1La productivité de l’agriculture moderne a connu un considérable essor basé sur l’utilisation intensive d’intrants chimiques, notamment les engrais de synthèse et les PPP, couramment appelés pesticides. Cependant, les nouvelles pratiques de protection des cultures ont eu pour corollaire des enjeux concernant la santé publique (Inserm, 2021), l’environnement (Mamy et al., 2022) et la résistance développée par les cibles (Hawkins et al., 2019). Afin d’informer sur l’évolution des pratiques, les données d’achat des pesticides en France sont publiées annuellement à l’échelle des codes postaux. Cette échelle peut s’avérer grossière dans les zones rurales, principales concernées par ces enjeux (voir annexe Carte 8).
2Pour faciliter le suivi de l’utilisation des pesticides, nous proposons ici une version de ces données spatialisée à la commune, par substance active ou par produit. Les données de la banque nationale des ventes de produits phytopharmaceutiques par les distributeurs agréés (BNV-D) sont d’abord spatialisées à la parcelle en appliquant la méthode décrite par Ramalanjaona et al. (2020). Cette méthode mobilise des données fines sur le parcellaire agricole et des doses d’application des produits spécifiques aux cultures. Ainsi, nous spatialisons à la parcelle plus de 95 % de la quantité de substances actives totale sur le territoire de la France métropolitaine. Nous agrégeons ensuite ces quantités à la commune, ce qui en définitive augmente la granularité des données de vente des pesticides : d’un peu moins de 6 000 codes postaux avec les données initiales, nous arrivons à plus de 34 000 communes.
3D’une manière générale, le changement d’échelle d’une donnée spatiale n’est pas anodin. Avec l’identification du « Modifiable areal unit problem » par Openshaw et Taylor (1979), deux biais sont à prendre en considération : i) l’effet d’échelle et ii) l’effet de zonage. Dans notre cas, l’agrégation des informations des achats individuels de pesticides à l’échelle du code postal lisse (effet d’échelle) les disparités locales. Nous cherchons à retrouver cette information en nous appuyant sur la localisation précise des activités agricoles (à la parcelle), dont la distribution spatiale au sein des communes d’un même code postal peut être inégale. Prenons par exemple deux communes associées à un même code postal, l’une spécialisée en horticulture (commune A), l’autre en cultures céréalières (commune B). Les produits destinés aux céréales achetés dans ce code postal devraient être associés avec B plutôt qu’avec A. Si la combinaison de cultures est identique dans nos deux communes, alors la désagrégation consiste juste en une répartition selon les surfaces agricoles de chacune.
4Descendre au niveau des parcelles permet également de se prémunir face à l’effet de zonage en écartant les surfaces non concernées ou en appliquant un « masque » sur les territoires où l’usage des produits n’est pas autorisé. En outre, dans la lignée d’Eagleson et al. (2002), la réagrégation des informations à la parcelle vers d’autres échelles, plus cohérentes par rapport aux enjeux environnementaux, rend les données interopérables et pertinentes pour des analyses. Cependant, ce changement d’échelle est fait sur la base de plusieurs hypothèses concernant l’utilisation des pesticides et la localisation des activités agricoles. Nous discuterons plus en détail des limites de la méthodologie ainsi que de celles inhérentes aux données mêmes. Il est primordial de souligner que ce travail de spatialisation fournit des résultats de modèle et n’ont pas des valeurs réellement observées. Les données issues de la spatialisation sont néanmoins une approximation intéressante de la réalité des usages des pesticides et peuvent être utilisées en épidémiologie, agronomie, écologie et économie, pour des études traitant des problématiques de santé publique, des systèmes agricoles, des pollutions diffuses et des dommages environnementaux. Dans ce sens, ces données issues de la modélisation et les cartes qui en découlent sont prioritairement à destination des chercheurs et leur interprétation dans le débat public devrait être accompagnée par de l’expertise.
5D’autres travaux de spatialisation de la BNV-D ont été récemment proposés avec pour objectif d’évaluer l’exposition et les risques associés aux pesticides. Rigal et Perrot (2025) spatialisent la quantité de substances à l’échelle des communes. Ils prennent en compte la surface agricole communale (données du recensement agricole de 2020) et appliquent des doses dites « standard » sans information sur les cultures réellement présentes dans la commune. Galimberti et al. (2025) descendent à l’échelle des parcelles. De leur côté, ils n’intègrent pas de doses d’application et tiennent seulement compte de l’homologation d’un produit donné sur telle ou telle culture. Par ailleurs, leur parcellaire agricole est incomplet puisqu’il ne comprend que les données du RPG (voir section 2.2.1). Notre approche se distingue de ces travaux puisque : i) notre parcellaire est le plus complet possible (voir section 2.2.2), ii) nous tenons compte des doses d’application des produits et iii) des cultures réellement présentes au sein des communes.
6À la différence des données utilisées par Ramalanjaona et al. (2020) et présentées par Lungarska et al. (2023), nous employons exclusivement des données ouvertes. Nous avons fait ce choix pour deux raisons principales : i) la reproductibilité des résultats ; ii) la possibilité de partager librement les données issues de la spatialisation. En contrepartie, la spatialisation ainsi faite est moins précise en ce qui concerne l’association des parcelles aux codes postaux. Nous revenons sur ce point dans la partie 7, dédiée aux limites de notre approche. Pour chaque source de données décrites ci-dessous, nous présentons succinctement les données, et mettons à disposition un extrait des données en annexe. Les données sont mobilisées au travers des différents traitements présentés dans le schéma global (figure 9).
- 1 Certaines substances actives organiques (bactéries/virus par exemple) ainsi que certaines substance (...)
7La BNV-D dite « Registre » est une base de données nationale, construite à partir des déclarations de ventes de PPP des distributeurs agréés aux professionnels. Ces déclarations sont obligatoires à partir d’un certain seuil de redevance pour pollution diffuse (5 000 € pour 2014, 100 € pour les années suivantes). Par conséquent, cette base couvre la quasi-totalité des ventes de PPP réalisées auprès des professionnels en France. Les ventes auprès d’amateurs n’ont pas pour obligation de figurer dans le registre. La BNV-D « Registre » se décline en deux versions : l’une à l’échelle des produits vendus, l’autre à celle des substances actives contenues dans les produits. Dans la première, chaque observation correspond à un couple produit/code postal de l’acheteur. Les produits sont identifiés par leur numéro d’autorisation de mise sur le marché. Pour chaque ligne, la quantité achetée, ainsi que le conditionnement du produit (litre ou kilogramme) sont renseignés. L’autre version recense les substances actives contenues dans les produits vendus. Pour chaque observation, on connaît le nom de la substance, son numéro CAS si disponible1, le numéro d’AMM du produit duquel elle provient ainsi que la QSA (quantité de substance active) achetée dans un code postal donné. D’autres informations sont données pour les substances, comme leur fonction (fongicide, herbicide, insecticide… nomenclature en 16 classes), leur classification en termes de toxicité (CMR, Santé A, Env A, Env B, Autre), et une mention quant à leur statut juridique (substance candidate à la substitution ou à exclure pour non-respect de la directive [CE] no 1107/2009). La clé primaire de la BNV-D « Registre » est donc le couple « code postal acheteur » et « numéro d’AMM » pour la version au produit, et le triplet « code postal acheteur », « numéro d’AMM » et « nom de la substance » pour la partie substance. Les données de la BNV-D « Registre » sont mises à disposition au grand public par l’OFB. Les premières données disponibles datent de 2013, mais la première année de référence est 2015, 2013 et 2014 sont considérées incomplètes, avec respectivement 30 et 90 % des déclarations effectuées (OFB, 2024). Ces données sont soumises à un secret statistique renforcé, porté à au moins 5 exploitations agricoles par code postal, pour la communication des achats (3 unités d’observation nécessaires normalement). Pour plus d’information concernant cette base de données, le portail BNV-D Traçabilité héberge la documentation sur la BNV‑D « Registre » : https://ventes-produits-phytopharmaceutiques.eaufrance.fr/about.
8Le tableau 1 récapitule le nombre de substances, de codes CAS, de produits et de codes postaux de la BNV-D Registre pour chaque année, ainsi que le total toutes années confondues.
Tableau 1 : Total des substances, numéro CAS, AMM et codes postaux dans la BNV-D Registre
|
Année
|
Substances
|
CAS
|
AMM
|
Codes postaux
|
|
2015
|
492
|
439
|
2 844
|
6 027
|
|
2016
|
495
|
433
|
2 787
|
5 994
|
|
2017
|
506
|
438
|
2 798
|
5 987
|
|
2018
|
507
|
432
|
2 775
|
6 005
|
|
2019
|
493
|
424
|
2 616
|
5 957
|
|
2020
|
490
|
424
|
2 603
|
5 928
|
|
Total (unique)
|
609
|
515
|
4 140
|
6 139
|
9La base de données E-Phy est rendue publique par l’Anses. Il s’agit d’un catalogue des produits phytopharmaceutiques et de leurs usages autorisés en France. Cette base contient des informations concernant les produits phytopharmaceutiques, comme leur composition, la société de production, la date de mise en circulation, et l’année d’interdiction (ces deux dernières n’étant pas toujours fournies) les cultures et les doses maximales d’emploi selon l’usage. Les produits importés et homologués dans d’autres pays de l’Union européenne sont associés à des produits dits de référence (table permis de commerce parallèle d’E-Phy). Les doses et unités de la table ont été harmonisées en kg/ha ou L/ha lorsqu’un facteur de conversion est connu. Les données, ainsi que la documentation sur les fichiers mis à disposition sur data.gouv sont disponibles à cette adresse : https://ephy.anses.fr/.
10Les données concernant les surfaces des différentes cultures par région, issues des statistiques agricoles annuelles, sont aussi mobilisées à partir d’Agreste, le service statistique du ministère chargé de l’agriculture. Elles permettent la pondération des doses lors du regroupement des cultures référencées dans E-Phy (voir plus loin la description de cette étape dans la section 3.2). Le tableau 2 précise les correspondances entre les groupes de cultures utilisés dans la version spatialisée de la BNV-D (la BNVDs), les cultures d’E-Phy et celles des SAA. Ces données, ainsi que la documentation associée sont disponibles sur la plateforme Agreste, au lien suivant : https://agreste.agriculture.gouv.fr/agreste-web/disaron/SAA-SeriesLongues/detail/.
Tableau 2 : Correspondance entre cultures BNVDs, E-Phy et SAA
|
Cultures BNVDs
|
Cultures E-Phy
|
Cultures SAA
|
|
BETT
|
Betterave industrielle et fourragère, Betterave potagère, Porte graine, Porte graine – Betterave industrielle et fourragère
|
Betterave industrielle, Betterave potagère
|
|
BLE
|
Blé, Céréales, Céréales à paille
|
Blé, Triticale
|
|
CEREALES
|
Avoine, Céréales, Céréales à paille, Sarrasin, Seigle
|
Autres céréales, n.c.a. niv. 1, Avoine, Seigle et méteil
|
|
COLZA
|
Crucifères oléagineuses
|
Colza grain et navette
|
|
COQUE
|
Châtaignier, Cultures fruitières, Fruits à coque, Noisetier, Noyer
|
Châtaignes, Fruits à coque, Noisettes, Noix
|
|
DIVERS
|
Arbres et arbustes
|
|
|
FEV
|
Graines protéagineuses
|
Féveroles et fèves
|
|
FIBRE
|
Chanvre, Lin, Porte graine, Porte graine – Plantes à fibre
|
Chanvre papier, Lin textile, Plantes à fibres (y compris semences)
|
|
FOURR
|
Céréales, Choux, Graminées fourragères, Maïs, Porte graine, Porte graine – Graminées fourragères et à gazons, Porte graine – Mais, Porte graine – Maïs
|
Chou fourrager, Maïs fourrage et ensilage (plante entière), Prairies artificielles et temporaires, Prairies temporaires
|
|
GEL
|
Jachères et cultures intermédiaires, Jachères et cultures intermédiaires
|
Jachères
|
|
INDUS
|
Canne à sucre, Fines herbes, Fines Herbes, Houblon, Infusions, Infusions (séchées), Porte graine, Porte graine – PPAMC, florales et potagères, Porte graine – PPAMC, Florales et Potagères, PPAMC, PPAM – non alimentaires, Tabac
|
Canne à sucre, Houblon, Plantes aromatiques, médicinales et à parfum (non compris semences), Tabac
|
|
LEGU
|
Artichaut, Asperge, Bulbes ornementaux, Carotte, Céleri-branche, Céleris, Chicorées – Production de chicons, Chicorées – Production de racines, Choux, Choux à inflorescence, Choux feuillus, Choux pommés, Choux-raves, Concombre, Cresson alénois, Cresson de fontaine, Cucurbitacées à peau comestible, Cucurbitacées à peau non comestible, Cultures florales et plantes vertes, Cultures légumières, Cultures ornementales, Épinard, Fraisier, Framboisier, Haricots, Haricots écossés frais, Haricots et Pois écosses frais, Haricots et Pois non écosses frais, Haricots et pois non écossés frais, Laitue, Légumes racines et tubercules tropicaux, Melon, Navet, Oignon, Plantes d’intérieur et balcons, Poireau, Pois écossés frais, Poivron, Rosier, Salsifis, Tomate, Tomate – Aubergine
|
Artichauts, Asperges en production, Bulbiculture (bulbe, oignon, tubercule, rhizome, griffe), Cantaloups et autres melons, Carottes, Céleri rave, Céleris branches, Chicorée à café, Chicorées, Choux, Concombre, Cresson, Épinards, Fleurs et feuillages coupés, Fleurs et plantes ornementales, Fraises, Framboises, Haricots à écosser et demi-secs (grain), Haricots frais, Haricots verts (y compris haricots beurre), Laitues, Légumes frais, melons ou fraises, Navet potager, Oignon et échalote, Petits pois, Poireaux, Poivron, piment, gombo, Salsifis et scorsonère, Tomate
|
|
LFOURR
|
Légumineuses fourragères, Porte graine, Porte graine – Légumineuses fourragères, Prairies
|
Prairie artificielle (luzerne, trèfle violet, etc.)
|
|
LGRAIN
|
Haricots, Légumineuses potagères (sèches), Pois
|
Haricots secs (y compris semences), Lentilles (y compris semences), Pois secs (pois de casserie) (y compris semences)
|
|
MAIS
|
Céréales, Maïs, Maïs doux, Porte graine, Porte graine – Mais, Porte graine – Maïs, Sorgho
|
Maïs doux, Maïs grain et maïs semence, Sorgho grain
|
|
OLEA
|
Lin
|
Lin oléagineux
|
|
OLIVE
|
Cultures fruitières, Fruits à noyau, Olivier
|
Olives
|
|
ORGE
|
Céréales, Céréales à paille, Orge
|
Orge et escourgeon
|
|
PDT
|
Pomme de terre
|
Pommes de terre
|
|
POIS
|
Graines protéagineuses, Pois
|
Pois protéagineux
|
|
PP
|
Porte graine, Porte graine – Graminées, Porte graine – Graminées, Prairies
|
Prairies naturelles ou semées depuis plus de 6 ans
|
|
PROTEA
|
Graines protéagineuses
|
Lupin doux
|
|
PT
|
Gazons de graminées, Porte graine, Porte graine – Graminées, Porte graine – Graminées, Prairies
|
Prairies temporaires
|
|
RIZ
|
Céréales, Riz
|
Riz
|
|
SOJA
|
Arachide, Soja
|
Soja
|
|
STH
|
Porte graine, Porte graine – Graminées, Porte graine – Graminées, Prairies
|
STH (Superficies toujours en herbe) peu productives (pâturages pauvres)
|
|
TOUR
|
Tournesol
|
Tournesol
|
|
VERGERS
|
Agrumes, Amandier, Ananas, Avocatier, Bananier, Carambole, Cassissier, Cerisier, Corossol, Cultures fruitières, Cultures tropicales, Figuier, Fruit de la passion, Fruits à noyau, Fruits à pépins, Goyavier, Kaki, Kiwi, Litchi, Manguier, Papayer, Pêcher, Pêcher – Abricotier, Petits fruits, Pommier, Prunier
|
Abricots, Actinidia (Kiwi), Agrumes, Amandes, Ananas, Avocat, Banane plantain, Cassis et myrtilles, Cerises, Corossol, pomme cannelle, Figues, Fruits à pépins, Fruits tropicaux et subtropicaux, Letchi, longani, ramboutan, Mangue, Maracuja, fruits de la passion, grenadille, Pavies, pêches, nectarines et brugnons, Petits fruits, Pommes à cidre, Pommes de table, Prunes
|
|
VIGNES
|
Vigne
|
Vignes
|
11Pour distribuer les ventes dans l’espace, nous nous basons sur des informations fines concernant les surfaces susceptibles de recevoir les traitements phytopharmaceutiques. Ainsi, nous nous intéressons prioritairement aux parcelles agricoles, mais aussi aux zones non-agricoles sujettes principalement au désherbage.
12Le RPG regroupe les informations fournies par les agriculteurs dans le cadre de la PAC de l’Union européenne. Depuis 2015, les données sont mises à disposition publiquement par l’IGN à l’échelle de la parcelle agricole, considérée homogène par rapport à la culture déclarée. Le RPG a une très bonne couverture des surfaces en grandes cultures, mais est moins exhaustif pour les vignes, vergers, et maraîchages (voir tableau 19). Pour un accès détaillé à la documentation ainsi qu’aux données, consulter le portail Géoservices sur ce produit : https://geoservices.ign.fr/rpg.
13Pour combler les lacunes du RPG, une couche complémentaire, le RPG complété, est proposée par Cantelaube et Lardot (2021) et Lardot et al. (2021). Elle est basée sur les parcelles du cadastre auxquelles une occupation de sol est attribuée selon différentes sources d’information via une modélisation statistique, notamment la BD Topo d’IGN et la couche OSO issue de la télédétection (Thierion et al., 2022). La documentation du RPG complété est disponible sur HAL INRAE, au lien suivant : https://hal.inrae.fr/hal-03818008.
14À titre d’exemple, les données pour 2020 sont disponibles sur recherche.data.gouv.fr, en suivant ce lien : https://entrepot.recherche.data.gouv.fr/dataverse/rpg_complete_2020.
15La figure 1 représente la surface des vignes, légumes [LEGU], vergers, fourrages [FOURR] et oliveraies à l’échelle nationale et la part du RPG complété dans cette surface. Il s’agit des groupes de cultures pour lesquels le RPG complété fournit plus de 10 % de la surface. Par exemple, dans le cas des vignes, la surface totale est de 782 milliers d’hectares (voir tableau 19 dans l’annexe), dont 25 % de la surface provient du RPG complété et le reste du RPG. Dans le cas des vignes, l’ajout du RPG complété est particulièrement important pour les régions où des exploitations sont spécialisées exclusivement dans la viticulture et, de ce fait, ne déclarent pas de surfaces dans le cadre de la PAC et au RGP en conséquence. Tel est le cas notamment du département de la Marne (51) comme illustré dans la figure 9 et la carte 7 en annexe. Nous y remarquons qu’au sein du code postal 51190, les 4 communes présentées sont partagées en 2 groupes, avec une surface agricole majoritairement dédiée soit aux vignes, soit aux grandes cultures. Pour les communes spécialisées en vignes, le RPG complété est la source de plus de 90 % de ces surfaces.
Figure 1 : Complémentarité entre RPG et RPG complété, échelle nationale (France) en 2020
16La partie non-agricole est obtenue à partir de la BD Topo de l’IGN. Elle comprend des surfaces bâties, des jardins publics et familiaux, la voirie (y compris les chemins de fer), les cimetières, les aérodromes, les équipements sportifs et autres zones d’activité ou d’intérêt. Comme pour le RPG, la BD Topo et sa documentation se trouve sur le portail Géoservices, au lien suivant : https://geoservices.ign.fr/bdtopo.
17La méthode de spatialisation est organisée en plusieurs étapes : i) construction de la couche de l’occupation des sols ; ii) calcul des doses de référence par catégorie d’occupation de sol ; iii) calcul des coefficients de répartition à l’hectare ; iv) spatialisation des quantités ; et v) agrégation selon l’échelle ciblée. Ces différentes étapes sont présentées ci-dessous en appliquant la méthode aux communes comme échelle visée. La démarche est illustrée dans la figure 2. Le tableau 3 contient des informations relatives à la volumétrie des données traitées et produites.
Figure 2 : Schéma global de la chaîne de traitement
Tableau 3 : Volumétrie des données traitées et produites
|
Thématique
|
Indicateur
|
Valeur
|
|
|
BNV-D
|
Nombre de ventes (couple code postal et AMM)
|
950 725
|
|
|
Nombre de codes postaux distincts
|
5 928
|
|
Nombre d’AMM distinctes
|
2 603
|
|
Nombre de substances actives distinctes
|
490
|
|
QSA Totale (en t)
|
62 991
|
|
E-Phy
|
Nombre d’AMM distinctes
|
15 206
|
|
Nombre d’AMM distinctes ayant des doses spatialisables
|
13 014
|
|
Doses
|
Nombre de doses (AMM, occsol et région distincts)
|
231 563
|
|
Nombre d’AMM distinctes ayant au moins une dose
|
2 432
|
|
Couche occsol
|
Nombre de polygones
|
15 906 167
|
|
Surface totale (en 1 000 ha)
|
34 012
|
|
Surface ZNA (en 1 000 ha)
|
3 974
|
|
Surface agricole prise en compte (en 1 000 ha)
|
29 689
|
|
Surface agricole autre (en 1 000 ha)
|
349
|
|
Coefficients
|
Nombre de coefficients (code_postal, AMM, occsol et région distincts)
|
51 230 322
|
|
BNVDs
|
Nombre de ventes (couple code postal et AMM)
|
916 406
|
|
Nombre de codes postaux distincts
|
5 515
|
|
Nombre de communes distinctes
|
34 547
|
|
Nombre d’AMM distinctes
|
2 404
|
|
Nombre de substances actives distinctes
|
434
|
|
QSA Totale (en t)
|
61 581
|
0,97762
|
2,24 %
|
|
|
Rapport entre les QSA
BNVDs/BNV-D
|
% de perte
|
- 2 La nomenclature des cultures peut varier d’un millésime à l’autre.
18Les parcelles du RPG, RPG complété2 et des ZNA, décrites dans les paragraphes précédents, sont combinées au sein d’une même table/couche contenant leur géométrie, superficie (en ha) et type d’occupation des sols. Les catégories d’occupation des sols sont attribuées en suivant les règles citées dans le tableau 4. Les ZNA sont réparties entre ZNA professionnelles et non-professionnelles, ce qui permet de leur associer différents produits phytopharmaceutiques selon leur gamme d’usage.
Tableau 4 : Regroupement des cultures du RPG et RPG complété pour la BNVDs
|
Groupe de cultures BNVDs
|
Libellé
|
Code culture RPG
|
Code culture RPG complété
|
|
BETT
|
Betterave non fourragère
|
BTN
|
Betterave, Betteraves
|
|
BLE
|
Blé
|
BTH, BDT, BDP, TTH, EPE, BDH, BTP, TTP
|
Ble
|
|
CEREALES
|
Autres Céréales
|
CHH, CPA, CGF, CAG, CHA, CGS, CPZ, CHS, CHT, AVH, CPH, CPT, SGH, CPS, SRS, AVP, SGP, CGP, MCR, CGH
|
Autres cereales, Autres Cereales, Cereales
|
|
COLZA
|
Colza
|
CZP, CZH
|
Colza
|
|
COQUE
|
Fruits à coque
|
CTG, NOS, NOX, PIS, CAB
|
Chataigne, Coques, Fruits a coque, Noix
|
|
FEV
|
Féverole
|
FVL, FVT
|
|
|
FIBRE
|
Plantes à fibres
|
LIF, CHV
|
Chanvre, Plantes a fibre, Plantes a fibres, Plantes fibres
|
|
FOURR
|
Graminées et autres fourrages
|
CAF, BVF, RDF, GFP, FAG, PAT, FLO, CHF, CPL, PP6, PP5, FSG, DTY, XFE, GAI, PH6, NVF, PH5, FET
|
Fetuque, Fourrage, Fourrages, Fourrages FFO
|
|
GEL
|
Gel
|
J6P, JNO, J6S, J5M
|
Jachere, Jachere (Legumes)
|
|
INDUS
|
Cultures industrielles
|
BAR, EST, VNB, YLA, MTH, ROM, PMD, MAV, CIB, SRI, MOT, FNO, MLI, VNV, CRF, CMM, ANE, CHR, HBL, VNL, PPP, SGE, ANG, TOT, FNU, CUR, OSE, PAR, BRH, CAV, PPA, PSN, MRJ, TAB, PSL, CUM, CRD, MLP, CML, BAS, PSY, VAL, PPF, THY, LAV, ANI
|
Cult indus, Culture Indus, Culture industrielle, Culture industrielle (Serre), Culture industrielle (Verveine), Houblon, Lavande, Plantes aromatiques, Plantes aromatiques (Serre), PMD (Ginkgo biloba), Romarin, Sauge
|
|
LEGU
|
Légumes ou fleurs
|
POR, GER, CES, TOM, PVP, FLA, CAR, PAS, AIL, CEL, CRA, PMV, LBF, CCT, MAC, CSS, DOL, CMB, HSA, HPC, HAR, PPO, MLO, CRN, CCN, ART, FLP, TOP, AUB, PAN, CHU, EPI, MRG, PSE, BUR, CRS, NVT, ROQ, BLT, SFI, FRA, RDI, OIG, POT, LSA, PAQ, RUT, VER
|
Batiment fleurs, Batiment legumes, Fleurs, Fleurs (batiment), Fleurs (Serre), Fleurs bati, Fraises, Jardin collectif, Legumes, Legumes (Serre), Legumes (Serre), Legumes (batiment), Legumes (Serre), Legumes ART, Legumes bati, Legumes CCN (Serre), Legumes CHU, Legumes CSS, Legumes FLP, Legumes FRA, Legumes MLO, Legumes MOT, Legumes plein champs, Legumes PPO, Legumes PTC, Legumes TOM, Pepiniere (Fleurs), Pepiniere (Fleurs, Serre), Pepiniere (Plants), Pepiniere (Serre), Pepiniere fleurs, Plants Legumes, Plants Legumes (Serre), Plants maraichers, Plants maraichers (Serre), Plants PFR, Plants PFR (Serre), Serres, Serres (divers), Tomates
|
|
LFOURR
|
Légumineuses fourragères
|
GES, ME5, FFO, LOT, VED, PFP, LH6, LU5, SE5, MH5, ME6, TR5, MC5, LUD, FF6, SA6, LFH, MC6, LUZ, JO5, JOD, LP5, SAD, MEL, LFP, TRD, VE6, JOS, LEF, JO6, LP6, SAI, VES, SED, TRE, ML5, SE6, FF5, MIN, MED, SER, SA5, MLD, TR6, MLG, LU6, PFH, ML6, LH5, MH6, VE5
|
Legumimeuses, Legumineuses, Luzerne, Sainfoin
|
|
LGRAIN
|
Légumineuses à grains
|
PCH, LEC
|
Legumineuses a grains
|
|
MAIS
|
Maïs
|
MOH, MIE, MLT, MCT, CGO, SOG, MID, MIS
|
Mais, Miscanthus
|
|
OLEA
|
Autres Oléagineux
|
NVH, OEH, MOL, OHN, LIP, OEI, NVE, OAG, OHR, OPN, LIH, OPR
|
Autres oleagineux, Oleagineux
|
|
OLIVE
|
Oliviers
|
OLI
|
Olivier, Oliviers, Pepiniere (Oliviers)
|
|
ORGE
|
Orge
|
ORP, ORH
|
Orge
|
|
PDT
|
Pommes de Terre
|
PTC, PTF
|
Legumes PdT, Pommes de terre
|
|
POIS
|
Pois Protéagineux
|
PHI, PPR, PPT
|
|
|
PP
|
Prairies permanentes
|
PPH, PRL
|
Prairie, Prairie (chevaux), Prairie (Chevaux), Prairie (Elevage), Prairie (rotation longue), Prairie (Vergers)
|
|
PROTEA
|
Autres Protéagineux
|
MPT, LDP, FEV, LDT, PAG, MPC, LDH
|
Proteagineux
|
|
PT
|
Prairies temporaires
|
RGA, PTR
|
Prairie Tempo, Prairie temporaire, Prairie Temporaire, Ray Grass
|
|
RIZ
|
Riz
|
RIZ
|
|
|
SOJA
|
Soja
|
SOJ, ARA
|
Soja
|
|
STH
|
Estives et landes
|
SPH, SPL, BOP
|
Bois pature, Landes, Landes (pelouses), SPH, SPL, Surface pastorale (SPH), Surface pastorale (SPL)
|
|
TOUR
|
Tournesol
|
TRN
|
Tournesol
|
|
VERGERS
|
Vergers
|
BCA, ANA, VRG, AVO, VGD, BEI, PFR, AGR, BCI, BCP, CAC, BCF, PWT, BEF, PRU, BER, CBT, PVT, BCR, BEA, BEP, PEP
|
Agrumes, Amandes, Pepiniere (Vergers), Petit fruit rouge, PFR, PFR (Serre), Verger, Vergers, Vergers (CBT), Vergers PRU
|
|
VIGNES
|
Vignes
|
VRT, RVI, VRC
|
Vignes, Vignes (raisins de cuve), Vignes (raisins de table), Vignes (restructuration)
|
|
DIVERS
|
Divers
|
|
Arbuste baies, Pepiniere, Pepiniere (arbre), Pepiniere (arbres), Pepiniere (bois), Pepiniere (Callunas), Pepiniere (Callunas, Serre), Pepiniere (ONF), Pepiniere (sapin), Pepiniere (Sapin), Pepiniere bois
|
|
SEMENCES
|
Semences
|
|
Semences, Semences (Serre)
|
19Une seule commune est attribuée à chaque parcelle. Lorsque la parcelle est située à cheval sur plusieurs communes, la commune qui en accueille la plus grande part est choisie. Pour affecter un code postal en conséquence, nous nous basons sur les règles définies dans Ramalanjaona et al. (2020) où chaque commune correspond à un code postal dit majoritaire. Ceci permet de réduire le problème inhérent à l’échelle initiale des données de la BNV-D. En effet, plusieurs codes postaux peuvent être présents sur la même commune, comme c’est le cas par exemple dans les grandes agglomérations, et plusieurs communes peuvent être desservies par le même code postal, notamment en zone rurale. Nous observons que certains codes postaux de la BNV-D ne trouvent pas de correspondances dans la couche des parcelles. Ceci est dû à l’élimination des CP non-majoritaires mais également à des CP de type CEDEX. Pour rattraper les quantités associées à ces CP « orphelins », nous réattribuons un ou plusieurs CP en passant par les communes associées (voir figure 3).
Figure 3 : Définition d’un correctif pour dispatcher les produits associés à des CP « orphelins »
20Le tableau 5 présente quelques indicateurs de compatibilité entre les différentes bases de données mobilisées pour la spatialisation de la BNV-D. Nous constatons que le pourcentage d’autorisations de mise sur le marché (AMM) commun entre la BNV-D et E-Phy est supérieur pour les années récentes. Ceci peut être le produit des efforts de mise en qualité des deux bases et aussi le fait que nous utilisons une extraction d’E-Phy de 2023. Pour les codes postaux, la correspondance entre la BNV-D et la couche d’occupation des sols reste relativement stable autour de 97 %. L’influence de ces indicateurs sur la spatialisation effective est détaillée dans la partie « Résultats de la spatialisation» plus loin.
Tableau 5 : Indicateurs sur la compatibilité des données utilisées
|
Indicateur
|
2015
|
2016
|
2017
|
2018
|
2019
|
2020
|
|
Nombre total d’AMM
|
2 844
|
2 787
|
2 798
|
2 775
|
2 616
|
2 603
|
|
Nombre d’AMM dans E-phy
|
2 681
|
2 645
|
2 686
|
2 685
|
2 558
|
2 565
|
|
Part du total
|
94,3 %
|
94,9 %
|
96,0 %
|
96,8 %
|
97,8 %
|
98,5 %
|
|
Nombre de substances
|
492
|
495
|
506
|
507
|
493
|
490
|
|
Nombre de codes postaux hors ‘00000’ et DROM
|
5 974
|
5 970
|
5 964
|
5 939
|
5 906
|
5 906
|
|
Nombre de codes postaux connus dans la couche occ_sol
|
5 776
|
5 777
|
5 776
|
5 762
|
5 720
|
5 722
|
|
Part du total
|
96,7 %
|
96,8 %
|
96,8 %
|
97,0 %
|
96,9 %
|
96,9 %
|
21Le calcul des doses de référence se fait en mobilisant les différentes sources de données mentionnées précédemment. La première phase consiste à ne conserver qu’une seule dose par couple « produit/culture » à partir du catalogue E-Phy. La donnée initiale renseigne, pour chaque produit, la dose de traitement de référence pour chaque triplé « culture/partie traitée/bioagresseur » (identifiant usage). Certaines doses et leur unité ne sont pas spatialisables (eg., g/L). Nous leur appliquons des facteurs de conversion en suivant la méthode de Ramalanjaona et al. (2020). À partir de cette liste, nous conservons la dose médiane de tous les usages référencés pour chaque culture.
22Le tableau 6 présente un exemple pour deux produits dont on suppose qu’il n’existe pas d’autres usages.
Tableau 6 : Exemple de doses E-Phy pour deux produits
|
Produit
|
Usage
|
Culture
|
Dose (L/ha)
|
|
Produit A
|
Vigne*Trt Part.Aer.*Oïdium(s)
|
Vigne
|
2
|
|
Vigne*Trt Part.Aer.*Rougeot parasitaire
|
1,5
|
|
Vigne*Trt Part.Aer.*Mildiou(s)
|
2
|
|
Vigne*Trt Part.Aer.*Excoriose
|
1,5
|
|
Vigne*Trt Part.Aer.*Black rot
|
1,5
|
|
Produit B
|
Artichaut*Trt Part.Aer.*Chenilles phytophages
|
Artichaut
|
0,075
|
|
Produit B
|
Asperge*Trt Part.Aer.*Chenilles phytophages
|
Asperge
|
0,125
|
|
Produit B
|
Betterave industrielle et fourragère*Trt Part.Aer.*Coléoptères phytophages
|
Betterave
|
0,05
|
23À l’issue de la phase 1, nous obtenons donc le tableau 7.
Tableau 7 : Doses médianes pour deux produits sur la base des doses E-Phy
|
Produit
|
Culture
|
Dose médiane (L/ha)
|
|
Produit A
|
Vigne
|
1,5
|
|
Produit B
|
Artichaut
|
0,075
|
|
Produit B
|
Asperge
|
0,125
|
|
Produit B
|
Betterave
|
0,05
|
24La deuxième phase mobilise les surfaces régionales des statistiques agricoles annuelles. À l’échelle régionale, nous récupérons la surface occupée par chaque culture en détail. Cela permet de calculer une dose moyenne dite « de référence » par groupe de cultures BNVDs en pondérant les doses médianes de chaque culture par les occupations des sols de chaque région.
25Dans la continuité de l’exemple précédent, supposons que nous avons les proportions d’assolement pour 2 régions, comme celles du tableau 8.
Tableau 8 : Proportion des cultures dans l’assolement régional pour le groupe de cultures BNVDs Légumes
|
Région
|
Culture
|
Pourcentage
|
Groupe de cultures BNVDs
|
|
Région 1
|
Artichaut
|
30 %
|
Légumes
|
|
Asperge
|
70 %
|
|
Région 2
|
Artichaut
|
50 %
|
Légumes
|
|
Asperge
|
50 %
|
26La dose de référence calculée pour le produit B devient donc, selon la région, 0,11 ou 0,1 (tableau 9).
Tableau 9 : Calcul des doses de référence par région
|
Produit
|
Culture
|
Groupe de culture BNVDs
|
Région
|
Dose de référence
|
|
Produit B
|
Artichaut
|
Légumes
|
Région 1
|
0,3 * 0,075 + 0,7 * 0,125 = 0,11
|
|
Asperge
|
|
Artichaut
|
Légumes
|
Région 2
|
0,5 * 0,075 + 0,5 * 0,125 = 0,1
|
|
Asperge
|
27La dernière phase dans le calcul des doses de référence concerne les produits pouvant être utilisés comme « traitements généraux ». En effet, en plus des usages sur des cultures spécifiques, certains produits peuvent être employés comme « traitements généraux », sur d’autres occupations des sols (agricoles ou non). Si tel est le cas, la dose de référence pour ces traitements généraux est indiquée dans le catalogue E-Phy. Afin de prendre en compte cet usage générique, nous proposons de faire la moyenne entre la dose indiquée pour les traitements généraux avec la dose de référence calculée à l’étape précédente.
28Supposons que le produit B dispose en réalité des usages suivants (tableau 10).
Tableau 10 : Prise en compte du cas des « Traitements généraux » pour le calcul des doses de référence
|
Produit
|
Usage
|
Culture
|
Dose (L/ha)
|
|
Produit B
|
Artichaut*Trt Part.Aer.*Chenilles phytophages
|
Artichaut
|
0,075
|
|
Produit B
|
Asperge*Trt Part.Aer.*Chenilles phytophages
|
Asperge
|
0,125
|
|
Produit B
|
Betterave industrielle et fourragère*Trt Part.Aer.*Coléoptères phytophages
|
Betterave
|
0,05
|
|
Produit B
|
Traitements généraux*Trt Sol*Nématodes
|
Toutes
|
0,06
|
29La dernière ligne du tableau 10 indique que ce produit, en plus des applications spécifiques pour certaines cultures, peut également être appliqué de manière générique pour contrer les nématodes. Nous prenons donc cet usage en compte, et calculons une deuxième dose de référence pour ce produit, comme présenté dans le tableau 11.
Tableau 11 : Calcul des doses de référence en moyennant avec celle pour les « Traitements généraux »
|
Produit
|
Région
|
Dose de référence
|
Dose traitements généraux
|
Dose de référence no 2
|
|
Produit B
|
Région 1
|
0,11
|
0,06
|
(0,11 + 0.06) / 2 = 0,085
|
|
Région 2
|
0,1
|
0,06
|
(0,1 + 0,06) / 2 = 0,08
|
- 3 Sur les 33 605 usages autorisés, 173 n’ont pas de dose homologuée dans E-phy (0,5 %).
30À l’issue de ces trois phases, nous disposons, pour chaque produit, d’une dose de référence pour chaque occupation des sols. Pour un même produit, cette dose varie d’une région à l’autre, en fonction de l’assolement. Pour certains produits, il n’y a pas de dose homologuée spatialisable renseignée dans E-Phy. En ce cas, nous attribuons une dose homogène de 1 (abstraction faite de l’unité) qui nous permet néanmoins de spatialiser ces produits sur les parcelles concernées. Cependant, ces cas de figure sont minoritaires3.
31Le tableau 12 présente la distribution des coefficients de variation (le ratio entre l’écart type et la moyenne) des doses de référence entre régions par AMM et par occupation des sols, avec focus sur les coefficients supérieurs à 0,1. En effet, parmi les 14 873 coefficients calculés pour les combinaisons d’AMM et d’occupation de sol, seulement 388 (ou 2,6 %) sont supérieurs à 0,1. Les variations importantes entre régions sont observées pour les occupations de sols qui regroupent des cultures très diverses (e.g. VERGERS, LEGU[mes]). La majorité des doses diffèrent donc peu entre les régions.
Tableau 12 : Distribution des coefficients de variation des doses pour 2020 par AMM et occupation des sols entre les régions, focus sur les coefficients supérieurs à 0,1
|
Occupation des sols
|
Min
|
Q1
|
Médiane
|
Q3
|
Max
|
Effectif
|
|
VERGERS
|
0,101
|
0,120
|
0,201
|
0,351
|
2,021
|
121
|
|
LEGU
|
0,102
|
0,123
|
0,133
|
0,228
|
1,291
|
61
|
|
INDUS
|
0,104
|
0,104
|
0,137
|
0,586
|
1,087
|
25
|
|
LFOURR
|
0,113
|
0,113
|
0,113
|
0,173
|
0,347
|
19
|
|
FOURR
|
0,107
|
0,150
|
0,207
|
0,279
|
0,363
|
18
|
|
VIGNES
|
0,104
|
0,132
|
0,146
|
0,309
|
0,338
|
15
|
|
MAIS
|
0,107
|
0,122
|
0,198
|
0,282
|
0,363
|
14
|
|
OLIVE
|
0,108
|
0,108
|
0,139
|
0,141
|
0,245
|
13
|
|
CEREALES
|
0,124
|
0,150
|
0,305
|
0,343
|
0,548
|
12
|
|
BETT
|
0,124
|
0,141
|
0,199
|
0,476
|
1,001
|
10
|
|
BLE
|
0,145
|
0,198
|
0,347
|
0,358
|
0,636
|
10
|
|
LGRAIN
|
0,136
|
0,143
|
0,172
|
0,337
|
0,337
|
10
|
|
ORGE
|
0,145
|
0,198
|
0,347
|
0,358
|
0,636
|
10
|
|
RIZ
|
0,116
|
0,195
|
0,234
|
0,239
|
1,902
|
10
|
|
COQUE
|
0,109
|
0,120
|
0,124
|
0,162
|
0,321
|
8
|
|
PDT
|
0,124
|
0,124
|
0,124
|
0,152
|
0,201
|
5
|
|
FIBRE
|
0,151
|
0,161
|
0,164
|
0,164
|
0,164
|
4
|
|
OLEA
|
0,146
|
0,146
|
0,146
|
0,149
|
0,159
|
4
|
|
POIS
|
0,136
|
0,136
|
0,136
|
0,142
|
0,160
|
4
|
|
COLZA
|
0,146
|
0,146
|
0,146
|
0,146
|
0,146
|
3
|
|
FEV
|
0,136
|
0,136
|
0,136
|
0,136
|
0,136
|
3
|
|
PROTEA
|
0,153
|
0,153
|
0,153
|
0,153
|
0,153
|
3
|
|
SOJA
|
0,146
|
0,146
|
0,146
|
0,146
|
0,146
|
3
|
|
TOUR
|
0,146
|
0,146
|
0,146
|
0,146
|
0,146
|
3
|
32À partir de la dose de référence, donnée en kg/ha ou en L/ha selon le conditionnement pour chaque couple produit et groupe de cultures, nous pouvons calculer le coefficient de répartition de ce produit à l’échelle du code postal. Pour ce faire, nous multiplions d’abord chaque dose de référence par la surface au code postal du groupe de culture correspondant, appelons cette quantité Q1. Additionner toutes ces quantités (exprimées en kg ou L) nous donne une quantité totale potentielle d’utilisation du produit pour un code postal donné, notée QT. Le coefficient de répartition au code postal du produit pour un groupe de culture se calcule en prenant le ratio Q1/(QT*surface). Ce calcul donne un coefficient rapporté à l’hectare.
33Prenons l’exemple d’un produit, pouvant être utilisé sur trois différentes classes d’occupation des sols, les légumes (LEGU), légumineuses à grain (LGRAIN), et la pomme de terre (PDT). Le calcul des coefficients de répartition se fait de la manière suivante.
34Comme spécifié ci-dessus, il faut d’abord déterminer la quantité potentielle de produit qui peut être épandue au code postal (tableau 13).
Tableau 13 : Calcul des potentiels par produit et total pour le code postal
|
Groupe de culture
|
Dose de référence (kg/ha ou l/ha)
|
Surface (ha)
|
Quantité potentielle (kg ou l)
|
|
LEGU
|
65
|
20
|
1 300
|
|
LGRAIN
|
80
|
1
|
80
|
|
PDT
|
42
|
3
|
126
|
|
TOTAL
|
1 506
|
35On passe ensuite au calcul des coefficients en divisant chaque quantité potentielle par le total pondéré par les surfaces (tableau 14).
Tableau 14 : Calcul du coefficient de répartition
|
Groupe de culture
|
Coefficient de répartition (par ha)
|
|
LEGU
|
1 300 / (1 506 * 20) = 0,043
|
|
LGRAIN
|
80 / (1 506 * 1) = 0,053
|
|
PDT
|
126/ (1 506 * 3) = 0,029
|
36Pour spatialiser les quantités vendues de la BNV-D, nous les multiplions, pour chaque code postal, par le coefficient correspondant, et par la surface occupée par la culture correspondante au coefficient. Cette méthode suppose que toutes les parcelles partageant la même occupation du sol reçoivent la même quantité de produit au sein d’un même code postal.
37Reprenons notre exemple de spatialisation, en supposant qu’au même code postal, 500 kilos de ce produit ont été vendus (tableau 15).
Tableau 15 : Répartition entre les cultures du code postal des quantités de pesticides
|
Quantité vendue
(kg ou l)
|
Groupe de cultures
|
Surfaces
(ha)
|
Coefficient de répartition
(par ha)
|
Quantité spatialisée
(kg ou l)
|
|
500
|
LEGU
|
20
|
0,043
|
500 * 20 * 0,043 = 430
|
|
LGRAIN
|
1
|
0,053
|
500 * 1 * 0,053 = 26,5
|
|
PDT
|
3
|
0,028
|
500 * 3 * 0,029 = 43,5
|
38Nous retrouvons enfin la quantité achetée, désormais répartie entre les différentes surfaces réceptrices du code postal.
39Lorsque le coefficient de répartition par hectare est calculé, nous pouvons l’utiliser pour attribuer aux communes les quantités de la BNV-D en :
-
agrégeant les surfaces par commune, code postal, région et occupation des sols ;
-
joignant à cette information les coefficients de répartition (via le code postal, la région et l’occupation des sols) ;
-
joignant les données de la BNV-D (via l’AMM, l’unité et les codes postaux, corrigés si nécessaire comme décrit plus haut).
40Les quantités (Qté) pour les différents produits par commune et par occupation des sols sont ensuite obtenues en multipliant les surfaces avec les coefficients et les quantités BNV-D selon l’équation 1 (la région n’est pas citée parmi les indices, mais est prise en compte).
41Cette démarche est présentée dans le tableau 16. Pour cet exemple, le code postal 27530 et l’AMM 2100138 sont associés à deux communes (27193 et 27230) et deux occupations des sols qui peuvent recevoir des traitements : BLE et ORGE. Le coefficient est unique pour le code postal et l’occupation des sols traduisant la différentiation selon les doses autorisées pour chacune des cultures.
Tableau 16 : Calcul des quantités spatialisées pour les communes
|
Code postal
|
Région
|
Commune
|
Occupation des sols
|
AMM
|
Unité
|
Surface (ha)
|
Coefficient
|
Qté produit
|
Qté spatialisée
|
|
27530
|
28
|
27193
|
BLE
|
2100138
|
L/ha
|
128,09
|
0,002404
|
20
|
6,16
|
|
27530
|
28
|
27230
|
BLE
|
2100138
|
L/ha
|
139,60
|
0,002404
|
20
|
6,71
|
|
27530
|
28
|
27193
|
ORGE
|
2100138
|
L/ha
|
85,81
|
0,002748
|
20
|
4,72
|
|
27530
|
28
|
27230
|
ORGE
|
2100138
|
L/ha
|
43,91
|
0,002748
|
20
|
2,41
|
|
|
|
|
|
|
|
|
Somme
|
20,00
|
42Ces calculs peuvent être effectués à n’importe quelle autre échelle géographique dès lors que celle-ci est croisée avec les parcelles et que l’identifiant de la nouvelle échelle leur est attribué. Pour un traitement encore plus précis, les parcelles peuvent être scindées entre les unités géographiques ciblées. Parmi les échelles intéressantes et différentes des découpages administratifs, nous pouvons citer celles liées aux problématiques de la pollution diffuse de l’eau, comme les aires de captage, les petits bassins versants, etc. Il est de mise de rappeler que la méthodologie de la spatialisation telle qu’elle est présentée ici ne prend pas en compte des informations relevant des vraies pratiques des agriculteurs et encore moins leurs spécificités territoriales. Ces informations peuvent être intégrées à la procédure en modulant les cultures susceptibles de recevoir les traitements et/ou les doses de ces traitements. Des travaux permettant l’insertion de données d’expertise locale dans le processus de spatialisation de la BNV-D ont été initiés par Descout et al. (2023) dans la suite de l’étude de Martin et al. (2023).
43Toutes les ventes de la BNV-D n’ont pas été spatialisées pour plusieurs raisons, présentées dans le tableau 17. La cause la plus importante de la non-spatialisation est la perte du code postal des achats rapportés au CP ‘00000’. Il s’agit du code postal attribué par défaut lorsque les distributeurs omettent de le renseigner dans leur déclaration. En termes de quantité, ces cas représentent entre 3 et 4 % de la quantité de substance active (QSA) totale avec l’an 2020 exceptionnellement à moins de 1 %. D’autre part, nous ne spatialisons pas les produits exclusivement utilisés pour le stockage (entre 0,1 et 0,3 % des QSA). Un autre cas de figure impactant est celui des codes postaux que nous ne retrouvons pas parmi ceux attribués aux parcelles et que nous n’avons pas pu dispatcher selon la règle citée ci-dessous.
44D’autres raisons relevant des limites des données sont l’absence du produit dans la base E-Phy ou la disparité entre l’unité renseignée dans la BNV-D et celle des doses/coefficients (E-Phy). Aussi, pour certaines combinaisons entre produit et code postal, il n’y a pas d’occupation des sols autorisée à recevoir de traitements. Au final, la procédure proposée et les données disponibles permettent de spatialiser entre 94 % et 98 % de la QSA selon les années (la somme des lignes « CP dispatché » et « Spatialisée » dans le tableau 17 avec le meilleur score pour 2020, principalement dû à la faible proportion des ventes avec CP à ‘00000’.
Tableau 17 : Résultat de la spatialisation en termes de quantité de substance active (kg)
|
2015
|
2016
|
2017
|
2018
|
2019
|
2020
|
|
Statut
|
QSA (en kg)
|
en %
|
QSA (en kg)
|
en %
|
QSA (en kg)
|
en %
|
QSA (en kg)
|
en %
|
QSA (en kg)
|
en %
|
QSA (en kg)
|
en %
|
|
QSA non renseignée
|
-
|
0,00
|
-
|
0,00
|
-
|
0,00
|
-
|
0,00
|
-
|
0,00
|
-
|
0,00
|
|
Unités ephy et BNV-D incompatibles pour le CP
|
2 437
|
0,00
|
1 331
|
0,00
|
40 637
|
0,06
|
76 544
|
0,09
|
2 161
|
0,00
|
1 458
|
0,00
|
|
Pas de possibilité de dispatcher le CP
|
25 105
|
0,04
|
22 775
|
0,03
|
29 838
|
0,04
|
27 690
|
0,03
|
30 970
|
0,06
|
24 946
|
0,04
|
|
AMM de stockage
|
119 115
|
0,18
|
97 635
|
0,14
|
92 787
|
0,14
|
128 614
|
0,16
|
118 046
|
0,22
|
187 219
|
0,30
|
|
CP inconnu pour l’occsol
|
216 879
|
0,33
|
71 072
|
0,10
|
67 342
|
0,10
|
108 628
|
0,13
|
137 344
|
0,26
|
70 379
|
0,11
|
|
Pas d’occsol récepteur
|
367 898
|
0,56
|
379 220
|
0,54
|
278 486
|
0,41
|
338 154
|
0,41
|
233 590
|
0,44
|
569 515
|
0,90
|
|
AMM pas dans ephy
|
439 249
|
0,67
|
307 119
|
0,44
|
286 909
|
0,42
|
40 431
|
0,05
|
32 911
|
0,06
|
95 283
|
0,15
|
|
CP à 00000
|
2 434 437
|
3,73
|
2 348 316
|
3,34
|
2 224 419
|
3,24
|
3 194 613
|
3,87
|
1 662 826
|
3,13
|
460 969
|
0,73
|
|
Spatialisée
|
61 665 699
|
94,48
|
67 043 508
|
95,41
|
65 644 594
|
95,60
|
78 611 685
|
95,26
|
50 968 344
|
95,83
|
61 580 821
|
97,76
|
|
— dont CP dispatché
|
242 845
|
0,37
|
239 946
|
0,34
|
243 678
|
0,35
|
154 765
|
0,19
|
108 059
|
0,20
|
161 731
|
0,26
|
|
QSA Totale
|
65 270 820
|
100,0
|
70 270 993
|
100,00
|
68 665 151
|
100,00
|
82 526 464
|
100,00
|
53 186 226
|
100,00
|
62 990 592
|
100,00
|
45Compte tenu de ces restrictions liées aux données, la Carte 1 est une représentation à l’échelle des communes de la QSA spatialisée par hectare (toutes familles de produits confondues, toutes surfaces réceptrices) en 2020.
Carte 1 : QSA/ha à la commune, toutes familles confondues, toutes surfaces réceptrices, 2020
46Les classes retenues sont les percentiles des QSA par hectare des communes, avec une mise en évidence des communes ayant la plus grande quantité spatialisée, rapportée à leur SAU. On remarque sur cette carte que les zones qui ressortent sont celles où il y a le plus de cultures pérennes (vergers et vignes). Deux informations supplémentaires figurent dans la légende : la QSA par hectare « seuil » de la classe, ainsi que le pourcentage de la SAU de la classe concernée. Par exemple, pour l’avant-dernière classe (entre le 95e et le 99e percentile), nous pouvons lire que la QSA par hectare se situe entre 10 et 21 kg/ha, et que 3,9 % de la SAU totale se trouve dans cette classe.
47À l’issue de la spatialisation, les tables produites pour chaque année sont les suivantes :
-
com_insee_qsa et com_insee_amm : ces tables contiennent les données à la substance (respectivement au produit) par commune pour une année donnée. Les informations disponibles sont le nom de la substance, son numéro CAS, sa classification, une éventuelle mention complémentaire à la classification, le code Sandre de la substance, sa fonction, et la QSA en kg (respectivement le numéro d’AMM, le conditionnement du produit, la mention emploi autorisé en jardin [EAJ] et la quantité de produit).
-
com_insee_famille_simple_qsa : cette table à l’échelle communale est une agrégation par famille de fonction des substances, dans leur version simplifiée en 4 classes (fongicide, herbicide, insecticide et autre). Elle permet une approche plus légère de ces données à l’échelle communale, avec environ 30 fois moins de lignes que la base com_insee_qsa (cette dernière comporte + de 4 millions de lignes en 2020, tandis que son agrégation à la famille en comporte 135 000) au détriment du détail des substances.
-
com_insee_occsol : une table contenant le détail des surfaces de chaque commune par année. Il s’agit de la table produite par les différents croisements des couches géographiques qui ont été décrites en partie 2. Cette table renseigne la superficie en hectare de chaque occupation du sol et pour chaque commune. Les occupations du sol sont regroupées en une nomenclature comportant 34 classes, les surfaces toujours en herbe, les prairies, les surfaces en gel, ainsi que les zones ferroviaires ne reçoivent pas de pesticides dans notre modélisation et peuvent donc être ignorées. Les pesticides sont ventilés sur les surfaces agricoles ainsi que sur les ZNA. Cette table peut donc servir à identifier des zones de production selon la filière à étudier (filtrer des régions viticoles, des zones de grandes cultures par exemple).
-
bnvd_statut : à l’inverse des précédentes, cette table est à l’échelle du code postal de l’acheteur. Elle précise si un produit est spatialisé ou non, et, le cas échéant, donne la raison de sa non spatialisation. Cette table permet d’avoir un inventaire exhaustif des achats pour une année donnée. Cela permet de vérifier si un produit en particulier présente des limitations quant à sa spatialisation. Par exemple, en 2020, l’AMM no 2000125 (correspondant à une formulation de la bouillie bordelaise) a été spatialisé correctement dans 1 300 codes postaux, mais n’a pas pu l’être dans 47 autres, pour raison de manque d’une occupation du sol réceptrice dans le code postal d’achat, ou de code postal inconnu.
48La figure 4 présente l’ensemble des tables disponibles et leurs colonnes sous forme de schéma.
Figure 4 : Tables mises à disposition à l’issue des traitements
49Plus de détails sur ces tables sont donnés en annexe, avec notamment une description des différents champs qu’elles contiennent, et les éventuelles sources associées. Les tables sont disponibles en deux formats ‘.csv’ et ‘.parquet’. Si le format ‘.csv’ est bien connu et lisible avec tout logiciel de lecture de texte, le format ‘.parquet’ permet à son tour : i) un chargement plus rapide dans R, Python, DuckDB, etc. ; ii) la conservation du typage des colonnes (pratique en ce qui concerne les codes communes) ; et iii) un requêtage du fichier à distance, via les identifiants et les URL pérennes des fichiers, pour mieux cibler l’information à télécharger. Cette dernière fonctionnalité d’API peut faciliter le développement aussi d’applications mobilisant les données.
50L’ensemble des traitements a été réalisé via des scripts en R (chargement des données, orchestration et certains traitements, comme le calcul des doses) ou Python (chargement des données et orchestration) avec la constitution d’une base de données PostgreSQL (version 12.9, y compris l’extension PostGIS, version 3.1) permettant des opérations de géomatique, telles que les intersections avec des couches vectorielles ciblées. En ce qui concerne les librairies mobilisées, pour R, il s’agit de « tidyverse », « RPostgreSQL », « here », « readxl » ainsi que certaines fonctionnalités de R Studio. Pour python les librairies sont : « configparser », « datetime », « psycopg2 ». Étant donné la volumétrie des tables, le choix de l’utilisation de PostgreSQL s’est imposé. Pour plus d’ergonomie dans l’automatisation des traitements, l’écriture et l’exécution des requêtes SQL sous-jacentes sont faites via R ou Python selon la durée des traitements avec les requêtes longues lancées (construction de la couche d’occupation des sols) directement depuis le serveur distant hébergeant la base de données. Ces scripts sont commentés et accessibles sur dépôt Git après effacement des identifiants ou chemins de système spécifique. Le lien vers le dépôt Git est le suivant : https://forge.inrae.fr/alungarska/obnvds-publique. Quelques tables nécessaires pour les traitements y sont aussi mises à disposition pour permettre, entre autres, i) les ajustements de la base E-Phy (via le script src/e-phy_v6.R) ; ii) l’attribution des codes postaux (voir la partie 18).
51Les traitements ont été réalisés sur un serveur Debian disposant de 16 processeurs (Intel[R] Xeon[R] Gold 6230R CPU @ 2.10GHz ; PostgreSQL mobilise en parallélisation jusqu’à 5 cœurs selon notre paramétrage) et de 16 Go de RAM. Le tableau 20 présente la durée approximative et l’espace de stockage nécessaire pour le traitement d’un millésime des données. Afin d’accélérer les jointures et intersections, des index et des index spatiaux ont été mis en place.
52Un indicateur intéressant pour les travaux sur les pesticides est la QSA ramenée à l’hectare des surfaces agricoles. Cet indicateur prend en compte la variation inhérente à la BNV-D entre les QSA des codes postaux. Dans la figure 5, nous présentons les distributions des coefficients de variation des QSA à l’hectare. Ces coefficients sont calculés à l’échelle de la commune et groupés entre région et substance active. La majorité des coefficients sont inférieurs à 5, cela indique une faible variabilité des QSA par hectare entre les régions. Une plus forte variabilité est visible pour le blé et surtout en Île-de-France. Ceci est probablement dû à la disparité entre le code postal du siège de l’exploitation qui peut être sur un territoire différent de ses parcelles. Ainsi, des communes avec peu de surfaces cultivées peuvent se retrouver avec des quantités importantes à l’hectare.
53À l’échelle des régions, les figure 6 et figure 7 présentent les QSA à l’hectare pour huit groupes de cultures de la spatialisation (sur les 24 utilisés) pour les régions Nouvelle-Aquitaine et Hauts-de-France respectivement. On retrouve les mêmes ordres de grandeur pour les différentes cultures en termes de valeur et de classement, sauf pour les vergers. Ces derniers regroupent des productions différentes entre les deux régions. À titre de comparaison, le classement est très proche de celui pour les IFT issus des enquêtes sur les « pratiques culturales » malgré la différence d’unité de mesure entre la QSA et ce qui est désigné comme « traitement » (Agreste, 2023).
Figure 5 : Distribution des coefficients de variation des QSA à l’ha par substance active et par culture et région
Figure 6 : Assolement et QSA à l’hectare pour la région Nouvelle-Aquitaine
Figure 7 : Assolement et QSA à l’hectare pour la région Hauts-de-France
54La Carte 2 et la Carte 3 présentent quant à elles la QSA par hectare des fongicides et du glyphosate spatialisés à l’échelle des communes. Le numérateur est la quantité de substance active spatialisée regroupée par fonction (ou filtrée à la substance). Le dénominateur est l’ensemble des surfaces réceptrices (cultures et ZNA). On peut voir des zones géographiques ressortir sur les deux cartes. Il s’agit, pour la plupart, de zones où des cultures pérennes sont présentes (vignes et vergers), comme le pourtour méditerranéen, la Gironde, la Champagne, ainsi que le couloir rhodanien. Les classes des cartes ont été obtenues à partir de la méthode « jenks », paramétrée pour donner 5 classes. Les classes plus foncées montrent une QSA/ha plus élevée. La couleur grise est associée aux communes qui n’ont pas de pesticides spatialisés. À titre d’exemple, sur la Carte 2, les communes du sud-est de la région Occitanie forment un bloc homogène rouge-orangé. Cette couleur correspond à la deuxième classe la plus élevée, avec des quantités spatialisées par hectare comprises entre 5 et 25 kg par hectare.
Carte 2 : QSA/ha des fongicides spatialisées à la commune en 2020 en France
Carte 3 : QSA/ha du glyphosate spatialisées à la commune en France en 2020
55La Carte 4 présente les QSA/ha de fongicides dans le Gers en 2020 telles que modélisées dans la BNVDs (carte du haut à l’échelle des communes) et rapportées par la BNV-D (hors ventes non-spatialisées, carte du bas à l’échelle des codes postaux). À la comparaison des deux cartes, on constate que les données à la commune font apparaître des variations locales qui viennent nuancer le gradient. En effet, les assolements hétérogènes des communes au sein d’un même code postal vont entraîner la spatialisation de plus ou moins de produits à la commune, ce qui va les faire basculer dans une autre classe de valeurs que le code postal considéré dans son ensemble. Ceci est également illustré dans la Carte 5, qui montre la spatialisation du glyphosate dans le département du Rhône en 2020.
Carte 4 : QSA par hectare des fongicides dans le département du Gers en 2020 spatialisée à l’échelle communale (en haut) et rapportée à l’échelle des codes postaux (en bas)
Carte 5 : QSA par hectare de glyphosate dans le département du Rhône en 2020 spatialisée à l’échelle communale (à gauche) et rapportée à l’échelle des codes postaux (à droite)
56Enfin, la Carte 6 se focalise sur la spatialisation à la commune autour d’une AAC. Les contours des codes postaux, des communes ainsi que de l’AAC sont mis en évidence sur cette dernière carte (respectivement en rouge, en gris et en bleu). La valeur de la QSA/ha spatialisée à la commune est affichée au niveau du centroïde du polygone, afin de montrer l’hétérogénéité de la répartition au sein d’un même code postal. On ne conserve que les communes (ou codes postaux) qui intersectent l’AAC d’intérêt. Dans le cas des AAC, il serait judicieux de se baser sur les résultats de la spatialisation à la parcelle pour plus de finesse dans l’estimation des QSA. Ceci est même l’intérêt principal de l’approche à la parcelle afin de s’affranchir des limites géographiques des unités administratives.
Carte 6 : QSA/ha de glyphosate dans les communes de l’AAC de Fredon
57La méthode de spatialisation permet d’associer les données de vente à une occupation du sol et à une entité géographique plus fine que le code postal initialement disponible. Comme tout exercice de changement d’échelle, les résultats sont sujets à des biais comme discuté dans l’introduction (Openshaw et Taylor, 1979 ; Eagleson et al., 2002). Par ailleurs, notre méthode implique un certain nombre d’hypothèses sur l’utilisation des pesticides et ceci entraîne des précautions à prendre lors de l’interprétation des résultats. Ainsi, plusieurs limitations de la méthode subsistent et doivent être prises en compte.
-
[BNV-D] Comme il s’agit de données de ventes, il est possible que certaines quantités achetées ne soient pas utilisées sur l’année étudiée. Nous ne disposons pas de la date exacte d’achat, et des effets de stockage sont possibles. Par ailleurs, la BNV-D couvre les ventes de l’année civile et non pas des campagnes culturales.
-
[BNV-D] Certaines ventes sont attribuées au code postal ‘00000’ ce qui ne permet pas de les spatialiser. Pour d’autres codes postaux, moins de cinq exploitations y sont présentes, ce qui interdit la publication en libre accès de leurs informations. Il y a également le cas des codes postaux absents de la couche d’occupation des sols et dont certains sont réaffectés en suivant la méthode décrite en section 3.1.1.
-
[BNV-D et couche occsol] Le code postal rattaché à une vente de produit est celui du siège de l’exploitation. Il est possible que des parcelles rattachées à cette exploitation se situent sur un autre code postal. Par conséquent, la spatialisation se fait au moyen de l’assolement du code postal, alors qu’il serait préférable de la faire à partir de l’assolement des exploitations rattachées à ce code postal (figure 8). Les données qui permettraient d’apparier les exploitations à leurs parcelles respectives existent, mais sont jugées sensibles et ne sont pas diffusées librement. Néanmoins, il est estimé qu’environ 20 % des parcelles sont rattachées à un code postal différent de celui de leur exploitation. Un accès à ces données permettrait d’améliorer la qualité de la spatialisation, comme l’atteste la quantification proposée par Lungarska et al. (2023).
Figure 8 : Différence entre code postal physique et code postal du siège de l’exploitation
(Source : Groshens, 2013)
-
[E-Phy] Certains produits n’ont pas de doses homologuées dans la base de données E-Phy, elles sont donc normalisées à 1. La liste de ces produits se trouve en annexe (tableau 18). Par ailleurs, les doses citées dans E-Phy sont des doses légales. Les agriculteurs peuvent toujours appliquer des doses différentes de celles-ci dans la pratique. Elles ne renseignent pas non plus sur le nombre de passages possibles ou au moins pas d’une manière exhaustive.
-
[Occupation des sols] Le RPG n’étant pas exhaustif (voir section 2.2), sa couche complémentaire, le RPG complété, est issue d’un travail de modélisation statistique et/ou de données dont la mise à jour est moins fréquente. Ceci induit des incertitudes en ce qui la concerne.
-
Le calcul des coefficients se fait à partir des doses médianes. En l’absence de données exhaustives concernant les bioagresseurs contre lesquels sont utilisés les produits phytopharmaceutiques et l’utilisation précise qu’en font les agriculteurs et les agricultrices, il est impossible d’avoir une dose plus précise, qui refléterait l’usage réel qui est fait du produit. En outre, la méthode ne tient pas compte de nombre de passages qui peut être très variable d’une culture à l’autre et ceci induit un biais important dans les zones où on rencontre à la fois des grandes cultures et des vignes (particulièrement vrai en ce qui concerne les fongicides, tel le souffre).
-
La méthode de spatialisation ne prend pas en compte si les parcelles sont déclarées en agriculture biologique ou non. Elles reçoivent les mêmes produits que les parcelles conventionnelles du code postal, quand bien même elles ne peuvent être traitées qu’avec un sous-ensemble des produits.
-
La spatialisation ne prend pas en compte d’éventuels effets de lessivage ou de dispersion des pesticides. Bien que ces phénomènes soient évoqués dans la littérature (Bailey et al. 1974 et Damalas 2015) ils ne sont pas traités dans notre travail de modélisation. Il manque pour cela un calendrier précis de chaque traitement appliqué à la parcelle, couplé à des données topographiques, pédologiques et climatiques à une échelle fine.
58Le jeu de données présenté dans ce papier est issu de l’application d’une méthode de spatialisation des achats des produits phytopharmaceutiques répertoriés dans la banque nationale des ventes de produits phytopharmaceutiques par les distributeurs agréés (BNV-D). Cette méthode permet de distribuer les quantités de produits ou de substances actives entre plusieurs catégories d’occupation des sols agricoles et non-agricoles. Grâce à la définition d’une dose spécifique aux produits et aux groupes d’occupation des sols, les quantités de produits peuvent être attribuées à des parcelles. La couche parcellaire sous-jacente est la plus complète possible en intégrant les données du RPG et du RPG complété ainsi que des informations sur des zones non-agricoles réceptrices de traitements. La spatialisation à la parcelle facilite le passage vers des unités géographiques autres que le code postal, échelle initiale des données de la BNV-D « Registre ». Du fait de son exhaustivité, il s’agit de l’exercice de spatialisation de la BNV-D le plus abouti à ce jour et à notre connaissance.
59Cependant, des limites de la méthode sont à prendre en compte lors de l’utilisation des données à des fins de recherche ou en appui aux politiques publiques. Certaines sont liées aux données à l’entrée alors que d’autres sont attribuables à la méthode de spatialisation choisie. Parmi ces dernières, les plus importantes sont : i) les divergences possibles entre les codes postaux sièges de la BNV-D et les codes postaux physiques des parcelles ; ii) des doses qui ne distinguent pas suffisamment les pratiques d’une culture à l’autre ; iii) la non-prise en compte des parcelles cultivées en agriculture biologique. Des pistes d’amélioration concernant ces 3 points sont à l’étude et donneront suite à de futures versions des données.
60Pour alimenter des futurs travaux statistiques en agronomie, économie ou épidémiologie, nous proposons ici une agrégation des résultats de la spatialisation à l’échelle de la commune. Cela augmente le nombre d’observations d’un peu moins de 6 000 codes postaux à plus de 34 000 communes et facilite l’interopérabilité avec d’autres bases de données.
61Les jeux de données sont intégrés dans une application R Shiny permettant la création à la volée des cartes et des graphiques ainsi que le téléchargement de l’ensemble ou des parties des données selon différents critères (substance, fonction, toxicité). Cette application est accessible à l’adresse suivant : https://shiny.sk8.inrae.fr/app_direct/odr-shiny-obnvds.
62Éléments communs :
-
séparateur : ";"
-
encodage : UTF-8
-
code des valeurs manquantes : "NA"
-
séparateur décimal : "."
63Convention de nommage des fichiers : Les fichiers sont organisés dans des dossiers selon leur millésime.
64Arborescence/plan de classement des fichiers :
65Le même plan s’applique aux données avec l’extension ‘.parquet.’
.
├── 2015
│ ├── bnvd_statut_2015.csv
│ ├── com_insee_famille_simple_qsa_2015.csv
│ ├── com_insee_occsol_2015.csv
│ ├── com_insee_amm_2015.csv
│ └── com_insee_qsa_2015.csv
├── 2016
│ ├── bnvd_statut_2016.csv
│ ├── com_insee_famille_simple_qsa_2016.csv
│ ├── com_insee_occsol_2016.csv
│ ├── com_insee_amm_2016.csv
│ └── com_insee_qsa_2016.csv
├── 2017
│ ├── bnvd_statut_2017.csv
│ ├── com_insee_famille_simple_qsa_2017.csv
│ ├── com_insee_occsol_2017.csv
│ ├── com_insee_amm_2017.csv
│ └── com_insee_qsa_2017.csv
├── 2018
│ ├── bnvd_statut_2018.csv
│ ├── com_insee_famille_simple_qsa_2018.csv
│ ├── com_insee_occsol_2018.csv
│ ├── com_insee_amm_2018.csv
│ └── com_insee_qsa_2018.csv
├── 2019
│ ├── bnvd_statut_2019.csv
│ ├── com_insee_famille_simple_qsa_2019.csv
│ ├── com_insee_occsol_2019.csv
│ ├── com_insee_amm_2019.csv
│ └── com_insee_qsa_2019.csv
├── 2020
│ ├── bnvd_statut_2020.csv
│ ├── com_insee_famille_simple_qsa_2020.csv
│ ├── com_insee_occsol_2020.csv
│ ├── com_insee_amm_2020.csv
│ └── com_insee_qsa_2020.csv
└── LISEZMOI.md
66Informations spécifiques aux données pour com_insee_occsol.csv/com_insee_occsol.parquet
67Fichier contenant les surfaces agrégées par commune et par classe d’occupation du sol.
68Liste des variables/entêtes de colonne :
-
com_insee : code de la commune (référentiel INSEE de 2018), cette valeur est déterminée pour chaque parcelle selon la commune d’appartenance de la majorité de leur superficie.
-
occsol : classe d’occupation des sols (groupes de cultures et zones non agricoles) (voir note méthodologique Ramalanjaona et al., 2020).
-
surf_ha : superficie géométrique (calculée) agrégée des parcelles concernées pour l’occupation des sols dans la commune ; en ha avec précision de 4 signes après le point décimal.
69Informations spécifiques aux données pour com_insee_amm.csv/com_insee_amm.parquet
70Fichier contenant les quantités de produits phyto spatialisées par commune.
71Liste des variables/entêtes de colonne :
-
com_insee : code de la commune (référentiel INSEE de 2018), cette valeur est déterminée pour chaque parcelle selon la commune d’appartenance de la majorité de leur superficie.
-
amm : numéro d’autorisation de mise sur le marché (AMM) des produits phytopharmaceutiques renseigné dans la BNV-D.
-
conditionnement : "kg/ha" ou "L/ha" selon la BNV-D (la partie "/ha" est ajoutée par commodité).
-
eaj : emploi autorisé dans les jardins (EAJ), "Oui" ou "Non", produits agréés pour le grand public information issue de la BNV-D.
-
quantite_produit : quantité du produit (unité précisée dans la colonne "conditionnement") issue de la BNVDs pour la commune.
72Fichier contenant les quantités de substances actives spatialisées par commune.
73Liste des variables/entêtes de colonne :
-
com_insee : code de la commune (référentiel INSEE de 2018), cette valeur est déterminée pour chaque parcelle selon la commune d’appartenance de la majorité de leur superficie.
-
substance : libellé de la substance active issu de la BNV-D.
-
cas : numéro CAS de la substance active issu de la BNV-D.
-
classification : issu de la BNV-D d’après les arrêtés annuels établissant la liste des substances actives soumises à la RPD ; pour 2015-2018 avec les modalités "N Organique", "N minéral", "T, T+, CMR", "Autre" ; pour 2019-2020 avec les modalités "Santé A", "Env B", "Env A", "CMR", "Autre".
-
classification_mention : issu de la BNV-D d’après les arrêtés annuels établissant la liste des substances actives soumises à la RPD ; "Substitution" ou "Exclusion".
-
code_sandre_substance : code Sandre de la substance issu de la BNV-D.
-
fonction_substance : fonction issue de la BNV-D avec les modalités suivantes "Fongicide", "Herbicide", "Herbicide – Antimousse", "Insecticide", "Insecticide – Acaricide", "Insecticide – Médiateur chimique", "Molluscicide", "Nématicide", "Rodenticide – Taupicide", "Régulateur de croissance", "Bactéricide – Virucide", "Autre usage – Répulsif", "Autre usage – Adjuvant", "Autre usage – Coformulant/Phytoprotecteur/Synergiste", "SA non phyto – Divers", "SA non phyto – Désinfectant – Biocide".
-
qsa : quantité de la substance active (en kg) issue de la BNVDs pour la commune.
74Fichier contenant les quantités de substances actives spatialisées par commune.
75Liste des variables/entêtes de colonne :
-
com_insee : code de la commune (référentiel INSEE de 2018), cette valeur est déterminée pour chaque parcelle selon la commune d’appartenance de la majorité de leur superficie.
-
famille_substance : fonction simplifiée avec les modalités suivantes "Fongicide", "Herbicide", "Insecticide" et "Autres".
-
qsa : quantité de la substance active (en kg) issue de la BNVDs nb_substances : nombre des substances agrégées au sein de la famille pour la commune.
76Liste des variables/entêtes de colonne :
-
code_postal_acheteur : code postal de l’acheteur déclaré dans la BNV-D.
-
amm : numéro d’autorisation de mise sur le marché (AMM) des produits phytopharmaceutiques renseigné dans la BNV-D.
-
quantite_substance : quantité de substance active contenue dans le produit.
-
statut : résultat de la spatialisation avec les modalités suivantes :
-
« Spatialisée » : la vente a été spatialisée avec succès ;
-
« Pas d’occsol récepteur » : la vente n’est pas spatialisée ; le code postal de la vente est connu pour la couche d’occupation des sols, mais il n’y a pas de parcelles potentiellement réceptrices (avec une occupation des sols ayant un usage autorisé pour cette AMM) de traitements pour le produit ;
-
« CP dispatché » : la vente est spatialisée ; le code postal de la vente n’est pas présent parmi ceux de la couche d’occupation des sols, mais la vente a été attribuée à un ou plusieurs codes postaux disposant de parcelles réceptrices de traitements ;
-
« Pas de possibilité de dispatcher le CP » : la vente n’est pas spatialisée ; impossible d’attribuer la vente à un autre code postal disposant de parcelles réceptrices ;
-
« CP inconnu pour l’occsol » : la vente n’est pas spatialisée ; son code postal n’a pas de commune INSEE associée selon les autres sources de données (SIRENE, base des données des codes postaux) ;
-
« CP à 00000 » : la vente n’est pas spatialisée ; code postal de l’acheteur non attribué à la vente lors de sa déclaration par les distributeurs ;
-
« AMM de stockage » : la vente n’est pas spatialisée ; produit ayant uniquement des usages autorisés pour le stockage (silos, etc.) et qui ne fait donc pas objet de la spatialisation sur le parcellaire agricole et non agricole ;
-
« AMM pas dans ephy » : la vente n’est pas spatialisée ; information sur les usages autorisés du produit non disponible dans la base de données E-phy ;
-
« Unités ephy et bnvd incompatibles pour le CP » : la vente n’est pas spatialisée ; disparité entre le conditionnement déclaré dans la BNV-D et celui d’E-phy ;
-
« QSA non renseignée » : la vente n’est pas spatialisée en termes de substances ; produit ne disposant pas de mesure de sa substance active.
77Les données en format « csv » sont accessibles ici : https://entrepot.recherche.data.gouv.fr/dataset.xhtml?persistentId=doi:10.57745/EJQWUZ.
78Les données en format « parquet » sont accessibles ici : https://entrepot.recherche.data.gouv.fr/dataset.xhtml?persistentId=doi:10.57745/FCQKYQ.
79Les auteurs expriment leur gratitude aux trois évaluateurs du papier pour leurs conseils précieux. Ce papier est le résultat d’un travail de longue haleine qui a mobilisé des nombreux scientifiques et experts. Ainsi, nous souhaitons remercier les membres du comité de pilotage : Remy Ballot, Corentin Barbu, Nolwenn Bougon, Antoine Camus, Marco Carozzi, Florence Fernandez, Laurence Guichard et Philippe Martin. Nous aimerions également mentionner les actuels et anciens membres de l’équipe de l’Observatoire du développement rural qui ont contribué au projet au fil des années : Pierre Cantelaube, Benjamin Lardot, Eric Cahuzac, Marie Carles, Pascal Filippi, Eva Groshens, Lovasoa Ramalanjaona, Claire Séard et Camille Truche.
80BNV-D Traçabilité : https://ventes-produits-phytopharmaceutiques.eaufrance.fr/
81E-Phy sur Data.gouv : https://www.data.gouv.fr/fr/datasets/donnees-ouvertes-du-catalogue-e-phy-des-produits-phytopharmaceutiques-matieres-fertilisantes-et-supports-de-culture-adjuvants-produits-mixtes-et-melanges/#/resources
82RPG via IGN : https://geoservices.ign.fr/rpg
83RPG complété : https://entrepot.recherche.data.gouv.fr/dataverse/odr_sysagri?q=&fq2=keywordValue_ss%3A%22RPG%2C+RPG+compl%C3%A9t%C3%A9%22&fq0=subtreePaths%3A%22%2F123960%2F9%2F123452%2F123672%22&fq1=dvObjectType%3A%28dataverses+OR+datasets%29&types=dataverses%3Adatasets&sort=dateSort&order=
84Statistiques agricoles annuelles : https://agreste.agriculture.gouv.fr/agreste-web/disaron/SAA-SeriesLongues/detail/
Extrait de 2020, lignes aléatoires de la région Centre
Extrait de 2020, lignes aléatoires de la région Bourgogne-Franche-Comté
Extrait de la table « produits_usages_utf8.csv »
Extrait de la table « permis_de_commerce_parallele_utf8.csv »
Tableau 18 : Produits et quantités de substances actives (en kg) sans dose spatialisable auxquels nous avons attribué une dose unique égale à 1 pour les cultures autorisées
|
AMM
|
QSA 2015
|
QSA 2016
|
QSA 2017
|
QSA 2018
|
QSA 2019
|
QSA 2020
|
|
2000097
|
1 299
|
988
|
40
|
47
|
68
|
566
|
|
2000124
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2000136
|
273
|
104
|
0
|
0
|
0
|
0
|
|
2000228
|
492
|
32
|
2
|
1
|
7
|
5
|
|
2000364
|
2
|
6
|
14
|
14
|
6
|
0
|
|
2000378
|
1 230
|
2
|
0
|
0
|
0
|
0
|
|
2000512
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2000536
|
41 256
|
5 794
|
3 544
|
3 452
|
3 904
|
3 702
|
|
2010121
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2010142
|
1
|
0
|
1
|
1
|
1
|
45
|
|
2010143
|
3 115
|
2 905
|
1 454
|
842
|
111
|
12
|
|
2010261
|
3 281
|
5 258
|
6 635
|
8 860
|
5 544
|
9 437
|
|
2010273
|
71
|
0
|
2
|
9
|
1
|
4
|
|
2010275
|
1
|
9
|
5
|
6
|
0
|
0
|
|
2010378
|
5
|
4
|
7
|
2
|
0
|
0
|
|
2010430
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2010439
|
84
|
68
|
243
|
45
|
0
|
0
|
|
2010495
|
82 299
|
84 038
|
52 928
|
13 694
|
3 786
|
2 993
|
|
2010585
|
1 893
|
1 960
|
1 919
|
969
|
10
|
0
|
|
2010604
|
15
|
0
|
0
|
0
|
0
|
0
|
|
2020002
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2020234
|
13 327
|
14 462
|
14 313
|
6 454
|
961
|
873
|
|
2020303
|
8
|
8
|
8
|
1
|
1
|
1
|
|
2020305
|
3
|
0
|
0
|
0
|
0
|
0
|
|
2020365
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2030056
|
6 415
|
193
|
4
|
4
|
0
|
11
|
|
2030069
|
5
|
3
|
1
|
0
|
0
|
0
|
|
2030070
|
2 339
|
2 395
|
1 202
|
212
|
87
|
82
|
|
2030072
|
21 948
|
20 956
|
15 568
|
3 529
|
1 074
|
701
|
|
2030073
|
35 814
|
38 657
|
31 589
|
10 410
|
6 687
|
2 560
|
|
2030110
|
6 540
|
10 705
|
16 147
|
7 017
|
2 969
|
1 182
|
|
2030169
|
80
|
4
|
0
|
0
|
0
|
0
|
|
2030173
|
133
|
87
|
0
|
16
|
3
|
0
|
|
2030226
|
998
|
1 252
|
1 395
|
1 532
|
1 045
|
71
|
|
2030406
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2030429
|
2 490
|
2 641
|
940
|
118
|
26
|
11
|
|
2030430
|
38 863
|
44 291
|
33 907
|
12 287
|
4 040
|
2 247
|
|
2040063
|
209
|
44
|
6
|
12
|
0
|
0
|
|
2040076
|
5
|
0
|
0
|
0
|
0
|
0
|
|
2040205
|
121
|
40
|
0
|
1
|
0
|
0
|
|
2040321
|
1
|
0
|
0
|
0
|
0
|
0
|
|
2040322
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2040323
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2040336
|
40 514
|
15 446
|
1 350
|
115
|
0
|
0
|
|
2050078
|
4 308
|
4 591
|
4 917
|
6 177
|
4 818
|
5 976
|
|
2050136
|
3 904
|
2 943
|
3 508
|
3 961
|
3 169
|
4 584
|
|
2050142
|
0
|
5
|
0
|
5
|
0
|
1
|
|
2060111
|
278
|
68
|
364
|
390
|
398
|
366
|
|
2060114
|
5 575
|
643
|
654
|
25
|
21
|
0
|
|
2060175
|
37 002
|
31 709
|
29 107
|
19 303
|
14 449
|
16 759
|
|
2080025
|
10 758
|
11 568
|
11 879
|
14 178
|
17 393
|
16 515
|
|
2080049
|
10 814
|
13 392
|
20 681
|
20 475
|
1
|
0
|
|
2080061
|
6 921
|
11 192
|
10 764
|
15 980
|
952
|
0
|
|
2080091
|
201
|
62
|
147
|
4
|
1
|
1
|
|
2090030
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2090051
|
20 556
|
19 184
|
22 171
|
24 602
|
12 860
|
4 221
|
|
2090062
|
210
|
48
|
15
|
0
|
12
|
0
|
|
2090109
|
491
|
1 171
|
2 141
|
835
|
12
|
35
|
|
2090146
|
2
|
3
|
5
|
6
|
10
|
17
|
|
2090160
|
495 941
|
1 679 818
|
3 169 104
|
3 949 044
|
2 624 836
|
1 830 687
|
|
2090163
|
73 495
|
86 481
|
110 678
|
139 671
|
130 492
|
104 937
|
|
2090169
|
59
|
28
|
20
|
9
|
14
|
17
|
|
2090200
|
30
|
53
|
62
|
39
|
31
|
43
|
|
2100035
|
196
|
122
|
40
|
68
|
0
|
0
|
|
2100036
|
594
|
1 087
|
971
|
249
|
102
|
76
|
|
2100124
|
1 438
|
25
|
2
|
0
|
0
|
0
|
|
2100154
|
59 210
|
107 120
|
1 678
|
183
|
186
|
222
|
|
2100175
|
429
|
801
|
850
|
791
|
719
|
1 133
|
|
2100208
|
2 509
|
2 326
|
3 236
|
2 294
|
1 626
|
8
|
|
2100241
|
78
|
162
|
116
|
304
|
48
|
56
|
|
2100242
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2110009
|
287
|
635
|
755
|
619
|
748
|
716
|
|
2110017
|
34
|
950
|
26
|
91
|
1
|
41
|
|
2110074
|
2
|
1
|
1
|
0
|
0
|
0
|
|
2110076
|
784
|
835
|
878
|
970
|
919
|
2 222
|
|
2110083
|
70
|
14
|
8
|
1
|
1
|
1
|
|
2110084
|
19
|
21
|
32
|
42
|
40
|
1
|
|
2110121
|
67 256
|
58 506
|
71 390
|
68 684
|
471
|
112
|
|
2110179
|
2 275
|
2 452
|
2 218
|
2 062
|
1 846
|
1 970
|
|
2120030
|
1 840
|
343
|
873
|
480
|
951
|
1 114
|
|
2120058
|
22 882
|
22 300
|
20 411
|
26 438
|
10 470
|
27 146
|
|
2120124
|
3
|
0
|
0
|
0
|
0
|
0
|
|
2120130
|
1 776
|
2 029
|
1 422
|
1 449
|
2 096
|
2 949
|
|
2130077
|
11 324
|
14 434
|
14 108
|
21 466
|
5 537
|
120
|
|
2130108
|
3 214
|
491
|
728
|
688
|
620
|
690
|
|
2130109
|
352
|
203
|
64
|
7
|
129
|
303
|
|
2130112
|
210
|
218
|
242
|
69
|
128
|
595
|
|
2130114
|
31
|
27
|
135
|
148
|
0
|
94
|
|
2130115
|
2 443
|
3 245
|
2 139
|
4 350
|
3 693
|
3 530
|
|
2130267
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2130272
|
145
|
186
|
184
|
191
|
95
|
47
|
|
2140041
|
14
|
21
|
28
|
105
|
78
|
11
|
|
2140043
|
942
|
6 581
|
17 147
|
32 919
|
39 412
|
5 775
|
|
2140044
|
829
|
941
|
2 661
|
10 926
|
2 091
|
611
|
|
2140086
|
2 278
|
5 268
|
7 656
|
11 655
|
10 657
|
7 602
|
|
2140093
|
8 262
|
131 108
|
300 357
|
357 993
|
326 626
|
593 259
|
|
2140143
|
0
|
0
|
0
|
0
|
60
|
13
|
|
2140146
|
0
|
0
|
0
|
0
|
0
|
849
|
|
2140215
|
9 157
|
8 839
|
15 351
|
15 835
|
12 592
|
15 351
|
|
2150086
|
27
|
334
|
338
|
455
|
378
|
432
|
|
2150105
|
0
|
0
|
0
|
0
|
3 571
|
5 352
|
|
5900316
|
0
|
0
|
0
|
0
|
0
|
0
|
|
5900368
|
4 791
|
7 447
|
7 830
|
4 625
|
2 096
|
2 197
|
|
6000328
|
0
|
0
|
0
|
0
|
0
|
0
|
|
6600397
|
43
|
30
|
14
|
69
|
45
|
29
|
|
7000169
|
1
|
1
|
0
|
0
|
0
|
0
|
|
7200137
|
0
|
0
|
0
|
0
|
0
|
0
|
|
7400610
|
0
|
0
|
24
|
21
|
0
|
0
|
|
7400634
|
30
|
37
|
154
|
16
|
6
|
10
|
|
7400636
|
19
|
0
|
6
|
0
|
0
|
0
|
|
7400648
|
1
|
0
|
0
|
0
|
0
|
0
|
|
7400649
|
10
|
5
|
0
|
0
|
0
|
0
|
|
7400758
|
0
|
0
|
0
|
0
|
0
|
0
|
|
7500589
|
0
|
0
|
0
|
0
|
0
|
0
|
|
7700385
|
149 843
|
213 690
|
104 040
|
66 300
|
0
|
0
|
|
7700788
|
0
|
0
|
0
|
0
|
0
|
0
|
|
7800552
|
29
|
0
|
0
|
0
|
0
|
0
|
|
8100268
|
32
|
0
|
0
|
0
|
0
|
0
|
|
8100315
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8100345
|
9 246
|
10 455
|
11 170
|
14 527
|
21 185
|
19 926
|
|
8100462
|
2 531
|
2 232
|
1 625
|
1 371
|
983
|
1 303
|
|
8400215
|
51 802
|
13 984
|
6 163
|
148
|
0
|
0
|
|
8400276
|
4
|
0
|
0
|
0
|
0
|
0
|
|
8400364
|
0
|
0
|
106
|
62
|
5
|
3
|
|
8400539
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8400549
|
163
|
38
|
4
|
0
|
0
|
0
|
|
8500183
|
63
|
45
|
14
|
1
|
0
|
0
|
|
8500347
|
19
|
18
|
3
|
4
|
0
|
0
|
|
8500348
|
1
|
0
|
0
|
1
|
0
|
0
|
|
8500351
|
36
|
8
|
3
|
1
|
1
|
1
|
|
8500352
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8600027
|
12 050
|
12 437
|
12 354
|
16 439
|
6 216
|
58
|
|
8600110
|
2
|
0
|
0
|
0
|
0
|
0
|
|
8600349
|
1 256
|
858
|
773
|
616
|
607
|
417
|
|
8600395
|
1 493
|
931
|
820
|
881
|
827
|
890
|
|
8600659
|
0
|
0
|
0
|
0
|
0
|
1
|
|
8700111
|
1 404
|
1 255
|
1 006
|
1 046
|
1 031
|
1 261
|
|
8700155
|
1
|
1
|
1
|
1
|
1
|
0
|
|
8700304
|
1 457
|
737
|
386
|
220
|
132
|
74
|
|
8700305
|
127
|
186
|
217
|
167
|
46
|
1
|
|
8700542
|
51 798
|
77 045
|
599
|
34
|
0
|
0
|
|
8800001
|
55
|
65
|
22
|
82
|
20
|
12
|
|
8800108
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8800335
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8800423
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8800499
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8800519
|
4 696
|
4 506
|
4 039
|
3 840
|
4 000
|
3 702
|
|
8800550
|
16
|
0
|
0
|
0
|
0
|
0
|
|
8800941
|
60 009
|
43 056
|
47 934
|
30 285
|
15 247
|
2 899
|
|
8900124
|
2
|
142
|
127
|
116
|
0
|
0
|
|
8900132
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8900685
|
953
|
805
|
800
|
828
|
840
|
4 367
|
|
8900692
|
216
|
367
|
15
|
0
|
1
|
0
|
|
9000001
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9000319
|
203
|
141
|
281
|
34
|
1
|
0
|
|
9000359
|
93
|
34
|
24
|
12
|
623
|
520
|
|
9000360
|
198
|
143
|
78
|
71
|
62
|
61
|
|
9000361
|
2 896
|
2 344
|
2 323
|
1 881
|
1 844
|
1 347
|
|
9000362
|
2 912
|
1 594
|
2 064
|
861
|
1 709
|
70
|
|
9000834
|
17 429
|
18 821
|
19 081
|
17 085
|
42
|
4
|
|
9100650
|
12 054
|
5 387
|
5 138
|
1 373
|
217
|
160
|
|
9200058
|
0
|
2
|
1
|
1
|
1
|
0
|
|
9200062
|
0
|
1
|
1
|
1
|
0
|
0
|
|
9200145
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9200370
|
169
|
242
|
0
|
0
|
0
|
0
|
|
9200379
|
1 125
|
1 284
|
1 588
|
2 203
|
1 673
|
3 246
|
|
9200380
|
2 310
|
2 870
|
3 375
|
5 178
|
2 811
|
8 745
|
|
9200392
|
9 032
|
6 936
|
6 941
|
186
|
42
|
121
|
|
9200520
|
599
|
0
|
0
|
0
|
0
|
0
|
|
9200532
|
19 223
|
20 894
|
19 792
|
19 644
|
16 308
|
8 538
|
|
9300065
|
11 711
|
20 599
|
23 753
|
5 623
|
48 557
|
28 721
|
|
9300214
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9300379
|
3
|
1
|
0
|
0
|
0
|
0
|
|
9400008
|
6 901
|
6 189
|
7 660
|
5 871
|
4 402
|
4 863
|
|
9400235
|
3 418
|
1 929
|
1 099
|
453
|
281
|
285
|
|
9400246
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9400458
|
1 069
|
215
|
114
|
4
|
6
|
5
|
|
9400459
|
324
|
286
|
236
|
273
|
272
|
0
|
|
9400460
|
8 827
|
11 899
|
11 800
|
3 709
|
4 415
|
14 726
|
|
9400462
|
105
|
125
|
105
|
88
|
75
|
61
|
|
9400495
|
19 665
|
16 245
|
1 549
|
787
|
21
|
2 312
|
|
9500088
|
38
|
30
|
13
|
3
|
0
|
0
|
|
9500122
|
3
|
0
|
0
|
1
|
0
|
0
|
|
9500135
|
28 955
|
32 110
|
23 763
|
13 808
|
2 540
|
29
|
|
9500296
|
52
|
33
|
40
|
114
|
27
|
27
|
|
9500467
|
85
|
64
|
100
|
40
|
110
|
80
|
|
9500648
|
220
|
0
|
0
|
0
|
0
|
0
|
|
9600510
|
2 469
|
45
|
15
|
11
|
5
|
179
|
|
9700192
|
30
|
66
|
0
|
33
|
0
|
53
|
|
9800125
|
2
|
0
|
0
|
0
|
0
|
0
|
|
9800129
|
2 176
|
0
|
0
|
0
|
0
|
0
|
|
9800201
|
19 068
|
33 718
|
15 917
|
6 824
|
5 043
|
3 085
|
|
9800207
|
219
|
156
|
155
|
155
|
139
|
135
|
|
9800255
|
1
|
2
|
0
|
0
|
0
|
0
|
|
9800350
|
35
|
188
|
100
|
22
|
0
|
2
|
|
9800481
|
35 544
|
45 289
|
46 130
|
32 530
|
51 959
|
51 283
|
|
9900018
|
1
|
0
|
0
|
0
|
0
|
0
|
|
9900019
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9900023
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9900123
|
642
|
690
|
419
|
307
|
431
|
352
|
|
9900276
|
247
|
434
|
6
|
5
|
0
|
0
|
|
9900277
|
3
|
6
|
0
|
0
|
0
|
0
|
|
9900333
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9900350
|
26 570
|
23 938
|
23 156
|
23 190
|
0
|
0
|
|
9900352
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9900371
|
7 321
|
2 484
|
1 816
|
1 132
|
1 082
|
624
|
|
2000041
|
0
|
3
|
0
|
0
|
0
|
2
|
|
2000300
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2010124
|
0
|
13
|
0
|
10
|
0
|
0
|
|
2040120
|
0
|
13
|
0
|
0
|
0
|
8
|
|
2040121
|
0
|
6
|
11
|
10
|
12
|
5
|
|
2040140
|
0
|
6
|
2
|
1
|
0
|
0
|
|
2090141
|
0
|
4 406
|
19 645
|
13 448
|
4 883
|
14
|
|
2100105
|
0
|
1
|
0
|
1
|
0
|
0
|
|
2130123
|
0
|
25
|
0
|
0
|
0
|
0
|
|
2140091
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2150068
|
0
|
6
|
8
|
0
|
22
|
34
|
|
2150112
|
0
|
22
|
157
|
7 285
|
4 700
|
4 648
|
|
2150179
|
0
|
74
|
360
|
758
|
1 009
|
1 032
|
|
2160230
|
0
|
47
|
36
|
37
|
108
|
68
|
|
2160273
|
0
|
265
|
1 713
|
2 057
|
690
|
213
|
|
2160423
|
0
|
4
|
119
|
536
|
413
|
1 200
|
|
2160704
|
0
|
1 562
|
124 388
|
229 363
|
145 397
|
101 008
|
|
8500353
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8500354
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8500616
|
0
|
5
|
81
|
0
|
0
|
0
|
|
8700127
|
0
|
7
|
0
|
0
|
0
|
0
|
|
9100500
|
0
|
1
|
0
|
0
|
0
|
0
|
|
9200056
|
0
|
1
|
0
|
0
|
0
|
0
|
|
9800097
|
0
|
2
|
0
|
0
|
0
|
0
|
|
2030074
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2100130
|
0
|
0
|
8
|
0
|
0
|
0
|
|
2150847
|
0
|
0
|
11
|
29
|
27
|
26
|
|
2160321
|
0
|
0
|
6
|
7
|
10
|
0
|
|
2160383
|
0
|
0
|
49
|
9
|
23
|
17
|
|
2160944
|
0
|
0
|
1 334
|
1 759
|
830
|
1 217
|
|
2160960
|
0
|
0
|
56 322
|
110 352
|
84 822
|
163 886
|
|
2161035
|
0
|
0
|
3
|
61
|
275
|
138
|
|
2170042
|
0
|
0
|
288
|
5 184
|
8 991
|
91 456
|
|
2170230
|
0
|
0
|
2
|
435
|
546
|
1 054
|
|
2170434
|
0
|
0
|
6
|
135
|
788
|
1 102
|
|
2170752
|
0
|
0
|
119
|
296
|
409
|
1 675
|
|
2170902
|
0
|
0
|
495
|
76 554
|
46 169
|
53 422
|
|
2171126
|
0
|
0
|
7
|
160
|
396
|
474
|
|
2171253
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8400175
|
0
|
0
|
30
|
0
|
0
|
0
|
|
9400130
|
0
|
0
|
28
|
0
|
0
|
0
|
|
9400332
|
0
|
0
|
4
|
0
|
0
|
0
|
|
9500444
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2040084
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2060046
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2150175
|
0
|
0
|
0
|
46
|
9
|
16
|
|
2160929
|
0
|
0
|
0
|
739
|
586
|
600
|
|
2170392
|
0
|
0
|
0
|
25
|
27
|
1
|
|
2170711
|
0
|
0
|
0
|
206
|
352
|
435
|
|
2170785
|
0
|
0
|
0
|
1 624
|
2 020
|
1 739
|
|
2170907
|
0
|
0
|
0
|
17 468
|
23 549
|
43 099
|
|
2170960
|
0
|
0
|
0
|
69
|
77
|
80
|
|
2180124
|
0
|
0
|
0
|
72
|
1 004
|
11 051
|
|
2180703
|
0
|
0
|
0
|
113
|
3 051
|
6 300
|
|
2189997
|
0
|
0
|
0
|
0
|
0
|
0
|
|
8700460
|
0
|
0
|
0
|
1
|
1
|
0
|
|
9900229
|
0
|
0
|
0
|
30
|
0
|
0
|
|
2090145
|
0
|
0
|
0
|
0
|
0
|
0
|
|
2120105
|
0
|
0
|
0
|
0
|
8
|
9
|
|
2170713
|
0
|
0
|
0
|
0
|
594
|
183
|
|
2170871
|
0
|
0
|
0
|
0
|
17 741
|
338
|
|
2180226
|
0
|
0
|
0
|
0
|
220
|
144
|
|
2180257
|
0
|
0
|
0
|
0
|
14
|
7
|
|
2180436
|
0
|
0
|
0
|
0
|
52
|
127
|
|
2180549
|
0
|
0
|
0
|
0
|
12
|
160
|
|
2180766
|
0
|
0
|
0
|
0
|
90
|
77
|
|
2190215
|
0
|
0
|
0
|
0
|
1 387
|
1 203
|
|
9300094
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9500460
|
0
|
0
|
0
|
0
|
1
|
0
|
|
2040003
|
0
|
0
|
0
|
0
|
0
|
9
|
|
2060107
|
0
|
0
|
0
|
0
|
0
|
6
|
|
2100070
|
0
|
0
|
0
|
0
|
0
|
1
|
|
2150077
|
0
|
0
|
0
|
0
|
0
|
3
|
|
2190311
|
0
|
0
|
0
|
0
|
0
|
2 055
|
|
2200078
|
0
|
0
|
0
|
0
|
0
|
0
|
|
9200176
|
0
|
0
|
0
|
0
|
0
|
0
|
Carte 7 : Source des parcelles du code postal 51190 en 2020
Figure 9 : Complémentarité RPG et RPG complété à l’échelle du code postal 51190 en 2020
Tableau 19 : Nombre de parcelles et surfaces en kha par groupe de cultures, RPG et RPG complété, 2020 France métropolitaine
|
Groupe de cultures
|
Libellé
|
RPG + RPG complété surface (en 1 000 ha)
|
RPG
|
RPG complété
|
|
Nombre de parcelles
|
Surface (en 1 000 ha)
|
Part du total
|
Nombre de parcelles
|
Surface (en 1 000 ha)
|
Part du total
|
|
PP
|
Prairies permanentes
|
8 879,3
|
3 053 607
|
7 785
|
88 %
|
2 879 205
|
1 094
|
12 %
|
|
BLE
|
Blé
|
4 806,9
|
963 079
|
4 767
|
99 %
|
73 533
|
40
|
1 %
|
|
MAIS
|
Maïs
|
3 308,7
|
932 840
|
3 281
|
99 %
|
48 866
|
28
|
1 %
|
|
STH
|
Surfaces toujours en herbe
|
2 520,1
|
326 451
|
2 227
|
88 %
|
842 051
|
293
|
12 %
|
|
ORGE
|
Orge
|
1 974,3
|
424 040
|
1 969
|
100 %
|
8 783
|
5
|
0 %
|
|
PT
|
Prairies temporaires
|
1 800,0
|
703 561
|
1 463
|
81 %
|
864 414
|
337
|
19 %
|
|
COLZA
|
Colza
|
1 113,3
|
182 900
|
1 111
|
100 %
|
4 266
|
3
|
0 %
|
|
LFOURR
|
Légumineuses fourrage
|
812,3
|
298 761
|
812
|
100 %
|
15
|
0
|
0 %
|
|
TOUR
|
Tournesol
|
780,9
|
164 177
|
776
|
99 %
|
7 831
|
5
|
1 %
|
|
VIGNES
|
Vignes
|
781,9
|
481 932
|
587
|
75 %
|
625 921
|
195
|
25 %
|
|
GEL
|
Gel/friches
|
491,5
|
523 001
|
469
|
95 %
|
67 526
|
23
|
5 %
|
|
BETT
|
Betterave
|
429,8
|
58 647
|
430
|
100 %
|
59
|
0
|
0 %
|
|
CEREALES
|
Céréales
|
292,5
|
108 980
|
287
|
98 %
|
9 579
|
5
|
2 %
|
|
LEGU
|
Légumes
|
251,5
|
111 665
|
219
|
87 %
|
126 685
|
33
|
13 %
|
|
PDT
|
Pommes de terre
|
211,8
|
50 766
|
212
|
100 %
|
|
|
0 %
|
|
POIS
|
Pois
|
201,1
|
36 255
|
201
|
100 %
|
|
|
0 %
|
|
SOJA
|
Soja
|
187,0
|
44 401
|
186
|
100 %
|
1 566
|
1
|
0 %
|
|
FIBRE
|
Cultures pour fibres
|
158,8
|
25 015
|
159
|
100 %
|
343
|
0
|
0 %
|
|
VERGERS
|
Vergers
|
174,1
|
88 425
|
122
|
70 %
|
127 331
|
52
|
30 %
|
|
FOURR
|
Fourrages
|
101,0
|
43 063
|
89
|
88 %
|
9 023
|
12
|
12 %
|
|
FEV
|
Féveroles
|
75,8
|
19 375
|
76
|
100 %
|
|
|
0 %
|
|
INDUS
|
Cultures industrielles
|
73,1
|
34 532
|
71
|
97 %
|
3 230
|
2
|
3 %
|
|
LGRAIN
|
Légumineuses grain
|
59,0
|
15 855
|
59
|
100 %
|
|
|
0 %
|
|
PROTEA
|
Protéagineux
|
47,8
|
12 099
|
47
|
99 %
|
727
|
0
|
1 %
|
|
COQUE
|
Fruits à coque
|
47,9
|
34 181
|
46
|
97 %
|
4 341
|
2
|
3 %
|
|
OLEA
|
Oléagineux
|
38,9
|
7 373
|
39
|
100 %
|
289
|
0
|
0 %
|
|
RIZ
|
Riz
|
14,5
|
1 703
|
15
|
100 %
|
|
|
0 %
|
|
OLIVE
|
Oliveraies
|
17,2
|
18 294
|
13
|
75 %
|
13 670
|
4
|
25 %
|
|
DIVERS
|
Divers
|
2,3
|
|
|
0 %
|
3 846
|
2
|
100 %
|
|
SEMENCES
|
Cultures pour semences
|
0,1
|
|
|
0 %
|
64
|
0
|
100 %
|
|
TOTAL
|
|
29 653,1
|
8 764 978
|
27 516
|
93 %
|
5 723 164
|
2 137
|
7 %
|
Tableau 20 : Temps de calcul d’exécution des scripts de construction des bases
|
Traitements
|
Tables plus importantes
|
Script
|
Espace
|
Temps de calcul
|
|
Construction de l’occsol
|
parcelles
|
src/01.occsol.py
|
> 30 Go
|
2 h
|
|
Calcul des doses
|
amm_cult_dhmed, amm_occsol_dhref, amm_occsol_dhref_2, amm_surf_cp
|
src/03.Calc_coef.R
|
> 4 Go
|
< 1 h
|
|
Calcul des coefficients
|
coef_amm_cp
|
src/03.Calc_coef.R
|
> 6 Go
|
< 1 h
|
|
Spatialisation des quantités
|
bnvd_amm, bnvd_amm_cor, bnvd_sa, bnvd_sa_cor, correctif_cp_coef, com_adm_occsol
|
src/02.BNVd.R src/04.BNVd_corrige_cp.R src/05.Precalcul_com_adm.py
|
< 500 Mo
|
< 1 h
|
|
Agrégation selon l’échelle ciblée
|
com_adm_occsol_amm, com_adm_occsol_qsa
|
src/05.Precalcul_com_adm.py
|
> 4 Go
|
< 1 h
|
Carte 8 : Nombre de communes par code postal et part de SAU associée
85La Carte 8 est à l’échelle des codes postaux. Ces derniers sont regroupés en 4 catégories, ceux qui ne contiennent qu’une seule commune (1 820 codes postaux), les codes postaux qui concernent entre 2 et 4 communes (1 496 codes postaux), ceux qui ont entre 5 et 9 communes (1 382 codes postaux) et enfin ceux qui ont 10 communes et plus (1 350 codes postaux). Pour ces trois catégories, la version ouverte représente un gain de précision sous couvert des hypothèses de spatialisation. Pour chaque catégorie est également indiqué le pourcentage de la SAU de l’ensemble des codes postaux de la classe. On constate que les codes postaux qui ne concernent qu’une seule commune ne représentent que 3,9 % de la SAU de France métropolitaine, tandis que les codes postaux englobant dix communes ou plus contiennent 57 % de la SAU de France métropolitaine. Les codes postaux qui sont représentés ici sont les codes postaux hors CEDEX.