WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Potentiel et dynamique des stocks de carbone des savanes soudaniennes et soudano- guinéennes du Sénégal

( Télécharger le fichier original )
par Cheikh Mbow
Université Cheikh Anta Diop de Dakar - Doctorat d'état en sciences 2009
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Section 6.04 IV.2. Etat des connaissances sur les modèles de productivité des écosystèmes forestiers.

Les modèles de production forestière sont l'un des plus anciens types de modèle et remontent au 19ième siècle avec les premières tables de correspondance qui cherchaient à prédire la production en fonction de paramètres dendrométriques. Actuellement, la révolution informatique permet de simuler la production des individus ou des formations végétales.

Les indices sur le site comme la hauteur dominante ou l'âge sont le plus souvent relevés. La plupart de ces modèles cherchent à tenir compte de la relation complexe entre la densité des arbres et leur croissance en diamètre et en hauteur. Ce type de modèle est largement appliqué à l'échelle de l'individu et certains chercheurs prennent en compte la mortalité pour mieux affiner leur prévision.

i) Pendant les trente dernières années, plusieurs modèles ont été développés pour analyser différents aspects du cycle du carbone y compris la dynamique de la végétation en relation avec les stocks de carbone. L'estimation de la PPN (Productivité Primaire Nette) est au centre de la plupart de ces modèles. Du fait des limites techniques et des contraintes environnementales (facteurs et mécanismes terrestres), les approches ont été diversifiées. Les analyses les plus simples ont exploré les relations linéaires empiriques entre la PPN et des paramètres telle que la température, les précipitations utiisées dans le modèle de Miami. A l'autre extreme, nous avons les modèles biochimiques comme TRIFFID et BIOME3 plus complexes (modèles de processus).

Ces modèles biogéochimiques ont été testés en comparant des résultats de simulation à des paramètres observables comme la croissance ligneuse sur une période de temps relativement courte (~ 5 ans). Cette adéquation entre les résultats des simulations et la croissance des arbres, suppose une bonne évaluation de la photosynthèse, de la respiration, de l'allocation de carbone dans les différentes parties de l'arbre et du processus de renouvellement des tissus (Waring et Running, 1998).

ii)

Le défi lié aux modèles forestiers réside en général sur leur capacité à bien reproduire les perturbations des écosystèmes. Ces perturbations étant complexes et non linéaires. Les différences dans la plupart des modèles résident dans l'élaboration de sous-modèles introduisant l'utilisation de feux, de coupes de bois ou d'une longue sécheresse.

iii)

iv) Malgré leurs différences, les résultats obtenus à partir de ces modèles sont relativement proches sur les tendances, mais divergent sur l'ampleur des modifications de biomasse. Il est relativement difficile de détailler les différences entre les modèles. Un des problèmes majeurs de la modélisation est l'harmonisation des paramètres utiisés et la standardisation des variables tels que l'humidité, la vitesse du vent, le type de sol, la distribution de la végétation, etc., (Adams et al., 2004). D'autres différences dans l'approche sont aussi notées sur la caractérisation des types de sols et des catégories de végétation, notamment sur la nomenclature et les critères retenus à cet effet. Aussi, les modèles utilisent-ils un taux de carbone global qui varie entre 280 ppmv à 360 ppmv. Ce qui a entraîné des différences dans la prédiction qui varient de 40 - 80 GtC par an. Beaucoup d'incertitudes accompagnent ainsi ces résultats à cause des variations interannuelles, des données secondaires lacunaires (sur le plan spatial et temporelle) ou dispersées.

La comparaison des modèles ne doit pas se limiter donc à la confrontation des résultats, mais considérer aussi l'examen de leur structure interne pour voir les forces et les faiblesses des sous-modèles en particulier, ceux qui permettent de générer la PPN des écosystèmes.

Selon la structure, il existe deux grands groupes de modèles : les modèles biogéographiques (corrélation) et les modèles biochimiques (basés sur des bilans de carbone). Les deux sont souvent désignés sous le terme de modèle biogéochimique. Les modèles biogéographiques comme BIOME et ALBIOC utilisent un quadrillage pour renseigner les variables du climat pour chaque cellule de la grille afin de déterminer le nombre et les types de plantes qu'on peut y rencontrer. Les biomes et les écosystèmes sont ainsi présentés comme des combinaisons particulières de types de plantes. Les modèles biochimiques (exemple : TRIFFID) quant à eux, considèrent une constante distribution des types de plantes. Les processus biochimiques comme la photosynthèse et la respiration sont simulés en fonction du climat local, du taux de CO2 atmosphérique, de la radiation photosynthétique active, de

l'humidité du sol et des précipitations. Les modèles biochimiques peuvent simuler les changements de la densité et de la productivité végétale. Le tableau 19 présente une synthèse non exhaustive des modèles existants.

Tableau 19. Synthèse sur quelques modèles utilisés pour la simulation de la croissance des végétaux. Source Adams et al. (2004), modifiée par cette étude.

Types de modèle

Description

Avantage

Limites

1. Modèle de Miami (Leith, 1975)

Empirique

Biogéographique

Basé sur les types de plante

~Bonne estimation de la PPN

Limites sur la prédiction de la PPN

Ne considère pas les changements de la végétation

2. Modèle dit `n- factor'

(Post et al., 1997; King et al., 1997. )

Combinaison de l'approche empirique et celui dit du `n-factor' en ajoutant un facteur de fertilisation en C sur le modèle 1 ; 30 types fonctionnels de plantes sont considérés sur des cartes de distribution. Allocation proportionnelle de C dans les différentes parties de la plante (F, B, R).

~Bonne estimation de la PPN

Introduction d'un facteur K1 (0.6) pour pondérer la PPN par le taux de fertilisation en carbone.

Ne considère pas la photosynthèse C4

La signification du facteur K1 n'est pas expliquée

3. Modèle dit `n- factor'

(Polglase et Wang, 1992)

Biogéochimique

Plusieurs types de végétation 10 biomes, le climat et la

productivité caractéristique sont considérés. Pondération par un facteur de croissance qui prend en compte la fertilisation en C.

Prend en compte les changements de densité de la végétation.

Problème sur le facteur de croissance biotique

Difficile d'utiliser ce modèle pour des endroits à température saisonnière très variable

4. Modèle dit `n- factor'

(Lenton, 2000)

Quasi-biogéochimique

La photosynthèse= f (température et du C atmosphérique)

La respiration = f(température et teneur en C de la végétation).

~Bonne estimation de la PPN pour les climats avant l'ère industrielle.

La biochimie de la plante n'est pas modélisée explicitement. Absence de lien entre la photosynthèse et la teneur en C de la plante. Une constante photosynthèse même si la végétation est différente.

5. (Svirezhev et Bloh, 1997; 1998)

Quasi-biogéochimique

Similaire à 4, mais le potentiel maximum de PPN est pris en compte en introduisant la réponse à la température, le stress

hydrique, la fertilisation et la compétition intraspécifique.

Utilisable pour une investigation

qualitative.

Limite sur la confusion

entre la fertilisation en CO2 et la compétition, utilisation prudente.

5. Modèle TRIFFID -Cox (2001)

Simple

Biochimique-biogéographique (hybride). Les changements sur la densité et la distribution de la végétation, la photosynthèse et de la respiration. Pondération par le stress hydrique ; prise en compte des plantes C4 ; types de

végétation considérés.

Relativement bon, et prend en compte la dynamique biochimique et physiologique.

TRIFFID-Cox. Très complexe à utiliser, le modèle simple est plus abordable mais pèche par la considération d'un seul type de végétation

6. DEMETER

Quasi-biogéochimique- biogéographique. 16 types fonctionnels de plantes. Le taux potentiel de photosynthèse est calculé en modifiant la photosynthèse maximum par un facteur linéaire qui traduit la réponse à la température. La respiration et la photosynthèse C4 sont prises en compte.

???

Température constante, absence du facteur de fertilisation en CO2 ni la compétition entre plantes

 

Types de modèle

Description

Avantage

Limites

7. BIOME 3 (Prentice et al.,

1992; Haxeltine et
Prentice, 1996a; b)

Biogéochimique-biogéographique (hybride). 7 types de végétation. Distribution des plantes = f(limite thermique maximum) ; prévoit les herbes dans tous les écosystèmes. Calcul la photosynthèse f(l'éclairement, Rubisco, conductance stomatale). La photosynthèse C4, la phénologie en fonction de la température et du stress hydrique, la compétition

PPN optimisé en
fonction du LAI.

Modèle très complexe, les types de végétation sont différenciés par un seul paramètre et la dimension physiologique domine.

8. CENTURY 5.437 (Woomer et al.,

2001)

Modèle Ecosystème : COS, MOS ; Croissance des plantes (herbacées ou ligneux) ; NPP ; C=f(température, pmm, type de sol, utilisation des terres). Sous- modèle de croissance des plantes. Tient compte du rapport C/N et de la décomposition de la M-O. Prend en compte N, P et S en plus du C.

Très large utilisation, différents écosystèmes, optimisé pour différents facteurs biotiques et abiotiques. Adapté aux savanes.

Beaucoup de paramètres, complexe, modèle plus adapté pour les sols et la végétation.

9. 3PG (CSIRO) (Landsberg et Waring, 1997)

Modèle Biophysique. Simulation mensuelle utilisant la moyenne de la RPA, moyenne journalière du déficit hydrique, températures extrêmes, précipitations

mensuelles, capacité de rétention en eau du sol.

Simule la PPN, la biomasse sur pied et dans le sol.

Requiert des informations
pas facilement accessibles.

10. CASS (CRC) (Roxburgh, 2004)

Modèle déterministe. Simulation de carbone des écosystèmes en tenant compte de la PPN et des facteurs de perturbation, feux, coupe, changement occupation / utilisation des terres.

Flux de carbone dans l'écosystème et libération CO2 dans l'atmosphère.

Facile, transparent et flexible.

11. PNET (Aber et al., 1996)

Modèle biogéochimique sur la dynamique forestière.

Flux de carbone, de nitrate dans les écosystèmes forestiers.

Les écosystèmes du modèle sont de type tempéré et boréal.

12. DNDC (EOS, UNH)

Modèle déterministe.

Flux de carbone et d'azote en milieu agricole et sols cultivés.

Ne s'applique qu'en milieu agricole.

13. SARRA-H (Baron et al., 1996)

Modèle empirique.

Simulation de la croissance des plantes et de la productivité des cultures.

Ne s'applique qu'en milieu agricole.

 

NB. COS (carbone Organique du Sol), MOS (Matière Organique du sol), (Productivité Primaire Nette), C/N (Rapport carbone azote), N (Azote), P (Phosphore), S (soufre), C (carbone),

Il est difficile de dire qu'un modèle est meilleur qu'un autre. Un modèle doit être utile en fonction des objectifs qu'on se fixe et de la dose de subjectivité et d'imprécision dans le processus de modélisation. Le cycle de vie d'un modèle est le suivant : les objectifs initiaux déterminent sa structure, les objectifs se précisent, s'étendent et la structure initiale s'y adapte, etc. Les objectifs et la structure ont des relations hiérarchiques puisque le système a un contexte (haut, objectifs) et des mécanismes (bas, structure). L'essai d'évaluation des modèles dans les paragraphes qui suivent, n'est pas une appréciation technique, mais plutôt une analyse de leur portée opérationnelle.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"La première panacée d'une nation mal gouvernée est l'inflation monétaire, la seconde, c'est la guerre. Tous deux apportent une prospérité temporaire, tous deux apportent une ruine permanente. Mais tous deux sont le refuge des opportunistes politiques et économiques"   Hemingway