En savoir plus

A propos des cookies

Qu’est-ce qu’un « cookie » ?

Un "cookie" est une suite d'informations, généralement de petite taille et identifié par un nom, qui peut être transmis à votre navigateur par un site web sur lequel vous vous connectez. Votre navigateur web le conservera pendant une certaine durée, et le renverra au serveur web chaque fois que vous vous y re-connecterez.

Différents types de cookies sont déposés sur les sites :

  • Cookies strictement nécessaires au bon fonctionnement du site
  • Cookies déposés par des sites tiers pour améliorer l’interactivité du site, pour collecter des statistiques

> En savoir plus sur les cookies et leur fonctionnement

Les différents types de cookies déposés sur ce site

Cookies strictement nécessaires au site pour fonctionner

Ces cookies permettent aux services principaux du site de fonctionner de manière optimale. Vous pouvez techniquement les bloquer en utilisant les paramètres de votre navigateur mais votre expérience sur le site risque d’être dégradée.

Par ailleurs, vous avez la possibilité de vous opposer à l’utilisation des traceurs de mesure d’audience strictement nécessaires au fonctionnement et aux opérations d’administration courante du site web dans la fenêtre de gestion des cookies accessible via le lien situé dans le pied de page du site.

Cookies techniques

Nom du cookie

Finalité

Durée de conservation

Cookies de sessions CAS et PHP

Identifiants de connexion, sécurisation de session

Session

Tarteaucitron

Sauvegarde vos choix en matière de consentement des cookies

12 mois

Cookies de mesure d’audience (AT Internet)

Nom du cookie

Finalité

Durée de conservation

atid

Tracer le parcours du visiteur afin d’établir les statistiques de visites.

13 mois

atuserid

Stocker l'ID anonyme du visiteur qui se lance dès la première visite du site

13 mois

atidvisitor

Recenser les numsites (identifiants unique d'un site) vus par le visiteur et stockage des identifiants du visiteur.

13 mois

À propos de l’outil de mesure d’audience AT Internet :

L’outil de mesure d’audience Analytics d’AT Internet est déployé sur ce site afin d’obtenir des informations sur la navigation des visiteurs et d’en améliorer l’usage.

L‘autorité française de protection des données (CNIL) a accordé une exemption au cookie Web Analytics d’AT Internet. Cet outil est ainsi dispensé du recueil du consentement de l’internaute en ce qui concerne le dépôt des cookies analytics. Cependant vous pouvez refuser le dépôt de ces cookies via le panneau de gestion des cookies.

À savoir :

  • Les données collectées ne sont pas recoupées avec d’autres traitements
  • Le cookie déposé sert uniquement à la production de statistiques anonymes
  • Le cookie ne permet pas de suivre la navigation de l’internaute sur d’autres sites.

Cookies tiers destinés à améliorer l’interactivité du site

Ce site s’appuie sur certains services fournis par des tiers qui permettent :

  • de proposer des contenus interactifs ;
  • d’améliorer la convivialité et de faciliter le partage de contenu sur les réseaux sociaux ;
  • de visionner directement sur notre site des vidéos et présentations animées ;
  • de protéger les entrées des formulaires contre les robots ;
  • de surveiller les performances du site.

Ces tiers collecteront et utiliseront vos données de navigation pour des finalités qui leur sont propres.

Accepter ou refuser les cookies : comment faire ?

Lorsque vous débutez votre navigation sur un site eZpublish, l’apparition du bandeau « cookies » vous permet d’accepter ou de refuser tous les cookies que nous utilisons. Ce bandeau s’affichera tant que vous n’aurez pas effectué de choix même si vous naviguez sur une autre page du site.

Vous pouvez modifier vos choix à tout moment en cliquant sur le lien « Gestion des cookies ».

Vous pouvez gérer ces cookies au niveau de votre navigateur. Voici les procédures à suivre :

Firefox ; Chrome ; Explorer ; Safari ; Opera

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de INRAE par email à cil-dpo@inrae.fr ou par courrier à :

INRAE
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2021

Menu Logo Principal logo SOERE PRO Logo CIRAD Logo AnaEE Logo IRD Logo Ouagadougou university

valOr PRO : valorisation agricole des Produits Résiduaires Organiques SOERE PRO

Prédiction au laboratoire de la dynamique du carbone des PRO au champ : application sur QualiAgro et perspectives d’utilisation

Germain M et al.
© Germain et al.
Germain M, Levavasseur F, Duparque A, Mouny JC, Mary B, Clivot H, Houot S

Prédiction au laboratoire de la dynamique du carbone des PRO au champ : application sur QualiAgro et perspectives d'utilisation

Germain M1, Levavasseur F1, Duparque A2, Mouny JC 2, Mary B 3, Clivot H3, Houot S1

  • 1 UMR INRA AgroParisTech ECOSYS, Université Paris-Saclay, 78850 Thiverval-Grignon, France
  • 2 Agro-Transfert Ressources et Territoires, 80200 Estrées-Mons
  • 3 UR INRA AgroImpact, 02000 Barenton-Bugny, France

Mots clefs : produits résiduaires organiques, AMG, coefficient isohumique, territoire

Introduction

Le carbone organique des sols joue un rôle essentiel dans les propriétés physiques, l’activité biologique et la disponibilité des éléments nutritifs (azote en particulier). Le stockage de carbone dans les sols est également vu comme un moyen d’atténuer le changement climatique en compensant une partie des émissions de gaz à effet de serre. Le recyclage en agriculture des Produits Résiduaires Organiques (PRO) tels les composts urbains ou les effluents d’élevage est un des moyens d’augmenter les stocks de carbone organique dans les sols. Dans le modèle AMG (Andriulo et al., 1999), modèle simple de simulation de la dynamique de la matière organique dans les sols utilisé pour simuler les effets des pratiques culturales sur les stocks de carbone organique dans les sols cultivés, la fraction du carbone des PRO qui intègre le stock de carbone du sol correspond au coefficient isohumique K1, la fraction restante étant minéralisée. Ce coefficient est très variable entre PRO, selon leur minéralisation plus ou moins rapide. Des références de K1 par PRO sont ainsi nécessaires dans l’objectif de gérer au mieux les apports de PRO, pour maximiser le stockage de carbone par exemple.

Afin de déterminer ce coefficient K1, des essais au champ de longue durée ont été mis en place. L’intégration de ces résultats expérimentaux au champ dans le modèle AMG, permet alors de déterminer le coefficient isohumique K1 des PRO par inversion du modèle. Un nombre limité de PRO peut cependant être testé au champ, ces essais étant lourds à mettre en œuvre. Afin de pallier aux limites de ces essais, des déterminations des coefficients K1 en laboratoire ont été proposées, que ce soit via des incubations ou des fractionnements biochimiques (ISMO) (Noirot-Cosson et al., 2017). Se pose néanmoins la question de savoir si ces estimations de K1 en laboratoire sont de bons prédicteurs des K1 obtenus au champ. L’objectif de ce travail est donc de vérifier si les déterminations en laboratoire du K1 de différents PRO sont satisfaisantes pour prédire l’évolution du carbone des PRO obtenus au champ, en s’appuyant sur le site expérimental QualiAgro.

Matériel et méthodes

Dans un premier temps, les coefficients isohumiques K1 des PRO apportés sur le site expérimental QualiAgro sont estimés à partir d’incubation en laboratoire. Le module STICS-résidus permet d’optimiser la valeur de K1 qui reproduit au mieux l’évolution de la minéralisation du carbone dans les incubations. On cherche ensuite à prédire ces K1 obtenus par incubation par l’indicateur ISMO. En parallèle, la modélisation avec AMG de l’essai au champ QualiAgro permet la détermination des coefficients K1 par inversion du modèle. Finalement, les différentes valeurs de K1 obtenus par incubation, prédiction avec l’ISMO et par inversion du modèle AMG sont comparées, ainsi que la qualité de prédiction de la dynamique du carbone au champ avec ces différentes valeurs de K1.

Résultats et discussion

Avec la version initiale de STICS résidus, la prédiction de la dynamique du carbone dans les incubations n’est pas satisfaisante. Le partitionnement du C organique des PRO en 3 compartiments est indispensable : (i) fraction labile se dégradant via l’activité de la biomasse zymogène, (ii) fraction plus récalcitrante s’incorporant à la matière organique active du sol et se décomposant selon la même dynamique, (iii) fraction s’incorporant au carbone organique stable de la matière organique du sol. Le K1 se décompose alors en deux composantes : un K1a qui correspond à la fraction du carbone du PRO qui rejoint le compartiment de carbone actif du sol et issus des 2 premières fractions du PRO, et Cs qui correspond à la fraction de carbone du PRO qui rejoint le carbone stable du sol. L’optimisation des K1 des PRO dans cette nouvelle version de STICS-résidus permet alors de prédire avec une qualité satisfaisante l’ensemble des incubations de PRO (RRMSE moyenne pour tous les PRO de 4 %). L’ISMO s’avère être un bon prédicteur des K1 obtenus par incubation (r² = 0,79). Cependant, la prédiction de la composante K1a n’est pas bonne (r² = 0,28).

Afin d’être cohérent avec STICS résidus, une fraction stable dans le PRO a également été intégrée au modèle AMG. La simulation de QualiAgro avec cette nouvelle version permet de représenter de façon très satisfaisante l’évolution au champ du carbone organique du sol (RRMSE moyenne pour tous les traitements de 3 %), mais apporte peu de plus-value par rapport à la version sans carbone stable dans le PRO (RRMSE moyenne de 5 %). Le modèle s’avère par ailleurs peu sensible à la valeur de K1a.

Les valeurs de K1 prédites par les incubations ou l’ISMO sont corrélées aux K1 optimisés par inversion du modèle AMG (r² = 0.7 et 0.8 respectivement, avec seulement 4 PRO). Les déterminations en laboratoire s’avèrent donc être de bons prédicteurs des K1 optimisés sur la base des essais au champ. Cependant, les K1a ne sont pas bien prédits par les incubations. Du fait qu’AMG soit peu sensible à ce paramètre, la prédiction du carbone du sol en utilisant directement les K1a et Cs prédits au laboratoire restent satisfaisantes (RRMSE moyenne pour tous les traitements de 4 %, avec prédiction via les incubations ou l’lSMO). Les K1 obtenus en laboratoire permettent donc de prédire efficacement l’évolution du carbone du sol observée au champ.

La modification du formalisme des modèles STICS-résidus et AMG, en intégrant une partie de carbone stable dans les PRO questionnent malgré qu’elle soit nécessaire pour bien simuler les incubations en laboratoire. Elle apporte en effet peu de plus-value pour simuler les données au champ. Elle amène par ailleurs à intégrer la majorité du carbone des PRO sous une forme stable (non minéralisable), ce qui paraît peu cohérent avec l’effet long terme des PRO et le surcroît de minéralisation généralement observé. Le paramétrage du carbone des PRO dans AMG nécessiterait donc d’étudier les conséquences sur la minéralisation et la fourniture en azote également.

Ces résultats obtenus sur le site de QualiAgro seront à compléter sur d’autres sites du SOERE-PRO afin de valider le pouvoir prédictif au champ des expérimentations en laboratoire. La prédiction par l’ISMO des K1 obtenus étant de qualité moyenne, il est également nécessaire de trouver d’autres prédicteurs du K1, la réalisation des incubations de PRO en laboratoire étant elle-même assez lourde à mettre en œuvre, même si plus aisée que la réalisation d’essai longue durée au champ.

Enfin, une fois validé le pouvoir prédictif de ces expérimentations en laboratoire, elles pourront être utilisées pour paramétrer un grand nombre de PRO dans les modèles de carbone du type d’AMG. Cela ouvre alors des perspectives intéressantes d’utilisation du modèle AMG à l’échelle territoriale pour optimiser la gestion des PRO.

Andriulo, A., Mary, B., Guérif, J., 1999. Modelling soil carbon dynamics with various cropping sequences on the rolling pampas. Agronomie, 19(5), 365-377.

Noirot-Cosson P. E., Dhaouadi K., Etievant V., Vaudour E., Houot S., 2017. Parameterisation of the NCSOIL model to simulate C and N short-term mineralisation of exogenous organic matter in different soils. Soil Biology and Biochemistry, 104, 128-140.

Documents à télécharger