92
herbes
cerisier tardif
35,11
aubépine
47,22
aubépine
11,76
aubépine
21,49
aubépine
6,58
aubépine
66,81
DBH (mm)
14,06
18,37
14,46
40,43
58,54
8,12
7,2
8,73
7,33
5,99
12,87
33,01
24,46
32,45
12,73
19,49
50,21
39,33
52,98
9,62
14,38
21,65
13,07
22,18
13,68
14,76
88,04
0
0
0
0
21,13
12,31
0
3,18
0
45,43
52,77
23,11
12,45
13,11
4,50
7,69
27,69
23,61
39,02
0,00
0,00
46,37
375,13
1324,74
744,66
4665,42
11672,94
132,36
100,12
95,93
181,51
180,35
1965,32
2085,35
600,77
2760,33
259,89
792,70
12139,70
0,00
0,00
4649,45
9506,57
208,84
523,85
891,54
374,59
791,09
571,79
784,47
16040,23
0,00
0,00
0,00
0,00
1012,90
387,13
89,21
190,08
66,34
111,15
6315,89
8548,29
1468,97
577,54
322,41
64,47
198,40
0,00
1188,04
2959,99
122,70
348,07
66,85
8287,52
221
Parcell
Rangée
Colonn
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
4
4
4
4
1
2
2
2
3
3
3
4
4
4
4
4
1
1
2
2
2
2
3
4
4
1
1
1
1
1
1
1
1
1
1
2
3
3
3
3
3
3
4
1
1
1
1
1
1
1
2
2
3
Quadrat #
287
287
287
287
288
289
289
289
290
290
290
291
291
291
291
291
292
292
293
293
293
293
294
295
295
296
296
296
296
296
296
296
296
296
296
297
298
298
298
298
298
298
299
300
300
300
300
300
300
300
301
301
302
6
6
5
5
3
3
302
302
222
Espèce
Dbase (mm)
aubépine
40,59
aubépine
39,90
aubépine
29,70
aubépine
69,28
érable
57,64
cerisier tardif
31,95
cerisier tardif
18,38
cerisier tardif
25,52
cerisier tardif
54,62
cerisier tardif
59,38
cerisier tardif
41,09
aubépine
44,48
aubépine
27,37
aubépine
42,68
aubépine
47,35
aubépine
52,53
aubépine
25,46
aubépine
32,08
amélanchier
68,47
amélanchier
11
cornouiller
8,54
cornouiller
5,21
érable
98,15
aubépine
65,66
aubépine
51,87
cornouiller
9,48
cornouiller
7,52
cornouiller
8,8
cornouiller
9,61
cornouiller
9,37
cornouiller
6,84
aubépine
48,18
aubépine
40,94
aubépine
11,2
aubépine
9,3
érable rouge
123,57
cornouiller
6,72
cornouiller
4,65
cornouiller
9,45
cornouiller
11,65
cornouiller
5,92
cornouiller
7,07
aubépine
50,49
cornouiller
9,02
cornouiller
10,15
cornouiller
9,04
cornouiller
13,36
cornouiller
7,30
cornouiller
14,65
cornouiller
8,79
cerisier tardif
6,61
cerisier tardif
5,02
aubépine
10,60
aubépine
aubépine
6,92
11,62
DBH (mm)
31,12
32,16
24,76
37,32
46,72
24,93
10,12
13,54
40,02
36,45
29
29,34
13,96
37,51
35,98
48,53
19,46
16,39
42,48
9,74
0,00
0,00
65,68
46,04
44,84
7,57
5,23
5,58
4,18
5,26
0,00
36,19
32
5,83
2,81
91,96
0,00
0,00
4,46
2,92
0,00
0,00
27,93
2,48
3,25
3,23
4,28
0,00
5,70
0,00
0,00
0,00
0,00
1857,49
1763,53
759,49
9095,04
6640,39
905,59
222,69
387,01
4204,18
3997,34
1613,98
2459,16
614,30
2165,23
2985,38
4118,60
513,41
936,17
9853,78
145,12
35,68
15,32
19695,65
7914,11
3961,14
57,66
33,45
46,03
52,77
51,90
23,52
3151,03
1906,58
115,10
92,37
22091,67
22,81
13,14
51,40
78,08
18,53
24,93
3644,13
43,50
57,59
44,85
113,93
26,41
150,43
37,83
65,90
59,06
107,43
0,00
0,00
69,64
120,76
Parcell
Rangée
Colonn
6
6
6
6
6
6
6
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
5
5
5
5
6
6
6
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
3
3
3
4
1
2
3
1
1
1
1
1
2
3
3
3
3
3
3
4
5
5
1
1
1
1
2
3
4
4
4
4
5
5
1
1
1
2
2
3
3
4
4
4
4
4
5
5
5
5
1
1
1
Quadrat #
302
302
302
303
304
305
306
307
307
307
307
307
308
309
309
309
309
309
309
310
311
311
312
312
312
312
313
314
315
315
315
315
316
316
317
317
317
318
318
319
319
320
320
320
320
320
321
321
321
321
322
322
322
Espèce
aubépine
aubépine
aubépine
aubépine
herbes
herbes
herbes
pommier
pommier
pommier
pommier
pommier
érable rouge
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
aubépine
herbes
saule
saule
amélanchier
amélanchier
amélanchier
amélanchier
érable
frêne
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
aubépine
aubépine
aubépine
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
aubépine
amélanchier
amélanchier
amélanchier
amélanchier
aubépine
aubépine
aubépine
Dbase (mm)
9,12
9,89
11,30
25,63
80,93
DBH (mm)
0,00
0,00
0,00
0,00
47,75
9,57
16,07
14,91
13,65
44,56
91,36
9,80
9,89
10,84
6,30
9,24
6,78
0,00
0,00
0,00
0,00
22,42
71,81
0,00
0,00
0,00
0,00
0,00
0,00
39,77
47,72
21,02
19,32
15,99
19,74
59,08
116,13
12,17
8,9
6,93
6,35
46,09
21,41
10,91
13,22
11,7
11,06
9,92
12,08
10,74
9,58
9,05
8,25
23,59
18,89
23,85
29,9
16,54
31,79
21,92
29,05
23,69
21,44
35,27
9,43
8,88
5,7
8,1
43,68
84,48
3,48
3,05
0
0,00
33,77
17,72
0,00
0,00
5,46
4,94
0,00
4,84
5,21
2,27
2,96
4,95
12,65
9,27
16,24
12,7
8,34
23,21
10,42
10,96
0,00
90,44
98,95
116,43
521,78
0,00
0,00
0,00
57,89
129,51
112,68
96,66
2135,12
18534,94
47,62
48,58
59,66
20,47
91,72
68,48
0,00
1172,88
2067,63
356,93
300,93
191,95
300,85
5938,94
8485,76
88,32
43,15
24,06
20,74
2745,52
345,28
111,34
144,65
86,15
74,18
48,90
90,97
70,00
49,05
44,53
39,55
428,66
266,75
598,93
824,59
229,39
1373,49
363,41
716,37
432,86
223
Parcell
Rangée
Colonn
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
7
7
7
1
2
2
2
2
2
3
3
3
4
4
4
5
1
2
3
3
4
4
4
4
5
5
5
5
1
1
1
1
1
1
1
1
1
2
2
2
2
3
3
3
3
3
3
4
4
4
4
5
5
5
1
1
2
224
Quadrat #
322
323
323
323
323
323
324
324
324
325
325
325
326
327
328
329
329
330
330
330
330
331
331
331
331
332
332
332
332
332
332
332
332
332
333
333
333
333
334
334
334
334
334
334
335
335
335
335
336
336
336
337
337
338
Espèce
Dbase (mm)
aubépine
39,49
saule
54,10
saule
34,65
saule
44,48
cornouiller
13,24
cornouiller
11,02
cornouiller
9,08
cornouiller
16,63
cornouiller
11,24
cornouiller
8,04
aubépine
22,5
aubépine
29,84
érable rouge
69,44
pommier
67,20
pommier
85,32
cerisier tardif
20,91
cerisier tardif
30,66
pommier
24,09
pommier
61,02
cornouiller
7,94
cornouiller
5,3
aubépine
32,63
aubépine
9,65
cerisier tardif
24,70
cerisier tardif
9,50
aubépine
20,65
aubépine
16,36
aubépine
23,82
aubépine
25,63
aubépine
26,5
aubépine
12,59
aubépine
11,86
aubépine
11,64
cerisier tardif
36,06
aubépine
25,29
saule
53,41
saule
70,54
cerisier tardif
34,44
cerisier tardif
58,82
cerisier tardif
18,72
cornouiller
12,4
cornouiller
9,1
cornouiller
12,07
cornouiller
5,71
aubépine
10,4
aubépine
24,88
cerisier tardif
46,67
cerisier tardif
18,01
cerisier tardif
39,22
cerisier tardif
37,90
frêne
18,59
pommier
18,35
pommier
20,47
herbes
DBH (mm)
9,54
20,85
26,47
24,72
10,88
9,01
0,00
0,00
0,00
0,00
10,8
13,04
51,06
57,16
63,96
8,45
13,89
15,77
43,50
0,00
0,00
15,38
0,00
11,70
0,00
7,62
7,53
5,26
6,59
5,53
0,00
0,00
0,00
23,47
8,38
35,54
49,09
24,53
38,26
10,78
7,77
7,19
6,95
0
0,00
7,68
24,28
7,76
28,91
24,56
11,76
0
0
1709,44
3114,53
787,55
1653,53
140,15
84,74
40,46
169,28
64,86
31,66
385,03
769,06
9293,20
8515,70
15041,36
237,78
507,68
321,28
6286,67
30,91
15,70
981,46
96,23
340,11
79,96
319,72
204,10
438,39
521,78
566,44
134,78
124,10
121,03
1015,26
505,16
2985,35
7432,10
994,59
4296,68
234,26
107,24
52,18
97,70
17,53
104,98
485,72
1580,49
195,09
1493,65
1154,25
306,71
169,28
215,68
0,00
Parcell
Rangée
Colonn
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
9
9
9
9
9
9
9
9
9
9
9
9
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
3
3
3
3
4
4
4
4
4
4
4
5
5
5
5
5
5
5
1
1
2
3
3
4
5
5
5
1
1
1
1
2
2
3
4
5
5
5
5
1
1
2
3
3
3
3
3
3
3
3
4
4
4
5
4
Quadrat #
Espèce
Dbase (mm)
339
cornouiller
8,45
340
cornouiller
7,57
340
cornouiller
7,00
340
cornouiller
6,79
341
cornouiller
12,25
341
cornouiller
9,92
341
cornouiller
16,96
341
cornouiller
13,82
341
aubépine
20,32
341
aubépine
29,70
341
aubépine
25,38
342
aubépine
40,86
342
aubépine
41,95
342
aubépine
30,36
342
aubépine
10,15
342
aubépine
8,09
342
aubépine
7,62
342
aubépine
8,93
343
aubépine
39,89
343
cerisier tardif
28,49
344
aubépine
16,43
345
aubépine
29,41
345
aubépine
48,41
346
aubépine
20,94
347
aubépine
37,28
347
aubépine
42,98
347
aubépine
16,14
348
pommier
13,19
348
pommier
31,59
348
pommier
73,72
348
pommier
88,47
349
cornouiller
15,91
349
cornouiller
12,59
350
pommier
65,98
351
herbes
viorne
352
27,69
viorne
352
39,26
viorne
352
39,28
viorne
352
35,11
353
aubépine
25,47
353
aubépine
24,00
354
pommier
40,84
355
cornouiller
18,12
355
cornouiller
12,08
355
cornouiller
8,47
355
cornouiller
5,36
355
cornouiller
10,45
355
cornouiller
5,44
355
cornouiller
7,82
355
cornouiller
10,90
356
cornouiller
11,27
356
cornouiller
15,40
356
cornouiller
12,98
357
cornouiller
22,31
356
cornouiller
12,98
DBH (mm)
0,00
0,00
0,00
0,00
0,00
4,86
6,47
5,17
13,11
19,64
11,06
30,99
27,72
13,17
0,00
0,00
0,00
0,00
19,48
19,86
5,69
11,47
19,16
8,37
19,68
28,92
9,28
0,00
19,23
37,70
53,54
5,27
0,00
48,51
21,26
23,93
21,75
25,83
9,72
14,68
19,42
5,56
0,00
0,00
0,00
0,00
0,00
0,00
0,00
4,53
5,96
6,64
10,37
6,64
34,93
28,24
24,49
23,22
79,50
57,90
222,51
127,75
309,14
759,49
509,51
1895,27
2053,72
805,46
101,99
80,09
75,74
88,45
1762,20
605,03
205,64
739,99
3198,01
329,27
1439,59
2212,33
199,32
91,34
690,31
11042,34
15813,55
182,11
84,93
8055,96
0,00
1009,86
1863,98
1717,91
1712,93
513,90
446,13
1583,67
253,38
76,89
35,09
15,96
54,90
16,31
30,02
60,42
76,40
171,96
115,22
475,86
115,22
225
Parcell
Rangée
Colonn
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
10
10
10
10
10
10
11
11
11
11
11
11
11
11
11
11
11
11
11
11
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
1
1
1
1
1
1
2
2
2
2
3
3
3
4
4
4
4
5
5
5
6
6
6
1
1
1
2
3
3
3
3
3
3
4
4
4
4
1
1
2
2
3
3
3
3
3
3
3
4
4
4
4
4
4
1
1
1
2
2
2
1
1
2
2
1
1
2
1
1
2
2
226
Quadrat #
357
357
357
358
358
358
359
359
359
360
361
361
361
361
361
361
362
362
362
362
363
363
364
364
365
365
365
365
365
365
365
366
366
366
366
366
366
367
367
367
368
368
368
369
369
370
370
371
371
372
373
373
374
374
Espèce
Dbase (mm)
cornouiller
11,23
cornouiller
9,76
frêne
26,09
frêne
51,85
cornouiller
14,49
cornouiller
5,74
aubépine
19,98
aubépine
20,4
aubépine
31,64
pommier
66,92
amélanchier
17,31
amélanchier
24,63
amélanchier
22,11
amélanchier
22,41
amélanchier
22,98
amélanchier
16,71
aubépine
44,32
aubépine
35,12
aubépine
20,25
aubépine
16,57
saule
60,51
saule
15,11
cerisier tardif
35,19
cerisier tardif
38,14
cornouiller
9,81
cornouiller
13,02
cornouiller
9,25
cornouiller
17,86
cornouiller
11,32
cornouiller
13,77
cornouiller
15,05
cerisier tardif
43,19
cerisier tardif
29,58
cerisier tardif
49,79
cerisier tardif
44,2
cerisier tardif
18,1
aubépine
17,58
peuplier
68,6
peuplier
45,3
peuplier
69,79
peuplier
37,5
aubépine
29,24
aubépine
33,93
aubépine
20,77
aubépine
21,38
aubépine
24,57
aubépine
22,89
aubépine
22,93
cornouiller
12,79
cornouiller
9,23
peuplier
53,85
aubépine
24,15
aubépine
24,57
aubépine
22,95
DBH (mm)
7,34
3,46
16,23
34,87
6,97
0,00
9,77
6,3
13,98
43,54
8,68
11,11
10,76
7,22
9,84
0
33,31
21,84
9,75
5,63
34,35
3,98
19,55
23,45
4,68
4,53
2,26
8,67
3,47
7,11
4,74
35,03
22,16
34,64
36,94
5,4
5,11
57,29
34,92
39,95
26,96
14,02
15,77
5,19
18,43
13,51
9,39
8,44
6,55
2,96
35,39
7,06
13,51
13,78
83,54
53,23
568,09
3226,18
152,97
17,67
298,56
311,68
901,18
8409,53
249,79
517,00
415,06
361,19
427,84
151,13
2431,93
1209,31
306,94
208,76
4513,39
135,66
813,52
1106,48
56,15
107,88
45,50
272,60
74,40
135,43
155,62
2317,48
710,84
2842,22
2629,07
175,55
232,48
5787,42
2526,37
5948,02
1512,25
728,76
1095,62
323,64
344,24
471,44
400,18
401,76
110,80
46,41
3759,28
452,68
471,44
402,55
Parcell
Rangée
Colonn
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
5
5
5
5
5
5
5
5
6
6
6
6
6
6
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
9
9
9
9
9
9
9
9
9
1
1
1
1
2
2
2
3
1
1
1
2
2
2
1
1
1
2
2
2
2
2
2
1
1
1
1
2
3
3
3
3
1
1
1
1
1
2
2
2
3
Quadrat #
375
375
375
375
376
376
376
377
378
378
378
379
379
379
380
380
380
381
381
381
381
381
381
382
382
382
382
383
384
384
384
384
385
385
385
385
385
386
386
386
387
Espèce
aubépine
aubépine
érable rouge
cornouiller
cornouiller
cornouiller
cornouiller
herbes
aubépine
aubépine
aubépine
aubépine
aubépine
peuplier
aubépine
aubépine
aubépine
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
aubépine
aubépine
aubépine
herbes
cornouiller
cornouiller
cornouiller
cornouiller
aubépine
aubépine
aubépine
aubépine
aubépine
cornouiller
cornouiller
cornouiller
cornouiller
Dbase (mm)
27,98
23,73
56,78
13,12
15,13
17,31
12,8
DBH (mm)
11,66
22,9
38,72
5,78
8,42
8,43
8,57
21,42
22,09
21,38
22,89
22,93
58,83
27,54
25,01
17,64
14,72
14,37
14,06
16,38
16,11
21,15
26,07
26,17
24,41
28,55
18,48
8,61
18,43
9,39
8,44
47,99
15,35
16,38
3,84
5,15
5,23
5,24
5,58
5,61
5,68
6,06
11,92
16,11
21,98
14,35
11,92
8,44
9,19
13,28
15,39
19,75
20,77
22,93
11,67
10,99
18,21
8,12
9,45
9,55
3,02
3,18
7,94
10,34
3,46
5,19
16,46
2,84
3,09
3,2
2,91
649,85
434,56
4481,88
114,80
179,20
250,47
119,08
0,00
345,63
369,64
344,24
400,18
401,76
4466,23
624,04
491,81
233,96
149,35
141,04
133,64
197,92
190,10
362,42
543,98
549,13
464,22
684,61
0,00
162,76
103,79
38,70
46,34
145,63
183,77
291,59
323,64
401,76
78,18
68,55
236,23
83,86
227
Capacité de récolte (t MS/h)
Annexe K : Analyse du chantier de récolte par comparaison statistiques à
partir des équations de Savoie et al. (2012)
2
1,8
1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0
y = 0,0691x + 0,716
R² = 0,2209
y = 0,3981ln(x) + 0,4421
R² = 0,2056
0
2
4
6
8
10
12
Figure A. 21: Relation entre la capacité de récolte mesurées (y) fonction des rendements
récoltés (x) sur le site de St-Augustin.
7
y = 1.1664Ln(x) + 1.3466
R2 = 0,3066
6
5
4
y = 0.1308x + 2.4832
R2 = 0,3187
3
2
1
0
0
5
10
15
20
Figure A. 22: Relations de régression connues entre la capacité de récolte (y) et les
rendements récoltés (x) en milieux naturels de Savoie (2012).
228
Consommation de carburant (l/t MS)
35
30
y = -5,115ln(x) + 29,449
R² = 0,1147
25
20
y = -0,9005x + 26,01
R² = 0,1268
15
10
5
0
0
2
4
6
8
10
12
Rendements récoltés (t MS/ha)
Consommation de carburant (l/t
MS)
Figure A. 23: Relation entre la consommation de carburant mesurées (y) fonction des
rendements récoltés(x) sur le site de St-Augustin.
25
y = -4.153Ln(x) + 16.506
R2 = 0,3218
20
15
10
5
0
0
5
10
15
Rendements récoltés (t MS/ha)
20
Figure A. 24: Relation de régression connue entre la consommation de carburant et
rendements récoltés en milieux naturels de Savoie (2012; Non publié).
229
Consommation de carburant (l/t MS)
35
30
25
20
15
y = -15,84x + 38,599
R² = 0,8478
10
5
0
0
0,5
1
1,5
2
Figure A. 25: Relation entre la consommation de carburant mesurées (y) fonction de la
capacité de récolte (x) sur le site de St-Augustin.
Consommation de carburant (l/t)
MS)
16
14
12
10
8
6
4
2
0
y = -2.0688x + 14.93
R2 = 0,645
0
1
2
3
4
5
6
Figure A. 26: Relation de régression connue entre la consommation de carburant (y) et
capacité de récolte (x) en milieux naturels de Savoie (2012).
230
Densité des balles (kg MS/m³)
160
140
120
y = 8,3363x + 121,52
100
80
60
40
20
0
0
0,5
1
1,5
2
Figure A. 27: Relation entre la densité des balles mesurées (y) fonction de la capacité de
récolte (x) sur le site de St-Augustin.
Figure A. 28: Relation de régression connue entre la densité des balles mesurées (y) et
capacité de récolte (x) en milieux naturels de Savoie (2012).
231
Tableau A. 26: Données brutes des capacités de récolte de la biomasse avec le Biobaler
(résultats observés et prédictions selon les modèles log et linéaire de Savoie et al. 2012.
Parcelle
1
3
4
5
6
7
8
observée
(t MS/h)
prédite par le
modèle log de
Savoie et al. 2012
prédite par le
modèle linéaire de
Savoie et al. 2012
1,84
1,14
1,01
0,85
0,92
1,25
1,11
(t MS/h)
3,84
3,70
2,73
3,19
3,49
3,21
3,98
(t MS/h)
3,59
3,47
2,91
3,12
3,31
3,13
3,74
Tableau A. 27: Données brutes des consommations de carburant avec le Biobaler fonction
des rendements de récolte (résultats observés et prédictions selon le modèle log de Savoie
et al. (2012)).
Parcelle
Consommation de carburant
observée
(l/ t MS)
prédite par le modèle log de
Savoie et al. 2012
(l/ t MS)
232
1
3
4
5
10,61
17,93
20,72
28,84
7,63
8,12
11,59
9,95
6
7
8
23,22
17,77
22,48
8,86
9,86
7,12
Tableau A. 28: Données brutes des consommations de carburant avec le Biobaler fonction
de la capacité de récolte (résultats observés et prédictions selon le modèle log de Savoie et
al. (2012)).
Parcelle
observée
(l/ t MS)
prédite par le modèle log de
Savoie et al. 2012
(l/ t MS)
1
3
4
5
10,61
17,93
20,72
28,84
7,63
8,12
11,59
9,95
6
7
8
23,22
17,77
22,48
8,86
9,86
7,12
Tableau A. 29: Données brutes de la densité des balles observées (y) et capacité de récolte
(x) (résultats observés et prédiction selon le modèle linéaire de Savoie et al. (2012)).
Parcelle
Densités observées des
balles
Densités prédites des balles
de Savoie et al. 2012
(l/ t MS)
(l/ t MS)
1
3
4
5
135,97
140,90
113,41
117,61
187,35
195,77
197,34
199,27
6
7
8
149,33
129,57
131,54
198,42
194,45
196,14
233
Tableau A. 30: Résultats des analyses statistiques (test de t pairé) pour la capacité de récolte
en fonction des rendements (modèle log) entre les mesures observées sur le site de SaintAugustin-de-Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
Mean
-2.2900
95% CL Mean
-2.6701
Std Dev
-1.9099
0.4110
95% CL Std Dev
0.2648
0.9050
DF t Value Pr > |t|
6
-14.74 <.0001
N
Mean
Std Dev
Std Err
Minimum
Maximum
7
-2.2900
0.4110
0.1553
-2.8735
-1.7185
Tableau A. 31: Résultats des analyses statistiques (test de t pairé) pour la capacité de récolte
en fonction des rendements (modèle linéaire) entre les mesures observées sur le site de
Saint-Augustin-de-Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
N
Mean
Std Dev
Std Err
Minimum
Maximum
7
-2.1637
0.3216
0.1216
-2.6276
-1.7524
Mean
95% CL Mean
-2.1637 -2.4611 -1.8662
Std Dev
0.3216
DF t Value Pr > |t|
6
234
-17.80 <.0001
95% CL Std
Dev
0.2072
0.7082
Tableau A. 32: Résultats des analyses statistiques (test de t pairé) pour la Diesel en fonction
des rendements (modèle log) entre les mesures observées sur le site de Saint-Augustin-deDesmaures et les modèles de prédiction connus de Savoie et al. (2012).
N
Mean Std Dev Std Err Minimum Maximum
7 11.2074
5.3384
2.0177
2.9819
Mean 95% CL Mean Std Dev
11.2074 6.2701 16.1446
18.8915
95% CL Std
Dev
5.3384 3.4400 11.7556
DF t Value Pr > |t|
6
5.55 0.0014
Tableau A. 33: Résultats des analyses statistiques (test de t pairé) pour la Diesel en fonction
de la capacité (modèle linéaire) entre les mesures observées sur le site de Saint-Augustinde-Desmaures et les modèles de prédiction connus de Savoie et al. (2012).
N Mean Std Dev Std Err Minimum Maximum
7 7.6941
5.0409
1.9053
-0.5134
Mean 95% CL Mean Std Dev
7.6941 3.0320 12.3562
15.6685
95% CL Std
Dev
5.0409 3.2483 11.1005
DF t Value Pr > |t|
6
4.04 0.0068
235
Tableau A. 34: Résultats des analyses statistiques pour la Densité fonction de la capacité
(modèle linéaire) entre les mesures observées sur le site de Saint-Augustin-de-Desmaures et
les modèles de prédiction connus de Savoie et al. (2012).
N
Mean
Std Dev
Std Err
Minimum
Maximum
7 -64.3434
13.9885
5.2872
-83.9280
-49.0933
Mean
95% CL Mean
-64.3434 -77.2806 -51.4062
Std Dev 95% CL Std Dev
13.9885
DF t Value Pr > |t|
6
236
-12.17 <.0001
9.0141
30.8036

Propriétés des sols et de la biomasse aérienne sur une terre en

Transcription

Documents pareils

Le cornouiller mâle (Cornus mas)

Le cornouiller mâle (Cornus mas) de la famil

cornouiller mâle - Cuisine Sauvage ASBL

L`anthracnose du saule - Hainaut Developpement

cornus mas – cornouiller mâle

Le ciel de mon cœur

Résidence Les Coquelicots 6 rue Claude Monet 77140 Nemours

en cliquant sur ce lien.

TP ENSILEUSE John Deere Mise en Route