figures et tables supplémentaires du chapitre 2

- Supplementary material figure A 1 : présentation des niveaux d’agrégation de l’indicateur I-Phy 2 et des variables utilisées pour caractériser chaque voie de transfert.

- Supplementary Material table A 2: Définition des valeurs des variables pour chacun des scénarios de l’étude de sensibilité de l’indicateur I-MPGS.

- Supplementary Material Table A 3 : Liste des variables utilisées pour calculer le sous-arbre Transfert (variable transf)

- Supplementary Material Table A4 : Liste des variables utilisées pour calculer le sous-arbre composition (variable compo)

- Supplementary Material Table A5: Structure de l’arbre de décision pour l’arbre principal de l’indicateur I-MPGS et les corrections apportées

- Supplementary Material Table A6: Structure de l’arbre de décision pour le sous-arbre composition (variable compo) de l’indicateur I-MPGS

- Supplementary Material Table A7: Structure de l’arbre de décision pour le sous-arbre transfert (variable transf) de l’indicateur I-MPGS

- Supplementary Matérial A8 : Répartition des sorties des indicateurs I-Phy 2 et I-MPGS ainsi que la répartition des sorties d’I-Phy 2 pondérées par (1-I-MPGS)

156 Supplementary material figure A 1 : présentation des niveaux d’agrégation de l’indicateur I-Phy 2 et des variables utilisées pour caractériser chaque voie de transfert.

157 Supplementary Material table A 2: Définition des valeurs des variables pour chacun des scénarios de l’étude de sensibilité de l’indicateur I-MPGS.

satu = Saturation du profil en mois ; TBE = ration Longueur de versant contributeur/ largeur de la bende enherbée ; compo = variable issue de sous-arbre composition de 0 à 100, transf = variable issue du sous arbre transfert de 0 à 100 ; topo = présence d’un bourellet en bordure de cours d’eau 0= non, 1= oui.

scénario satu TBE compo transf topo

défavorable 1 50 0 0 0

moyen 4 25 50 50 0

Supplementary Material Table A 3 : Liste des variables utilisées pour calculer le sous-arbre Transfert (variable transf)

Nom complet variable d'entrée

Nom abrégé variable d'entrée Unité Type échelle variable Fonction appartenance

observation de passage priviégié dans la BE Bypass Non/oui décroissante linéaire LF 0 LD 2

pente slope % décroissante linéaire LF 0 LD 5

Limite (LD=limite défavorable LF=limite favorable)

159 Supplementary Material Table A4 : Liste des variables utilisées pour calculer le sous-arbre

composition (variable compo)

Nom complet variable d'entrée

Nom abrégé variable d'entrée Unité Type échelle variable Fonction appartenance Classement des variables d'entrées (les entrer par ordre

décroissant) Passage de roue (tassement) p roue décroissante sinusoïdale LF 0 LD 2 2

Hauteur de fauche Htfauch cm croissante linéaire LD 5 LF 15 1 Exportation Export non/oui décroissante linéaire LF 0 LD 1 1

Limite (LD=limite défavorable LF=limite favorable)

160 Supplementary Material Table A5: Structure de l’arbre de décision pour l’arbre principal de

l’indicateur I-MPGS et les corrections apportées

Pour la signification des variables, se reporter au paragraphe 3.1.

satu pén1 Interaction TBE pén2 Interaction compo pén3 Interaction transf pén4 Interaction topo pén5 Eff brut Eff calibré

Correction en valeur absolue Eff corrigé F 3 0 F 3 0 F 2 0 F 2 0 F 1 11 100,0 100,0 F 3 0 F 3 0 F 2 0 F 2 0 D 0 10 90,9 -0,9 90,0 F 3 0 F 3 0 F 2 0 D 0 0 F 1 9 81,8 -1,8 80,0 F 3 0 F 3 0 F 2 0 D 0 0 D 0 8 72,7 -2,7 70,0 F 3 0 F 3 0 D 0 0 F 2 0 F 1 9 81,8 -1,8 80,0 F 3 0 F 3 0 D 0 0 F 2 0 D 0 8 72,7 -2,7 70,0 F 3 0 F 3 0 D 0 0 D 0 0 F 1 7 63,6 -3,6 60,0 F 3 0 F 3 0 D 0 0 D 0 0 D 0 6 54,5 -4,5 50,0 F 3 0 D 0 0 F 2 0 F 2 0 F 1 8 72,7 -12,7 60,0 F 3 0 D 0 0 F 2 0 F 2 0 D 0 7 63,6 -13,6 50,0 F 3 0 D 0 0 F 2 0 D 0 0 F 1 6 54,5 -14,5 40,0 F 3 0 D 0 0 F 2 0 D 0 0 D 0 5 45,5 -15,5 30,0 F 3 0 D 0 0 D 0 0 F 2 0 F 1 6 54,5 -14,5 40,0 F 3 0 D 0 0 D 0 0 F 2 0 D 0 5 45,5 -15,5 30,0 F 3 0 D 0 0 D 0 0 D 0 0 F 1 4 36,4 -11,4 25,0 F 3 0 D 0 0 D 0 0 D 0 0 D 0 3 27,3 -2,3 25,0 D 0 0 F 3 0 F 2 0 F 2 0 F 1 8 72,7 -12,7 60,0 D 0 0 F 3 0 F 2 0 F 2 0 D 0 7 63,6 -13,6 50,0 D 0 0 F 3 0 F 2 0 D 0 0 F 1 6 54,5 -14,5 40,0 D 0 0 F 3 0 F 2 0 D 0 0 D 0 5 45,5 -15,5 30,0 D 0 0 F 3 0 D 0 0 F 2 0 F 1 6 54,5 -14,5 40,0 D 0 0 F 3 0 D 0 0 F 2 0 D 0 5 45,5 -15,5 30,0 D 0 0 F 3 0 D 0 0 D 0 0 F 1 4 36,4 -11,4 25,0 D 0 0 F 3 0 D 0 0 D 0 0 D 0 3 27,3 -2,3 25,0 D 0 0 D 0 0 F 2 0 F 2 0 F 1 5 45,5 -15,5 30,0 D 0 0 D 0 0 F 2 0 F 2 0 D 0 4 36,4 -11,4 25,0 D 0 0 D 0 0 F 2 0 D 0 0 F 1 3 27,3 -2,3 25,0 D 0 0 D 0 0 F 2 0 D 0 0 D 0 2 18,2 -3,2 15,0 D 0 0 D 0 0 D 0 0 F 2 0 F 1 3 27,3 -2,3 25,0 D 0 0 D 0 0 D 0 0 F 2 0 D 0 2 18,2 -3,2 15,0 D 0 0 D 0 0 D 0 0 D 0 0 F 1 1 9,1 0,9 10,0 D 0 0 D 0 0 D 0 0 D 0 0 D 0 0 0,0 0,0

161 Supplementary Material Table A6: Structure de l’arbre de décision pour le sous-arbre composition (variable compo) de l’indicateur I-MPGS

Pour la signification des variables, se reporter au paragraphe 3.1.

p roue pén1 Interaction Htfauch pén2 Interaction Export pén3 Interaction Interaction Eff brut Eff calibré

Correction en valeur absolue Eff corrigé F 2 0 F 1 0 F 1 0 0 4 100,0 100,0 F 2 0 F 1 0 D 0 0 0 3 75,0 75,0 F 2 0 D 0 0 F 1 0 0 3 75,0 75,0 F 2 0 D 0 0 D 0 0 0 2 50,0 50,0 D 0 0 F 1 0 F 1 0 0 2 50,0 50,0 D 0 0 F 1 0 D 0 0 0 1 25,0 25,0 D 0 0 D 0 0 F 1 0 0 1 25,0 25,0 D 0 0 D 0 0 D 0 0 0 0 0,0 0,0

162 Supplementary Material Table A7: Structure de l’arbre de décision pour le sous-arbre transfert (variable transf) de l’indicateur I-MPGS

Pour la signification des variables, se reporter au paragraphe 3.1.

Bypass pén1 Interaction slope pén2 Eff brut Eff calibré

Correction en valeur absolue Eff corrigé F 3 0 F 1 4 100,0 100,0 F 3 0 D 0 3 75,0 75,0 D 0 0 F 1 1 25,0 -10 15,0 D 0 0 D 0 0 0,0 0,0

163 Supplementary Matérial A8 : Répartition des sorties des indicateurs I-Phy 2 et I-MPGS ainsi que la répartition des sorties d’I-Phy 2 pondérées par (1-I-MPGS)

Résumé : L’évolution de l’agriculture depuis les années 60 a permis une augmentation des rendements et

d’atteindre l’autosuffisance alimentaire. Cette évolution a conduit à une intensification et une simplification des pratiques et des assolements qui ont eu des conséquences environnementales, en particulier sur la qualité des eaux, souvent contaminées par des pesticides. Cette qualité des eaux est devenue un enjeu national et européen avec la mise en place de normes réglementaires : la Directive Cadre sur l’Eau (Europe) et le programme Ecophyto (France). Pour mettre en place les démarches de conseil afin de diminuer l’impact des pesticides sur la qualité de l’eau, les acteurs ont besoin d’indicateurs pour évaluer le risque pesticide à différentes échelles, or les indicateurs existants permettent essentiellement de déterminer un risque à l’échelle de la parcelle, mais pas à l’échelle du bassin versant. La question est donc de pouvoir déterminer un risque à l’échelle du bassin versant en agrégeant des risques déterminés à l’échelle de la parcelle. Le travail s’est effectué en trois axes : le premier axe consiste à comparer l’indicateur pesticide I-phy de l’équipe Agriculture Durable du Laboratoire Agronomie et Environnement à 27 indicateurs différents, afin de comparer la capacité prédictive, le domaine de validité et le rôle des variables prises en comptes dans le calcul de ces indicateurs. Cette comparaison se fera via un ensemble de tests statistiques comme le calcul des corrélations et des tests de vraisemblance entre les calculs des indicateurs de risques et des données expérimentales issues de sites présentant des conditions pédoclimatiques différentes. Dans le second axe, nous avons proposé une amélioration de l’indicateur parcellaire I-phy par la prise en compte des zones non-productives en bordure de parcelles en prenant en compte les éléments issus de la bibliographie, l’utilisation d’un modèle et des mesures de terrain sur les bandes enherbées. Dans l’axe trois, nous avons élaboré une méthode d’agrégation des risques parcellaires pour calculer un risque à l’échelle du Bassin Versant. Pour établir cette méthode, nous avons équipé un Bassin Versant d’étude en 4 points, de préleveurs et de mesure de débit, pour mesurer les contributions relatives des parcelles du Bassin Versant. La conclusion de ce travail doit valider une méthode d’agrégation des risques de pollution des eaux par les pesticides à l’échelle du bassin-versant, qui pourra être déclinée en outils opérationnels pour les acteurs de la gestion de l’eau afin, entre autre, de conseiller les agriculteurs et de tester des scénarios de changements de pratiques pour améliorer la qualité des eaux.

Abstract : The evolution of agriculture since the 60s allowed an increase of yields and to reach the food

self-sufficiency. This evolution led to an intensification and a simplification of the practices and the crop rotation systems which had environmental consequences in particular on water quality, often contaminated by pesticides. This waterquality became a national and European stake with the implementation of statutory standards: the'Water Framework Directive' (Europe) and the Ecophyto program (France). To set up the steps of advice to decrease the impact of pesticides on the water quality, the actors need indicators to estimate the risk of transfer of pesticides at various scales, yet the existing indicators allow essentially to determine a risk on the scale of the plot, but not on the scale of the watershed. Thus the question is being able to determine a risk on the scale of the watershed by aggregating risks determined on the scale of the plot. This work was made in three axes: the first axis consists in comparing the pesticide risk indicator I-phy of the team Sustainable Agriculture of the Laboratory Agronomy and Environment with 27 different indicators, in comparing the predictive capacity, the domain of validity and the role of variables taken into account in the calculation of these indicators. This comparison will be made via a set of statistical tests as the calculation of the correlations and the probability test between the calculations of the indicators and the experimental data stemming from 4 sites presenting different pedoclimatic conditions. In the second axis, we proposed an improvement of the indicator I-phy by the consideration of the non-productive zones in border of plots by taking into account elements stemming from the bibliography, the use of a model and from measures of grassstrips. In the axis three, we developed a method of aggregation of the risk indicator at the scale of the plot to calculate a risk on the scale of the watershed. To establish this method, we equipped a watershed in 4 points, samplers and measure of flow, to measure the relative contributions of different parts of the watershed. The conclusion of this work has to validate a method of aggregation of the risks of water pollution by pesticides on the scale of watershed, which can be declined in operational tools for the water stakeholders, to advise the farmers and to test scenarios of changes of practices to improve the water quality.