Comment la modélisation mathématique aide-t-elle à mieux comprendre la dynamique des forêts ?
Publié par Guillaume Cantin, le 12 septembre 2025 5
Dans son sixième rapport, publié en 2022, le GIEC (Groupe d'experts intergouvernemental sur l'évolution du climat) alerte encore sur l'augmentation de la fréquence des événements climatiques extrêmes, qui menace l'équilibre des grands écosystèmes forestiers¹. Pour protéger ces grands écosystèmes, il est primordial de mieux comprendre leur fonctionnement. Cet article présente une démarche de modélisation mathématique visant à reproduire la dynamique d'une forêt tropicale. Une équipe interdisciplinaire, associant des chercheurs du Laboratoire des Sciences du Numérique de Nantes² et des écologues forestiers du Laboratoire d'Écologie des Forêts de Guyane³, a permis de développer cette démarche originale.
Comment modéliser la forêt ?
Il existe de nombreuses méthodes pour modéliser la dynamique d'une forêt. L'une de ces méthodes consiste à considérer la forêt comme une population d'arbres, au sein de laquelle agissent les mécanismes biologiques de natalité, de mortalité et de compétition entre individus. En appliquant les principes de la dynamique des populations, on peut donc construire un modèle mathématique qui reproduit l'évolution temporelle d'une forêt, ou d'une parcelle de forêt. Le modèle mathématique obtenu est alors décrit par des équations différentielles. Ce sont des outils mathématiques utilisés dans des domaines très variés de la physique, de la biologie ou encore de l'économie. Ces équations permettent de simuler, par le calcul numérique, le comportement d'une forêt sur une grande échelle de temps. Pour cela, il est nécessaire de connaître les paramètres contenus dans le modèle mathématique. En confrontant les simulations du modèle aux données d'observation, on peut apprendre avec une grande précision les valeurs de ces paramètres.
La confrontation du modèle aux données d'observation
À partir de données expérimentales produites sur le site de Paracou (Guyane) par les écologues forestiers du Laboratoire d'Écologie des Forêts de Guyane, le modèle de dynamique de forêt développé par les chercheurs du Laboratoire des Sciences du Numérique de Nantes a pu être calibré. Cela signifie que les paramètres contenus dans les équations différentielles qui décrivent le modèle ont été calculés avec grande précision. Pour réaliser cette étape de calibrage du modèle, il a fallu réaliser un grand nombre de simulations numériques du modèle, en appliquant une méthode d'exploration statistique de l'espace des paramètres. Or, les données d'observation expérimentales du site de Paracou sont structurées en plusieurs parcelles de forêt tropicale, et une grande variabilité biologique est observée entre ces différentes parcelles. Le travail de calibrage du modèle a donc tenu compte de cette variabilité biologique et a permis d'obtenir un modèle capable de reproduire la dynamique de chaque parcelle. Les résultats de cette étude scientifique ont été publiés dans la revue scientifique Ecological Modelling⁴.
La simulation numérique comme outil d'expérimentation
Une fois calibré, le modèle mathématique de dynamique de forêt devient alors un outil d'expérimentation qui permet de tester des hypothèses et de projeter dans le futur les trajectoires de l'écosystème. On peut en particulier expérimenter la résilience de la forêt en réponse au changement climatique ou aux activités humaines d'exploitation forestière. Les chercheurs du Laboratoire des Sciences du Numérique de Nantes ont développé une plateforme de simulation du modèle de dynamique de forêt, accessible librement en ligne⁵. Sur cette plateforme, on peut expérimenter la dynamique de repousse d'une forêt exploitée. Selon la fréquence des coupes forestières, on observe le niveau de résilience de la forêt. Le modèle mathématique nous apprend alors qu'une exploitation excessive de l'écosystème forestier conduit presque toujours à son extinction.
Soutiens financiers
Cette recherche scientifique est soutenue par le dispositif PULSAR de la Région des Pays de la Loire⁶ et par l'Institut des Mathématiques pour la Planète Terre⁷.
Références
[1] IPCC, 2022: Climate Change 2022: Impacts, Adaptation, and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, B. Rama (eds.)]. Cambridge University Press. Cambridge University Press, Cambridge, UK and New York, NY, USA, 3056 pp., doi:10.1017/9781009325844.
[2] Lien vers le site web du Laboratoire des Sciences du Numérique de Nantes : https://www.ls2n.fr/
[3] Lien vers le site web du Laboratoire d'Écologie des Forêts de Guyane : https://www.agroparistech.fr/r...
[4] Ardourel, G., Cantin, G., Delahaye, B., Derroire, G., Funatsu, B. M., & Julien, D. (2024). Computational assessment of Amazon forest plots regrowth capacity under strong spatial variability for simulating logging scenarios. Ecological Modelling, 495, 110812. https://www.sciencedirect.com/...
[5] Lien vers la plateforme de simulation : https://velo.pythonanywhere.co...
[6] Lien vers le site web du dispositif PULSAR de la Région Pays de la Loire : https://www.paysdelaloire.fr/l..
[7] Lien vers le site web le l'Institut des Mathématiques pour la Planète Terre : https://impt.math.cnrs.fr/
