Nicol, Maxime
(2026).
« Prédire la croissance des arbres urbains québécois : vers un modèle transférable fondé sur l'historique des inventaires publics montréalais » Mémoire.
Montréal (Québec), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
En réponse à l’urbanisation mondiale qui touche présentement 55% de la population et devrait atteindre 70% d’ici 2050 (United Nations et Social Affairs, 2018), les forêts urbaines constituent une réponse naturelle de plus en plus populaire aux défis environnementaux croissants. Cependant, les gérer efficacement nécessite une planification stratégique à long terme qui dépend en grande partie de la capacité qu’ont les gestionnaires urbains à bien prédire leur évolution. Ce travail de recherche s’inscrit dans le contexte du développement de SylvCiT, un outil en code source libre d’aide à la décision basé sur l’intelligence artificielle pour l’optimisation de la résilience des forêts urbaines, dont les partenaires, des municipalités québécoises et Hydro-Québec, ont besoin de développer des modèles de prédiction de croissance des arbres fiables, précis et adaptés à la diversité des inventaires urbains disponibles au Québec. Les objectifs principaux de ce mémoire consistent donc à développer et évaluer des modèles d’apprentissage automatique capables de prédire avec précision l’évolution du diamètre à hauteur de poitrine (DHP) des arbres urbains québécois, tout en s’adaptant aux contraintes pratiques de la gestion forestière municipale. Un défi majeur freine toutefois l’application d’approches prédictives à la fine pointe de la recherche : l’hétérogénéité de la disponibilité et de la qualité des données d’une municipalité à l’autre, particulièrement concernant l’âge des arbres et les dates de plantation. Pour répondre à ces objectifs, la méthodologie proposée repose sur une approche comparative systématique, exploitant l’inventaire public des arbres urbains de Montréal, unique au Québec de par sa nature d’historisation des mesures du DHP. L’approche centrale utilise la variation du DHP entre deux périodes, plutôt que l’âge, comme variable prédictive principale. Cela permet de tirer profit des tendances de croissance historiques de Montréal, tout en se libérant de la dépendance aux données d’âge ou de dates de plantation, puisqu’elles sont souvent problématiques dans les inventaires. Cette stratégie est complétée par l’intégration de données externes, telles que des variables climatiques, qui viennent enrichir les inventaires disponibles. Plusieurs algorithmes d’apprentissage automatique ont été évalués sur un grand nombre de configurations de données. Les expérimentations réalisées, totalisant 60 combinaisons distinctes, révèlent la supériorité de l’approche chronologique par rapport à l’approche standard basée sur l’âge, avec une amélioration moyenne de 72% de l’erreur quadratique moyenne. L’algorithme XGBoost s’est distingué comme le plus performant parmi tous les modèles testés. La configuration optimale, combinant l’approche chronologique avec les données climatiques et l’ingénierie des caractéristiques, atteint des performances prometteuses avec un coefficient de détermination de 0,9505 et une erreur quadratique moyenne de 17,30 cm2. Essentielle pour une intégration pratique, la configuration alternative sans données d’âge maintient de très bonnes performances, avec un coefficient de 0,9422, validant l’applicabilité de l’approche même pour les inventaires où ces informations sont manquantes ou peu fiables. Ce projet apporte plusieurs contributions au domaine de la foresterie urbaine. Sur le plan scientifique, il montre empiriquement la supériorité d’une approche chronologique basée sur les variations du DHP. Sur le plan pratique, il propose une solution concrète et facilement implémentable au problème d’hétérogénéité des inventaires municipaux, permettant une modélisation efficace même en présence de données incomplètes. L’architecture modulaire développée facilitera nettement l’intégration future dans l’écosystème SylvCiT, permettant aux gestionnaires urbains d’anticiper plus efficacement les besoins d’entretien et de remplacement, d’estimer l’évolution des bienfaits apportés par les arbres et donc de planifier les investissements municipaux de manière proactive. Cette recherche illustre parfaitement comment l’informatique peut trouver des applications concrètes et bénéfiques dans un contexte multidisciplinaire, conjuguant rigueur scientifique et pragmatisme opérationnel pour contribuer à la résilience urbaine face aux changements climatiques.
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Meurs, Marie-Jean |
| Mots-clés ou Sujets: |
Arbres urbains / Croissance / Prédiction / Modélisation / Modèles prédictifs / Algorithmes d'apprentissage automatique / Inventaires forestiers / Foresterie urbaine / Montréal / Québec (Province) |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
26 janv. 2026 10:10 |
| Dernière modification: |
26 janv. 2026 10:10 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/19552 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
