ARTICLE
sec.2011.0312
Auteur(s) : Houria Dakak1,3 dakak_h@yahoo.fr, Brahim Soudi2 b.soudi@iav.ac.ma, Aicha Ben
Mohammadi3 abenmohammadi@yahoo.fr, Ahmed
Douaik1 ahmed_douaik@yahoo.com, Mohamed
Badraoui4 mohamedbadraoui@gmail.com,
Rachid Moussadek1 rachidmoussadek@yahoo.fr
1 Institut national de la recherche agronomique
(Inra)
Avenue Mohamed Belarbi Alaoui
BP 6356
10101 Rabat
Maroc
2 IAV Hassan II
Département des sciences du sol
10101 Rabat
Maroc
3 Université Ibn Tofail
Faculté des sciences
Département de géologie
UFR ST 11/DOC/K
14050 Kénitra
Maroc
4 Institut national de la recherche agronomique
(Inra)
Avenue de la Victoire
BP 415
10000 Rabat
Maroc
Tirés à part : A. Douaik
La mise en valeur agricole intensive sous irrigation dans les
zones arides et semi-arides a permis une amélioration de la
production agricole. Cependant, cette intensification conduit
souvent à la dégradation de la qualité des sols et des eaux par
salinisation (accumulation de différents sels hydrosolubles) et
sodification (accumulation du sel sodium) qui constituent un
sérieux danger pour la durabilité du système d’exploitation des
terres (Mathieu et Ruellan, 1987 ; Badraoui, 1994 ;
Badraoui et al., 2000 ; Lahlou, 2002).
Dans ce cadre, il apparaît nécessaire d’effectuer une
caractérisation de l’état salin des sols et des eaux avant toute
exploitation ainsi qu’un contrôle régulier de leur évolution.
L’objectif est d’aboutir à une stratégie d’utilisation pour un
développement agricole durable et de permettre au gestionnaire de
tirer la sonnette d’alarme au moment opportun.
Les études réalisées dans le périmètre du Tadla, fondées sur
l’optimisation d’un réseau de suivi de la salinité des eaux et des
sols (Soudi, 1994), ont montré une augmentation de la variabilité
spatio-temporelle de la salinité du sol sous irrigation en raison
de la forte mobilité des sels. Les méthodes conventionnelles de
laboratoire sur échantillons à faible volume élémentaire
représentatif (VER) peuvent difficilement rendre compte d’un tel
phénomène (Boivin et al., 1988). Les méthodologies
développées in situ sont les plus adaptées, en particulier
la méthode par induction électromagnétique qui appréhende de façon
sensible la salinité sur un plus grand volume de sol. L’induction
électromagnétique est fréquemment utilisée pour cartographier et
diagnostiquer les couvertures pédologiques très conductrices comme
celles des sols salés (Cameron et al., 1981 ; Williams
et Hoey, 1987 ; Lesch et al., 1992 ; Cannon et
al., 1994). Sa mise en œuvre aisée et rapide permet la collecte
d’un grand nombre de données, une meilleure extrapolation de la
salinité globale du sol et de sa variabilité à courte distance,
ainsi que, dans certains cas, un suivi temporel de la salinité.
L’emploi de méthodes par induction électromagnétique pour la
mesure de la conductivité électrique apparente du sol (CEa) offre
des jeux de données plus importants et une plus forte densité de
mesure que dans le cas de la méthode conventionnelle de mesure de
la salinité du sol au laboratoire (CEe). Cependant, la CEa dépend
également de propriétés du sol autres que la salinité (température,
humidité du sol, texture du sol, degré de cimentation des horizons,
etc.) (Herrero et al., 2003). Pour cette raison, la sonde
doit être calibrée pour chaque type de sol par la prise
d’échantillons de ce sol et la mesure de sa salinité au laboratoire
(généralement CEe). Ces jeux de données donnent accès à des études
de variabilité ainsi qu’à l’analyse de la distribution spatiale de
cette variabilité par les traitements géostatistiques.
Plusieurs études ont combiné l’emploi de la salinité du sol
et/ou la conductivité électrique apparente du sol (CEa) et la
géostatistique. Quelques-unes de ces études ont porté uniquement
sur la salinité du sol sur des superficies de moins de
1 000 hectares (Camara et Cluis, 1992 ; Hoogerwerf
et al., 1992 ; Cetin et Kirda, 2003 ; Li et
al., 2007) ou de plus grandes superficies (Hajrasuliha et
al., 1980 ; Hachicha et al., 1997 ; Moustafa
et Yomota, 1998 ; Walter et al., 2001 ;
Ardahanlioglu et al., 2003). D’autres études ont utilisé
conjointement la salinité du sol et la conductivité électrique
apparente du sol (CEa) avec des superficies réduites de moins de
100 hectares (Hendrickx et al., 1992 ; Lesch et
al., 1995 ; Utset et al., 1998 ; Amezketa,
2007) et des superficies plus larges (Vaughan et al.,
1995 ; Bourgault et al., 1996 ; Triantafilis et
al., 2001).
La densité d’échantillonnage, pour toutes ces dernières études,
variait entre moins d’un échantillon/hectare à plus de 100
échantillons/hectare pour CEa alors que pour CE d’un extrait de
pâte de sol, cette densité variait entre moins d’un
échantillon/hectare et plus de 10 échantillons/hectare. En valeurs
absolues, le nombre de mesures de CEa était compris entre 60 et
3 700 et celui de CE d’un extrait de pâte de sol entre 20 et
315. Notre étude présente la particularité de couvrir une unité
hydrologique ayant une superficie de l’ordre de 2 000 hectares
avec un nombre restreint de mesures de CEa et de CEe. L’objectif du
présent travail est l’élaboration de la carte de salinité du sol
par l’utilisation de la géostatistique, d’un nombre limité de
mesures de la conductivité électrique apparente du sol (CEa) et
d’un nombre encore beaucoup plus limité de mesures de la
conductivité électrique d’un extrait de pâte saturée du sol
(CEe).
Matériel et méthode
Site d’étude
Dans la région de Béni Amir, sous-périmètre irrigué de la plaine
du Tadla où se trouve notre zone d’étude (figure 1), les
terres irriguées avec les eaux salines de la rivière d’Oum Er Rbia
sont touchées par la salinisation des sols et des eaux. La salinité
globale des sols varie entre 0,35 et 13 dS/m. La salinisation
et la sodification du sol seraient dues à l’intensification
agricole, l’utilisation excessive des eaux d’irrigation et la
non-maîtrise du drainage qui ont causé une remontée de la nappe
phréatique à des niveaux proches de la surface (jusqu’à
- 2 m).
Le site d’étude couvre une unité hydrologique irriguée de
2 060 hectares. La topographie est généralement régulière
avec une altitude de 400 m. Le climat est de type
méditerranéen aride à semi-aride avec un caractère continental
marqué par un hiver froid et humide et un été chaud et sec, avec
des précipitations annuelles moyennes de 350 mm
irrégulièrement réparties. L’été est caractérisé par l’absence de
précipitations, à l’exception de rares averses brutales. Les
températures connaissent de très importantes variations
saisonnières. Les minimales observées en hiver sont situées entre 0
et 5 ̊C alors que les maximales se situent entre 38 et
42 ̊C en été. L’évaporation annuelle moyenne est de
1 796 mm et varie entre 1 500 mm et
2 000 mm.
Les sols prédominants sont les sols isohumiques caractérisés par
leur texture équilibrée et les sols fersialitiques, moyennement
profonds et graveleux en surface, reposant sur des argiles rouges à
silex sans calcaire. Nous nous sommes focalisés sur ces deux
classes pédologiques qui se caractérisent par des propriétés
physiques très proches et sont les plus représentées sur notre
secteur hydroagricole.
Données utilisées
Deux ensembles de données ont été collectés. Le premier, appelé
« ensemble de données à calibrer », comporte la mesure au
champ de CEa du sol par la sonde électromagnétique EM38RT de
Geonics (McNeill, 1980) en 112 points de mesure sur une grille
régulière de 500 m x 500 m visant à couvrir la
zone d’étude. Le second, « ensemble de données de
calibrage », correspond à 12 points de mesure
sélectionnés parmi les 112 points de mesure mentionnés
ci-dessus de façon à représenter spatialement toute la zone d’étude
et, implicitement, à couvrir la gamme de conductivité électrique
apparente du sol (Lesch et al., 1995). Des échantillons de
sol ont été prélevés jusqu’à une profondeur de 90 cm par
incréments de 30 cm pour déterminer CEe au laboratoire. La
conductivité électrique moyenne sur les trois profondeurs sera
utilisée dans cette étude étant donné que les mesures de CEa par
EM38RT de Geonics s’opèrent à profondeur d’environ 1 m en
position horizontale alors que CEe moyenne est relative à une
profondeur similaire (0,90 m).
Analyse des données
Les mesures de CEa ont été calibrées par rapport à des mesures
de CEe au laboratoire (McKenzie et al., 1989 ;
Wollenhaupt et al., 1986 ; Douaik et al., 2005).
L’équation de calibration CEe-CEa a été établie par un modèle de
régression linéaire simple.
La procédure géostatistique de krigeage (Webster et Oliver,
2001), fondée sur la théorie des variables régionalisées (Matheron,
1963), permet l’interpolation spatiale entre les endroits
échantillonnés. Elle est préférée à d’autres méthodes
d’interpolation spatiale parce qu’elle permet d’exploiter la
corrélation spatiale entre des observations voisines dans l’espace
pour prédire aux endroits non échantillonnés.
La description de la variabilité spatiale a été réalisée dans
notre cas à l’aide du variogramme. Ce dernier, qui constitue la
pierre angulaire de toute analyse géostatistique, permet de
formaliser l’intuition selon laquelle des observations provenant de
deux endroits proches dans l’espace seront plus semblables que
celles provenant de deux endroits plus éloignés. Il mesure la
dissimilarité moyenne entre deux endroits séparés par une distance
donnée.
La modélisation du variogramme constitue une étape clé entre la
description de la variabilité spatiale et la prédiction de la
salinité du sol aux endroits non échantillonnés. Les modèles les
plus fréquemment utilisés sont l’exponentiel, le gaussien et le
sphérique. À ces derniers, peut s’ajouter l’effet pépite. Dans
notre exemple, le variogramme expérimental est mieux ajusté, selon
le critère des moindres carrés pondérés, par un modèle de type
sphérique à effet de pépite :
 (1)
- –. avec c0 : variance de
l’effet pépite ;
- –. c0 +
c1 : variance du palier ;
- –. et a : la portée.
Pour le krigeage, une valeur prédite est une combinaison
linéaire pondérée des données disponibles. Les poids sont fonction
de la position de l’endroit à prédire par rapport aux endroits
échantillonnés et sont déterminés à partir de la structure spatiale
du phénomène étudié via, par exemple, le variogramme.
L’algorithme utilisé dans notre cas d’étude est le krigeage
ordinaire. Son système est résolu pour déterminer les poids qui
serviront à prédire la valeur à un endroit non échantillonné et à
déterminer l’erreur de prédiction correspondante. Le rayon de
voisinage choisi lors du krigeage est de 600 m.
Résultats
Analyse exploratoire des données
La figure
2 montre la configuration spatiale et les valeurs de la
conductivité électrique CEe. Ces dernières ont été estimées par
l’équation de calibration suivante :
 (2)
La figure
2 montre une grande variabilité spatiale dans CEe. Les
valeurs élevées sont présentes uniquement, et de façon parsemée,
dans la partie sud de la zone d’étude avec l’interposition de
valeurs moyennes et/ou faibles, voire même très faibles,
inférieures à 1 dS/m. Sur le reste de la zone d’étude, la
variabilité est moins forte, et les valeurs de CEe sont faibles
et/ou moyennes.
Le coefficient de corrélation de Pearson de l’équation de
calibration est 0,88 (figure
3) indiquant que CEa et CEe sont fortement corrélées
et que CEe peut être estimée correctement à partir de CEa.
L’histogramme et quelques paramètres statistiques de CEe prédite
par l’équation de calibration (2) sont présentés sur la figure 4. La
distribution de CEe est unimodale, bien répartie sur la gamme, et
s’approchant d’une distribution normale. CEe a une valeur moyenne
de 1,92 dS/m, une valeur minimale de 0,80 dS/m, une
valeur maximale de 4,38 dS/m et un coefficient de variation de
39 %. Par comparaison, les mesures de CEe de calibration
présentent une moyenne du même ordre de grandeur que les valeurs
estimées (1,97 dS/m). Cependant, le coefficient de variation
est plus réduit (32 %) du fait d’une valeur minimale plus
élevée (1,20 dS/m) et d’une valeur maximale plus faible
(3,12 dS/m). Les différences dans ces valeurs extrêmes
s’expliquent par le fait que les valeurs minimale et maximale de
CEa de calibration sont, respectivement, 0,13 et 0,58 dS/m
alors que celles de CEa des données à calibrer sont,
respectivement, 0,05 et 0,90 dS/m.
Analyse de la variabilité spatiale
Le variogramme de CEe est représenté sur la figure 5 et ses
paramètres sont reportés dans le tableau
1.
Tableau 1 Variogramme théorique et ses paramètres
caractéristiques.
| Paramètres |
Valeurs |
| Effet pépite (dS/m)2Portée (m)Palier
partiel (dS/m)2Effet pépite relatif (%) |
0,3121 0000,26454 |
La portée de la dépendance spatiale est de 1 000 m,
soit le double du pas d’échantillonnage (500 m). Elle indique
que deux observations séparées de moins de cette distance peuvent
être considérées comme spatialement dépendantes alors que celles
qui sont séparées par une plus large distance sont indépendantes.
L’effet pépite relatif (variance effet pépite/variance du palier)
est important (54 %) ; cela est dÛ, principalement, à la
taille de la grille d’échantillonnage et aux erreurs de la
calibration CEe-CEa. Cependant, comme l’extrapolation n’est
considérée valide que lorsque la densité de mesure (distance entre
les points de mesure) nous donne une variabilité d’au maximum le
tiers du palier (0,192) et comme il n’y a qu’un seul point avant
d’arriver au palier sur le variogramme, on doit être très prudent
dans l’extrapolation. Par conséquent, l’échantillonnage adopté (une
grille de 500 m x 500 m) semble un peu trop
faible. Un échantillonnage au moins quatre fois plus intensif avec
une grille de 250 m x 250 m serait un optimum
conciliant une meilleure estimation des paramètres du variogramme
et le coÛt relatif à la collecte et à l’analyse au laboratoire des
échantillons.
Cartographie de la salinité du sol
La CEe a été prédite par krigeage ordinaire (figure 6) en
utilisant une grille régulière de taille
30 m x 30 m.
On retrouve, globalement, les mêmes tendances que celles qui
sont identifiées sur la figure 2 ;
cependant, dans cette dernière figure, les tendances concernaient
des endroits précis sans pouvoir localiser des plages contiguës
alors que dans la figure 6 on peut
facilement identifier les zones de faible, moyenne ou forte
salinité. On retrouve deux zones de forte salinité dans la moitié
sud de la zone d’étude. La plus grande partie de cette dernière est
caractérisée par une salinité modérée alors que la faible salinité
est localisée principalement dans la partie sud-ouest et sur les
rives est et ouest de la partie centrale. Les allures sont les
mêmes pour les figures 2 et
6 ; néanmoins, les valeurs absolues présentent des
différences. Les valeurs minimale et maximale pour la figure 2 sont 0,80
et 4,38 dS/m alors que celles de la figure 6 sont 0,9
et 3,2 dS/m. L’interpolation géostatistique a conduit à la
réduction de l’amplitude entre les valeurs maximales. Cet effet,
appelé lissage, est fonction de la densité d’échantillonnage et de
la taille du rayon de voisinage choisi lors du krigeage.
Les erreurs de prédiction du krigeage ordinaire sont reportées
dans la figure
7. Cette carte présente une tendance particulière. Cela
s’explique par le fait que ces erreurs de prédiction sont fonction
de l’intensité d’échantillonnage sans tenir compte des valeurs
observées. Ces erreurs sont nulles aux endroits échantillonnés et
augmentent au fur et à mesure qu’on s’éloigne de ces endroits
échantillonnés. Les erreurs de prédiction sont comprises entre 0,6
et 0,8 dS/m. Ces erreurs sembleraient être élevées pour trois
raisons. D’abord et essentiellement du fait de la faible densité
d’échantillonnage, ensuite de la non-coïncidence des mailles de la
grille d’interpolation avec les points pour lesquels CEe a été
observée (en fait estimée de CEa) et enfin de la reconversion de
CEa en CEe suite à la calibration.
Conclusion
L’utilisation de la géostatistique combinée à l’induction
électromagnétique, même avec un nombre limité de mesures, a rendu
possible la production d’une carte de salinité du sol, ce qui
aurait été autrement impossible si on s’était limité aux seules 12
valeurs de la salinité du sol mesurées au laboratoire. Cependant,
vu la nature extensive de l’échantillonnage (maille carrée de
500 m x 500 m), la question de fiabilité de la
carte interpolée reste posée. Toutefois, le variogramme indique que
l’échantillonnage est trop faible pour apprécier la distribution de
la salinité à courte distance. Un travail futur devra donc viser à
définir, dans cet environnement spécifique de la plaine du Tadla,
la distance maximale à respecter entre les points de mesure. Les
cartes ainsi élaborées pourront aider à identifier les
causes/sources d’accumulation des sels dans la zone d’étude et à
choisir les cultures à pratiquer en fonction de leur tolérance ou
résistance à la salinité. L’utilisation de mesures limitées par
induction électromagnétique pourrait être envisagée, par exemple,
lors d’une étude de prospection rapide sans connaissance précise du
degré de salinité du sol et qui viserait à identifier tant la gamme
de salinité que sa répartition dans l’espace.
Pour des études plus détaillées visant à délimiter avec
précision les contours des zones salées, l’intensification des
points de mesure apparaît indispensable.
Références
Amezketa E. Soil salinity assessment using directed soil
sampling from a geophysical survey with electromagnetic
technology : a case study. Spanish Journal of Agricultural
Research 2007 ; 5 : 91-101.
Ardahanlioglu O, Oztas T, Evren S, Yilmaz H, Yildirim Z.N.
Spatial variability of exchangeable sodium, electrical
conductivity, soil pH and boron content in salt- and
sodium-affected areas of the Igdir plain (Turkey). Journal of
Arid Environment 2003 ; 54 : 495-503.
Badraoui M, 1994. Qualité des eaux et des sols sous irrigation
dans le Gharb. AgroV et Magazine 7, I.A.V. Hassan II, Rabat,
Maroc.
Badraoui M, Agbani M, Soudi B, 2000. Évolution de la qualité des
sols sous mise en valeur intensive au Maroc. In : Soudi et
al., eds. Intensification agricole et qualité des sols et
des eaux. Actes du séminaire Rabat (Maroc).
Bourgault G, Journel AG, Rhoades JD, Corwin DL, et Lesch S.M.
Geostatistical analysis of a soil salinity data set. Advances in
Agronomy 1996 ; 58 : 241-292.
Boivin P, Brunet D, Job J.O. Conductivimétrie électromagnétique
et cartographie des sols salés : une méthode rapide et fiable.
Cahiers Orstom, Série Pédologie 1988 ; 24 : 39-48.
Camara OA, Cluis D.D. Variabilité spatiale des propriétés
physico-chimiques d’un champ affecté par la salinité dans le
nord-ouest du Mexique. Pédologie 1992 ; 42 : 183-203.
Cameron DR, De Jong E, Read DWL et Oosterveld M, 1981. Mapping
salinity using resistivity and electromagnetic techniques.
Canadian Journal of Soil Science 61: 67 – 78.
Cannon ME, McKenzie RC, Lachapelle G. Soil salinity mapping with
electromagnetic induction and satellite-based navigation methods.
Canadian Journal of Soil Science 1994 ; 74 : 335-343.
Cetin M, Kirda C. Spatial and temporal changes of soil salinity
in a cotton field irrigated with low-quality water. Journal of
Hydrology 2003 ; 272 : 238-249.
Douaik A, Van Meirvenne M, Toth T. Soil salinity mapping using
spatio-temporal kriging and Bayesian maximum entropy with interval
soft data. Geoderma 2005 ; 128 : 234-248.
Hachicha M, M’Hiri A, Bouksila F, Bach Hamba I. Variabilité et
répartition de l’argile et de la salinité dans le périmètre de
Kalaât Landelous (Tunisie). Application à l’évaluation des risques
de salinisation. Etude et Gestion des Sols 1997 ; 4 :
53-66.
Hajrasuliha S, Baniabbassi J, Metthey J, Nielsen D.R. Spatial
variability of soil sampling for salinity studies in Southwestern
Iran. Irrigation Science 1980 ; 1 : 197-208.
Hendrickx JMH, Baerends B, Raza ZI, Sadig M, Chaudhry M.A. Soil
salinity assessment by electromagnetic induction of irrigated land.
Soil Science Society of America Journal 1992 ; 56 :
1933-1941.
Herrero J, Ba AA, Aragues R. Soil salinity and its distribution
determined by soil sampling and electromagnetic techniques. Soil
Use and Management 2003 ; 19 : 119-126.
Hoogerwerf MR, Muchena FN, Stein A. Spatial variability and
reclamation of salinity and sodicity in a Kenyan irrigation scheme.
Soil Technology 1992 ; 5 : 121-134.
Lahlou M, 2002. Élaboration et validation de deux modèles de
simulation du mouvement des sels dans les sols irrigués. Thèse
de doctorat, Institut Agronomique et Vétérinaire Hassan II, Rabat,
Maroc.
Lesch SM, Rhoades JD, Lund LJ, Corwin D.L. Mapping soil salinity
using calibrated electromagnetic measurements. Soil Science
Society of America Journal 1992 ; 56 : 540-548.
Lesch SM, Strauss DJ, Rhoades JD, 1995. Spatial prediction of
soil salinity using electromagnetic induction techniques. 1.
Statistical prediction models : a comparison of multiple
linear regression and cokriging. Water Resources Research
31 : 373 – 386.
Li Y, Shi Z, Wu C-F, Li H-Y, Li F. Improved prediction and
reduction of sampling density for soil salinity by different
geostatistical methods. Agricultural Sciences China 2007 ; 6
: 832-841.
Matheron G. Principles of geostatistics. Economic Geology
1963 ; 58 : 1246-1266.
Mathieu C, Ruellan A. Évolution morphologique des sols irrigués
en région méditerranéenne semi-aride : l’exemple de la
Basse-Moulouya (Maroc). Cahiers Orstom, Série Pédologie 1987
; 23 : 3-25.
McNeill JD, 1980. Electrical conductivity of soils and
rocks. Tech. note TN-5. Mississauga (Ontario, Canada) :
Geonics Ltd.
McKenzie RC, Chomistek W, Clark N.F. Conversion of
electromagnetic inductance readings to saturated paste extract
values in soils for different temperature, texture, and moisture
conditions. Canadian Journal of Soil Science 1989 ; 69 :
25-32.
Moustafa MM, Yomota A. Spatial modelling of soil properties for
subsurface drainage projects. Journal of Irrigation and Drainage
Engineering 1998 ; 124 : 218-228.
Soudi B, 1994. Qualité des eaux et des sols : Situation
actuelle et méthodes de suivi des paramètres de qualité dans le
périmètre irrigué du Tadla. Rapport n̊ 153 du projet
MRT.(Management des Ressources du Tadla).
Triantafilis J, Odeh IOA, McBratney A.B. Five geostatistical
models to predict soil salinity from electromagnetic induction data
across irrigated cotton. Soil Science Society of America
Journal 2001 ; 65 : 869-878.
Utset A, Ruiz ME, Herrera J, Ponce de Leon D. A geostatistical
method for soil salinity sample site spacing. Geoderma 1998
; 86 : 143-151.
Vaughan PJ, Lesch SM, Corwin DL, Cone D.G. Water content effect
on soil salinity prediction : a geostatistical study using
cokriging. Soil Science Society of America Journal 1995 ; 59
: 1146-1156.
Walter C, McBratney AB, Douaoui A, Minasny B. Spatial prediction
of topsoil salinity in the Chelif Valley Algeria, using local
ordinary kriging with local variograms versus whole-area variogram.
Australian Journal of Soil Research 2001 ; 39 : 259-272.
Webster R, Oliver M. Geostatistics for environmental scientists.
New York : John Wiley, 2001.
Williams BG, Hoey D. The use of electromagnetic induction to
detect the spatial variability in the salt and clay content of
soils. Australian Journal of Soil Research 1987 ; 25 :
21-27.
Wollenhaupt NC, Richardson JL, Foss JE, Doll E.C. A rapid method
for estimating weighted soil salinity from apparent soil electrical
conductivity measured with an aboveground electromagnetic induction
meter. Canadian Journal of Soil Science 1986 ; 66 :
315-321.
|
Version imprimable
Version PDF
