La compréhension de la répartition spatiale des sols et leur cartographie est un enjeu important tant les services écosystémiques rendus par les sols ont un rôle fondamental dans les enjeux agro-environnementaux actuels. A l’échelle nationale, les données pédologiques sont fournies via des cartographies au 1 :250 000 des types de sols (Référentiel Régional Pédologique, RRP) dont la résolution est devenue insuffisante pour répondre à ces enjeux. Placés dans un contexte de cartographie numérique des propriétés des sols à l’échelle régionale (Languedoc-Roussillon) caractérisé par une grande étendue (27 236 km²) et une faible densité de données sur les sols ( 1 observation/13.5 km2), les travaux de thèse ont eu pour objectif de réaliser une nouvelle infrastructure de données pédologiques régionale satisfaisant les spécifications édictées dans le projet international GlobalSoilMap et répondant aux besoins des utilisateurs de la région.Dans un premier temps, plusieurs approches connues de cartographie numérique des sols utilisant les diverses données pédologiques issues du RRP ont été appliquées et comparées entre elles. Les meilleurs résultats ont été obtenus par des approches de régression krigeage utilisant les profils avec analyses de sol existant dans le RRP. Pour le pH, le carbone organique et les variables de texture (argile, limon, sable) les performances de prédiction se sont avérés modérées mais suffisantes pour permettre la production de cartes informatives (R2 entre 0.2 et 0.7). En revanche les propriétés de sol avec une trop faible densité de profils et/ou variant sur des distances trop courtes (Eléments grossier, Profondeur, CEC) n’ont pu être prédites .Dans un deuxième temps, des méthodologies ont été proposées et testées pour mieux estimer les incertitudes de prédictions de propriétés de sol. Concernant les incertitudes locales, des progrès par rapport à l’utilisation de la régression krigeage ont été obtenus avec l’utilisation d’arbres de régression quantile. Ces incertitudes locales ont pu d’autre part être propagées dans les calculs d’indicateurs de sol caractérisant des entités géographiques de la région (exemple : commune). Enfin une troisième étape a été consacrée à la mise en production effective de la nouvelle infrastructure de données pédologique régionale permettant une diffusion des cartes obtenues dans cette thèse vers les utilisateurs.Les résultats de la thèse permettent de démontrer la faisabilité d’une approche de cartographie numérique des propriétés de sols à l’échelle régionale qui pourra être généralisée sur le territoire français. Bien que certains verrous méthodologiques restent à lever (ex : modèles de prédiction pour données censurées, covariable « lithologie »), la faible densité des observations pédologiques stockées actuellement en bases de données représente le facteur limitant majeur qui devra être levé dans l’avenir pour obtenir des cartes numériques de propriétés de sol à des précisions acceptables et incertitudes connues. / Depicting and mapping the soil variability is an important issue since the ecosystem services provided by soils play an important role in solving the current agro-environmental challenges. At the French national scale, the pedological data are currently provided by regional soil databases (« Référentiel Régionaux Pédologiques », RRP) at 1:250,000. However they provide soil information at a spatial resolution that is too coarse for addressing these challenges. This thesis undertakes a Digital Soil Mapping approach at the regional scale in a region (Languedoc-Roussillon) characterized by a great extent (27 236 km ²) and a low density of soil observations (1 observation/13.5 km2). The goal is to produce a new regional infrastructure of pedological data that could satisfy the specifications enacted in the international project GlobalSoilMap and that meets the needs of the local end-users. In a first step, several known approaches of digital soil mapping using the various pedological data available in the RRP were applied and compared. The best results were obtained by a regression-kriging approach using the legacy measured soil profiles of the RRP. For the pH, organic carbon and the variables of texture (clay, silt, sand) the performances of prediction were of moderate quality but sufficient to allow the production of informative maps (R2 between 0.2 and 0.7). Conversely the soil properties with a too low density of profiles and/or that varied within too short distances (coarse fragment, soil Depth, CEC) could not be predicted. In a second step, methodologies were proposed and tested for better estimating uncertainties of predictions of soil properties. Concerning local uncertainties, a progress compared to the use of Regression Kriging was obtained with the use of Quantile Regression Tree. These local uncertainties could in addition be propagated in calculations of soil indicators characterizing the geographical entities of the area (example: districts). Finally a third stage was devoted to the setting in effective production of the new regional infrastructure of pedological data, which allowed the diffusion of the maps obtained in this thesis towards the users. The results of the thesis demonstrate the feasibility of a digital soil mapping approach at the regional scale that could be generalized over the French territory. Although some methodological obstacles have to be addressed (ex: models of prediction for censored data, soil covariate “lithology”), the low density of the pedological observations currently stored in regional databases represents the major limiting factor, which will have to be addressed in the future to obtain digital maps of soil properties with acceptable and known precision.
| Identifer | oai:union.ndltd.org:theses.fr/2015NSAM0036 |
| Date | 16 December 2015 |
| Creators | Vaysse, Kevin |
| Contributors | Montpellier, SupAgro, Lagacherie, Philippe |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French, English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0026 seconds