Mechanistic and statistical approaches to predicting wind damage to individual maritime pine (Pinus pinaster Ait.) trees in forests

Les forêts d’Aquitaine de Pin maritime (Pinus pinaster Ait.) du sud-ouest de la France ont souffert de deux tempêtes majeures, Martin (1999) et Klaus (2009) et de nouveaux dégâts sont attendus dans le futur en raison de changements dans la structure forestière et à cause du changement climatique. C’est pour cela que le développement d’une méthode d’évaluation des risques liés aux tempêtes est une des clés pour développer de nouvelles stratégies d’aménagement pour réduire les risques à venir. Dans ce papier, nous avons évalué deux approches pour calculer le risque au niveau des arbres individuels en utilisant deux jeux de données provenant des deux dernières tempêtes. Des modèles de simulation atmosphériques ont été couplés soit à un modèle mécaniste de prévision des dégâts (GALES) soit à un modèle de régression logistique avec réduction du biais de façon à distinguer les arbres endommagés ou non. L’approche mécaniste permet de distinguer avec succès les catégories d’arbres lors des deux tempêtes mais seulement pour les conditions pédologiques des données qui ont servi à la calibration des paramètres du modèle. L’approche statistique permet elle aussi de discriminer les catégories d’arbres avec succès uniquement pour les conditions de calibration mais elle ne fonctionne pas pour d’autres jeux de données. Une variable, la décade d’installation des peuplements, est significative pour tous les différents modèles statistiques, suggérant que les techniques de préparation du sol et de régénération pourraient faire parties des facteurs clés en relation avec les dégâts dus au vent dans cette région.Maritime pine (Pinus pinaster Ait.) forests in the Aquitaine region, south-west France, suffered catastrophic damage from Storms Martin (1999) and Klaus (2009), and more damage is expected in the future due to forest structural change and climate change. Thus, developing risk assessment methods is one of the keys to finding forest management strategies to reduce future damage. In this paper we evaluated two approaches to calculating wind damage risk to individual trees using data from different damage data sets from two storm events. Airflow models were coupled either with a mechanistic model (GALES) or a bias-reduced logistic regression model, in order to discriminate between damaged and undamaged trees. The mechanistic approach was found to successfully discriminate the trees for different storms, but only in locations with soil conditions similar to where the model parameters were obtained from previous field experiments. The statistical approach successfully discriminated the trees only when applied to similar data as that used for creating the models, but it did not work at an acceptable level for other data sets. One variable, decade of stand establishment, was a significant variable in all statistical models, suggesting that site preparation and tree establishment could be a key factor related to wind damage in this region