Pierre Cottais, Fabien Laroche et Laurent Larrieu viennent de publier dans le journal Peer Community Journal, créé et financé par l'association à but non lucratif et non commerciale Peer Community In (PCI), un article sur les connaissances a priori qui contribuent à quantifier la fréquence d'occurrence d'un dendromicrohabitat rare dans une forêt gérée. Ces résultats sont acquis en forêt de Grésigne (Tarn) dans le cadre de l'ANR JCJC BloBiForM (ANR-19-CE32-0002).
Cottais P., Courbaud B., Larrieu L., Gouix N., Laroche F. (2026) Informative priors contribute to quantifying the occurrence rate of a rare tree-related microhabitat in a managed forest, Peer Community Journal, 6: e33. https://doi.org/10.24072/pcjournal.697
Abstract:
Tree-related microhabitats (TreMs) are key features for forest biodiversity, and knowing their accumulation rate is essential to design integrative management strategies. Many types of TreMs are associated to large old trees and showslowontogenical processes. The rarity of such TreMs (particularly in intensively managed forests) hinder the estimation of their occurrence rate along tree growth. Here, we used a continental meta-analysis on TreMs occurrence rate along tree growth to build informative priors for a model of trunkbase rot-hole occurrence on oaks within the Grésigne forest, France — a context where stand management and tree DBH were confounded. We explored whether the use of informative priors could improve the identifiability, the precision of estimates and the predictive abilities of the model.Without prior information, the low variance of tree DBH within management modalities rendered the model poorly identifiable and prevented the detection of an effect of tree DBH per se across the range of explored tree DBH. By contrast, using informative priors contributed to improve the precision of estimates and lead to detecting a positive effect of tree DBH per se. Informative priors did not degrade the model fit and clearly improved predictive abilities on new stands. In particular, while the model without prior information did not predict the occurrence of trunk-base rotholes significantly better than a purely random guess, the model with informative priors did. Irrespective of the prior used, models suggested that the high recruitment of trunkbase rot-holes in Grésigne may be a temporary management effect in stands undergoing conversion from coppice-with-standards to high forest through sprout thinning, which will lead to conservation issues for cavicolous saproxylic species when all conversions are complete. Because using informative priors was simple and beneficial in our study, it should be further explored in other local applied contexts to orientate forest management.
Résumé:
Le constat à l’origine de l’étude: Il est crucial de connaître le taux d’accumulation des dendromicrohabitats (dmh) sur les arbres pour concevoir des stratégies de gestion intégrative. De nombreux dmh sont associés à de gros et vieux arbres car ils relèvent de processus ontogéniques lents. La rareté de ces dmh, en particulier dans les forêts gérées de manière intensive, rend complexe l’estimation de leur taux d’occurrence tout au long de la croissance des arbres.
L’étude: A partir du travail de modélisation de Courbaud et al. publié en 2022 (lois d’apparition pour 11 groupes de dmh sur 19 essences), on a étudié la dynamique des cavités à terreau de pied portées par les chênes dans la forêt domaniale de la Grésigne, sur une gamme de modalités de gestion et de diamètres à 1,3m. Via une approche statistique bayésienne, on a cherché à déterminer si l’utilisation de « priors » informatifs (i.e. des connaissances a priori sur les gammes de valeurs des paramètres plausibles, issues d'observations d'un grand nombre d'arbres à l'échelle internationale) pouvait améliorer la précision des estimations et les capacités prédictives du modèle.
Principaux résultats:
• l’utilisation de priors informatifs a contribué à améliorer la précision des estimations et a permis de détecter le lien positif attendu entre présence de cavité et diamètre de l'arbre dans un contexte de faible variance du diamètre au sein des modalités de gestion
• les priors informatifs n’ont pas dégradé l’ajustement du modèle et ont clairement amélioré les capacités prédictives sur de nouveaux peuplements
• les modèles suggèrent que le taux de recrutement assez fort de cavités à terreau de pied observé en Grésigne pourrait être un effet temporaire lié à la conversion de taillis-sous-futaie en futaie, ce qui peut poser des problèmes de conservation pour les espèces liées à ce dmh (plusieurs centaines d’espèces) une fois la conversion achevée sur l’ensemble de la forêt
Conclusion
• L'utilisation de priors informatifs s'est révélée simple et bénéfique ; elle devrait donc être approfondie dans d'autres contextes locaux d'application
Clélia Sirami a participé à la soirée thématique « Santé des cours d’eau, des payses et de l’agriculture » organisée le 28 mars par l’association LAB paysan à Saint Izaire, dans le sud de l'Aveyron. La soirée a débuté par une conférence introductive de Clélia Sirami intitulée « Quels liens entre santé des paysages, santé de la biodiversité et santé humaine ? ». Une table ronde a ensuite permis de riches échanges entre Gaëlle Kerneis, du Syndicat de rivière Tarn médian, et Sophie Hugonnenc, de Arbres Haies Paysages d’Aveyron, et Clélia Sirami. Les nombreuses questions du public ont permis d’approfondir les enjeux spécifiques de ce territoire et l’articulation entre actions locales et les dynamiques systémiques à des échelles plus larges, notamment concernant la place des technologies ou le rôle des politiques publiques. Cette soirée a réuni une soixantaine de personnes avec des profils très variés, dont une bonne proportion d’agriculteurs et agricultrices du territoire.
Par Keltoum Khechba (post-doctorante, UMR Dynafor)
Les modèles d’apprentissage automatique (ML) basés sur les données de télédétection offrent un fort potentiel pour améliorer la prédiction des rendements céréaliers à différentes échelles géographiques. Toutefois, la complexité et l’hétérogénéité des paysages agricoles posent des limites importantes à la robustesse des prédictions à l’échelle de la parcelle. La fiabilité des modèles dépend à la fois de la capacité des données d’apprentissage à représenter cette hétérogénéité spatiale et de l’utilisation d’échantillons de validation spatialement indépendants. De plus, la variabilité spatio-temporelle des facteurs influençant le rendement affecte la pertinence des variables d’entrée, rendant difficile le développement de modèles généralisables. Dans ce contexte, ce travail analyse l’impact de l’hétérogénéité spatiale et temporelle sur la performance des modèles ML pour la prédiction du rendement du blé à l’échelle parcellaire sur une large zone d’étude au Maroc.
