Le plan d'échantillonnage à NYC, basé sur les différentes séries de sols, est probablement à l’origine d’une forte hétérogénéité de résultats de CCOS et de SCOS, ce qui concorde avec le

CV élevé de ces paramètres dans cette ville. Le choix restreint des échantillons à NYC implique

que seul le type de matériau parent ait un effet sur SCOS à NYC 0-30 cm. En effet, si plusieurs

répétitions d'échantillonnage avaient été effectuées pour une même série de sols, mais pour

différents types d’usage ou types de couvert, les résultats auraient peut-être montré un effet de

ces facteurs. Pour être le plus complet possible, les points d’échantillonnage devraient être

choisis en tenant compte d'un plus grand nombre de sources potentielles de variabilité : en

utilisant notamment la cartographie des types d’usage urbain ou types de couvert.

115

2.5.5.5. Erreurs liées à la modélisation statistique et géostatistique

Les modèles géostatistiques nous ont permis de dépasser les limites de la base de données, dans

le cas de Paris intra-muros. Néanmoins, ils peuvent tout de même être fortement influencés par

les stratégies d’échantillonnage. Par exemple, pour P1, la structure spatiale de la variabilité de

SCOS a été plus difficilement expliquée par le modèle que pour P2, amenant la carte de

prédiction du SCOS à être plus grossière pour P1 que celle de P2. Cette différence dans les

résultats est probablement due à un échantillonnage plus représentatif de la variabilité spatiale

dans P2 que dans P1. De plus, les tests réalisés avec ajout de covariables pouvant

éventuellement expliquer la répartition spatiale de SCOS, et pouvant ainsi améliorer les

modèles de krigeage, n’ont pas été concluants. Ceci montre probablement les limites de la

prédiction spatiale pour les sols urbains, très hétérogènes, à partir de données elles-mêmes très

hétérogènes. Cependant, malgré les erreurs potentielles liées à la méthode, la valeur de SCOS

calculée par méthodes géostatistiques demeure la plus précise pour Paris intra-muros. En effet,

la prédiction géostatistique permet de dépasser l’échelle de la base de données et de se placer à

l’échelle de la ville, par prédiction des SCOS aux points non étudiés. Notons néanmoins que le

SCOS moyen obtenu à partir du modèle géostatistique reste du même ordre de grandeur que

celui calculé à partir de la base de données (9,5 ± 1,0 kgC.m

vs. 10,4 ± 4,1 kgC.m

).

Enfin, les modèles GBM et Cubist ont amené à des résultats divergents de covariables

explicatives, que ce soit avec ou sans totN. Avec totN, les deux modèles montrent que pH, Mg,

Sable font partie des paramètres les plus prédictifs du SCOS en revanche, l’arrondissement

n’est pas une covariable importante pour Cubist, contrairement à GBM. Sans totN, l’ordre entre

les covariables change pour les deux modèles puisque totN n’écrase plus l’importance

prédictive des autres covariables telle que Mg qui devient la variable la plus explicative. Dans

les deux modèle, le bore, Zn

, Fe

font partie des cinq variables les plus corrélées à

SCOS. Les modèles se distinguent pour l’arrondissement, important pour GBM mais moins

pour Cubist, et pour le sable, important pour Cubist mais moins pour GBM. Cette difficulté à

classer les covariables pourrait être expliquée par la forte hétérogénéité des propriétés des sols

urbains, rendant difficile de proposer une tendance universelle entre les modèles. Enfin, les

limites liées à la méthodologie dans cette étude, peuvent représenter un frein pour l’optimisation

des modèles, même si les deux modèles ont montré une performance intéressante, même sans

totN (R²adj = 0,73 dans les deux cas).

116

2.5.5.6. Manque de données sur la dynamique

Les résultats de ce chapitre ont été obtenus à un instant donné pour un point d’échantillonnage,

même si deux périodes de temps ont été étudiées. Cependant, comme le montre l'étude de Bae

et Ryu (2015), les changements de types d’usage et de couvert peuvent avoir un impact

important et rapide sur les propriétés du sol, y compris sur CCOS. Ces changements

d'occupation et de couverts se produisent souvent dans l'environnement urbain, car les villes

sont en constante évolution. Les activités humaines au sein de ces villes sont très hétérogènes

et conduisent souvent à différents apports de matériaux dans les sols et notamment différents

types de MOS (par exemple, la présence de charbon, plus récalcitrant) qui devraient être

étudiées en détail. De plus, un type d’usage ou de couvert est source d’émission de CO

, par

respiration microbienne, en lien avec la forte intensité de gestion des espaces verts, ce qui peut

induire des bilans négatifs à l’échelle des espaces verts. Ainsi, ce chapitre a montré que les

SCOS et MCOS des sols urbains ouverts pouvaient être supérieurs ou équivalents à ceux des

sols forestiers, mais les émissions de CO

par les sols des espaces verts, qui n'ont pas été

étudiées ici, sont certainement également plus élevées qu'en forêt. Ainsi, il serait nécessaire de

quantifier les flux de COS à l'échelle de la ville pour évaluer la contribution effective du sol

urbain au stockage net de COS et plus largement à l'atténuation du changement climatique.

2.6. Synthèse du chapitre

Les travaux de ce chapitre nous ont permis de mettre en évidence une disponibilité de données

préexistantes sur les sols urbains à l’échelle du territoire. Néanmoins, leur hétérogénéité a

représenté une limite pour leur exploitation, et une seule aire urbaine, la MGP, a pu être étudiée.

Les données de COS de la MGP ont pu être complétées (par la mise en place de PTF pour

prédire M

) et comparées à celle de la ville de NYC. Nous avons donc mis en évidence des

SCOS similaires dans les sols ouverts végétalisés et dans les sols scellés entre ces deux villes à

0-30 cm de profondeur. La contribution des sols ouverts à 0-30 cm est supérieure à celle des

sols agricoles environnants ; en revanche celle des sols scellés à 0-30 cm est très faible. Nous

avons également mis en évidence l’importante contribution des sols profonds (ouverts et

scellés) dans le stock global de carbone organique, qui s’est révélée supérieure à celle des sols

forestiers environnants. L’étude spécifique de Paris intra-muros nous a permis de mettre en

avant un fort effet de l’histoire du site (et plus généralement de la ville) sur la répartition spatiale

de SCOS. Néanmoins, nos résultats ont suggéré que les pratiques de gestion (et leur évolution)

117

avaient un effet sur l’évolution temporelle du SCOS, à l’échelle de la ville. A travers la

comparaison entre la MGP et NYC, ainsi que l’étude spécifique de Paris intra-muros, nous

avons pu distinguer les sols en fonction de l’intensité de leur gestion. Les sols intensivement

entretenus (généralement dans les parcs) semblent présenter un SCOS plus homogène (voire

plus élevé pour la MGP) que le SCOS les sols urbains naturels en matière de gestion (par

exemple dans les friches). Finalement, les limites de l’étude, notamment dues à l’hétérogénéité

des données ou au manque d’échantillons (notamment pour les sols scellés) ont été discutées.

Cette approche nous a finalement permis de discuter de la méthodologie pour le suivi du SCOS

dans les sols urbains. La figure 39 montre la démarche adoptée dans ce travail avec les

principaux résultats mis en avant.

Figure 39. Synthèse du travail réalisé dans le chapitre 2 : « Estimation du stock de carbone organique et

des facteurs influençant sa répartition, à l’échelle de la ville ».

Quelle part représente le stock de carbone dans les

sols urbains ? Peut-on proposer une

méthode de suivi standardisée ?

Volet 1 Création d’une base de données harmonisée à partir de données d’organismes partenaires :

propriétés intrinsèques des sols urbains en fonction des facteurs naturels et

anthropiques

Echelle : France métropolitaine

Comparaison de SCOS entre Paris & New

York

Hiérarchisation des facteurs et cartographie de SCOS pour la ville de Paris : variation spatiale et temporelle de SCOS Proposition de méthodes standardisées pour le suivi de SCOS en milieu urbain 1.9 1.4 3.2 3.1 4.8 2.2 2.7 1.9 1.4 0.0 1.0 2.0 3.0 4.0 5.0 6.0 Paris (0-30cm) NYC (0-30cm) NYC (30-100cm) M C O