Contributions of multi-temporal airborne LIDAR data to mapping carbon stocks and fluxes in tropical forests. | Contributions du LIDAR multi-temporel à la caractérisation de la dynamique et de la structure des forêts tropicales.

anglais. Current climate change affects tropical forests functioning and might jeopardize their role as a global carbon sink. Accurately documenting forest carbon fluxes at a meaningful scale is therefore a pressing challenge. Airborne LiDAR (ALS), which can provide a fine-grained description of canopy structure and dynamics has great potential. This thesis explores the capabilities and limitations of airborne multitemporal LiDAR to map patterns of C fluxes over space and time to reduce uncertainty in models of carbon stocks and fluxes in tropical forests. We relied on a combination of repeated ALS overflights extending over ten years and a large network of plots totaling more than 1.2 km2 of field inventories conducted at the Permanent Research Station of Paracou (French Guiana).The first chapter (Q1. Efflux Modeling Mortality) addresses the possibility of developing reliable estimates of biomass, basal area and stem number loss (efflux) from observed changes in canopy height with repeated ALS overflights and further assesses whether gap dynamics show persistent over time. Absolute basal area loss rate was linearly correlated to gap dynamics at the plot level (R2=0.60) and more strongly so when the analysis was restricted to undisturbed forests (R2 =0.72). The rate of basal area loss was better predicted from gap dynamics than the rate of stem loss. At the landscape scale, LiDAR data revealed that spatial patterns of gap creation were related to local topography and canopy height, where high canopy forests and bottomlands had higher mortality rates. It is concluded that gap dynamics allow tracking the change in forest carbon fluxes, complementing the monitoring of net carbon change derived from static carbon estimates.The second chapter (Q2. Allometry and carbon stock) quantifies the reduction of error in plot-level AGB estimates achieved using locally adjusted height-diameter allometries. Tree height data were obtained either from individually segmented crown in the LiDAR point cloud or from an individual-based forest model (Canopy Constructor) globally adjusted to the Canopy height model. Bayesian multilevel modeling approach incorporated local canopy height and species identity as co-variates. The quadratic error in predicting mean height was reduced by a factor of four by replacing the best universal alternative allometry with the locally derived ALS allometric H-DBH relationship, where nearly half of the reduction in quadratic error was due to reduced bias. A universal model (not adjusted for site-specific H-DBH allometry) underestimated AGB by 12-13 % at the site level. The inclusion of species identity and canopy height was a considerable improvement, dramatically reducing the uncertainty in H prediction.The third chapter (Q3. Influx modeling Productivity) examines whether the canopy height gain derived from ALS can be used to map Aboveground Woody Net Primary Productivity (AGWNPP). The model predicted AGWNPP across the entire range of plots at the spatial resolution of 125m with an R2 of 0.75 and a relative RMSE of 11%. Applying the method to the landscape scale, the maps revealed a spurious spatial pattern of productivity with higher values in seasonally flooded areas. Critically reviewing the model development procedure allowed to identify possible shortcomings. While a final unbiased AGWNPP model was not tested, this analysis also provided an opportunity to critically examine the overall relevance of the exercise. We conclude that measuring change in net carbon change (rather than developing a model of raw carbon influx) might be a more promising avenue, likely to provide more robust and more spatially accurate results than a net primary productivity model.In the last chapter, we synthesize the conclusions of the articles, following with a critical reflection on the work done and discussing the potential of LiDAR in ecology and conservation.

français. Le changement climatique affecte le fonctionnement des forêts tropicales et met en péril leur rôle de puits de carbone (C). Documenter avec précision les flux de carbone forestiers à une échelle significative est un défi pressant. Le LiDAR aéroporté (ALS) fournit une description fine de la structure et de la dynamique de la canopée. Cette thèse explore les capacités du LiDAR multi-temporel à cartographier les flux de C dans l'espace et le temps afin de réduire l'incertitude des modèles de stocks et de flux de C dans les forêts tropicales. Nous nous appuyons sur la combinaison de survols ALS répétés s'étendant sur 10 ans d'une part et sur un grand réseau de parcelles totalisant plus de 1,2 km2 d'inventaires sur le terrain réalisés à la station de recherche de Paracou (Guyane française).Le premier chapitre (Q1. Modélisation de l'efflux Mortalité) traite de la possibilité de développer des estimations fiables de la perte en biomasse, en surface terrière et en nombre de tiges à partir des changements de hauteur de la canopée. En outre on cherche à évaluer si les patrons spatiaux de dynamique des trouées se perpétuent entre périodes d’observations successives. La corrélation entre la surface terrière perdue et la surface de trouées nouvellement formées est significative (R2=0,60) et particulièrement élevée pour les forêts non exploitées (R²=0,72). Le taux de perte de surface terrière est mieux prédit que le taux de mortalité. À l'échelle du paysage, l’ALS révèle une organisation spatiale des trouées liée à la fois à la topographie locale et au type de forêt (hauteur de la canopée). Les forêts hautes d’une part et les forêts de bas-fond d’autre part présentent des taux de mortalité plus élevés que la moyenne.Le deuxième chapitre (Q2. Allométrie et stock de carbone) quantifie la réduction de l'erreur dans les estimations de l'AGB obtenue en utilisant des allométries hauteur-diamètre ajustées localement. La fusion entre les données de hauteur de l'ALS et les données d'inventaire au sol se fait soit par segmentation de couronnes individuelles, soit en en utilisant une méthode globale qui, par itérations successives, minimise l’écart entre le Modèle Numérique de Canopée issu de l’ALS et le modèle de canopée dérivé de l’application de relations allométriques aux données d’inventaires. Un modèle hiérarchique bayésien est utilisé pour ajuster la hauteur des arbres en fonction de l’espèce et de la hauteur locale de la canopée. L'erreur quadratique sur la hauteur est réduite d'un facteur 4 en remplaçant la meilleure allométrie universelle par l’allométrie locale. Près de la moitié de la réduction de l'erreur quadratique est due à la réduction du biais. Le modèle allométrique universel sous-estime l'AGB de 12 à 13 % au niveau du site selon les parcelles. L'inclusion de l'identité des espèces et de la hauteur de la canopée réduit fortement l'incertitude sur la hauteur et supprime les biais observés par type de forêt.Le troisième chapitre (Q3. Modélisation de l'afflux Productivité) examine si la médiane des accroissement en hauteur de la canopée est un bon prédicteur de la productivité primaire nette ligneuse épigée (AGWNPP). Le modèle prédit l'AGWNPP sur l'ensemble des parcelles à la résolution spatiale de 125 m avec un R2 de 0,75 et un RMSE relatif de 11%. Les cartes à l'échelle du paysage ont révélé une structuration spatiale inattendue de la productivité, avec des valeurs plus élevées dans les zones saisonnièrement inondées. L'examen critique de la procédure de développement du modèle a permis d'identifier certains problèmes et de réexaminer la pertinence générale de l'entreprise. La mesure du changement net de C (plutôt que la caractérisation du flux entrant de C) est sans doute à privilégier car elle est susceptible de donner des résultats plus robustes et spatialement non biaisés.Enfin, une brève synthèse est proposée dans un dernier chapitre.