INDICE DE QUALITÉ DES SOLS (IQS) - RÉGION DE MORGES - RÉGION DE MORGES
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
RAPPORT D’ÉTUDE INDICE DE QUALITÉ DES SOLS (IQS) - RÉGION DE MORGES 12.03.2021 Pour Hepia : Pascal Boivin, Professeur et Karine Gondret, Adjointe Scientifique Pour HEIA-FR : Fabienne Favre Boivin et Géraldine Bullinger, professeures, Magali Matteodo, Collaboratrice Scientifique Pour HEIG-VD : Adrien Gressin, Professeur et Maximin Bron, Assistant de Recherche
INTRODUCTION
Le présent projet a été exécuté entre mars et décembre 2020. Il a fait l’objet de mandats d’expertise
pédologique et de géomatique entre les mandants :
Les communes de Denges, Echandens, Echichens, Lonay, Lully, Lussy-sur-Morges, Morges, Préverenges,
Saint-Prex et Tolochenaz représentées par l’association Région Morges (RM) et l’Etat de Vaud représenté
par la Direction générale de l’environnement de l’Etat de Vaud (DGE), Direction des ressources et du
patrimoine naturels (DIRNA), Division géologie, sols et déchets (GEODE) ainsi que la Direction Générale
du Territoire et du Logement (DGTL).
Et les mandataires :
De la HES-SO HEPIA, et HEIA-Fr (mandat d’expertise pédologique) et HEIG-VD (mandat de géomatique).
La démarche a été pilotée par le bureau technique de Région Morges, représenté par M. Guillaume
Raymondon, ingénieur territorial.
Un groupe de suivi était composé :
• Des représentant-e-s des communes pilotes ;
• Des représentant-e-s des services cantonaux partenaires (DGTL, DGE, DGAV) ;
• D’un-e représentant-e de la Fondation Sanu Durabilitas
Ce rapport expose la conception de l’Indice de Qualité des Sols dans son ensemble. Il est complété par
un rapport technique de la partie géomatique et un fichier Excel contenant le descriptif des sources
d’information et de la méthode de notation.
2
OBJECTIFS
Le mandat « Indice de Qualité des Sols » (IQS) de la région Morges-agglomération vise à permettre une
meilleure gestion des sols et de leur qualité à travers les objectifs généraux suivants :
• Doter les acteurs de l’aménagement du territoire d’un outil simple et efficace pour prendre en
compte la qualité des sols dans les processus d’aménagement ;
• Permettre un suivi périodique de l’évolution de la qualité des sols à l’échelle régionale,
communale ou d’un périmètre particulier ;
• Esquisser les bases de politiques publiques préservant la qualité des sols ;
Ce projet introduit pour cela deux innovations majeures : (i) effectuer la segmentation de l’espace en
zones d’IQS sur la base de données disponibles et en partie non pédologiques, et (ii) le calage d’un IQS de
fiabilité chiffrée, unique sur le territoire (commun à toutes les zones d’occupation, actualisable et se
basant sur des données (pédologiques ou non) disponibles et peu coûteuses.
Le mandat s’est focalisé sur ces objectifs. Il est important de souligner que la volonté première de ce
mandat est de mettre à disposition des utilisateurs une vision territoriale dynamique (i) de la qualité
des sols, (ii) des informations manquantes pour la préciser, (iii) de l’impact de leurs décisions sur cette
ressource. Un tel outil ne prétend donc pas à l’exactitude locale (en un point) des estimations1. Ses
qualités premières sont sa disponibilité et sa fonctionnalité, une fidélité globale à l’expertise « up-to-
date », ainsi que son faible coût et la possibilité de mises à jour simples et fréquentes. L’outil offre alors
de nombreux usages, tels que la sensibilisation des planificateurs ou la négociation de projets prenant en
compte une gestion rationalisée de la ressource en sol.
NOTIONS PRÉLIMINAIRES
Après que le « Millenium Assessment » (Hooper et al., 2005) ait permis de comprendre que les sols
représentent la clé de voute des services écosystémiques, la préservation de la ressource en sol est
devenue une priorité environnementale mondiale (“Climate Change and Land — IPCC,”) (“Climate Change
and Land — IPCC,”). Les services rendus par les sols sont associés à leurs fonctions, et la qualité des sols
est par définition leur capacité à assurer leurs fonctions (Bünemann et al., 2018). La préservation des sols
ou « Land Degradation Neutrality » (Stavi & Lal, 2015; Keesstra et al., 2018) est particulièrement complexe
à assurer en zone mixte rurale et urbaine. Les menaces qui pèsent sur les sols sont nombreuses (Toth et
al., 2008; Montanarella et al., 2016)(Toth et al., 2008; Montanarella et al., 2016) et ces espaces les
cumulent. Dans le même temps, on manque d’information sur les sols et de capacité à quantifier leurs
services ou fonctions.
En la matière, il convient de distinguer la qualité potentielle des sols, définie comme « soil capability »
(capacité) (Bouma et al., 2017) de la qualité sensu stricto « soil quality ». La « capacité » repose sur des
propriétés relativement invariantes dans le temps (e.g. texture, profondeur) tandis que la « qualité »
repose par définition sur des propriétés à forte dynamique temporelle (e.g. porosité, teneur en matière
1
Cette dernière fluctuant en fonction de la disponibilité de données pédologiques locales comme nous le
verrons
3
organique, pH…). La cartographie des sols se réfère essentiellement à la capacité des sols tandis que les
IQS se focalisent sur les propriétés dynamiques. Force est pourtant de constater que les propriétés
réputées « invariantes » ne le sont plus en zone de forte pression anthropique (suite par exemple aux
multiples décapages et reconstitutions de sols). Ces considérations ont plusieurs conséquences :
• La cartographie classique des sols ne permet pas de générer un IQS. Elle permet d’y contribuer.
Notons par ailleurs que la cartographie pédologique de la zone d’étude est très lacunaire.
• L’IQS Morges-agglomération s’intéressera aux propriétés dynamiques dans le contexte de ce
terroir, ce qui inclut des propriétés souvent considérées comme invariantes mais qui ne le sont
en réalité pas en secteur urbanisé (ex : profondeur du sol).
La cartographie pédologique met en œuvre une séquence d’actions bien identifiées et théorisées (Legros,
1996) :
1. Exploitation de tous les documents existants donnant des indications directes ou indirectes sur
la nature des sols et production d’une esquisse de carte.
2. Prospection sur le terrain.
3. Utilisation des données récoltées pour préciser / reformuler l’esquisse de carte. Les étapes 2 et
3 sont reproduites si nécessaires.
4. Formulation de la carte finale sur la base de cette démarche itérative.
La première étape mobilise des qualités d’expertise de la part de l’auteur·e de la carte (capacité de
formuler des hypothèses sur la nature des sols à partir des documents existants, par exemple la
géomorphologie). La conclusion de la cartographie est dictée par des impératifs techniques et
économiques : la connaissance des sols est toujours extrapolée et comporte une part d’incertitude, en
général non chiffrée dans cette démarche.
Les indices de qualité des sols relèvent d’une méthodologie différente (ci-après) mais on verra que la
démarche retenue ici emprunte beaucoup à la cartographie classique, dans la mesure où le document
produit est issu de l’expertise prononcée sur la base de tous les documents disponibles, puis corrigée par
les données pédologiques directes rencontrées.
PROPRIÉTÉS, FONCTIONS ET ÉCOSERVICES
Pour évaluer la qualité du sol il faut être capable d’évaluer l’état (la performance) des fonctions assurées
par le sol. (Grêt-Regamey et al., 2017) ont distingué six catégories de fonctions qui sont assez proches de
celles énoncées par « la proposition de directive du parlement européen et du conseil », aujourd’hui
malheureusement abandonnée, qui définissait un cadre Européen pour la protection des sols (CCE, 2006) :
« la fonction d’habitat, qui est importante pour les organismes présents dans et sur le sol ; la fonction de
régulation, que le sol assure en tant qu’interface entre les cycles de matière et d’énergie ; la fonction de
production, qui permet la croissance des plantes ; la fonction de support, que le sol offre en tant que
terrain utilisable par exemple pour les infrastructures ; la fonction de fournisseur de matières premières
(sable, argile pour la construction) et la fonction d’archivage (stockage d’informations sur l’histoire
naturelle et culturelle). L’utilisation des fonctions de support et de fournisseur de matières premières
recèle le plus fort risque de destruction des sols. Les fonctions écologiques s’influencent mutuellement et
sont étroitement liées à différents processus et propriétés du sol. »
En science du sol, le terme « fonction » du sol est sujet à diverses interprétations (De Groot et al., 2002) :
« chaque fonction du sol est le résultat de processus naturels internes au sol ». « Les processus naturels
4
sont quant à eux issus d’interactions complexes entre les composants biotiques et abiotiques du sol ».
Ces processus naturels internes au sol sont souvent appelés propriétés.
Aujourd’hui il semble y avoir un consensus sur le fait que les fonctions « génèrent des produits et des
services satisfaisant les besoins des sociétés » (Hannam and Boer, 2004, in Adhikari and Hartemink, 2016;
de Groot et al., 2010). Par « services » De Groot entend services écosytémiques (ou écoservices). « Les
services écosystémiques sont les multiples bénéfices fournis par les écosystèmes aux humains » (Garbisu
et al., 2011a), tels que la fourniture d’eau, le maintien d’un sol fertile ou drainage des eaux de surface.
Les composants (ou constituants) et les états du sol sont à l’origine de processus (ou propriétés) qui
engendrent des fonctions. Les fonctions du sol participent / contribuent2 à des services écosytémiques.
Ci-dessous (Figure 1 et Figure 2) sont présentés deux schémas dans le but de mieux cerner les liens
conceptuels qui existent entre les processus à l’origine des fonctions et écoservices. De nombreux travaux
(Dominati et al., 2010; de Groot et al., 2010; Adhikari & Hartemink, 2016) font le lien entre les propriétés
ou les processus, les fonctions et les services écosystémiques. En réalité il est très difficile de séparer
fonctions et services de manière claire et non équivoque, car c’est une question d’interprétation et de
point de vue.
2
Nous utilisons volontairement le terme « contribuer » tout comme le font Adhikari and Hartemink,
2016 plutôt que « générer » comme le fait de Groot car il nous semble moins ambigü. En effet,
un service écosystémique peut être co-généré par plusieurs écosystèmes, voire par tous.
5
Figure 1 : Relation entre propriétés du sol, fonctions du sol et services écosystémiques selon A. Grêt-Regamey, ethz/A. Keller,
Agroscope in Steiger U., et al., 2018.
6Figure 2 : Schématisation des liens entre propriétés, fonctions et services écosystémiques (ADHIKARI AND HARTEMINK, 2016)
L’ÉVALUATION DE LA QUALITÉ DU SOL
Il est très difficile et coûteux d’évaluer l’état de l’ensemble des fonctions assurées par le sol. D’autre part,
les propriétés concernées sont par définition dynamiques et leur quantification devrait donc être
rafraichie, potentiellement à une fréquence élevée : par exemple la porosité totale d’un sol peut fluctuer
en un instant (compaction). La plupart des travaux se focalisent donc sur quelques fonctions pour évaluer
la qualité du sol.
L’évaluation de la qualité du sol repose en général sur 4 étapes (Wienhold et al., 2004; Bünemann et al.,
2018) :
1. Sélection des fonctions/services dont on souhaite connaître l’état/performance
2. Pour chacune des fonctions : sélection des indicateurs (= propriétés ou constituants du sol) qui
vont permettre d’évaluer l’état/ la performance de cette dernière
3. Choix de la méthode de traduction des indicateurs pour évaluer l’état des fonctions du sol et
choix de la méthode d’agrégation des résultats obtenus pour chaque indicateur afin de refléter
au mieux la fonction.
4. Sélection de la méthode d’agrégation des résultats obtenus pour chacune des fonctions afin de
compiler les résultats sous forme d’indice de qualité des sols.
Chaque étape peut reposer aussi sur bien des données objectives que sur des avis d’un panel d’expert, en
général l’une et l’autre source sont utilisées. L’expertise est toujours nécessaire mais son intervention
(éventuellement arbitraire) est souvent masquée par des formulations mathématiques.
7Figure 3 : Représentation schématique des étapes d’une évaluation de la qualité du sol
QUALITÉ DES SOLS : MÉTHODOLOGIE APPLIQUÉE
Nous avons distingué deux catégories d’informations pour ce travail :
• Les informations cartographiques permettant de subdiviser le territoire en catégories d’usage
ayant – a priori – des conséquences sur les propriétés des sols (par ex. forêt, parcelle agricole,
parc, remblai de construction). Par définition ces informations territoriales sont hiérarchisables,
disponibles sur tout le territoire et concordantes entre elles (ci-dessous) (données de base)
• Les informations plus ou moins directes sur les sols (données additionnelles), généralement
clairsemées, sous forme de point (par ex. un sondage) ou de surface (sites pollués, portions de
cartes pédologiques, zones d’emprise) ou encore couvrant parfois tout le territoire
(topographie). Par définition ces données sont discordantes aux catégories d’usage des sols :
elles peuvent impacter n’importe quel polygone de ces catégories, et ne tiennent pas compte de
leur nombre et leur forme. Elles permettent de préciser les estimations des propriétés issues des
catégories d’usage. Parfois elles les requalifient purement et simplement (présence de données
pédologiques fiables), parfois elles se surimposent en imposant la valeur de certaines propriétés
(sites pollués), le plus souvent elles modulent la note tout en augmentant la fiabilité.
Le processus appliqué peut se résumer selon les étapes suivantes :
1. Sélection des documents disponibles (a priori sources cartographiques électroniques)
permettant de pré-supposer des propriétés des sols (processus expert).
a. Par exemple, un secteur forestier non remanié, ou un remblai de grands travaux
offriront a priori des propriétés très distinctes.
2. Hiérarchisation de ces documents dans un logigramme permettant de subdiviser l’ensemble du
territoire en sous-catégories, dont la définition est croissante à travers la hiérarchie. Le
logigramme dispose a priori3 des propriétés suivantes
a. Tout le territoire est représenté à chaque niveau de la hiérarchie
b. Chaque catégorie territoriale est subdivisée, dans le niveau de hiérarchie suivant, en
sous-catégories (i) représentant au total l’ensemble de la catégorie « parente » et (ii)
d’intersection vide.
c. Lorsque des catégories du niveau hiérarchique n+1 sont lacunaires relativement à la
catégorie mère du niveau n, ce sont les propriétés de cette dernière qui s’appliquent.
3
La présence de contradictions à ces propriétés est facilement testée par l’IQS. Elle permet le cas échéant
de repérer des incohérences ou des défauts aux couches territoriales utilisées.
83. Notation des propriétés des sols et de leur fiabilité à travers le logigramme sur la base d’une
expertise collégiale (note prédite) (Rutgers et al., 2012).
4. Génération des polygones cartographiques correspondant à ce logigramme = segmentation.
5. Correction des valeurs de propriétés des polygones par les données additionnelles lorsqu’elles
existent.
6. Documentation des fonctions de pédotransfert permettant de donner un score de qualité par
fonction à chaque polygone, à partir des propriétés renseignées.
LA ZONE D’ÉTUDE
La zone d’étude est constituée des 10 communes de l’association Région Morges (Figure 4) soit Denges,
Echandens, Echichens, Lonay, Lully, Lussy-sur-Morges, Morges, Préverenges, Saint-Prex et Tolochenaz. Ce
périmètre de 39,71 km2 concerne aussi bien le milieu bâti, le domaine public, les espaces agricoles,
forestiers, et les milieux naturels.
Les communes d’Echandens, Lonay et Morges sont les communes pilotes dans le cadre de cette étude.
Figure 4 Périmètre de référence pour l'élaboration de la carte de qualité des sols (trait noir) et communes pilotes (trait rouge
clair)
9FONCTIONS À ÉVALUER
Plusieurs fonctions ont été envisagées (e.g. production de biomasse, support de biodiversité, régulation
du cycle de l’eau etc.) et n’importe quelle fonction peut être implantée dans l’IQS sous sa forme actuelle.
A des fins de démonstration ce travail s’est focalisé sur une fonction de « régulation » appartenant à la
sous-fonction « cycle de l’eau » selon (Greiner et al., 2017). La sous- fonction « cycle de l’eau » est très
vaste, elle comprend entre autres plusieurs processus/propriétés : purification de l’eau, réserve utile pour
les plantes ou encore infiltration de l’eau. La fonction « régulation des crues » a été traitée dans la suite
de ce rapport comme fonction test. Afin que la dénomination de la fonction (ou sous-fonction) puisse être
claire pour les décideurs qui utiliseront la carte de qualité des sols, nous avons choisi d’utiliser le terme
employé par la FAO pour désigner les fonctions du sol liées à l’eau. En effet, la FAO décompose le cycle
de l’eau en deux fonctions : « purification de l’eau » et « régulation des crues ».
CHOIX DES INDICATEURS/ PROPRIÉTÉS À PRENDRE EN COMPTE
La fonction « régulation des crues » est la capacité du sol à absorber l’eau en cas de pluie afin d’éviter que
cette dernière ne ruisselle et provoque des inondations par surcharge des réseaux d’évacuation. Cette
fonction dépend de la capacité du sol à infiltrer l’eau en surface (perméabilité de surface), de la porosité
et de la profondeur utile du sol. En effet, si le sol est très perméable en surface mais que la porosité du
sol et la profondeur sont faibles, le réservoir sol va vite se saturer et l’eau va ruisseler.
Les trois indicateurs prix en compte dans cette étude pour estimer l’état de la fonction « régulation des
crues » sont donc la perméabilité de surface, la porosité et la profondeur utile du sol.
CHOIX DU MODE DE TRADUCTION DES INDICATEURS POUR ÉVALUER LA
PERFORMANCE DE LA FONCTION.
Par choix du mandant, les indicateurs sont notés de 1 à 6. La note de 6 signifie que l’indicateur est
parfaitement à même de supporter la fonction prise en compte.
CHOIX DU MODE D’AGRÉGATION DES INDICATEURS POUR REFLETER L’ÉTAT DE LA
FONCTION
Ici nous avons choisi d’utiliser la méthode de pondération préconisée par SMAF (Soil Management
Assessment Framework) (Andrews et al., 2011) pour évaluer la performance d’une fonction. Les
coefficients ont été choisis par nos soins en tant qu’expert. Ils peuvent être modifiés facilement et
participent à la flexibilité de la méthode
Exemple : Indice de qualité pour la fonction « régulation des crues » = (6 × score « perméabilité de
surface » + 2 × « porosité » + 2 « profondeur du sol ») / 10
CHOIX DE LA MÉTHODE D’AGRÉGATION DES INDICES PAR FONCTION EN UN INDICE
DE QUALITÉ DES SOLS.
Pour l’instant, une seule fonction est implémentée, par conséquent nous n’avons pas statué sur ce point.
Dès que plusieurs fonctions seront implémentées, il sera éventuellement possible de combiner les
résultats obtenus en un seul et unique indice de qualité des sols. L’agrégation se fait en principe par
10somme pondérée. La méthode employée donne à l’utilisateur la possibilité de choisir le poids qu’il
souhaite attribuer à chaque fonction au sein de l’indice au regard des problématiques locales.
SEGMENTATION DU TERRITOIRE - LOGIGRAMME
La première segmentation du territoire se base sur des données disponibles partout en Suisse (ce qui rend
l’IQS transposable). Ceci correspond dans l’IQS à quatre couches (ou groupe de couche) d’information
principales :
• Zones d’affectation (« SAT_SAT_TPR_PAF » = nom de la couche dans la BD (base de données) à
disposition de l’ensemble des participants au projet)
• Surfaces agricoles géo-référencées (« Géo_2020_06_18 »)
• Bâtiments («MOVD_CAD_TPR_BATHS_S » et «MOVD_CAD_TPR_BATSS_S » )
• Zones exemptes de sol : union des couches d’information représentant les routes, les chemins
de fer, les rivières, les étendues d’eau…) (voir liste des données utilisées dans le rapport
technique – « 1. Données en entrée ».
À partir de ces informations de base, nous avons développé un logigramme permettant de structurer le
travail de prédiction des indicateurs. Ce logigramme permet de hiérarchiser les informations issues des
différentes couches utilisées lors de la segmentation afin de regrouper les entités territoriales qui peuvent
être notées de la même manière du point de vue de leurs propriétés.
Au troisième niveau du logigramme intervient la couche « Indice de végétation » (NDVI) ciblée sur des
polygones pour lesquels cette information est nécessaire : zones à bâtir (Couche zones d’affectation),
zone ferroviaire et bâtiments. Cette couche permet de distinguer les surfaces vertes de celles qui ne le
sont pas (chemins privés, parkings) et d’identifier les bâtiments ayant des toitures végétalisées.
Dans certaines communes, une couche concernant l’entretien différencié des espaces verts publics était
disponible (« ED_INVENTAIRE/CAT_ENTRET »). Cette couche permet de différencier les types de
revêtement du sol en milieu urbain (ex. gazon, zone mixte, revêtement semi-perméable, etc.). Lorsque
disponible, cette couche a été utilisée au tout premier niveau du logigramme. La couche « Indice de
végétation » n’a pas été nécessaire dans ce cas et n’a pas été appliquée.
La fin de logigramme aboutit à une catégorisation du territoire aussi fine que possible pour la prédiction
des propriétés du sol. Sur cette base des polygones sont créés. Ils appartiennent nécessairement à l’une
des catégories en bas de logigramme, et l’ensemble des polygones couvre donc l’ensemble du territoire
d’étude.
Ce logigramme est évolutif : de nouvelles couches ou catégories dans une couche peuvent être intégrées.
Il suffit alors de reconstituer ou compléter les fils de notation des propriétés renseignées (ci-après).
11Figure 5. Logigramme complet de la zone d'étude créé à partir des couches d’information utilisées lors de la segmentation
12NOTATION : PROPRIÉTÉS DU SOL ET LEUR FIABILITÉ À TRAVERS LE LOGIGRAMME
La notation introduit dans le logigramme des informations de plus en plus précises issues des couches de
base. Ainsi, au fur et à mesure que l’on descend dans le logigramme, la fiabilité ne peut qu’augmenter.
L’important est que la dernière catégorie en bas de logigramme soit renseignée. Renseigner le niveau
hiérarchique supérieur permet, en cas de manque d’information, de disposer tout de même d’une
estimation. Le premier niveau a pris en compte des informations dans un ordre de priorité : bâtiments >
zones exemptes de sol > parcelles agricoles géoréférencées > Zones d’affectation. Ces couches ont été
extrudées des zones d’affectation dans cet ordre successif comme illustré en (Figure 5), au premier
niveau.
Chaque fonction nécessite un set d’indicateurs (= propriétés du sol et/ou constituants) qui doivent donc
être renseignés dans le logigramme. Pour la fonction « régulation des crues » nous avons estimé en les
notant de 1 à 6 (1 = nul ; 2= très faible ;3= faible ; 4= moyen ; 5= bon ; 6= très bon) l’état des indicateurs
perméabilité de surface, porosité moyenne et profondeur utile du sol.
Chaque estimation de l’état d’un indicateur est assortie d’une note de fiabilité reflétant la qualité de
l’estimation (de 1 à 6 : 1 = nul ; 2= très faible ;3= faible ; 4= moyen ; 5= bon ; 6= très bon).
La notation se fait indicateur par indicateur de manière relative. Par exemple les forêts non
exploitées/protégées sont les entités qui reçoivent les meilleures notes prédites tandis que les sols
artificialisés/remaniés reçoivent les notes les plus basses. Tout ce qui n’est pas du sol (routes, bâtiments
non végétalisés, etc.) obtient systématiquement la note de 1 (pour les routes la présence d’enrobé
drainant (PA), non renseignée ici, permettrait de modifier leur note prédite). La notation est basée sur la
littérature et/ ou l’expertise collective. Le détail des notes prédites par propriété ainsi que les bases
scientifiques sur lesquelles elles reposent sont compilées dans le fichier Excel joint à ce rapport (onglet
« note logigramme »).
Après cette étape, chaque polygone de la carte dispose d’une note prédite et d’une fiabilité associée.
C’est alors que les données additionnelles sont utilisées.
MODULATION DES NOTES PAR LES DONNÉES ADDITIONNELLES LOCALES
Les notes indiquant l’état des indicateurs et leur fiabilité sont modulées pour chaque polygone en fonction
de la présence de données additionnelles sur ces polygones.
Des données additionnelles tels que la pente, la présence de sites pollués, des informations sur la géologie
ou les nappes superficielles, etc. vont modifier les notes reflétant l’état des indicateurs et leur fiabilité.
Tandis que des données additionnelles issues d’analyses de sol mesurées sur le terrain (analyse MO/A,
profondeur du sol, etc…) vont plutôt remplacer l’estimation faite, ainsi que la fiabilité associée. Les
facteurs de modulation des propriétés sont reportés dans le tableau Excel joint au rapport (onglet :
modulation).
Par exemple, les information de l’OFROU sur les routes (base MISTRA) permettraient de moduler la note
de perméabilité des routes en fonction du type revêtement utilisé.
Si les données additionnelles sont de type :
13• Ponctuelles à modulation de la note pour l’ensemble du polygone (ex : mesure de la profondeur
du sol)
• Surfaciques à modulation de la note uniquement sur la partie du polygone intersectée
seulement (génération d’un sous polygone)
ESTIMATION DES FONCTIONS À PARTIR DES PROPRIÉTÉS MODULÉES
Pour chaque polygone, l’estimation de la fonction et de sa fiabilité se font à partir des notes d’état et de
fiabilité des indicateurs/propriétés après que ces dernières ont été modulées par les données
additionnelles locales.
Une formule unique par fonction est introduite : elle s’applique à l’ensemble du territoire.
Exemple :
Fonction régulation des crues (FRC)
Propriétés en jeu : Perméabilité de surface (PER), profondeur utile (Prof) et porosité utile (P%)
FRC (varie de 1 à 6) = Indice de qualité pour la fonction « régulation des crues » = 0.6×score « perméabilité
de surface » + 0.2 × « porosité » + 0.2 « profondeur utile du sol »
La fiabilité peut s’appuyer sur la même formule :
Fiabilité (varie de 1 à 6) = 0.6 X Fiab PER + 0.2 X Fiab Prof+ 0.2X Fiab P%
14IMPLÉMENTATION
Une implémentation complète de la chaîne de traitement permettant de reproduire les résultats à partir
des différentes données géomatiques disponible a été réalisée à la HEIG-VD.
Cette chaîne de traitement s’appuie sur un ensemble de logiciels majoritairement libres. Seul le logiciel
payant FME, qui permet la manipulation aisée de données vectorielles a été utilisé. Les autres logiciels /
outils utilisés sont GDAL, OrfeoToolBox, Python et QGIS.
Dans un premier temps, la fusion des couches vectorielles est réalisée avec un script FME, ce script permet
de récupérer les couches et les attributs utiles pour l’implémentation du logigramme décrit dans la partie
précédente. FME permet également de réaliser les zones tampons autour de certains objets (comme les
bâtiments ou les routes).
Dans un second temps, les données vectorielles sont enrichies à partir des données images. Ici nous avons
utilisé les ortho-images multispectrales (RVG + proche-infrarouge) de la confédération (SwissImageRS).
Ces données n’étant pas mosaïquée, une première étape de mosaïquage a dû être nécessaire afin de
pouvoir utiliser ces données. Un indice de végétation normalisé (NDVI) est calculé à partir des bandes
rouge et proche-infrarouge. Cet indice permet alors de classer les bâtiments avec une toiture végétalisée,
ainsi que de détecter les chemins privés et autres zones non végétalisées dans les zones à bâtir, comme
expliqué dans la partie précédente.
Une fois la base de données constituée avec l’ensemble des attributs nécessaires au parcours du
logigramme présenté précédemment, un script python vient implémenter l’ensemble des règles de ce
dernier afin d’affecter les notes à chaque polygone de la base. Par suite, un second script permet
d’appliquer la régulation de la note selon des critères discordants vus dans la partie précédente.
Enfin, ces données vectorielles annotées sont transformées en images colorées afin d’être diffusées sur
internet : https://iqs.heig-vd.ch/maps
Le détail de l’installation de ces logiciels et de l’utilisation des différents scripts permettant de
reproduire les résultats obtenus dans cette étude se trouve dans le rapport technique en annexe de ce
document.
15DISCUSSION ET CONCLUSIONS
Le système IQS est en devenir, l’implantation de nouvelles propriétés et fonctions peut être poursuivie.
Son objectif principal est de permettre aux décideurs territoriaux de visualiser la ressource en sol et
l’impact de leurs décisions sur cette ressource, de façon dynamique.
En conséquence, la première qualité à évaluer est son attractivité pour les utilisateurs, permettant ou
non d’étendre significativement la prise en compte de la qualité des sols dans les décisions de gestion
territoriale.
Il se caractérise avant tout par sa plasticité, la possibilité de donner une évaluation de la qualité du sol
même en l’absence de données directement disponibles tout en assurant la compatibilité avec les bases
de données pédologiques, cartographiques ou non. Il permet de mettre rapidement sur pied un outil de
visualisation et quantification de la qualité des sols sur un territoire. Par l’utilisation de couches
d’informations SIG disponibles sur l’ensemble du territoire suisse, il est transposable à d’autres territoires
moyennant quelques adaptations selon l’existence de couches locales, en particularité de données
additionnelles.
PROPRIÉTÉS DE L’IQS MORGES-AGGLOMÉRATION
L’IQS est un système totalement ouvert/adaptable. Il obéit à une démarche très mimétique de la
cartographie des sols, tout en puisant dans les méthodologies des indices de qualité. En particulier toute
source d’information directe sur les sols peut immédiatement être prise en compte via les données
additionnelles.
Les quatre étapes décrites en méthodologie peuvent toutes être adaptées.
- Introduction de nouvelles couches dans le logigramme
- Modification des notes prédites des propriétés le long du logigramme
- Introduction de nouvelles propriétés
- Prise en compte de nouvelles données
- Modification des modulations de notes par les informations additionnelles4
- Modification de la formulation des fonctions4
- Introduction de nouvelles fonctions4
UTILISATION – POTENTIEL D’APPLICATION – LIMITES
L’IQS permet aux acteurs du développement territorial de se poser la question de la gestion des
ressources en sol, et de visualiser l’impact de leurs décisions sur cette ressource, en même temps que de
prendre la mesure des incertitudes liées à cette évaluation faute de données. L’IQS offre aux utilisateurs
une vison territoriale de la qualité des sols. Il peut être questionné notamment par l’introduction de
scénarii d’aménagement et la recherche de « Land degradation neutrality », par exemple, en simulant
avec l’IQS l’effet de l’aménagement d’un nouveau quartier.
4
En lien avec ceci, voir le commentaire sur le suivi temporel de la qualité ci-après.
16L’IQS pourrait servir de support à des modélisations distribuées, par exemple sur le contrôle des crues. Le
système étant ouvert, une recherche de ce type est tout à fait envisageable : un modèle de propagation
des crues peut être calé sur la distribution spatiale de la fonction de régulation couplée au modèle
numérique de terrain et au réseau de collecte des eaux.
L’IQS permet de repérer les secteurs où les propriétés des sols sont insuffisamment connues, et de
visualiser les données qui font défaut, par exemple une mauvaise fiabilité sur la production de biomasse
ou sur l’usage récréatif provenant d’une suspicion de pollution non renseignée (par exemple bordure de
route, jardins communautaires). De manière générale, l’ensemble des polygones de la carte pour lesquels
les notes de propriétés n’ont pas été modulées par des données additionnelles correspondent à des zones
ou les données sols sont lacunaires. En ce sens, l’IQS est un outil de repérage des priorités d’investigation,
potentiellement utile pour déterminer les activités prioritaires de collecte de données directes.
Les prédictions de l’IQS sont d’autant plus indicatives que (i) les données sont lacunaires (dernières
couches du logigramme non renseignées par exemple) et (ii) les échelles sont détaillées (< 1/5000). Ceci
n’est plus vrai lorsque des données pédologiques sont disponibles.
Il serait intéressant de tester la fiabilité des estimations (propriétés, fonctions et fiabilités), mais cette
évaluation n’est pas du tout triviale. Elle dépend de multiples conditions très casuelles et/ou dépendantes
de l’opérateur. Ce souci d’exactitude ne doit pas (i) conduire à rechercher une évaluation locale exacte au
détriment (ii) de l’opérationnalité de l’IQS : le premier critère servant à évaluer la qualité de l’IQS doit être
son attractivité et son usage effectif par les décideurs territoriaux. Si l’on prend l’exemple de la pollution,
la fiabilité locale (en un point particulier) dépend plutôt de la disponibilité de données additionnelles
pédologiques (e.g. une analyse de polluants) tandis que la prédiction tient compte de la probabilité que
le sol soit pollué (e.g. bordure de route nationale, jardin communautaire, friche industrielle).
EVOLUTION ET AMÉLIORATION
Beaucoup de données source qui seraient très utiles n’ont pas encore été introduites dans l’IQS sur la
zone Morges agglomération. Ainsi, le simple fait de disposer des analyses de sols faites tous les 10 ans par
les agriculteurs5 ou des demandes de subventions agricoles dans le domaine des prestations écologiques
requises permettraient de préciser fortement les notations (couverture du sol, non labour etc.).
Dans le futur, disposer des profondeurs des sols en milieu urbains, qui pourraient être documentées à
chaque interventions de voirie liée à de l’entretien permettrait d’améliorer fortement la prédiction dans
ce contexte. De même on pourrait utiliser au mieux les traitements de vues aériennes, voire leur
chronologie temporelle. Enfin, le rafraichissement par assimilation régulière des couches utilisées reste à
automatiser.
De manière analogue, une utilisation plus poussée des données géographiques existantes a été envisagée
pendant cette étude, comme par exemple :
• L’utilisation des données issues du Modèle Numérique de Terrain afin d’ajouter des règles de
modulation de certaines propriétés, par exemple en cas de forte pente, ou grâce à des indices
5
Ces données ne sont pas encore géo-référencées automatiquement sur Vaud
17plus complexes comme le TPI (Topographic Position Index), le TRI (Terrain Ruggedness Index) et
le TWI (Topographic Wetness Index) ;
• L’utilisation des données LiDAR (maintenant disponible gratuitement sur une grande partie du
territoire Suisse) pour obtenir de l’information sur la végétation présente (hauteur de végétation,
nombre d’arbres, largueur des arbres…) qui pourra également servir à affiner les règles de
modulation (détection des arbres anciens…) ;
• L’utilisation conjointe de données LiDAR et photographie aérienne (avec infrarouge), couplées à
des méthodes d’apprentissage automatique, ces données pourront servir à extraire des
informations complémentaires plus complexe, comme les jardins potagers qui sont une source
importante de pollution des sols.
Beaucoup de fonctions de l’IQS peuvent être développées : reconnaissance de secteurs, des facteurs de
fiabilité par exemple, ergonomie d’utilisation en général.
Une amélioration fonctionnelle importante serait la conception d’un modèle de données générique
permettant la construction du logigramme et l’implémentation automatique des notes dans la base de
données. Ce système devra être assez flexible pour s’adapter aux données hétérogènes des différents
territoires à couvrir : en permettant l’utilisation des données les plus précises (plus locales : canton,
commune) quand elles sont disponibles, et des données plus générique (de la confédération par exemple)
dans le cas contraire. Ainsi, un lien logiciel entre le logigramme et le SIG générant la représentation
cartographique serait possible. De cette façon, l’étape de génération d’un code (Python) interprétant le
logigramme serait automatisée, ce qui ferait gagner beaucoup de temps lors d’améliorations, ou pour
porter le IQS vers une autre zone géographique.
Pour le suivi dans le temps de la qualité des sols, lorsque des changements sont opérés au sein du système
de calcul de l’IQS entre deux évaluations, il faut pouvoir actualiser l’information ancienne (date
antérieure) avec la méthode de calcul la plus récente. Cette fonctionnalité serait à développer.
18RELATION AVEC LES SYSTÈMES D’INFORMATIONS PÉDOLOGIQUES
Avant toute chose IQS ne prétend pas remplacer un système d’information pédologique. Il se comprend
comme un système très complémentaire prenant naturellement en compte les données disponibles. Tout
système d’information pédologique disponible sera automatiquement pris en compte dans l’IQS au
moyen de la procédure de modulation par les données additionnelles.
A partir d’un champ de données pédologiques, il est possible d’interpoler et d’estimer certaines fonctions
dans l’espace à l’aide de méthodes d’interpolation numérique. Ceci pose cependant de très nombreux
problèmes d’inférence, notamment pour gérer les discontinuités territoriales (d’usage, géologiques etc.).
L’interpolation vise à s’approcher d’une exactitude locale, ce qui n’est pas le cas de l’IQS. Il serait d’ailleurs
particulièrement intéressant de combiner les différentes approches de l’évaluation de la qualité du sol
dans des secteurs où l’information serait abondante. Ceci relève de la recherche et permettrait de mettre
en lumière les conflits et synergies potentiels entre les cartographies numériques des fonctions et la
méthode IQS. Il y a de fortes chances que les réflexions principales portent alors sur les discontinuités
territoriales telles qu’usage des sols.
Enfin, parce que l’IQS permet de souligner l’insuffisance de fiabilité lorsque les données pédologiques
sont rares, cela permet de soutenir et prioriser la nécessité de renseigner les systèmes d’information.
19RÉFÉRENCES CITÉES
Adhikari, K. & Hartemink, A.E. 2016. Linking soils to ecosystem services — A global
review. Geoderma, 262, 101–111.
Andrews, S.S., Karlen, D.L. & Mitchell, J.P. 2011. Soil Quality: Tools: Lab-based
Assessments: SMAF. (At: http://soilquality.org/tools/smaf_intro.html. Accessed:
27/5/2015).
Bouma, J., Ittersum, M.K. van, Stoorvogel, J.J., Batjes, N.H., Droogers, P. & Pulleman,
M.M. 2017. Soil Capability: Exploring the Functional Potentials of Soils. In:
Global Soil Security, pp. 27–44. Springer, Cham.
Bünemann, E.K., Bongiorno, G., Bai, Z., Creamer, R.E., De Deyn, G., de Goede, R.,
Fleskens, L., Geissen, V., Kuyper, T.W., Mäder, P., Pulleman, M., Sukkel, W.,
van Groenigen, J.W. & Brussaard, L. 2018. Soil quality – A critical review. Soil
Biology and Biochemistry, 120, 105–125.
CCE. 2006. Proposition de directive du parlement européen et du conseil définissant un
cadre pour la protection des sols et modifiant la directive 2004/35/CE. (At:
http://eur-lex.europa.eu/legal-
content/FR/TXT/PDF/?uri=CELEX:52006PC0232&from=FR. Accessed:
25/2/2016).
Climate Change and Land — IPCC. (At: https://www.ipcc.ch/report/srccl/. Accessed:
7/10/2019).
De Groot, R.S., Wilson, M.A. & Boumans, R.M. 2002. A typology for the classification,
description and valuation of ecosystem functions, goods and services. Ecological
economics, 41, 393–408.
Dominati, E., Patterson, M. & Mackay, A. 2010. A framework for classifying and
quantifying the natural capital and ecosystem services of soils. Ecological
Economics, 69, 1858–1868.
Greiner, L., Keller, A., Grêt-Regamey, A. & Papritz, A. 2017. Soil function assessment:
review of methods for quantifying the contributions of soils to ecosystem services.
Land Use Policy, 69, 224–237.
Grêt-Regamey, A., Kool, S., Bühlmann, L. & Kissling, S. 2017. Un agenda du sol pour
l’aménagement du territoire. Comité de direction du Programme national de
recherche « Utilisation durable de la ressource sol » (pnr 68). Berne, Switzerland.
20de Groot, R.S., Alkemade, R., Braat, L., Hein, L. & Willemen, L. 2010. Challenges in
integrating the concept of ecosystem services and values in landscape planning,
management and decision making. Ecological Complexity, 7, 260–272.
Hooper, D.U., Chapin, F.S., Ewel, J.J., Hector, A., Inchausti, P., Lavorel, S., Lawton,
J.H., Lodge, D.M., Loreau, M., Naeem, S., Schmid, B., Setälä, H., Symstad, A.J.,
Vandermeer, J. & Wardle, D.A. 2005. Effects of biodiversity on ecosystem
functioning: a consensus of current knowledge. Ecological Monographs, 75, 3–
35.
Keesstra, S., Mol, G., De Leeuw, J., Okx, J., Molenaar, C., De Cleen, M. & Visser, S.
2018. Soil-Related Sustainable Development Goals: Four Concepts to Make Land
Degradation Neutrality and Restoration Work. Land, 7, 133.
Legros, J.-P. 1996. Cartographies des sols: de l’analyse spatiale à la gestion des
territoires. PPUR presses polytechniques.
Montanarella, L., Pennock, D.J., McKenzie, N., Badraoui, M., Chude, V., Baptista, I.,
Mamo, T., Yemefack, M., Singh Aulakh, M., Yagi, K., Young Hong, S.,
Vijarnsorn, P., Zhang, G.-L., Arrouays, D., Black, H., Krasilnikov, P., Sobocká,
J., Alegre, J., Henriquez, C.R., de Lourdes Mendonça-Santos, M., Taboada, M.,
Espinosa-Victoria, D., AlShankiti, A., AlaviPanah, S.K., Elsheikh, E.A.E.M.,
Hempel, J., Camps Arbestain, M., Nachtergaele, F. & Vargas, R. 2016. World’s
soils are under threat. SOIL, 2, 79–82.
Rutgers, M., van Wijnen, H.J., Schouten, A.J., Mulder, C., Kuiten, A.M.P., Brussaard, L.
& Breure, A.M. 2012. A method to assess ecosystem services developed from soil
attributes with stakeholders and data of four arable farms. Science of The Total
Environment, 415, 39–48.
Stavi, I. & Lal, R. 2015. Achieving Zero Net Land Degradation: Challenges and
opportunities. Journal of Arid Environments, 112, 44–51.
Steiger U., Knüsel P. Rey L. & Rey L. 2018. Utiliser la ressource sol de manière durable.
Synthèse générale du Programme national de recherche « Utilisation durable de
la ressource sol » PNR 68. Berne. (At: https://issuu.com/snsf/docs/nfp_68_gs-fr.
Accessed: 8/3/2021).
Toth, G., Montanarella, L. & Rusco, E. 2008. Threats to Soil Quality in europe. G. Tóth,
L. Montanarella and E. Rusco, EUR 23438 EN – Joint Research Centre – Institute
for Environment and Sustainability. (At: DOI 10.2788/8647. ).
21Wienhold, B.J., Andrews, S.S. & Karlen, D.L. 2004. Soil Quality: A Review of the
Science and Experiences in the USA. Environmental Geochemistry and Health,
26, 89–95.
22Vous pouvez aussi lire
