R. Drigo, O.R. Masera et M.A. Trossero
Rudi Drigo est consultant auprès de la Composante de la planification et des politiques en matière de bois énergie auprès du Programme de partenariat FAO-CE, Rome.
Omar R. Masera est professeur d’Energie et environnement auprès de l’Institut d’écologie de l’Université nationale du Mexique (UNAM).
Miguel A. Trossero est forestier principal, Division de l’utilisation des produits ligneux et non ligneux, Département des forêts de la FAO, Rome.
Un nouvel instrument de planification associe les informations géographiques sur la production et la consommation de bois de feu en vue d’identifier les «points chauds» où la durabilité de l’utilisation de ce combustible impose une action urgente.
Les modèles de production et de consommation de bois de feu et les impacts sociaux, économiques et environnementaux connexes sont complexes et propres au site. De grandes généralisations concernant l’utilisation et la disponibilité de bois de feu aux niveaux régional, national, voire sous-national, mènent encore souvent à la formulation d’hypothèses partiales et, par conséquent, à une planification et des actions inefficaces. Des études approfondies sur les mouvements de combustible au niveau local ont parfois été réalisées mais elles sont coûteuses et longues, et ne suffisent pas à brosser le tableau national nécessaire à la formulation de politiques nationales efficaces.
Il est donc indispensable de mettre au point des méthodologies et des instruments qui fournissent une vision synoptique à l’échelle du pays des modèles locaux d’offre et de demande de bois énergie, fondée sur l’intégration cohérente des données et de l’information. C’est ainsi que la FAO, en collaboration avec l’Institut d’écologie de l’Université nationale du Mexique (UNAM), prépare à l’heure actuelle une carte globale intégrée de l’offre et de la demande de bois de feu (WISDOM), une méthode de représentation géographique permettant de visualiser les zones déficitaires en bois de feu ou «points chauds». Bien que le projet en soit encore au stade de la formulation, WISDOM a été appliqué dans une étude de cas au Mexique et sera bientôt testé dans d’autres pays. Il se fonde sur les techniques du système d’information géographique (SIG) qui offrent de nouvelles possibilités de combinaison ou d’intégration des informations statistiques et spatiales sur la production (offre) et la consommation (demande) de combustibles (bois de feu, charbon de bois et autres biocombustibles). Cette technique accessible et d’utilisation facile permet de présenter les résultats de l’analyse spatiale de manière aisément compréhensible aux fonctionnaires administratifs et au grand public, ainsi qu’à la communauté scientifique (Marble, 1998). Des analyses à échelles multiples aident à illustrer des situations locales sur l’ensemble du territoire d’un pays ou d’une région.
WISDOM se veut un instrument stratégique de planification plutôt qu’un outil pratique. Son but est d’intégrer les informations existantes, actuellement dispersées, afin d’éviter les coûts élevés de la collecte de nouvelles données. Le système doit s’adapter cas par cas aux informations disponibles, qu’elles soient directes (consommation de bois de feu et tendances; productivité durable du bois de feu) ou indirectes (variables substitutives relatives à la demande et à l’offre de combustibles).
L’emploi de WISDOM comporte cinq étapes principales (figure 1).
 |
WISDOM est un système souple pouvant être utilisé pour les études aux niveaux national, régional et sous-régional. En ce qui concerne les études nationales, qui sont les plus indiquées pour promouvoir la formulation des politiques, l’analyse devra se réaliser au niveau administratif le plus bas pour lequel sont disponibles des paramètres démographiques, sociaux et économiques, à savoir la municipalité. Le niveau d’analyse sous-national est un aspect essentiel de WISDOM car il permet d’éviter les agrégations et les généralisations qui nuisent si fortement aux études sur le bois énergie.
De nombreux pays disposent de jeux de données numériques pour leurs unités administratives, ce qui facilite l’analyse. Les informations provenant de recensements et autres sources socioéconomiques sont fournies de manière croissante sous forme numérique.
Pour les études régionales ou sous-régionales, l’information démographique peut être tirée de la base de données LandScan Global Population Database de l’Oak Ridge National Laboratory des Etats-Unis qui fournit, au niveau mondial, des cartes de la densité de la population à 30''x 30'' (seconde sexagésimale) de résolution.
Dans cette étape, les données spatiales et statistiques sont reliées par un tableau des informations concernant la zone en jeu qui a la structure d’une base de données et contient les caractéristiques et identificateurs géographiques fondamentaux de tous les différents éléments de la carte numérique (codes d’identité et noms, superficie, périmètre, coordonnées, etc.). Le tableau peut être enrichi, si besoin est, par l’introduction d’attributs thématiques se rapportant au même jeu d’éléments cartographiques. Un trait saillant de la méthodologie WISDOM est l’expansion progressive du tableau qui peut inclure directement ou indirectement toutes les informations disponibles concernant la demande et l’offre de bois feu.
Le module de la demande décrit la distribution spatiale de la consommation de bois énergie, ventilée, si possible, par type de combustible (bois de feu, charbon de bois, autres), par secteur d’usagers (ménages, industries, autres) et par zone (rurale, urbaine). Il sert aussi à identifier les zones où apparaît une dynamique distinctive de la consommation (besoins croissants en combustibles, par exemple). Les principales sources d’informations servant à préparer ce module sont les statistiques sur la démographie et d’autres paramètres socioéconomiques collectés et maintenus par les services statistiques nationaux, et les études et enquêtes qui contiennent des informations sur la consommation unitaire par type d’usager, par exemple.
Plusieurs critères peuvent être établis pour déterminer les zones prioritaires sous l’angle de la demande de bois de feu. Il pourrait être intéressant de considérer, par exemple, celles où sont apparents:
Les critères précis, et la priorité correspondante donnée aux zones, dépendront de l’objectif spécifique de l’étude. Elle pourrait avoir pour but, par exemple, d’identifier les endroits ayant d’importants débouchés pour les nouvelles technologies ou des lieux où l’impact sur la santé est particulièrement prononcé.
Le tableau 1 montre les variables pouvant être utilisées dans l’analyse. Un certain nombre d’entre elles peuvent servir pour différents critères.
Dans la mesure du possible, il conviendra d’évaluer la demande par type de combustible (bois de feu, charbon de bois, liqueur noire, huile pyrolytique, etc.) puisque chacun a un impact différent sur les sources et la durabilité de l’offre, et exige des lignes d’analyse distinctes.
La mise au point du module de la demande comporte normalement l’intégration des données sur la consommation provenant d’enquêtes – ne couvrant en général qu’une partie du pays – avec les variables sociodémographiques obtenues moyennant les recensements. Le principal enjeu dans ce module consiste à trouver des variables directes ou substitutives, disponibles au niveau de l’unité sous-nationale minimale, qui puissent être utilisées pour estimer les niveaux de consommation et leur répartition dans l’espace.
Dans la mesure permise par les informations existantes, le module de l’offre fournit une représentation spatiale de toutes les sources naturelles ou artificielles de bois de feu (comprenant non seulement les forêts naturelles mais aussi les plantations, les arbres hors forêt, les terres boisées, les formations arbustives et toute autre source importante de combustibles), leurs volumes sur pied, leur évolution au fil du temps et leurs capacités productives. En pratique, les principales, voire les seules, sources pouvant contribuer au module de l’offre sont les inventaires forestiers nationaux, puisque les enquêtes approfondies sur la biomasse sur pied et la productivité qui tiennent compte des utilisations des terres autres que forestières sont encore rares. Dans la plupart des cas, les données sur les volumes sur pied et la productivité pour les sources non forestières de combustible (formations arbustives, plantations agricoles, agroforesterie, etc.) seront déduites ou présumées. Etant donné la rareté des données sur les classes non forestières, la préparation de ce module tirera parti des études locales, quand bien même la couverture serait limitée, et des opinions d’experts.
Comme pour le module de la demande, il est essentiel d’utiliser des statistiques désagrégées se rapportant à de petites unités plutôt que des moyennes agrégées.
Le tableau 2 montre les variables pouvant être utilisées pour l’élaboration du module de l’offre. D’une manière générale, on peut supposer que la capacité d’offre de combustible (COC) est une fonction de plusieurs facteurs comprenant, entre autres, l’utilisation des terres/le couvert végétal et leurs changements relatifs, la biomasse sur pied, sa productivité et son accessibilité.
Ici aussi, différents critères pourront être utilisés pour analyser l’offre de bois de feu et identifier les zones prioritaires. Si l’objectif est d’identifier les zones sujettes à pénuries de bois de feu, par exemple, l’étude pourrait rechercher celles où sont observables:
la disparition rapide des forêts et des terres boisées en raison de changements dans l’utilisation des terres ou d’une pression élevée;
Par ailleurs, les zones à haut potentiel de production durable de bois de feu seront celles ayant une végétation ligneuse accessible, un matériel sur pied abondant et une bonne productivité.
La valeur quantitative de la COC est extrêmement difficile à déterminer avec précision, non seulement en raison du manque d’informations fiables, mais aussi du fait que la capacité des systèmes d’exploitation agricole de produire du combustible dépend aussi du niveau de la demande et de l’accessibilité d’autres sources.
Cependant, comme mentionné ci-dessus, WISDOM n’a pas pour objectif la planification opérationnelle, pour laquelle la précision quantitative est essentielle. Ainsi, pour identifier des zones prioritaires où est plausible un déséquilibre de l’offre et de la demande, le module de l’offre peut tenir compte principalement de l’utilisation des terres et de ses changements, et utiliser des indices indicatifs de productivité de la biomasse sur la base de caractéristiques écologiques.
|
 |
|
 |
Après la mise au point des modules de la demande et de l’offre dans le cadre du SIG, l’étape suivante consiste à créer des variables qui intègrent les informations tirées des deux modules. Cette intégration se fait en combinant les variables relatives à la consommation et celles concernant l’offre qui ont été définies pour chaque unité administrative minimale, objet de l’analyse. Plusieurs variables ou indicateurs peuvent être conçus pour analyser l’impact combiné de l’offre et de la demande de combustible. La sélection des indicateurs se fait cas par cas, en fonction de la disponibilité et de l’exactitude des données. Les indicateurs potentiels comprennent les suivants:
Au sens strict, les zones déficitaires sont celles montrant des valeurs négatives. Cependant, du moment qu’il est difficile d’obtenir des informations précises tant sur l’offre que sur la demande, différents seuils pourraient être définis afin que les zones déficitaires puissent inclure celles dont la gamme de valeurs est proche de zéro.
La pression potentielle sur les sources de bois de feu (naturelles ou artificielles) est exprimée en tonnes (ou mètres cubes) par hectare et par an, et donne ainsi une idée du niveau moyen de productivité locale nécessaire pour satisfaire la demande existante. Si la demande dépasse la gamme habituelle de variation de la productivité dans la zone, il faudra supposer que les sources de bois sont soumises à une forte pression.
L’étape finale est l’identification des zones où une intervention urgente s’impose aux plans de la demande, de l’offre ou des deux («points chauds»). Contrairement aux approches précédentes fondées entièrement sur la mesure quantitative des déficits en bois de feu (écart entre l’offre et la demande), WISDOM vise à identifier les zones montrant une situation et une dynamique distinctives. Pour ce faire, on pourrait recourir aux procédures statistiques à plusieurs variables employées couramment – techniques de groupement des données, analyse factorielle, analyse typologique, indexation et autres. Par ailleurs, sous l’angle de la priorité, le groupement final des zones sous-nationales pourrait se faire en utilisant un indice global de priorité (Masera, Drigo et Trossero, en préparation) qui reflète les principaux aspects des zones objet de l’analyse aux plans tant de la demande que de l’offre.
Une étude de cas approfondie réalisée au Mexique illustre l’approche WISDOM (Masera, Drigo et Trossero, en préparation). Les informations spatiales provenant d’enquêtes locales exhaustives sur la consommation de bois de feu (figure 2) ont été intégrées dans des séries sociodémographiques historiques et des statistiques de l’utilisation des terres/du couvert végétal (figure 3). L’analyse a permis d’identifier 273 municipalités où la durabilité de la consommation de bois de feu impose une action urgente (figure 4).
La demande de combustibles au Mexique se concentre sur le bois de feu et sur les zones rurales. La majorité du bois de feu est ramassée ou achetée sur les marchés locaux. Ce combustible provient, pour une large part, de zones forestières (une quantité limitée des zones agricoles). La majorité de la demande est le fait des ménages.
Dans l’analyse, les points chauds ont été définis comme étant les zones où la demande de bois de feu est élevée, la densité et la croissance des utilisateurs fortes, la consommation particulièrement robuste (du point du vue social et culturel) et les ressources maigres ou insuffisantes. L’analyse s’est concentrée sur le bois de feu et sur les ménages et les utilisateurs se servant exclusivement de ce combustible.
2 |
 |
 |
4 |
 |
WISDOM est un instrument itératif servant à la planification et la formulation des politiques relatives au bois énergie. Il permet de réaliser des analyses spatiales de l’offre et de la demande de bois de feu, afin de mettre en évidence des situations locales sur l’ensemble du territoire d’un pays ou d’une région. L’identification de points chauds peut aider les décideurs et les gouvernements à établir des priorités. Des études supplémentaires leur indiqueront ensuite comment surmonter les principaux problèmes et organiser les interventions.
WISDOM est un outil modulaire, ouvert, adaptable aux informations hétérogènes collectées par les nombreux secteurs concernés par le bois énergie – foresterie, énergie, agriculture, affaires sociales, etc. Loin de réduire les besoins de collecte de données locales, WISDOM les renforce au contraire puisque sa fiabilité se fonde sur la quantité et la qualité des données disponibles. Les données locales permettent aussi de définir les lacunes de l’information, propres à fausser l’analyse. Des applications répétées de WISDOM au fil des ans devraient permettre d’améliorer progressivement la cohérence de l’analyse du bois énergie.
Les principaux avantages de l’utilisation de WISDOM pourraient être résumés comme suit:
Bibliographie
Achard, F., Eva, H., Stibig, H.J., Mayaoux, P., Gallego, J., Richards, T. et Malingreau, J.-P. 2002. Determination of deforestation rates of the world’s humid tropical forests. Science, 297: 999.
FAO. 1996. Survey of tropical forest cover and study of change processes. FAO Forestry Paper No. 130. Rome.
FAO. 2000. Land Cover Classification System (LCCS): classification concepts and user manual, par A. Di Gregorio et L.J.M. Jansen. Rome.
FAO. 2002. Pan-tropical survey of forest cover changes 1980-2000. Evaluation des ressources forestières mondiales (ERF). Document de travail no 49. Rome.
Institut de recherche pour l'environnement (ESRI). 1993. Digitial Chart of the World. Redlands, Californie, Etats-Unis .
Marble, D.F. 1998. Geographic information system technology and decision support systems. In Actes de la trente-deuxième conférence annuelle de Hawaii sur les systèmes scientifiques, Maui, Hawaii, Etats-Unis, 5-8 janvier 1999. , Institute of Electrical and Electronics Engineers (IEEE), Los Alamitos, Californie, Etats-Unis.
Palacio-Prieto, J.L., Bocco, G., Velázquez, A., Mas, J.F., Takaki-Takaki, F., Victoria, A., Luna-González, L., Gómez-Rodríguez, G., López-García, J., Palma, M., Trejo-Vázquez, I., Peralta, A., Prado-Molina, J., Rodríguez-Aguilar, A., Mayorga-Saucedo, R. et González, F. 2000. La condición actual de los recursos forestales en México: resultados del Inventario Forestal Nacional 2000. Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAM, 43: 183-203.
