Thème 2: Modélisation

APERÇU

La modélisation a pour principal objectif l’élaboration d’outils servant à mieux comprendre les incidences des différentes options de gestion des paysages. Nos principaux paysages fonctionnels ont des moteurs, des services, des interactions et des bénéficiaires différents, mais nous mettrons au point des méthodes communes pour composer avec les aspects fondamentaux de la complexité des écosystèmes et documenter les bénéfices sociaux des flux des services écosystémiques. Ce sont des notions souvent absentes des modèles et des cadres actuels de services écosystémiques.

DÉFIS POUR LA MODÉLISATION

Choisir les aspects et le niveau de la complexité des écosystèmes à intégrer à la modélisation.
Établir des liens entre les communautés et les écosystèmes dont elles dépendent.

Modéliser des connexions distales et télécouplées entre l’environnement et les personnes.
Tabler sur les travaux novateurs de modélisation menés partout dans le monde.

CONCEPTS CLÉS
• Complexité des écosystèmes
• Systèmes socioécologiques et couplage humain-systèmes naturels
• Dépendance aux services écosystémiques

OBJECTIFS DE RECHERCHE

Repousser les limites de la modélisation des services écosystémiques en intégrant les éléments fondamentaux de la complexité des systèmes (p. ex. non-linéarités, rétroactions, télécouplage et legs biologiques) dans les modèles de production des services écosystémiques.
Intégrer les communautés dans les modèles pour mieux tenir compte de la façon dont les humains qui vivent dans le paysage utilisent les flux des services écosystémiques. Nous souhaitons regrouper ces deux objectifs de recherche dans un cadre commun permettant de prédire et de comprendre avec fiabilité et exactitude les répercussions des décisions de gestion des paysages.

RÉSULTATS ATTENDUS
Nous créerons :

un modèle généralisé applicable à tous les paysages canadiens à partir de données publiques adaptées à une analyse de haut niveau;
des modèles propres aux paysages pour un certain nombre de nos paysages fonctionnels à partir de données propres à chacun d’eux, pour traiter de problèmes plus précis.