Risk4DRaptors : Prédire les risques de collision des grands oiseaux avec les infrastructures aériennes

Risk4DRaptors: Predicting the risk of large bird collisions with windfarms and electric lines.

• Auteur / Autrice : Arzhela Hemery
• Direction : Aurelien Besnard
• Type : Projet de thèse
• Discipline(s) : Biologie des populations, génétique et éco-éthologie
• Date : Inscription en doctorat le 01/12/2021
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale de l'École pratique des hautes études
• Partenaire(s) de recherche : Laboratoire : CEFE - Centre d'Ecologie Fonctionnelle et Evolutive
• Partenaire(s) de recherche : établissement opérateur d'inscription : École pratique des hautes études (Paris ; 1868-....)

Mots clés

Mots clés libres

Lignes électriques

Collisions

Eoliennes

Rapaces

Windfarms

Collisions

Electric lines

Raptors

Résumé

Dans un contexte de changement climatique global et de lutte contre celui-ci par les gouvernements, l'utilisation des énergies renouvelables est la piste privilégiée pour effectuer une transition énergétique moins consommatrice d'énergies fossiles. C'est dans le cadre de cette stratégie que les parcs éoliens, de même que les parcs de panneaux photovoltaïques, sont en plein essor. Leurs nombres augmentent en effet fortement en France ces dernières années. La loi de Programmation Pluriannuelle de l'Énergie (PPE 2019-2023) prévoit de doubler cette capacité de production d'ici à 2024. Cependant, cette transition vers les énergies renouvelables, et notamment vers l'éolien, a des conséquences sur l'environnement et particulièrement sur la biodiversité. Les oiseaux et les chiroptères sont les principaux groupes taxonomiques impactés négativement par ces infrastructures. En effet, ces infrastructures représentent des barrières pour lesquelles les grands oiseaux ne possèdent pas de réponse comportementale adaptée, et qui s'avèrent souvent mortelles en cas de contact. Lorsqu'elles concernent des espèces à longue durée de vie comme les grands rapaces, les mortalités induites ont un impact majeur sur la dynamique de ces populations puisque cette dynamique est très sensible aux variations des taux de survie des adultes. Les grands rapaces font par ailleurs parti des espèces classées comme les plus fréquemment impactées par les collisions. Ces infrastructures ont aussi des conséquences indirectes sur les populations en réduisant l'habitat disponible et en modifiant l'accès à des espaces vitaux. De par ces risques, les aménageurs et les porteurs de projet doivent, pour ces espèces protégées, se placer dans le cadre de la séquence « Eviter-Réduire-Compenser ». Pourtant, pour de telles espèces occupant de très vastes domaines vitaux, il est complexe d'identifier, par de simples visites sur le terrain, à la fois les zones de moindre impact pour « Eviter » mais aussi les zones à fort risque pour « Réduire » ou « Compenser ». Comprendre comment les populations d'espèces ayant un usage de l'espace aérien les exposant aux infrastructures anthropiques exploitent cet espace et comprendre comment ces infrastructures influent sur cette utilisation de l'espace est donc crucial pour prédire l'impact de futurs aménagements et mitiger ces impacts notamment à travers une implantation minimisant les risques de collision ou d'altération de l'espace vital aérien (Eviter) ou en priorisant l'équipement d'infrastructures existantes à l'aide de dispositifs d'effarouchement (Réduire). Depuis une vingtaine d'années, le risque de mortalité par collision est très étudié pour différentes espèces et notamment les rapaces. Ces études se basent très souvent sur des décomptes de cadavres pour estimer un taux de mortalité et modéliser le risque de collision. Cependant, des auteurs ont montré que ces modèles étaient difficilement généralisables à large échelle du fait du type de paramètres utilisés qui sont très contexte-dépendants. Ils préconisent d'utiliser des données de télémétrie 3D, une technologie de plus en plus abordable, pour étudier finement les risques de collision. Le nombre d'études utilisant de telles données pour modéliser, voire prédire, le risque de collision des grands rapaces avec les infrastructures aériennes croit rapidement. Cependant les études existantes se basent soit sur des données d'habitat et de topographie, soit sur des données d'aérologie, mais aucun modèle ne combine actuellement ces deux déterminants majeurs de l'usage de l'espace aérien par les grands oiseaux. Or, comprendre et prédire le risque de collision des oiseaux avec les infrastructures aériennes implique de comprendre l'utilisation de l'espace en quatre dimensions par les oiseaux : trois dimensions spatiales (où et à quelle altitude ?), et leurs variations au cours du temps (quand ?). Le présent projet de recherche se propose donc de développer des modèles pour prédire quels sont les zones présentant un risque fort d'impact négatif sur les populations de grands rapaces lors de la création de nouvelles infrastructures. Les résultats de ces modèles seront déclinés en un outil opérationnel à destination des aménageurs d'infrastructures, des collectivités territoriales ou d'espaces protégés, et la démarche sera réplicable aux autres grands planeurs de manière générale. Le principe général du modèle reposera sur un processus itératif dont les étapes successives seraient : i) Une modélisation de l'utilisation de l'espace en 4D à partir de la mutualisation d'un ensemble de données déjà disponibles pour une espèce « test », ii) Une prédiction des secteurs à risque issue de cette modélisation pour permettre l'évitement voire du micro-siting (ajustement de la position d'une infrastructure), iii) Une évaluation de la qualité des prédictions de ce modèle par le biais de l'équipement d'oiseaux supplémentaires à travers certains projets d'aménagements, et iv) Une amélioration des prédictions du modèle au fur et à mesure que de nouvelles données sont collectées. Ce travail devrait permettre à la fois de maximiser l'utilisation des données disponibles par leur mutualisation à l'échelle nationale, et de réduire la nécessité d'équiper de nouveaux individus dès lors que les prédictions de risque seront considérées comme fiables. Cette démarche présente l'intérêt de rendre la démarche globale plus respectueuse des animaux (éthique), d'augmenter la pertinence scientifique (mutualisation des données permettant une plus grande généralisation des résultats), mais aussi de réduire les budgets pour les opérateurs en évitant d'équiper plus d'oiseaux que nécessaire. Les différentes étapes précédentes fourniront un modèle permettant de prédire l'utilisation de l'habitat en 2D, l'utilisation de l'espace aérien en 3D et ses variations temporelles (effets des saisons, soit en 4D). Les résultats de ce modèle seront mobilisables par les usagers via une application web qui donnera accès aux prédictions pour la situation locale définie par l'usager, sous forme cartographique. Cette application web sera en accès libre et pourra donc être consultée en amont de l'élaboration des projets de développement d'infrastructures (cf. Evitement et Réduction).

In a context of global climate change and the fight against it by governments, the use of renewable energies is the preferred way to make an energy transition that consumes less fossil fuels. It is within the framework of this strategy that wind farms, as well as photovoltaic panel farms, are booming. Their numbers have been increasing strongly in France in recent years. The French Multi-Year Energy Programming Act (PPE 2019-2023) plans to double this production capacity by 2024. However, this transition to renewable energies, and in particular to wind power, has consequences on the environment and particularly on biodiversity. Birds and chiropterans are the main taxonomic groups negatively impacted by these infrastructures. Indeed, these infrastructures represent barriers for which large birds do not have an adapted behavioral response, and which are often fatal in case of contact. When they concern long-lived species such as large raptors, induced mortality has a major impact on the dynamics of these populations since these dynamics are very sensitive to variations in adult survival rates. Large raptors are also among the species classified as the most frequently impacted by collisions. These infrastructures also have indirect consequences on the populations by reducing the available habitat and by modifying the access to vital spaces. Because of these risks, planners and project developers must, for these protected species, place themselves within the framework of the 'Avoid-Reduce-Compensate' sequence. However, for such species occupying very large home ranges, it is complex to identify, by simple field visits, both the areas of least impact to 'Avoid' and the areas of greatest risk to 'Reduce' or 'Compensate'. Understanding how populations of species that use airspace exposed to anthropogenic infrastructures use this space and understanding how these infrastructures influence this use of space is therefore crucial for predicting the impact of future developments and mitigating these impacts, in particular through a layout that minimizes the risks of collision or alteration of the airspace (Avoid) or by prioritizing the equipment of existing infrastructure with scaring devices (Reduce). For the past twenty years, the risk of collision mortality has been studied extensively for various species, particularly raptors. These studies are very often based on body counts to estimate a mortality rate and model the risk of collision. However, authors have shown that these models are difficult to generalize on a large scale because of the type of parameters used, which are very context-dependent. They advocate the use of 3D telemetry data, an increasingly affordable technology, to finely study collision risk. The number of studies using such data to model, or even predict, the risk of large raptor collisions with windfarms or electric lines is growing rapidly. However, existing studies are based either on habitat and topography data or on aerology data, but no model currently combines these two major determinants of airspace use by large birds. However, understanding and predicting the risk of bird collisions with these infrastructures requires an understanding of how birds use space in four dimensions: three spatial dimensions (where and at what altitude?), and their variations over time (when?). The present research project therefore proposes to develop models to predict which areas present a high risk of negative impact on large raptor populations when new infrastructures are created. The results of these models will be developed into an operational tool for infrastructure developers, local authorities or protected areas, and the approach will be replicable for other large birds of prey in general. The general principle of the model will be based on an iterative process whose successive stages would be : i) A 4D space use model based on the pooling of a set of data already available for a 'test' species, ii) A prediction of the areas at risk resulting from this modeling to allow avoidance or even micro-siting (adjustment of the position of an infrastructure), iii) An evaluation of the quality of the predictions of this model by means of the equipment of additional birds through certain development projects, and iv) An improvement of the predictions of the model as new data are collected. This work should both maximize the use of available data by pooling them nationally, and reduce the need to equip new individuals once risk predictions are considered reliable. This approach has the advantage of making the global approach more respectful of the animals (ethics), of increasing the scientific relevance (pooling of data allowing a greater generalization of results), but also of reducing the budgets for the operators by avoiding to equip more birds than necessary. The different previous steps will provide a model allowing to predict the use of the habitat in 2D, the use of the airspace in 3D and its temporal variations (seasonal effects, i.e. in 4D). The results of this model will be mobilized by users via a web application that will give access to the predictions for the local situation defined by the user, in cartographic form. This web application will be freely available and can therefore be consulted before the elaboration of infrastructure development projects (see Avoidance and Reduction).