Chênes

Cette section contient des fiches en relation avec la biologie des chênes (phénologie foliaire et de la reproduction, analyse des données de croissance, caractérisation des séries temporelles et statistiques du masting, diversité génétique intra- et inter-populationnelles, etc.)

 Ref : Bataille 

Bataille : modèle phénologique contre IA

À ma gauche, une approche phénologique du bsc{XVIII}ieme{} siècle, ce bon vieux modèle de bsc{de Réaumur}, toujours bon pied bon œil malgré son grand âge : né en 1735, bientôt 300 ans. À ma droite, le tout nouveau tout beau challenger IA avec ses forêts aléatoires du bsc{XXI}ieme{} siècle : né en 2001, bientôt 30 ans. Ding~! Ding~! Ding~! Que le duel commence~! Aïe aïe aïe~! Victoire par KO du modèle phénologique dès le premier roundldots

 Ref : HouppierLIDAR 

Estimation de la surface de houppiers de chênes sessiles

La fiche explore différentes méthodes pour estimer la surface de houppiers : à partir de relevés sur le terrain, d'orthophotographies et de données LIDAR aériennes ou terrestres. On propose de visualiser la structure 3D de chênes sessiles et un exercice de détourage en 3D de houppier pour en estimer la surface.

 Ref : PointsGPS 

Comment poser des points GPS sur une carte ?

La fiche explique comment récupérer un fond de carte et y poser des points d'intérêt dont on connaît les coordonnées GPS.

 Ref : Fraicheur 

Quantification du gain de fraîcheur obtenu sous une chênaie quand il fait tant chaud l'été

Pour essayer d'objectiver le gain de fraîcheur obtenu en allant musarder en forêt, on compare dans cette fiche les données de température et d'humidité relative de deux stations météo voisines, l'une étant dans une chênaie et l'autre en rase plaine.

 Ref : BDFORET 

Initiation à l'importation, la représentation et l'analyse sous Rlogo{} des données géographiques vectorielles (shapefile) du département de l'bsc{Ain} sur les types de formations végétales (e.g. forêt fermée de chênes décidus purs) définis par les Eaux et Forêts en bsc{France} métropolitaine par le truchement de la BD Forêtup{copyright{}} version 2

Avec un titre aussi long, vous ne pensiez pas sérieusement que j'allais me fendre d'un résumé, non ? Pour faire court, on va jouer aux orpailleurs de données (data analyst) en herbe avec des informations sur les types de formations végétales.

 Ref : CDN 

Comment ajouter des courbes de niveau à une carte déjà dessinée ?

Cette fiche donne des indications pour ajouter des courbes de niveau sur une carte. On distingue deux cas selon que les données sont disposées sur une grille régulière ou non.

 Ref : histoMeteo 

Récupération de l'historique des données météo quotidiennes d'un site en France métropolitaine

Depuis début 2024, le site de Météo-France distribue des fichiers de données climatiques quotidiennes en France métropolitaine avec une résolution spatiale de 8 $times$ 8 km et une plage temporelle allant du 1ier{} août 1958 à nos jours. On montre ici comment extraire les données d'un site particulier à partir de ses coordonnées GPS.

 Ref : TCACPS 

Estimation du taux de couvert en chênes tempérés sur des mailles de 8 $times$ 8 km en France continentale

Dans cette fiche on cherche à estimer le taux de couverture en chêne sessile (Quercus petrae) et chêne pédonculé (Q. robur) sur des mailles carrées de 8 km de coté définissant un pavage régulier de la France continentale. Ce sont les mailles SAFRAN pour lesquelles on dispose de données météorologiques. C'est l'occasion de manipuler des données géographiques de type bitmap (raster) et vectoriel (shapefile) avec le paquet terra et ses amis.

 Ref : altichene 

À quelle altitude trouve-t-on des chênes sessiles et pédonculés en France métropolitaine ?

En croisant les données de l'inventaire forestier national de l'IGN et celles de l'altitude des mailles SAFRAN de Météo-France on trouve que les chênes sessiles et pédonculés ont une présence maximale dans la tranche d'altitude de 151 à 180 mètres. Question simple mais réponse plus compliquée que ce l'on pouvait espérer.

 Ref : CroissCirc 

Visualisation de la croissance horaire de chênes

L'objectif est de faire une animation graphique pour suivre la croissance horaire de la surface basale du tronc d'une population de 10 chênes. On veut représenter simultanément des variables météorologiques, à savoir le déficit en pression de vapeur et les précipitations.

 Ref : zoom 

Suivi sonore de la reproduction des chênes

Analyse des données d'une expérience préliminaire visant à tester la faisabilité de la géolocalisation de la chute de glands de chênes via un suivi audio.

 Ref : dataIFN 

Géolocalisation de 11 espèces de chênes observées en France métropolitaine entre 2005 et 2021

Où sont les espèces chênes en France métropolitaine de nos jours~? Les données de l'inventaire forestier national français donnent la géolocalisation de relevés de l'abondance de 11 espèces d'iceux entre 2005 et 2021 sur des placettes boisées et observables de 7 ares aléatoirement posées sur un maillage fin au kilomètre carré du territoire. Des données sont disponibles pour environ les deux tiers des mailles possibles.

 Ref : METAR 

Les données météorologiques des aérodromes

Comment récupérer les archives des données météorologiques des aérodromes radio-diffusées à l'attention des aéronefs. Application au calcul de la vitesse de diffusion de pollen de chêne.

 Ref : KantorowiczW2000 

Suivi pendant 56 ans de l'effort de reproduction chez le chêne dans 17 régions polonaises

Ces séries temporelles d'une longueur exceptionnelle dans le domaine donnent une illustration très didactique du phénomène dit de masting. Ces données mettent en évidence la synchronisation de l'effort de reproduction chez le chêne (Quercus spp.) à des distances de l'ordre de 100 km.

 Ref : microdendroCHS57 

Manipulation de données temporelles appliquée au suivi horaire de la croissance de dix chênes pendant un an

Manipulation de données temporelles au format POSIXt et ses avatars POSIXct et POSIXlt. Intérêt du paquet lubridate. Extraction de composantes dites saisonnières. Représentation et confrontation de séries temporelles.

 Ref : onls 

Modélisation de l'auto-corrélation temporelle des glandées par régression orthogonale non-linéaire

À partir du suivi pendant 13 ans de la production de glands par 10 chênes sessiles dans la forêt de Seillon on montre comment on peut utiliser la régression orthogonale non-linéaire pour résumer l'auto-corrélation temporelle. On préfèrera au final par travailler avec des résidus parallèles à la première bissectrice.

 Ref : MarshamR1759 

Suivi mensuel de la croissance de dix arbres pendant deux ans en 1757 et 1758

Les données de Robert Marsham

 Ref : dendroCHS57 

Manipulation de données calendaires appliquée au suivi hebdomadaire de la croissance de dix chênes pendant sept ans

Cette fiche illustre comment manipuler des données calendaires.

 Ref : tdRBM 

Quels sont les mécanismes de la stratégie de fructification appelée masting ?

 Ref : tdr4R 

Ajustement du modèle de bsc{de Réaumur} (1735) aux données publiées (1735-1740) et manuscrites (1734-1756) de bsc{de Réaumur}

Estimation par régression non-linéaire des paramètres du modèle de bsc{de Réaumur}. Intérêt des régions de confiance pour les paramètres dans la mise en évidence de la sur-paramétrisation du modèle. Illustrations des déboires possibles en régression non-linéaire avec une forte corrélation structurelle entre les paramètres, une mesa et un minimum local.

 Ref : MASTREE 

Importation des données MASTREE+

Ce jeu de données sous licence libre CC-BY-4.0 contient des séries temporelles sur l'intensité de l'investissement dans la reproduction pour des végétaux sis sur six continents. Les variables disponibles sont décrites en français en annexe de cette fiche.

 Ref : StatsMasting 

Quelques propriétés des statistiques décrivant le phénomène dit de masting

On s'intéresse ici à quelques statistiques, tant au niveau individuel que populationnel, susceptibles d'éclairer le phénomène dit de masting. Elles sont illustrées via un jeu de données individuelles de 25 chênes pédonculés suivis pendant 12 ans et par 1433 séries temporelles quantitatives de plus de 12 ans au niveau populationnel issues de la base de données MASTREE+. La mise en œuvre du calcul de ces statistiques est détaillée, en expliquant comment définir des fonctions qui puissent à la fois s'utiliser directement ou comme arguments des fonctions de ré-échantillonnage intensif (bootstrap) tout en gérant correctement les valeurs manquantes. La distribution bootstrap est utilisée quand c'est possible pour construire des intervalles de confiance et détecter les cas où les séries temporelles sont peu informatives. On trouvera également des indications sur la façon de lancer les calculs en arrière-plan et de paralléliser par les données.