La pression anthropique liée à l’agriculture sur les émissions de N2O

La pression anthropique liée à l’agriculture sur les émissions de N2O

Méthodes d’estimation des émissions de N2O

Mesures directes in situ

La méthode de mesure des émissions de N2O la plus répandue est celle des chambres statiques manuelles (méthode détaillée dans le Chapitre 2). Cette méthode présente l’avantage d’être peu coûteuse, d’être facilement déployable entre différents sites et de pouvoir être utilisée sur des sites expérimentaux de taille réduite (Reeves and Wang, 2015) ou ne disposant pas d’accès à l’électricité. Néanmoins, ce dispositif n’est pas autonome et demande la présence régulière d’un personnel pour assurer un échantillonnage temporel exhaustif. L’échantillonnage spatial est également limité. Les fréquences temporelles et la couverture spatiale des mesures, si celles-ci ne sont pas représentatives, peuvent avoir un impact significatif sur l’estimation des émissions et des bilans N2O d’un site (Zhang et al., 2014 ; Tellez-Rio et al., 2015 ; Reeves et al., 2016 ; Delon et al., 2017 ; Vinzent et al., 2017 ; Tallec et al., 2019). L’emploi de chambre automatiques dynamiques (Peyrard et al., 2016 ; Tallec et al., 2019) sont une méthodologie alternative permettant d’augmenter la fréquence d’échantillonnage temporelle et réduire les incertitudes liées aux variations temporelles des émissions de N2O (méthode détaillée dans le Chapitre 2). Cette méthode présente l’avantage de fonctionner en autonomie, de réaliser les mesures de fraction molaire de N2O in situ et de pouvoir effectuer des mesures à des moments plus contraignants (la nuit par exemple) par rapport aux chambres statiques. Néanmoins, ce dispositif expérimental est difficilement déménageable sur d’autres sites et peut tomber en panne. Les développements technologiques récents ont conduit à la mise au point de la méthode des fluctuations turbulentes (Eddy-Covariance) appliquée au suivi des émissions de N2O (méthodologie largement reconnue et appliquée depuis quelques décennies au CO2, H2O et CH4 notamment). Cette méthodologie présente l’avantage d’effectuer des mesures en continu à haute fréquence (10 Hz avec une intégration des flux à la demi-heure) sur de grandes surfaces (plusieurs dizaines de m² à plusieurs hectares) (Nemitz et al., 2018) permettant de s’affranchir de l’hétérogénéité spatiale et temporelle des émissions de N2O. Néanmoins, les filières de traitement de données sont nettement plus complexes et reposent sur de nombreuses hypothèses. Malgré les différences importantes dans le fonctionnement et leur mise en œuvre, Tallec et al. (2019) ont montré que les 3 méthodologies de mesures donnaient des résultats comparables en termes de dynamique. La pertinence de l’analyse de la dynamique et du calcul des bilans annuels des émissions de N2O dépend donc plus du nombre de données qualitativement correctes et manquantes que de la méthode de mesure utilisée. De ce fait, le choix de l’utilisation d’une méthode se fait au regard des objectifs de l’étude (bilans, processus, etc.) et des équipements disponibles sur place (accès à l’électricité par exemple).

Méthodes de reconstruction de données manquantes

Les base de données constituées avec les méthodes de mesure présentées en section 2 chapitre 2 peuvent néanmoins comporter de longues périodes de données manquantes dû à des fréquences de mesure trop courtes dans le cas des chambres statiques, à des déplacements du matériel technique dans le cas des chambres automatiques ou à des pannes et/ou une filtration et suppressions des données après contrôle qualité pour les chambres automatiques et les mesures Eddy Covariance. Donc quelle que soit la méthodologie utilisée, les pertes de données sont inévitables. Ce manque peut-être critique pour la compréhension et l’interprétation de la dynamique des émissions ainsi que pour les calculs de bilans annuels de N2O. Il n’existe actuellement aucun consensus sur la méthode à utiliser pour combler ce manque de données (Nemitz et al., 2018). La méthode la plus couramment utilisée dans les études sur les émissions de N2O est la technique utilisant l’interpolation linéaire (Tellez-Rio et al., 2015 ; Vinzent et al., 2017). Mais cette méthode présente le désavantage de ne pas prendre en compte les variabilités environnementales ayant un impact sur la formation et l’émission de N2O des sols. Son utilisation pour des mesures réalisées très ponctuellement dans le temps peut entrainer une sous ou sur estimation des bilans annuels de N2O, et donc une mauvaise interprétation des effets du climat et des pratiques agricoles sur ces bilans. L’utilisation de réseaux de neurones artificiels (ANN) pour remplacer la méthode traditionnelle de l’interpolation linéaire des flux de N2O apparait comme une bonne alternative. Taki et al. (2018), dans leur étude menée avec un jeu de données issues de 6 années de mesures sur un site de culture au Canada, recommande l’utilisation de l’ANN comme méthode de reconstruction de données manquantes en remplacement de l’interpolation linéaire, les résultats avec l’utilisation de l’ANN montrant de meilleurs résultats statistiques par rapport à l’interpolation linéaire, avec des R² de 0.41 et 0.34, respectivement.

Table des matières

RESUME
ABSTRACT
INTRODUCTION GENERALE
CHAPITRE 1. ANALYSE BIBLIOGRAPHIQUE
1. PROCESSUS DE FORMATION DU N2O DANS LES SOLS
1.1. Nitrification
1.2. Dénitrification.
2. FACTEURS D’INFLUENCE DES EMISSIONS DE N2O
2.1. Teneur en azote
2.2. Disponibilité en matière organique
2.3. Teneur en eau et propriétés pédologiques du sol
2.4. Température
2.5. pH
2.6. Transport du N2O par les plantes
2.7. Influx de N2O
3. INFLUENCE ANTHROPIQUE
3.1. Pratiques agricoles
3.1.1. Fertilisation azotée
3.1.2. Brûlis
3.1.3. Résidus de culture et destruction de couvert intermédiaire
3.1.4. Irrigation
3.1.5. Travail du sol
3.1.6. Pâturage et pastoralisme
4. METHODES D’ESTIMATION DES EMISSIONS DE N2O.
4.1. Mesures directes in situ
4.2. Méthodes de reconstruction de données manquantes
4.3. Méthode d’estimation des bilans annuels d’émissions de N2O du GIEC
4.4. Les modèles d’estimation des émissions de N2O à l’échelle de la parcelle
4.5. Les modèles d’estimation des émissions de N2O à l’échelle de la région
5. OBJECTIFS DE LA THESE
6. IMPLICATION PERSONNELLE
CHAPITRE 2. MATERIELS ET METHODES
1. DESCRIPTION DES SITES D’ETUDE
1.1. Sites Sud-Ouest : réseaux et climatologie
1.2. Lamasquère
1.3. Auradé
1.4. Dahra
1.5. Mbita
2. METHODES DE MESURES DES EMISSIONS
2.1. Chambres automatiques
2.1.1. Fonctionnement des chambres
2.1.2. Calcul des émissions
2.2. Chambres statiques
2.2.1. Fonctionnement des chambres
2.2.2. Calcul des émissions
3. OUTILS DE MODELISATION : DE LA PARCELLE A LA REGION
3.1. Modélisation statistique utilisant les réseaux de neurones
3.2. STEP-GENDEC
3.3. Utilisation du modèle RegCM-CLM pour une approche régionale.
3.3.1. Description du modèle RegCM-CLM
3.3.2. Détails des modules de dénitrification testés
3.3.3. Configuration du modèle RegCM-CLM
3.3.4. Carte de végétation
3.4. Paramètres statistiques R², RMSE et RRMSE
CHAPITRE 3. UTILISATION DE LA METHODE DES RESEAUX DE NEURONES ARTIFICIELS POUR LA
RECONSTRUCTION DE SERIES TEMPORELLES D’EMISSIONS DE N2O
CONTEXTE ET RESUME DE L’ETUDE
COMBINATION OF TWO METHODOLOGIES, ARTIFICIAL NEURAL NETWORK AND LINEAR INTERPOLATION, TO GAP-FILL DAILY
NITROUS OXIDE FLUX MEASUREMENTS
ABSTRACT
1. INTRODUCTION
2. MATERIALS
2.1. Experimental site
2.2. N2O flux measurement
2.3. Meteorology, soil variables and ancillary data measurements
3. METHODS
3.1. ANN gap-filling methodology
3.1.1. General principle
3.1.2. Creation of the neural network step by step
3.1.2.1. Neural Network performances
3.1.2.2. Early stopping procedure
3.1.2.3. Selection of input variables
3.2. Comparison between ANN and linear interpolation gap-filling methodologies
3.3. Determination of the GMD (Gap Magnitude and Duration) coefficient
3.4. Estimating annual N2O budget uncertainty due to gap-filling
4. RESULTS AND DISCUSSION
4.1. N2O flux range and dynamic at FR-Lam crop site
4.2. ANN simulation and selected variables
4.3. ANN performances
4.4. Evaluation of ANN and linear interpolation methodologies gap-filling performances
4.5. Effect of gap-filling methodologies on mean N2O emissions according to functioning period
4.6. Combination of ANN and linear interpolation methodologies
4.7. Comparison of the three gap-filling methodologies: linear interpolation, ANN and the
combination of both
4.8. Evaluation of gap-filling uncertainty on N2O budget
CONCLUSION
CHAPITRE 4. BILANS SAISONNIERS ET ANNUELS DES EMISSIONS DE N2O DE DEUX SITES AGRICOLES DANS LE SUD-OUEST DE LA FRANCE : IMPACT DES PRATIQUES AGRICOLES ET DE LA VARIABILITE METEOROLOGIQUE ET PROPOSITION D’UNE METHODE DE CALCUL
CONTEXTE ET RESUME DE L’ETUDE
N2O BUDGET FROM 10 SITE-YEARS MEASUREMENT ON TWO CROP FIELDS IN SOUTHWESTERN FRANCE: IMPACT OF
AGRICULTURAL PRACTICES AND CALCULATION METHODOLOGY
ABSTRACT
KEYWORDS
INTRODUCTION
2. MATERIAL AND METHODS
2.1. Study sites
2.2. Climate and seasonal water supply variability
2.3. N2O emissions measurements and computation
2.3.1. Automated chambers set up
2.3.2. Flux calculation
2.4. Ancillary data monitoring
2.4.1. Vegetation dynamic
2.4.2. Meteorological data
2.5. N2O budgets
2.5.1. Gap-filling of N2O emissions datasets
2.5.2. Uncertainty calculation on the N2O budget
2.5.3. IPCC Tier 1 methodology
2.5.4. Nitrogen Use Efficiency, Yield-scaled N2O emissions, N surplus
2.5.5. Statistical evaluation
2.5.6. Optimisation procedure of agricultural practices effects on N2O emissions and empirical model
parametrisation
3. RESULTS
3.1. Dynamic of monthly cumulated N2O emissions
3.2. Annual N2O budget and contribution of seasons
3.3. Agronomical nitrogen use efficiencies versus yield-scale annual N2O efflux
3.4. Management effects on N2O budget at the FR-Lam and FR-Aur sites
3.4.1. Nitrogen fertilisation and crop development
3.4.2. Nitrogen residues and spring mineralisation
3.4.3. Tillage depth
3.4.4. Empirical modelling of seasonal N2O budget
3.5. N2O budget simulation
3.5.1. Seasonal scale
3.5.2. Annual scale: comparison with IPCC methodology. 108
4. DISCUSSION
4.1. Effect of crop rotation on N2O fluxes.
4.1.1. Residual nitrogen and spring mineralisation impact on spring N2O efflux: effect of crop type
4.1.2. Autumn N2O flux intensity explained by the tillage depth combined with the previous mean
water supply .
4.1.3. Irrigation effect
4.2. Fertilisation effect on N2O emission depends on N-use efficiency: NUEagro versus yield-scaled N2O
efflux
4.3. Towards an improved N2O budget estimation
CONCLUSION
ACKNOWLEDGEMENT
CHAPITRE 5. COMPARAISON DES EMISSIONS DE N2O DE DEUX SITES AFRICAINS AUX GESTIONS ET CLIMATS CONTRASTES
CONTEXTE ET RESUME DE L’ETUDE
UNDERSTANDING N2O EMISSIONS IN AFRICAN ECOSYSTEMS: ASSESSMENTS FROM A SEMI-ARID SAVANNA GRASSLAND IN SENEGAL AND SUB-TROPICAL AGRICULTURAL FIELDS IN KENYA
ABSTRACT
KEYWORDS
1. INTRODUCTION
2. MATERIALS AND METHODS
2.1. Sites and field campaigns description
2.1.1. Dahra rangeland station
2.1.2. Mbita cropland region
2.2. Field Data
2.2.1. Hydro-meteorological data
2.2.2. N2O chamber emission measurements
2.2.3. Soil characteristics (texture, pH, N and C content)
2.3. Statistical Methods
2.4. N2O emission modelling
2.4.1. STEP-GENDEC model
2.4.2. N2O emission module in STEP-GENDEC
3. RESULTS
3.1. Mbita region measurements
3.2. Dahra site measurements
3.3. Modelling N2O emissions at the Dahra site
3.3.1. Soil water content modelling
3.3.2. NO3 content
3.3.3. Simulated N2O emissions
3.4. Annual N2O budget calculation in Mbita and Dahra
4. DISCUSSION
4.1. Magnitude of N2O emissions and comparison to other studies
4.3 N2O emissions from semi-arid sites
4.4. DNDC denitrification module adaptation to semi-arid conditions
4.5. Annual cycle of N2O emissions from simulated results.
4.6. Regional scale N2O budget estimation
5. CONCLUSION
ACKNOWLEDGMENTS
CHAPITRE 6. SIMULATION DES EMISSIONS DE N2O A L’ECHELLE DE LA REGION AVEC LE MODELE REGCM-CLM
1. PRINCIPALES VARIABLES D’INFLUENCE DES EMISSIONS DE N2O
1.1 Précipitation
1.2 Leaf Area Index
1.3 Nitrates
2. EMISSIONS DE N2O AVEC LES FORMALISMES CENTURY ET NOE2
2.1. Evaluation à l’échelle du domaine
2.2 Evaluation à l’échelle locale : Dahra, Mbita et sites Sud-Ouest
3. DENITRIFICATION TOTALE : CAUSE POTENTIELLE DES FAIBLES EMISSIONS DE N2O SIMULEES
4. DISCUSSION
4.1. Comparaison des modules CENTURY et NOE2
4.2. Comparaison modèles – mesures des émissions de N2O simulées
4.3 Comparaison avec les émissions de N2O simulées par d’autres modèles régionaux
4.4. Impact des variables environnementales sur les émissions de N2O
4.5. Synthèse
CONCLUSION
DISCUSSION GENERALE
1. EFFETS DES PRATIQUES AGRICOLES
2. EFFETS DU CONTEXTE PEDOCLIMATIQUE
3. EFFETS DE LA COUVERTURE VEGETALE
4. LIMITES DE LA MODELISATION DES EMISSIONS N2O
5. SYNTHESE
CONCLUSION GENERALE ET PERSPECTIVES
ANNEXE
A. LABORATOIRES IMPLIQUE DANS L’ANALYSE DES ECHANTILLONS UTILISES DANS LE CHAPITRE
B. EMISSIONS DE N2O ET LEURS FACTEURS D’INFLUENCE MESUREES SUR LA REGION DE MBITA ET SUR LE SITE DE DAHRA
C. ESTIMATIONS DES BILANS N2O EN AFRIQUE RAPPORTES DANS LE CHAPITRE 5
D. MODULE DE DENITRIFICATION DE DNDC ADAPTE AU MODELE STEP-GENDEC-N2O
RÉFÉRENCES
LISTE TABLEAUX ET FIGURES