Revue AE&S vol.2, n°2, 6

Quelle représentation des systèmes de culture pour la gestion de l’eau sur un grand territoire ?

D.LEENHARDT 1,*, O. THEROND1, C. MIGNOLET ²

 

1agronomes, INRA, UMR INRA-INPT 1248 AGIR, BP 52627, F-31326 CastanetTolosancedex
tel : 33(5)61285043, fax: 33(5)61735537,
emails:
Delphine.Burger-Leenhardt@toulouse.inra.fr et Olivier.Therond@toulouse.inra.fr

2agronome, INRA, UR55 ASTER, 662 avenue Louis Buffet, F-88500 Mirecourt
email:
Catherine.Mignolet@mirecourt.inra.fr

   

*auteur correspondant


Résumé

Sur un territoire agricole irrigable, gérer la ressource en eau suppose de s’intéresser à l’usage agricole. Par exemple, la demande en eau d’irrigation du territoire est fortement dépendante des systèmes de culture en place, c’est-à-dire des cultures implantées, des successions de cultures dans lesquelles elles s’insèrent et de la conduite de ces cultures. La connaissance de la diversité des systèmes de culture d’un grand territoire et de leur répartition spatiale est donc essentielle. Nous identifions que l’accès à celle-ci pose trois grand types de problèmes : (1)quelle résolution spatiale et (2)quel degré de précision viser pour la description des systèmes de culture et par ailleurs (3)comment accéder aux informations nécessaires à la résolution et au degré de précision attendus ? Nous avons choisi d’insister sur les dernières avancées méthodologiques permettant de traiter cette dernière question en nous appuyant sur des exemples de travaux de recherche concernant la gestion de l’eau.

 

 

Mots-clé: gestion de l’eau, agronomie, systèmes de culture, spatialisation.

 


Abstract

 

In agricultural regions where irrigation is practiced, agriculture is the major water user and of most concern for water managers. On a given area, cropping systems (that is, the crops, the successions in which they are inserted and their management system) strongly influence irrigation demand. Therefore water management needs to cope with the diversity of cropping systems and their spatial distribution over the study area.

 

This paper lists and describes the problems associated to the description and location of cropping systems over wide areas: at which spatial resolution describing cropping systems? How precisely describing the cropping systems? How getting information for this description and for locating them? We develop the last methodological progress to get information on cropping systems and manage it to describe their spatial distribution. Direct methods combine data bases or remote sensing with statistical treatments or modelling to overcome problems of temporal or spatial cover of the area and finally get georeferenced information on cropping systems. Indirect methods link variables that are georeferenced to variables describing cropping system in order to localise the latter. All recent methodological developments highlight the importance of building cropping systems data bases, and making them durableand available for water management.


1- Introduction : pourquoi représenter les systèmes de culture sur de grands territoires est-il un enjeu pour la gestion quantitative de l’eau?

Sur un territoire pouvant être irrigué, gérer la ressource en eau impose de s’intéresser particulièrement à l’usage agricole. En effet, par rapport aux autres usages (industriels, énergétiques et domestiques), l’usage agricole représente en moyenne, sur le territoire français et sur l’année, 68% de la consommation de la ressource en eau, et peut atteindre 90% en été (période d’étiage) dans le sud de la France[1]. Le propos de notre article concerne les grands territoires pouvant être irrigués, c’est-à-dire des espaces, allant de quelques centaines à quelques milliers voire dizaines de milliers de km², qui comportent des cultures irriguées et des cultures non irriguées.

A l’échelle régionale, les questions relatives à la gestion de l’eau en agriculture sont très nombreuses : prévision des prélèvements agricoles, partage entre usages de l’eau, effet des restrictions d’eau sur les activités économiques, etc. Elles concernent les gestionnaires opérationnels qui doivent décider en cours de campagne d’irrigation comment partager l’eau entre les différents usagers et donc anticiper le niveau et la distribution temporelle des prélèvements agricoles.Elles concernent aussi les institutions chargées de l’élaboration de politiques publiques relatives à la gestion de l’eau qui sont intéressées par l’effet de différentes modalités de gestion de la ressource (par ex., restrictions, quotas, tarification) sur la dynamique des prélèvements agricoles et des ressources en eau (débit des cours d’eau, niveaux des nappes et des réservoirs). Dans les deux cas, les gestionnaires de l’eau doivent (ou devraient) tenir compte de la distribution spatiale (actuelle, future, possible) des usages du sol pour anticiper son impact sur la disponibilité et la qualité de l’eau, pour concevoir des politiques adaptées permettant d’atteindre des objectifs spécifiques comme le respect des normes de qualité de l’eau, la diminution de l’occurrence des crises de gestion quantitative de l’eau, ou permettant d’éviter la construction d’ouvrages de stockage de l’eau, ou pour évaluer les coût-bénéfices et dimensionner de futurs ouvrages là où cela est jugé nécessaire.

Ainsi, la prise en compte des usages du sol et de leur distribution spatiale est partie intégrante de la Gestion Intégrée des Ressources en Eau (définie par le Partenariat mondial de l’eau en 2000[2]) et de ce qui est appelé la « gestion spatiale de l’eau » (Narcy et Mermet,2003), en opposition à une logique centrée sur la gestion des ressources en eau, communément appelée logique « du tuyau ». De plus, concernant les usages du sol en zone agricole, il est important de ne pas considérer seulement les cultures mais aussi les pratiques culturales associées. En effet, celles-ci ont un impact sur les flux d’eau entrant ou sortant des parcelles et donc une importance pour les enjeux de gestion quantitative de l’eau.

Les objectifs de cet article sont de deux ordres. Dans une première partie, nous faisons le point sur les problèmes qui se posent pour décrire les usages du sol dès lors qu’on ne s’intéresse pas seulement aux cultures mais aussiaux successions dans lesquelles elles s’insèrent et aux pratiques culturales qui y sont associées, c’est-à-dire aux systèmes de culture[3].Dans une seconde partie, nous proposons un aperçu des dernières avancées méthodologiques produites pour caractériser les systèmes de culture et leur distribution spatiale, en nous appuyant sur des exemples de travaux de recherche développés pour répondre à une question relative à la gestion de l’eau. Cet article est une actualisation et une illustration, par des exemples liés à la gestion quantitative de l’eau, de l’article de Leenhardt et al. (2010) sur la spatialisation des systèmes de culture.

 

2- Les problèmes posés

L’évaluation de l’impact de l’utilisation du sol et plus particulièrement de la distribution spatiale des systèmes de culture sur les prélèvements et flux d’eau dans le territoire est souvent réalisée par modélisation et simulation. Il s’agit d’utiliser des modèles numériques pour simuler les interactions entre dynamiques de croissance et développement des cultures, dynamiques de conduites des cultures et dynamiques des flux d’eau. Ces modèles permettent de calculer des indicateurs de performances des systèmes de culture, par ex. leur besoin en eau d’irrigation ou leur rendement. L’application de ces modèles sur de vastes territoires s’avère particulièrement délicate du fait de la difficulté à accéder aux données d’entrées relatives aux systèmes de culture alors que les données relatives à l’environnement biophysique bénéficient de méthodologies éprouvées (Leenhardt et al., 2006). En effet, pour les variables qui varient de manière relativement continue dans l’espace, comme la température de l’air, le rayonnement incident ou, dans une moindre mesure, la pluie, on bénéficie de méthodes d’interpolation éprouvées et opérationnelles pour simuler leur distribution spatiale entre les points de mesure. Pour les variables dont les valeurs présentent des discontinuités spatiales (entre parcelles, entre unités pédologiques), ces méthodes ne s’appliquent plus. Si les valeurs des variables étudiées ont une stabilité temporelle importante, on peut conduire des travaux de cartographie qui restent d’actualité longtemps, ce qui est le cas des sols. Par contre, les valeurs des variables relatives aux systèmes de culture sont non seulement discontinues dans l’espace puisqu’elles varient d’une parcelle à l’autre, mais elles évoluent également dans le temps.Parmi elles, la variable ayant le plus de stabilité temporelle estla nature de la culture (stable sur quelques mois). Accéder à la connaissance des systèmes de culture en tous points d’un vaste territoire pose donc des problèmes méthodologiques spécifiques.

 

2.1- Quelle résolution spatiale viser ?

Le premier problème est celui du choix de l’unité spatiale qu’on cherche à qualifier en termes de systèmes de culture. Cette unité est appelée « unité de support »(Faivre et al., 2004). La parcelle, ou le bloc de parcelles, entité conduite de manière homogène, est l’unité du système de culture. Pour autant, cette unité ne s’impose pas nécessairement comme unité de support. Leenhardt et al. (2010) montrent que la nécessité de localiser chaque parcelle et d’en caractériser le système de culture s’impose quand on s’intéresse aux flux entreparcelles. Ceux-cidépendent des caractéristiques de chacune des parcelles (par ex. longueur, pente, bande enherbée) et de leur environnement biophysique (par ex. haie, talus, fossé). En matière de gestion quantitative de l’eau, le choix de la parcelle est privilégié lorsque l’on s’intéresse par exemple aux dynamiques de remplissage et de vidage de réservoirs ou à l’évolution des débits de rivières dans des environnements topographiques et géologiques particuliers : la prise en compte de lignes d’écoulements préférentiels des eaux ou des connexions hydrauliques des parcelles entre elles et avec les ressources en eau peut s’avérer nécessaire. Par contre, dès lors que la situation géomorphologique est plane ou que l’on s’intéresse aux intrants (l'irrigation par exemple), ce sont souvent la disponibilité, la représentativité des données ou les préoccupations des porteurs d’enjeu qui conduisent à choisir l’unité spatiale de caractérisation des systèmes de culture. Ainsi Ledoux et al. (2007), évaluant les flux d’eau et de nitrates vers la nappe sur un très vaste territoire (Bassin de la Seine – 90 000 km²), adoptent comme unité de support la petite région agricole, niveau minimal de représentativité de la base de données Teruti utilisée dans l’étude et ayant une bonne concordance avec les aquifères du bassin. De même, Clavel et al. (2011), évaluant les apports d’irrigation, choisissentdes unités de support ayant une signification pour les porteurs d’enjeux locaux et les gestionnaires de l’eau : des intersections entre unités de gestion de l’eau (portions de bassins versants) et petites régions agricoles (homogènes d’un point de vue agricole et pédoclimatique).

 

2.2- A quel niveau de précision décrire les systèmes de culture ?

Un deuxième problème consiste à déterminer la nature des variables suffisant à décrire les systèmes de culture dans un territoire. Connaître toutes les cultures, les successions dans lesquelles elles s’insèrent, ainsi que le détail de toutes les interventions culturales de toutes les cultures sur toutes les parcelles d’une région semble difficile, voire impossible, si le territoire d’étude est étendu, et peut en outre s’avérer inutile pour répondre à la question posée. En conséquence, de nombreuses approches consistent à déterminer les caractéristiques clés des systèmes de culture à considérer pour répondre à la problématique en jeu. Par exemple, sur une problématique de demande en eau d’irrigation en zone maïsicole, où le maïs est majoritairement conduit en monoculture, Maton (2006) a considéré qu’outre les stratégies d’irrigation, il fallait représenter les stratégies de semis et de choix de précocité du maïs car la date de semis, la densité de semis et la longueur du cycle cultural conditionnent fortement la quantité d’irrigation totale et la période à laquelle la demande d’irrigation est la plus forte. Cela l’a conduite à simplifier sa représentation du système de culture de maïs à ces trois pratiques, semis, précocité et irrigation, et négliger par exemple les pratiques de protection phytosanitaire. De la même façon, sur une problématique de ruissellement produit par les parcelles culturales et pouvant générer des problèmes de coulées boueuses, Joannon (2004) réduit le système de culture aux opérations de labour, déchaumage, récolte et implantation de cultures intermédiaires ou dérobées qui sont celles qui modifient le plus les états de surface. Dernier exemple, sur une problématique de contamination des ressources en eau souterraines par le nitrate, Mignolet(2008)choisit de caractériser les grands types de successions culturales du bassin versant étudié (prise en compte de l’effet précédent sur les pratiques de fertilisation azotée de la culture suivante et des périodes d’interculture en sol nu), puis en fonction de ces types de successions de décrire les pratiques culturales les plus directement liées au cycle de l’azote (fertilisation azotée minérale et organique, travail du sol, dates de semis et de récolte).

La description formelle des systèmes de culture peut être réalisée de deux manières différentes. Classiquement elle correspond à celle des opérations techniques réalisées : modalités d’intervention, date et si nécessaire nature et quantité des produits utilisés. Plus rarement, elle prend la forme d’un jeu de règles de décision représentant la stratégie des agriculteurs sous la forme : SI [indicateur][opérateur][seuil] ALORS [opération technique][4]. Ce dernier mode de description est indispensable si l’on veut utiliser des modèles bio-décisionnels (Bergez et al., 2001). L’usage de modèles bio-décisionnels permet de simuler l’effet de la variabilité climatique interannuelle sur les dates de réalisation des opérations techniques et par conséquent sur la dynamique des variables d’état décrivant le système sol/plante.

 

2.3- Comment accéder à l’information ?

Le dernier problème est de collecter l’information nécessaire (§ 2.2) à la résolution voulue (§ 2.1). S’il est théoriquement possible de conduire des enquêtes auprès des agriculteurs eux-mêmes pour obtenir les caractéristiques de leurs systèmes de culture, cette solution se heurte àde nombreuses limites. La toute première est une limite logistique et financière: sur de grands territoires il est souvent difficile de mobiliser les ressources suffisantes pour conduire ce travail d’enquête. Une autre limite est méthodologique: quelles méthodes d’échantillonnage et d’enquête mettre en œuvre pour éliciter les connaissances cibles, souvent tacites? Enfin, une dernière limite porte sur l’acceptabilité de ce type d’enquête : quel accueil peut lui être réservé par le milieu agricole qui peut être méfiant quant à l’utilisation qui pourrait être faite des informations recueillies ? Une autre option est de recourir à des enquêtes à dires d’experts pour décrire et localiser les grands types de systèmes de culture pratiqués dans un territoire. Ainsi Mignoletet al. (2004) ont enquêté des conseillers de différentes organisations professionnelles agricoles pour décrire les séquences de culture et les pratiques agricoles. Ces auteurs montrent que la variabilité des informations récoltées selon les experts, et leur biais par rapport aux données observées, rendent cette option plus adaptée à la description de tendances sur des zones étendues qu’à une description précise des pratiques et séquences de culture sur une zone restreinte et une année donnée. C’est pourquoi l’accès à la connaissance des systèmes de culture et de leur distribution spatiale sur de grands territoires, à une résolution spatiale relativement fine, est le plus souvent basé sur des méthodes alternatives.

Nous distinguons deux types de méthodes, selon que l’accès à l’information souhaitée estdirect ou indirect. Il est possible d’accéder directement à des informations géoréférencées sur les systèmes de culture au travers de bases de données ou de télédétection. Même si ce qui est observé est directement la variable recherchée (nature des cultures et des successions ou modalités de certaines interventions culturales), des problèmes de traitement de l’information se posent du fait de la couverture spatiale et temporelle souvent incomplète du territoire. Dans le second cas, n’ayant pas accès à des informations géoréférencées sur les systèmes de culture eux-mêmes, on cherche à établir des liens entre des variables que l’on est capable de spatialiser (par ex. unités de sol) et des pratiques (par ex. d’irrigation). Ces variables sont alors considérées comme des déterminants de la distribution spatiale des systèmes de culture et permettent de spatialiser, de manière indirecte, les informations sur les systèmes de culture. Ces deux types de méthodes font l’objet de la section suivante.

 

3- Les méthodes d’accès aux informations sur les systèmes de culture et leur distribution spatiale

3.1- Des méthodes d’accès direct

3.1.1- Les bases de données géoréférencées

Certaines bases de données permettent d’accéder directement à certaines caractéristiques des systèmes de culture. Par exemple, concernant les occupations du sol, on peut citer les Recensements Agricoles (RA) qui apportent des informations exhaustives sur les cultures de l’année et les enquêtes « pratiques culturales » du Ministère de l’Agriculture qui, depuis 2006, contiennent des informations sur les précédents culturaux des 5 années précédant la culture enquêtée. Ces enquêtes, toutefois, ne sont pas réalisées sur une base annuelle, au contraire de la base de données Teruti-Lucas et du Registre Parcellaire Graphique (RPG) qui recensent les occupations du sol chaque année. Teruti-Lucas et le RPG sont issus de la réglementation européenne. Alors que l’enquête Lucas est réalisée de manière homogène sur le territoire de l’Union européenne, les modalités de réalisation du « Land Parcel Identification System », correspondant au RPG en France, diffèrent entre pays (Inan et al., 2010). Ces deux bases de données décrivent l’occupation du sol mais diffèrent en termes de résolution et couverture spatiale et de nature de l’information (Tableau 1). Depuis 1982, l’enquête Teruti, puis Lucas à partir de 2006, recense annuellement la nature de l’occupation du sol d’un ensemble de points couvrant tout le territoire français et sélectionnés à partir d’une méthode d’échantillonnage à deux niveaux (Fig.1a – voir aussi : www.agreste.agriculture.gouv.fr/IMG/pdf_teruti2011metho.pdf), soit sur plus de 550000 points jusqu’en 2003 et plus de 320000 depuis. Depuis 2006, le RPG est issu de la déclaration PAC des agriculteurs qui doivent dessiner et mettre à jour, sur une orthophotographie[5]au 1/5000 (Fig 1b), leurs îlots de culture, les cultures qui y sont pratiquées et les surfaces associées. Le RPG, représente environ 6 millions d’îlots en France(27 millions d’hectares) etcouvre de manière assezexhaustive le territoire agricole des régions à dominante de grandes cultures et de prairies. Dans cette base de données, chaque îlot, au travers d’un identifiant anonyme, est rattaché à une exploitation.

    

 

Compte tenu de leurs caractéristiques, ces deux bases de données ont donné lieu à des développements spécifiques pour produire des connaissances sur les séquences de culture au sein des territoires.

 

Concernant la base de données Teruti-Lucas, l’approche adoptée par l’UR ASTER (INRA Mirecourt) pour accéder à la connaissance des séquences de culture et à leur localisation est basée sur la fouille de données. La théorie des chaînes de Markov cachées permet l'analyse de successions d'observations quelconques, continues ou discrètes. Ces observations sont représentées comme des successions d'états, où les transitions entre états dépendent, suivant l'ordre n du modèle, de l'état courant et des n états précédents. Il est ainsi possible d’extraire et de dater des régularités dans des séquences d’occupations du sol. En fonction du type de modèle de Markov retenu, les résultats sont exprimés sous la forme de probabilités de transition d’une occupation du sol à une autre, année après année, ou sous la forme de probabilités d’occurrence de séquences de cultures (exprimées en couple de cultures précédent–suivant si séquence de deux ans, en triplet de trois cultures successives si séquence de trois ans, etc.). L’ensemble de ces calculs est effectué par le logiciel CarottAge[6], développé par le LORIA, qui permet d’identifier les séquences de cultures et d’en décrire la dynamique temporelle dans une unité de support répondant aux contraintes de représentativité de la base de données Teruti-Lucas (Fig. 2).

   

 

Concernant la base de données RPG, compte tenu de sa faible profondeur temporelle disponible actuellement (6 ans entre 2006 et 2011) mais de sa très bonne couverture spatiale des espaces agricoles primés par la PAC,une autre approche a été développéepar l’UMR AGIR (INRA Toulouse). La reconstitution des séquences de culture a été réalisée selon trois étapes. La première reconstitue la « filiation » des îlots entre années par analyse des intersections géographiques. Ainsi, chaque îlot de la dernière année disponible est relié avec un ou plusieurs îlots de chaque année précédente si leur intersection spatiale représenteau moins 10 % de la surface de l’un d’eux.

 

La seconde étape reconstitue les séquences de culture des parcelles des îlots. Elle repose sur deux hypothèses principales (i) la surface d’une classe de culture dans un îlot correspond à la surface d’une parcelle culturale et (ii) les surfaces des parcelles culturales au sein des îlots peuvent être différentes. Une chaîne de traitements permet de d’identifier les parcelles culturales composant chaque îlot en détectant les récurrences de surfaces entre années, considérant que des agrégations ou désagrégations de parcelles au sein d’un îlot sont possibles chaque année. Cette reconnaissance de surfaces (strictement égales ou à 5% près) permet de reconstituer la filiation des parcelles entre années et, par conséquent, de reconstituer les séquences à l’échelle de l’unité élémentaire spatiale de mise en œuvre des séquences (plus petit dénominateur spatial entre les parcelles culturales entre les années). Cette approche permet de reconstituer des séquences de culture de 2 à 5 ans sur environ 85% des surfaces déclarées en France (Fig. 3).

   

 

La troisième étape, correspond à une méthode d’interpolation (non décrite ici) qui permet d’affecter une séquence aux parcelles des îlots sur lesquelles la deuxième étape n’a pas permis de le faire (c.-à-d. en moyenne sur les 15 % de surfaces déclarées restantes).

Le nombre de séquences différentes ainsi reconstituées est très élevé : par exemple plus de 4 000 séquences différentes sur 4 ans pour un département composé d’environ 80 000 îlots (par ex. le Gers, Tableau 2). Pour obtenir une vue simplifiée de la diversité des séquences et de leur distribution spatiale au sein du territoire, nous avons construit une typologie de séquences, basée sur des connaissances expertes, dont le principal objectif est de regrouper les séquences considérées comme l’expression de la même rotation.Par exemple, les séquences [Blé tendre]/[Tournesol]/[Blé Tendre]/[Tournesol] et [Tournesol]/[Blé tendre]/[Tournesol]/[Blé Tendre] sont assimilées à la rotation [Blé tendre]/[Tournesol]. Le tableau 2 présente les effets de ce traitement sur le nombre de séquences nécessaire pour représenter un pourcentage croissant du territoire considéré. La procédure complète est en cours d’évaluation par comparaison des séquences reconstituées à des données de terrain, notamment issues de la base de données de la zone atelier « Plaine et Val de Sèvre »[7].

    

 

En définitive, les traitements réalisés sur Teruti-Lucas et sur le RPG ont permis de produire des connaissances différentes sur les séquences de cultures. Les premiers permettent d’accéder à la dynamique des séquences de culture au cours du temps, mais sur des unités de support relativement étendues (PRA, département), tandis que les seconds, basés sur l’analyse du RPG, permettent une spatialisation fine des séquences de cultures actuelles, et ainsi, une analyse de la diversité et de la distribution spatiale de celles-ci au sein de tous types de territoires (zone Natura 2000, zone vulnérable, zone d’actions prioritaires, zone économique...) et des exploitations de ceux-ci. Ces travaux représentent une première étape dans la construction d’un système d’information sur la distribution spatiale des systèmes de culture. Pour atteindre cet objectif, ils doivent être complétés par des informations sur les pratiques culturales.

La base de données « pratiques culturales » fournit des informations relatives aux itinéraires techniques. Cette enquête réalisée en 1994, 2001, 2006 et 2011 couvre suivant les années un nombre limité de culture (blés tendre et dur, orge, colza, pois, maïs, tournesol, betterave, pomme de terre, prairies, jachère). Pour chaque parcelle enquêtée, toutes les interventions culturales de la récolte du précédent a? la récolte de la culture,auxquelles s’ajoutentquelques informations sur les règles de décision des agriculteurs, sont renseignées. L’échantillon des parcelles enquêtées correspond à un sous échantillon des points Teruti-Lucas. Le plan d’échantillonnage a pour objectif d’assurer une double représentativité statistique des cultures à une échelle régionale (au moins 5% de la SAU) et à l’échelle France (au moins 60% des surfaces extrapolées sauf pomme de terre et prairies). Par exemple, 14525 parcelles représentant, par extrapolation, plus de 80% de la SAU sont décrites en 2006. L’analyse de la base de données « pratiques culturales » permet de caractériser la diversité des itinéraires techniques et leur différenciation sur de larges échelles de territoire. L’UMR AGIR et l’Unité de service ODR (INRA) développent actuellement, en collaboration avec ARVALIS-Institut du végétal et le CETIOM, une méthodologie d’extrapolation de ces données sur les pratiques culturales, pour enrichir les données sur les séquences, produites à partir de l’analyse du RPG, et ainsi développer un système d’information sur les systèmes de culture en France métropolitaine dont la résolution spatiale sera l’îlot PAC.

 

3.1.2- La télédétection

Les capacités de la télédétection à alimenter une base de données pluriannuelles sur l’occupation agricole du sol, et donc de décrire les séquences de culture, n’est plus à démontrer (par ex. Ducrot et Gouaux, 2004). Toutefois la précision de cette information, et donc le degré de caractérisation des systèmes de culture, est dépendante à la fois du capteur utilisé (notamment ses caractéristiques spectrales, sa taille d’image, sa résolution spatiale et sa fréquence de revisite) et du terrain étudié (taille des parcelles culturales). Plus particulièrement, la qualité de l’information relative à la nature des cultures en place est dépendante du nombre d’images acquises sur le cycle de la culture. Si celles-ci sont en nombre insuffisant, les cultures ne seront pas clairement identifiées.

Un des enjeux pour la télédétection est d’être en mesure de fournir une information non plus en fin de cycle cultural ou avec une année de retard (comme les bases de données mentionnées ci-dessus) mais au fil de la saison afin d’être utilisée par les gestionnaires de l’eau en cours de campagne d’irrigation. Dans une logique de gestion opérationnelle de l’eau, notamment pour décider du partage de la ressource entre usages concurrents, la télédétection devrait permettre de distinguer non seulement les cultures d’été des cultures d’hiver (information acquise tôt en saison avec très peu d’images) mais aussi de distinguer les surfaces en maïs irriguées de celles en tournesol ou sorgho, non irriguées, car cette information est nécessaire pour évaluer la part de la ressource requise par l’usage agricole.

Le potentiel opérationnel des satellites d’observation de la terre pour la gestion des ressources sur de grandes surfaces s’est récemment accru avec la programmation de nouvelles missions spatiales telle que Sentinel-2 (ESA). Son objectif est de fournir d’ici 2014-2015 gratuitement, et sur l’ensemble du globe des images décamétriques tous les 2-5 jours. Le traitement de ce type d'images permettra de spatialiser des descripteurs clés des systèmes de culture qui ne sont pas fournis par les bases de données existantes (temporalité du cycle de végétation, date de semis, travail du sol, état hydrique du couvert, période d’irrigation). La mise au point et le développement de ces traitements est actuellement réalisé sur des images produites par des capteurs d’une résolution de 8-10 m comme LANDSAT et SPOT (par ex. Ducrot et Gouaux, 2004). La spatialisation de descripteurs des systèmes de culture, tels que la date de semis ou le travail du sol est réalisée de manière indirecte. En effet, les capteurs vont permettre d’identifier l’impact de ces pratiques sur le milieu sol (humidité, rugosité) ou sur le milieu plante (réflectance). La méthode pour accéder aux pratiques passe par l’inversion de modèles mécanistes qui, à partir de données d’entrée sur les pratiques, simulent leur impact sur le milieu. Par exemple, les modèles de culture utilisent en entrée des données sur les pratiques (par exemple la date de semis) et simulent le développement foliaire. S’ils sont couplés à des modèles de réflectance, ils permettent de simuler l’évolution de la réflectance du couvert. Pour accéder à la connaissance des pratiques en tout point d’une zone d’étude, on procède à l’assimilation des données de réflectance: les données d’entrée du modèle couplé sont réestimées de manière à minimiser l’écart entre données de réflectance observées et données de réflectance simulées.

 

 

3.2- Des méthodes indirectes basées sur l’identification de facteurs déterminants

Accéder directement à l’information ciblée peut s’avérer difficile: bases de données peu nombreuses, ne couvrant pas tous les éléments des systèmes de culture, de couverture spatiale incomplète et/ou renfermant des informations peu précises. Il peut donc s’avérer intéressant d’établir des relations entre des informations que l’on sait spatialiser et des caractéristiques des systèmes de culture en vue de spatialiser ces derniers. Nous présentons ici trois exemples illustrant cette approche dans le cadre d’une estimation régionale de la demande en eau d’irrigation et montrant une progression dans la prise en compte de la cohérence des systèmes de culture.

Le premier exemple est celui du modèle ADEAUMIS (Leenhardt et al., 2004) qui a été développé pour aider le gestionnaire de l’eau à mieux anticiper les demandes en eau d’irrigation sur un vaste périmètre irrigué, le système Neste (8 000 km² environ). La distribution spatiale des apports d’irrigation àla culture de maïs a été estimée grâce à l’identification de facteurs déterminants de ces apports d’eau et de la possibilité d’estimer la distribution spatiale de ceux-ci. Partant d’un formalisme connu a priori (par expertise) de règles de décision d’irrigation (Bergez et al., 2001), une enquête a été réalisée auprès d’un échantillon d’agriculteurs pour identifier la nature et les valeurs seuils des indicateurs utilisés pour activer les différentes règles (démarrage, retour, attente après la pluie, arrêt). Sur la base de cette enquête, une stratégie moyenne a été établie pour la zone d’étude (Tableau 3). Les indicateurs utilisés sont des variables climatiques (pluie, évapotranspiration), ainsi que le stade phénologique du maïs qui est calculable à partir d’une autre variable climatique, la température. Ces variables climatiques étant accessibles en tous points d’une grille de 12.5 km x 12.5 km, le modèle ADEAUMIS est capable de proposer une spatialisation des apports d’eau à cette même résolution.

    

 

 

Le deuxième exemple est celui du modèle SIMITKO développé pour simuler les demandes en eau d’irrigation d’une petite région (bassin amont de la Baïse, 500km² environ) dans le cadre d’exercices prospectifs (Maton, 2006). Une hypothèse forte du travail a été de considérer que les scénarios de changement de contexte (sur les prix, les réglementations ou le climat) pouvaient impacter les systèmes de culture dans leur ensemble et pas seulement un élément de ceux-ci. Aussi, nous nous sommes attachés à comprendre la cohérence du système de culture (ici, monoculture de maïs irrigué) pour identifier des classes de systèmes de culture puis nous en avons recherché les déterminants parmi des variables géoréférençables. La méthode adoptée, décrite par Matonet al. (2007), est basée sur des analyses statistiques multivariées (Fig. 4). Nous avons ainsi identifié trois classes de stratégies de semis et de choix de précocité du maïs, indépendantes de la conduite de l’irrigation. Concernant ces stratégies de semis-précocité, deux résultats importants sont: 1) les déterminants identifiés sont des variables structurelles d’exploitation (Surface de cultures, SAU et orientation de l’exploitation – cf Fig. 5), disponibles dans des bases de données telles que le RA et 2) les relations établies entre systèmes de culture et déterminants ne sont pas déterministes mais probabilistes (Fig. 5). Le modèle SIMITKO ainsi développé est un modèle stochastique qui calcule une distribution de quadruplets {date de semis, précocité, densité de semis, surface} par exploitation puis utilise une stratégie moyenne d’irrigation pour calculer une distribution de demande en eau par exploitation. Les exploitations pouvant être distribuées dans l’espace par la localisation de leur siège d’exploitation, les quadruplets décrivant le semis du maïs et les précocités d’une part et les demandes en eau d’autre part peuvent être spatialisés.

 

     

 

Le dernier exemple concerne des travaux en cours dans le bassin aval de la rivière Aveyron (environ 600 km²). Comme précédemment, ils sont conduits dans le cadre d’une démarche prospective. Le but est ici d’identifier des organisations spatiales de systèmes de culture qui permettraient de minimiser la fréquence des crises de gestion quantitative de l’eau en période d’étiage, tout en satisfaisant divers critères de durabilité. Notre préoccupation d’évaluation multicritère des systèmes de culture nous a poussés à nous intéresser non plus seulement aux seuls éléments du système de culture ayant un impact direct sur la demande en eau d’irrigation (semis, variété, irrigation), mais à l’ensemble du système de culture, et cela dans une zone où il existe une diversité de systèmes de culture, irrigués et non irrigués. Ainsi, notre objectif est d’identifier les principaux systèmes de culture de la zone d’étude et les déterminants de leur localisation spatiale. Pour cela, nous développons une méthode articulant, en troisétapes, exploitation des bases de données disponibles (par ex. RPG), mobilisation des savoirs d’experts et enquêtes en exploitation agricole. Après analyse des bases de données (étape 1), nous avons réalisé un atelier participatif avec des experts locaux pour lister les principales rotations, mettre en évidence les systèmes de culture qui peuvent être distingués par rotation type, identifier les critères d’existence et de localisation de ces systèmes de culture et, quand c’est possible, réaliser un zonage de ces critères (étape 2). Cette deuxième étape s’apparente au «Zonage A Dire d’Acteurs» (ZADA – Caron et Cheylan, 2008), qui vise à formaliser les connaissances des acteurs locaux et régionaux (agriculteurs, gestionnaires, organismes économiques, etc.) sur leur territoire afin de créer de bonnes conditions pour un débat sur la gestion collective et l'aménagement concerté des ressources de celui-ci. Notre méthode se distingue d’un ZADA classique car nous avons choisi d’utiliser des connaissances résultant du traitement de bases de données (notamment du RPG) pour relancer la discussion avec les experts en cours d’atelier. Les connaissances issues de cet atelier ont permis d’identifier les critères d’échantillonnage des exploitations à enquêter. Deux types de critères sont distingués: (i) les zonages géographiques considérés, par les experts et l’analyse des bases de données, comme homogènes en termes de systèmes de culture (critères spatialisés) et (ii) des caractéristiques de systèmes de production (critères non spatialisés) permettant d’expliquer la variabilité intra zonage géographique. Les connaissances issues de cet atelier devraient permettre, par la suite, d’extrapoler à l’ensemble du territoireles connaissances issues de l’étape d’enquêtes sur les systèmes de culture (étape 3).

 

Conclusion

Cet exposé des méthodes développées et mobilisées pour spatialiser les systèmes de culture met en évidence tout l’enjeu qu’il y a à constituer, pérenniser et mettre à disposition les bases de données sur les systèmes de culture, dans l’objectif de constituer des observatoires des pratiques agricoles. Actuellement, les restrictions d’accès aux bases de données telles que le RPG obligent les chercheurs à développer de nouvelles méthodologies pour spatialiser les systèmes de culture alors que cette étape de spatialisation n’est qu’un préalable à la résolution des problèmes de gestion de l’eau portés par les acteurs de terrain!

     

 


[3]D’après Sebillotte (1990), un système de culture est défini comme “ L’ensemble des modalités techniques mises en œuvre sur des parcelles traitées de manière identique. Chaque système de culture se définit par : (i) la nature des cultures et leur ordre de succession, (ii) les itinéraires techniques appliqués à ces différentes cultures, ce qui inclut le choix des variétés pour les cultures retenues ”.

[4]voir exemples au tableau 3 plus loin

[5]Image aérienne rectifiée géométriquement pour servir de fond cartographique


4- Bibliographie

Bergez, J.E., Debaeke, P., Deumier, J.M., Lacroix, B., Leenhardt, D., Leroy, P., Wallach, D., 2001. MODERATO: an object-oriented decision tool for designing maize irrigation schedules. Ecological Modelling, 137, 43-60.

Breiman, L., Friedman, J.H., Olshen, R., Stone, C.J., 1984. Classification And Regression Trees. Wadsworth, Belmont, CA.

Caron, P., Cheylan, J-P., 2008. Donner sens à l’information géographique pour accompagner les projets de territoire : cartes et représentations spatiales comme supports d’itinéraires croisés, Géocarrefour, vol. 80/2, [En ligne], mis en ligne le 01 décembre 2008. URL : geocarrefour.revues.org/1031. Consulté le 31 juillet 2012.

Clavel, L., Soudais, J., Baudet, D., Leenhardt, D., 2011. Integrating expert knowledge and quantitative information for mapping cropping systems. Land Use Policy, 28,57–65.

Ducrot, D., Gouaux,P , 2004. Caractérisation des agro-systèmes de la plaine alluviale de la Garonne et des coteaux du Gers, mise en évidence de leurs changements au cours des vingt dernières années. Colloque SFER «les systèmes de production agricoles: performances, évolutions, perspectives», Lille, 18-19 novembre 2004.

Faivre, R., Leenhardt, D., Voltz, M., Benoît, M., Papy, F., Dedieu, G., Wallach, D., 2004.Spatialising crop models.Agronomie, 24,205-217.

Inan, H.I., Sagris, V., Devos, W., Milenov, P., van Oosterom, P., Zevenbergen, J., 2010. Data model for the collaboration between land administration systems and agricultural land parcel identification systems. Journal of Environmental Management,91, 2440-2454.

Joannon, A., 2004. Coordination spatiale des systèmes de culture pour la maîtrise de processus hydrologiques. Cas du ruissellement érosif dans les bassins versants agricoles du Pays de Caux, Haute Normandie. Thèse INAPG, Paris.

Ledoux, E., Gomez, E., Monget, J.M., Viavattene, C., Viennot, P., Ducharne, A., Benoit, M., Mignolet, C., Schott, C., Mary, B., 2007. Agriculture and groundwater nitrate contamination in the Seine basin. The STICS-MODCOU modelling chain. Science of The Total Environment, 375, 33-47.

Leenhardt, D., Angevin, F., Biarnes, A., Colbach, N., Mignolet, C., 2010. Describing and locatingcroppingsystemsat a regionalscale. Agronomy for SustainableDevelopment, 30, 131–138.

Leenhardt, D., Trouvat, J-L., 2004. ADEAUMIS, un outil pour estimer la demande en eau d'irrigation à l'échelle régionale. Ingénieries,40, 37-50.

Leenhardt, D., Trouvat, J.-L., Gonzales, G., Perarnaud, V., Prats, S., Bergez, J.-E., 2004. Estimating irrigation demand for water management on a regional scale: I. ADEAUMIS, a simulation platform based on bio-decisional modelling and spatial information. Agricultural Water Management, 68, 207-232.

Leenhardt, D., Wallach, D., Le Moigne, P., Guerif, M., Bruand, A., Casterad, M.A., 2006. Using crop models for multiple fields, in Wallach, D., Makowski, D., Jones, J.W. (Eds.), Working with dynamic crop models. Evaluation, analysis, parametrization, and applications, 209-245.

Maton, L., 2006. Représentation et simulation des pratiques culturales des agriculteurs à l’échelle régionale pour estimer la demande en eau d’irrigation. Application à un bassin versant maïsicole du sud-ouest de la France, Thèse INPT, Toulouse.

Maton, L., Leenhardt, D., Bergez, J.E., 2007. Geo-referenced indicators of maize sowing and cultivar choice for better water management. Agronomy for SustainableDevelopment, 27, 377-386.

Mignolet, C., 2008. Modélisation de l’organisation spatiale des systèmes agricoles et de son évolution dans des démarches d’appui au développement. Thèse en Agronomie. Paris (FRA) : AgroParisTech : Institut des Sciences et Industries du Vivant de l’Environnement, Paris (FRA) : Ecole Doctorale Agriculture Alimentation Biologie Environnement Santé.

Mignolet, C., Schott, C., Benoît, M., 2004. Spatial dynamics of agricultural practices on a basin territory : a retrospective study to implement models simulating nitrate flow. The case of the Seine basin. Agronomie, 24, 219-236.

Narcy, J.B., Mermet, L., 2003. Nouvelles justifications pour une gestion spatiale de l’eau: New justifications for a spatial management of water. Nature Sciences Société, 11, 135-145.

Sebillotte,M., 1990. Système de culture, un concept opératoire pour les agronomes. In Combe, L., Picard, D. (Eds),Les systèmes de culture, INRA, Paris, 165-196.


 

   Les articles sont publiés sous la licence Creative Commons (CC BY-NC-ND 2.0)

Pour la citation et la reproduction de cet article, mentionner obligatoirement le titre de l'article, le nom de tous les auteurs, la mention de sa publication dans la revue AES et de son URL, la date de publication.