Version classiqueVersion mobile

Paysages et environnement

 | 
Didier Galop

Le passé : reconstitutions, transmissions et nouveaux indicateurs des dynamiques environnementales

La spectrométrie dans le proche infrarouge (SPIR) appliquée à la matière organique des sols : un outil de reconstitution de l’histoire des végétations aux échelles locales

Perspectives et limites d’une méthode qualitative en cours d’élaboration

Damien Ertlen, Dominique Schwartz et Didier Brunet

Résumé

Nous proposons une nouvelle méthode basée sur les propriétés de la Spectrométrie dans le Proche Infrarouge (SPIR) pour reconstituer l’histoire de la végétation à travers l’étude des matières organiques archivées dans les sols et les paléosols. Les premiers tests sur des horizons de surface montrent que la SPIR permet de distinguer nettement les sols sous prairies des sols sous forêts. Les applications pourraient en être très variées, dans le domaine de l’étude de la dynamique des matières organiques des sols (MOS), du fonctionnement des écosystèmes, de la paléoécologie et des paléoenvironnements, de l’archéologie des paysages…

Texte intégral

1. Introduction

1Le texte qui suit est essentiellement méthodologique : il présente une nouvelle méthode d’approche de la dynamique historique des milieux, en cours de mise au point par les auteurs.

2La reconstitution des évolutions paléoenvironnementales fait appel à un large spectre de méthodes fondées sur l’utilisation conjuguée de méthodes de datation et de marqueurs paléoécologiques. Les matériaux étudiés sont, en général, des formations sédimentaires. Toutefois, aux échelles spatiales locales et à l’échelle temporelle de l’Holocène, l’étude des archives pédologiques constitue également un outil solide, dont l’utilité augmente avec la rareté des dépôts sédimentaires exploitables. En effet, contrairement aux sédiments, les sols constituent une couverture continue. Essentiellement formée au post glaciaire sous nos climats, elle offre une gamme variée d’archives couvrant potentiellement tout l’Holocène. De plus, si l’on excepte le matériau parental lorsque celui-ci a été transporté, l’énorme majorité des constituants pédologiques sont d’origine locale, quelques dizaines de m2. C’est particulièrement le cas des marqueurs organiques (voir exemples détaillés ci-dessous). Ceci permet d’étudier les évolutions environnementales à des échelles spatiales fines, en particulier dans les régions où la dynamique érosive est faible, ce qui est le cas des Vosges : dynamique spatio-temporelle des écotones, évolution de la végétation d’un versant élémentaire… Il convient toutefois de tenir compte de la spécificité des sols. À l’exception notable des paléosols, qui sont des milieux conservateurs susceptibles de fossiliser l’information, les sols sont un milieu ouvert dans lequel les flux d’énergie, d’eau, les mouvements mécaniques et la bioturbation provoquent le renouvellement continu des archives potentielles et modifient complètement la répartition chronologique des constituants (Jenkinson 1966, Schwartz 2004). Le concept de Temps Moyen de Résidence (TMR) rend compte de ces processus, et mesure le temps passé dans le système entre l’entrée (retombées de litières par exemple) et la sortie (minéralisation) (Jenkinson 1966). Malgré le brassage des constituants, de nombreuses études ont utilisé différents marqueurs pédologiques pour caractériser l’évolution des géosystèmes, et plus particulièrement celle du couvert végétal : pollens, phytolithes, biomarqueurs constituants des matières organiques comme les polysaccharides ou les monomères de la lignine, le13C, microcharbons de bois conservés dans les sols (e.g. : Bartoli & Guillet 1977, Carcaillet 2001, Delègue et al. 2001, Kelly et al. 1998, Koerner et al. 1999, Maman 1997, Schwartz et al. 1992, 1996, 2003, 2005). La plupart de ces méthodes sont toutefois lourdes à mettre en œuvre et chronophages. Ces raisons nous ont poussés à entreprendre la mise au point d’une nouvelle méthode d’approche de ces dynamiques fondée sur les potentialités de la spectrométrie dans le proche infrarouge (SPIR). La SPIR permet de mesurer la réflectance d’un échantillon dans le proche infrarouge. Cette absorbance constitue « l’empreinte digitale » des matières organiques des sols (MOS) (Palmborg et Nordgren 1996, Coûteaux et al. 2003). Elle est particulièrement fidèle pour les matériaux à forte teneur en matière organique. Cette méthode est rapide et peu coûteuse. De plus, elle est effectuée sur une faible quantité de sol (< 10 g) et, étant non destructive, elle peut être répétée de nombreuses fois. Depuis 40 ans, la SPIR a connu de nombreux développements dans l’analyse des matières végétales (Ben Gera et Norris 1968, Winch et Major 1981, Duncan et al. 1987, Mathison et al. 1999, Deaville et Flin 2000, Garnsworthy et al. 2000). La SPIR est aujourd’hui largement répandue dans différents secteurs de l’industrie pour contrôler la qualité de produits pharmaceutiques, agricoles ou industriels (Creaser et Davis 1988 a et b, Wetzel 1983, Workman 1996). En pédologie, les études menées depuis 25 ans portent principalement sur les aspects quantitatifs des constituants du sol (Barthès et al. 2006, Chang et al. 2001, Couteaux et al. 2003, Ludwig et al. 2002, Moron and Cozzolino, 2002, Reeves III et al. 2002, Russell 2003, Viscarra Rossel et al. 2006). En dehors de ces aspects quantitatifs, d’autres approches ont tenté d’extraire des informations qualitatives sur les sols à partir des données spectrales. Ainsi, Velasquez et al. (2005) ont montré, sur des sols cultivés de Colombie, que la SPIR permet de distinguer des types de sol en fonction de leur système d’exploitation. D’autre part Hedde et al. (2005) distinguent différentes structures biologiques dans les sols grâce à la SPIR, ce qui laisse entrevoir la possibilité d’applications intéressantes en pédologie.

2. Mise au point dune méthodologie SPIR appliquée aux archives pédologiques : proposition de protocole

3Notre objectif est de développer une méthodologie SPIR capable de discriminer des échantillons de sol en fonction de l’origine végétale des MOS qu’ils contiennent. Ainsi en analysant des échantillons provenant d’horizons profonds ou de paléosols, et en les confrontant à une bibliothèque spectrale de situations connues en terme de types d’écosystèmes bien caractérisés et en terme de calage chronologique, nous pourrions déterminer le ou les types de végétations qui couvraient à différentes époques un sol quelconque. Le couplage des mesures SPIR avec des mesures du TMR de la matière organique nous permettra de mettre en évidence des dynamiques paysagères aux échelles de temps historiques, voire même dans le meilleur des cas, de couvrir une bonne partie de l’Holocène par l’intermédiaire de paléosols ou de matières organiques anciennes, concentrés dans les horizons profonds de sols épais. Le protocole proposé dans cet article se déclinera en cinq grandes étapes successives, toutes indispensables mais dont seule la première a pour le moment été testée.

2.1. Établissement d’une bibliothèque spectrale d’horizons de surface de référence

4Le protocole analytique précis et les premiers résultats sont détaillés § 3. Dans les horizons de surface, l’intensité de l’activité biologique assure un renouvellement rapide des MOS. Par conséquent, un équilibre s’établit entre la couverture végétale actuelle et les MOS. Celles-ci découlent très majoritairement du couvert végétal observé. À titre de précaution, nous utilisons des sols dans lesquels le TMR est bien inférieur à la centaine d’années, recouverts par un couvert végétal dont la stabilité est avérée au moins à l’échelle du siècle, voire de deux siècles. En effet, pour une végétation stable pendant un laps de temps supérieur à 3 fois le TMR, on peut considérer que le signal n’est quasiment plus influencé par les végétations antérieures (cf. § 2.4 pour des précisions). Cette stabilité est systématiquement vérifiée par des arguments de nature historique (plans d’aménagement forestier, cartes d’état-major, archives de procès, cartes postales anciennes, cadastres, plans terriers de 1760) ou écologique (âge des arbres, maturité d’un peuplement). À terme, la plupart des écosystèmes présents sur le territoire alsacien viendront alimenter cette bibliothèque spectrale. Elle sera organisée de façon hiérarchique, suivant des critères botaniques et phytosociologiques, mais aussi suivant un découpage géographique par grands types de milieux.

2.2. Constitution d’une bibliothèque spectrale de la matière organique des horizons profonds

5Dans les sols, on observe une augmentation systématique du TMR avec la profondeur, de l’ordre de 250 ans/dm dans les sols biologiquement actifs (Guillet 1979). Ceci résulte de l’augmentation de la proportion de MOS stables (Schwartz 2004). Ces MOS sont susceptibles d’enregistrer une histoire végétale plus longue que celle des horizons de surface. Toutefois, il n’est pas impossible que le vieillissement des MOS se traduise par une évolution du signal SPIR. L’analyse de ce point nécessite des calibrations sur les horizons profonds de sols dont le couvert végétal est resté stable à des échelles pluriséculaires afin de garantir l’origine des matières organiques. De telles situations sont rares et plus difficiles à valider, la validation reposant essentiellement sur les archives historiques. Ainsi, il existe sur le piedmont vosgien dans le département du Bas-Rhin une forêt possédée par la ville de Strasbourg depuis plus de 700 ans, bien décrite sur toute cette période. Certains travaux en géoarchéologie peuvent également servir de référence. Les études paléoécologiques permettent également d’obtenir des garanties sur l’histoire végétale de certains sites. Plusieurs études (Schwartz et al. 2005, Goepp et al. cet ouvrage) ont produit grâce à la pédoanthracologie des données fiables sur l’histoire de la végétation à des échelles très fines. Ainsi, certaines zones de pâturages d’altitude des Vosges sont occupées en permanence par des prairies depuis plusieurs millénaires. En Europe centrale (Tchéquie, Pologne…) des forêts très anciennes, voire « primitives » serviront également de référence.

6L’étude des matières organiques anciennes stockées dans le sol et dont l’origine est connue permettra donc d’appréhender l’effet de leur vieillissement et de leur transformation au cours du temps et les conséquences sur la signature spectrale. Les premiers tests montrent que la conservation du signal à l’identique sur le profil n’est pas évidente. Il faut envisager dans cette étape l’étude de gradients type associés à des situations connues. La recherche de longueurs d’onde ou combinaison de longueurs d’onde dans le proche infrarouge relativement stables sur le profil de sol pourrait aussi permettre de préciser la démarche. L’analyse biochimique des biomarqueurs organiques sera également une des voies utilisée pour préciser ce point.

2.3. Calibration et validation sur des situations connues de changements de végétation

7Cette étape est similaire aux étapes 1 et 2, en remplaçant les situations stables par des scénarios d’évolution de végétation bien identifiés par d’autres méthodes, directement par des documents photographiques ou iconographiques pour les époques les plus récentes et indirectement par les archives pour les époques plus anciennes. Les procédés de recherche de référence sont les mêmes mais facilités par une abondance de scénarios simples tels que défrichement d’une forêt suivi de l’installation d’une prairie ou à l’inverse, recolonisation naturelle de la forêt sur des espaces pastoraux. Les gradients du signal seront confrontés aux gradients des situations stables d’une part et aux scénarios d’autre part afin d’obtenir un gradient type pour chaque scénario dont l’intensité et la position sur le profil varient en fonction de l’âge du changement de végétation. Pour approcher l’âge du changement de végétation sur des situations inconnues ou mal connues chronologiquement une approche complémentaire est nécessaire.

2.4. Étude des aspects chronologiques (TMR de la matière organique)

8Les aspects chronologiques des paléosols et sédiments ne posent pas de problèmes majeurs d’interprétation : en principe, l’âge de l’enfouissement est égal à l’âge14C mesuré sur les MOS, dont on soustrait le TMR estimé au moment de l’enfouissement. Celui-ci est en principe peu élevé dans des horizons de surface, quelques dizaines d’années (Guillet 1979). Il convient toutefois de ne pas négliger l’influence d’un possible rajeunissement par des MOS récentes ou le vieillissement par des microcharbons hérités, ou par des MOS déstockées en amont lors d’épisodes érosifs. En revanche, dans les systèmes pédologiques ouverts le TMR mesure le renouvellement plus ou moins rapide des matières organiques du sol. Le seul modèle simple permettant de faire des calculs est le modèle de décroissance exponentiel des âges de Jenkinson (1966). Balesdent (1982) a montré que le remplacement des MOS correspondait plutôt à une fonction puissance, mais celle-ci n’autorise pas de calculs simples. Le modèle de Jenkinson s’exprime ainsi :

9Qt = Q0.e-t/T

10Où Qt est la quantité de MOS restant d’une quantité initiale Q0 au temps t et T est le TMR mesuré au14C. Ainsi, pour un temps t = T, il reste dans le sol 37 % de la matière organique initiale. Pour t = 2T, il en reste 14 %, et pour t = 3T, 5 %. En cas de changement de végétation, on peut donc évaluer la quantité de matière organique initiale transformée après le changement de végétation, en fonction du temps et du MRT, lequel augmente avec la profondeur ce qui rallonge d’autant la période sur laquelle des changements de végétation sont identifiables. Les mesures de MRT obéissent ainsi à deux objectifs :

11Vérifier, sur les stations de référence que la durée de stabilité de la végétation est compatible avec l’invariance ou avec le gradient type du signal SPIR dans les matières organiques à une profondeur donnée. Comme signalé au § 2.1, une stabilité de la végétation sur 150 ans est nécessaire pour avoir un signal quasiment pur dans les horizons de surface si le TMR est de 50 ans.

12Tenter d’estimer, sur des situations inconnues (cf. n° 5), les âges des changements de végétation. Schwartz et Mariotti (1998) se sont servis avec succès de ce principe pour comparer le profil δ13C d’une savane congolaise qui a succédé à une forêt il y a 3000 ans, avec les résultats d’une courbe δ13C modélisée en se servant de la formule de Jenkinson. Nous essayerons de transposer au signal NIRS cette modélisation précisée depuis (Schwartz 2007).

2.5. Utilisation sur de nouvelles situations (reconstitution de dynamiques paysagères)

13La méthode sera testée sur les milieux alsaciens et plus généralement sur les écotones prairie/forêt de la zone tempérée. Si la méthode est éprouvée, les applications seront très variées dans les domaines de l’histoire de la végétation, l’histoire des paysages, la gestion durable des territoires, la géoarchéologie…

14Là également, il convient de distinguer le cas des paléosols enfouis de celui des sols fonctionnels. Dans les paléosols, si la fossilisation est effective, la comparaison entre le signal enregistré dans les horizons supérieurs enfouis et la bibliothèque spectrale des horizons de surface actuels devrait suffire. Dans les sol fonctionnels, systèmes ouverts, il conviendra certainement de relativiser les résultats en les confrontant avec des données indépendantes, issues d’autres approches. Il est clair que les résultats seront plus fiables pour les périodes historiques que les périodes plus anciennes de l’Holocène. Ce sont alors très nettement les influences des changements de végétation d’origine anthropiques qui seront mis en exergue par rapport aux changements climatiques, moins prépondérants sur l’évolution du couvert végétal dans nos régions pendant les derniers millénaires.

3. Les premiers tests dapplication sur les MOS des horizons de surface

3.1. Sites de prélèvement

15Les sols étudiés sont des alocrisols (parcelles THA, THB, RCA) et un ranker d’éboulis (RTH) du massif du Rossberg (Vosges haut-rhinoises). Ils sont caractérisés par une très forte teneur en MOS dans les horizons de surface. Les prélèvements ont été effectués sur quatre parcelles à des altitudes comprises entre 1080 et 1120 m. Une parcelle se trouve sous prairie (RCA) et les trois autres sous forêt. Les faciès forestiers sont une forêt mixte (RTH), une hêtraie culminale pure (THA) et une hêtraie sapinière (THB). L’observation des cartes topographiques du XIXe et du XXe s. nous confirme la stabilité de ces couverts végétaux dans un passé récent. La composition floristique et la structure des faciès en RTH et THB témoignent également de l’ancienneté de ces peuplements. La position proche de la lisière et la structure (arbres bas-branchu souvent à troncs multiples) de THA témoignent en revanche d’une apparition récente du couvert forestier, dont l’âge ne dépasse pas 150 ans.

3.2. Protocole de prélèvement et d’analyse spectrale

16Les échantillons ont été prélevés sur les 4 premiers centimètres de l’horizon A1 à l’aide d’un cylindre de 4 cm de diamètre, tous les 2 mètres suivant 3 lignes parallèles espacées de 2 mètres, à concurrence de 30 échantillons (40 pour RTH). Les échantillons ont été séchés à l’étuve à 40° pendant 7 jours, puis tamisés à 2 mm, pour que l’analyse se fasse sur l’ensemble de la fraction organique. Pour chaque échantillon, quelques grammes de la fraction inférieure à 2 mm sont placés dans une cellule de quartz. La réflectance est mesurée tous les 2 nanomètres entre 1100 et 2500 nm avec un spectromètre Foss NIRSystems 5000 (Silver Spring, MD, USA). L’appareil effectue la moyenne de 32 balayages en moins d’une minute. Pour accroître la précision de la mesure, une seconde répétition est effectuée après avoir mélangé l’échantillon pour obtenir un spectre généré par 64 balayages. Les mesures de réflectance sont converties en absorbance selon la formule A = log (1/R) où R est la réflectance. La distance de Mahanalobis (H) (Mark, 2001) est systématiquement mesurée et les échantillons pour lesquels H>3 sont considérés comme aberrants et écartés. Chaque spectre de 1400 nm de largeur est composé de 700 bandes de mesure. Il est réduit à une résolution de 10 nm, soit 140 bandes, ce qui n’affecte pas l’information la plus significative (Fourty et al. 1996). Chaque spectre est centré et réduit, puis la dérivée seconde (A’’) est calculée afin de faciliter l’observation des différences spectrales. Nous obtenons finalement 129 spectres (H > 3 pour 1 échantillon) composés chacun de 132 points (la dérivée des extrémités ne pouvant être calculée).

3.3. Traitement des données

17La moyenne des signatures spectrales et la moyenne des spectres dérivés sont calculées pour les deux grands types de milieux (forêt, prairie) afin d’observer les longueurs d’onde discriminantes (Fig. 1a et 1b). Ces discriminations sont confirmées par une Analyse en Composantes Principales (ACP) effectuée sur l’ensemble du spectre, où chaque bande de largeur 10 nm est une variable. Enfin, une seconde ACP est réalisée sur une sélection de bandes identifiées comme étant discriminantes par la première ACP (Fig. 2).

Fig. 1. Moyennes des spectres bruts (a) et dérivés (b) pour les sols sous forêts et sous prairies

Fig. 1. Moyennes des spectres bruts (a) et dérivés (b) pour les sols sous forêts et sous prairies

Fig. 2. Scores factoriels de l’ACP réalisée sur une sélection de bandes spectrales qui permet de discriminer les sols sous forêts des sols sous prairies

Fig. 2. Scores factoriels de l’ACP réalisée sur une sélection de bandes spectrales qui permet de discriminer les sols sous forêts des sols sous prairies

3. 4. Résultats

18Le TMR de la matière organique des alocrisols a été mesuré par14C entre 10 et 15 cm de profondeur dans le cadre d’une étude antérieure (encore non publiée). Il est égal à 56 ± 32 BP. Sur les 4 premiers centimètres, qui sont ceux que nous avons étudiés, il est sans aucun doute bien inférieur, ce qui signifie qu’une fraction très majoritaire de la matière organique analysée provient de la décomposition des végétaux de l’écosystème observé lors du prélèvement.

19La comparaison des spectres bruts et de leurs dérivées (Fig. 1a et b) montre des différences d’intensité importantes entre les spectres moyens des sols sous prairie et sous forêt. La forme du spectre brut est apparemment semblable (Fig. 1a). Cependant, l’observation des dérivées secondes (Fig. 1b) révèle la présence de disparités selon les milieux dans la forme et la position des pics d’absorbance. C’est pourquoi nous privilégions l’utilisation des données dérivées pour extraire des données spectrales l’information la plus discriminante. De manière générale, la seconde moitié du spectre (1800-2500 nm) est plus discriminante avec des zones clefs autour de 1900, 2080-2200, 2230 et 2370 nm. Le pic autour de 1900 nm est toutefois à écarter pour sa relation connue avec l’eau (Russell 2003).

20Les trois premiers facteurs de l’ACP réalisée sur l’ensemble du spectre expliquent 82,6 % de la variance (respectivement 53,1 % ; 19,7 % et 8,7 %). Ce pourcentage atteint 94 % lorsque, après sélection, le nombre de bandes est réduit à 22 (2080-2270 et 2370-2380 nm). Les scores factoriels permettent de discriminer sans ambiguïté le couvert forestier de la prairie (Fig. 2). Des discriminations apparaissent également entre les différents types de forêts (Fig. 3). Seuls les nuages de points de la hêtraie sommitale et de la hêtraie sapinière se superposent partiellement.

4. Discussion sur les résultats de la 1ÈRE étape

21L’examen des coefficients standardisés de chaque variable pour les trois premiers facteurs de l’ACP réalisée sur l’ensemble du spectre permet de vérifier quelles sont les variables discriminantes. Les longueurs d’onde 1930-1990 (pic de l’eau) 2090-2130, 2180-2190 et 2230-2240 nm apparaissent parmi les coefficients les plus élevés de la composante 1 et confirment les observations faites sur les spectres dérivés. Les coefficients les plus élevés de la composante 2 (1150, 1630-1670, 1770, 2310-2340 nm) concernent des longueurs d’onde non identifiées sur les spectres dérivés. Enfin la bande 1370- 1380 nm est soulignée par un coefficient élevé sur la composante 3. L’ACP permet dans un premier temps une sélection plus précise des bandes spectrales discriminantes. Pour comparer les sélections de bandes spectrales entre elles, afin de déterminer la combinaison la plus apte à séparer les échantillons de sols en fonction de l’origine végétale de la matière organique, on mesure les distances entre les groupes et les zones d’intersections des différents nuages sont quantifiées afin d’être minimisées. La distance entre le groupe « forêt » et le groupe « prairie » est maximale sur la sélection de 22 bandes spectrales (cf. § 3.3). Sur cette même sélection, les intersections entre les différentes forêts sont faibles et concernent principalement les groupes hêtraie sommitale (THA) et hêtraie sapinière (THB), ce qui peut s’expliquer par une dominance du hêtre dans ces deux groupes, alors qu’il est bien plus marginal dans la forêt mixte (RTH), très diversifiée au plan floristique.

Fig. 3. Scores factoriels de l’ACP réalisée sur une sélection de bandes spectrales qui discrimine les sols en fonction des différents faciès de végétation (cliché D. Ertlen)

Fig. 3. Scores factoriels de l’ACP réalisée sur une sélection de bandes spectrales qui discrimine les sols en fonction des différents faciès de végétation (cliché D. Ertlen)

22Des études sur des feuilles (Fourty et al. 1996), sur divers produits agricoles (Schenk et al. 2001) et sur des végétaux en décomposition (Ben-Dor et al. 1997) ont établi des liens entre les pics d’absorbances dans le PIR et des structures moléculaires précises. Ainsi, la lignine est identifiée à plusieurs reprises parmi les bandes spectrales de la sélection (2142, 2270 et 2380 nm). Or ce constituant est particulièrement abondant dans les essences arborées et les MOS issues de leur décomposition. Il pourrait donc constituer un biomarqueur capable de séparer les sols sous prairies des sols sous forêts. Le fait de retrouver ces bandes spectrales parmi celles qui permettent de discriminer les forêts (RTH, THA, THB) de la prairie (RCA) consolide l’hypothèse d’une signature spectrale caractéristique de l’origine végétale des MOS. Cependant, de nombreux autres facteurs peuvent être à l’origine de ces différences spectrales tels que le type de sol, la quantité de carbone organique, la minéralogie du sol et plus particulièrement celle des argiles, la granulométrie, etc. Pour éliminer au maximum ces facteurs indésirables, l’échantillonnage devra être complété par des faciès de végétation semblables couvrant un large spectre de sols. Ainsi, il sera possible de distinguer les facteurs physico-chimiques discriminants et indésirables, des facteurs biochimiques en relation étroite avec l’origine végétale des MOS.

5. Conclusion

23L’examen par la SPIR de sols identiques (THA, THB, RCA) sous des peuplements variés (forêts, prairie) révèle des signatures spectrales différentes. De nouveaux tests concernant des peuplements similaires, sur des sols et des situations géographiques plus variés à l’échelle de l’Alsace vont être effectués pour confirmer et étendre les résultats de la première étape.

24Ces premiers résultats sont positifs. Ils confirment que la SPIR peut séparer des échantillons de surface de sol d’âge très récent en fonction du type de végétation. Les travaux après consolidation de ces résultats doivent s’orienter vers l’étude d’échantillons de MOS plus anciennes, provenant d’horizons plus profonds ou de paléosols dont le contexte végétal de développement est bien renseigné par ailleurs (étape 2 du protocole). Ces travaux devraient permettre de vérifier s’il est possible, malgré la dégradation et le brassage de la MO ancienne, de déterminer son origine végétale grâce à la SPIR. Toutefois, la diversité et l’abondance des changements de végétation à l’échelle de l’Holocène, pris sur toute sa durée, ne permettront pas une reconstitution fine des épisodes avec la seule étude des sols fonctionnels. Ceux-ci devraient permettre de mettre en évidence le dernier ou au mieux les deux derniers changements de végétations qui sont très souvent aux échelles de temps historiques. En revanche, l’étude de paléosols ayant fonctionné durant une période limitée et affectés par seulement un ou deux types de végétations, voire l’étude de séquences de paléosols (très rares dans les Vosges) ou celle de sols en contexte archéologique devrait permettre l’utilisation de la SPIR pour des reconstitutions couvrant l’Holocène. Les applications pourraient en être très variées, dans le domaine de l’étude de la dynamique des MOS, du fonctionnement des écosystèmes, de la paléoécologie et des paléoenvironnements, de l’archéologie des paysages…

Bibliographie

Bibliographie

Balesdent J., Guillet B., 1982. Les datations par le14C des matières organiques des sols. Contribution à l’étude de l’humification et du renouvellement des substances humiques. Sciences du sol-Bulletin de l’AFES, 2, p. 93-112.

Barthès B., Brunet D., Ferrer H., Chotte J.L., Feller C., 2006. Determination of total carbon and nitrogen content in a range of tropical soils using near infrared spectroscopy : influence of replication and sample grinding and drying. Journal of Near Infrared Spectroscopy, 14, p. 341-348.

Bartoli F., Guillet B., 1977. Étude comparée des diagrammes phytolithiques et polliniques d’un podzol des Vosges gréseuses. C.R. Acad. Sc. Paris, série D, 284, p. 353-356.

Ben-Dor E., Inbar Y., Chen Y., 1997. The reflectance spectra of organic matter in the visible near-infrared and short wave infrared region (400-2500 nm) during o controlled decomposition process. Remote sensing environment, 61, p. 1-15.

Ben-Gera I., Norris K.H., 1968. Determination of moisture content in soybeans by direct spectrophotometry. Israeli Journal Agricultural Research, 18, p. 124-132.

Carcaillet C., 2001. Are Holocene wood-charcoal fragments stratified in alpine and subalpine soils ? Evidence from the Alps based on AMS14C dates. The Holocene, 11, p. 231-242.

Chang C.W., Laird D.A., Mausbach M.J., Hurburgh C.R.J., 2001. Near-inrared reflectance spectroscopy - Principal components regression analyses of soil properties. Soil Science Society of America Journal, 65, p. 480-490.

Couteaux M.-M., Berg B., Rovira P., 2003. Near infrared reflectance spectroscopy for determination of organic matter fractions including microbial biomass in coniferous forest soils. Soil Biology and Biochemistry, 35, p. 1587-1600.

Creaser C.S., Davies A.M.C., 1988. Near infrared spectroscopy. In : Analytical applications of spectroscopy. Royal Society Chemistry, London, 1, p. 1-172.

Deaville E.R., Flinn P. C., 2000. Near infrared (NIR) spectroscopy : an alternative approach for the estimation of forage quality and voluntary intake. In : Givens D.I., Owen E., Axford R.F.E., Omed H.M. (eds.). Forage Evaluation in Ruminant Nutrition, CAB International, p. 301-320.

Delègue M., Fuhr M., Schwartz D., Mariotti A., Nasi R., 2001. Recent origin of a large part of the forest cover in the Gabon coastal area based on stable carbon isotope data. Oecologia, 129, p. 106-113.

Duncan P., Clanton D., Clark D., 1987. Near infrared reflectance spectoscopy for quality analysis of sandhills meadow forage. Journal of Animal Science, 64, p. 1743-1750.

Fourty T., Baret F., Jacquemoud S., Schmuck G. Verdebout J., 1996. Leaf optical properties with explicit description of its biochemical composition : Direct and inverse problems. Remote Sensing of Environment, 56, p. 104-117.

Garnsworthy P. C., Wiseman J., Fegeros K., 2000. Predicting of chemical, nutritive and agronomic charachteristics of wheat by near infrared spectroscopy. Journal of Agricultural Science, 135, p. 409-417.

Guillet B., 1979. Étude du renouvellement des matières organiques des sols par les radioisotopes (14C). In : Bonneau M., Souchier B. (éds.). Pédologie, t. 2, Constituants et propriétés des sols. Paris, Masson, p. 210-226.

Hedde M., Lavelle P., Joffre R., Jiménez J.J., Decaëns T., 2005. Specific functional signature in soil macro-invertabrate biostructures. Functional ecology, 19, p. 785-793.

Jenkinson D.S., 1966. The turnover of organic matter in soil. In : The use of isotopes in soil organic matter studies, p. 187-197. (J. App. Rad. And Isot., suppl.)

Kelly E.F., Blecker S.W., Yonker C.M., Olson C.G., Wohl E.E., Todd L.C., 1998. Stable isotope composition of soil organic matter and phytoliths as paleoenvironmental indicators. Geoderma, 82, p. 59-81.

Koerner W., Dambrine E., Dupouey J.L., Benoit M., 1999. d15N of forest soil and understorey vegetation reflect the former agriculture land use. Oecologia, 121, p. 421-425.

Ludwig B., Khanna P.K., Bauhus J., Hopmans P., 2002. Near infrared spectroscopy of forest soils to determine chemical and biological properties related to soil sustainability. Forest Ecology and Management, 171, p. 121-132.

Maman O., 1997. Analyse des produits d’électrolyse de la lignine par électrophorèse capillaire : application à la reconnaissance de signatures d’écosystèmes dans les sols, les paléosols et les sédiments. Thèse de doctorat. Orléans, Université d’Orléans, 119 p. + annexes.

Mark H., 2001. Qualitative discriminant analysis. In : Burns D.A. & Ciurczak E.W. (eds.). Handbook of Near-Infrared Analysis. Boca Raton, Taylor & Francis, 2nd edition, p 363-400.

Moron A., Cozzolino D., 2002. Application of near infrared reflectance spectroscopy for the analysis of organic C, total N and pH in soils of Uruguay. Application of near infrared reflectance spectroscopy for the analysis of organic C, total N and pH in soils of Uruguay. Journal of Near Infrared Spectroscopy, 10, p. 215-221.

Palmborg C., Nordgren A., 1996. Partitioning the variation of microbial measurements in forest soils into heavy metal and substrate quality dependent parts by use of near infrared spectroscopy and multivariate statistics. Soil Biology and Biochemistry, 28, p. 711-720.

Reeves III J., McCarty G., 2002. The potential of diffuse reflectance spectroscopy for the determination of carbon inventories in soils. Environmental Pollution, 116, p. S277-S284.

Russell C.A., 2003. Sample preparation and prediction of soil organic matter properties by near infrared reflectance spectroscopy. Soil science and plant analysis, 34, p. 1557-1572.

Schenk J.S., Workman J.J.Jr., Westerhaus M.O., 2001. Application of NIR spectroscopy to agricultural products. In : Burns D.A. & Ciurczak E.W. (eds.). Handbook of near-infrared analysis. Boca Raton, Taylor & Francis, 2nd edition, p. 419-474.

Schwartz D., Mariotti A., 1998. Actes 16e Cong. Mondial Sci. Sol, Montpellier, France, CD Rom.

Schwartz D., Bernardy L., Jouve-Litaudon C., Vonna A., 2003. Le Bickenberg à Osenbach (Haut-Rhin) – Étude d’un paysage d’enclos médiéval sur les collines calcaires sèches sous-vosgiennes. Revue Géographique de l’Est, t. XLIII, 3, Les Vosges : vieux terroirs, nouveaux espaces, p. 81-94.

Schwartz D., Foresta H., Mariotti A., Balesdent J., Massimba J.P., Girardin C., 1996. Present dynamics of the savanna-forest boundary in the Congolese Mayombe : a pedological, botanical and isotopic (13C and14C) study. Oecologia, 106, p. 516-524.

Schwartz D., Mariotti A., Trouvé C., van den Borg K., Guillet B., 1992. Étude des profils isotopiques 13C et14C d’un sol ferrallitique sableux du littoral congolais. Implications sur la dynamique de la matière organique et l’histoire de la végétation. C. R. Acad. Sci. Paris, 315, sér. II, 11, p. 1411-1417.

Schwartz D., 2004. Les sols à l’épreuve du temps. In : Le temps des datations. Dossiers Pour la Science, 42, p. 44-49.

Schwartz D., 2007. Utilisation d’un modèle couplé (13C, 14C) pour dater des changements de végétation savane/forêt : deux exemples. In : Actes des 9es Journées Nationales de l’Étude des Sols, Angers, 3-5 avril 2007, p. 157-158.

Schwartz D., Thinon M., Goepp S., Schmitt C., Casner J., Rosique T., Wuscher P., Alexandre A., Dambrine E., Martin C., Guillet B., 2005. Premières datations directes de défrichements protohistoriques sur les chaumes secondaires des Vosges (Rossberg, Haut-Rhin). Approche pedoanthracologique. Comptes Rendus Geosciences, 337, p. 1250-1256.

Velasquez E., Lavelle P., Barrios E., Joffre R., Reversat F., 2005. Evaluating soil quality in tropical agroeco-systems of Colombia using NIRS. Soil Biology and Biochemistry, 37, p. 889-898.

Viscarra Rossel R.A., Walvoort D.J.J., McBratney A.B., Janik L.J., Skjemstad J.O., 2006. Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties. Geoderma, 131, p. 59-75.

Wetzel D.L., 1983. Near-infrared reflectance analysis : sleeper among spectroscopic techniques. Analytical Chemistry, 55, p. 1165A-1176A.

Winch J.E., Mayor H., 1981. Predicting nitrogen and digestibility of forages using near-infrared reflectance photometry. Canadian Journal of Plant Science, 61, p. 45-51.

Workman J.J., 1996. Interpretive spectoscopy for near infrared. Applied Spectroscopy Review, 31, p. 251-320.

Table des illustrations

Titre Fig. 1. Moyennes des spectres bruts (a) et dérivés (b) pour les sols sous forêts et sous prairies
URL http://books.openedition.org/pufc/docannexe/image/42940/img-1.jpg
Fichier image/jpeg, 32k
Titre Fig. 2. Scores factoriels de l’ACP réalisée sur une sélection de bandes spectrales qui permet de discriminer les sols sous forêts des sols sous prairies
URL http://books.openedition.org/pufc/docannexe/image/42940/img-2.jpg
Fichier image/jpeg, 26k
Titre Fig. 3. Scores factoriels de l’ACP réalisée sur une sélection de bandes spectrales qui discrimine les sols en fonction des différents faciès de végétation (cliché D. Ertlen)
URL http://books.openedition.org/pufc/docannexe/image/42940/img-3.jpg
Fichier image/jpeg, 107k

Le texte et les autres éléments (illustrations, fichiers annexes importés) sont sous Licence OpenEdition Books, sauf mention contraire.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search