Résumé
La biomasse d'un individu ou d'un peuplement est difficilement mesurable. Les méthodes de mesures actuelles, basées sur l'abattage d'un échantillon représentatif du peuple-ment, permettent d'évaluer les biomasses pour différents compartiments (feuille, tronc,...). Cependant, cet abattage rend impossible un suivi longitudinal des individus: les arbres abattus à l'âge t + 1 sont ils bien représentatifs des arbres abattus à l'âge t? Dans ce contexte, nous proposons une méthode, permettant d'estimer les biomasses par compartiment d'un individu lorsque celles-ci sont classées de façon discrètes ordinales. Fondée sur les Modèles Probit redéfinis en terme de variables latentes gaussiennes, une généralisation du cas univarié au cas multivarié à un temps donné est naturelle. Par suite, ces modèles sont étendus au cas longitudinal en développant un Modèle Probit Multivarié Ordinal Dynamique. Pour finir, les performances des algorithmes MCMC d'estimation sont illustrées sur des simulations construites à partir de modèles de biomasse. On discutera de la qualité des estimations et de l'impact de certains paramètres sur ces dernières.