Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Dans ce nouvel opus, l’auteur du Pacte autobiographique rassemble cinq textes récents et un cahier de photos qui retracent, de façon synthétique et accessible au plus grand nombre, une vie de passion au service de l’écriture de soi. Si Philippe Lejeune a commencé par travailler sur la génétique d’écrivains célèbres comme Sartre, Leiris ou Perec, il est progressivement tombé amoureux des « écritures ordinaires ».Il ne se contente pas d’être le théoricien de l’écriture de soi (de l’autobiographie au journal intime, aux mémoires ou à l’autofiction), mais décide de passer à l’action directe, pourrait-on dire, en fondant en 1992 un formidable centre d’archives autobiographiques (Association pour l’Autobiographie et le Patrimoine autobiographique, APA). Dans ce centre, abrité à la bibliothèque d’Ambérieu-en-Bugey, près de Lyon, des milliers de textes déposés par monsieur ou madame Tout-le-monde sont accueillis, recensés, analysés et offerts à la consultation. - Présentation de l'éditeur

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Context: Past harvesting practices in mixed broad-leaved stands in Atlantic Canada, have sometimes contributed to low residual volume stands. Managing low volume harvests and protecting the regeneration simultaneously is complex in such stands. Mapping mature trees for harvest (i.e., trees possessing a high sawlog content and risk of losing value in the future), could ease the planning process. Firstly, this research investigated the value of using aerial LiDAR (1 pulse m-2) and geospatial derived metrics for forest attributes predictions using a k-Nearest Neighbor approach (k-NN). Secondly, it investigated the benefit of using the estimated forest attributes in the Northern Hardwoods Research Institute's product matrix (i.e., a spreadsheet capable of returning sawlog content and tree value) to map trees for harvest. More precisely, tree-diameter (DBH), -risk(R), -form were used to predict at twodifferent spatial scales - an area-based approach (ABA) and an individual tree crown approach (ITC). Weighted Euclidean distance (ED) and randomForest (RF) distance metrics were considered in the kNN approach. Species discrimination was only considered at stand level.Results: The relative root mean square error (RRMSE) for the ABA using RF was 27, 29 and 31% and ED 38, 37 and 46% respectively for stem count ha-1, DBH and R. A third of the initial micro-stands identified for harvest during the ground truthing could be re-identified as harvestable using the ABA's predictions. The DBH's RRMSE for the ITC was 11 and 14% using RF and ED respectively. Risk could only be predicted poorly with RF (RRMSE = 8%) in case of the ITC. A map was created for the ABA, whereas the ITC ended with leave-one-out cross-validation, due to high omission and inclusion errors in the crown segmentation. Tree form could not be predicted regardless of the investigated approach. Conclusion: This research shows that the k-NN estimations of forest attributes in our study only perform modestly at the ABA. The ITC estimates require denser LiDAR scans (>10pt m-2) in order to segment tree-crowns more accurately. Above all, this study showed the concept of a methodology to map trees for harvest and its limits in a particular context. It also demonstrates the potential of LiDAR and spatial metrics in predicting risk of losing vigor and value.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Depuis l'utilisation de la boussole et de la chaîne, l'acquisition précise d'informations de terrain a contribué à faire progresser nos connaissances et notre compréhension de l'environnement naturel. Avec le temps, le développement de nouvelles technologies a facilité l'acquisition plus rapide et plus détaillée des données de terrain. Au cours des dernières décennies, le terme LiDAR (Light Detection And Ranging) a très vite fait l'objet de nombreux sujets de recherche dans le domaine de l'inventaire forestier. Ce document décrit l'utilisation de cette technologie LiDAR pour l'estimation des attributs structurels forestiers. Il prend la forme de deux procéduriers fournissant un ensemble de techniques pour traiter les données LiDAR et extraire divers attributs d'intérêt. Le premier procédurier étudie le haut potentiel du LiDAR terrestre (LiDAR-t) en vue d'intégrer un inventaire forestier amélioré. Une méthodologie a été développée et testée pour estimer rapidement les diamètres et les hauteurs des arbres individuels et établir une carte de positionnement. Dans cette étude, 947 arbres situés dans 13 placettes d'échantillonnage forestières (PEF) de 450 m² ont été scannés au LiDAR-t à partir de 7 points de vue. Plus de 96% des arbres ont été détectés correctement avec le TLS. L'erreur quadratique moyenne pour la mesure dudiamètre à hauteur de poitrine (DHP) est de 2,8 cm avec la méthode entièrement automatisée (R² = 0,55) et de 1,5 cm (R²= 0,84) avec la méthode semi automatique. Une procédure automatique a également été proposée pour estimer la hauteur des arbres. Les résultats obtenus montrent une sous-estimation moyenne de 0,20 m (BIAIS). Le deuxième procédurier propose une technique d'alignement des données LiDAR-t et LiDAR aérien (LiDAR-a). L'intérêt d'une telle combinaison est de mettre en place un système d'inventaire forestier sur une grande surface avec un besoin minimal de mesures manuelles. Les résultats obtenus pour alignement spatial des données LiDAR-a et LiDAR-t sont mitigés. La moitié des cas n'a pas réussi alors que l'autre moitié a très bien fonctionné. La procédure doit donc être encore améliorée avant d'être opérationnelle. Enfin, cette étude présente également les avantages et les limites du LiDAR pour l'inventaire forestier et propose certaines améliorations pour les techniques d'extraction d'attributs structurels.