Les mégadonnées contribuent à réduire les impacts environnementaux de la sylviculture sur les écosystèmes forestiers
Le changement climatique augmente le nombre de jours durant lesquels les forêts ne sont pas couvertes de gel et de neige. Ces conditions de plus en plus humides accroissent le risque d’orniérage et de compactage des sols par les véhicules et les machines durant les récoltes, ce qui a un impact environnemental considérable sur la sylviculture. Dès lors, des méthodes pour prédire la résistance du sol dans différentes conditions sont essentielles afin de savoir quand procéder aux opérations. Le projet EFFORTE a relevé ces défis en développant et en adoptant de nouvelles technologies afin d’améliorer les récoltes et la gestion des forêts grâce à l’ensemble de la chaîne de valorisation des forêts au sein de l’UE. «Nous souhaitions améliorer la compréhension de la mécanique des sols et de l’aptitude à la circulation sur le terrain (la capacité pour un véhicule donné de traverser un certain terrain) afin d’éviter de perturber les sols, d’accélérer la mobilité des machines, et d’évaluer la persistance et l’orniérage», explique Jori Uusitalo, coordinateur du projet. EFFORTE a bénéficié d’un financement dans le cadre de l’entreprise commune Bio-industries, un partenariat public-privé entre l’UE et l’industrie.
L’utilisation de modèles
Les chercheurs ont examiné les principes de la mécanique des sols, en particulier l’importance du taux d’humidité des sols en termes de résistance et de perturbations de ces derniers. Ils ont ensuite développé des modèles hydrologiques qui prédisent le taux d’humidité des sols pour des opérations pratiques. Les modèles ont complété d’autres modèles pour prédire l’humidité des sols; les relations entre la résistance et l’humidité des sols et leur déformation. Les partenaires du projet ont ensuite pu développer et démontrer une méthodologie pour détecter et interpréter la force portante du sol basée sur la relation entre la puissance du moteur et la vitesse de déplacement. «L’interprétation est réalisée grâce à des enregistrements des communications de données dans un réseau de bus CAN d’un engin forestier», explique M. Uusitalo. Le terme de bus CAN fait référence à un système de communication par réseau local de commande. Les résultats amélioreront la compréhension de l’effet des charges par roue sur les contraintes et le compactage du sol, convertissant les données sur la mécanique des sols en recommandations opérationnelles pour les praticiens de la forêt. Selon M. Uusitalo: «Les principales conclusions et recommandations de l’aptitude à la circulation liée à EFFORTE peuvent immédiatement être adaptées dans tous les pays européens.»
Les avantages des mégadonnées
Le consortium a également cherché à réaliser le potentiel de la mécanisation dans les opérations de sylviculture pour améliorer la productivité et l’efficacité des activités comme la plantation d’arbres et la gestion des jeunes bois. En outre, ils ont développé et piloté des solutions de mégadonnées pour augmenter la production tout en limitant les impacts environnementaux. L’adoption d’applications de mégadonnées améliore non seulement la qualité du travail mais réduit aussi le travail sur le terrain avant et après la récolte. «Diminuer la proportion des peuplements forestiers ayant un taux élevé de perturbations mènera également à une meilleure acceptation des opérations forestières parmi les propriétaires forestiers et le grand public», souligne M. Uusitalo. Des connaissances préalables plus précises, fondées sur des observations avant la récole ou des applications de mégadonnées, permettent de mieux planifier les opérations forestières selon leur sensibilité aux conditions changeantes. Elles permettront d’aborder une importante source d’inefficacité, lorsque les machines restent inactives lors des mauvaises conditions météorologiques. «Un meilleur suivi et une meilleure planification offrent donc une opportunité importante d’augmenter l’utilisation annuelle des machines, tout en évitant de détruire l’environnement», observe M. Uusitalo. EFFORTE a donc augmenté les connaissances sur la résistance du sol des forêts, l’interaction entre la machine et le terrain et la résilience du sol suite au mouvement des véhicules. Le projet a également fait progresser le rapport coût-efficacité des opérations de sylviculture et la croissance des forêts. M. Uusitalo conclut: «Nous pourrons réaliser d’importants gains économiques tout en évitant de déformer les sols grâce à l’adoption de différentes applications de mégadonnées dans la sylviculture pratique.»
Mots‑clés
EFFORTE, sol, forêt, mégadonnées, modèles, impact environnemental, sylviculture, mécanique des sols, récolte, aptitude à la circulation, sylviculture
