Inférence de la structure et dynamique des forêts tropicales humides avec un modèle individu-centré

Le changement climatique constitue un défi qui dépasse les échelles temporelles et spatiales de la plupart des problèmes. Il nécessite donc des approches qui reflètent la complexité du système terrestre. Cela est particulièrement vrai pour la biosphère et les écosystèmes forestiers, l'une des principales sources d'incertitude dans les projections climatiques. Les efforts concertés de collecte de données, tels que les inventaires forestiers, les bases de données des traits et les nouvelles technologies, telles que la télédétection, ont considérablement accru notre capacité à observer et à analyser l'état actuel de la végétation de la Terre. Cependant, pour estimer les développements futurs et comprendre les feedbacks entre la végétation et le changement climatique, des modèles sont nécessaires pour assimiler ces données et les traduire en dynamique des écosystèmes. Les modèles forestiers mécanistes et individu-centrés sont une approche particulièrement prometteuse, car ils simulent la dynamique forestière "bottom-up", reconstruisent les forêts arbre par arbre, et sont donc capables de prédire des patrons à différentes échelles. Cette thèse continue le développement du simulateur de dynamique forestière TROLL, rajoute la variation intraspécifique et la plasticité de la croissance des arbres, dérive une nouvelle méthode pour traduire les données de télédétection en inventaires forestiers virtuels et l'utilise pour inférer la structure forestière et la dynamique des écosystèmes dans les régions tropicales. Enfin, conformément à l'approche de TROLL, basée sur les traits, une mise à jour d'une base mondiale de traits, la base de données mondiale de la densité du bois est présentée, explorant la contribution des changements évolutives et cartographiant la densité du bois à travers le monde.Climate change presents society and science with a challenge that goes beyond the temporal and spatial scales of most practical problems. It therefore requires approaches that reflect the complexity of the Earth's system. This holds particularly true for the biosphere and forest ecosystems, one of the most important sources of uncertainty in climate projections. Concerted data collection efforts, such as forest inventories, trait data bases, and new technologies, such as remote sensing, have considerably increased our ability to observe and analyze the current state of the Earth's vegetation. However, to extrapolate findings into the future and understand the feedbacks between vegetation and climate change, models are needed that assimilate these data and translate them into ecosystem dynamics. Mechanistic and individual-based forest models are a particular promising approach, since they simulate dynamics bottom-up, reconstruct forests tree by tree, and are thus able to predict patterns across scales. This PhD further develops the trait- and individual-based forest growth simulator TROLL, including intraspecific variation and plasticity in tree growth, derives a new method to translate Airborne Lidar data into virtual forest inventories and uses it to infer forest structure and ecosystem dynamics in tropical rain forests. Finally, in line with TROLL's trait-based approach, an update to a global trait base, the Global Wood Density Database is presented, exploring the contribution of evolutionary lineages to wood density variation and mapping wood density across the globe