Les méthodes d’analyse de survie utilisent mieux l’information temporelle, tiennent compte de multiples niveaux de variables explicatives et sont destinées à traiter des données censurées par intervalle.
Dans un contexte de modélisation de la récolte, cette approche pourrait améliorer certaines limites connues. Dans cette étude, nous avons utilisé des données d’un réseau de placettes permanentes de la province de Québec, au Canada, pour servir d’étude de cas concret. Nous avons testé le potentiel de l’analyse de survie pour prédire les probabilités de récolte à l’échelle de la placette, à partir de variables associées à la placette et à la région. L’approche comprenait également des effets aléatoires pour tenir compte des corrélations spatiales.
Les résultats ont montré le potentiel de l’analyse de survie pour fournir des prédictions annuelles de l’occurrence de la récolte. Les variables régionales et les variables qui évoluent en fonction du temps, ainsi que la configuration spatiale, avaient des effets importants sur la probabilité qu’une placette soit récoltée. Les réductions de la possibilité annuelle de coupe entraînaient une diminution des probabilités de récolte. Des probabilités de récolte plus grandes étaient associées à la classe de dynamique forestière feuillue et à des valeurs plus élevées de la surface terrière. Inversement, elles étaient diminuées par la densité des tiges et les classes de pente.
L’effet aléatoire spatial a entraîné une amélioration de l’ajustement du modèle. Notre modèle à l’échelle de la placette a amélioré certaines limites signalées dans les études précédentes en prenant en compte l’effet d’une variable régionale qui évolue dans le temps.
Français

Survival analysis methods make better use of temporal information, accommodate multiple levels of explanatory variables, and are meant to deal with interval-censored data. In a context of harvest modeling, this approach could improve some known limitations. In this study, we used data from a network of permanent plots in the province of Quebec, Canada, as a real-world case study. We tested the potential of survival analysis to predict plot-level harvest probabilities from plot- and regional-level variables. The approach also included random effects to account for spatial correlations.
The results showed the potential of survival analysis to provide annual predictions of harvest occurrence. Both regional and time-varying variables, as well as spatial patterns, had important effects on the probability of a plot to be harvested. Respectively, reductions in the annual allowable cut volumes led to a decrease in the harvest probabilities. Greater harvest probabilities were associated with the broadleaved dynamics class and higher values of basal area. In contrast, they were decreased by stem density and slope classes.
The spatial random effect resulted in an improvement of the model fit. Our plot- level model improved some limitations reported in previous studies by taking the effect of a time-varying regional variable into account.