Différentes approches spatiales

Différentes approches spatiales

La démarche multi-locale d’évaluation des impacts du changement climatique sur l’agriculture et la forêt illustrée dans le Livre Vert du projet Climator est progressivement remplacée par des approches spatialisées.

Les démarches multi-locales

La démarche retenue dans le projet Climator repose sur un nombre limité de sites représentatifs des principaux agropédoclimats de la France. Cependant, ne pouvant multiplier les combinaisons (techniques culturales, types de production, taille des exploitations…), un nombre limité de systèmes agricoles a été retenu pour limiter le nombre de simulations. Ceci a également permis de comparer les sorties de modèles utilisés selon un protocole de simulation commun (en termes de types de sol, rotations, techniques utilisées, etc.). Les couverts pérennes sont représentés par les cultures fourragères, la vigne et la forêt dans des contextes techniques simplifiés (dates de coupes fixées, densités de plantation du vignoble et durées de révolution de la pinède standard). Pour les grandes cultures, en parallèle de rotations quadriennales relativement complexes à modéliser (grand nombre de combinaisons prises en compte : plante, génotype, précédent cultural, rotation…), des pratiques agricoles théoriques en monoculture ont été simulées (tournesol, maïs, blé), afin d’obtenir des résultats plus facilement interprétables. La démarche repose sur une analyse multilocale, à travers douze sites métropolitains et un site de Guadeloupe possédant au moins 30 ans d’enregistrements climatiques répartis sur sept régions administratives

Les approches spatialisées

Une des solutions permettant de dépasser les limites de l’approche stationnelle multilocale est de mettre en œuvre une approche spatialisée basée sur des grilles, de manière comparable à la démarche des climatologues.

Une telle approche permet d’accéder à une vue homogène et consolidée sur l’ensemble d’un territoire. Des travaux de ce type incluant le territoire métropolitain ont été réalisés dans le cadre de projets européens comme par exemple dans la cadre du projet européen AVEMAC coordonné par le JRC, dont le rapport est accessible ici.

La mise en œuvre de cette approche soulève certaines difficultés, notamment celle de définir les paramètres d’entrée par maille.

A l’échelle nationale, les données climatiques futures disponibles avec la résolution spatiale la plus fine sont calculées sur une maille de 8 par 8 km, celle de la grille SAFRAN de Météo France, utilisée par les portails DRIAS et DRIAS-Eau, qui comporte 9892 points dont seulement 8602 couvrent le territoire métropolitain.

Réaliser un calcul de modèle de culture sur une grille implique de disposer de données pour l’ensemble des paramètres d’entrée du modèle en chaque point de cette grille : caractéristiques du sol (texture, réserve utile), relief, occupation du sol, variétés, rotations, pratiques agricoles, etc. Certaines de ces données peuvent être difficiles à obtenir avec une telle résolution.

De plus, ces paramètres varient spatialement au sein de chaque maille, en particulier dans les zones où le relief est accidenté. Si des simulations sont réalisées sur plusieurs années, certains paramètres peuvent aussi varier au cours du temps (occupation du sol, rotation, etc.).

Pour traiter de la variabilité intra-maille, plusieurs solutions sont mises en œuvre :

  • Exploiter les bases de données les plus précises possibles, chacune ayant sa propre résolution spatiale (par exemple, carte des sols au 1.000.000) et temporelle (données parfois uniques ou au contraire répétition dans le temps des mesures). Pour les surfaces, il peut s’agir du pourcentage de chaque grand type d'occupation du sol (par exemple, données CORINE Landcover, avec une résolution de 25 ha pour les surfaces et 100 m pour les éléments linéaires), ou de la séquence de culture dominante.
  • Proposer, pour chaque maille, une fourchette de valeur que l’utilisateur peut choisir (par exemple proposer 3 types de réserve utile en eau du sol : faible / moyenne / forte). Cette option multiplie le nombre de simulations à réaliser.

La précision spatiale des résultats de la simulation sera toujours celle qui correspond aux données dont la résolution spatiale est la plus faible. Représenter les résultats selon la grille la plus fine (par exemple, occupation du sol par parcelle agricole) peut donner l’illusion que les résultats sont plus précis qu’ils ne le sont en réalité. De fait, la simulation sur grille ne permettra pas de répondre à la question « que va-t-il se passer sur ma parcelle ? », mais seulement à la question « que va-t-il se passer au sein de cette maille ? ». Elle permet également de mieux apprécier les gradients inter-régionaux et les limites d’utilisation de telle ou telle culture, variété ou pratique culturale.