Paysages virtuels et analyse de scénarios pour évaluer les impacts ...

Points stratégiques
Cette partie récapitule soit des points non résolus dans notre démarche, soit des points nécessitant une
certaine attention dans leur traitement.
Stochasticité et déterminisme
Nous avons mis en œuvre trois méthodes stochastiques dans la création des paysages virtuels ou dans la
simulation de leur évolution :
− l’épaisseur des sols a été simulée à partir d’un variogramme expérimental extrait d’un jeu de données
de 487 sondages. Pour chaque valeur simulée, l’algorithme employé combine le variogramme donné
avec les valeurs observées dans le voisinage du point en question pour estimer une distribution de
valeurs et en tirer une aléatoirement (Pebesma and Wesseling, 1998) ;
− les transitions de cultures sont simulées à partir de probabilités de transition (matrices ou arbres de
décision) estimées à partir de 2409 successions de cultures observées sur le terrain ;
− les séries « climat sec » et « climat humide » ont été créées à partir d’une chronique de 13 années de
données mesurées, en tirant aléatoirement parmi les six années les plus sèches et les plus humides
respectivement.
Ainsi, pour chacune des combinaisons de facteurs climat-milieu physique-système de culture, une infinité de
réalisations sont possibles. Or nous n’avons testé qu’une réalisation de chaque paysage virtuel. Des
répétitions seraient nécessaires afin d’estimer l’influence des différentes sources de stochasticité sur
l’évaluation environnementale d’un paysage virtuel.
Par ailleurs, les simulations de l’épaisseur des sols et des transitions de culture requièrent toutes les deux une
première phase d’apprentissage dans la construction du variogramme expérimental et des arbres de décision.
Or ces deux étapes sont réputées d’une part pour leur sensibilité à la qualité des données d’apprentissage,
mais aussi par leur côté potentiellement trompeur dans le sens où même un apprentissage sur un mauvais jeu
de données fournira de toute façon un variogramme ou un arbre de décision (Cressie, 1991 ; Quinlan, 1993).
Une mauvaise qualité des données d’apprentissage alors que les simulations produites servent ensuite
d’entrées à d’autres modèles entraîne des phénomènes de propagation d’erreurs ou d’incertitudes qui
compliquent l’analyse et l’interprétation des résultats finaux (van Asselt et Rotmans, 2002).
Validation de l’évaluation environnementale des paysages virtuels
L’utilisation de la modélisation s’est imposée dans notre démarche pour créer les paysages virtuels et simuler
de façon intégrée la diversité des processus d’évolution en jeu. Cependant, la validation des résultats de
simulation est tout autant délicate car ils intègrent les effets de ces interactions, voire même utopique
lorsqu’il n’y a pas de configuration réelle à confronter au paysage virtuel.
V. Conclusion générale – p. 144