Analyse de la Croissance et de la Mortalité • CafriplotsR

library(CafriplotsR)

Introduction

Cette vignette montre comment calculer les taux de croissance des arbres et les statistiques de mortalité/recrutement pour les parcelles forestières permanentes avec plusieurs recensements.

Deux fonctions principales sont disponibles :

compute_growth() : Calculer les taux de croissance en diamètre entre les recensements
compute_mortality() : Calculer les taux de mortalité et de recrutement

Les deux fonctions récupèrent automatiquement les données de la base de données et ne nécessitent que les identifiants de parcelles en entrée.

Calcul des Taux de Croissance

Utilisation de Base

# Se connecter à la base de données
con <- call.mydb()

# Calculer la croissance par nom de parcelle
growth <- compute_growth(plot_names = "mbalmayo001", con = con)

# Ou par ID de parcelle
growth <- compute_growth(plot_ids = c(1, 2, 3), con = con)

Comprendre la Sortie

La fonction retourne une liste avec deux composants :

# Statistiques résumées par parcelle et intervalle de recensement
growth$summary

# Données de croissance au niveau individuel
growth$individuals

Colonnes du résumé :

plot_name : Identifiant de la parcelle
census_pair : Intervalle de recensement (ex. “1-2” pour le premier au deuxième recensement)
n_individuals : Total d’individus mesurés dans les deux recensements
n_valid : Individus avec des mesures de croissance valides
n_excluded : Individus exclus en raison d’erreurs de mesure
mean_growth_mm_yr : Taux de croissance moyen en diamètre (mm/an)
sd_growth_mm_yr : Écart-type de la croissance
median_growth_mm_yr : Taux de croissance médian
mean_dbh_1_mm : DHP moyen au premier recensement (mm)
mean_dbh_2_mm : DHP moyen au deuxième recensement (mm)
mean_interval_years : Temps moyen entre les recensements (années)

Méthodes de Calcul de Croissance

Deux méthodes sont disponibles :

# Croissance incrémentale (par défaut) : (DHP2 - DHP1) / temps
growth_inc <- compute_growth(plot_ids = 1, method = "I")

# Croissance exponentielle : (log(DHP2) - log(DHP1)) / temps
growth_exp <- compute_growth(plot_ids = 1, method = "E")

Ajustement des Paramètres de Contrôle Qualité

growth <- compute_growth(
  plot_ids = 1,
  mindbh = 100,      # DHP minimum en mm (par défaut : 100)
  err.limit = 4,     # Limite d'erreur pour la détection de croissance négative (par défaut : 4)
  maxgrow = 75       # Croissance maximale valide en mm/an (par défaut : 75)
)

Contrôle qualité :

Les arbres avec DHP < mindbh sont exclus
Les croissances négatives extrêmes (erreurs de mesure) sont détectées en utilisant un modèle statistique
Les taux de croissance > maxgrow mm/an sont signalés comme erreurs

Résumé Uniquement

Pour obtenir uniquement les statistiques résumées sans les données individuelles :

growth <- compute_growth(
  plot_ids = 1,
  return_individual = FALSE
)

Calcul de la Mortalité et du Recrutement

Utilisation de Base

# Calculer la mortalité par nom de parcelle
mort <- compute_mortality(plot_names = "mbalmayo001", con = con)

# Ou par ID de parcelle
mort <- compute_mortality(plot_ids = c(1, 2, 3), con = con)

Comprendre la Sortie

La fonction retourne une liste avec trois composants :

# Statistiques résumées
mort$summary

# Liste des individus morts
mort$dead_individuals

# Liste des individus nouvellement recrutés
mort$recruits

Colonnes du résumé :

plot_name : Identifiant de la parcelle
census_pair : Intervalle de recensement
N_outset : Nombre d’individus au début de l’intervalle
N_dead : Nombre de morts
N_survivor : Nombre de survivants
N_recruits : Nombre de nouvelles recrues
mortality_rate : Taux de mortalité exponentiel
mortality_percent_yr : Pourcentage de mortalité annuel
recruitment_rate : Taux de recrutement exponentiel
recruitment_percent_yr : Pourcentage de recrutement annuel
mean_interval_years : Temps entre les recensements
mean_dbh_dead_cm : DHP moyen des arbres morts (cm)
mean_dbh_recruit_cm : DHP moyen des recrues (cm)

Calcul du Taux de Mortalité

Le taux de mortalité est calculé en utilisant le modèle exponentiel :

$\lambda = \frac{\ln(N_0) - \ln(N_s)}{t}$

Où : - $N_0$ = nombre d’individus au départ - $N_s$ = nombre de survivants - $t$ = intervalle de temps en années

Le pourcentage de mortalité annuel est : $(1 - e^{-\lambda}) \times 100$

Examiner les Arbres Morts

# Voir les individus morts avec leurs caractéristiques
mort$dead_individuals

# Filtrer par taxonomie
library(dplyr)
mort$dead_individuals %>%
  filter(tax_fam == "Fabaceae")

Examiner les Recrues

# Voir les individus recrutés
mort$recruits

# Distribution de taille des recrues
hist(mort$recruits$dbh_at_recruitment_cm)

Travailler avec Plusieurs Parcelles

Les deux fonctions peuvent traiter plusieurs parcelles à la fois :

# Croissance pour plusieurs parcelles
growth <- compute_growth(
  plot_names = c("plot001", "plot002", "plot003")
)

# Les résultats sont combinés avec la colonne plot_name pour l'identification
growth$summary %>%
  group_by(plot_name) %>%
  summarise(
    mean_growth = mean(mean_growth_mm_yr, na.rm = TRUE),
    n_intervals = n()
  )

Exemple de Flux de Travail Complet

library(CafriplotsR)
library(dplyr)

# Se connecter
con <- call.mydb()

# Définir les parcelles à analyser
my_plots <- c("site_A_plot1", "site_A_plot2", "site_B_plot1")

# Calculer la croissance
growth <- compute_growth(plot_names = my_plots, con = con)

# Voir le résumé de croissance
growth$summary %>%
  arrange(plot_name, census_pair)

# Calculer la mortalité
mort <- compute_mortality(plot_names = my_plots, con = con)

# Comparer la mortalité entre les parcelles
mort$summary %>%
  select(plot_name, census_pair, mortality_percent_yr, recruitment_percent_yr) %>%
  arrange(plot_name)

# Identifier les espèces avec une forte mortalité
mort$dead_individuals %>%
  count(tax_sp_level, sort = TRUE)

# Nettoyer
cleanup_connections()

Dépannage

“Nécessite au moins 2 recensements”

Cette erreur survient quand les parcelles sélectionnées n’ont pas plusieurs enregistrements de recensement :

# Vérifier si votre parcelle a plusieurs recensements
query_result <- query_plots(
  plot_names = "votre_parcelle",
  show_multiple_census = TRUE,
  extract_individuals = FALSE
)

# Regarder census_features pour voir les recensements disponibles
query_result$census_features

Pas de Mesures Valides

Si les calculs de croissance retournent peu de mesures valides, vérifiez :

Seuil de DHP minimum : Diminuez mindbh si nécessaire
Informations de date : Assurez-vous que les dates de recensement sont enregistrées dans la base de données
Qualité des mesures : Examinez les individus exclus dans la sortie

# Vérifier les résultats individuels pour les exclusions
growth <- compute_growth(plot_ids = 1)
table(growth$individuals$accepted_growth)

Références

Méthodologie de filtrage de croissance adaptée de :

CTFS R Package : http://ctfs.si.edu/Public/CTFSRPackage/

Les calculs des taux de mortalité suivent la méthodologie standard de dynamique forestière décrite dans :

Sheil, D., & May, R. M. (1996). Mortality and recruitment rate evaluations in heterogeneous tropical forests. Journal of Ecology, 84(1), 91-100.