Valorisation données anciennes du canton de VD

Le canton de Vaud possède de nombreuses données pédologiques anciennes. L’objectif de ce projet est de tester les possibilités de modéliser ces données en vue d’établir une stratégie de cartographie des sols pour tout le canton.

Fiche signalétique

  • Département responsable Haute école des sciences agronomiques, forestières et alimentaires
  • Institut Agronomie
  • Unité de recherche Sols et géoinformation
  • Organisation d'encouragement Autres
  • Durée (prévue) 01.12.2020 - 30.03.2022
  • Responsable du projet Prof. Dr. Stéphane Burgos
  • Direction du projet Prof. Dr. Stéphane Burgos
  • Équipe du projet Prof. Dr. Stéphane Burgos
  • Partenaire Canton de Vaud
  • Mots-clés Données pédologiques, Vaud, modélisation, cartographie, sol

Situation

Le canton de Vaud dispose d’une grande quantité de données pédologiques historiques. Le workpackage 1 a permis de recenser 32’414 sondages avec 90’331 horizons et 304 profils avec 1087 horizons. Ces données ont été analysées et traduites au mieux dans le système FAL 24 qui correspond au standard actuel. Le workpackage 2 a permis d’établir la qualité des données et de valider leur contenu en effectuant des sondages sur 270 lieux anciens. Des conseils d’utilisation ont été émis. Enfin, le workpackage 3 consiste en une évaluation des possibilités de modéliser et d’utiliser ces données dans une future cartographie cantonale. Cette évaluation doit permettre d’établir une stratégie cohérente pour prioriser les zones à cartographier et de poser les bases documentaires pour faciliter cette cartographie.

Approche

Cinq zones, comprenant chacune 100 sondages, ont été définies. Ces sondages vont servir de validation pour les prédictions des variables modélisées. Les variables ont été calculées d’après les données de base issues des workpackges 1 et 2. Les variables explicatives ont été dérivées des données topographiques, geologiques et climatiques du canton. Une modélisation basée sur le machine learning (random forest) à permis d’entrainer un modèle. La valeur de chaque pixel a ensuite été calculée à partir du modèle et des variables explicatives.

Ce projet contribue aux objectifs de développement durable suivants

  • 2: Lutte contre la faim