Aborder les défis de la gestion des ressources en eau
Des modèles simples aident à évaluer le contrôle des inondations et la rétention d'eau.
― 8 min lire
Table des matières
- Défis dans la cartographie des services en eau
- Évaluation des services en eau
- Le rôle des infrastructures
- La méthode du nombre de courbe
- Ajustement pour la pente
- Valeurs d'abstraction initiales
- Simulation d'événements orageux
- Résultats et schémas
- Applications pratiques
- Limitations et futures directions
- Conclusion
- Source originale
- Liens de référence
La gestion des ressources en eau devient super importante à cause du changement climatique et de la croissance urbaine, qui créent plus de surfaces dures qui n'absorbent pas l'eau. Ça peut rendre les sécheresses et les inondations plus fréquentes et graves. Les tempêtes violentes sont aussi plus probables, ce qui peut causer des problèmes importants pour les gens et l'environnement. Récemment, des inondations ont provoqué plein de catastrophes, touchant des milliards de personnes dans le monde entier.
Les inondations peuvent arriver rapidement et ont des effets sérieux sur la santé, les bâtiments et la faune. Réduire les chances d'inondation est super utile et on parle souvent de contrôle des inondations ou de rétention d'eau. Avec le changement climatique qui rend ce sujet encore plus urgent, il est crucial que les décisions de planification tiennent compte de comment les changements d'utilisation des terres peuvent affecter ce service important.
Défis dans la cartographie des services en eau
Cartographier les services liés au flux d'eau est compliqué. Ça demande souvent beaucoup de données détaillées et de modèles complexes qui nécessitent une puissance de calcul, du temps et de l'expertise. Ces modèles peuvent donner des résultats précis mais peuvent coûter cher pour prendre des décisions sur la gestion des terres. Donc, des approches plus simples basées sur une bonne science de l'eau et nécessitant moins de ressources sont nécessaires, surtout dans les zones avec peu de données.
Des modèles plus simples ont été développés pour gérer ces contraintes. Certains de ces modèles ont été utilisés avec succès dans le monde entier, même dans des endroits où des modèles avancés ne peuvent pas être exécutés. Dans ces zones, utiliser des modèles plus simples peut être très bénéfique. Ils sont rapides à exécuter et fournissent des estimations faciles à comprendre.
Évaluation des services en eau
Des modèles qui donnent des valeurs cohérentes pour chaque zone peuvent être très utiles pour comparer différents services, qu'ils soient liés à l'eau ou non. Cette comparaison est importante car de nombreuses politiques visent à améliorer plusieurs services et à créer des paysages qui servent à différentes fins. Dans ces paysages multi-usages, la rétention d'eau peut ne pas être l'objectif principal, mais elle sera toujours influencée par les décisions prises en gestion des terres.
Différents parcelles de terrain, qu'il s'agisse de grands champs ou de petits jardins, retiennent naturellement l'eau à des degrés différents selon leurs caractéristiques. Cette capacité, appelée "spongiosité", influence combien d'eau de pluie s'écoule vers d'autres zones. La spongiosité peut être influencée par l'utilisation et la gestion des terres. Quand les zones retiennent plus d'eau, moins d'eau s'écoule, ce qui peut aider avec les niveaux d'eaux souterraines et réduire les inondations.
Le rôle des infrastructures
Les infrastructures jouent aussi un rôle dans la rétention d'eau. On peut les catégoriser en "vertes" (comme les parcs et les arbres), "bleues" (comme les lacs et les rivières) et "grises" (comme les routes et les bâtiments). Chaque type contribue différemment à la gestion de l'eau.
Pour comprendre la spongiosité en Grande-Bretagne, une méthode a été utilisée pour estimer combien d'eau différentes zones peuvent retenir. Cette méthode prend en compte divers facteurs et est efficace pour évaluer la rétention d'eau à l'échelle du pays. L'approche est utile pour identifier où l'eau peut être mieux retenue et où le ruissellement peut être réduit, tout en étant efficace en ressources.
La méthode du nombre de courbe
La méthode du nombre de courbe est un moyen d'estimer la rétention d'eau. Elle utilise une équation de bilan hydrique, qui dit que l'eau entrant dans une zone est égale à l'eau sortant plus ce qui est stocké dans le sol. En termes simples, elle regarde combien d'eau tombe sous forme de pluie et combien est retenue par rapport à combien s'écoule.
Cette méthode nécessite quelques informations clés sur le terrain, y compris son type et son état. En tenant compte de ces facteurs, le modèle peut alors estimer combien d'eau un espace spécifique peut retenir. Créée à l'origine pour de petites zones, cette méthode a été améliorée pour une utilisation dans des régions plus vastes.
Ajustement pour la pente
Bien que la méthode originale n'ait pas pris en compte la pente, il est clair que celle-ci peut grandement influencer comment l'eau s'écoule. Par conséquent, une version modifiée de la méthode a été utilisée pour tenir compte de la pente du terrain. Cet ajustement aide à fournir des estimations plus précises de comment l'eau se comporte dans différents terrains.
Valeurs d'abstraction initiales
Avant que l'eau ne s'écoule, elle peut être perdue de différentes manières, comme être absorbée par les plantes ou s'évaporer. Cette perte initiale est une partie importante du calcul. Différents types de terres perdent des quantités variables d'eau, et comprendre cela aide à estimer combien d'eau chaque zone peut finalement retenir.
Les valeurs de la perte initiale peuvent varier selon les types d'utilisation des terres, et des recherches indiquent que des zones comme les forêts retiennent plus d'eau que les zones urbaines. Cette différence souligne l'importance de la végétation dans la gestion de l'eau.
Simulation d'événements orageux
Pour comprendre comment différentes intensités de tempête affectent la rétention d'eau, des simulations ont été réalisées en utilisant différents volumes de pluie. L'accent a été mis sur des tempêtes où la pluie dépassait un certain seuil. Le modèle supposait que la pluie tombait uniformément sur toute la zone pendant ces événements.
En simulant ces tempêtes, le modèle pouvait identifier combien d'eau s'écoulerait de différentes zones en fonction de leur spongiosité. Les résultats ont indiqué que les zones urbaines, qui ont les surfaces les plus dures, facilitent beaucoup plus le ruissellement par rapport aux zones plus vertes où l'eau peut être absorbée.
Résultats et schémas
Les résultats ont montré des schémas clairs. Les zones urbaines, comme les grandes villes, avaient les niveaux les plus élevés de ruissellement, avec presque toute l'eau de pluie quittant ces zones. En revanche, les régions avec des caractéristiques naturelles, comme les tourbières ou les forêts, montraient un bien plus faible ruissellement grâce à leur capacité à retenir l'eau.
Certaines régions, comme certaines parties de l'Écosse, ont connu un fort ruissellement dû à des pentes abruptes, démontrant que la couverture terrestre et la topographie influencent considérablement les capacités de rétention d'eau.
Applications pratiques
Le principal objectif de ce modèle est de mettre en avant les zones qui peuvent mieux retenir l'eau et celles à risque d'inondation. Ça peut servir d'outil précieux pour la gestion des terres, aidant à identifier les zones où des stratégies pourraient être mises en place pour atténuer les risques d'inondation et améliorer l'utilisation des terres.
Même si ça ne remplace pas les modèles de gestion de l'eau complexes, ça peut les compléter en fournissant une compréhension de base des conditions locales. En décomposant de plus grandes zones en petits carrés de grille, ça permet de prendre des décisions de gestion plus adaptées.
Limitations et futures directions
Ce modèle a quelques limitations. Il ne prend pas en compte les changements climatiques ou les conditions dynamiques, qui pourraient affecter la rétention d'eau au fil du temps. De plus, il n'incorpore pas les caractéristiques créées par l'homme comme les systèmes de gestion des inondations qui pourraient aussi impacter la façon dont l'eau se comporte dans un paysage.
Pour un développement futur, les itérations suivantes du modèle pourraient inclure des entrées plus adaptées basées sur différentes périodes de l'année, car la couverture terrestre peut changer avec les saisons. La prise en compte de facteurs externes comme les interventions humaines pourrait également améliorer la précision du modèle.
Malgré ces limitations, le modèle offre une manière flexible et simple pour ceux qui n'ont pas de ressources ou d'expertise poussées d'évaluer la rétention d'eau dans leurs pratiques de gestion des terres. Cette accessibilité est cruciale pour les régions qui pourraient ne pas avoir la capacité d'exécuter des modèles plus compliqués.
Conclusion
En résumé, une gestion efficace des ressources en eau est essentielle face au changement climatique et au développement urbain. Des modèles simples, comme celui discuté, peuvent fournir des insights précieux sur comment les décisions de gestion des terres influencent la rétention d'eau et le risque d'inondation. En comprenant les schémas de spongiosité, les parties prenantes peuvent prendre des décisions éclairées qui équilibrent la santé écologique avec les besoins économiques, tout en travaillant vers des pratiques d'utilisation des terres plus durables.
Titre: Quantifying relative sponginess: a high-resolution model of landscape water retention as an ecosystem service
Résumé: Unprecedented climate and land use changes are having major impacts on water-based ecosystem services (ES). It is crucial, therefore, to get an in-depth understanding of current levels of such ES provision, and how they could be impacted by changed environments or management. However, applying existing models for water-related ES pose substantial challenges, which include the need for in-depth specialist hydrological knowledge, the requirement for numerous datasets and parameters that may not be consistently available, and high computational costs. Additionally, there is often a mismatch between the resolution of the model output and parcel-level land management, at which ES information is often most valuable for supporting decision-making. Here we detail a rapid method for assessing water retention potential by estimating an areas sponginess - its capacity to absorb and retain precipitation. Our approach builds upon a topography-adjusted Curve Number methodology, a widely recognised and straightforward tool for estimating water run-off. We calculated run-off across 1 km grid cells (representing field- to farm-scale land parcels) in Great Britain based on the lands sponginess under storm conditions. The primary objective was to investigate the applicability of the method in estimating point-values -- i.e., the independent contribution of each grid square -- within the context of known limitations. The results enable the identification of areas with higher potential for the ES of water retention. Our model output illustrates the spectrum of sponginess across Great Britain, ranging from less than 30% of precipitation retained in city regions to as high as 99% in some rural, agricultural areas. Importantly, we demonstrate that the model is easy to run, can be used with freely-available data, and produces outputs compatible with grid-based models for other ES. Overall, the model provides an accessible approach to estimating the ES of water retention to researchers worldwide, even in data-scarce areas. Highlights- To inform land management decisions it is important to determine parcel-level ecosystem services, but there is a gap for services related to water. - Parcel-level assessments of a lands sponginess - the capacity to retain precipitation - are described. - Values are calculated using a topography-adjusted Curve Number methodology, which requires little data input or hydrological expertise. - Sponginess and run-off estimates are provided for Great Britain at 1 km resolution.
Auteurs: Paul M Evans, A. Dussaillant, V. M. Varma, J. W. Redhead, R. F. Pywell, J. Storkey, A. Mead, J. M. Bullock
Dernière mise à jour: 2024-10-13 00:00:00
Langue: English
Source URL: https://www.biorxiv.org/content/10.1101/2024.10.11.617771
Source PDF: https://www.biorxiv.org/content/10.1101/2024.10.11.617771.full.pdf
Licence: https://creativecommons.org/licenses/by-nc/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.