Les usages, implications et contraintes dans la définition du périmètre

De Metabolisme territorial
Aller à : navigation, rechercher

La définition du périmètre d'une étude de métabolisme territorial comprend les éléments suivants {Ref needed} :

  • Le territoire étudié et le niveau de détail spatial envisagé
  • La période d'étude et le pas de temps (annuel, mensuel, ...)
  • Les matières (/ énergies) considérées et les nomenclatures utilisées pour classifier l'information
  • La ou les unités de quantification
  • Le cas échéant, les processus spécifiques considérés

La définition du périmètre va avoir des incidences sur l'ensemble de la chaine de traitement de données : le choix des sources de données, la façon de les préparer, les méthodes d'analyses de données qu'il est possible de mobiliser ... Afin de bien formaliser les besoins du traitement de données, nous allons examiner les usages, les implications et les contraintes dans la définition de ces différents éléments du périmètre.

Le territoire étudié et le niveau de détail spatial envisagé

Sur la disponibilité des données et la complétude de l'information

Dans le chapitre §2.2.3, nous évoquons l'intérêt de mener des études de métabolisme à différentes échelles (une entreprise, une ville, une région, ...). Toutefois, la disponibilité des données sources est cruciale pour en assurer la faisabilité. En France, les données territoriales qui nous intéressent sont généralement disponibles à un niveau départemental ou régional (CGDD 2014). Étudier d'autres territoires est donc de fait bien plus complexe. Certains travaux tentent tout de même d'étudier des territoires plus petits comme des villes, par exemple Montpellier (Montero 2013) ou Rennes (Bahers & Giacchè 2018), ou définis autrement que par un découpage administratif (Herbelin 2018). Cela nécessite toutefois de devoir naviguer et composer entre les différents niveaux administratifs et leur hiérarchisation, et de mobiliser des techniques de réduction d'échelle ou de "down-scaling"[1] (Zhang et al. 2015 ; Courtonne 2016).

Dans l'approche du bilan de matière entrées/sorties, définir le territoire global est suffisant. Toutefois, lorsqu'on veut pousser l'analyse pour une meilleure compréhension des dynamiques internes, il convient également de définir le niveau de détail envisagé. Par exemple, il est possible d'étudier les dynamiques internes d'une région en s'intéressant aux flux entre départements ; ou bien entre communes. À nouveau, la faisabilité de l'étude à un niveau de détail désiré dépend fortement de la disponibilité des données à ce niveau.

De manière un peu particulière, les méthodes bottom-up se basent sur des données très fines concernant les principaux sites (principales industries, bâtiments ou équipements) pour évaluer le métabolisme global d'un territoire (Brunner & Rechberger 2003). La difficulté dans ce cas est de définir ce que l'on entend par les "principaux" sites d'un territoire, les données fines n'étant ici que partielles et dans des proportions difficiles à évaluer au regard du territoire en entier.

Sur l'évolution des territoires

Outre la question de la disponibilité des données pour le territoire étudié, son évolution peut également venir complexifier l'étude de son métabolisme. Même en tenant compte des limites administratives, celles-ci changent avec le temps. L'application de la loi NOTRe qui redéfinit le découpage régional en France depuis 2015 en est un exemple concret, avec toutefois la particularité de n'être ici qu'un regroupement de certaines régions. Dans ce cas, les anciennes données statistiques peuvent toujours être agrégées pour correspondre au découpage contemporain. L'inverse - désagréger les données contemporaines pour correspondre à l'ancien découpage - n'est cependant pas toujours possible. Ainsi, l'étude réalisée par Région Alsace & Ademe (2015) risque d'être difficile à réactualiser dans sa totalité, maintenant que l'Alsace a fusionné avec la Lorraine et la Champagne-Ardenne pour former la nouvelle région Grand-Est[2].

L'application de la loi NOTRe est un cas simple : au lieu de regroupements, des redécoupages peuvent avoir lieu, que ce soit suite à des conflits militaires ou des choix politiques. En France, la construction des Établissements Publics de Coopération Intercommunale (EPCI) semble en constante évolution. L'Eurométropole de Strasbourg, qui est un de nos terrains d'étude privilégié, a par exemple intégré cinq nouvelles communes début 2017.

En travaillant à un niveau de détail encore plus fin, les évolutions liées aux aménagements urbains qui viennent ajouter ou modifier les rues et leurs noms deviennent également des problématiques à gérer dans le traitement des données (et que nous avons rencontré - voir §5.X)

Suivre des territoires qui évoluent peut ainsi devenir un véritable casse-tête, à la fois pour définir un périmètre que l'on peut comparer à différents moments (étant entendu qu'il faut comparer ce qui est comparable ...), mais aussi pour identifier et rassembler les données qui correspondent à ce périmètre.

Sur l'agrégation spatiale des données

En plus des problèmes d'évolution, la définition d'un système par ses limites géographiques génère une typologie de problème bien particulier de biais statistique : le problème d'agrégation spatiale (Modifiable Areal Unit Problem - MAUP). Il décrit le fait que la manière de découper un territoire peut avoir une influence sur les données statistiques et l'interprétation que l'on en fait. Il peut rendre inapproprié la comparaison entre des territoires sur certains aspects. Nous approfondissons bien plus en détail cette question de l'agrégation spatiale dans le §5.

La période d'étude et le pas de temps

Sur la disponibilité des données

La plupart des études identifiées quantifient le métabolisme d'un territoire sur une année donnée. Dans l'étude menée par Région Alsace & Ademe (2015), la faible disponibilité des données a même contraint à rassembler des sources d'années différentes. Quelques travaux étudient toutefois l'évolution des flux sur plusieurs années (Rosado et al. 2014 ; Courtonne 2016) ce qui permet à la fois de consolider les données, par exemple pour une démarche prospective. Ces études pluriannuelles sont potentiellement exposées à la problématique de l'évolution des territoires mentionnée précédemment.

Le pas de temps utilisé est généralement d'un an, donc souvent confondu avec la période d'étude, notamment en raison des nombreuses données statistiques qui utilisent ce référentiel. Toutefois, il est souvent bénéfique de pouvoir utiliser des pas de temps plus réduits pour mettre en évidence des phénomènes saisonniers, si tant est que les données sources le permettent. Le lecteur retrouver également §5 des analyses pluriannuelles, avec des pas de temps assez fin (au mois, voir jour près - §5 X).

Sur les données en temps réel et prospectives

Dans nos travaux, nous nous inscrivons plutôt dans l'analyse a posteriori des données des flux, sur une approche essentiellement comptable. Il est toutefois possible de vouloir étudier non pas les flux passés, mais aussi les flux présents ou futurs. Cela demande toutefois de mobiliser d'autres types d'approches : la supervision en temps réels ou les modèles prospectifs.

La technologie rend possible la connaissance en temps réel de certains flux (Shahrokni et al. 2015). Cela permet de suivre des consommations énergétiques de bâtiments, de détecter des dérives de consommation, de piloter les moyens de production électrique ou d'optimiser les flux de transport de personnes ou de marchandises [3].

Les démarches prospectives demandent quand à elles de formuler des hypothèses et d'élaborer des modèles, avec un résultat évidemment incertain en raison de son caractère prédictif. La démarche n'en reste pas moins intéressante, notamment pour aider à mieux identifier les facteurs influant sur le métabolisme. Les travaux de Rosado et al. (2014) tentent ainsi de modéliser l'évolution de la ville de Lisbonne dans les années futures.

Sur l'agrégation temporelle des données

Nous l'avons mentionné pour l'agrégation spatial, mais nous pouvons également le constater sur l'agrégation temporelle des données : la manière de découper le temps peut avoir une influence sur les données statistiques et l'interprétation que l'on en fait. Nous illustrons cela Figure X : contrairement aux apparences, ce sont les mêmes données qui sont représentées et seul le découpage temporel (par jour ou par mois) de l'information diffère. Cela est bien sur lié au plus court mois de Février qui vient modifier les perspectives. Ce Modifiable Temporal Unit Problem peut s'avérer également être source de mécompréhension, peut-être toutefois dans une moindre mesure comparée au MAUP (§5).

Les matières considérées et les nomenclatures utilisées pour classifier l'information

Sur la diversité des nomenclatures et leur conversion

Le choix des matières étudiées est fixé par le périmètre. Dans la méthodologie du CGDD (2014), l'objectif est d'avoir une vue d'ensemble sur toutes les matières, mais ça n'est pas toujours le cas selon les études (§2.X). Souvent, une nomenclature est utilisée pour décrire les matières avec plusieurs niveaux de détail (§ 1). Pour les analyses territoriales, la nomenclature proposée par Eurostat (2001) sert souvent comme référence, nous l'appellerons nomenclature EW-MFA. Elle est d'ailleurs reprise (et traduite) dans le guide du CGDD[4]. Cette nomenclature classe hiérarchiquement les flux selon leur composition matérielle en quatre grandes catégories : la biomasse, les métaux, les minerais non métalliques et les énergies fossiles. D'autres nomenclature pour l'étude de flux peuvent être également utilisées encore la "Classification des flux en Écologie Industrielle et Territoriale" (CFEIT)[5] proposée par le Réseau des Chambres de Commerces et d’Industries de France.

Toutefois, les données mobilisées sont rarement exprimées dans la nomenclature de destination. Par exemple, les statistiques de transport de marchandises sont exprimées dans la "Nomenclature uniforme des marchandises pour les statistiques de transport 2007" (NST2007) qui classifie les produits en lien avec l'activité économique productive (produit de l'agriculture, produits chimiques, meubles, ...)[6]. Les statistiques agricoles française, que l'on peut retrouver sur le site Agreste[7] utilisent quand à elle une autre nomenclature : la Classification des produits française (CPF). Nous pourrions lister d'autres nomenclatures qui peuvent figurer dans les données sources mobilisées : la "Classification statistique des produits associée aux activités" (CPA), la "Nomenclature Combinée" (CN) dont une nouvelle version apparaît chaque année (Eurostat 2013a).

En raison de la diversité des nomenclatures, il est très souvent nécessaire de convertir les produits d'une nomenclatures vers une autre, notamment celle qui sert de référence pour l'étude (habituellement EW-MFA). Il est possible de trouver des tables de conversion entre différentes nomenclatures dans la littérature. Le CGDD et Eurostat en proposant certaines dans leurs guides méthodologiques, par exemple celle permettant de passer de la NST 2007 à la EW-MFA. Si certains intitulés se retrouvent dans plusieurs nomenclatures, souvent la conversion d'une nomenclature doit faire l'objet d'une approximation. Il est même parfois impossible de réaliser correctement la conversion, la classification d'origine utilisée ne correspondant pas aux objectifs de l'étude. Par exemple, l'item 11.44 de la NST2007 "Parties d’appareils d’éclairage" n'est pas suffisamment explicite pour permettre une conversion selon la composition matérielle dans l'esprit de la nomenclature EW-MFA. L'existence d'une catégorie "Autre/Divers/Indiscernable" est ainsi difficilement évitable. Dans certains cas, il est également approprié de convertir un intitulé dans une nomenclature vers plusieurs intitulés d'une autre nomenclature, avec l'application de différents coefficients de passage. Par exemple, dans les études des cycles biogéochimiques, les masses de produits courants (ex : 1 kg de maïs) sont convertis en azote (~ 15 g d'azote ; Le Noé et al. 2016) ou en phosphore (~ 0,5 g).

Sur la qualité de l'information et son ancrage dans les choix politiques

Le travail de classification et de conversion peut engendrer une perte significative dans la qualité de l'information (Desrosières 2008)[8]. Le CGDD (2014, p.73) insiste d'ailleurs sur le fait que sa méthodologie "repose sur l’exploitation de nomenclatures préétablies qui n’ont pas été conçues initialement pour la réalisation de bilans de matières". Une étude exploratoire que nous avons mené sur l'analyse du métabolisme à travers le cycle de vie des produit s'est d'ailleurs heurtée à cette limitation sans réussir à la dépasser {Ref needed}. Les statistiques sur le transports de marchandises, pourtant essentielles dans les études de métabolisme, sont ainsi intrinsèquement limitées pour appuyer pleinement les démarches d'écologie territoriale qui nécessité une information spécifique.

Le changement de nomenclature vers un nouveau référentiel qui tienne compte de ces spécificités permettrait d'élargir les possibilités d'usage des données statistiques. Mais cette nomenclature étant harmonisée au niveau européen, ce changement, s'il a lieu, risque de prendre du temps. Une alternative serait de d'adapter les enquêtes statistiques (au niveau national donc) pour produire les données à la fois dans le référentiel de la NST 2007, et dans celui d'une écologie territoriale. Une troisième voie serait que les régions, qui disposent de compétences importantes pour la transition écologique, créent leur propre système d'information sur l'utilisation des flux de ressources (CGDD 2014) et l'alimentent en partie. Notons toutefois que, dans les trois cas envisagés, l'amélioration des statistiques au regard des besoins d'une écologie territoriale repose sur des choix règlementaires et donc politiques.

Sur la désignation libre d'un produit

Dans certains cas, la désignation d'un produit dans des jeux de données ne repose pas sur une nomenclature définie et sont librement définis[9] Cela permet de désigner aussi finement que nécessaire un produit et donc de l'identifier sans ambiguïté parmi d'autres. Par exemple, un produit pourrait être désigné comme "Acier non-allié" ou "Acier fortement allié", mais pourrait devoir rentrer dans la case "Acier", voire "Métal ferreux" d'une nomenclature préétablie. Toutefois, si une désignation peut être fonctionnelle dans une entreprise particulière qui a sa manière de désigner les produits, elle peut ne pas être exploitable dans un autre contexte. Les intitulés libres ne permettent pas non plus de réaliser facilement et automatiquement des agrégats statistiques, il faut user d'algorithmes plus évolués (Desrosières 2008 ; Davis 2017).

La ou les unités de quantification

Sur la pluralité des cadres d'analyse

Le choix de l'unité est essentiel pour s'inscrire dans différents cadre théorique et aborder diverses problématiques qu'elles soient économiques, environnementales ou sociales (§ 2). La plupart des études de métabolisme visent dans un premier temps à quantifier les flux en kilogramme (kg), ou en kilowatt.heure (kWh) pour la partie énergétique, mais ce choix peut être facilement critiqué (Van der Voet et al. 2004). En reprenant nos réflexions §2.X, il paraît pertinent de ne pas se limiter à une seule unité pour la quantification des flux et des stocks et de pouvoir en étudier plusieurs. Évidemment, pouvoir manipuler différentes unités implique qu'elles soient disponibles dans les données sources ou qu'il soit possible de les évaluer à travers à l'aide de coefficients ou de modèles. Cela implique également une structuration des données plus complexe pour naviguer dans les différentes unités.

Sur les nécessaires conversion entre unités

Quelque soit la ou les unités retenus, il est usuel que les données sources ne soient pas exprimées dans ces unités. Par exemple, les consommations de gaz et de pétrole sont souvent exprimées en tonnes équivalent pétrole (tep). Afin de standardiser les données, des coefficients de conversion sont utilisés pour obtenir l'équivalent en kg ou kWh. Ces coefficients peuvent être soit des constantes absolues (le passage de la tonne au kg ou de la tep au kWh), soit dépendre de caractéristiques physiques (tep de gaz vers des kg) ou sociétales (kWh de gaz en euros) de l'élément étudié qui peuvent varier selon les contextes. Le changement d'unité à travers des coefficients de passage implique ainsi souvent une approximation, et donc une perte de qualité de l'information difficilement évitable, si ce n'est en évaluant les incertitudes ou en utilisant des modèles prenant en compte les conditions variables mais qui sont plus complexes à mettre en œuvre. En plus des approximations, l'application de coefficients est une démarche souvent manuelle, peu intéressante, spécifique à chaque type de produit, et qui prend du temps à la fois pour repérer ces coefficients dans littérature, mais aussi pour les appliquer adéquatement sur les données.

Les processus spécifiques considérés

Lors d'une étude de métabolisme territorial, l'ambition est généralement pouvoir tenir compte de tous les processus existant sur un territoire. Toutefois, il est tout à fait possible de se contenter que de l'étude de certains processus particuliers. C'est le cas de notre étude des consommations d'énergie du patrimoine bâti de l'Eurométropole de Strasbourg (§ 5) : nous ne nous intéressons qu'aux bâtiments détenus par la collectivité, ignorant de fait la majeur partie du patrimoine total. Dans un autre contexte, nous avons également étudié les marchandises transportées spécifiquement par voie fluviale (§ 5.X).

Le fait de ne se concentrer que sur des processus spécifiques permet d'aller plus en détail dans les analyses, l'idéal restant de pouvoir assembler des études spécifiques pour former une image globale du territoire, sur une approche bottom-up. Toutefois, cela sous-entend que les conventions utilisées pour la structuration des données soient compatibles entre les différentes études, ce qui est rarement le cas.

Le risque de double-comptage

La double-comptage se traduit par la prise en compte deux fois d'un flux qui n'a besoin d'être recensé qu'une seule fois. Le double-comptage peut être volontaire, dans l'objectif de vérifier les données en les obtenant de deux manières différentes. Toutefois, il peut aussi être une erreur involontaire et mener à un double recensement du flux dans les bilans. Cela peut notamment se produire lors de l'intégration de données avec des périmètres différents mais qui se recoupent en partie, ou alors lorsque la hiérarchisation des données est ambigüe[10].

En suivant la méthode du CGDD (2014), le risque de double-comptage est faible. Ce risque devient plus significatif lorsqu'il s'agit de croiser des données supplémentaires, par exemple pour mener à bien des analyses de cycle de vie https://savoirs.usherbrooke.ca/bitstream/handle/11143/9580/Forcier_Ugo_MEnv_2016.pdf?sequence=1, ou pour explorer certaines dynamiques plus spécifiquement. Il ne semble pas y avoir de méthode systématique permettant d'éviter le double-comptage, il convient surtout d'être précautionneux lors de l'intégration de différents jeux de données ayant des périmètres qui se recoupent.




Références

• Bahers, J., Giacchè, G., 2018, Échelles territoriales et politiques du métabolisme urbain : la structuration des filières de biodéchets et l’intégration de l’agriculture urbaine à Rennes, VertigO. DOI : 10.4000/vertigo.21609
• Brunner, P., Rechberger, H., 2003, Practical Handbook of Material Flow Analysis. CRC Press
• CGDD, 2014, Comptabilité des flux de matières dans les régions et les départements - Guide méthodologique, Références du Service de l’observation et des statistiques (SOeS). Commissariat Général au Développement Durable. [En ligne] URL : https://www.statistiques.developpement-durable.gouv.fr/sites/default/files/2018-10/guide-methodologique-references-flux-de-matiere-juin2014.pdf. Consulté le 19 avril 2018.
• Courtonne, J., 2016, Evaluation environnementale de territoires à travers l'analyse de filières : la comptabilité biophysique pour l'aide à la décision délibérative. Thèse de doctorat en Sciences de gestion. Université Grenoble Alpes. [En ligne] URL : https://tel.archives-ouvertes.fr/tel-01421664. Consulté le 19 avril 2018.
• Davis, C., 2017, Using Linked Data to facilitate translations between product and industry classifications. ISIE-ISSST 2017 Conference: Science in Support of Sustainable and Resilient Communities. [En ligne] URL : http://programme.exordo.com/isie2017/delegates/presentation/716/. Consulté le 19 avril 2018.
• Desrosières, A., 2008, L’Argument statistique I : Pour une sociologie historique de la quantification. Presses des MINES
• Eurostat, 2001, Economy-wide material flow accounts and derived indicators: a methodological guide, Eurostat Theme 2, Economy and finance. Office for Official Publ. of the Europ. Communities. [En ligne] URL : http://ec.europa.eu/eurostat/documents/1798247/6191533/3-Economy-wide-material-flow-accounts...-A-methodological-guide-2001-edition.pdf/. Consulté le 19 avril 2018.
• Eurostat, 2013a, Economy-wide Material Flow Accounts (EW-MFA) - Compilation guide. [En ligne] URL : http://ec.europa.eu/eurostat/documents/1798247/6191533/2013-EW-MFA-Guide-10Sep2013.pdf/54087dfb-1fb0-40f2-b1e4-64ed22ae3f4c. Consulté le 19 avril 2018.
• Herbelin, A., 2018, Modèle:Ecologie territoriale et trajectoires de transitions : le cas du Rhône-Médian.. [En ligne] URL : https://tel.archives-ouvertes.fr/tel-02276808. Consulté le 19 avril 2018.
• Le Noé, J., Billen, G., Lassaletta, L., Silvestre, M., Garnier, J., 2016, La place du transport de denrées agricoles dans le cycle biogéochimique de l'azote en France : un aspect de la spécialisation des territoires, Cahiers Agricultures, 25, pp. 15004. DOI : 10.1051/cagri/2016002
• Montero, L., 2013, L’analyse du métabolisme urbain: intérêt et limites pour l’évaluation de la durabilité de l’approvisionnement alimentaire d’un territoire ? Le cas de Montpellier agglomération.. [En ligne] URL : https://web.supagro.inra.fr/pmb/opac_css/doc_num.php?explnum_id=1612. Consulté le 19 avril 2018.
• Région Alsace, Ademe, 2015, Consommations, besoins et richesses du territoire alsacien. [En ligne] URL : https://alsace.ademe.fr/sites/default/files/files/Domaines-intervention/Economie-circulaire/synthese_etude_de_flux_juillet2015.pdf. Consulté le 19 avril 2018.
• Rosado, L., Niza, S., Ferrão, P., 2014, A Material Flow Accounting Case Study of the Lisbon Metropolitan Area using the Urban Metabolism Analyst Model, Journal of Industrial Ecology, 18, pp. 84-101. DOI : 10.1111/jiec.12083
• Shahrokni, H., Lazarevic, D., Brandt, N., 2015, Smart Urban Metabolism: Towards a Real-Time Understanding of the Energy and Material Flows of a City and Its Citizens, Journal of Urban Technology, 22, pp. 65-86. Routledge. DOI : 10.1080/10630732.2014.954899
• Van der Voet, E., van Oers, L., Nikolic, I., 2004, Dematerialization: Not Just a Matter of Weight, Journal of Industrial Ecology, 8, pp. 121-137. MIT Press. DOI : 10.1162/1088198043630432
• Zhang, Y., Yang, Z., Yu, X., 2015, Urban Metabolism: A Review of Current Knowledge and Directions for Future Study, Environmental Science \& Technology, 49, pp. 11247-11263. DOI : 10.1021/acs.est.5b03060


Notes de bas de page

  1. La réduction d'échelle consiste à utiliser des données disponibles à un niveau fin pour avoir une évaluation à partir de données qui ne seraient disponibles qu'à des échelles plus grandes. Par exemple, il est possible d'évaluer la production agricole d'une commune à partir de la production départementale (les données n'étant pas disponibles à un niveau plus fin) et de la surface agricole (disponible pour chaque commune dans le Registre parcellaire graphique).
  2. Une des conséquences supplémentaire est qu'il n'est plus possible de retrouver en ligne le document de communication portant sur cette étude de métabolisme, probablement à cause de la mutualisation des services d'hébergement internet qui a demandé une réorganisation de l'information
  3. On retrouve même sur internet des informations en temps réel sur le trafic aérien : https://flight-radar.eu/fr/suivi-des-vols-en-temps-reel/ ou le trafic maritime : http://www.pilotage-maritime.nc/ais.php
  4. Cette nomenclature est mise à disposition sous forme de tableur par le CGDD : http://www.statistiques.developpement-durable.gouv.fr/publications/p/2101/1161/comptabilite-flux-matieres-regions-departements-guide.html ou est disponible en version originale https://ec.europa.eu/eurostat/web/environment/methodology (Economy-wide material flow accounts (EW-MFA) 2018 questionnaire)
  5. http://www.actif.cci.fr/sites/default/files/Documents/CCI_Nomenclature_EIT_public_v1.pdf
  6. Conformément à la réglementation européenne (Règlement (CE) No 1304/2007 de la Commission du 7 novembre 2007), qui établit la NST 2007 comme "nomenclature unique des marchandises transportées dans tous les modes de transport concernés" (mer, voie navigable, rail, route). Il s'agit d'une mise à jour de la précédente version appelée NST-R (Nomenclature pour les statistiques de transport Révisée), que l'on a pu également retrouver dans d'anciennes statistiques.
  7. Agreste, la statistique agricole est le site du Service de la statistique et de la prospective (SSP) du Ministère de l’agriculture et de l’alimentation
  8. L'existence fréquente d'une catégorie "Autre/Divers/Indiscernable" dans les nomenclature en est l'extrême illustration
  9. Dans le cas où c'est un nombre restreint d'intitulés qui reviennent, on peut considérer qu'ils forment une nomenclature spécifique au jeu de données.
  10. Par exemple (fictif), des données de production agricoles pour un territoire annoncent : 1800 t de céréales, 600 t de riz. Sans information supplémentaire, il n'est pas possible de déterminer s'il s'agit de 1800 t ET 600 t, ou de 1800 t DONT 600 t.
CiteRefCallRef needed +
KeyRefcgdd2014 +, montero2013 +, bahers2018 +, herbelin2018 +, zhang2015 +, courtonne2016 +, brunner2003 +, regionalsace2015 +, rosado2014 +, shahrokni2015 +, eurostat2001 +, eurostat2013a +, lenoe2016 +, desrosieres2008a +, davis2017 + et vandervoet2004 +
PageLabelLes usages, implications et contraintes dans la définition du périmètre +