Pavillon Léon-Provancher
3351, boul. des Forges
UQTR
Trois-Rivières
Québec, Canada
G9A 5H7
819.376.5011 poste 3380
matthieu.loyer@uqtr.ca
Le couvert de neige dans l’Arctique est spatialement hétérogène, en raison du transport de la neige par le vent et des variations du bilan d’énergie en fonction de la topographie. Cette hétérogénéité peut influencer le microclimat, l’hydrologie et les facteurs édaphiques du sol, conditionnant ainsi la croissance végétale estivale. Les relations entre l’hétérogénéité spatiale de la neige et de la végétation à fine échelle (0-100 m) sont encore mal connues.
L’objectif principal de mon projet de recherche est de mesurer l’hétérogénéité spatiale du couvert de neige et de comprendre l’impact de celle-ci sur la distribution et la productivité de la végétation en milieu de toundra arctique.
Les progrès récents en télédétection à haute résolution ont le potentiel de pallier ce manque de connaissances. Au début mai 2017, l’épaisseur et l’étendue spatiale du manteau neigeux ont été mesurées au moyen d’images collectées avec un drone sur un site de 4 km² dans la vallée de Quarlikturvik sur l’île Bylot. L’analyse photogrammétrique des images à haute-résolution (2-3 cm) a permis d’obtenir des cartes de hauteurs de neiges avec une précision de ±5 cm. Ces résultats seront validés par des mesures manuelles collectées à l’aide d’une sonde à neige GPS-MagnaProbe sur deux transects prédéterminés qui traversent la zone d’étude. Des relevés aériens ont été répétés (4-5 fois) afin de capturer les patrons de neige durant la période de fonte. Des images prises par une caméra automatique viendront compléter ces mesures.
Par la suite, les relations entre la hauteur de neige moyenne et l’aire d’enneigement seront analysées, paramètre important pour caractériser la variabilité « sous-maille » dans les modèles de simulation de la neige, pour différentes tailles de tuiles (10, 20, 30 m…).
Nous examinerons ensuite la relation entre l’évolution du couvert neigeux au printemps et l’évolution de l’indice de végétation par différence normalisée (NDVI) à l’aide des canaux Rouge (R) et proche infrarouge (PIR) récoltés par le drone.