Modélisation spatiotemporelle hybride du cycle des nutriments dans les écosystèmes de zones humides utilisant des techniques avancées de cartographie et des approches d’apprentissage automatique

Pourquoi ces filtres d’eau dissimulés sont importants

Les zones humides protègent discrètement nos rivières et notre eau potable en absorbant les excès d’engrais et autres polluants qui lessivent des exploitations agricoles et des villes. Mais parce qu’elles sont étendues, marécageuses et difficiles d’accès, les scientifiques ont eu du mal à évaluer leur efficacité au fil du temps. Cette étude montre comment un mélange d’échantillonnages d’eau sur le terrain, d’images satellites et d’apprentissage automatique peut transformer un petit système de zones humides en Ohio en un portrait détaillé et dynamique de sa santé, saison après saison et année après année.

Surveiller les nutriments depuis l’espace et à pied

Les chercheurs se sont concentrés sur le Beavercreek Wetlands Greenway dans l’Ohio, un paysage en mosaïque où se rencontrent quartiers urbains, champs agricoles, forêts et marais. Ils ont collecté des échantillons d’eau mensuels pendant quatre ans dans trois zones humides le long d’un cours d’eau, mesurant deux nutriments clés : l’azote et le phosphore. À des concentrations modérées, ces nutriments soutiennent la vie végétale, mais en excès ils peuvent déclencher des proliférations d’algues et priver l’eau d’oxygène. Pour aller au-delà de points d’échantillonnage épars, l’équipe a associé ces mesures à des données satellitaires à haute résolution des missions européennes Sentinel-1 et Sentinel-2, toutes traitées dans Google Earth Engine.

Une méthode en deux étapes pour lire le paysage

Plutôt que d’alimenter chaque type de donnée dans un seul grand modèle, les auteurs ont construit un cadre d’apprentissage automatique en deux étapes basé sur un algorithme populaire appelé Random Forest. Dans la première étape, le modèle prédisait les niveaux de nutriments en utilisant des caractéristiques générales des zones humides telles que la forme, la taille, les usages du sol environnants (comme forêt, terres arables ou zones urbanisées) et les précipitations et températures récentes. Cela a créé une carte « de référence » qui capturait la manière dont le paysage global tend à charger ou absorber les nutriments. Dans la seconde étape, un modèle séparé s’est concentré uniquement sur ce que le premier avait manqué : les erreurs spatiales résiduelles. Il a essayé d’expliquer ces motifs plus fins en utilisant des variables continues dérivées des satellites, telles que des indices de végétation et des mesures radar basées sur l’eau et la structure végétale.

Stress saisonnier et signes de récupération

En combinant les deux étapes, l’équipe a produit des cartes trimestrielles de l’azote et du phosphore de 2021 à 2024 à une résolution suffisamment fine pour voir les variations le long des zones humides. L’azote a montré de fortes oscillations saisonnières récurrentes, avec des concentrations plus élevées au printemps et en été (les deuxième et troisième trimestres) et des valeurs plus basses pendant les mois les plus froids. Sur les quatre ans, les niveaux d’azote en début d’année ont légèrement augmenté, et les pics de milieu d’année en 2022 et 2023 ont été particulièrement élevés, signalant un stress saisonnier répété lié aux mois plus humides et aux activités agricoles dans le bassin versant environnant.

Nutriment différent, récit différent

Le phosphore a raconté une histoire contrastée. En 2021, les concentrations de phosphore étaient élevées sur une grande partie du système de zones humides, mais les cartes ont révélé un déclin régulier dans la plupart des zones en 2022, 2023 et 2024, en particulier durant les trimestres d’hiver. Un point chaud persistant est resté dans l’étendue médiane plus large de la zone humide, surtout pendant les périodes de faibles débits en fin d’été, ce qui suggère un relargage interne de phosphore stocké dans les sédiments. En analysant sur quelles variables les modèles s’appuyaient le plus, les chercheurs ont constaté que l’azote dépendait à la fois du contexte paysager et des conditions locales en cours d’eau captées par les satellites, tandis que le phosphore était principalement déterminé par la présence de zones urbanisées et agricoles autour des zones humides.

Ce que cela signifie pour la protection des zones humides

Pour un non-spécialiste, le message principal est que tous les problèmes de nutriments ne se valent pas, et que les satellites peuvent aider à les distinguer. Le nouveau cadre a suivi avec précision l’azote et le phosphore dans l’espace et le temps, montrant que l’azote reste un problème diffus et saisonnier lié aux pratiques agricoles et à la végétation des zones humides, tandis que le phosphore s’est sensiblement amélioré à mesure que les apports depuis les zones urbanisées attenantes ont diminué, à l’exception d’un point chaud tenace. Cette approche cartographique en deux étapes offre aux gestionnaires un outil de diagnostic pratique : elle peut rapidement mettre en évidence les zones à problèmes, indiquer si les solutions doivent se concentrer sur des changements d’utilisation des terres, des contrôles des ruissellements urbains ou des processus internes aux zones humides, et être adaptée à d’autres enjeux de qualité de l’eau à mesure que le climat, l’usage des terres et les efforts de conservation continuent de remodeler nos zones humides.

Citation: Salas, E.A.L., Schrack, K., Kumaran, S.S. et al. Hybrid spatiotemporal modeling of nutrient cycling in wetland ecosystems using advanced mapping techniques and machine learning approaches. Sci Rep 16, 9954 (2026). https://doi.org/10.1038/s41598-026-40585-5

Mots-clés: zones humides, pollution par les nutriments, télédétection, apprentissage automatique, qualité de l’eau