Analyse de la variabilité spatio-temporelle
et modélisation statistique des variations
de stock d’eau du sol
enforêt
J. CHADOEUF* G. AUSSENAC**, A GRANTER**
J. CHADOEUF
* INRA, Station d
G. AUSSENAC Biométrie, Centre de
A. GRANIER cherches
d’Avigno
* INRA, Station de Biométrie, Centre de Recherches
d’Avignon,
Domaine Saint-Paul, F 84140
Montfavet
*** INRA, Station de
Sylviculture
et de Production,Centre de Recherches de
Nancy, Champenoux,
F 54280Seichamps
Summary
Analysis of temporal
andspatial variability
and statisticalmodelling of
soil water reserve inforest
standsSoil water reserve distribution measured with a neutron moisture meter in forest stands presents a great
variability,
both in space and in time. Animportant problem
in forest stand waterconsumption
studies, at present based upon water balance methods, is thesampling
for soil watercontent measurement.
An answer to this
question
is tostudy
thevariability
of soil water reserve. The authors propose a statisticalanalysis
modelallowing
theseparation
of total variation into a time variationand a space variation. The model for interaction
separation
is based onPrincipal Component
Analysis. Water stock measured at a point x at a time t is decomposed in a general mean to whichis added the
product
of a term linked to time with a term linked to space, and a random term.This expresses the fact that, once the variables are centred, measurements taken at each
point
ofthe stand fluctuate
proportionally
to one another. Random errors are assumed to beindependant
and to follow a
single
model. The model paramaters and their variance-covariances are estimated,assuming
that the random contribution to variance is smallcompared
toglobal
variance, which hasactually proved
to beright
in the presentstudy.
In a first stage the model parameters are estimated with their statistical characteristics. A strong
heterogeneity generally
appears between mensurationspoints,
both for the average reserve at eachpoint
and for themultiplicative
terme linked to space.In a second stage these parameters are
analysed
inconjunction
withspecific
characteristics of several different stands. The existence of animportant spatial gradient
has thus been shown in oneof the stands,
leading
to the elaboration of a map.It has also been
possible
toquantify
the influence ofplanting density
on water reservespatial
distribution. In the case of a
recently
thinned stand thisanalysis
lead tostudy
the evolution with time ofspatial
variations. A strongheterogeneity
appears afterthinning,
followedby
aprogressive homogenization
inconjonction
with soil colonizationby
the roots ofremaining
trees.Spatial
distribution of the studied parameters in relation to the distance frompoint
of measureto tree has however not been modelled here, due to its very
high variability
inconjunction
withthe number of available
points
of measure in each stand.Key
words : Soil moisture,variabilily,
modelization,spatio-temporal, thinning,
water balance.Résumé
La distribution des stocks d’eau mesurés dans des
parcelles
forestières au moyen d’un humidimètreneutronique présente
une variabilitéimportante,
tant dansl’espace
que dans letemps. Les études de consommation en eau des
peuplements
forestiers actuellement basées sur les méthodes de bilanhydrique
posent alors unproblème important d’échantillonnage
des mesuresd’humidité du sol. La
réponse
à cettequestion
passe par une étude de la variabilité des stocks d’eau. Nous proposons un modèlestatistique d’analyse,
permettant deséparer
la variabilité totaleen une variabilité
temporelle
et une variabilitéspatiale.
Il
s’agit
d’un modèle dedécomposition
de l’interaction, issu des modèlesd’Analyse
enComposantes Principales.
Le stock d’eau mesuré en un lieu x à la date t estdécomposé
sous laforme d’une moyenne
générale
àlaquelle s’ajoutent
leproduit
d’un terme lié au lieu et d’un termelié à la date, et une
partie
aléatoire. Ilexprime
que, une fois centrées, les mesures enchaque point
de laparcelle
fluctuentproportionnellement
les unes aux autres. Lesparamètres
du modèleet leurs variances-covariances sont estimés en supposant que la part de variance de la
partie
aléatoire est faible par rapport à la variance
globale,
cequi
est vérifié dans notre étude.Dans une
première
étape, nousprésentons
l’estimation desparamètres
de ce modèle ainsi que leurscaractéristiques statistiques.
Defaçon générale,
ilapparaît
une très fortehétérogénéité
entrepoints
de mesure, tant au niveau du stock moyen enchaque
lieuqu’au
niveau du termemultiplicatif
lié au lieu.Dans une deuxième
étape,
ces paramètres sontanalysés
vis-à--vis descaractéristiques spécifi-
ques des différentes
parcelles
étudiées. Elle a ainsipermis
dedégager
l’existence d’ungradient spatial important
dans l’une desparcelles
et d’en proposer unecartographie.
Elle a
également permis
dequantifier
l’influence de la densité deplantation
sur larépartition spatiale
des stocks. Dans le cas d’uneparcelle
récemment éclaircie, cetteanalyse
apermis
desuivre l’évolution
temporelle
des variationsspatiales.
Une fortehétérogénéité
des stocks d’eauapparaît après
éclaircie,puis parallèlement
à la colonisation du sol par les racines des arbres restants, on assiste à leurprogressive réhomogénéisation.
Par contre, la distribution spatiale des paramètres étudiés en fonction de la distance du point
de mesure à l’arbre n’a pu être modélisée ici, dans la mesure où elle
présentait
une variabilité tropimportante
par rapport au nombre depoints
de mesuredisponibles
danschaque parcelle.
Mots clés : Humidité du sol, varlabilité, modélisation,
spatio-temporet,
éclaircie, bilanhydrique.
1. Introduction
L’évaluation de
l’évapotranspiration
est un élément essentiel pour lacompréhension
du fonctionnement des
écosystèmes forestiers,
notamment en cequi
concerne leurproduction.
La mesure del’évapotranspiration
des forêts est rendue difficile de parl’hétérogénéité
despeuplements,
tant au niveau du sol que de la structure du couvert.Les différentes
approches développées
actuellement pour estimerl’évapotranspira-
tion en forêt se classent en trois groupes :
e mesure des flux
aériens,
au-dessus deshouppiers,
avec ledéveloppement
récentde la méthode des fluctuations. Ces méthodes
supposent
desparcelles homogènes
et degrande
extensionhorizontale,
et nepermettent
pasd’explorer
la variabilitéspatiale
despeuplements ;
e mesure des flux
liquides
dans le tronc desarbres, qui
permet d’estimer latranspiration,
mais pas l’ETRtotale ;
*méthode du bilan
hydrique,
par la mesure des variations d’humidité du sol.Cette méthode a connu un
développement important grâce
à l’utilisation des humidimè- tresneutroniques.
L’étude de la variabilité
spatiale
de la réservehydrique
dans le sol et de sonévolution dans le
temps
a faitl’objet
d’un certain nombre de travaux ; citons ceux de NIELSEN et al.
(1973),
VAUCLIN(1983),
RAMBAL et al.(1984),
CHADOEUF(1984),
1V1ILLY& EAGLESON
(1987),
réalisés aussi bien sur des sitesagricoles
que forestiers. Cette variabilité est leplus
souvent mise en relation avec celle descaractéristiques hydrodyna- miques
dessols ;
dans le cas despeuplements
forestierspeut
aussis’y ajouter
l’effet des arbres.Plusieurs séries
d’expérimentations
menées en Lorraine ontpermis
de comparer les différents termes du bilanhydrique
en fonction del’essence,
de la structure dupeuplement
et des interventionssylvicoles (A USSENAC
&GR A N IER , 1979 ;
AUSSENAC &BOULANGEAT, 1980 ;
AussENAc etal., 1982).
Elles ont aussi mis en évidence la variabilité des réserves en eau du sol etl’objet
de ce travail estprécisément
d’utiliser le nombreimportant
de mesuresayant
servi de base à ces travaux pour :! caractériser la variabilité
spatio-temporelle
des variations d’humidité dusol,
! en proposer une modélisation de
type statistique.
2. Matériel et méthodes
2.1. Les données
expérimentales
Le tableau 1 résume les
principales caractéristiques
des troispeuplements ayant
servi de base à cetteétude ;
ils sont situés en forêt domanialed’Amance,
à 15 km àl’est de
Nancy (altitude
250 m, latitude 48°44’N, longitude
6°14’E).
Lesprécipitations
annuelles sont voisines de 700 mm, la
température
moyenne annuelle est de9,1
°C. Le sol est detype
sol brun faiblement lessivé àpseudogley ;
l’horizond’engorgement apparaît
vers 60 à 80 cm deprofondeur.
L’humidité du sol a été mesurée avec un humidimètre
gammaneutronique N.E.A. ;
les tubes d’accès
(voir
tabl.1)
ont unelongueur
utile de 150 à 220 cm.La
fréquence
des mesures enphase
estivale est engénéral
de 7jours.
Les cumulsde lame d’eau ont été calculés sur les 150
premiers
centimètres deprofondeur
de sol.Dans un
premier temps,
nousanalyserons
laparcelle feuillue, qui
a faitl’objet
desmesures les
plus
nombreuses. Pourcela,
nous commencerons parprésenter
les résultats lesplus significatifs
del’analyse
dedonnées,
réalisée essentiellement au travers d’ana-lyses
encomposantes principales,
avant de choisir un modèleplus spécifique
àl’expé-
rience.
Nous
disposons
de 23points
dont 20 sontrépartis
sur unegrille.
Une estimation duvariogramme
et sa modélisation était de ce fait délicate. Par contre, nousdisposons
d’un relativement
grand
nombre de mesures dans letemps (116 dates),
et nouschercherons à en tirer
parti
par une modélisation dont nousprésentons
lesgrandes lignes
en 2.2.Ensuite,
nousappliquerons
ce modèle aux deuxpeuplements
résineux :- l’un
présentant
trois densités deplantation,
- l’autre
ayant
été soumis à une éclaircie en 1980.Dans cette
parcelle,
au cours de l’été1983,
unepartie
du sol a été recouverted’une bâche en matière
plastique
pour étudier l’influence de lasuppression
desprécipitations
sur le bilanhydrique.
2.2. Le modèle d’interaction Le modèle utilisé est le suivant :
y
(i, j)
=a (i)
+ t.c(i).b (j)
+e (i, j)
où 1 < i < 1
représente
les tubes(1
= 23 dans laparcelle feuillue) 1 < j
< Jreprésente
les différentes dates de mesurey
(i, j)
stock d’eau aupoint
i à ladate j
iavec les contraintes
Yb (j)
= 0 etle’ (i)
= 1¡b
2 (j)
= 1les e
(i, j)
étant des variables aléatoiresindépendantes
etidentiquement
distribuées.C’est en fait un modèle
simple
de structuration de l’interaction. Il revient à ne conserver que lepremier
axe del’Analyse
enComposantes Principales.
Il traduit laproportionnalité
des variations de stock d’eau des tubes aux différentspoints
de laparcelle :
entre lepoint
il eti2,
le coefficient deproportionnalité
est de c(il)/c (i2).
Sipar
exemple,
toutes les réserves en eau des tubes fluctuaient de la mêmefaçon,
cerapport
serait de1,
dont c(i)
=11 VI,
1 étant le nombre de tubes.Ce modèle
permet
deséparer
l’effetdate, représenté
par lesparamètres
b(j),
deseffets
spatiaux
que l’on retrouve dans lesparamètres
a(i)
et c(i).
Ainsi que cela a
déjà
étéprécisé auparavant,
nous nous intéresserons surtout auxparamètres spatiaux
dans la mesure où ils conditionnent toute estimation à l’échelle de laparcelle,
tant en cequi
concerne les valeurs du stock d’eau à une date donnée que les variations entre deux dates.Si on suppose que e =
al.f,
où al est un réel tendant vers0,
les f étant des erreursà
support borné,
onpeut
montrer que lesparamètres convergent
en normeL z quand
altend vers 0. On a en
particulier
pour lesparamètres
a(i)
et b(j) qui
nous intéressentplus particulièrement,
en notant à l’estimateur duparamètre
a et a(i, .)
la moyenne des a(i, j) :
-
â (i)
= y(i, .)
et,quand
f tend vers0,
à
(i)
= a(i)
+ e(i, .) donc,
enparticulier,
. E
(â (i))
= a(i) :
il n’est pas biaisé. cov
(â (il),
à(i2))
= a21J si il = i20 sinon
- c
(i) :
ce sont lescomposantes
dupremier
vecteur propre de la matrice de variance. On obtientquand
f tend vers 0 :C
= C +(j 11 - CC’).E.B/J
où C est le vecteur des c
(i),
C’ sontransposé III
la matriceunité,
E la matrice des
(e (i, j) -
e(i, .)),
B le vecteur des b
(j)
d’où E
(CL=
CVar
(C) = (j I ! - CC’lu 2 / J 2
-. - - -- !l-- f- i-!! - il f&dquo;: /:B!-21,2
et en
particulier
Var(C (i)) _ (1 -
C2(i»( J ’2/e
- la somme des carrés résiduels vérifie de même au 2e ordre E
(SCR) = (I - 1) (J - 2)a z
cequi
nouspermettra
d’estimer la variance.3. Résultats
3.1. Cas de la
parcelle feuillue
3.11.
Analyse
des donnéesRappelons
que nous effectuons uneanalyse
sur le tableau des lamesd’eau,
lesdates sont
prises
commeindividus,
et les tubes comme variables. Nous avons donc un tableau 23 x 116.On note une assez
grande
variabilité des réserves d’eau entre les tubes(voir
tabl.
2) :
- les moyennes fluctuent de 470 mm à 534 mm,
- les
écarts-types
vont de 21 mm à 58 mm soit des variations allant dusimple
àplus
du double.Toutefois,
les corrélations entre tubes sont trèsfortes,
lesplus
faibles étant de0,7 (les plus
fortes sont deplus
de0,9),
cequi indique déjà
uncomportement
d’ensemble des tubes.Nous avons ensuite
procédé
à uneanalyse
en composantesprincipales.
Nos données étant
homogènes,
nous avonspréféré
effectuer cetteanalyse
sur lamatrice de variance. Elle nous montre un
premier
axe trèsimportant.
Nous obtenonsen effet les
pourcentages
d’inertie de :92,3 - 3,5 - 1,5 - 0,6 - 0,5
Ce
premier
axe de très forte inertie est un effet « taille ». Ilsignifie
toutsimplement
que les réserves en eau sont toutesglobalement
fortes ou faibles en mêmetemps.
Cet axe décrit donc l’étathydrique
moyen de laparcelle.
Mais au-delà de cetteévidence,
il faut remarquer quel’amplitude
des fluctuations est très différente d’un tube à l’autre(effet
bienreprésenté
par lescomposantes
dupremier
vecteurpropre)
et que les 92 p. 100 d’inertie montrent que les variations d’un tube sontquasiment proportion-
nelles d’un tube à l’autre.
Le deuxième axe montre
justement
unpremier
écart à cetteproportionnalité
différenciant les stocks « moyens
» (dessèchements
moyens dans lespériodes normales)
des stocks très faibles
correspondant
à la sécheresse de 1976(correspondant
aux onzedates s’étalant entre le 30/06/76 et
29/09/76)
et, à undegré moindre,
de 1979(le
03/08/79 et le
09/09/79).
Ellecorrespond
à un ralentissementprogressif
de la baisse des stocks d’eau deplus
faibleamplitude quand
la sécheresse s’accentue(on
notera que les deuxépisodes
orageux intervenus en 1976 durant cettepériode
n’ont pas annulé la situation desécheresse).
Si ces deux vecteurs propres sont donc trèsliés,
ils correspon- dent à deuxphénomènes
très différents.Analyse
des vitesses de variation Une deuxièmeanalyse
aporté
sur les vitesses de variation :v (i, j) = (y (i, j + 1) - y (i, j»/(n (i, j + 1) - n (i, j»
où n
(i, j)
est la date de la 1&dquo; mesure du tube i.Une
analyse
sur la matriceempirique
des moments d’ordre 2 a été effectuée. On obtient alors lespourcentages
d’inertie suivants :81,5 - 3,5 - 2,5 -
2 -1,6
Le
premier
axe décrit commeprécédemment
laproportionnalité
des variations de stock d’eau d’un tube à l’autre. Par contre, cetteanalyse
atténue fortement l’effet sécheresse mis en évidenceprécédemment.
Defaçon générale,
on retrouve sur lespoints
excentrés des écarts à laproportionnalité
dus :- soit à une remontée de stock à
partir
d’un niveaufaible,
- soit à une remontée alors que le niveau moyen est
déjà
haut.On retrouve donc bien un effet sécheresse dans le
premier
cas, alors que le secondmet
plutôt
en évidence des effets vraisemblablement dus à un ruissellement alors que le sol est saturé.Conclusions
Nous retiendrons de cette
analyse
laproportionnalité
des variations des stocks d’eau aux différentspoints
de mesure. Elle est mise en défaut lors des dessèchementsimportants,
et à undegré
moindre lors des remontées de stock alors que le niveau estdéjà
haut. Nous écarterons donc de cette étude les données de l’année 1976(22 dates).
Cela revient alors à choisir comme modèle d’évolution des stocks le modèle
présenté
au 2.2.3.12. Le modèle d’interaction
a)
EstimationAprès suppression
des données liées aux datesprécédentes,
on obtient un tableaudes stocks d’eau de 23 variables
(les tubes)
et 94 individus(les dates).
La somme de carrés résiduels atteint 134 000, ce
qui
nous donne une varianceestimée de 66 MM2
(soit
unécart-type
d’environ 8mm).
Le modèlepermet d’expliquer
93,3 p. 100 de la somme de carrés initiale avec ce seul axe. Il constitue donc de ce
point
de vue un « bon » résumé des variations de stock.Les
paramètres
a(i)
et c(i)
de ce modèle sont maintenant étudiésplus précisé-
ment, dans la mesure où ils contiennent l’information
spatiale
que nous voulonsprivilégier.
- Les estimations des a
(i)
sont données dans lapremière
colonne du tableau 3.Elles sont
indépendantes
les unes des autres et ont pour variance 66/94 soit un écart-type
d’environ0,84
mm.- Celles des c
(i)
sont dans la deuxième colonne du tableau 3. Leur matrice de variance est(I-CC’) 3,5/
1 000. Si ce résultat estappliqué
aupremier
tube :c
(1)
=0,026
d’où une estimation del’écart-type
de O’(é (1))
=0,006
alors que
1/t1l 23
=0,209
serait la valeurthéorique
de c(i)
si tous les tubesétaient
identiques.
Cettehypothèse
est donc bienrejetée.
b) Analyse
desparamètres spatiaux
- La liaison a
(i)
- c(i)
La
simple
observation de lafigure
1 nous montre une liaison étroite entre lesparamètres
a(i)
et c(i) : plus
la moyenne baisse etplus
les tubes ont de fortes fluctuations. Cecisuggère
comme modèlepossible :
y
(i, j)
= M + t.c(i).b (j)
+ e(i, j)
où M serait le stock maximum d’unpoint.
Ce modèle pose toutefois de nombreux
problèmes
d’estimation(DENIS, 1983),
sanspour autant faire gagner un nombre
important
deparamètres.
-
Cartographie
Si on examine les
paramètres
c(i),
en fonction de leurposition spatiale (fig. 2),
onnote un
gradient
trèsimportant.
Il coïncide bien avec lapartition
faite par AussErrnc &G
RANIER
(1979)
sur cette mêmeparcelle
en neprenant
encompte
que les variations maximales destocks,
entre la réservehydrique
minimale atteinte en1976,
et lareconstitution de la réserve en hiver 1977.
c)
ConclusionCette modélisation
permet d’analyser
les relations entre les variations de stock auxdifférents
points
de mesure. Enparticulier,
les coefficients c(i), qui
fournissent unrésumé des
proportions
des variations de stock auxpoints
mesuréspeuvent
être estimésavec d’autant
plus
deprécision
que l’onmultipliera
le nombre de dates de mesures. Ona
déjà
pu observer ici uneimportante
variabilité individuelle due engrande partie
à un«
gradient
» d’humidité.Afin de passer maintenant de la stricte observation à la.
prévision
en d’autrespoints
de la
parcelle,
il est nécessaire de modéliser cegradient.
Au vu des cartes
observées,
nous avons choisi de le décrire comme une surface du seconddegré
en fonction des deux coordonnées:c
(i) = ax,!
+by i ’
+ cxi.yi +dx i
+ eyi + f + e,où
(x,, y ; )
sont les coordonnées dupoint i,
E¡des variables aléatoiresindépendantes
gaussiennes
de même variance.3.13. Modélisation des
paramètres
c(i)
Si l’on considère alors un nouveau
point j
de laparcelle,
onpeut
estimer la valeurc
(j)
duparamètre correspondant
via larégression
linéaire décrite ci-dessus. L’écarte
(i)
entre la vraie valeur et la valeur estimée traduit le biaissystématique qui
est faitsur l’évaluation des variations de stock en ce
point.
Estimation
On obtient une bonne
adéquation
auxparamètres
avec un coefficient de corrélationmultiple
de0,85
et une erreur résiduelle de0,05.
Les valeurs estimées ainsi que les résidus sontconsignés
dans le tableau 4.TABLEAU 4
On note un seul résidu
particulièrement important.
Ilcorrespond
aupoint
21 avecune valeur c
(21)
=0,112
pour une estimation par le modèle de0,251.
Ils’agit
là duseul effet des arbres dont nous avons pu démontrer l’existence. C’est en effet le seul
point
de mesure relativementéloigné
des arbres : il est à 5 mètres de l’arbre leplus proche.
De cefait,
le modèle surestime les variations de stockauxquelles
cepoint
estsoumis.
Si on
reporte
sur la carte l’effet c estimé par le modèleprécédent,
nous obtenonsla carte de la
figure
3. Cette carte ne contient pas en fait d’élémentsupplémentaire
parrapport
à ce que l’onpouvait
déduire de la carteprécédente. Signalons
que l’on ne note pas deliaison,
tant avec lapente qu’avec
laproximité
de la lisière. Elle met par contreplus
en évidence laprésence
d’unpoint
selle(point
encadré par deux zones à fortes variations et deux àfaible).
On retrouve bien les zones délimitées par AUSSENAC &
G RANIER ,
mais il y a en faitplus
une variationcontinue,
illustrée par la carte,qu’une séparation
nette entrerégions
de
comportements
différents. L’échelle de variation estpetite, puisque
9 mètressépa-
rent par
exemple
les tubes 6 et7, qui
fluctuent dans unrapport
de 1 à 3.3.2. Cas des
peuplements
résineux3.21.
Effet de
la densitéUne
analyse
similaire à celle décriteprécédemment
a été effectuée sur chacune des 3parcelles
du « carré latin» (cf.
tabl.1).
On obtient des ordres de
grandeur
des valeurs propres similaires à ceux observés dans laparcelle
feuillue :94,6
p. 100 d’inertie pour lepremier
axe,puis
on tombe à2,3
p. 100 -0,8
p. 100...Le tableau 5 donne le
premier
vecteur propre ainsi quel’écart-type
desparamètres c (i).
On
peut déjà
noter un effet trèsimportant
de ladensité,
dûprincipalement
àl’écart entre la densité la
plus
faible et les deux autresparcelles.
Une
analyse
de variance menée sur cesparamètres
montre de ce fait un trèsimportant
effet densité(f
=32,0 qui
suit unf (2,10), significatif
au seuil de 5 p.100),
alors que l’effet
position
parrapport
aux arbres n’est passignificatif.
3.22.
Effet
de l’éelaircieLe modèle est
appliqué
année par année defaçon
àpouvoir
suivre l’évolution desparamètres
avec letemps.
Le tableau 6 donne l’évolution des trois
premières
valeurs propres avec letemps.
On note par
rapport
auxexemples précédents
unelégère
baisse de lapremière
valeurpropre les deux
premières
annéesaprès
l’éclaircie(1980
et1981).
Il y
correspond principalement
uneaugmentation
de la seconde valeur propre.Cette dernière
perd
de sonimportance
avec letemps
et, dès les années1983-1984,
onretrouve des
pourcentages
d’inertie de 94 à 95 pour lepremier
axe. Cette évolution estplus
nette si on étudie lepremier
vecteur propre(Cf. fig. 4) qui
se montreplus
sensible :
- on remarque l’évolution
globale
vers une stabilisation de l’état de laparcelle.
Trois à
quatre
ansaprès l’éclaircie,
la variabilité entre tubes est trèsfaible, comparable
à ce que l’on obtenait dans la
parcelle
du carrélatin ;
- nous y retrouvons
également
« l’accident » de 1983correspondant
auxpériodes
où la
parcelle
avait étépartiellement
recouverte d’une bâche avec uneaugmentation
decette variabilité.
Toutefois,
si on retrouve bien pour cet accident l’effetprévu (chute partielle
de lavariation des tubes 25-26-27-38-39 par
rapport
auxautres),
l’effet dû à l’éclaircie estplus surprenant.
Onpouvait
penser que les variations des stocks d’eau allaient être d’autantplus grandes
que les tubes étaientproches
d’arbres restés enplace.
En
fait,
si cettelogique
estrespectée
pour les tubes28-29-30-40-41,
ce n’estplus
vrai pour le deuxième groupe. En
particulier,
le tube25,
leplus proche
d’un arbre abattu lors del’éclaircie,
est celuiqui
fluctue leplus
en 1980.4. Conclusion
Le modèle
statistique proposé
apermis
de décrire, au travers de sesparamètres,
l’influence sur la distribution de l’eau dans le sol de
phénomènes
aussi différents que l’influence de l’éclaircie et son évolution au cours dutemps,
la variation de densité deplantation
ou l’existence d’une nappe.Il s’est montré bien
adapté
dans lespériodes
autres que les « accidents» (parcelles
venant d’être éclaircies ou
périodes
de fortessécheresses). Lorsque
ces derniers arri-vent, les
paramètres
décrivant la variation des stocks d’unpoint
parrapport
à un autrene peuvent
plus
être considérés comme constants(parce
que le stock d’eau se vide peu à côté d’un arbre éclairci dans lepremier
cas, parce que le stock d’eau a atteint son niveau minimal en certainspoints
dans le deuxièmecas).
C’est cette difficulté que nousavons
partiellement
contournée en traitant année par année les données issues desparcelles éclaircies,
cesparamètres
variant apriori
relativement peu dansl’année,
ce que confirme la bonneadéquation
du modèle.Cette étude est basée sur un nombre
important
dedonnées, provenant
surtout dugrand
nombre de dates de mesures. Par contre, lespoints
de mesure sont engénéral beaucoup
moinsnombreux,
nous conduisant à individualiser chacun d’eux dans l’ana-lyse.
Dans le cas leplus fourni,
ces derniers nous ontpermis
derepérer
etcartogra- phier
la nappe. Laprésence
d’unplus grand
nombre depoints
desondage permettrait
une étude
spatiale plus
fine au travers de méthodesstatistiques plus appropriées
tellesque le
krigeage, puis,
une fois lesaspects spatiaux analysés,
de réduirel’échantillonnage
à l’aide du modèle d’interaction
proposé.
Reçu
le 2 décembre 1987.Accepté
le 2 mai 1988.Références
bibliographiques
A
USSENAC G., BOULANGEAT C., 1980.
Interception
desprécipitations
etévapotranspiration
réelledans des
peuplements
feuillus(Fagus
silvaticaL.)
et de résineux(Pseudotsuga
menziesii(Mirb.) Franco).
Ann. Sci.forest.,
37(2),
91-107.Auss ENA
c G., GRANIER A., 1979. Etude
bioclimatique
d’une futaie feuillue(Fagus
silvatica L. etQuercus sessiliflora Salisb.)
de l’Est de la France. Il. Etude de l’humidité du sol et del’évapotranspiration
réelle. Ann. Sci. Forest., 36(4),
265-280.AussENAc G., GRANIEIt A., NAUD R., 1982. Influence d’une éclaircie sur la croissance et le bilan
hydrique
d’unjeune peuplement
deDouglas (Pseudotsuga
menziesii, Mirb.Franco).
Can. J.For. Res., 12
(2),
222-231.C
HADOEUF J., 1984. Etude des
transferts hydriques
dans lespeuplements forestiers. Analyse
statisti-que des variations de stock et
problème
d’estimation liés à latechnique
du bilanhydrique.
Thèse de 3’
cycle,
Université de Paris-Sud.DENIS J.B., 1983. Interaction entre deux
facteurs.
Thèse du DocteurIngénieur.
I.N.A.-P.G.M
ILLY P.C.D., EAGLESON P.S., 1987. Effects of
spatial variability
on AnnualAverage
WaterBalance. Water Resour. Res.,
23 (11),
2135-2143.N
IELSEN D.R., BIGGAR J.W., Eutt K.T., 1973.
Spatial variability
of field measured soil waterproperties. Hilgardia,
42(7),
215-260.R
AMBAL S., IBRAHIM M., RAppM., 1984. Variabilité
spatiale
des variations du stock d’eau du solsous forêt. Catena, 11, 177-186.
V
AUCLIN M., 1983. Méthodes d’étude de la variabilité
spatiale
despropriétés
d’un sol. In« Variabilité