Know more

Our use of cookies

Cookies are a set of data stored on a user’s device when the user browses a web site. The data is in a file containing an ID number, the name of the server which deposited it and, in some cases, an expiry date. We use cookies to record information about your visit, language of preference, and other parameters on the site in order to optimise your next visit and make the site even more useful to you.

To improve your experience, we use cookies to store certain browsing information and provide secure navigation, and to collect statistics with a view to improve the site’s features. For a complete list of the cookies we use, download “Ghostery”, a free plug-in for browsers which can detect, and, in some cases, block cookies.

Ghostery is available here for free: https://www.ghostery.com/fr/products/

You can also visit the CNIL web site for instructions on how to configure your browser to manage cookie storage on your device.

In the case of third-party advertising cookies, you can also visit the following site: http://www.youronlinechoices.com/fr/controler-ses-cookies/, offered by digital advertising professionals within the European Digital Advertising Alliance (EDAA). From the site, you can deny or accept the cookies used by advertising professionals who are members.

It is also possible to block certain third-party cookies directly via publishers:

Cookie type

Means of blocking

Analytical and performance cookies

Realytics
Google Analytics
Spoteffects
Optimizely

Targeted advertising cookies

DoubleClick
Mediarithmics

The following types of cookies may be used on our websites:

Mandatory cookies

Functional cookies

Social media and advertising cookies

These cookies are needed to ensure the proper functioning of the site and cannot be disabled. They help ensure a secure connection and the basic availability of our website.

These cookies allow us to analyse site use in order to measure and optimise performance. They allow us to store your sign-in information and display the different components of our website in a more coherent way.

These cookies are used by advertising agencies such as Google and by social media sites such as LinkedIn and Facebook. Among other things, they allow pages to be shared on social media, the posting of comments, and the publication (on our site or elsewhere) of ads that reflect your centres of interest.

Our EZPublish content management system (CMS) uses CAS and PHP session cookies and the New Relic cookie for monitoring purposes (IP, response times).

These cookies are deleted at the end of the browsing session (when you log off or close your browser window)

Our EZPublish content management system (CMS) uses the XiTi cookie to measure traffic. Our service provider is AT Internet. This company stores data (IPs, date and time of access, length of the visit and pages viewed) for six months.

Our EZPublish content management system (CMS) does not use this type of cookie.

For more information about the cookies we use, contact INRA’s Data Protection Officer by email at cil-dpo@inra.fr or by post at:

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan CEDEX - France

Dernière mise à jour : Mai 2018

Menu Logo Principal agroParistech cnrs ird ANR

Soilµ3D

LBIOS - Valérie Pot INRA

The model is based on lattice Boltzmann approach (Vogel et al., 2015)

(Traduction à suivre)

LBIOS

La prédiction des pertes en carbone des sols est un enjeu majeur encore mal appréhendé. Des chercheurs de l’Inra Versailles-Grignon et leurs collègues ont analysé le rôle et l’importance des interactions qui prennent place à l’échelle des habitats microbiens dans le devenir du carbone dans les sols à la faveur d’un modèle décrivant l’hétérogénéité des microenvironnements du sol.

La matière organique du sol ― et donc le carbone organique qui entre dans sa composition - joue un rôle fondamental dans le comportement des sols et des agroécosystèmes qu’ils supportent et la perte en carbone des sols est une menace à laquelle ils doivent faire face. Disposer de modèles capables de prédire les changements de la teneur en carbone des sols est donc nécessaire.

Les modèles macroscopiques qui décrivent la décomposition de la matière organique du sol selon des compartiments plus ou moins facilement biodégradables, ont montré leurs limites d’autant qu’ils ne prennent pas en compte les régulations biologiques et qu’ils doivent être paramétrés pour chaque contexte agro-pédo-climatique. Ce manque de robustesse, c’est-à-dire ce manque de validité face à des situations externes différentes, peut trouver son origine dans le fait que ces modèles omettent la diversité des microenvironnements dans le sol ainsi que les interactions qui existent à l’échelle des habitats microbiens. Ces éléments ont cependant toute leur importance. Dans les sols, la distribution spatiale hétérogène des micro-organismes modifie les quantités dégradées et la distribution de l’eau et de l’air dans l’espace poral influence l’activité des microorganismes et module leur accès aux substrats.

LBioS, prendre en compte l’organisation spatiale du milieu poreux à l’échelle des habitats microbiens

Dans ce contexte, des chercheurs de l’Inra Versailles-Grignon et leurs collègues ont développé le modèle LBioS pour prendre en compte l’organisation spatiale du milieu poreux à l’échelle des habitats microbiens. LBioS repose sur le couplage d’un modèle de transport de solutés basé sur une méthode de dynamique des fluides, encore appelée méthode de Boltzmann sur réseau, et d’un modèle biologique de biodégradation qui prend en compte les régulations microbiennes.

Ils ont ensuite utilisé le modèle pour tester diverses hypothèses concernant le rôle de la structure du sol sur la biodégradation. A cet effet, les scientifiques ont réalisé un plan factoriel - c’est-à-dire une suite d’essais, dans ce cas virtuels - qui leur a permis de tester toutes les combinaisons possibles des différents facteurs caractérisant la structure du sol plus un facteur uniquement lié à la physiologie des bactéries. Ce plan factoriel a exploité des images 3D de l’espace poral d’échantillons de sol obtenues par tomographie aux rayons X.

De l’influence majeure de la localisation des bactéries

Les scientifiques ont ainsi montré que les déterminants liés à la structure du sol expliquent la majorité (80 %) de la variation totale de la concentration en substrat carboné avec une influence majeure de la localisation des bactéries. Celle-ci  explique à elle seule 30 % de la variation totale. Cependant, ce sont les interactions entre les déterminants liés à la géométrie de l’espace poral, l’état de saturation en eau et la localisation des bactéries qui contrôlent majoritairement la concentration du substrat (50 %)

Globalement, ces travaux ont permis de hiérarchiser le rôle et l’importance des interactions qui prennent place à l’échelle des habitats microbiens dans le devenir du carbone dans les sols. Le modèle LBioS se révèle être pertinent pour identifier et quantifier les déterminants microscopiques de la structure du sol qui pilotent la biodégradation des substrats carbonés. Dans le cadre du projet Soilµ3D (2015-2019, ANR) LBios permettra, à partir d’un grand nombre d’images 3D de sols, de texture et de mode d’occupation différents, d’établir des relations statistiques robustes entre des déterminants microscopiques quantifiables (tortuosité, distances substrat-décomposeurs…) et les flux de production de CO2, puis d’introduire ces relations dans les modèles macroscopiques de prédiction de l’évolution du carbone des sols dans le but d’améliorer leurs prédictions.