Les données sur l’abondance des arbres creux et des chicots sont extrêmement variables et contiennent plusieurs observations nulles. Nous prédisons l’abondance des arbres creux et des chicots à partir de variables facilement disponibles dans les cartes du couvert forestier ou parmi les données obtenues par télédétection en utilisant des modèles de régression binomiale négative (BN), BN à excès de zéros (ZINB) et BN tronquée à zéro (ZANB), ainsi que des méthodes d’imputation par le plus proche voisin. Les modèles sont élaborés et ajustés aux données collectées par le programme d’analyse et d’inventaire forestiers du U.S. Forest Service dans les États de Washington, de l’Oregon et de la Californie. Les trois modèles de régression BN offraient une meilleure performance en terme d’erreur quadratique moyenne de prédiction que les méthodes d’imputation par le plus proche voisin pour prédire l’abondance des arbres creux et des chicots par peuplement. Cependant, l’imputation par le voisin le plus semblable donnait de meilleurs résultats que les modèles de régression BN pour prédire l’abondance globale des arbres creux et des chicots. [ABSTRACT FROM AUTHOR]