{"id":125,"date":"2026-02-11T19:21:52","date_gmt":"2026-02-11T18:21:52","guid":{"rendered":"https:\/\/silvae-test.agroparistech.fr\/?page_id=125"},"modified":"2026-05-28T22:40:44","modified_gmt":"2026-05-28T20:40:44","slug":"distribution-potentielle-des-essences","status":"publish","type":"page","link":"https:\/\/silvae.agroparistech.fr\/?page_id=125","title":{"rendered":"Distribution potentielle des essences et son \u00e9volution"},"content":{"rendered":"
\"\"M\u00e9tadonn\u00e9es
\n\"\"R\u00e9f\u00e9rences bibliographiques<\/a>
\n\"\"Acc\u00e8s aux donn\u00e9es<\/a><\/div>\n

\"\"Description g\u00e9n\u00e9rale\"\"<\/p>\n

La distribution potentielle de 40 essences<\/strong> communes en France a \u00e9t\u00e9 d\u00e9termin\u00e9e afin de caract\u00e9riser le plus pr\u00e9cis\u00e9ment possible les zones qui leurs sont historiquement \u00e9cologiquement favorables. \u00a0Ces cartes sont issues de mod\u00e8les statistiques fournissant des probabilit\u00e9s de pr\u00e9sence (entre 0 et 1) pour un climat caract\u00e9risant la p\u00e9riode 1961-1990, \u00e0 l\u2019\u00e9chelle du territoire Fran\u00e7ais, et par pixels d\u20191 km de c\u00f4t\u00e9. Cette p\u00e9riode de r\u00e9f\u00e9rence climatique (1961-1990) a \u00e9t\u00e9 choisie car elle refl\u00e8te un \u00e9tat relativement stable ant\u00e9rieur \u00e0 une augmentation significative survenue dans la fin des ann\u00e9es 80. \u00a0Ces cartes ont \u00e9t\u00e9 produites \u00e0 partir d\u2019un jeu de variables \u00e9cologiques caract\u00e9risant le climat, l\u2019alimentation en eau, la nutrition des sols et l\u2019exc\u00e8s d\u2019eau dans le sol, selon des m\u00e9thodes de mod\u00e9lisation classiquement utilis\u00e9es dans la communaut\u00e9 scientifique (Guisan et al., 2000, Piedallu et al., 2016).<\/p>\n

Les mod\u00e8les ont \u00e9t\u00e9 \u00e9labor\u00e9s \u00e0 l\u2019aide de 42 094 relev\u00e9s phyto\u00e9cologiques g\u00e9or\u00e9f\u00e9renc\u00e9s disponibles \u00e0 partir de la base de donn\u00e9es de l’inventaire forestier de l’IGN, collect\u00e9s entre 2005 et 2011, distants d\u2019au moins 1 km, et couvrant un large gradient \u00e9cologique. Un jeu ind\u00e9pendant de 54 674 relev\u00e9s a \u00e9t\u00e9 utilis\u00e9 pour la validation. La pr\u00e9sence ou l\u2019absence de chaque essence est not\u00e9e pour chaque placette. Six variables potentiellement explicatives ont \u00e9t\u00e9 utilis\u00e9es apr\u00e8s s\u00e9lection : les temp\u00e9ratures moyennes annuelles, le d\u00e9ficit en eau du sol, le pH et le C\/N des sols, ainsi que les engorgements temporaires et permanent.<\/p>\n

Les mod\u00e8les ont \u00e9t\u00e9 r\u00e9alis\u00e9s par r\u00e9gression de type GAM, en s\u00e9lectionnant pour chaque esp\u00e8ce les variables les plus pertinentes pour expliquer leur distribution. Les temp\u00e9ratures et le pH sont ressortis comme les plus performants, devant les variables hydriques et le C\/N. Des cartes au pas kilom\u00e9trique ont ensuite \u00e9t\u00e9 r\u00e9alis\u00e9es, et une validation des pr\u00e9dictions a \u00e9t\u00e9 effectu\u00e9e sur le jeu de donn\u00e9es ind\u00e9pendantes pr\u00e9vu \u00e0 cet effet. La plupart des mod\u00e8les (32 essences) sont d\u00e9crits dans la publication de Piedallu et al. (2016), et 8 essences compl\u00e9mentaires ont \u00e9t\u00e9 mod\u00e9lis\u00e9es par la suite afin de compl\u00e9ter le jeu de donn\u00e9es, en utilisant les m\u00eames donn\u00e9es et la m\u00eame m\u00e9thode.<\/p>\n

Les probabilit\u00e9s de pr\u00e9sence ont ensuite \u00e9t\u00e9 calcul\u00e9es pour la p\u00e9riode 1991-2020. Pour cela, les projections des mod\u00e8les calibr\u00e9s pour la p\u00e9riode 1961-1990 ont \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9es avec les donn\u00e9es climatiques 1991-2020, ce qui permet d\u2019utiliser le m\u00eame mod\u00e8le pour calculer une probabilit\u00e9 de pr\u00e9sence contemporaine. Une baisse de probabilit\u00e9 entre les deux p\u00e9riodes signifie que les conditions climatiques deviennent moins favorables pour l\u2019esp\u00e8ce concern\u00e9e au regard de niche \u00e9cologique per\u00e7ue par le mod\u00e8le. Les baisses de probabilit\u00e9s importantes ne peuvent \u00eatre traduites par une disparition de l\u2019esp\u00e8ce, mais ces zones seront probablement plus vuln\u00e9rables d\u2019un point de vue climatique \u00e0 moyen-long terme.<\/p>\n

\"\"Principales limites d’utilisation<\/p>\n

Les cartes r\u00e9alis\u00e9es identifient les zones dont les conditions \u00e9cologiques \u00e9taient favorables aux esp\u00e8ces \u00e9tudi\u00e9es pour la p\u00e9riode 1961-1990, au regard des variables \u00e9cologiques utilis\u00e9es dans les mod\u00e8les. Les performances des cartes de distribution ont \u00e9t\u00e9 \u00e9valu\u00e9es pour 32 essences (Piedallu et al., 2016) : le taux moyen de bonnes pr\u00e9dictions pour la p\u00e9riode 1961-1990 \u00a0est de 78 %. Les essences les mieux pr\u00e9dites sont le pin d’Alep, le saule blanc et le ch\u00eane vert (taux de bonnes pr\u00e9dictions entre 91 et 95%), les moins bien pr\u00e9dites sont le saule marsault, le merisier, et le bouleau pubescent (taux de bonnes pr\u00e9dictions entre 62 et 66%). Ces r\u00e9sultats sont en ad\u00e9quation avec ceux d\u2019autres \u00e9tudes de ce type. Une esp\u00e8ce plant\u00e9e dans des conditions \u00e9cologiques inad\u00e9quates ou une absence de l’esp\u00e8ce alors que les conditions \u00e9cologiques sont appropri\u00e9es (dans une plantation par exemple) compte pour une mauvaise pr\u00e9diction. Les r\u00e9ponses observ\u00e9es sont coh\u00e9rentes avec les connaissances sur le comportement des essences \u00e9tudi\u00e9es. Cependant, les cartes r\u00e9alis\u00e9es sont issues de mod\u00e8les n\u2019int\u00e9grant qu\u2019un nombre limit\u00e9 de variables, et dont la qualit\u00e9 peut \u00eatre affect\u00e9e i) par des erreurs dans le jeu de donn\u00e9es (et notamment de d\u00e9termination des essences), ii) par des impr\u00e9cisions dans la caract\u00e9risation des facteurs \u00e9cologiques utilis\u00e9s, iii) par des confusions engendr\u00e9es par le processus de mod\u00e9lisation, iv) par la r\u00e9solution spatiale des cartes r\u00e9sultantes qui ne permettent pas de prendre en compte des variations locales. Elles se basent sur la distribution observ\u00e9e des esp\u00e8ces, qui peut \u00eatre r\u00e9duite du fait de la comp\u00e9tition intersp\u00e9cifique ou de l\u2019absence de diss\u00e9mination de l’esp\u00e8ce dans des zones qui lui sont \u00e9cologiquement favorables. Elles n’int\u00e8grent pas non plus la diversit\u00e9 g\u00e9n\u00e9tique au sein de l’esp\u00e8ce. Les probabilit\u00e9s de pr\u00e9sence calcul\u00e9es pour la p\u00e9riode 1991-2020 sont des extrapolations des mod\u00e8les pr\u00e9c\u00e9dents, cal\u00e9es sur l\u2019\u00e9volution du climat. Elles ne sont pas bas\u00e9es sur les pr\u00e9sences r\u00e9elles des esp\u00e8ces sur ces p\u00e9riodes et refl\u00e8tent plus une \u00e9volution de potentialit\u00e9 du milieu qu\u2019une aire de distribution.<\/p>\n

Du fait de ces limites, la cartographie des zones favorables peut minimiser la niche r\u00e9alis\u00e9e des esp\u00e8ces et g\u00e9n\u00e9rer des incertitudes potentiellement importantes. Les projections entre les p\u00e9riodes 1961-1990 et 1991-2020 sont des simulations qui ne doivent pas \u00eatre traduites en termes de disparition des esp\u00e8ces mais en termes de vuln\u00e9rabilit\u00e9 potentielle. Les \u00e9volutions entre les deux p\u00e9riodes ne sont pas li\u00e9es aux d\u00e9p\u00e9rissements actuellement observ\u00e9s, pour la plupart des essences. Cela s\u2019explique par le fait que ces mod\u00e8les de distribution refl\u00e8tent des tendances potentielles \u00e0 long terme alors que les d\u00e9p\u00e9rissements observ\u00e9s refl\u00e8tent le r\u00e9sultat de crises climatiques \u00e0 court terme. De plus, de nombreux autres facteurs sont impliqu\u00e9s dans les d\u00e9p\u00e9rissements (pathog\u00e8nes, caract\u00e9ristiques des peuplements, des sols, s\u00e9quences climatiques, niveau d\u2019adaptation, etc.), qui ne sont pas int\u00e9gr\u00e9s dans les mod\u00e8les de niche.\u00a0 Une bonne connaissance des m\u00e9thodes et des limites d\u2019utilisation est n\u00e9cessaire pour une utilisation op\u00e9rationnelle de ces donn\u00e9es. Une attention particuli\u00e8re doit \u00eatre port\u00e9e pour l\u2019interpr\u00e9tation des \u00e9volutions de probabilit\u00e9s dans le temps. Enfin, les informations hors for\u00eat sont extrapol\u00e9es \u00e0 partir des relev\u00e9s r\u00e9alis\u00e9s en milieu forestier, et sont susceptibles d\u2019\u00eatre erron\u00e9es.<\/a><\/p>\n

\"\"Les r\u00e9f\u00e9rences bibliographiques<\/p>\n

Piedallu, C., G\u00e9gout, J.-C., Lebourgeois, F. & Seynave, I., 2016. Soil aeration, water deficit, nitrogen availability, acidity and temperature all contribute to shaping tree species distribution in temperate forests.<\/a>. Journal of Vegetation Science<\/em>, 27 (2), pp. 387-399<\/p>\n

Piedallu, C., Perez, V., G\u00e9gout, J.-C., Lebourgeois, F., Bertrand, R., 2009. Impact potentiel du changement climatique sur la distribution de l’Epic\u00e9a, du Sapin, du H\u00eatre et du Ch\u00eane sessile en France<\/a>. Revue Foresti\u00e8re Fran\u00e7aise<\/em>, XI (6), pp.567-593.<\/p>\n

Pruvot, O., 2025, Vuln\u00e9rabilit\u00e9 des principales essences fran\u00e7aises au changement climatique. Rapport de stage M1, AgroParisTech, 23 pages.<\/p>\n

Guisan, A., Zimmermann, N.E., 2000. Predictive habitat distribution models in ecology<\/a>. Ecological Modelling,<\/em> 135 (Issues 2-3), pp. 147-186.<\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

M\u00e9tadonn\u00e9es R\u00e9f\u00e9rences bibliographiques Acc\u00e8s aux donn\u00e9es Description g\u00e9n\u00e9rale La distribution potentielle de 40 essences communes en France a \u00e9t\u00e9 d\u00e9termin\u00e9e afin de caract\u00e9riser le plus pr\u00e9cis\u00e9ment possible les zones qui leurs sont historiquement \u00e9cologiquement favorables. \u00a0Ces cartes sont issues de … Continuer la lecture →<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"onecolumn-page.php","meta":{"footnotes":""},"class_list":["post-125","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/silvae.agroparistech.fr\/index.php?rest_route=\/wp\/v2\/pages\/125","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/silvae.agroparistech.fr\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/silvae.agroparistech.fr\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/silvae.agroparistech.fr\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/silvae.agroparistech.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=125"}],"version-history":[{"count":4,"href":"https:\/\/silvae.agroparistech.fr\/index.php?rest_route=\/wp\/v2\/pages\/125\/revisions"}],"predecessor-version":[{"id":269,"href":"https:\/\/silvae.agroparistech.fr\/index.php?rest_route=\/wp\/v2\/pages\/125\/revisions\/269"}],"wp:attachment":[{"href":"https:\/\/silvae.agroparistech.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=125"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}