Indicateur habitats - Analyse des tendances avant travaux
Introduction
Les travaux menés dans le cadre du Contrat pour la Loire et ses annexes ont notamment pour objectif de modifier la ligne d’eau de la Loire. On attend en conséquence une modification de la répartition des habitats naturels présents dans le lit majeur à moyen terme.
Le présent rapport vise à évaluer si des tendances évolutives sont détectables avant travaux afin de mieux appréhender les évolutions futures. Il constitue par ailleurs un test méthodologique pour les futurs suivis et analyses.
Méthode
Données disponibles
Nous disposons à l’heure actuelle de plusieurs cartographies des habitats d’intérêt communautaire réalisées dans le cadre de l’animation du site Natura 2000 “Vallée de la Loire entre Nantes et Les Ponts-de-Cé. Une large part de ces cartographies a été réalisée de façon partielle, soit en termes de nombres d’habitats inventoriés soit en termes de couverture géographique. Elles ne pourront donc pas être mobilisées dans les analyses et ne sont donc pas présentées ici.
Le tableau suivant présente les données qui ont été jugées exploitables car présentant une couverture et un nombre d’habitat suffisants.
| Année | Couverture géographique | Habitats |
|---|---|---|
| 2008 | Nantes-Les Ponts-de-Cé | 13 HIC |
| 2011 | Nantes-Les Ponts-de-Cé | 15 HIC |
| 2016-2018 | Nantes-Les Ponts-de-Cé | 5 Habitats d’intérêt communautaire |
| 2016-2017 | 3 secteurs de travaux VNF | 6 Habitats d’intérêt communautaire+ 28 EUNIS |
| 2020 | Nantes-Les Ponts-de-Cé | 18 HIC + 99 EUNIS |
Les cinq cartographies listées ci-dessus ont été produites avec des méthodologies très différentes, qu’il s’agisse de la méthodologie d’identification des habitats (avec ou sans relevés phytosociologiques) ou de digitalisation (échelle, précision, qualité). Le nombre d’habitats d’intérêt communautaire pris en compte varie de plus de 5 à 15 et celui d’habitats EUNIS de 0 à 99. Enfin, la durée de production de 1 à 3 ans.
Cette extrême variabilité dans la réalisation des cartographies nous oblige à ‘niveler par le bas’ les analyses en les limitant aux cartographies les plus complètes (2011, 2017 et 2020) ainsi qu’aux polygones et aux classes d’habitats (Natura 2000 et EUNIS) communes à ces trois cartographies. On notera notamment que la cartographie réalisée entre 2016 et 2018 n’a concerné que 5 habitats qui ont été mis à jour sur plusieurs années et ne sont donc pas exploitables ici.
Ainsi les analyses se limiteront aux 3 secteurs soumis à l’influence des travaux, aux 6 habitats d’intérêt communautaire cartographiés en 2017 et aux cartographies réalisées en 2011, 2017 et 2020.
Analyses
Afin de prendre en compte les différences de cahiers des charge lors des phases de digitalisation, nous ne comparerons pas directement les surfaces de chaque habitat. En effet, pour les cartographies les plus anciennes, nous ne savons pas si les secteurs sans polygone ne présentaient pas d’habitat d’intérêt communautaire ou n’ont pas été prospectés. Comparer les surfaces, nous amènerait donc immanquablement à produire des conclusions erronées.
Pour contourner cette limitation, nous utiliserons un échantillonnage aléatoire de 20 000 points répartis sur la couche ayant la plus petite empreinte spatiale (2017). Chaque point se voit ensuite attribué l’habitat N2000 correspondant à chacune des 3 années de cartographie.
Cet échantillonnage, à défaut de permettre une évaluation des changements de surfaces, nous permettra d’estimer les tendances de changements d’habitat à travers le calcul d’un indice de Kappa de Cohen Cohen (1960) (compris entre 0 et 1, 1 correspondant à l’absence de changements entre deux années) et d’une représentation par un diagramme de Sankey. Les analyses sont réalisées sous R R Core Team (2024) à l’aide du package vcd Zeileis, Meyer, and Hornik (2007).
Préparation des données
Corrections
La couche cartographique de 2011 comporte de très nombreuses erreurs topologiques (>650) qui étaient tolérées par les logiciels cartographiques de l’époque mais ne le sont plus, empêchant toute analyse. Une première phase de préparation a donc consisté à corriger ces erreurs ainsi que la 10n d’erreurs présentes dans la couche de 2017.
Dégradation
Seuls 6 HIC seront analysés (Table 1), les points d’échantillonnage ne correspondant pas au moins une année à un habitat d’intérêt communautaire sont donc exclus des analyses.
| Code | Description |
|---|---|
| 3130 | Eaux stagnantes, oligotrophes à mésotrophes avec végétation des Littorelletea uniflorae et/ou des Isoeto-Nanojuncetea |
| 3270 | Rivières avec berges vaseuses avec végétation du Chenopodion rubri p.p. et du Bidention p.p. |
| 6430 | Mégaphorbiaies hygrophiles d’ourlets planitiaires et des étages montagnard à alpin |
| 6510 | Prairies de fauche de basse altitude (Alopecurus pratensis, Sanguisorba officinalis) |
| 91E0 | Forêts alluviales à Alnus glutinosa et Fraxinus excelsior (Alno-Padion, Alnion incanae, Salicion albae) |
| 91F0 | Forêts mixtes à Quercus robur, Ulmus laevis, Ulmus minor, Fraxinus excelsior ou Fraxinus angustifolia, riveraines des grands fleuves (Ulmenion minoris) |
Résultats
Les indices de Kappa obtenus pour les changements observés entre 2011 et 2017 d’une part et 2017 et 2020 d’autre part, sont particulièrement faibles (respectivement K = 0.13 et K = 0.2) et correspondent à de fortes variations observées à chaque cartographie Figure 1.
Le diagramme de Sankey Figure 1 suggère des changements d’origines variées.
Le diagramme Figure 1 pourrait laisser penser que la cartographie de 2017 ait été réalisée de façon trop différente de 2011, la cartographie de 2020 semblant présenter des résultats plus proches. Cependant le diagramme ne permet pas d’appréhender tous les changements possibles entre les 3 années. Nous avons donc réalisé un diagramme et une matrice de Kappa pour les années 2011 et 2020 seulement. Il apparaît ici encore que l’indice de Kappa est très faible (K = 0.13) et que les changements sont très importants (Figure 2)
Discussion
Afin d’être en mesure d’appréhender les effets des travaux réalisés sur la Loire, un suivi de l’évolution des habitats d’intérêt communautaire est apparu comme essentiel. Afin d’être en mesure de mieux interpréter les résultats de ce suivi, le CEN Pays de la Loire a été chargé de tenter de dégager des tendances évolutives pour les 20 dernières années. Bien que plusieurs campagnes de cartographie aient été réalisées depuis la création du site Natura 2000 “Vallée de la Loire entre Nantes et les Ponts-de-Cé”, notre étude montre que les techniques et exigences ayant fortement évoluées, les données exploitables sont finalement peu nombreuses. Ceci souligne dors et déjà l’importance de qu’il y aura a suivre scrupuleusement le cahier des charges de l’inventaire réalisés en 2020/2022 afin de garantir la possibilité d’analyser les données. Il sera notamment très important que les échelles et méthodes de digitalisation restent identiques afin d’être en mesure de réaliser des analyses en termes de surface ce qui n’est pas le cas avec les données en notre possession.
Que l’on compare 2011 à 2017, 2017 à 2020 ou 2011 à 2020, on constate que les changements d’habitats sont très nombreux et que les cartographies ne présentent que très peu de points communs (les indices de Kappa sont particulièrement faibles).
La méthode utilisée ici ne permet que d’appréhender des changements quant aux proportions des différents habitats et n’est pas adaptée au suivi des habitats les plus rares. Par exemple, malgré un nombre important de points d’échantillonnage (20000), l’habitat 91E0 n’a jamais été échantillonné en 2017 alors qu’il est bien présent dans la cartographie.
References
Cohen, Jacob. 1960. “A Coefficient of Agreement for Nominal Scales.” Educational and Psychological Measurement 20 (1): 37–46.
R Core Team. 2024. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/.
Zeileis, Achim, David Meyer, and Kurt Hornik. 2007. “Residual-Based Shadings for Visualizing (Conditional) Independence.” Journal of Computational and Graphical Statistics 16 (3): 507–25. https://doi.org/10.1198/106186007X237856.