Www.irstea.fr Pour mieux affirmer ses missions, le Cemagref devient Irstea Analyse de Risque PEsticides pour la Gestion des Eaux de Surface – outil ARPEGES.

Présentation au sujet: "Www.irstea.fr Pour mieux affirmer ses missions, le Cemagref devient Irstea Analyse de Risque PEsticides pour la Gestion des Eaux de Surface – outil ARPEGES."— Transcription de la présentation:

1 www.irstea.fr Pour mieux affirmer ses missions, le Cemagref devient Irstea Analyse de Risque PEsticides pour la Gestion des Eaux de Surface – outil ARPEGES (pression pesticides globale) Equipe Pollutions diffuses & pôle Onema-Irstea Nolwenn Bougon Thierry Tormos Christine Gauroy Véronique Gouy Nadia Carluer Guy Le Henaff Jeremy Piffady

2 Domaine des connaissances 2 Où agir en priorité ? Sur quels bassins ? Quelles mesures à mettre en œuvre ? … Identifier et hiérarchiser les causes Identifier les leviers d’actions Evaluer le gain sur l’état écologique Phyto dans les cours d’eau Environnement des causes Environnement des conséquences Etat écologique ChimieBiologie Facteurs naturelsantropiques Le projet pesticides / état écologique Indicateur risque de contamination Indicateur risque d’altération Probabilités

3 3 Rappel des objectifs dans le cadre des EDL 1 - Prendre en compte :  La vulnérabilité au transfert  La pression phytosanitaire => Développer une méthode d’évaluation du risque de contamination de chaque masse d’eau par les pesticides : 2 - Applicable sur l’ensemble des masses d’eau métropolitaines 3 - Modulable  Evolutive  Co-constructible  Appropriable par les gestionnaires

4 4 Choix méthodologiques => Une méthode en 3 étapes Construction d’un modèle de connaissance pour évaluer le risque de contamination de manière à identifier les facteurs majoritaires à prendre en compte dans l’évaluation du risque 1 Calcul des indicateurs évaluant chacun des facteurs pour chaque masse d’eau à partir des sources données nationales et des expertises mobilisables 2 Evaluation du risque de contamination en croisant les informations des différents facteurs dans un système expert 3

5 Construction du modèle de connaissance Analyse Bassin Versant de la ME Niveau de Contamination Transfert MES Vulnérabilité au transfert Superficie cultures Dose Date d’application Agriculture Urbain Agriculture Urbain Superficie vég. urbaine Pressions phytosanitaires ME de surface Eau Sédiments Transfert surface/subsurface hydromorphie battance réserve Utile teneur en MO nature socle Perméabilité socle Potentiel de mouvement ¨Présence fracture socle Processus Perméabilité sol hauteur lame d’eau Proximité volume / durée précipitation longueur pente Erodabilité sol Capacité d’infiltration sol Drainage/fossés Absence zone tampon densité de rés. Transfert nappe/rivière Quantité MA Hydrographie Hydrologie Topographie Pédologie Géologie Hydrographie Hydrologie Topographie Pédologie Géologie Facteurs Déterminants Risque Par cat. molécule Surface imperméable 1

6 Calcul des indicateurs pour chaque facteur au niveau masse d’eau 2 Superficie cultures Dose Date d’application Superficie vég. urbaine hydromorphie battance réserve Utile teneur en MO nature socle Potentiel de mouvement ¨Présence fracture socle volume / durée précipitation longueur pente Drainage/fossés Absence zone tampon densité de rés. Facteurs Surface imperméable Analyse Bassin Versant de la ME BDD mobilisable à l’échelle de la métropole

7 Croisement des informations dans un système expert 3 Vulnérabilités intrinsèques Ruissellement Subsurface Drainage Zones climatiques Pression phytosanitaire Risque de contamination chronique Risque de contamination aigue Vulnérabilité Spécifique Chronique Vulnérabilité Spécifique Aigue MO du sol Erosion Propriétés des molécules Modèle simplifié 2 modèles par risque chronique et aigu : Printemps/Été et Automne/hiver

8 Croisement des informations dans un système expert 3 Modèle réajusté

9 Ex : Modèle de risque chronique en été Vulnérabilités intrinsèques Ruissellement Drainage Zones climatiques Pression phytosanitaire Risque de contamination chronique Vulnérabilité Spécifique Chronique MO du sol Erosion Propriétés des molécules

10 Modèle de risque chronique Tables de croisement des paramètres  Exemple : Vulnérabilité spécifique chronique  8 variables, 3 classes chacune  6561 croisements différents

11 Données d’entrée Vulnérabilités intrinsèques Ruissellement Drainage Subsurface Variables BDD Nom Unit é spatiale ou é chelle spatiale Date Ruissellement/infiltration IDPR 1/50 0002010 R é serve utile BDGSF 1/1 000 0001998 Drainage RGA canton1989-2000 Hydromorphie Carte Lagacherie Petite r é gion naturelle 1987 Battance BDGSF 1/1 000 0002002 Ripisylve 30 m BDTOPO ® 1/ 25 0002010 Ripisylve 10 m BDTOPO ® 1/ 25 0002010 Bande enherb é e Densit é r é seau hydrographique BDTOPO ® 1/ 25 0002010 BRGMINRA, BDGSFRGA 2000Lagacherie

12 Données d’entrée Vulnérabilités intrinsèques Ruissellement Drainage Subsurface Variables BDD Nom Unit é spatiale ou é chelle spatiale Date Ruissellement/infiltration IDPR 1/50 0002010 R é serve utile BDGSF 1/1 000 0001998 Drainage RGA canton1989-2000 Hydromorphie Carte Lagacherie Petite r é gion naturelle 1987 Battance BDGSF 1/1 000 0002002 Ripisylve 30 m BDTOPO ® 1/ 25 0002010 Ripisylve 10 m BDTOPO ® 1/ 25 0002010 Bande enherb é e Densit é r é seau hydrographique BDTOPO ® 1/ 25 0002010 INRA BD Topo

13 Données d’entrée Variables BDD Nom Unit é spatiale ou é chelle spatiale Date Zoneclimatique D é limitation experte - Zones climatiques Source : 12 zones climatiques basées sur des séries de précipitations (1971-1990) du réseau climatologique d’Etat (J.-L. Champeaux et A. Tamburini, 1996)

14 Données d’entrée MO du sol Erosion Variables BDD Nom Unit é spatiale ou é chelle spatiale Date Mati è re Organique sol BDAT canton2000-2004 Erosion BDGSF 1/1 000 0002002 Teneur en carbone organique par canton dans la Base de Données des Analyses de Terre INRA (Le Bissonnais)

15 Données d’entrée Propriétés des molécules Variables BDD Nom Unit é spatiale ou é chelle spatiale Date Solubilit é mol é cule BNVD +SIRIS HER*occ du sol2009 DT 50 BNVD +SIRIS HER*occ du sol2009 KOC BNVD +SIRIS HER*occ du sol2009 Source : BNVD et BD Siris-pesticides  Pour chaque classe, quantités de molécules vendues, découpage ci-contre Classes de Siris-pesticides :  Koc (L/kg)  <100  Entre 100 et 1000  > 1000  DT50 (jours)  <8  Entre 80 et 30  > 30  Solubilité (mg/L)  <10  Entre 10 et 200  > 200

16 Données d’entrée Pression phytosanitaire Variables BDD Nom Unit é spatiale ou é chelle spatiale Date Saisonnalit é produits phytosanitaires BNVD HER*occ du sol2009 D é penses produits phytosanitaires RICA PRA2006 Source : BNVD en 2009 Quantité de substances actives vendue de janvier à juin (utilisée en printemps-été) par rapport à la quantité vendue de juillet à décembre (utilisée en automne-hiver) Source : dépense totale en produits phytosanitaires du RICA (réseau d’information comptable agricole) 2006

17 Données d’entrée Variables BDD Nom Unit é spatiale ou é chelle spatiale Date Ruissellement/infiltrationIDPR1/50 0002010 R é serve utile BDGSF1/1 000 0001998 DrainageRGAcanton1989-2000 HydromorphieCarte Lagacherie Petite r é gion naturelle 1987 BattanceBDGSF1/1 000 0002002 Ripisylve 30 m BDTOPO ® 1/ 25 0002010 Ripisylve 10 m BDTOPO ® 1/ 25 0002010 Bande enherb é e Densit é r é seau hydrographique BDTOPO ® 1/ 25 0002010 Zoneclimatique D é limitation experte -- Mati è re Organique sol BDAT canton2000-2004 Erosion BDGSF 1/1 000 0002002 Solubilit é mol é cule BNVD +SIRIS HER*occ du sol2009 DT 50 BNVD +SIRIS HER*occ du sol2009 KOC BNVD +SIRIS HER*occ du sol2009 Saisonnalit é produits phytosanitaires BNVD HER*occ du sol2009 D é penses produits phytosanitaires RICA PRA2006 Données : Différentes unités spatiales et sources Agrégation des données

18 Méthodes d’agrégation Agrégation des données au niveau des BV locaux des ME 2 cas possibles : 1 er cas 2 ème cas Le BV englobe les entités de la donnée Agrégation au niveau du BV Le BV et les entités de la donnée se recouvrent Désagrégation - Agrégation Agrégation probabiliste

19 Méthodes de calcul Agrégation des données au niveau des BV locaux des ME Variables BDD Méthode de calcul sur l’entité BV masse d’eau local Nom Unité spatiale ou échelle spatiale Date Ruissellement/infiltration IDPR 1/50 0002010Agrégation probabiliste Réserve utile BDGSF 1/1 000 0001998 Agrégation probabiliste Drainage RGA canton1989désagrégation/agrégation Hydromorphie Carte Lagacherie PRA1994Agrégation probabiliste Battance BDGSF 1/1 000 0001998 Agrégation probabiliste Ripisylve 30 m BDTOPO® 1/ 25 0002010Agrégation BV Ripisylve 10 m BDTOPO® 1/ 25 0002010Agrégation BV Bande enherbée RPG 1/ 25 0002010Agrégation BV Densité réseau hydrographique BDTOPO® 1/ 25 0002010Agrégation BV Zoneclimatique Délimitation experte --Jointure spatiale Matière Organique sol BDAT Cantons?Agrégation probabiliste Erodabilité BDGSF 1/1 000 0001998 ?Agrégation probabiliste Solubilité molécule BNVD+SIRIS HER*OS2009Jointure spatiale DT 50 BNVD+SIRIS HER*OS2009Jointure spatiale KOC BNVD+SIRIS HER*OS2009Jointure spatiale Saisonnalité produits phytosanitaires BNVD HER12009Jointure spatiale Dépenses produits phytosanitaires RICA PRA2006désagrégation/agrégation

20 Exemple ripisylves 30 m Agrégation des données au niveau des BV locaux des ME Sup Foret dans le buffer de 30 m ×100 Sup buffer de 30 m 1 er cas :Agrégation au niveau du BV Méthodes de calcul

21 Agrégation des données au niveau des BV locaux des ME Exemple Pressions PEST 2 ème cas :Désagrégation- agrégation Dépenses RICA (PRA) 100 K€ 300 K€ 50 K€ 250 K€ Hypothèse : Dépenses équivalentes quelque soit le type de culture 100 K€ Dépenses (K€) Sup BV (ha) Méthodes de calcul

22 Agrégation des données au niveau des BV locaux des ME Exemple IDPR 2 ème cas :Agrégation probabiliste faible fort moyen IDPR (maille 1km²) 30 % 40 % Faible: 0.3 Fort: 0.4 Moyen: 0.3 Probabilité des états = f(prorata surfacique des états de la variable) Méthodes de calcul

23 Agrégation des données au niveau des BV locaux des ME Exemple Battance 2 ème cas :Agrégation probabiliste 50% faible 50% moyenne 70% fort 30% moyenne 100% moyen BATTANCE (UCS) 30 % 40 % Faible: 0,3 × 0,5 Fort: 0,4 × 0,7 Moyen: 0,3 × 0,5 + 0,4 × 0,3 + 0,3 Probabilité des états = f(prorata surfacique des états de la variable) Approximation : la répartition des classes de battance est identique dans tous les sous- ensembles de l’UCS

24 Résultats/ Format des sorties du modèle Le résultat du modèle est composé de 4 cartes :  risque de contamination chronique d’avril à octobre  risque de contamination chronique de novembre à mars  risque de contamination aiguë d’avril à octobre  risque de contamination aiguë de novembre à mars Pour chacune, le risque peut prendre 3 valeurs : risque faible, moyen ou fort. Ce risque est calculé pour le bassin versant local de chaque masse d’eau et prend en compte toutes les substances actives confondues pour les usages agricoles. distinction de la contamination aiguë de la contamination chronique => connexion ultérieure avec les effets écotoxiques possibles (aigus ou chroniques)

25 Résultats Risque aigu en automne-hiver  Carte de la classe de risque qui a la probabilité la plus élevée

26 Limites d’utilisation et perspectives  Pas de prise en compte des relations nappes-rivières en tant que voie de transfert (manque d’informations précises à l’échelle nationale)  pression phytosanitaire, bien que facteur très influent du modèle, n’est décrite que par la dépense totale en pesticides du RICA, à défaut de données plus précises et aussi complètes. (+approximations pour agréger cette information à l’échelle des bassins versants (on considère ici que les dépenses sont équivalentes quelque soit le type de culture, ce qui n’est pas forcément le cas)  risques pourront être recalculés soit pour un « sous-ensemble » (substance ou usage particulier pour lesquels on a des données), soit si on obtient des données plus précises ou actualisées.  possibilité d’une comparaison avec les données de surveillance

27 27 Echéancier Présentation de la méthode et des résultats lors du copil du 18 juin

28 Ex : Modèle de risque chronique en hiver Vulnérabilités intrinsèques Ruissellement Drainage Zones climatiques Pression phytosanitaire Risque de contamination aigue Vulnérabilité Spécifique aigue MO du sol Erosion Propriétés des molécules Subsurface

29 IDPR Indice de développement et de persistance des réseaux  Source : BRGM  Calculé par mailles de 1*1km 3 classes :  < 800 : infiltration majoritaire  Entre 800 et 1200  > 1200 : ruissellement majoritaire

30 Réserve utile  Source : INRA, BDGSF  1:1.000.000 3 classes :  < 100 mm et zones urbaines : RU faible  Entre 100 et 150 mm : RU moyenne  > 150 mm : RU forte

31 Drainage RGA 2000  Pourcentage de la SAU drainée par drains enterrés, par canton  (ou recensement antérieurs dans les départements où il n’y a pas de données en 2000) 3 classes :  < 5 % de la SAU : faible  Entre 5 et 20 % : moyen  > 20 % fort

32 Hydromorphie Carte de Lagacherie  Par petites régions naturelles = petites régions agricoles éventuellement redécoupées  Cinq catégories de petites régions naturelles ont été définies :  Petites régions naturelles occupées sur plus de 50 % de leur superficie par les sols hydromorphes  Petites régions naturelles occupées par des sols hydromorphes sur 20 à 50 % de leur superficie  Petites régions naturelles occupées sur moins de 20 % de leur superficie par des sols hydromorphes qui représentent cependant plus de 5000 ha  Petites régions naturelles occupées par des sols hydromorphes sur moins de 20 % de leur superficie mais où il existe de nombreux engorgements ponctuels (mouillères, fonds de thalwegs)  Petites régions naturelles occupées sur moins de 20 % de leur superficie par des sols hydromorphes

33 Sensibilité des sols à la battance  Calculée par l’INRA à partir de la base de données des sols de France au 1 : 1 000 000 000ème, à l’aide d’une règle de pédo-transfert 3 classes :  Très faible + faible  faible  Modérée  Moyenne  Forte + très forte ou zones urbaines  Forte

34 Ripisylve BD Topo  Présence de forêt à moins de 10m du cours d’eau  Présence de forêt à moins de 30m du cours d’eau 3 classes pour chaque :  [0-20]  [20-60]  >60

35 Présence de bandes enherbées Pourcentage de tronçons nommés sur carte topo IGN

36 Densité du réseau hydrographique BD Topo 3 classes :  <0,8  [0,8-1,15]  >1,15

37 Zones climatiques Source : 12 zones climatiques basées sur des séries de précipitations (1971- 1990) du réseau climatologique d’Etat (J.-L. Champeaux et A. Tamburini, 1996)  Regroupées en 6 zones par expertise (montagnes rattachées à une zone voisine)  Fréquence et cumul des pluies déterminés par expertise

38 Teneur du sol en matière organique Teneur en carbone organique par canton dans la Base de Données des Analyses de Terre  Limite : pas de données pour certains cantons  Attribution de la moyenne des teneurs de la région agricole, ou des cantons voisins 3 classes :  <10  faible  Entre 10 et 20  moyen  >= 20  fort

39 Alea d’érosion Alea d’érosion : calculé par l’INRA (Le Bissonnais) à partir de la pédologie et de la pluviométrie 3 classes :  Alea très fort ou fort  fort  Alea moyen  Alea faible ou très faible, ou zones urbanisées  faible

40 Propriétés des molécules Source : BNVD et BD Siris-pesticides  Pour chaque classe, quantités de molécules vendues, découpage ci-contre Classes de Siris-pesticides :  Koc (L/kg)  <100  Entre 100 et 1000  > 1000  DT50 (jours)  <8  Entre 80 et 30  > 30  Solubilité (mg/L)  <10  Entre 10 et 200  > 200

41 Saisonnalité des applications de pesticides Source : BNVD en 2009  Quantité de substances actives vendue de janvier à juin (utilisée en printemps- été) par rapport à la quantité vendue de juillet à décembre (utilisée en automne- hiver)

42 Niveau de pression : dépense en produits Source : dépense totale en produits phytosanitaires du RICA (réseau d’information comptable agricole) 2006  Affiné à l’échelle des Petites Régions Agricoles par l’INRA  Indicateur : dépense/surface du BV