Une analyse des données satellitaires montre que les écosystèmes secs, qui couvrent 40 % des terres émergées et nourrissent plus de deux milliards de personnes, connaissent des cycles de verdure de plus en plus instables. Le phénomène « boom‑and‑bust » pourrait accélérer la désertification et modifier les stratégies d’adaptation climatique.
Les images du programme Copernicus ont capté, entre 2000 et 2025, une hausse de 15 % de la variabilité de la couverture végétale dans les zones arides du Sahel, de l’Australie et du Sud‑Ouest américain. Ce n’est pas simplement un « verdissement » ponctuel : les zones passent rapidement d’un pic de productivité à un effondrement brutal, un schéma que les chercheurs qualifient de dynamique « boom‑and‑bust ».
Ce que l'étude révèle : résultats précis et chiffres clés
Selon l’étude publiée dans Nature Climate Change, 40 % de la surface terrestre, soit près de 150 millions de km², appartient à la catégorie des drylands. Ces régions soutiennent plus de deux milliards d’habitants, principalement à travers l’agriculture de subsistance et l’élevage. L’analyse des indices de végétation (NDVI) montre que la fréquence des épisodes de « boom », où la productivité augmente de plus de 30 % par rapport à la moyenne décennale, a doublé depuis le début du siècle. En revanche, les phases de « bust », marquées par une chute de plus de 25 % de la même métrique, se sont allongées de 20 %.
Les auteurs soulignent que ces fluctuations ne sont pas uniformes : les zones les plus exposées aux variations de précipitations annuelles, comme le Sahel occidental, affichent les écarts les plus prononcés. Par ailleurs, les modèles de prévision climatique de l’ECMWF, enrichis de réseaux de neurones, confirment que l’incertitude de prévision des précipitations dans ces régions a augmenté de 0,8 à 1,2 mm jour⁻¹, accentuant le caractère imprévisible du phénomène.
Méthode de recherche et données utilisées
L’équipe a combiné plusieurs sources de données satellitaires : les observations optiques de Sentinel‑2, les mesures thermiques de MODIS et les produits radar de Sentinel‑1. Ces flux, couvrant plus de 25 ans, ont été harmonisés grâce à un modèle prédictif basé sur l’apprentissage automatique, similaire à GraphCast, qui intègre à la fois les variables atmosphériques (température, humidité, flux de chaleur) et les caractéristiques du sol.
Pour réduire le bruit lié aux capteurs, les chercheurs ont appliqué un réseau de neurones convolutionnel entraîné sur les séries temporelles du Copernicus Climate Change Service. Ce réseau, calibré avec les données in‑situ de stations météorologiques et de tours d’observation, a permis de distinguer les variations climatiques des artefacts instrumentaux. L’incertitude de prévision a été quantifiée en comparant les sorties du modèle avec les observations réelles, offrant ainsi une marge d’erreur moyenne de ± 12 % sur les estimations de NDVI.
En complément, les simulations de Pangu‑Weather, un autre modèle IA de prévision atmosphérique, ont été exploitées pour projeter les scénarios de précipitations futures. Cette approche hybride – données satellitaires + IA – a fourni une résolution spatiale de 1 km, suffisante pour identifier les micro‑refuges où la végétation persiste malgré la sécheresse générale.
Explication scientifique du phénomène « boom‑and‑bust »
Le phénomène résulte d’une interaction complexe entre la variabilité des précipitations, la capacité de rétention d’eau du sol et la réponse physiologique des plantes. Dans les drylands, la plupart des précipitations arrivent sous forme d’épisodes intenses et espacés. Lorsqu’une averse dépasse le seuil d’infiltration du sol, elle alimente rapidement la couche superficielle, déclenchant une poussée de croissance végétale qui se traduit par un pic de NDVI supérieur à 30 % de la moyenne. Cette phase de « boom » est toutefois de courte durée : l’évapotranspiration élevée, combinée à une faible capacité de stockage du sol, conduit à un assèchement rapide, provoquant la chute brutale du signal végétal, d’où la phase de « bust ».
Les modèles climatiques intégrant l’IA montrent que le réchauffement global augmente la fréquence des événements extrêmes (pluies intenses suivies de longues périodes sèches). Cette évolution renforce la cyclicité observée, car chaque averse crée un potentiel de « boom », mais la tendance à des intervalles plus longs entre les précipitations prolonge les périodes de « bust ». L’augmentation de l’incertitude des prévisions de précipitations (de 0,8 à 1,2 mm jour⁻¹) reflète la difficulté croissante à anticiper ces oscillations.
Impacts régionaux et conseils pratiques
Sahel occidental : La variabilité accrue menace les cultures de mil et de sorgho, qui constituent la base de l’alimentation de plusieurs millions de personnes. Les agriculteurs constatent que les rendements peuvent doubler après une forte pluie, pour retomber à moins de la moitié après la même période sèche. Une adaptation recommandée consiste à instaurer des systèmes de collecte d’eau de pluie et des réservoirs souterrains capables de couvrir les phases de « bust » prolongées.
Australie intérieure : Les pâturages destinés à l’élevage ovins et bovins subissent des fluctuations similaires. Les gestionnaires de bétail sont encouragés à diversifier les espèces animales, à introduire des races plus tolérantes à la sécheresse et à mettre en place des pâturages rotatifs qui exploitent les micro‑refuges identifiés à l’échelle du kilomètre carré.
Sud‑Ouest des États‑Unis : Les cultures de maïs et de blé, déjà sensibles aux sécheresses, voient leurs rendements osciller fortement. Les agriculteurs peuvent profiter des alertes précoces basées sur les données en temps réel de Copernicus pour ajuster les calendriers d’irrigation et choisir des variétés à cycle court qui maximisent la production pendant les fenêtres de « boom ».
Dans toutes ces régions, les autorités locales sont invitées à intégrer les prévisions d’incertitude (0,8‑1,2 mm jour⁻¹) dans les plans de gestion de l’eau, afin de dimensionner correctement les capacités de stockage et d’éviter la surexploitation des nappes phréatiques pendant les périodes de « bust ».
Comparaison avec des épisodes passés
Les données de 2000‑2005 montrent déjà une première manifestation du schéma « boom‑and‑bust », avec des hausses de NDVI d’environ 20 % suivies de baisses similaires. Depuis le milieu de la décennie 2010, la fréquence des « boom » a doublé, comme indiqué par l’étude, et les phases de « bust » se sont allongées de 20 %. Cette évolution confirme que le phénomène, observé il y a plus de vingt ans, s’est intensifié au fil du temps, sans qu’une tendance linéaire de verdissement ne domine.
Ce que ça change : implications pour la science et le grand public
Le caractère cyclique du « boom‑and‑bust » remet en question la vision traditionnelle d’une progression linéaire du verdissement des drylands sous l’effet du réchauffement. Au lieu d’une simple tendance à la hausse, les écosystèmes secs semblent osciller entre des phases de récupération rapide et des rechutes sévères, amplifiées par l’augmentation de l’incertitude des précipitations.
Pour les décideurs, cela signifie que les programmes de reforestation ou de gestion de l’eau doivent intégrer une marge de sécurité plus importante. Les projets d’irrigation, par exemple, devraient prévoir des capacités de stockage capables de couvrir les périodes de « bust » prolongées, afin d’éviter l’épuisement des ressources hydriques locales.
Enfin, la méthodologie démontrée par l’étude ouvre la voie à des systèmes d’alerte précoce basés sur l’IA. En combinant les flux de données en temps réel de Copernicus avec des modèles prédictifs comme GraphCast, il serait possible d’anticiper les prochains « boom » et d’alerter les agriculteurs avant que la végétation ne retombe, réduisant ainsi les pertes de récoltes et les risques de famine.
Perspectives futures
Les auteurs prévoient que, si la variabilité des précipitations continue d’augmenter, la dynamique « boom‑and‑bust » pourrait s’amplifier, rendant les drylands encore plus imprévisibles. L’intégration de modèles IA plus sophistiqués, associée à un réseau plus dense de stations in‑situ, permettra d’affiner les prévisions et de réduire l’incertitude actuelle de ± 12 % sur le NDVI. À moyen terme, la combinaison de ces technologies avec des politiques de gestion de l’eau résilientes pourrait atténuer les impacts sur les deux milliards de personnes qui dépendent de ces territoires.
Cet article vous a-t-il été utile ?
