Navigation – Plan du site
2005
313

Modélisation spatio-temporelle d'activités humaines à fort impact environnemental

Spatio-temporal modeling of intensive human activities progress and impact

Cyril Tissot, Matthieu Le Tixerant, Mathias Rouan et François Cuq

Résumés

Cette contribution propose un cadre méthodologique dédié à la mise en œuvre d'une modélisation des changements à long terme de l'environnement côtier sous l'influence des activités anthropiques. Il s’agit d’explorer de nouvelles voies méthodologiques dans la constitution de modèles permettant de simuler le déroulement d’activités humaines dans l’espace et dans le temps dans la perspective d’évaluer leur impact potentiel sur les milieux concernés. La finalité de cette démarche repose sur la constitution d'une plate-forme de simulation sous contraintes capable de rendre compte de la variabilité d'activités à fort impact environnemental en tenant compte de l'ensemble des facteurs physiques, économiques et réglementaires pouvant influencer leur déroulement.

Haut de page

Texte intégral

Introduction

1L'évolution de l'environnement est le résultat de deux phénomènes simultanés : la variabilité du climat qui influe sur les changements à long terme  et l'action des sociétés humaines qui utilisent et aménagent les ressources et les milieux naturels. L'analyse spatiale de l'environnement côtier a pour objectif de décrire et de modéliser les interactions au sein d'un espace complexe à forte productivité biologique, en prenant en compte les changements d’utilisation anthropique du milieu et les réponses des sociétés humaines aux variations climatiques. La problématique est fondée sur le constat d’une détérioration de la qualité de l’environnement et des conditions de vie dans les zones côtières, liés notamment au développement non maîtrisé d’activités anthropiques conflictuelles.

2La modélisation des relations société/nature est généralement abordée sous l’angle de l’occupation de l’espace et de modèles destinés à reproduire un état du paysage observé. Ce type d’approche s’avère très limitant dans la mesure où l’on ne s’intéresse qu’à la trace d'un système productif sur le paysage et non aux interactions dynamiques entre des activités et leur espace de déroulement. L'approche non déterministe s'avère difficilement conciliable avec la mise en œuvre de modèles, plus encore dans le domaine des sciences humaines où aucun algorithme n'est en mesure de rendre compte de la complexité des comportements, de la décision et des rapports de force qui expliquent les actions humaines.

3Cette limite explique que les développements réalisés par les chercheurs en Sciences humaines se soient spécifiquement focalisés sur les interactions entre les changements du climat et les systèmes économiques, à partir des travaux de Von Neuman, Debreu, Georgescu-Roegen et Koopmans. Plus récemment sont apparus des modèles fondés sur la théorie du jeu et l’intelligence artificielle dont l’objectif est de simuler des agents1 autonomes et évolutifs en situation d’interaction mutuelle.

4Les Systèmes Multi-Agents2 (SMA) proposent une alternative intéressante à l’approche non déterministe par le biais des méthodes cognitives [Ferrand N. & Deffuant G., 1998]. Celles-ci parviennent cependant à modéliser qu'une partie des mécanismes pouvant influencer une prise de décision et ce dans un domaine cloisonné où toutes les entrées/sorties sont connues. Les expériences multi-agents dédiées à la modélisation des modes d'évolution du paysage donnent également des résultats encourageants [Bousquet F. et al., 1993 ; Cambier C., 1994 ; Sanders L. et al., 1997 ; Lardon S. et al., 1998 ; Bonnefoy J.-L. et al., 2000], mais leur possibilité de validation reste trop aléatoire pour fournir des éléments d'explication satisfaisants de la variabilité des indicateurs de synthèse produits à l'issue d'observations in-situ.

5Enfin, ces systèmes multi-agents sont principalement employés pour des opérations de simulation opérationnelle ou pré-opérationnelle appliquées à des processus se déroulant en temps quasi-réel, et doivent donc être adaptés à une modélisation intégrant des contraintes spatio-temporelles multi-échelles.

6L'examen des différentes contributions scientifiques traitant de la modélisation des interactions homme/milieu démontre la difficulté d'intégration des dimensions spatiales et temporelles dans les approches proposées [Gould S.J., 1987 ; Stonebraker M. et al., 1990 ; Allen J.F., 1991 ; Muxart T. et al., 1992 ; Snodgrass R.T., 1992 ; Cheylan J.-P. et al., 1994 ; Claramunt C. et al., 1999 ; Parent C. et al., 1999 ; Legay J.-M., 2000]. La principale limite des développements actuels est inhérente à la variabilité de l'influence anthropique sur les milieux naturels. La dynamique des écosystèmes n'est pas systématiquement synchronisée à l'évolution des activités humaines mais obéit à des cycles beaucoup plus complexes particulièrement difficiles à modéliser. Une telle remarque peut paraître évidente, pourtant la plupart des modèles proposés fonctionnent dans des environnements où toutes les entrées/sorties sont considérées comme connues. Ces démarches sont, de ce fait, inapplicables lorsque le système doit faire face à une situation imprévue par le concepteur, c’est-à-dire lorsque la spécification du problème est incomplète ou lorsque l’environnement est évolutif, ce qui est le cas des activités anthropiques.

7Cette contribution propose donc d’explorer de nouvelles voies méthodologiques dans la constitution de modèles capables de simuler le déroulement d’activités humaines dans l’espace et dans le temps en vue d’évaluer leur impact potentiel sur les milieux concernés. Cette finalité place l’ensemble de la démarche mise en œuvre dans les perspectives des programmes internationaux IGBP et IHDP qui cherchent à rendre compte de la complexité des interactions sociétés/nature.

La plate-forme de simulation Dynamique des Activités Humaines (DAHU)

8La modélisation quantitative repose sur une approche déterministe qu’il est quasiment impossible d’utiliser pour décrire ou simuler les processus de décision ou d’adaptation des sociétés humaines aux changements de l’environnement dans lequel elles évoluent. Il apparaît donc utile de développer une voie intermédiaire entre l’approche déterministe quantitative et la modélisation des processus d’évolution à long terme des sociétés humaines dans le but d’établir un lien entre ces deux approches. Cette voie intermédiaire consiste à employer une démarche quasi-déterministe fondée sur la simulation des modes d’utilisation du milieu et de leurs interactions au moyen d’une plate-forme logicielle à intelligence artificielle distribuée.

9La plate-forme Dynamique des Activités HUmaines (DAHU) [Tissot, 2003 ; Tissot C. & Cuq F., 2004] conçu par le laboratoire Géomer (UMR 6554 - LETG, CNRS) en collaboration avec le laboratoire L3I/IDEA de l'Université de La Rochelle a pour vocation de simuler le déroulement d’activités anthropiques à fort impact environnemental et d’en étudier les interactions avec l’environnement. L’objectif principal de ce simulateur est de traduire sous forme quantitative et qualitative l’impact des activités humaines sur l’environnement côtier en tenant compte des contraintes environnementales, socio-économiques, réglementaires et climatiques (figure 1).

10Son schéma de construction s'inspire de l'architecture multi-agents du point de vue conceptuel mais présente d'importantes différences dans la formalisation des relations entre les agents et leur espace de vie. En effet, contrairement aux Systèmes Multi-Agents (SMA) consacrés à l'analyse des modes d'évolution des paysages à partir de scénarios de production économique, DAHU n'a pas pour but de modéliser l'évolution de l'occupation du sol à long terme, mais plutôt de considérer le contexte spatial comme une contrainte de simulation.

11Cette orientation méthodologique repose sur la formalisation d’un espace de simulation sous contraintes préalablement à l’initialisation d’un ensemble d’agents représentant les différents types d’activités modélisées. Par cette approche, le prototype DAHU s’apparente d’avantage à un système à intelligence artificielle distribuée fondé sur le couplage de modèles quantitatifs et qualitatifs au sein d’un Système d’Information Géographique [Tissot C., & Cuq F., 2004].

12La spécificité de ce prototype est de baser l'ensemble de la démarche de modélisation sur la description technique d'activités humaines. Le choix des agents est réalisé à partir d'une typologie détaillée des différents métiers et de leur impact potentiel sur le milieu.

13Pour contourner les limites inhérentes à l'approche non déterministe, seules les pratiques intensives sont prises en compte dans la démarche.

14Une telle limite s'avère peu contraignante dans une approche environnementale ; les activités productivistes ayant généralement le plus fort impact sur le milieu naturel. De plus, cette logique permet de bénéficier de la forte inertie temporelle des activités3, ce qui autorise la formalisation d'agents archétypiques représentatifs d'un ou plusieurs métiers. Il devient dès lors possible de décomposer le cycle de production de manière relativement simple en mettant de côté les aspects concernant les modes individuels de gestion. Tous ces paramètres ont en effet été standardisés par la double influence des avancées techniques et de l'instauration de systèmes productivistes dans la plupart des secteurs d'activité.

15Partant de cette hypothèse, il devient possible d'adjoindre à chacun de ces archétypes4 un agent générique autonome synthétisant l'ensemble des procédés de production associés à un métier. La modélisation de l'impact potentiel d'une production, quelle qu'en soit sa nature, est de ce fait conditionnée par l'introduction de contraintes spatio-temporelles dans la chaîne de modélisation.

16Le modèle DAHU considère donc l'environnement étudié comme un potentiel de ressources exploité par les hommes en fonction des techniques dont ils disposent et de leur organisation sociale à une époque donnée. Cette exploitation n'est pas systématiquement associée à un prélèvement, il peut également s'agir d'une affectation de territoire à une utilisation spécifique.

17Les pratiques d'épandage, par exemple, sont associées à une surface agricole dont l'utilisation potentielle est soumise à un ensemble de contraintes spatiales et temporelles. Chaque activité obéit donc à un cycle de fonctionnement spécifique ajusté à partir de filtres techniques, économiques, réglementaires, environnementaux et sociaux.

Le couplage DAHU-SIG

18L'intégration d'un espace sous contraintes constitue la clef de voûte de la plupart des SMA. Ce principe signifie que l'espace de déroulement des activités simulées n'est pas considéré comme une donnée fixe mais comme un élément dynamique soumis à l'influence de contraintes exogènes. Deux approches sont généralement retenues pour intégrer cette dimension spatiale [Bousquet F. & Gautier D., 1999] :

  • une première où l'espace sert de support aux interactions entre agents. La grille spatiale de référence agit dans ce cas comme un révélateur des relations entre les différents agents qui composent le système ;

  • une seconde où chaque agent est défini à partir d'un agrégat spatial prédéterminé possédant ses propres mécanismes d'évolution.

19Dans le cas présent, la complexité des interactions Homme/milieu implique de découpler les activités simulées de leur espace de déroulement. Cette démarche permet de contourner les limites inhérentes à l'absence de synchronisation entre l'évolution des milieux et les changements d'intensité des activités humaines.

20La répartition spatiale des agents est assujettie à un territoire de pratique potentielle. Ce territoire est déterminé pour une période donnée en fonction de contraintes diverses. Cette distribution correspond généralement à la juxtaposition des facteurs réglementaires, techniques et météorologiques qui fixent les conditions d'exercice des activités modélisées. Cependant, à l'image du contexte réglementaire, la plupart des données de forçage ne possèdent pas de référence spatiale effective. Le couplage DAHU/SIG a donc été envisagé afin de fournir une interprétation spatiale cohérente de ces différentes contraintes (figure 2).

21Au niveau du pré-processeur, l’objectif est de constituer une Base de Données à Référence Spatiale (BDRS) contenant l’ensemble des informations nécessaires à la conduite de simulation. Il s’agit également de transcrire des documents textuels dont la fonction est d'établir un ensemble de règles de production en des couches d'information issues de traitements d'analyses spatiales. Dans certains cas, la variabilité des processus (notamment météorologiques) nécessite le recours à des méthodes d'interpolation (krigeage). Ce travail permet d'enrichir une Base de Données à Référence Spatiale (BDRS) pilotée par le logiciel ArcInfo.

22Ces différents éléments permettent de construire un territoire de pratique potentielle c'est-à-dire de formaliser l’espace de déroulement d’une activité donnée à un instant t.

23Le SIG intervient également dans l'exploitation graphique des résultats de simulation sous la forme de cartographie classique ou de production de couches d’information géographique thématique. Cette dernière étape peut faire l'objet de traitements spécifiques (analyse statistique, désagrégation, généralisation).

24Le couplage utilisé est de type "Import-export interactif" [Pouliot J. et al., 1998], la communication DAHU/SIG étant rétroactive. Cette relation permet d'utiliser les sorties de modèles sans formatage préalable et de pouvoir simuler différents scénarios à partir de forçages spatiaux émanant du logiciel ArcInfo. La transmission de donnée entre le SIG et le simulateur s’effectue via un Système de Gestion de Base de Données Relationnel (SGBDR) sous la forme de tables attributaires contenant l’ensemble des codes nécessaires à la localisation géographique des agents.

25Les calculs effectués au sein de la plate-forme DAHU ont pour finalité de mettre en relation le fonctionnement des activités simulées et l'ensemble des contraintes spatio-temporelles fixant la variabilité de leurs impact.

26Cette démarche s'avère particulièrement complexe car elle impose de déterminer pour chaque pas de temps de simulation les conditions de déroulement des activités simulées. La détermination de clefs d’agrégation et de désagrégation temporelle représente donc un point essentiel pour la conservation d’un rapport espace-temps cohérent au sein du modèle.

Intégration des variables temporelles au sein du modèle

27L’analyse de la variabilité inter-annuelle des composantes du milieu implique de diviser le temps en une série d'intervalles plus ou moins longs en fonction des processus qui leur sont associés. L'ensemble de ces phénomènes n'évoluant pas au même rythme, il apparaît nécessaire de doter les agents d'une unité temporelle commune, dans une perspective d'assemblage avec d'autres modèles.

28Cette référence a pour principale caractéristique d'être indivisible au sein du modèle, ce que certains auteurs associent à la notion de chronon [Jensen C.J. et al., 1994]. En conséquence, l'unité généralement choisie correspond au plus petit dénominateur commun à l'ensemble des agents modélisés. Néanmoins, cette règle demande quelques ajustements afin de ne pas générer des situations incohérentes dans le couplage entre les données de forçage et les modèles quantitatifs.

29Du point de vue conceptuel, une telle démarche requiert un important travail de désagrégation afin d'atteindre ce pas de temps unitaire. Dans le cas des pratiques anthropiques, cette décomposition est d'autant plus importante que la plupart des bases de données disponibles résultent d'enquêtes statistiques agrégées ne permettant pas de rendre compte de la variabilité des activités concernées.

30Afin de contourner cette difficulté, il est envisageable de reconstituer le cycle de fonctionnement de la plupart des agents possédant un système de production basé sur des processus récurrents. Cette désagrégation temporelle a été réalisée sans tenir compte de l'emprise spatiale des différents éléments intégrés dans le simulateur DAHU.

31L'objectif est de fournir une description "hors-sol" de manière à appréhender l'ensemble des échelles temporelles en excluant toute perturbation liée au particularisme de facteurs exogènes (météorologie, réglementation, etc.). La mise en correspondance de ces facteurs externes avec les activités simulées passe donc par une segmentation temporelle des données en fonction de leur rythme d'évolution. A ce stade, le temps est donc considéré comme un élément structurant chargé de faire le lien entre un agent en perpétuelle évolution et des états de territoire observés à des instants t.

32Ce schéma relationnel est rendu possible grâce à la gestion conjointe des dimensions spatiales et temporelles au sein de la plate-forme DAHU. Les différents modèles d'activités pilotés par le simulateur intègrent les informations provenant d'une Base de Donnée à Référence Spatiale (BDRS) comme autant de contraintes au fonctionnement des agents. En retour, chaque agent est doté de capacités réactives qui se manifestent par un comportement adaptatif en fonction de l'évolution de son environnement.

Les Modules Activités Littorales (MAL) et Activités Marines (MAM)

33De manière à tenir compte des spécificités du déroulement des activités sur les espaces terrestres et marins, deux modules ont été développés au sein de la plate-forme DAHU:

  • Module Activités Littorales (MAL) pour les activités se déroulant en zones terrestre et infra-littorale ;

  • Module Activités Marines (MAM)  pour les activités se déroulant en mer côtière.

34Cette structuration répond à la nécessité de simuler conjointement un ensemble d'activités humaines possédant des caractéristiques spatio-temporelles distinctes. Les deux modules regroupent une quinzaine d’activités soit environ un millier d’agents. L’ensemble du code représente 720 lignes de sources compilées pour une taille de 1249280 octets.

35Le Module Activités Littorales a été développé pour rendre compte de la variabilité de l'impact des activités d'élevage intensif à l'échelle du département du Finistère  [Tissot C. et al, 2001 ; Tissot C., 2003 ; Tissot C. & Cuq F., 2004 ; Tissot C. et al., 2004]. Pour être en mesure de quantifier et de qualifier les épandages résultant des activités d'élevage intensif, il est essentiel de connaître précisément leur origine et leur fréquence d'utilisation. Cette démarche ne concerne donc pas seulement l'évaluation des quantités de lisiers et fumiers produits aux cours des différents cycles d'élevage mais également leur utilisation à des fins fertilisantes. De manière à disposer au sein du même modèle des activités présentes dans et à l’émissaire des bassins versants côtiers, ce module traite également des cultures marines [Palleau C., 2004].

36Le Module Activités Marines est spécifiquement dédié aux activités humaines se déroulant en mer côtière telles que la pêche, la navigation maritime, l’extraction de matériaux... L’objectif de ce modèle est de fournir une description quotidienne du déroulement simultané des principales activités marines à différentes échelles spatio-temporelles [Le Tixerant M. et al., 2003 ; Le Tixerant M., 2004]. Il vise également à permettre une meilleure identification des impacts potentiels de ces activités sur les écosystèmes marins et des interactions spatio-temporelles entre activités pouvant conduire à des conflits potentiels ou avérés.

Déroulement des simulations

37Le schéma d'assemblage de la chaîne de traitements est directement dérivé des diagrammes de classes réalisés à l'issue de l'étape de spécification de chacun des modèles d’activités intégrés au sein de la plate-forme DAHU. Le formalisme Unified Modeling Language (UML) a été utilisé et enrichi de stétéotypes spatiaux pour l’ensemble des applications développées (figure 3).

38L’objectif de cette démarche est de prendre en compte les propriétés topologiques des objets géographiques intégrés au sein du pré-processeur de manière à structurer l’information à différents niveaux scalaires. Il s’agit d’introduire un ensemble de clefs d’agrégation et de désagrégation spatiale au sein du modèle afin de conserver un rapport espace/temps cohérent entre les agents et les variables de forçage.

39La figure 3 propose une application de cette méthode au niveau des activités d’élevage agricole. Le diagramme de classes présenté intègre des informations relatives à la nature des données spatiales et temporelles associées à chacune des classes. Il correspond en ce sens à une interprétation géographique du formalisme UML. Ce mode de représentation s’avère pertinent dans l’optique de disposer d’un dictionnaire de données intégrant des métadonnées relatives aux propriétés spatio-temporelles des objets géographiques administrés dans le pré-processeur.

40L'ensemble des agents et des procédures de calcul a été implémenté en langage orienté objet (C++), ce référentiel de programmation étant bien adapté à la simulation de processus autonomes et offrant un bon compromis entre portabilité et optimisation des temps de calcul [Rouan M., 2001]. Les différentes tâches sont exécutées chronologiquement en fonction des règles de production propres à chacune des activités.

41Les simulations sont étalonnées sur un pas de temps journalier correspondant au plus petit dénominateur commun à l'ensemble des processus modélisés. Autrement dit, chaque boucle de calculs est parcourue quotidiennement durant toute la période de simulation. Cette référence temporelle est relativement contraignante car elle impose de gérer simultanément plusieurs événements possédant des durées d'exécution dissemblables.

42Afin de conserver une bonne cohérence dans l'exécution des algorithmes, chaque agent est identifié à un thread intégrant des données techniques propres au fonctionnement de l’activité simulée et des contraintes spatio-temporelles calculées par le pré-processeur.

43A partir de ces variables, la chaîne de calcul crée un ensemble d’archétypes permettant de décrire techniquement le déroulement des activités correspondantes et initialise un territoire de pratique potentiel afin de déterminer l’impact des ces activités.

44Enfin, le simulateur calcule la production de chacune des activités et leurs impacts potentiels sur le(s) milieu(x) concerné(s).

45Ce système permet de gérer l'ensemble des traitements au sein d'un même processus et ainsi de donner une totale autonomie de fonctionnement aux agents simulés. Cette opération est également essentielle au forçage des agents, ceux-ci étant stimulés par des paramètres spatio-temporels spécifiques à leur localisation géographique.

46Les variables permettant d'étalonner les boucles de calculs sont intégrées par le biais de relations ODBC (Open Data Base Connectivity) établies avec un Système de Gestion de Base de Données Relationnel (SGBDR). Cet outil de communication s'avère essentiel à l'initialisation des algorithmes de traitements génériques qui nécessitent de partager les ressources de donnée entre les différents threads exécutés.

47Les propriétés spécifiques des liens ODBC ont également été exploitées dans l'optique d'établir une relation transparente entre le simulateur DAHU et le SGBDR. L'objectif de cette démarche est d'autoriser la spécification des descripteurs techniques renseignant les caractéristiques organisationnelles d'un agent via des boîtes de dialogue intégrées au simulateur. Les indications fournies sont directement répercutées au niveau du SGBDR par une actualisation des tables attributaires concernées. Cette méthode permet d’ajuster les propriétés techniques des agents sans avoir à intervenir au niveau du code source.

48Le formatage des sorties de la chaîne de calculs est effectué par le post-processeur. Il s'agit de mettre en cohérence les fichiers de résultats avec les besoins liés à une exploitation cartographique des données. Cette démarche s'appuie sur la formalisation de tables attributaires intégrant l'ensemble des codages ayant servi à l'initialisation de l'espace de contrainte des agents.

49Le stockage des sorties de calculs s'effectue à chaque pas de temps de la simulation, les différents threads exécutés possédant des fonctions de transfert des données vers le SGBDR. Cette méthode a été préférée à un couplage direct DAHU/SIG de manière à contrôler la pertinence des informations émanant du modèle préalablement à toute analyse spatiale.

50Enfin, l'utilisation du SGBDR comme base de stockage vise à faciliter la mise en œuvre de requêtes complexes croisant plusieurs sources d'information.

Résultats : quelques applications

51La structuration de la plate-forme DAHU permet d’utiliser conjointement les modules MAL et MAM et de simuler simultanément les activités présentes sur les espaces littoraux et marins du département du Finistère. Cette unité administrative a été choisie dans un premier temps de manière à tester la méthodologie mise au point dans le cadre de ce travail. La façade littorale finistérienne faisant l’objet d’un suivi régulier des principaux paramètres environnementaux (qualité de l’eau, zones de production biologique, gisements coquilliers…), une telle application s’avère également utile à la validation des résultats du modèle. Les simulations réalisées au sein de la plate-forme DAHU ont notamment permis de dresser un bilan du déroulement d’activités terrestres et marines et de leurs impacts potentiels à différentes échelles spatio-temporelles.

52Les différentes analyses réalisées au sein du Module Activités Littorales (MAL) se sont orientées vers la reconstitution de l'évolution des pratiques d'épandage au cours des trente dernières années. Cette démarche a montré que la forte croissance des apports organiques constatée à partir du milieu des années 1970 coïncidait avec l'introduction des systèmes de production hors-sol dans les filières porcines et avicoles [Tissot C., 2003]. La constitution de bilans de fertilisation annuels à partir de l'agrégation des résultats quotidiens fournis par le simulateur DAHU-MAL a révélé que cette croissance n'était pas continue et uniforme à l'échelle du département du Finistère. Ce constat a pu être mis en relation avec les conditions techniques d'épandage. Sur la période récente, l'introduction de contraintes réglementaires a entraîné un profond bouleversement dans le déroulement des campagnes de fertilisation. La réalisation de simulation à différents pas de temps a mis en évidence une augmentation significative de la variabilité des émissions d'effluents sous l'effet de l'instauration de calendriers réglementaires fixant les périodes d'épandage autorisées et interdites. Les nouvelles dispositions juridiques entrées en vigueur à partir de l'année 2000 ont considérablement amplifié ce phénomène en raison de l'introduction de contraintes  climatiques dans les textes réglementaires. L'examen des résultats obtenus à l'échelle quotidienne a permis d'analyser séparément l'influence des contraintes réglementaires et météorologiques (figure 4).

53Cette méthode a montré le rôle considérable des conditions climatiques dans les changements d'intensité des épandages observés à l'échelle inter-annuelle. Ce constat tend à démontrer que le facteur météorologique constitue un élément essentiel à l'analyse de la variabilité de l'impact des activités agricoles intensives.

54La figure 4 indique le bilan journalier des épandages de lisier de porcs calculé par le prototype DAHU-MAL. Cette illustration met en évidence l'influence du climat dans la répartition spatiale et temporelle des émissions d'effluents d'élevage. Cette variabilité est liée aux conditions réglementaires fixant les droits d'épandage pour les éleveurs hors-sol. Les textes juridiques intègrent en effet une clause interdisant les campagnes de fertilisation à base de lisier lorsque les précipitations journalières dépassent un certain seuil (ce seuil est fixé par le préfet de chaque département). Cette contrainte explique l'absence d'épandage au cours de la troisième semaine de juin. Lorsqu'un tel épisode se produit, il est généralement suivi d'une reprise plus intensive des amendements en raison de la nécessité pour l'éleveur de vider les stocks de matière organique accumulés durant les périodes d'interdiction.

55Concernant les applications menées au sein du Module Activités Marines (MAM), les efforts se sont portés sur l’analyse des interactions spatio-temporelles entre différentes activités de pêche, dans le but d’établir des scénarios permettant d’identifier des zones concurrentielles et où la juxtaposition d’activités peut avoir un impact sur les écosystèmes concernés [Le Tixerant M., 2004]. Les simulations effectuées couvrent une période restreinte (1996-2000) du fait de l’indisponibilité  de données antérieures. Elles ont néanmoins permis de mesurer l’influence des contraintes environnementales (état de la mer, nature des fonds…) dans le déroulement des activités et d’estimer par exemple la pression de pêche à un instant donné (nombre de bateaux présents simultanément sur une zone à un instant t. Ce premier niveau d’information a également été utilisé pour mettre en évidence des zones de conflits potentiels entre activités (figure 5).

56Le scénario de simulation présenté dans la figure 5 montre que les activités du filet et du chalut peuvent se dérouler au même moment sur des zones identiques. A l'ouest de la zone d'étude, les fonds (graviers et sables) sont propices au chalutage tandis que cet espace offre des potentialités aux fileyeurs qui doivent toutefois tenir compte des courants assez forts (notamment en période de vives eaux). Les résultats obtenus mettent en évidence des zones de conflit potentiel entre les métiers du chalut et du filet. Pourtant, les incidents recensés sont peu fréquents. En effet, bien qu'il n'existe pas de réglementation officielle, des accords de cohabitation informels ont été établis par les pêcheurs. Lors des périodes de mortes eaux, des zones sont réservées au chalutage et inversement. Néanmoins, le Module Activités Littorales et capable de localiser cette zone de conflit potentiel et pourrait de ce fait permettre d'ajuster ce type d'accord informel.

Conclusion

57La construction du simulateur DAHU repose donc sur la transcription d'un environnement réel et complexe en un modèle de la réalité fondé sur la description du déroulement d'un ensemble d'activités humaines dans l'espace et dans le temps. Ce modèle "vraisemblable5" regroupe l’ensemble des contraintes réglementaires, socio-économiques et environnementales cloisonnant les conditions d'exercice d’agents représentatifs d'une ou plusieurs pratiques économiques.

58L’un des apports majeurs du prototype DAHU est de considérer l’espace comme une contrainte de simulation et non comme un élément structurant du modèle. Un tel système permet de fournir une description "hors-sol" d’une activité donnée en s’affranchissant de toute perturbation liée au particularisme des conditions locales de son implantation. Il est ainsi envisageable de reconstituer le cycle de fonctionnement de la plupart des activités possédant un système de production basé sur des processus récurrents sans relation directe avec l’espace concerné. Cette démarche permet de découpler le fonctionnement des activités modélisées avec leur environnement extérieur et ainsi de combler une grande partie des limites inhérentes à l’absence de synchronisation entre les dynamiques sociales et les dynamiques naturelles.

59L'instauration d'un couplage dynamique entre le modèle et le pré-processeur représente une avancée importante dans la mise en œuvre d'une chaîne de modélisation sous contraintes. La préparation des variables d'étalonnage et de forçage au sein d'une cellule spécialement adaptée à l'étude des propriétés spatio-temporelles du domaine de simulation s'avère en effet propice au développement de modules de calculs génériques. En outre, la séparation des opérations de pré-traitement et de calcul donne une autonomie importante aux agents mettant en exergue leur capacité de réaction et d'adaptation. Ces relations de type stimulis-réponses vont dans le sens d'une analyse ciblée des interactions entre les activités humaines intensives et les contraintes environnementales.

Notes

601 Un agent est assimilé à une entité capable d'agir sur elle-même et sur son environnement, qui réagit à ses transformations et qui possède une représentation partielle de cet environnement [Ferber J., 1995].

612 Les Systèmes Multi-Agents permettent de faire coexister des agents aux caractéristiques et aux comportements divergents. L'ensemble du système est considéré comme intelligent, c'est à dire doté de capacité d'apprentissage et d'adaptation [Weiss G., 1999].

623 La notion d'activité correspond à la représentation archétypique d'un métier, c'est-à-dire qu'elle synthétise les méthodes de gestion individuelles autour de procédés communs à l'ensemble des individus exerçant le même métier.

634 Modèle invariant contenant un ensemble de descripteurs permettant de qualifier une ou plusieurs activité(s) ayant des procédés de production identiques.

645 On distingue la modélisation "réaliste", objectif des modèles quantitatifs pour la description de la réalité, de la modélisation "vraisemblable" des activités humaines qui n'a pas pour ambition de décrire la réalité de façon exacte [Cuq F., 2001].

Haut de page

Bibliographie

Allen J.F., 1991, "Time and time again : the many ways to represent time", International Journal of Intelligent Systems, No 6, Wiley & Sons, 341-355.

Bonnefoy J.-L., Le Page C., Bousquet F., 2000, "Modelling spatial practices and social representations of space using multi-agents". In: Ballot G. and Weisbuch G. (coord), Application of simulation to social science. Hermès, Paris, 155-168.

Bousquet F., Cambier C., Mullon C., Morand P., Quensière J., Pave A., 1993, "Simulating the interaction between a society and a renewable resource", Journal of biological systems, No 1: 199-214.

Bousquet F., Gautier D., 1999, "Comparaison de deux approches de modélisation des dynamiques spatiales par simulation multi-agents : les approches "spatiales" et "acteurs",  Cybergeo, No 89, (http://www.cybergeo.presse.fr)

Cambier C., 1994, SIMDELTA, Un système multi-agents pour simuler la pêche sur le delta central du Niger. Thèse d'université Paris IV.

Cheylan J.-P., Lardon S., Mathian H., Sanders L., 1994, "Les problématiques liées au temps dans les SIG", Revue Internationale de Géomatique, No 4, 287-305.

Claramunt C., Parent C., Spaccapietra S., Thériault M., 1999, "Database Modelling for Environmental and Land Use Changes". In: O.S. Geertman S., Stillwell J., (Editor), Geographical Information and Planning: European Perspectives, Springer-Verlag.

Cuq F., 2001, "Analyse des interactions entre les actions humaines et le milieu littoral : une approche discrète de l'impact des activités anthropiques". Actes du Colloque CoastGIS `01, Halifax.

Ferber J., 1995, "Les systèmes multi-agents ; vers une intelligence collective", InterEditions.

Ferrand N., Deffuant G., 1998, "Trois apports potentiels des approches " multi-agents " pour l’aide à la décision publique". Actes du Colloque Gestion des territoires ruraux - connaissances et méthodes pour la décision publique, Clermont-Ferrand, Cemagref, 373-385.

Gould S.J., 1987. Time's Arrow,Time's Cycle: Myth and Metaphor in the Discovery of Geological Time, Harvard University Press, Cambridge.

Jensen C.S., Clifford J., Elmasri R., Gadia S. K., Hayes P. J., Jajodia, S., 1994, "A consensus glossary of temporal database concepts", Sigmod Record, No 23, 52-64.

Lardon S., Baron C., Bommel P., Bousquet F., Le Page C., Lifran R., Monestiez P., Reitz P., 1998, "Modéliser les configurations et les stratégies spatiales dans un système multi-agents pour la maîtrise de dynamiques d'embroussaillement", Actes du Colloque SMAGET, Modèles et systèmes multi-agents pour la gestion de l'environnement et des territoires, Clermont-Ferrand, Cemagref, 169-185.

Legay J.-M., 2000, "Les temps de l'environnement", In: Barrué-Pastor M. and Bertrand G. (Editors) Les temps de l'environnement, Presses Universitaires du Mirail.

Le Tixerant M., 2004, "Dynamique des activités humaines en mer côtière. Application à la Mer d'Iroise", Thèse de Géographie UBO, Brest.

Muxart T., Blandin P. and Friedberg C., 1992, "Hétérogénéité du temps et de l'espace : niveaux d'organisation et échelles spatio-temporelles", in: J. M. (Editor), Sciences de la nature, sciences de la société. Les passeurs de frontières. CNRS, 243-258.

Parent C., Spaccapietra S. and Zimanyi E., 1999, "Spatio-Temporal Conceptual Models : data structures + space + time", Advance in GIS, Kansas City.

Pouliot J., Golay F., Caloz R. and Chevallier J.-J., 1998, "Définition d'un référentiel pour le couplage SIG-modèle", 4ème Journées scientifiques du département de génie rural, Montana.

Rouan M., 2001, Contribution à l'analyse et à la conception d'un outils de modélisation des activités humaines en bassin-versant côtier, Mémoire de DESS - CCI, Université de la Rochelle.

Sanders L., Pumain D., Mathian H., Guerin-Pace F., Bura S., 1997, "SIMPOP : a multi-agents system for the study of urbanism", Environment and Planning, No 24, 287-305.

Snodgrass R.T., 1992, "Temporal Databases", in: C.I. Frank A., Fromentini O., (Editor), Theories and methods of spatio-temporal reasoning in geographic space, Springer-Verlag.

Stonebraker M., Rowe L. and Hirohama M., 1990, "The implementation of POSTGRES", IEEE Transaction of Knoledge and Data Engineering, 125-142.

Tissot C., Rouan M., Croise F, 2001, "Modélisation du cycle d'élevage porcin hors-sol : étude du modèle breton", Actes du Colloque Journées Cassini : Géomatique et espace rural, Montpellier, CIRAD, GDR SIGMA, 177-188.

Tissot C., 2003, Modélisation spatio-temporelle d'activités humaines à fort impact environnemental. Application à l'étude des pratiques agricoles intensives dans le département du Finistère, Thèse de géographie, UBO.

Tissot C. and Cuq F., 2004, "Apport des SIG pour la modélisation spatio-temporelle d'activités humaines", Revue Internationale de Géomatique, No 14, 83-96.

Tissot C., Le tixerant M., Gourmelon F. and Le Berre Iwan., 2004. "Modeling interaction between human activities and coastal zone environment", Littoral 2004. Cambridge Publications, Aberdeen, 425-431.

Weiss G., 1999, The MIT Press, 643 p.

Haut de page

Pour citer cet article

Référence électronique

Cyril Tissot, Matthieu Le Tixerant, Mathias Rouan et François Cuq, « Modélisation spatio-temporelle d'activités humaines à fort impact environnemental », Cybergeo : European Journal of Geography [En ligne], Systèmes, Modélisation, Géostatistiques, document 313, mis en ligne le 20 juin 2005, consulté le 22 août 2017. URL : http://cybergeo.revues.org/3570 ; DOI : 10.4000/cybergeo.3570

Haut de page

Auteurs

Cyril Tissot

Laboratoire Géomer (UMR 6554, Littoral Environnement Télédétection Géomatique, CNRS, France), Institut Universitaire Européen de la Mer, place Nicolas Copernic, 29280 Plouzanécyril.tissot@univ-brest.fr

Articles du même auteur

Matthieu Le Tixerant

Laboratoire Géomer (UMR 6554, Littoral Environnement Télédétection Géomatique, CNRS, France), Institut Universitaire Européen de la Mer, place Nicolas Copernic, 29280 Plouzanématthieu.letixerant@univ-brest.fr

Articles du même auteur

Mathias Rouan

Laboratoire Géomer (UMR 6554, Littoral Environnement Télédétection Géomatique, CNRS, France), Institut Universitaire Européen de la Mer, place Nicolas Copernic, 29280 Plouzanémathias.rouan@univ-brest.fr

Articles du même auteur

François Cuq

Articles du même auteur

Haut de page

Droits d’auteur

© CNRS-UMR Géographie-cités 8504

Haut de page