MétaCan
Menu
Back to cohort
Record 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 on OpenAlexaff
Davide Rizzo, Guillaume Godfroy, Marc Benoît

Bibliographic record

VenueZenodo (CERN European Organization for Nuclear Research) · 2013
Typereport
Languagefr
FieldAgricultural and Biological Sciences
TopicAgriculture and Rural Development Research
Canadian institutionsASTER
Fundersnot available
KeywordsEnvironmental scienceForestryGeography

Abstract

fetched live from 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.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.066
Threshold uncertainty score0.130

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0030.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.032
GPT teacher head0.247
Teacher spread0.216 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2013
Admission routes1
Has abstractyes

Explore more

Same venueZenodo (CERN European Organization for Nuclear Research)Same topicAgriculture and Rural Development ResearchFrench-language works237,207