Propriétés de granulométrie (argile, limons, sables) et d’éléments grossiers pour la France métropolitaine au pas de 90 m

Contexte Le Réservoir utile des sols (RU) correspond à la quantité maximale qu’un sol peut retenir et restituer aux plantes. Les prédictions spatiales du RU par cartographie numérique à haute résolution sur le territoire métropolitain fournissent des informations pertinentes pour leur utilisation par des modèles écologiques et hydrologiques sur de vastes territoires et pour l'évaluation des services écosystémiques des sols tels que la régulation des flux d’eau, la séquestration du carbone et la fourniture de nourriture et de matières premières. Cependant, les prédictions spatiales du RU sont sujettes aux erreurs et aux incertitudes. De plus, la cartographie numérique des sols nécessite l'utilisation de fonctions de pédotransfert (FPT) en raison du manque de mesures géoréférencées suffisantes des limites supérieures (c'est-à-dire l'humidité du sol à la capacité au champ, θCC) et inférieures (c'est-à-dire l’humidité au point de flétrissement permanent, θPFP) de la teneur en eau du sol définissant le RU. Les objectifs de cette étude sont : 1) de prédire le RU pour la France métropolitaine en suivant les spécifications du projet GlobalSoilMap (GSM), et 2) de quantifier les incertitudes d’estimation du RU correspondant à celles des variables d’entrée et à celles des coefficients des FPT. Méthodes L’approche utilisée de cartographie numérique consiste à prédire la teneur en argile et en sable pour les 6 couches GSM d’intervalles de profondeur 0-5, 5-15, 15-30, 30-60, 60-100 et 100-200 cm en combinant des modèles de régression et des modèles géostatistiques. Tout d’abord, les données granulométriques de calibration sont transformées par la transformation en log ratio additive afin d’obtenir calyalr et siltalr. Puis, des modèles de régression utilisant l’algorithme Cubist et 44 covariables descriptives des facteurs SCORPAN (sol, climat, végétation, relief et matériau parental) ont été ajustés. Les résidus des modèles ont été calculés aux points de calibration et un modèle linéaire de corégionalisation a été ajusté entre ces résidus pour les deux variables et pour chaque couche GSM. Les résidus de argilealr et siltalr ont ensuite été interpolés par co-krigeage ordinaire en utilisant les 10 observations les plus proches. Les prédictions finales ont été calculées par addition des résidus krigés aux prédictions Cubist (i.e. régression-krigeage), puis retransformées dans l’échelle d’origine des données granulométriques. Ainsi, dans un premier temps nous avons obtenu argilealr, siltalr, argile, limon et sable. La variance de krigeage des résidus des variables alr était également un sous-produit de la procédure de krigeage. Les éléments grossiers (volume d'éléments grossiers en %) ont été modélisés avec des forêts de régressions quantiles, prédisant la moyenne, le 5e centile, le 95e centile et l'écart type des éléments grossiers par profondeur GSM. Les propriétés hydriques ont été calculées dans un deuxième temps. La teneur volumétrique en eau du sol (cm3 cm-3) à la capacité au champ ou pF = 2.0 (θCC), et au point de flétrissement permanent ou pF = 4.2 (θPFP) ont été estimées en utilisant les FPT développées par Román Dobarco et al. (2019) avec la base de données française SOLHYDRO (Al Majou et al., 2008). Ces FPT utilise la teneur en argile (%) et en sable (%) comme prédicteurs : ΘCC= 0,278 + 2,45 10-3argile – 1,35 10-3sable ΘPFP= 0,08 + 4,01 10-3 argile – 2,93 10-4sable Pour chaque couche GSM, le RU élémentaire et le RU en mm ont été calculés. Avec l’hypothèse que les éléments grossiers n’apportent pas d’eau au RU, Le RU for un volume de sol unitaire, ou RU élémentaire, est défini comme : RU élémentaire (cm3 cm-3)=(θCC- θPFP )(1-Rv ) Pour une couche de sol ou un profil, le RU total est calculé avec la formule suivante : RU (mm)=(θCC- θPFP )(1-Rv )p Où θCC est la teneur volumétrique en eau à la capacité au champ (cm3 cm-3), θPFP est la teneur volumétrique en eau au point de flétrissement permanent (cm3 cm-3), Rv est la fraction volumique en éléments grossiers, and p est la profondeur du profil ou l’épaisseur de la couche de sol considérée (mm). Finalement, les prédictions spatiales du RU pour chaque couche sont sommées sur la profondeur du sol prédite provenant d’une modélisation réalisée par Lacoste et al. (2016), sur une profondeur maximale de 2 m : RU= ∑h=16)(1-Rh)(θCCh-θPFPh) eh Où h = 1,…,6 représente les 6 couches GSM de sol, Rh est la fraction volumétrique des éléments grossiers de l’horizon h, θCCh est la teneur volumétrique en eau à la capacité au champ (cm3 cm-3) de l’horizon h, θPFPhest la teneur volumétrique en eau au point de flétrissement permanent (cm3 cm-3), et eh est l’épaisseur (i.e. tronquée en utilisant la profondeur du sol estimée) de l’horizon h en mm. Une analyse de Taylor de premier ordre a été appliquée pour calculer la variance des estimations de θCC (i.e., θ2.0), de θPFP (i.e., θ4,2), des RU élémentaires et des RU totaux. Ces variances sont considérées comme une approximation de l’incertitude d’estimation. Résultats Une évaluation indépendante indique que l’argile a le plus faible R2 (R2 argile = 0,.27, R2 limon = 0,43 et R2 sable = 0,46) et la plus faible RMSE (RMSE argile = 128 g kg-1, RMSE limon = 139 g kg-1 and RMSE sable = 172 g kg-1) des trois classes granulométriques. Cependant, le modèle pour les éléments grossiers présente les plus mauvaises performances prédictives (R2 = 0,14 and RMSE = 21%) parmi l’ensemble des variables d’entrée du RU. Les prédictions de θCC et de θPFP ont un R2 de 0,21 et 0,29. Lorsque les FPT ont été appliquées sur les prédictions spatiales d’argile et sable, la RMSE pour θCC et θPFP ont augmentées de 25% et 36% respectivement comparées à celles obtenues lorsqu’elles sont appliquées sur les données mesurées. Sur la grande majorité de la France métropolitaine, les principales sources d’incertitudes des RU élémentaires sont les éléments grossiers et la texture mais la contribution des incertitudes des coefficients des FPT augmentent dans les zones dominées par des textures très sableuses ou argileuses. Les cartes produites de θCC, θPFP et RU ont comme avantage de permettre à l’utilisateur d’incorporer les incertitudes associées dans leurs modèles écologiques ou agronomiques ou leur processus de décision utilisés pour la gestion des sols et des eaux.