L'estimation de La Biomasse Et de La Productivité Forestières À L'épreuve Des Changements Environnementaux
L'estimation de La Biomasse Et de La Productivité Forestières À L'épreuve Des Changements Environnementaux
Bontemps J.D.1, Longuetaud F.2, Franceschini T.1,2, Charru M.1,2, Constant T.2
1AgroParisTech, ENGREF, UMR 1092 INRA/AgroParisTech Laboratoire d'Etude des Ressources Forêt-
Bois (LERFoB), 14 rue Girardet, F-54000 Nancy.
2INRA, Centre de Nancy, UMR 1092 INRA/AgroParisTech Laboratoire d'Etude des Ressources Forêt-
Bois (LERFoB), F-54280 Champenoux.
Correspondance : [email protected]
Résumé
Introduction
L'estimation de la biomasse forestière, et des volumes qui lui sont associés, est une préoccupation
ancienne de la gestion et de la science forestière, motivée par l'impératif d'évaluation de la production et
des volumes commercialisables. Ce champ s'est considérablement renouvelé au cours de la dernière
décennie, dans un contexte de préoccupations environnementales croissantes (protocole de Kyoto, UN
1998, processus du Grenelle de l'Environnement à compter de 2007, http://www.legrenelle-
environnement.fr) qui a conduit à renforcer les attentes relatives: 1) à une valorisation accrue de
biomasse forestière à des fins énergétiques (bois "énergie"), dans une logique de substitution aux
énergies fossiles, 2) à une valorisation accrue du matériau "bois" dans la construction et l'aménagement,
attente également mue par une volonté de développement économique de la filière-bois au niveau
national (Discours présidentiel d'Urmatt du 19 mai 2009), dans un contexte où la France présente des
atouts significatifs (première ressource nationale en Europe en termes de volumes, 3e en termes de
surface, IF n°22, IFN 2009), 3) enfin, à l'expression de nouvelles fonctions assignées aux écosystèmes
forestiers, comme celle de l'immobilisation de carbone aux fins d'atténuation du changement climatique.
L'intérêt de telles fonctions reste cependant à confirmer. La forêt stocke en effet une partie non-
négligeable mais modeste des émissions de CO2 (la forêt européenne absorbe aux environs de 10% des
émissions du continent, Janssens et al., 2003). Il apparait également que son rôle d'atténuation du
réchauffement climatique, y compris au travers de politiques actives de boisement de terres arables,
pourrait être mineur à une échelle globale, et d'intérêt bien moindre en région tempérée ou boréale que
tropicale (Arora et Monténégro, 2010), suggérant qu'un enjeu prioritaire reste l'évitement de la
déforestation en région tropicale (programme REDD, UN 2008).
Parce qu'elle permet de caractériser des gisements, le cas échéant ventilés en différentes catégories
d'usages (bois d'œuvre, bois énergie), l'estimation de la biomasse forestière est donc une étape
préalable fondamentale à la programmation opérationnelle et prospective des prélèvements en forêt.
L'impératif de gestion durable (Conférence de Rio de 1992, programmes d'éco-certification des produits
forestiers) conduit rapidement à scénariser ces prélèvements (flux de sortie) au regard du
renouvellement de la ressource forestière (flux d'entrée), qui dépend du renouvellement des
peuplements exploités, et de leur productivité (accroissement biologique). Ainsi, à l'échelle de ressources
régionales ou nationales, et à un horizon temporel de moyen à long-terme, il est réaliste de chercher à
maintenir un ratio prélèvement/productivité au voisinage de l'unité (même si le taux de prélèvement reste
très inférieur à l'accroissement biologique en France, conduisant à une capitalisation de la ressource. Ce
constat reste un constat "moyen", et dépend fortement des contextes spécifiques et régionaux, IFN
2011b). La caractérisation de la productivité forestière est donc un élément essentiel de toute politique
de gestion durable. Elle présente deux caractéristiques communes à toute ressource naturelle
renouvelable, liées à une double dépendance: à la nature des espèces ligneuses exploitées, et aux
facteurs de l'environnement (conditions nutritives, hydriques et énergétiques, liées au climat et au sol).
Dans un contexte où des changements environnementaux, pas seulement climatiques, se manifestent
depuis des décennies (Jones et Moberg, 2003 ; Matson et al., 2002), où des événements
environnementaux exceptionnels affectent les écosystèmes forestiers (tempête Lothar et Martin en 1999,
Klaus en 2009, sécheresse pan-européenne de 2003, Ciais et al., 2003), et où le constat de déclin des
espèces, au moins temporaire, est une réalité (Elling et al., 2009), la productivité forestière ne doit plus
être considérée comme une donnée relativement stationnaire aux échelles temporelles traditionnelles de
la gestion (Bontemps et al., 2005), mais comme une quantité dynamique, dont il convient d'expliciter les
relations de dépendance à l'environnement. Il s'agit donc là du second ancrage de la thématique
d'estimation de la biomasse forestière aux problématiques environnementales.
Qu'il s'agisse d'estimation de stocks (volumes, biomasse) ou de flux (productivité), ces nouveaux enjeux
contextuels impliquent une nécessité d'exhaustivité de quantification des ressources, avec deux
impératifs:
- celui d'une systématisation aux principales essences qui constituent une ressource forestière
très hétérogène au plan national (IFN, 2011a). Cette catégorisation s'impose par le fait de
variations inter-spécifiques: (i) des allométries de développement qui conditionnent l'estimation
des volumes et des biomasses, (ii) de la réponse environnementale de la productivité (notion de
niche écologique) ;
- une systématisation à des échelles spatiales qui dépassent de loin les traditionnels peuplements
et massifs (ce dernier étant pris au sens du périmètre sur lequel s'applique l'aménagement
forestier), c'est-à-dire à l'échelle de territoires économiques régionaux, jusqu'à une échelle
nationale.
Ces deux impératifs ont des conséquences sur la mise en œuvre des programmes de recherche qui leur
sont afférents. D'une part la notion d'espèce "modèle", qui s'avère fondamentale dans bien des champs
disciplinaires, doit in fine être dépassée. D'autre part, la systématisation à tous les contextes forestiers
rend inopérantes (car non extrapolables) les caractérisations conduites dans des sites "ateliers". Cela
appelle donc des développements méthodologiques parcimonieux, c'est-à-dire dont le coût de mise en
œuvre opérationnelle à ces échelles reste réaliste.
Dans l'exposé qui suit, nous nous attacherons donc à passer en revue les développements récents et les
perspectives de recherche en matière d'évaluation de la biomasse et de la productivité forestières, en
gardant à l'esprit l'impératif d'exhaustivité, et en donnant au propos une portée finalisée.
cubage de structure plus compliquée et aux prédicteurs éventuellement plus nombreux, permettant
d'obtenir une validité à large échelle et dans une large gamme de contextes. A ce jour, ce second enjeu
a néanmoins fait l'objet de développements moindres que celui lié à la prise en compte de nouveaux
compartiments volumiques.
Par ailleurs, des travaux peu nombreux, mais allant dans un sens identique, ont mis en évidence une
baisse significative de la densité moyenne du cerne au cours des dernières décennies (Bergès et al.,
2000 ; Bontemps, 2006 ; Franceschini et al., 2010 respectivement sur le chêne sessile, le hêtre commun,
et l'épicéa en France; Conkey, 1988 et Briffa et al., 1998 en Amérique du Nord et dans le monde). Cette
baisse reste modérée (de l'ordre de 5 à 10%), mais son caractère systématique laisse supposer l'effet de
changements environnementaux globaux, sans que cette causalité ait été encore précisément identifiée
à ce jour (Franceschini, 2011). Une des difficultés réside en effet dans la dépendance de la densité du
cerne à la vitesse de croissance, laquelle est également sous contrôle environnemental, rendant difficile
la séparation d'effets directs et indirects.
L'impact des variations de densité du bois dans l'arbre et dans le temps sur l'efficacité de séquestration
de carbone des écosystèmes forestiers reste à évaluer.
également un outil-clé d’identification des effets liés à l'ontogénie, à la densité des communautés
ligneuses, ou encore aux changements de l'environnement sur la productivité (Dhôte et Hervé,
2000).
2.1.2 Une méthode d'évaluation indirecte mais opérationnelle: indice de fertilité et loi de
Eichhorn
L'évaluation opérationnelle de la productivité forestière repose donc sur des approches "indirectes".
L'approche la plus répandue, valide pour les peuplements réguliers, repose sur la notion d'indice de
fertilité, également dénommé indice de productivité (Skovsgaard et Vanclay, 2008). Cet indice
correspond à la hauteur dominante d'un peuplement (hauteur moyenne des 100 plus gros arbres à
l'hectare), rapportée à un âge donné (par exemple 50, 70 ou 100 ans). Le fondement de cet indice
ancien (XVIIe siècle, Batho et Garcia, 2006) repose sur une indépendance de la hauteur dominante à la
densité des peuplements (Lanner, 1985) dans une vaste gamme de densité. En ramenant cette hauteur
à un âge donné (au moyen de courbes de référence pour la croissance en hauteur, par exemple Duplat
et Tran-Ha, 1997), cette dernière ne dépend plus que de l'espèce et des facteurs environnementaux,
encore désignés sous le terme de facteurs stationnels. La forte corrélation entre la hauteur dominante et
la production d'un peuplement depuis son origine (loi de Eichhorn, Eichhorn, 1904) a donné à cet indice
un statut d'indicateur de productivité.
En pratique, à partir d'une mesure de hauteur dominante et d'âge du peuplement, et disposant de
références de croissance en hauteur et d'une estimation de la relation hauteur – production, il est donc
possible d'estimer la productivité forestière d'un peuplement. Ces deux concepts ont connu un succès
universel dans les peuplements réguliers. L'indice de fertilité reste aujourd'hui encore l'objet de nombreux
travaux1. Ces deux concepts sont à l'origine des tables de production forestière, et constituent aussi le
fondement des plus actuels simulateurs de la dynamique forestière (voir les modèles présents sur la
plateforme de simulation CAPSIS en France: http://capsis.cirad.fr/). Ces simulateurs servent de base à la
définition d'itinéraires sylvicoles (par exemple, pour les actuels guides de sylviculture de l'ONF) et de
scénarios de prélèvement en dépendance directe du niveau de productivité forestière. Ce type d'outil a
également été utilisé pour tenter de définir des scénarios "types" de gestion forestière à l'échelle
européenne (Forest Management Alternatives, projet européen EFORWOOD, www.eforwood.com).
Tandis que ces outils s'appliquent initialement à l'échelle du peuplement forestier, il devient possible de
tirer plus ample parti de leur disponibilité actuelle sur une large gamme d'espèces. Des outils
d'intégration à l'échelle du massif forestier, incluant un couplage avec des SIG, sont ainsi en cours de
développement (cas de l'outil "Simmem" développé par le Cemagref-IRSTEA sur le massif Orléanais:
http://www.inra.fr/capsis/_media/documentation/reports/27-simmem_caqsisavignon_05042011_final.pdf).
1 Une interrogation de "Scholar" (google) au 1 décembre 2011 indique plus de 10000 occurrences du terme "site index" depuis
augmentations sont de l'ordre de 50 à 100% sur le XXe siècle, et sont donc d'ampleur considérable. Les
changements climatiques (notamment le réchauffement) ou la fertilisation des écosystèmes forestiers par
la pollution azotée d'origine anthropique ont été identifiés comme des causes de ces changements
(Nellemann et al., 2001 ; Kahle et al., 2008 et Solberg et al., 2009 en Europe ; Bontemps et al., 2011, en
France).
Ces modifications temporelles de la croissance, qui opèrent à site et facteurs permanents du milieu
donnés, invalident la notion de courbes de croissance de référence qui vaudraient indépendamment de
la date d'observation (Bontemps et al., 2007), et le calcul (ou en tout cas la comparaison) d'indices de
fertilité établis dans des peuplements différents à des dates différentes, comme c'est le cas dans la
plupart des études qui se fondent sur des bases de données larges qui couvrent des périodes étendues.
Si l'idée d'établir des indices millésimés est théoriquement plausible (Bontemps et al., 2007), elle
suppose cependant une caractérisation des variations historiques de croissance dont le coût (Bontemps
et al., 2009) empêche un déploiement systématisé par espèce, et selon les contextes régionaux.
2.4.2 L'effet différentiel des facteurs climatiques sur la croissance primaire et secondaire
L'étude des variations géographiques dans la relation de Eichhorn pour une espèce donnée a
rapidement révélé l'existence de gradients latitudinaux et longitudinaux pour la plupart des espèces
forestières (Assmann, 1970). Cette relation mettant en regard la hauteur dominante d'un peuplement et
sa production totale en surface terrière (composante radiale de la productivité) ou en volume, il a fallu
postuler l’existence d’effets différentiels du climat sur la croissance primaire et secondaire, par exemple
via une différence de phénologie de croissance radiale entre régions (Pardé et Bouchon, 1988), ou
encore via un effet thermique direct sur la croissance en hauteur (Bontemps, 2006).
L'étude de Watt et al. (2010) portant sur la productivité du Pin radiata en Nouvelle-Zélande est ainsi
venue apporter un éclairage explicite, et tout à fait nouveau2 à cette question. A partir d'une modélisation
parallèle du déterminisme de l'indice de fertilité et de la productivité (corrigée du stade de développement
et de la densité du peuplement), cette étude a en effet révélé un déterminisme partiellement commun
aux deux quantités (par exemple les effets des ressources hydriques et trophiques), mais aussi des
différences notables, en l'espèce d'un effet négatif de la vitesse du vent sur l'indice de fertilité, pas
identifié sur la productivité (à productivité constante, le régime venteux induit donc un phénomène
d'allocation différentielle), et d'un effet négatif du gel d'automne sur la productivité, tandis que seul un
effet à optimum des températures moyennes annuelles sur l'indice de fertilité est identifié.
De tels travaux impliquent donc que les approches visant à caractériser et spatialiser la composante
environnementale de la productivité à partir de l'indice de fertilité (Seynave et al., 2008 ; Albert et
Schmidt, 2010) ne sont pas indemnes de biais.
2 A notre connaissance, cette étude est la première publication qui ait mis en regard le déterminisme environnemental
différentiel de l'indice de fertilité et de la productivité à large échelle. Cet article est resté relativement confidentiel, car son
objectif explicite est resté purement opérationnel (cartographie), mais il constitue à notre sens une contribution majeure, et
amène à explorer davantage les effets de l'environnement sur les patrons d'allocation du carbone à large échelle.
Conclusions et perspectives
La connaissance et la prédiction 1) de l'impact des changements environnementaux sur les écosystèmes
forestiers, 2) de la quantité de volume ou biomasse ligneux permettant d'honorer les nouvelles
demandes en produits et fonctions assignés à la forêt, dans un contexte lui-même motivé par
l'atténuation du changement climatique, et les opportunités économiques potentielles qui lui sont
associées, conduit à un fort renouvellement des approches descriptives et prédictives de la productivité
et de la biomasse forestières.
S'agissant d'estimation de volume et biomasse ligneux, l'accent essentiel porte aujourd'hui sur la
caractérisation de compartiments ligneux auparavant négligés, et appelle de nouvelles représentations
conceptuelles. Au-delà de retombées strictement opérationnelles, ces travaux ouvrent aussi la voie à la
possibilité d'une estimation générique du volume et de la biomasse (par espèce, dans de larges
contextes géographiques). Ils offrent donc la perspective plus cognitive de mise en évidence de patrons
de séquestration de biomasse et d'allocation du carbone, et de leur mise en relation avec les traits de vie
des espèces ligneuses, sur de larges gradients environnementaux, permettant l'identification de lois
générales de comportements et de stratégies d'espèces.
S'agissant de la productivité forestière, les développements les plus récents vont dans le sens d'une
explicitation renforcée des effets de l'environnement, et rendent progressivement obsolètes des
approches plus classiques de quantification de la productivité forestière, encore très répandues. Ces
évolutions appellent de nouveaux développements autour des modèles de simulation de la dynamique
forestière, dont le couplage avec des outils cartographiques (SIG) devra être renforcé. Face à un
environnement changeant mais incertain, le développement d'indicateurs spatialisés et régulièrement
actualisés est également nécessaire pour assurer un suivi objectif et représentatif de la vitalité présente
et future des espèces forestières. Il souligne le rôle essentiel que les inventaires forestiers sont appelés à
jouer. Au plan plus fondamental, un travail très conséquent subsiste sur l'observation des relations
environnement-productivité, leur interprétation fonctionnelle, c'est-à-dire l'identification des processus
physiologiques qui contrôlent ces réponses, et leur mise en regard avec le concept de niche écologique
et les conceptualisations associées.
Ces développements doivent être conduits tout en mettant en œuvre un effort d'intégration géographique
et d'élargissement spécifique. Son succès repose sur l'acquisition méthodique de données d'observation
dont le coût reste aujourd'hui considérable. La mise en place de méthodes d'estimation opérationnelles,
actualisées, et satisfaisant à l'impératif d'exhaustivité tout en garantissant une précision locale suffisante
semble devoir venir de deux directions: 1) l'émergence de technologies innovantes en métrologie
(exemple du Lidar terrestre), 2) l'adossement de ces travaux de recherche à la mission d'inventaire
forestier, seule en mesure d'assurer une couverture exhaustive de la ressource forestière à intervalle
régulier, 3) la combinaison de ces deux types approches, qui conduit à la notion d'inventaire forestier dit
"multi-source" (pouvant inclure de l'imagerie satellite et du lidar aérien, voir l'ouvrage de référence de
Tomppo et al. (2008), dont un condensé est donné dans Tomppo et al. (2008), et une revue d'ouvrage
dans Bontemps (2009)).
Références bibliographiques
Albert M., Schmidt M., 2010. Climate-sensitive modelling of site-productivity relationships for Norway
spruce (Picea abies (L.) Karst.) and common beech (Fagus sylvatica L.). Forest Ecology and
Management 259, 739-749.
Algan H., 1894. Tarifs de cubage. Revue des Eaux et Forêts, 502-505.
ANR, 2008. Emerge - Élaboration de Modèles pour une Estimation Robuste et Générique du bois
Énergie. Projet de recherche, réponse à l'appel d'offre "Bioénergies" 2008.
Arora V.K., Montenegro A., 2011. Small temperature benefits provided by realistic afforestation efforts.
Nature Geoscience 4, 514-518.
Assmann E., 1970. The principles of forest yield study. Pergamon Press, Oxford, 506 p.
Badeau V., Becker M., Bert D., Dupouey J.-L., Lebourgeois F., Picard J.-F., 1996. Long-term growth
trends of trees: ten years of dendrochronological studies in France. In: Spiecker, H., Mielikaïnen, K.,
Köhl, M., Skovsgaard, J.P. (Eds.), Growth trends in European forests, EFI, Research Report n°5. pp.
167-181
Batho A., Garcia O., 2006. De Perthuis and the origins of site index: a historical note. Forest biometry,
modelling and information sciences 1, 1-10.
Becker M., 1989. The role of climate on present and past vitality of silver fir forests in the Vosges
mountains of northeastern France. Canadian Journal of Forest Research 19, 1110-1117.
Bergès L., Dupouey J.-L., Franc A., 2000. Long-term changes in wood density and radial growth of
Quercus petraea Liebl. in northern France since the middle of the nineteenth century. Trees 14, 398-
408.
Bontemps J.-D., Vallet P., Hervé J.-C., Rittié D., Dupouey J.-L., Dhôte J.-F., 2005. Des hêtraies qui
poussent de plus en plus vite : vers une forte diminution de leur âge d'exploitabilité ? Revue Forestière
Française 57:123-142.
Bontemps J.-D., 2006. Productivity evolution of pure and even-aged Beech (Fagus sylvatica L.) and
Sessile Oak (Quercus petraea Liebl.) stands in Northern France during the 20th century (in French).
PhD dissertation, ENGREF, Nancy (France), 444 p.
Bontemps J.-D., Duplat P., Hervé J.-C., Dhôte J.-F., 2007. Croissance en hauteur dominante du hêtre
dans le Nord de la France: des courbes de référence qui intègrent les tendances à long-terme. Rendez-
Vous Techniques, ONF HS n°2, 39-47.
Bontemps J.-D. 2009. Book review of: Tomppo, E., Haakana, M., Katila, M., Peräsaari, J., 2008. Multi-
source national forest inventory – Methods and applications. Series n°18 Managing Forest Ecosystems,
Springer, Germany, 208 p.
Bontemps J.-D., Hervé J.-C., Dhôte J.-F., 2009. Long-term changes in forest productivity: a consistent
assessment in even-aged stands. Forest Science 55, 549-564.
Bontemps J.-D., Hervé J.-C., Leban J.-M., Dhôte J.-F., 2011. Nitrogen footprint in a long-term
observation of forest growth over the twentieth century. Trees 25, 237-251.
Bontemps J.-D., Hervé J.-C., Duplat P., Dhôte J.-F., 2012. Shifts in the height-related competitiveness
of tree species following recent climate warming and implications for tree community composition: the
case of common beech and sessile oak as predominant broadleaved species in Europe. Oikos.
DOI: 10.1111/j.1600-0706.2011.20080.x
Bouriaud O., Bréda N., Le Moguedec G., Nepveu G., 2004. Modeling variability of wood density in
beech as affected by ring age, radial growth and climate. Trees 18, 264-276.
Briffa K.R., Schweingruber F.H., Jones P.D., Osborn T.J., Shiyatov S.G., Vaganov E.A., 1998. Reduced
sensitivity of recent tree-growth to temperature at high northern latitudes. Nature 391, 678-682.
Charru M., Seynave I., Morneau F., Bontemps J.-D., 2010. Recent changes in forest productivity: An
analysis of national forest inventory data for common beech (Fagus sylvatica L.) in north-eastern
France. Forest Ecology and Management 260, 864-874.
Charru M., Seynave I., Morneau F., Rivoire M., Bontemps J.-D., 2012. Significant differences and
curvilinearity in the self-thinning relationships of 11 temperate tree species assessed from national
forest inventory data. Annals of Forest Science. DOI 10.1007/s13595-011-0149-0
Ciais P. et al., 2003. Europe-wide reduction in primary productivity caused by the heat and drought in
2003. Nature 437, 529-533.
Conkey L. E., 1988. Decline in old-growth red spruce in Western Maine - an analysis of wood density
and climate. Canadian Journal of Forest Research 18, 1063-1068.
Dassot M., Constant T., Fournier M., 2011. The use of terrestrial LiDAR technology in forest science:
application fields, benefits and challenges. Annals of Forest Science 68, 959-974.
Dhôte J.-F., Hervé J.-C., 2000. Productivity changes in four Sessile Oak forests since 1930: a stand-
level approach. Annals of Forest Science 57, 651-680.
Duplat P., Tran-Ha M., 1997. Modélisation de la croissance en hauteur dominante du chêne sessile
(Quercus petraea Liebl) en France. Variabilité inter-régionale et effet de la période récente (1959-
1993). Annals of Forest Science 54, 611-634.
Eichhorn F., 1904. Beziehungen zwischen Bestandshöhe und Bestandsmasse. Allgemeine Forst- und
Jagd-Zeitung 80, 45-49.
Elling W., Dittmar C., Pfaffelmoser K., Rötzer T., 2009. Dendroecological assessment of the complex
causes of decline and recovery of the growth of silver fir (Abies alba Mill.) in Southern Germany.
Forest Ecology and Management 257, 1175-1187.
Guilley E., Hervé J.-C., Huber F., Nepveu G., 1999. Modelling variability of within-ring density
components in Quercus petraea Liebl. with mixed-effects models and simulating the influence of
contrasting silvicultures on wood density. Annals of Forest Science. 56, 449-458.
Franceschini T., Bontemps J.-D., Gelhaye P., Rittié D., Hervé J.-C., Gégout J.-C., Leban J.-M., 2010.
Decreasing trend and fluctuations in the mean-ring density of Norway spruce through the twentieth
century. Annals of Forest Science 67, 816.
Franceschini T., 2011. Variations historiques et déterminisme climatique de la densité intracerne du
bois et des dimensions transversales des trachéides de l’épicéa commun (Picea abies Karst. L.) au
cours du XXe siècle. Mémoire de thèse de doctorat, AgroParisTech, Nancy, 271 pp.
Hägglund B., Lundmark J.-E., 1977. Site index estimation by means of site properties. Scots pine and
Norway spruce in Sweden. Studia Forestalia Suecica 138, 38 p.
Hutchinson G. E., 1957. Concluding remarks. Cold Spring Harbour symposium on quantitative biology.
415-427.
Houllier F., 2001. Modélisation de la production ligneuse et des paysages: des technologies nouvelles
pour l'évaluation des ressources forestières. Revue Forestière Française 53: 423-433.
IFN, 2009. Harmonisation des données forestières européennes : l'Inventaire Français impliqué dans
des actions déterminantes, IF 22, 8 p.
IFN, 2011a. Volume de bois sur pied dans les forêts françaises : 650 millions de mètres cubes
supplémentaires en un quart de siècle, IF 27, 12 p.
IFN, 2011b. Prélèvements de bois en forêt et production biologique : des estimations directes et
compatibles, IF 28, 16 p.
Janssens I. A., et al. 2003. Europe's terrestrial biosphere absorbs 7 to 12% of European anthropogenic
CO2 emissions. Science 300, 1538-1542.
Jones P.D., Moberg A., 2003. Hemispheric and large-scale surface air temperature variations: an
extensive revision and an update to 2001. Journal of Climate 16, 206-223.
Kahle H.P., Karjalainen T., Schuck A., Agren G.I., 2008. Causes and consequences of forest growth
trends in Europe. EFI Research Report, vol. 21. EFI, Joensuu (Finland), 261 pp.
King D.A., 1990. The adaptive significance of tree height. American Naturalist 135, 809-828.
Lamarche V.C., Graybill D.A., Fritts H.C., Rose M.R., 1984. Increasing atmospheric carbon dioxide:
tree ring evidence for growth enhancement in natural vegetation. Science 225, 1019-1021.
Lanner R.M., 1985. On the insensitivity of height growth to spacing. Forest Ecology and Management
13, 143-148.
Matson P., Lohse K.A., Hall S.J., 2002. The globalization of nitrogen deposition: consequences for
terrestrial ecosystems. Ambio 31, 113-119.
Nellemann C., Thomsen M.G., 2001. Long-term changes in forest growth: potential effects of nitrogen
deposition and acidification. Water, Air, and Soil Pollution 128, 197-205.
Pardé J., Bouchon J., 1988. Dendrométrie (2e édition), ENGREF, Nancy, 328 p.
Piedallu C., Gégout J.-C., Bruand A., Seynave I., 2011. Mapping soil water holding capacity over large
areas to predict potential production of forest stands. Geoderma 160, 355-366.
Ragland K.W., Aerts D.J., 1991. Properties of wood for combustion analysis. Bioresource Technology
37, 161-168.
Seynave I., Gégout J.-C., Hervé J.-C., Dhôte J.-F., Drapier J., Bruno E., Dumé G., 2005. Picea abies
site index prediction by environmental factors and understorey vegetation: a two-scale approach
based on survey databases. Canadian Journal of Forest Research 35, 1669-1678.
Seynave I., Gégout J.-C., Hervé J.-C., Dhôte J.-F., 2008. Is the spatial distribution of European beech
(Fagus sylvatica L.) limited by its potential height growth? Journal of Biogeography 35, 1851-1862.
Skovsgaard J.-P., Vanclay J.K., 2008. Forest site productivity: a review of the evolution of dendrometric
concepts for even-aged stands. Forestry 81, 13-31.
Solberg S., Dobbertin M., Reinds G.J., Lange H., Andreassen K., Garcia Fernandez P., Hildingsson A.,
de Vries W., 2009. Analyses of the impact of changes in atmospheric deposition and climate on forest
growth in European monitoring plots: A stand growth approach. Forest Ecology and Management 258,
1735-1750.
Spiecker H., Mielikäinen K., Köhl M., Skovsgaard J.P., 1996. Growth trends in European forests. In:
EFI, Research report, vol. 5. Springer-Verlag, Berlin Heidelberg, pp. 367
Tomppo E., Olsson H., Ståhl G., Nilsson M., Hagner O., Katila M., 2008. Combining national forest
inventory field plots and remote sensing data for forest databases. Remote Sensing and Environment
112, 1982-1999.
Tomppo E., Haakana M., Katila M., Peräsaari J., 2008. Multi-source national forest inventory – Methods
and applications. Series n°18 Managing Forest Ecosystems, Springer, Germany, 208 p.
Tran-Ha M., Perrotte G., Cordonnier T., Duplat P., 2007. Volume tige d’un arbre ou d’une collection
d’arbres pour six essences principales en France. Revue Forestière Française 59, 609-624.
UN, 1998. Protocole de Kyoto à la convention-cadre des Nations Unies sur les changements
climatiques, 23 p.
UN, 2008. Collaborative Programme on Reducing Emissions from Deforestation and Forest
Degradation in Developing Countries (UN-REDD), 27 p.
Vallet P. Dhôte J.-F., Moguedec G., Ravart M., Pignard G., 2006. Development of total aboveground
volume equations for seven important forest tree species in France. Forest Ecology and Management
229, 98-110.
Watt M.S., Palmer D.J., Kimberley M.O., Höck B.K., Payn T.W., Lowe D.J., 2010. Development of
models to predict Pinus radiata productivity throughout New Zealand. Canadian Journal of Forest
Research 40, 488-499.