Module 1.1 Le rôle des modèles en sciences de l’environnement

Résumé du module

Dans ce module, nous nous intéressons au rôle de la modélisation en sciences de l’environnement. Qu’est-ce que la modélisation et quelles sont les motivations justifiant son utilisation en sciences de l’environnement?

Au cours de ce module, vous êtes invités à lire deux sections du chapitre 1 du livre Environmental modelling : Finding simplicity in complexity de Mulligan et Wainwright (2004). Dans ce chapitre, les auteurs se penchent sur la nature de la recherche en sciences de l’environnement et expliquent la place que joue la modélisation dans l’avancement de ces sciences. En particulier, ils présentent les propriétés des systèmes environnementaux qui les rendent difficiles à étudier par les méthodes de recherche traditionnelles et pour lesquelles la modélisation est adaptée.

Introduction

La modélisation est un exercice visant à représenter sous une forme simplifiée un système réel (Baudoin-Tardif, 2003). La modélisation a plusieurs fonctions. D’abord, un modèle peut servir à représenter la structure d’un système. Par exemple, une carte géographique (figure 1.1.1), le schéma organisationnel d’une entreprise ou la maquette d’une construction future sont des modèles dont le rôle est de dégager et d’illustrer les éléments significatifs de la structure d’un système.

Figure 1.1.1 Carte hydrographique du Québec méridional (Gouvernement du Québec, 2006).

Ensuite, un modèle peut servir à représenter le fonctionnement d’un système. Par exemple, un simulateur de vol (figure 1.1.2) est un modèle qui reproduit le fonctionnement d’un avion dans différentes conditions environnementales (densité de l’air, turbulence, précipitations, etc.).

Figure 1.1.2 Exemple d’un simulateur de vol complet (Super Jet International, 2011).

Finalement, un modèle peut servir à représenter la dynamique d’un système, c’est-à-dire l’évolution du système au cours du temps. Par exemple, un modèle météorologique sert à prédire les changements futurs du système climatique selon différents scénarios de forçage de gaz à effet de serre (figure 1.1.3).

Figure 1.1.3 Évolutions temporelles de la moyenne annuelle planétaire du changement de température en surface par rapport à la moyenne de la période 1900-1929. Les évolutions temporelles sont produites par la simulation du modèle couplé climatique global de première (CGM1) et de deuxième génération (CGM2) pour différents scénarios de forçage (Centre canadien de la modélisation et de l’analyse climatique).

Devenue une approche scientifique fort puissante, la modélisation est avant tout une méthode d’abstraction et d’analyse qui peut être exercée par tout un chacun. En effet, votre cerveau est particulièrement habile à réaliser cette tâche et vous utilisez la modélisation pour accomplir une multitude d’activités quotidiennes. Par exemple, au moment de traverser une rue, vous regardez à gauche et à droite pour observer la présence de véhicules en déplacement. Votre cerveau produit alors une abstraction de la réalité où seuls sont représentés les éléments importants pour prendre votre décision : une estimation de la position des véhicules en déplacement et de leur vitesse. Ce modèle simple vous permet de créer des scénarios du type « si je traverse maintenant alors … » et d’en évaluer les conséquences pour votre sécurité.

La modélisation occupe un rôle important dans la recherche scientifique. Bien que les questions de recherche varient grandement entre les domaines scientifiques, l’objectif général de la recherche scientifique est d’améliorer notre compréhension de la structure, du fonctionnement et de la dynamique des systèmes étudiés. Au cœur de la démarche scientifique se situe l’observation. Le chercheur ou la chercheuse récolte des observations sur le système étudié et  son comportement dans des conditions naturelles ou dans des conditions contrôlées en laboratoire. Ces observations sont alors utilisées pour émettre des hypothèses, qui seront testées à nouveau sur de nouvelles observations. Éventuellement, elles pourront servir à développer des théories ou des lois (Mulligan et Wainwright, 2004).

La modélisation s’inscrit dans la démarche scientifique comme un outil permettant de mieux comprendre les observations. Elle simplifie le système d’étude pour en dégager les éléments et les processus importants en lien avec une question de recherche donnée, et permet d’explorer son comportement sous différentes conditions. La modélisation constitue ainsi un atout considérable pour développer et tester des hypothèses sur le système d’étude.

Pour apprécier le rôle de la modélisation comme outil de recherche scientifique, nous commençons cette partie du cours par la lecture des deux  premières sections du chapitre 1 du livre de Mulligan et Wainwright (2004). La section 1.1 explique les bénéfices de la modélisation dans la recherche en sciences de l’environnement et la section 1.2 décrit les fonctions générales de la modélisation en science.

La modélisation des systèmes environnementaux

Contrairement à plusieurs systèmes physiques et chimiques qui peuvent être étudiés en laboratoire dans des conditions isolées et contrôlées, les systèmes environnementaux présentent plusieurs propriétés qui les rendent difficiles à étudier par les méthodes de recherche traditionnelles. Or, la modélisation permet d’intégrer ces propriétés et facilite ainsi l’étude de ces systèmes.
Voici ces propriétés telles que décrites par Mulligan et Wainwright :

• Grandes échelles de temps et d’espace
  Les systèmes environnementaux couvrent de grandes étendues et sont des systèmes ouverts. Il n’existe pas de limite précise entre un système environnemental et son milieu extérieur. Les frontières avec ce dernier sont poreuses et les échanges d’énergie et de matière y sont continus.  De plus, les systèmes environnementaux ont été façonnés par des processus géologiques, climatiques et biologiques, au fil de millions d’années, et sont toujours en évolution constante. La modélisation permet d’intégrer ces vastes échelles de temps et d’espace sur lesquelles les systèmes environnementaux opèrent.
• Composantes multiples
  Les systèmes environnementaux sont composés d’un nombre colossal d’éléments, à la fois biotiques et abiotiques, qui entretiennent entre eux des interactions diverses. Les modèles permettent de schématiser et de manipuler les multiples composantes et les interactions des systèmes environnementaux. La modélisation facilite ainsi la compréhension des liens de cause à effet entre les composantes.
• Conditions difficilement contrôlables
  Les systèmes environnementaux étant ouverts, il est particulièrement difficile de les isoler pour les étudier sous des conditions contrôlées (température, pression, précipitation, ensoleillement, humidité, chimie du sol et de l’eau, etc.). Un modèle est une façon de reproduire artificiellement un système environnemental et ses conditions par une description mathématique. Il devient alors possible d’imposer des conditions données pour évaluer les conséquences de facteurs individuels sur le comportement du système.
• Multiples échelles et multidisciplinaire
  Les systèmes environnementaux couvrent de grandes échelles spatiales, temporelles et organisationnelles. Il est alors difficile d’étudier un phénomène environnemental en limitant ses observations à une seule échelle de résolution. Par exemple, la viabilité d’une population animale dans un habitat donné dépend de facteurs multiples, mais interreliés, qui se déroulent à différentes échelles, comme son bagage génétique et les conditions climatiques auxquelles elle est assujettie. Une approche multiéchelle est donc requise pour comprendre plusieurs phénomènes environnementaux. Une telle approche nécessite souvent la collaboration de chercheurs œuvrant dans des disciplines différentes.  La modélisation procure un schéma unificateur au sein duquel des modules distincts développés par des chercheurs de disciplines différentes sont intégrés pour produire un modèle global.
• Multivariés, non linéaires et complexes
  Les systèmes environnementaux sont complexes. Ils sont non seulement composés d’un large ensemble d’éléments hétérogènes, mais ils entretiennent entre eux des interactions souvent non linéaires. On dit qu’un système est non linéaire lorsqu’une variation de ses conditions entraîne une réponse qui est disproportionnée. La dynamique d’un système non linéaire est extrêmement sensible aux changements, même faibles, de ses conditions, et elle est ainsi difficile à prédire. Par exemple, à la suite d’un feu en forêt boréale, de petites différences telles que la proximité d’une banque de semences et d’arbres matures ayant survécu, ou encore les conditions météorologiques, peuvent avoir une forte influence sur les essences d’arbres qui composeront le futur peuplement forestier. Celui-ci pourrait être dominé par le sapin baumier, l’épinette noire, ou être composé de ces deux essences (De Grandpré et al., 2009). La modélisation permet de décomposer la complexité d’un système environnemental. Elle est un outil qui facilite l’étude des relations entre chacune des composantes du système et de leur influence respective sur sa dynamique.

La recherche en sciences environnementales doit répondre à des besoins précis pour lesquels l’utilisation de la modélisation s’avère fort pertinente. Mulligan et Wainwright résument quatre besoins :

1. Le besoin d’explorer le futur.
   La recherche en sciences environnementales se préoccupe des conséquences des conditions et processus passés et actuels sur l’état futur de l’environnement. Un modèle peut servir d’outil prédictif. Sa validité dépendra toujours de la qualité des informations utilisées pour le développer.
2. Le besoin de comprendre les conséquences d’évènements qui ne se sont pas encore réalisées.
   La recherche en sciences environnementales s’intéresse également à concevoir des scénarios de changements futurs, par exemple en urbanisme, en aménagement du territoire et des ressources naturelles, ou en science du climat. La  modélisation permet d’évaluer les conséquences possibles de différents scénarios de changements sur les systèmes environnementaux et sur les services écologiques maintenus par ces systèmes et essentiels au bien-être des populations humaines.
3. Le besoin de comprendre les conséquences du comportement humain.
   L’utilisation durable des ressources naturelles est un objectif important de la recherche en sciences environnementales. Les modèles peuvent aider à comprendre et à mesurer l’effet sur les systèmes environnementaux de l’utilisation accrue des ressources naturelles par l’homme. De plus, les modèles permettent d’explorer différentes stratégies d’utilisation des ressources et aident ainsi à prendre des décisions plus éclairées quant à leur gestion.
4. Le besoin de comprendre les conséquences sur le comportement humain.
   Les populations humaines sont dépendantes des biens et services produits par les écosystèmes. La recherche en sciences environnementales s’interroge sur les conséquences qu’auront les changements environnementaux sur l’approvisionnement de ces biens et services et, par le fait même, sur la vulnérabilité des populations humaines face à ces changements. La modélisation facilite la compréhension de la rétroaction qui existe entre l’utilisation par l’homme des ressources environnementales sur les populations humaines.

1.2 Les fonctions de la modélisation en science

Mulligan et Wainwright présentent sept fonctions de la modélisation en science :

1. Outil d’aide à la recherche
   Les modèles peuvent servir à guider et à mieux cibler l’échantillonnage de données sur le terrain. En effet, une analyse de sensibilité d’un modèle révèle les paramètres pour lesquels la réponse du modèle varie grandement si leur valeur est modifiée. Ces paramètres ont donc une forte influence sur le fonctionnement du système étudié et devront faire l’objet de recherche additionnelle pour en préciser la valeur si celle-ci est incertaine. Par exemple, un modèle étudiant la dynamique de la population du cerf de Virginie pourrait être sensible à la hauteur et à l’âge des peuplements forestiers sur un territoire donné. Un meilleur échantillonnage de ces paramètres améliorerait la justesse du modèle. Les modèles peuvent également procurer de l’information sur des variables du système étudié qui sont difficilement mesurables, mais qui peuvent être modélisées à partir de variables mesurables qui leur sont liées.
2. Outil pour faciliter la compréhension
   La modélisation nécessite l’abstraction et la formalisation de concepts scientifiques. Elle requiert souvent l’intégration d’idées et de concepts jusqu’alors étudiés de façon isolée. Par exemple, un modèle visant à mieux comprendre l’intensité et la fréquence des épidémies d’un insecte ravageur dans la forêt boréale pourrait nécessiter l’intégration de connaissances sur le cycle de vie et la génétique de l’insecte et des connaissances sur les pratiques sylvicoles exercées en forêt boréale. De plus, la modélisation permet d’explorer la réponse d’un modèle aux changements de valeur de ses paramètres. Par exemple, un modèle pourrait s’intéresser à évaluer l’effet d’une augmentation de la température sur les épidémies de cet insecte. Ces exercices améliorent la compréhension du système étudié.

3. Outil pour produire des simulations et faire des prédictions
   La modélisation permet d’intégrer plusieurs processus et de simuler leur effet combiné dans l’espace et le temps. La modélisation est ainsi un outil d’interpolation et d’extrapolation pour prédire le comportement du modèle au-delà des échelles de temps et d’espace échantillonnées. Par exemple, un modèle pourrait permettre de déterminer la taille d’une population urbaine à une date non recensée (interpolation) ou à une date future (extrapolation).

   
   Figure 1.2.4 La modélisation comme outil d’interpolation (a) et d’extrapolation (b).

4. Laboratoire virtuel
   Les modèles servent de laboratoire virtuel pour étudier des systèmes dont la dynamique s’échelonne sur de grandes étendues de temps et d’espace, qui contiennent des matières toxiques ou dangereuses, ou qui requièrent la construction de laboratoires expérimentaux volumineux et coûteux.
5. Outil d’intégration au sein et entre les disciplines
   La modélisation est un outil d’intégration et de synthèse des connaissances provenant de plusieurs chercheurs ou de groupes de recherche. L’abstraction et la formalisation des concepts scientifiques ainsi que le langage mathématique utilisé dans le développement de modèles facilitent la communication entre les chercheurs de disciplines différentes.
6. Produit de la recherche
   Certains modèles peuvent être employés par d’autres utilisateurs que ceux qui les ont conçus ou peuvent être adaptés pour répondre à des questions de recherche additionnelles. Ainsi, ces modèles servent de base à l’avancement de la recherche. Certains modèles peuvent également être utilisés comme outil d’aide à la décision par les gouvernements ou des consultants dans un contexte pratique de résolution de problèmes environnementaux.
7. Outil de communication scientifique
   La modélisation facilite la communication de résultats scientifiques à des fins de recherche ou d’éducation. Les modèles peuvent être interactifs, avoir une interface conviviale et produire des figures, graphiques ou vidéos clairs et accessibles.

Références

Baudouin-Tardif, L. (2003). Lexique de la géomatique. Bureau de la traduction – Direction de la terminologie et de la normalisation en collaboration avec Ressources naturelles Canada.

Centre canadien de la modélisation et de l’analyse climatique – Environnement Canada – Gouvernement du Canada. Moyenne annuelle globale du changement de température en surgace par rapport à la moyenne de la période 1900-1929, sela la première et deuxième génération du modèle couplé climatique global pour divers scénarios de forçage. Repéré à https://www.ec.gc.ca/ccmac-cccma/default.asp?lang=Fr&n=40D6024E-1 (6 janvier 2015)

De Grandpré, L., Gauthier, S., Allain, C., Cyr, D., Périgon, S., Pham, A. T., . . . Kuuluvainen, T. (2009). Vers un aménagement écosystémique de la forêt boréale de la Côte Nord: Régimes des perturbations et dynamique naturelle. Dans S. Gauthier, M.-A. Vaillancourt, A. Leduc, L. De Grandpré, D. Kneeshaw, H. Morin et Y. Bergeron (dir.), Aménagement écosystémique en forêt boréale (p. 242-268). Québec: Presses de l’Université du Québec.

Ministère des Ressources naturelles et de la Faune – Direction générale de l’information géographique – Gouvernement du Québec (Cartographe). (2006). Le Québec méridional, hydrographie.

Mulligan, M. et Wainwright, J. (2004). Modelling and model building. Dans J. Wainwright et M. Mulligan (dir.), Environmental Modelling: Finding simplicity in complexity (p. 7-26). West Sussex: Wiley-Blackwell.

Super Jet International. (2011). The full flight simulator manufactured by Thales Training & Simulation. Repéré à https://commons.wikimedia.org/wiki/File:Full_Flight_Simulator_(5573996988).jpg licence: https://creativecommons.org/licenses/by-sa/2.0/deed.en