MétaCan
Menu
Retour à la cohorte
Enregistrement W4293267867 · doi:10.5281/zenodo.6634999

Pression agricole sur les ressources en eau : évolution du risque nitrate dans les bassins de la Meuse et de la Moselle

2013· report· fr· W4293267867 sur OpenAlexaff
Davide Rizzo, Guillaume Godfroy, Marc Benoît

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2013
Typereport
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensASTER
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceForestryGeography

Résumé

récupéré en direct d'OpenAlex

Les bassins de la Meuse et de la Moselle renferment les ressources en eau qui alimentent l'essentiel de la population lorraine et une partie des Ardennes, soit plus de deux millions d'habitants. De plus, les eaux véhiculées par la Meuse et la Moselle constituent l'essentiel des eaux frontalières que la France délivre vers ses voisins européens (Allemagne, Belgique, Luxembourg). Ces enjeux sont à l'origine de ce travail sur l'étant des pressions azotées d'origine agricole sur les ressources en eau mené au sein de l'unité INRA SAD-ASTER. L'objetif du projet de recherche DynAMM'Eau est de représenter l'évolution et la spatialisation de la pression azotée d'origine agricole sur les ressources en eau des bassins de la Meuse et de la Moselle. Il répond à une double demande sociétale. D'un côté hiérarchiser et localiser les systèmes de cultures selon la pression azotée induite sur les ressources en eau. De l'autre côté, identifier les zones à risques vis-à-vis de la pollution de l'eau par l'azote en caractérisant les bassins de forte pression agricole. La démarche mise au point dans cette recherche a articulé quatre figures principales : (i) Une mobilisation d'une base d'information spatialement dense et sur la longue durée : les enquêtes TerUti où sont instruits les couverts végétaux et bâtis. Ces données TerUti fournissent chaque année des informations de 1981 à 2010, bien que présentant des discontinuités dans le temps (en1990 et 2004-05). Et elle permettent un échantillonnage spatial dense sur un maillage de 3 km carrés, d'environ 23800 points annuels (réduits à 60% pour la période 2006-10). Leur traitement a permis de récupérer les trajectoires principales d'occupation du sol, en particulier les successions de cultures. (ii) Une mobilisation des outils statistiques pour identifier les successions de culture afin de regrouper les bassins selon leurs ressemblances sur la diversité des successions de culture présente (ACH), puis pour évaluer les significativités des calculs de BASCULE. (iii) Un calcul régional de l'indicateur BASCULE (Balance Azotée Spatialisée des Systèmes de Culture de l'Exploitation) qui sur la base des successions identifiées a permis, en dépouillant les 1982 enquêtes PK parcellaires (Pratiques Culturales menées par le SSP), de calculer ces BASCULE en 1994, 2001 et 2006. (iv) Une spatialisation des pressions agricoles cohérentes avec les entités hydrogéologiques. Le maillage territorial a suivi un zonage hydrographique. Une liste et cartographie de bassins dits "élémentaires", sous-unités des bassins versants de la Meuse et de la Moselle, a été fournie par l'Agence de l'Eau Rhin Meuse. Le résultat principal est la production d'une matrice lorraine construite sur la base des successions de culture identifiées de 1981 à 2010. Les successions majoritaires évoluent à partir d'un même module et tendent à rendre progressivement dominantes les successions sur trois années bâties autour du colza, du blé d'hiver et de l'orge d'hiver. Cependant, la proportion des successions varient selon les bassins, avec une part encore importante de successions construites autour du maïs ensilage en Moselle amont, et une part encore plus dominante du triplet colza-blé-orge, en bassin de Seille et dans le bassin de Ferrifère. Quand nous prenons en considération les BASCULE sur la période 1994 à 2007, une première tendance se dégage : une diminution de la proportion des balances azotées élevées (supérieures à 30 kg N/ha) dans l'ensemble des balances azotées. Une deuxième résultat concerne le contraste entre cultures. Le maïs voit sa balance très déséquilibrée : trois quart des parcelles ont une balance supérieure à 30 kg N/ha, et la classe la plus représentée est celle des 150 à 180 kg N/ha. Pour contrebalancer ce constat, les surfaces en maïs ont cessé de croître depuis 1992. Le colza a également une balance déséquilibrée : 80% des parcelles ont une balance supérieure à 30 kg N/ha, et la classe la plus représentée est celle des 60 à 90 kg N/ha. Contrairement au maïs, les surfaces de colza ont crû considérablement entre 1981 et 2010, passant de 2% à 5% de la surface des bassins, soit plus du double des surfaces en maïs en 2010. Le blé d'hiver et l'orge d'hiver ont des profils semblables : plus de la moitié des balances sont inférieures à 30 kg N/ha, le blé ayant les balances les plus modestes avec la classe la plus représentée entre - 30 et 0 kg N/ha, alors que pour l'orge il s'agit de la classe 0 à 30 kg N/ha. Les évolutions des surfaces sont favorables car les surfaces en blé croissent de 5 a 10 et celles en orge passent de 7 à 5 %. En conclusion, cette recherche, qui s'appuie sur le schéma DPSIR, permet une première spatialisation des pressions azotées des bassins de la Meuse et de la Moselle, en identifiant les principaux risques pour les ressources en eau qui perdurent au sein de la conduite des systèmes de culture lorrains. Les améliorations à apporter sur cette évaluation des pressions agricoles sur les ressources en eau concernent trois éléments : (i) une traitement complémentaires des enquêtes "pratiques culturales" concernant les prairies permanentes, (ii) une comparaison des résultats obtenus dans tous les sous-bassins de la Meuse et de la Moselle, avec les pressions modifiées dans le cadre des opérations Agri-Mieux, et (iii) une poursuite de la spatialisation de la pression sur les critères pesticides.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,247
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetAgriculture and Rural Development ResearchTravaux en français237 207