M E M O I R E de fin d’études - sols-et-territoires.org · Exploration d’une méthode basée...
-
Upload
vuongkhuong -
Category
Documents
-
view
215 -
download
0
Transcript of M E M O I R E de fin d’études - sols-et-territoires.org · Exploration d’une méthode basée...
1
Ministère de l’Agriculture, de l’Alimentation, de la Pêche, de la Ruralité et de l’Aménagement du Territoire
E C OLE N ATIONALE d’ INGENIEURS des T R AVAUX A GRICOLES de B ORDEAUX 1, cours du Général de Gaulle - CS 40201 – 33175 GRADIGNAN cedex
M E M O I R E de fin d’études
pour l’obtention du titre
d’Ingénieur de l’ENITA de Bordeaux
SPATIALISATION DU DIAGNOSTIC DE L’ETAT ORGANIQUE
DES SOLS CULTIVES A L’ECHELLE D’UN TERRITOIRE :
Exploration d’une méthode basée sur le bilan humique
AMG, appliquée dans le département du Loiret
Vigot, Marion
Option : Gestion des Espaces Agricoles
Etude réalisée à : L’Institut Polytechnique Lasalle Beauvais
- 2 0 1 1 -
2
Ministère de l’Agriculture, de l’Alimentation, de la Pêche, de la Ruralité et de l’Aménagement du Territoire
E C OLE N ATIONALE d’ INGENIEURS des T R AVAUX A GRICOLES de B ORDEAUX 1, cours du Général de Gaulle - CS 40201 – 33175 GRADIGNAN cedex
M E M O I R E de fin d’études
pour l’obtention du titre
d’Ingénieur de l’ENITA de Bordeaux
SPATIALISATION DU DIAGNOSTIC DE L’ETAT ORGANIQUE
DES SOLS CULTIVES A L’ECHELLE D’UN TERRITOIRE :
Exploration d’une méthode basée sur le bilan humique AMG,
appliquée dans le département du Loiret
Vigot, Marion
Option : Gestion des Espaces Agricoles
Etude réalisée à : L’Institut Polytechnique Lasalle Beauvais
Maître de stage : Scheurer, Olivier
- 2 0 1 1 -
3
Titre : Spatialisation du diagnostic de l’état organique des sols cultivés à l’échelle d’un territoire :
exploration d’une méthode basée sur le bilan humique AMG, appliquée dans le département du
Loiret.
Résumé
A l’échelle de la parcelle, le diagnostic de l’état organique d’un sol cultivé peut être réalisé par un
bilan humique en simulant l’effet à long terme du système de culture. Pour gérer l’état organique des
sols à l’échelle d’un territoire, notamment face aux sollicitations des filières de valorisation de
biomasse, une méthode de spatialisation du bilan humique AMG est conçue et appliquée aux régions
de grande culture du département du Loiret. Un inventaire des combinaisons « Sol x teneur en
carbone x Système de culture » présentes sur ce territoire est établi : les teneurs en carbone
organique des sols sont spatialisées à partir de l’exploitation de la Base de Données Analyse des
Terres (BDAT) mise en relation avec les Unités Typologiques de Sols (UTS) du Référentiel Régional
Pédologique (RRP) ; les rotations culturales sont reconstituées à partir des données du Registre
Parcellaire Graphique sur 4 ans et croisées avec les Unités Cartographiques de Sols (UCS) du RRP,
puis affectées aux UTS selon des règles agronomiques et de distribution des surfaces. L’évolution à
long terme de la teneur en carbone organique est simulée avec le modèle AMG pour chaque
combinaison « UTS x médiane de teneur en carbone x Rotation ».La synthèse des résultats par UCS,
puis pour le territoire, estime la part des surfaces en situation de stockage, d’équilibre et de
déstockage du carbone. Les combinaisons à l’origine de ces trois situations sont identifiées. Des
limites liées aux données et à la méthode utilisées sont mises en évidence. Enfin, des améliorations
sont proposées.
Mots clés : carbone organique, AMG, état organique des sols, systèmes de culture, spatialisation,
RRP, BDAT, RPG.
Title: Spatialization of arable soil organic carbon diagnostic on a regional scale: a method based on
the AMG model.
Abstract
On a field scale, the diagnostic of arable soil organic carbon could be made using a humic balance
simulating the cropping system long term effect. On a regional scale, for managing soil organic
matter, particularly to answer to bioenergy processes development, an AMG model spatialiazation
method is established and applied to the open field Loiret region. A spatialized inventory of existing
combinations “soil x organic carbon content x cropping system” is carried out: soil organic carbon is
spatialized using an analytical soil database (BDAT) in interaction with the soil units (UTS) of a soil
database (RRP); crop rotations are extracted from a 4 years land-use database (RPG) crossed with
cartographic soil units (UCS) of the RRP and distributed to the UTS using agronomic and surface
distribution rules. For each combination “UTS x median organic carbon x crop rotation” a diagnostic
simulation run is performed with the AMG model. Areas experiencing storage, neutral or organic
deficiency are calculated at i) UCS scale and ii) the entire study area. This work underlines method
and data limitations and estimates theirs impacts on results accuracy. Finally, some methodological
improvements are suggested.
4
Key words: organic carbon, AMG model, cropping systems, spatialization, RRP, DBAT, RPG
Remerciements
Je tiens tout d’abord à remercier mon maître de stage, Olivier Scheurer, de m’avoir
confié ce travail. Nos échanges de réflexion méthodologique se sont complétés pour
explorer un sujet encore peu documenté.
Je remercie aussi les membres du RMT Sols et Territoires qui ont contribué à cette
étude : Annie Duparque d’Agro-Transfert RT, l’unité Infosol de l’INRA d’Orléans, en
particulier Anne Richer de Forges et Jean-Baptiste Paroissien, ainsi que Bernard
Verbeque de la Chambre d’Agriculture du Loiret.
Des remerciements moins studieux à l’ensemble de l’équipe du département SAGA de
l’Institut Polytechnique Lasalle Beauvais, avec qui le quotidien a été très agréable :
Anne, Romain, Michel-Pierre, David et bien d’autres.
Enfin, un grand merci aux personnes qui m’ont entourée pendant ces derniers jours
de rédaction.
5
Table des matières
Introduction ........................................................................................................................................... 11
1 Contexte de l’étude ....................................................................................................................... 13
1.1 Les matières organiques du sol ............................................................................................. 13
1.1.1 Pourquoi s’intéresser au statut organique des sols ? ................................................... 13
1.1.2 L’estimation du statut organique : le carbone organique ............................................. 13
1.1.3 Facteurs influents du statut organique des sols ............................................................ 14
1.2 Un diagnostic de l’état organique des sols : finalités et modes opératoires ........................ 16
1.2.1 Les finalités du diagnostic de l’état organique des sols ................................................ 16
1.2.2 Rappels sur le diagnostic ............................................................................................... 16
1.2.3 Caractérisation de l’état organique des sols ................................................................. 17
1.2.4 Méthodes d’identification des causes des écarts ......................................................... 18
1.2.5 Identification des marges de manœuvre .................................................................... 18
1.3 Utilisation d’AMG à l’échelle d’un territoire : un objectif de valorisation innovante de
données et d’outils ............................................................................................................................ 19
1.3.1 Une utilisation innovante .............................................................................................. 19
1.3.2 Fonctionnement du modèle et données nécessaires ................................................... 19
1.4 La spatialisation des systèmes de culture ............................................................................. 20
1.4.1 Accès aux données ........................................................................................................ 21
1.4.2 Traitement des données................................................................................................ 21
1.5 Problématique et Présentation générale de la démarche .................................................... 22
2 Matériel et méthode ..................................................................................................................... 24
2.1 Présentation du territoire d’étude ........................................................................................ 24
2.1.1 Choix du territoire d’étude : le Loiret ............................................................................ 24
2.1.2 Répartition de la Surface Agricole Utile ........................................................................ 25
2.1.3 Climat et topographie .................................................................................................... 26
2.2 Données utilisées, conditionnées par le modèle .................................................................. 26
2.2.1 Données relatives au sol ................................................................................................ 26
2.2.2 Données relatives au système de culture ..................................................................... 31
2.2.3 Données relatives au climat .......................................................................................... 34
2.3 Outils utilisés ......................................................................................................................... 34
2.3.1 Outils de traitement des données ................................................................................. 34
2.3.2 Outils de réalisation du diagnostic ................................................................................ 34
6
2.4 Choix de l’unité spatiale d’intégration .................................................................................. 36
2.5 Méthode de mise en œuvre du diagnostic de l’état organique des sols .............................. 36
2.5.1 Extraction et calcul des données pédologiques ............................................................ 37
2.5.2 Définition des rotations culturales ................................................................................ 37
2.5.3 Affectation des rotations-types aux UTS ....................................................................... 41
2.5.4 Définition des pratiques culturales et des rendements ................................................ 43
2.5.5 Définition des combinaisons « sol x système de culture x carbone organique » ......... 44
2.5.6 Diagnostic de l’état organique des sols ......................................................................... 44
2.5.7 Validation....................................................................................................................... 45
3 Principaux résultats ....................................................................................................................... 47
3.1 Caractéristiques des sols ....................................................................................................... 47
3.2 Rotations-types utilisées ....................................................................................................... 48
3.3 Affectation des rotations aux UTS ......................................................................................... 49
3.4 Pratiques culturales dominantes et rendements .................................................................. 49
3.5 Hypothèses et simplifications pour l’utilisation de SIMEOS-AMG ........................................ 50
3.6 Diagnostic de l’état organique .............................................................................................. 52
3.6.1 Caractérisation globale des UCS et du territoire vis-à-vis de la dynamique du Carbone
organique ...................................................................................................................................... 52
3.6.2 Interprétation des résultats par les combinaisons « rotation-type x UTS » ................. 52
3.6.3 Identification des marges de manœuvre et besoins de simulations ............................ 53
3.7 Validation des successions culturales ................................................................................... 54
3.8 Validation des rotations ........................................................................................................ 55
3.8.1 A partir de la redistribution des surfaces ...................................................................... 55
3.8.2 A dires d’experts ............................................................................................................ 55
3.9 Validation du diagnostic ........................................................................................................ 56
4 Discussion ...................................................................................................................................... 58
4.1 Les atouts de la méthode par rapport aux objectifs fixés ..................................................... 58
4.1.1 Mise en place d’une première approche méthodologique ........................................... 58
4.1.2 Transposabilité de la méthode à d’autres territoires .................................................... 58
4.1.3 Vers la mise au point d’un outil d’aide à la décision ..................................................... 58
4.2 Qualité des résultats et limites de la méthode ..................................................................... 59
4.2.1 Conséquences des hypothèses ...................................................................................... 59
4.2.2 Les limites étape par étape ........................................................................................... 59
4.2.3 Le diagnostic et sa validation ........................................................................................ 61
7
4.3 Améliorations possibles......................................................................................................... 61
4.3.1 La préparation des données .......................................................................................... 61
4.3.2 L’affectation des rotations aux UTS ............................................................................... 61
4.3.3 Les teneurs en carbone organique ................................................................................ 62
Conclusion ............................................................................................................................................. 63
Références bibliographiques ................................................................................................................. 64
ANNEXES ................................................................................................................................................ 68
8
Table des figures
Figure 1 : Rôles des matières organiques du sol (d’après CHENU & BALABANE, 2001) ....................... 13
Figure 2 : Relation entre teneur et stock de carbone organique .......................................................... 14
Figure 3 : Flux entrants et sortants de carbone organique du sol (source : BALESDENT, 1996)........... 14
Figure 4 : Stocks de carbone des sols et occupation du sol (source : ARROUAYS, 2002) ..................... 15
Figure 5 : Stocks de carbone des sols et types de sols de la classification FAO (source : ARROUAYS,
2002) ...................................................................................................................................................... 15
Figure 6 : Fonctionnement du modèle AMG (source : TOMIS & DUPARQUE, 2009) ............................ 20
Figure 7 : Relation entre le stock observé et le stock simulé avec AMG (source : DUPARQUE, et al.,
2007) ...................................................................................................................................................... 20
Figure 8 : Petites Régions Naturelles du Loiret et territoire d'étude (source : RRP) ............................. 24
Figure 9 : Répartition de la SAU des PRN du territoire d'étude (source : RPG, moyennes de 2006,
2007, 2008 et 2009) .............................................................................................................................. 25
Figure 10 : Unités Cartographiques de Sols étudiée : a) UCS 39 - Grande Beauce, b) UCS 35 - Petite
Beauce, c) UCS 31 - Pourtour de l'Orléanais, d) UCS 72 - Gâtinais Oriental (source : RRP) .................. 28
Figure 11 : Répartition des analyses de la BDAT sur le territoire national (source : GIS Sol) ............... 30
Figure 12 : « Boîtes à moustaches » des teneurs en carbone organique pour les UTS des UCS étudiées
: a) UCS 31, b) UCS 35, c) UCS 39, d) UCS 72 (source Infosol) ............................................................... 31
Figure 13 : Effectifs des analyses de la base Azofert pour les principales cultures .............................. 33
Figure 14 : Copie d'écran de l'application SIMEOS-AMG (saisie d'un scénario) ................................... 35
Figure 15 : Schéma de la démarche pour obtenir des rotations probables à partir du RPG ................ 37
Figure 16 : Exemple d'un groupe de rotations probables ..................................................................... 41
Figure 17 : Récapitulatif de la méthode mise en œuvre ....................................................................... 46
Figure 18 : Etat organique des sols par UCS .......................................................................................... 52
Figure 19 : Evolution de l'état organique des sols par UCS pour 3 scénarios de restitution des pailles
............................................................................................................................................................... 54
Figure 20 : Evolution de l'état organique des sols par UCS à partir de l'assolement réel ..................... 56
Figure 21 : Relations entre les parts de surface en déstockage obtenues à partir des deux diagnostics :
a) scénario de restitution totale, b) scénario de restitution nulle ........................................................ 57
9
Table des tableaux
Tableau 1 : Caractéristiques des principales bases de données (BDD) géographiques d'occupation du
sol .......................................................................................................................................................... 21
Tableau 2 : Caractéristiques des sols et surface irrigable des PRN du territoire d’étude ..................... 26
Tableau 3 : Description des UCS étudiées (source : RRP)...................................................................... 29
Tableau 4 : Données climatiques utilisées ............................................................................................ 34
Tableau 5 : Tableau récapitulatif des données utilisées ....................................................................... 35
Tableau 6 : Correspondance entre la nomenclature du RPG et les codes de culture utilisés .............. 39
Tableau 7 : Exemple de correspondance pour quelques successions et rotations .............................. 40
Tableau 8 : Catégories de cultures selon leur restitution humique (source : Agro-Transfert RT) ........ 41
Tableau 9 : Contraintes agronomiques retenues et seuils .................................................................... 42
Tableau 10 : Règles d'exclusion des cultures exigeantes selon les contraintes agronomiques ............ 42
Tableau 11 : Fractiles utilisés pour déterminer les rendements ........................................................... 43
Tableau 12 : Résultats des caractéristiques des UTS ............................................................................ 47
Tableau 13 : Nombre de rotations-types obtenues par UCS ................................................................ 48
Tableau 14 : Détail des rotations-types et part de surface de l'UCS associée ...................................... 48
Tableau 15 : Fréquences des pratiques (restitution des résidus, apports de MO et irrigation) dans la
base Azofert selon les cultures .............................................................................................................. 50
Tableau 16 : Extrait des rendements obtenus (q.ha-1) .......................................................................... 50
Tableau 17 : Récapitulatif des critères renseignés dans SIMEOS-AMG ................................................ 51
Tableau 18 : Ebauche de typologie des combinaisons "rotation-type x UTS" selon leur tendance
évolutive ................................................................................................................................................ 53
Tableau 19 : validation des successions utilisées .................................................................................. 54
Tableau 20 : Comparaison des surfaces redistribuées à partir des rotations-types aux surfaces de
l'assolement réel ................................................................................................................................... 55
Tableau 21 : Rotations citées par les conseillers agricoles (en rouge, celles qui sont aussi des
rotations-types) ..................................................................................................................................... 55
10
Sigles et abréviations
A : argile vraie
AMG : modèle de bilan humique proposé par Andriulo, Mary, Guérif (1999)
ASP : Agence de Services et de Paiements
BDAT : Base de Données Analyse des Terre
BDD : Base De Données
Ca : Calcaire total
CEC : Capacité d’Echange Cationique
CIPAN : Culture Intermédiaire Piège à Nitrates
Corg : Carbone organique
Da : Densité apparente
EG : Eléments Grossiers
ETP : Evapotranspiration
IGCS : Inventaire, Gestion et Conservation des Sols
INRA : Institut National de la Recherche Agronomique
IR : IRrigué(e)
MNT : Modèle Numérique de Terrain
MO : Matières Organiques
NIR : Non IRrigué(e)
PRN : Petite Région Naturelle
RGA : Recensement Agricole
RMT : Réseau Mixte Technologique
RPG : Registre Parcellaire Graphique
RRP : Référentiel Régional Pédologique
RUM : Réserve Utile Maximale
SAU : Surface Agricole Utile
SdC : Système de Culture
SIG : Système d’Information Géographique
SIMEOS-AMG : outil de SIMulation de l’Etat Organique des Sols
UCS : Unité Cartographique de Sols
USI : Unité Spatiale d’Intégration UTS : Unité Typologique de Sols
Abréviations spécifiques aux cultures BS : Betterave Sucrière
C : Céréale à paille
CH : Colza d’hiver
L : Légume de plein champs (dont pomme de terre de consommation et oignon)
M : Maïs grain
P : Pois protéagineux
T : Tournesol
11
Introduction
Le sol est une ressource naturelle finie dont dépendent à la fois notre alimentation, nos activités et la
qualité de notre environnement. Ainsi, un projet européen de Directive-cadre sur la protection des
sols, proposé en 2006, a pour objectif de mettre en place au sein de la Communauté européenne
une stratégie pour la protection et l’utilisation durable des sols, passant entre autres par la
préservation des fonctions du sol.
Par ailleurs, les besoins de connaissance des sols exprimés par différents acteurs des territoires sont
en augmentation. Cela traduit une volonté grandissante de gestion durable des territoires
(ressources, écosystèmes ou activités) et de conservation des sols. C’est pourquoi des acteurs
français travaillant sur les sols ont mis en place le Réseau Mixte Technologique (RMT) Sols et
Territoires1, labellisé par le Ministère en charge de l’Agriculture fin 2010. Ce RMT a pour vocation de
favoriser la prise en compte des sols dans différentes problématiques, en privilégiant l’approche
cartographique et territoriale. Autrement dit, il vise à accroitre et valoriser la connaissance des sols
pour le développement durable des territoires ruraux. De plus, il s’appuie sur le programme
Inventaire, Gestion et Conservation des Sols (IGCS), initié en France dans les années 1990, qui
constitue un inventaire des sols et permet d’alimenter des bases de données nationales. Celles-ci
peuvent servir à la création d’outils cartographiques d’aide à la décision pour l’agriculture,
l’environnement et l’aménagement des territoires.
Ce cadre, favorisant l’échange de compétences entre les différents organismes partenaires2 du RMT,
vise une mutualisation méthodologique pour traiter des problématiques complexes à travers des
projets communs. Ainsi, un des projets du RMT Sols et Territoires porte sur la « spatialisation de
l’état organique des sols cultivés à l’échelle d’un territoire ». En effet, la gestion des matières
organiques des sols est une préoccupation majeure. C’est un exemple de problématique complexe
liée au sol, nécessitant un investissement méthodologique afin de combiner des informations
spatialisées sur les sols et les systèmes de culture.
A travers ce projet, le RMT Sols et Territoires souhaite valoriser des bases de données sur les sols
constituées depuis plusieurs années par le programme IGCS : la Base de Données Analyse des Terres
(BDAT) et le Référentiel Régional Pédologique (RRP).
Par ailleurs, ce projet permet de mettre à profit le modèle de bilan humique AMG récemment mis au
point par l’INRA de Laon et utilisé en Picardie comme outil d’aide à la décision à l’échelle de la
parcelle par Agro-Transfert RT (partenaire du RMT). Il s’agit ici d’étendre son utilisation à un contexte
territorial et spatialisé. Enfin, l’élargissement de l’utilisation du modèle AMG à une grande diversité
de sols et de systèmes de production sur la plan national est en cours (Projet ITA-AMG), ce qui
renforce l’intérêt de cet outil pour les partenaires du RMT.
1 Les informations détaillées concernant ce RMT sont présentées en Annexe 1.
2 14 partenaires fondateurs : Chambres d’Agricultures et organismes associés (Poitou-Charentes, Alsace –
ARAA, Rhône-Alpes, Creuse, Indre, APCA), organismes de recherche et d’enseignement supérieur agricole (INRA Infosol, INRA UMR LISAH, AGROCAMPUS-Ouest, Groupe-ISA Lille, Institut Polytechnique Lasalle Beauvais, Agrosup Dijon/Institut EDUTER), établissements d’enseignement technique agricole (Lycée agricole de Saintes). 11 partenaires associés dont Arvalis – Institut du Végétal et Agro-Transfert Ressources et Territoires.
12
Concrètement, l’objectif est de réaliser un diagnostic spatialisé de l’état organique des sols cultivés à
l’échelle d’un territoire à la dimension d’un département français, à partir de bases de données
existantes et du modèle de bilan humique AMG. Cela dans l’optique de répondre à des besoins
concrets de gestion durable des territoires ruraux dans un contexte de production agricole en
évolution (développement de filières de valorisation de biomasse).
Les objectifs du stage sont de mettre en place une première approche méthodologique pour mener
ce diagnostic, transposable à d’autres territoires. Cela doit permettre de soulever les limites
associées à une telle application et de proposer des pistes d’amélioration. La question de départ sera
donc de savoir s’il est possible de mener un diagnostic spatialisé de l’état organique des sols à
l’échelle d’un département compte tenu des données et outils disponibles.
Ce mémoire présente le travail réalisé lors de cette première expérience méthodologique. La
première partie expose les notions nécessaires à la compréhension du sujet et l’état des lieux des
connaissances actuelles. La seconde partie présente le territoire d’étude, les outils et les données
utilisés ainsi que les choix méthodologiques et les hypothèses impliquées. Les résultats sont
présentés en troisième partie. Enfin, nous porterons une attention toute particulière à la pertinence
de la démarche, la qualité des résultats et les limites de la méthode employée dans une phase de
discussion.
13
1 Contexte de l’étude
1.1 Les matières organiques du sol
1.1.1 Pourquoi s’intéresser au statut organique des sols ?
Les matières organiques du sol (MO) sont des constituants organiques vivants ou morts, d’origine
animale, végétale ou microbienne, transformés ou non et remplissent de nombreuses fonctions.
(CHENU & BALABANE, 2001). Les matières organiques possèdent différentes formes de composés,
mais peuvent être regroupées en deux fractions : une fraction stable (l’humus), dont le temps de
résidence dans le sol est de l’ordre de 25 ans, voire plus, et une fraction active, ou labile, dont le
renouvellement est annuel. Par ailleurs, le carbone en est l’élément majoritaire (50%), suivi de
l’oxygène (40%), de l’hydrogène (5%), de l’azote (4%) et du souffre (1%) (CHENU & BALABANE, 2001).
Les matières organiques ont des effets
globalement positifs sur diverses propriétés
élémentaires liées au sol. Elles contribuent à la
fertilité du sol, aussi bien physique, que
chimique, et biologique. D’autre part, elles
influencent la qualité des cultures, de l’eau, ainsi
que de l’air. (cf. figure 1). Elles sont donc un
élément essentiel à la qualité des sols (CHENU,
2002).
Elles confèrent notamment au sol une capacité
de résistance à des modifications du milieu qui
permet de conserver les systèmes de production
agricole mais aussi la qualité des écosystèmes
(BALESDENT, 1996).
Les matières organiques apparaissent donc comme un élément majeur à prendre en compte tant sur
le plan agronomique qu’environnemental (LEMERCIER, et al., 2006).
1.1.2 L’estimation du statut organique : le carbone organique
Pour prendre en compte les matières organiques, il faut pouvoir estimer leur qualité et leur
quantité. Pour cela, des analyses de terre en laboratoire mesurent la teneur en Carbone organique
(Corg), qui est un indicateur de qualité des sols. Le stock de carbone organique est déduit de la
teneur (cf. figure 2) et correspond à une masse par unité de surface, indicateur de quantité
(DUPARQUE, et al., 2007).
La teneur en MO peut être déduite de la teneur en carbone organique en utilisant un rapport
matière organique/carbone qui varie de 1,72 à 2 selon les laboratoires d’analyse (WYLLEMAN, et al.,
2001).
Les analyses de terre courantes permettent de connaitre la concentration de carbone total (teneur)
mais aucune méthode ne permet de mesurer directement la fraction active de façon sure
(DUPARQUE, et al., 2007). Celle-ci est déduite de la teneur en carbone organique total mesurée dont
elle représente entre 35 et 50% (WYLLEMAN, et al., 2001).
Figure 1 : Rôles des matières organiques du sol (d’après CHENU & BALABANE, 2001)
14
* : L’épaisseur de la couche labourée est généralement fixée à 30 cm. ** : La masse volumique, aussi appelée densité
apparente, est soit directement mesurée, soit déduite de différentes propriétés du sol.
Enfin, l’état organique des sols fait référence autant à la quantité qu’à la qualité et à la répartition
des matières organiques du sol dans la couche du sol explorée par le profil cultural. Dans la pratique,
pour suivre l’état organique de façon fiable, on suit l’évolution du stock de carbone organique du sol
pour une masse de terre identique entre deux dates de mesure (DUPARQUE, et al., 2007).
1.1.3 Facteurs influents du statut organique des sols
Selon (BALESDENT, et al., 2002) :
Le stock de carbone organique est soumis à des flux
entrants et des flux sortants (cf. figure 3), qui
dépendent de nombreux paramètres naturels et
anthropiques.
Les flux entrants sont essentiellement liés à production
primaire in situ par la photosynthèse des végétaux
suivie de l’humification de leurs résidus, mais aussi aux
matières organiques apportées au sol en tant que
fertilisant. Les pratiques culturales concernant le
devenir des résidus et les apports de matières
organiques au sol vont donc avoir des effets sur les flux
entrants. De plus, plus la productivité est élevée, plus
les résidus de cultures et donc les flux entrants sont
importants.
Les flux sortants dépendent du phénomène de minéralisation des matières organiques par
biodégratation donnant lieu à des retours atmosphériques du carbone et à la libération d’éléments
nutritifs dans le sol (N, P…). C’est en particulier la vitesse de minéralisation qui doit être prise en
compte. Ce phénomène est influencé par des facteurs naturels (température, humidité du sol, teneur
en argile et en calcaire) et des facteurs anthropiques : le travail du sol et le changement d’occupation
du sol. Notons que les pratiques culturales peuvent aussi influencer la température et l’humidité du
sol.
Stock de Carbone organique (t/ha) = Masse de terre fine (t/ha) x Teneur en Corg (g/kg)
Masse de terre fine (t/ha) = 100 x Epaisseur de la couche labourée* (cm)
x masse volumique de la couche labourée** (g/cm3)
Figure 2 : Relation entre teneur et stock de carbone organique
Figure 3 : Flux entrants et sortants de carbone organique du sol (source : BALESDENT, 1996)
15
Plusieurs études ont montré, d’une part, que les teneurs et les stocks de carbone organiques sont
variables en fonction du type de sol (cf. figure 4) et de l’usage du sol (cf. figure 5).
D’autre part, le retournement de prairies par exemple ou encore le travail profond du sol (labour)
ont tendance à faire baisser les stocks de carbone (BALESDENT, 1996), par une augmentation de la
vitesse de minéralisation. Ces impacts sont d’autant plus importants que la ré-augmentation des
stocks, par un travail moins profond ou des apports en matières organiques, est un processus plus
lent que leur diminution (ARROUAYS, 2008).
On retiendra donc que sur les sols cultivés, les stocks de MO sont influencés par l’ensemble des
modalités techniques mises en œuvre sur les parcelles, ce que (SEBILLOTTE, 1990) définit comme le
système de culture. Il précise que chaque système de culture se définit par la nature des cultures et
leur ordre de succession dans le temps, les itinéraires techniques appliqués à ces différentes cultures
et le choix des variétés. L’itinéraire technique faisant référence à une combinaison logique de
techniques culturales qui permettent de contrôler le milieu et d’en tirer une production donnée.
Notons qu’une succession culturale correspond à un enchainement de cultures, tandis que la notion
de rotation culturale fait référence à une succession de cultures ordonnée et cyclique.
Le fait que les pratiques agricoles aient un effet sur l’évolution des stocks de MO (à la fois sur les flux
entrants et sortants) du sol renforce l’utilité d’un état des lieux des situations que l’on peut
rencontrer et de leurs effets, d’où l’intérêt d’un diagnostic de l’état organique des sols.
Figure 5 : Stocks de carbone des sols et types de sols de la classification FAO (source : ARROUAYS, 2002)
Figure 4 : Stocks de carbone des sols et occupation du sol (source : ARROUAYS, 2002)
16
1.2 Un diagnostic de l’état organique des sols : finalités et modes
opératoires
1.2.1 Les finalités du diagnostic de l’état organique des sols
A l’échelle de la parcelle ou de l’exploitation, l’objectif est de faire un suivi fin en vue d’un conseil
personnalisé sur la conduite des systèmes de culture.
A l’échelle d’un territoire, les résultats d’un diagnostic de l’état organique des sols peuvent avoir
plusieurs utilisations. Dans un objectif de gestion de la fertilité des sols, ils constituent premièrement
un outil d’aide à la décision à destination de filières qui tendent à se développer. L’émergence de
filières de production et de valorisation de biomasse à des fins énergétiques (combustion,
méthanisation, agrocarburants…), peut avoir pour conséquence de diminuer fortement les résidus de
cultures restitués au sol et donc les flux de carbone entrants. L’objectif ici sera d’estimer et localiser
le potentiel de biomasse exportable en évaluant la quantité minimale à restituer pour maintenir un
état organique satisfaisant.
Le développement de filières de recyclage de produits résiduaires organiques - d’origine agricole ou
non (fumiers, composts, boues de stations d’épuration…) - en matières fertilisantes auront des effets
inverses. L’évaluation et la localisation des besoins en biomasse à apporter pour entretenir ou
améliorer l’état organique des sols seront alors étudiées.
D’autre part, pour un organisme de développement agricole, le diagnostic à l’échelle d’un territoire
peut viser à caractériser, localiser et évaluer la diversité des situations existantes vis-à-vis du statut
organique des sols afin de repérer les situations problématiques (TOMIS & DUPARQUE, 2009).
L’objectif est alors d’orienter et cibler les actions de conseil et de production de références
techniques pour traiter ces problèmes.
Dans un objectif environnemental plus global de limitation du changement climatique, le diagnostic
peut servir à caractériser un territoire en termes de stockage de carbone dans les sols.
Enfin, la spatialisation de ce diagnostic permet d’une part de traiter des bases de données
géoréférencées et d’autre part de produire des résultats lisibles et diffusables à l’aide de supports
cartographiques.
1.2.2 Rappels sur le diagnostic
Un diagnostic a pour finalité de caractériser une situation en vue de proposer des solutions adaptées.
Il est donc orienté vers l’action en vue d’un objectif donné et s’opère en trois temps (MEYNARD &
SEBILLOTTE, 1989):
- Caractérisation d’un état (ici une teneur ou un stock de Corg) et mesure de l’écart entre
celui-ci et une référence jugée acceptable pour l’objectif visé,
- Recherche des causes de l’écart (ici l’interaction entre le milieu pédoclimatique et le
système de culture),
- Identification des marges de manœuvre pour agir sur ces causes, afin d’apporter des
solutions (modification du système de culture).
Le diagnostic peut être conduit à différentes échelles. Sa réalisation nécessite un outil adapté à la
problématique à traiter.
17
1.2.3 Caractérisation de l’état organique des sols
Divers travaux ont déjà été réalisés en ce qui concerne soit simplement la caractérisation de l’état
organique des sols, soit le diagnostic dans sa globalité. Les méthodes et les échelles utilisées sont
variables d’une étude à l’autre. Voici un aperçu de quelques-unes de ces méthodes :
- Comparaison de teneurs de carbone de deux périodes différentes
Elle est réalisée soit directement par un suivi à long terme des mêmes parcelles analysées à
différentes périodes (« monitoring »), soit à partir d’études statistiques de données recueillies sur
deux périodes différentes mais sur des surfaces plus importantes (BDAT par exemple) (LEMERCIER, et
al., 2006). Dans le premier cas, ce sont les mêmes points qui sont suivis à des dates différentes, dans
le second, il s’agit de statistiques réalisées à partir de points différents entre deux périodes, mais sur
un même territoire (commune par exemple). L’évolution temporelle est ainsi mesurée et les
situations en baisse sont considérées comme défavorables.
- Comparaison de teneurs actuelles à des teneurs souhaitables, ou normes, ou potentielles
par rapport aux propriétés des sols
La question d’un seuil de carbone souhaitable pour obtenir des propriétés physiques, chimiques et
biologiques optimales est souvent évoquée. Cependant, il parait difficile de déterminer un seuil
critique, valable pour tous les sols et pour tous les usages du sol (LOVELAND & WEBB, 2003). Les
études à ce sujet sont encore insuffisantes et ne permettent pas d’avoir des valeurs de référence.
D’autres études utilisent l’abaque de Rémy et Marin-Laflèche (1974) (ROUSSEL, BOURMEAU, &
WALTER, 2001) qui permet de qualifier l’état organique des sols en fonction des teneurs en MO,
argile et calcaire. Cependant, l’utilisation de ce dernier, basé sur des dires d’experts, est fortement
remise en question (DUPARQUE, et al., 2007).
Enfin, il est aussi possible d’utiliser une valeur médiane locale comme référence pour le sol et le
système de culture considéré (TOMIS & DUPARQUE, 2009). Par exemple, LE VILLIO et al. (2001)
utilisent un seuil critique de risque d’instabilité structurale pour des sols limoneux situé entre 1 et
1,5% de MO.
- comparaison d’un état actuel à un état futur, simulé à l’aide d’un modèle, puis comparé à
une référence
Comme le souligne (BALESDENT, 1996), les modèles sont des outils incontournables pour l’analyse de
l’évolution quantitative des matières organiques. Ils permettent une interpolation spatiale ou
temporelle entre les observations et une extrapolation à des situations non encore rencontrées et de
faire des prévisions pour l’avenir.
Le modèle Hénin-Dupuis (1945) est le premier modèle développé pour décrire l’effet à long terme
des systèmes de culture sur l’évolution des matières organiques à partir de données simples,
accessibles à l’échelle de l’exploitation (DUPARQUE, 2007). C’est un modèle à un compartiment de
carbone (les fractions stables et actives sont confondues), développé pour des sols du nord de la
France. Sa simplicité fait qu’il a été très utilisé en France (LE VILLIO, 2001). Il fonctionne à partir d’un
flux d’humification et d’un flux de minéralisation (cf. chapitre 1.1.3).
18
En revanche, ce modèle non spatialisé manque de précision et ses performances sont insuffisantes
au-delà d’une dizaine d’années (MARY & GUERIF, 1994). Il existe aujourd’hui de nombreux modèles
sur le plan international, à plusieurs compartiments, mais qui sont souvent complexes et demandent
de connaitre de nombreux paramètres, disponibles uniquement sur sites expérimentaux
(WYLLEMAN, et al., 2001).
Le modèle AMG, proposé par Andriulo, Mary, Guérif de l’INRA de Laon en 1999 est une amélioration
du modèle Hénin-Dupuis. Le principe reste le même, mais il distingue les deux fractions de carbone
organique du sol (stable et active). L’utilisation de plusieurs compartiments plutôt qu’un seul est
essentielle pour obtenir des prévisions plus précises (BALESDENT, 1996).
La simulation à l’aide de ce modèle indique l’effet global du système de culture (stockage ou
déstockage du carbone organique) et la teneur d’équilibre atteinte à long terme en supposant que le
système reste inchangé. La teneur simulée à moyen ou long terme peut être comparée à la teneur
initiale et/ou à une référence (cf. supra).
1.2.4 Méthodes d’identification des causes des écarts
Concernant l’identification des causes des écarts entre l’état caractérisé et la référence, plusieurs
méthodes peuvent être utilisées :
- Les cas utilisant des systèmes de culture décrits finement ne sont pas spatialisés, sont
étudiés à l’échelle de la parcelle et basés sur des enquêtes (BOIFFIN, KELI ZAGBAHI, &
SEBILLOTTE, 1986).
- L’utilisation d’un modèle permet d’agir sur les différents facteurs de manière
indépendante, de façon à identifier ceux qui expliquent le mieux les stocks observés. La
sensibilité du modèle utilisé est déterminante (TOMIS & DUPARQUE, 2009).
1.2.5 Identification des marges de manœuvre
Il s’agit là d’évaluer l’effet de différents leviers possibles au niveau du système de culture et de
sélectionner les plus pertinents en termes d’efficacité et de facilité de mise en place.
Dans le cas de bilan positif, on cherchera par exemple à connaitre la valeur de l’excédent pour définir
une quantité de pailles exportable sans nuire à la fertilité du sol. Aussi, l’utilisation d’un modèle est
nécessaire pour simuler différents changements de pratiques et pour ajuster des combinaisons
apportant une solution.
Pour renseigner les variables d’entrée du modèle et identifier les marges de manœuvre, il faut avoir
une connaissance assez fine du système de culture et en particulier des composantes jouant sur les
flux entrants et sortants (successions et pratiques). Par exemple, pour envisager la mise en place de
Cultures Intermédiaires Pièges A Nitrates (CIPAN), il faut savoir si la rotation considérée possède des
cultures de printemps, cultures avant lesquelles il est possible de placer un CIPAN.
19
Les réserves organiques du sol peuvent être vues comme un capital à entretenir et améliorer dans
une optique de gestion et de conservation des sols. Pour cela, plusieurs études soulignent qu’il est
nécessaire d’établir un état des lieux quantitatif, qualitatif et spatialisé (ROUSSEL, BOURMEAU, &
WALTER, 2001), mais aussi que cette gestion doit se raisonner à l’échelle régionale (BALESDENT,
1996) du fait de la complexité des combinaisons « sol x système de culture » et de la disponibilité des
produits organiques résiduaires sur le territoire.
Le diagnostic de l’état organique des sols, réalisable à partir d’un modèle de bilan humique, constitue
un outil d’aide à la décision permettant de répondre à des problématiques individuelles ou
territoriales, en fonction de l’échelle à laquelle il est conduit.
1.3 Utilisation d’AMG à l’échelle d’un territoire : un objectif de valorisation
innovante de données et d’outils
1.3.1 Une utilisation innovante
Comme nous venons de le voir, l’utilisation d’un modèle est nécessaire pour prédire l’évolution de
l’état organique des sols. Dans le cadre du RMT Sols et Territoires, le modèle AMG est proposé étant
donné qu’il est déjà au centre d’un outil de conseil développé en Picardie par Agro-Transfert RT, à
l’échelle de la parcelle et que son usage est amené à se développer en France sur une gamme plus
large de milieux et de systèmes de culture. Nous souhaitons en faire une utilisation à l’échelle d’un
territoire et obtenir un résultat spatialisé.
Pour une utilisation du modèle à l’échelle de la parcelle, l’accès aux données sur les pratiques
agricoles est facile (entretien avec les agriculteurs pour les pratiques et prélèvement et analyses pour
les sols). En revanche, pour l’utiliser à l’échelle d’un territoire, l’accès aux données est moins aisé. Il
nécessite d’une part de connaitre différentes caractéristiques des sols, dont la teneur en carbone
organique. Pour ce type de données, nous ferons appel aux différentes bases de données constituées
par le programme IGCS. D’autre part, il nécessite de reconstituer et spatialiser les différents systèmes
de culture présents sur le territoire. Pour cela, nous devrons utiliser des données supplémentaires
pour avoir une connaissance des rotations et des pratiques culturales.
1.3.2 Fonctionnement du modèle et données nécessaires
Le modèle de bilan humique AMG, évoqué précédemment, conduit à l’estimation de l’évolution des
stocks de matières organiques du sol à partir de la fraction active du carbone organique, déduite de
la teneur initiale.
Pour réaliser un diagnostic à partir de ce modèle, les restitutions humiques sont prises en compte
pour un système initial composé d’un sol et d’un système de culture. Ce dernier est :
- soit une succession de cultures connue et supposée se répéter dans le temps (rotation),
(combinaison « sol x rotation x Corg »),
- soit une liste de cultures pratiquées, affectées chacune d’une fréquence, ce qui est
équivalent à un assolement (liste de cultures affectées chacune d’une proportion de surface),
supposé se répéter dans le temps, (combinaison « sol x assolement x Corg »).
Le stock de carbone initial de ce système est pris comme référence pour comparer l’état final du
stock de carbone à l’équilibre, à long terme. La mesure de l’écart nous permet de dire si le système
20
en question aboutit à une situation de stockage, d’équilibre ou de déstockage. Ce stock à l’équilibre
doit aussi être comparé à une valeur de référence locale, jugée souhaitable.
Les données nécessaires sont les suivantes (cf. figure 6) :
- Entrées de carbone par humification : rendement des cultures, restitution des résidus de
culture, nature et biomasse des engrais verts enfouis, nature et fréquence des apports
fertilisants organiques.
- Sorties de carbone par minéralisation : teneurs en carbone organique, argile vraie et
calcaire, proportion de cailloux, densité apparente, travail du sol, données climatiques
(température moyenne annuelle, ETP et pluviométrie)
Validité du modèle : ce modèle a été paramétré à partir d’essais de longue durée réalisés sur des
parcelles cultivées du Nord de la France. Ces essais ont aussi mis en évidence de bonnes prédictions
des données expérimentales par le modèle (cf. figure 7) (SAFFIH-HDADI & MARY, 2007).
Sensibilité du modèle : les études de (SAFFIH-HDADI & MARY, 2007) mettent en évidence une
sensibilité particulière du modèle à la variation de la teneur initiale du sol en carbone et au rapport
Cactif/Corg. Concernant le système de culture, c’est la quantité de biomasse apportée par les résidus
qui est le facteur le plus important. Le rendement joue un rôle de deuxième ordre. Enfin, le modèle
est peu sensible aux variations du travail du sol et des apports de matières organiques.
1.4 La spatialisation des systèmes de culture La définition des systèmes de culture que fait SEBILLOTTE (1990) (cf. chapitre 1.1.3) nous permet
facilement d’imaginer la diversité de systèmes de culture qui peuvent être présents sur un territoire.
De plus, la spatialisation des systèmes de culture est nécessaire dans de nombreuses thématiques
d’études agronomiques et environnementales, mais reste peu documentée. Trois besoins sont
mentionnés par LEENHARDT et al., (2010) : les études de diagnostic (pour connaitre les impacts et
l’utilisation et des occupations du sol sur les ressources naturelles), les scénarios d’évolution
Figure 6 : Fonctionnement du modèle AMG (source : TOMIS & DUPARQUE, 2009) Figure 7 : Relation entre le stock observé et le stock simulé avec AMG (source : DUPARQUE, et al., 2007)
21
d’impacts (souvent associés à un diagnostic) et l’identification des utilisations maximales d’un
territoire (but économique ou environnemental). La plupart des études témoignent de la complexité
d’un tel travail.
1.4.1 Accès aux données
Pour spatialiser à l’échelle d’une région, en présence d’un grand nombre de parcelles, l’information
sur les systèmes de culture est souvent manquante ou difficile à se procurer. C’est pourquoi il peut
être nécessaire de simplifier le concept de système de culture pour le réduire à des espèces cultivées
et des pratiques culturales fixes et homogènes (pratiques moyennes) (LEENHARDT, et al., 2010). Le
choix des critères à prendre en compte et de l’Unité Spatiale d’Intégration3 (USI) sont fonction des
objectifs de l’étude et des données accessibles.
Nous recensons des moyens directs de collecte de données : enquêtes et dires d’experts (lourds de
mise en œuvre mais pouvant être précis) (GABRIELS, et al., 2003), télédétection (LEENHARDT, et al.,
2010), bases de données spatialisées (LE BER, et al., 2006) ; et des moyens indirects par
l’identification des facteurs impliqués dans l’organisation des systèmes de culture : environnement
physique (sol, topographie…) et éléments du système de culture en lien avec d’autres.
Enfin, cette étude souligne que l’expertise diminue quand la taille de l’unité spatiale d’intégration
augmente et qu’il est nécessaire de développer et centraliser des connaissances sur les systèmes de
culture.
Dans le cas d’utilisation de bases de données géographiques (CORINE Land Cover, enquête Ter-Uti,
déclaration PAC par exemple (RPG)), l’échelle spatiale et la richesse de l’information déterminent les
possibilités d’utilisation (cf. tableau 1).
Tableau 1 : Caractéristiques des principales bases de données (BDD) géographiques d'occupation du sol
BDD spatialisées Niveau d’USI utilisable Richesse de l’information Exhaustivité
CORINE Land Cover National, régional - Oui
Enquête Ter-Uti Régional, départemental ++ Non
RPG Départemental, communal + Oui
1.4.2 Traitement des données
La bibliographie fait référence à un traitement en deux étapes des bases de données spatialisées. La
première consiste à utiliser directement ces données à l’aide d’un Système d’Information
Géographique (SIG) sur plusieurs années par superposition d’occupations du sol successives de
manière à obtenir une succession de culture propre à chaque parcelle ou unité géographique. Cette
succession reflète une rotation en intégralité ou partiellement. Le nombre d’années utilisées joue sur
la précision des successions obtenues (LETEINTURIER, TYCHON, & OGER, 2007).
La seconde étape consiste à utiliser une application informatique développée spécifiquement pour
reconstruire des rotations culturales à partir successions culturales. Plusieurs applications, basées sur
3 Une Unité Spatiale d’Intégration correspond à l’élément qui est le support géographique des données.
22
des algorithmes statistiques, ont été développées ou sont actuellement à l’étude en France. Elles
identifient la présence de successions cycliques donnant lieu à des rotations.
Carottage (LE BER, et al., 2006), Arpentage (LAZRAK, MARI, & BENOIT, 2009) et Ter-Uti Miner,
développés par l’INRA de Mirecourt fonctionnent à partir de données pluriannuelles issues de
l’enquête Ter-Uti. D’autres unités de recherche de l’INRA ainsi qu’Arvalis - Institut du Végétal
travaillent actuellement sur différentes méthodes permettant de reconstruire des rotations
culturales à partir d’autres sources de données (JOUY & WISSOCQ, 2011).
1.5 Problématique et Présentation générale de la démarche L’état des lieux territorial des réserves en matières organiques du sol apparait comme un élément
indispensable à la gestion durable de la fertilité des sols.
Etant donné les enjeux agronomiques et environnementaux liés aux matières organiques du sol et les
besoins de connaissances à l’échelle de territoires, nous souhaitons établir une méthode de
diagnostic spatialisé de l’état organique des sols cultivés à l’échelle d’un territoire. Pour cela, à
travers le projet « spatialisation de l’état organique des sols cultivés à l’échelle d’un territoire », le
RMT Sols et Territoires propose de mettre au point une application thématique basée sur le modèle
de bilan humique AMG en exploitant différentes bases de données sur les sols constituées par le
programme IGCS, ainsi que des bases de données sur l’occupation du sol et les pratiques culturales.
Cette application constitue une première expérience méthodologique, envisageant les utilisations
possibles pour mettre au point un outil d’aide à la décision à destination de filières de valorisation de
biomasse.
La principale difficulté qui apparait à l’issue de la présentation du contexte de l’étude, est de
transposer l’utilisation du modèle AMG de la parcelle au territoire, en particulier du fait de la
complexité liée à la reconstitution des systèmes de culture qui fait par ailleurs l’objet de travaux de
recherche actuellement. Aussi, pour accéder à l’ensemble des données nécessaires pour utiliser ce
modèle à l’échelle d’un territoire, nous aurons recours à différentes sources de données.
Notre problématique est donc de se donner les moyens d’utiliser le modèle AMG à l’échelle d’un
territoire de l’ordre du département, pour pouvoir répondre aux problématiques territoriales de
développement de nouvelles filières ou d’orientation du conseil agronomique. Nous devons pour
cela faire l’inventaire spatialisé des différentes combinaisons « sol x système de culture (SdC) x
carbone organique (Corg) » présentes au sein de ce territoire. Ces combinaisons constitueront les
données d’entrée du modèle AMG pour réaliser le diagnostic.
23
Souhaitant établir une méthode transposable dans un grand nombre de régions, les données de base
doivent être largement accessibles. Elles doivent nous permettre d’obtenir les éléments suivants :
- Sol : teneur en argile vraie, en calcaire total, en carbone organique et densité apparente,
- Système de culture : rotation, rendements, irrigation, travail du sol, fréquence de restitution
des résidus, fréquence d’apports en matières organiques, fréquence de cultures
intermédiaires,
- Climat : ETP, température et pluviométrie.
Un travail préalable au diagnostic de l’état organique des sols se divise en deux parties distinctes : la
spatialisation, d’une part, des teneurs en matières organiques en relation avec les types de sols ;
d’autre part, des systèmes de culture et des données sur les pratiques agricoles en relation avec les
mêmes types de sols.
Seule la spatialisation des teneurs en carbone organique ne fait pas l’objet du stage. Elle est réalisée
par l’unité Infosol de l’INRA d’Orléans, dont les résultats seront intégrés au reste du travail présenté
dans ce mémoire.
Ces deux spatialisations nous permettront de caractériser, quantifier et localiser les principales
combinaisons « sol x SdC x Corg » pour réaliser le diagnostic.
24
2 Matériel et méthode Compte tenu des données nécessaires à l’utilisation d’AMG (cf. chapitre 1.3.2), notre démarche a
consisté à identifier en premier lieu les sources de données utilisables au sein d’un département et
permettant un découpage le plus fin possible du territoire. Puis nous avons choisi un territoire
d’étude disposant de celles-ci. Le territoire ainsi retenu et ses données constituent le support de
notre réflexion méthodologique.
Nous présentons ici le territoire, puis les données dont il dispose et la méthode mise en œuvre pour
réaliser le diagnostic.
2.1 Présentation du territoire d’étude
2.1.1 Choix du territoire d’étude : le Loiret
Le département du Loiret (région Centre) a été choisi pour plusieurs raisons. D’une part, il dispose
des données nécessaires que nous détaillerons par la suite. D’autre part, l’unité Infosol de l’INRA
d’Orléans travaille déjà sur les stocks de carbone de la région Centre, ce qui allège le travail de façon
non négligeable.
Etant donné que nous nous intéressons à l’état organique des sols cultivés, il est nécessaire de
recentrer le territoire d’étude au sein de ce département. Ce dernier doit répondre à trois critères :
- Etre majoritairement cultivé,
- Présenter une diversité de systèmes de culture et de types de sols,
- Posséder des systèmes de culture et un contexte pédoclimatique semblables à ceux pour
lesquels AMG est actuellement paramétré.
Nous sélectionnons 5 Petites Régions Naturelles (PRN) répondant à ces critères, en concertation
avec la Chambre d’Agriculture : la Petite Beauce, la Grande Beauce, le Gâtinais Beauceron, le Gâtinais
Oriental et le pourtour de l’Orléanais (cf. figure 8).
Figure 8 : Petites Régions Naturelles du Loiret et territoire d'étude (source : RRP)
25
0
10
20
30
40
50
60
70
80
90
100
Pourtour del'Orléanais
Petite Beauce Grande Beauce GâtinaisBeauceron
GâtinaisOriental
Par
t d
es
dif
fére
nte
s cu
ltu
res
dan
s la
SA
U (
%)
PRN du territoire d'étude
Répartition de la SAU par Petite Région Naturelle
Autres
Prairies
Gels
Légumes-fleurs
Autres cultures industrielles
Protéagineux
Tournesol
Colza
Autres céréales
Orge
Maïs
Blé tendre
2.1.2 Répartition de la Surface Agricole Utile
Sur les 5 PRN retenues, les cultures dominantes sont les céréales à pailles (blé tendre, orge et autres
céréales), qui représentent 61% de la Surface Agricole Utile (SAU) (d’après le RPG). Elles sont suivies
des oléagineux (colza et dans une moindre mesure tournesol) (11%), du maïs (7%) et des cultures
industrielles (betterave sucrière essentiellement) (7%). Sur le reste des surfaces sont répartis des
protéagineux, des cultures légumières de plein champ (pomme de terre, oignon…), prairies
(permanentes et temporaires) et autres (7%). Enfin, la surface en « gel » (jachère ou cultures
énergétiques) représente 7%.
La répartition des cultures varie d’une PRN à l’autre (cf. figure 9). Les céréales à pailles représentent
60 à 70% de la SAU de toutes les PRN. C’est la proportion des autres cultures qui les différencie. Le
Pourtour de l’Orléanais est assez similaire à l’occupation du sol globale (présence de maïs, colza et
tournesol). Les cultures industrielles sont bien représentées (8%) et les légumes quasiment absents.
La Petite Beauce est marquée par une forte proportion de maïs et de colza. Les légumes et cultures
industrielles sont présents à hauteur de 3%. La Grande Beauce et le Gâtinais Beauceron présentent
les parts les plus importantes de légumes et cultures industrielles (15% au total). Le tournesol et le
colza sont peu présents. Enfin, le Gâtinais Oriental est marqué par un fort pourcentage de colza et
des parts non négligeables de maïs et de gel. Les légumes et cultures industrielles y sont absentes.
En ce qui concerne l’irrigation (cf. tableau 2), l’analyse du pourcentage irrigable de la SAU par
commune (d’après le RGA 2000), permet de distinguer trois types de PRN. Des PRN majoritairement
irrigables avec des pourcentages médians supérieurs à 70% (Petite et Grande Beauce), des PRN
moyennement irrigables avec pourcentages médians compris entre 40 et 60% (Pourtour de
l’Orléanais et Gâtinais Beauceron) et une PRN faiblement irrigable avec un pourcentage médian de
12% (Gâtinais Oriental). Cependant les surfaces déclarées annuellement comme irriguées sont bien
inférieures aux surfaces irrigables (d’après le RPG), (cf. carte en Annexe 2).
Enfin, la diversité des sols entre les 5 PRN est illustrée par des textures différentes (argiles, limons-
argileux ou argiles-limoneuses et limons battants) et des propriétés hydriques différentes (Réserve
Utile, hydromorphie) (cf. tableau 2).
Figure 9 : Répartition de la SAU des PRN du territoire d'étude (source : RPG, moyennes de 2006, 2007, 2008 et 2009)
26
2.1.3 Climat et topographie
Le climat du Loiret est dit atlantique dégradé. Il est globalement uniforme, avec deux nuances : un
micro-climat plus doux sur le Val de Loire et une augmentation des précipitations couplée à une
baisse des températures dans l’Est du fait du relief (RICHER DE FORGES & al, 2008).
La zone d’étude présente peu de relief. Il s’agit d’un des départements les plus plats de France.
Quelques vallées et vallons forment les reliefs les plus importantes dans l’Est principalement. Les
pentes sont inférieures ou égales à 3% sur 92% de la surface du territoire (source : SRTM-CGIAR).
2.2 Données utilisées, conditionnées par le modèle
2.2.1 Données relatives au sol
2.2.1.1 Le Référentiel Régional Pédologique
Le Référentiel Régional Pédologique (RRP) constitue une opération d’inventaire du programme IGCS.
Il s’agit d’une base de données régionale ou départementale sur les sols visant à déterminer les
principales caractéristiques des sols et du milieu.
Il est constitué de données géographiques dont l’échelle utilisée est au minimum le 1/250000ème et
de données sémantiques. Ces dernières sont regroupées dans la base de données DONESOL, mise à
jour régulièrement. La description des sols est faite grâce à des sondages à la tarière et à l’ouverture
de fosses pédologiques qui permettent la description des horizons et le prélèvement d’échantillons,
analysés en laboratoire. Le Cahier des Clauses Techniques Générales des RRP demande un minimum
de 1 sondage pour 200ha et 1 fosse pour 2000ha.
A partir de ces informations sont définies les Unités Typologiques de Sols (UTS), c'est-à-dire des
portions de la couverture pédologique qui présentent d’une part des caractères de pédogenèse
identiques et d’autre part une même succession d’horizons. Enfin, les strates représentent la
variation dans l’espace des horizons de sol. La cartographie des UTS dépend de la densité des
Caractéristiques dominantes des sols (RRP)
Médiane du % irrigable (RGA)
Pourtour de l'Orléanais
Argileux plus ou moins épais, peu hydromorphes, plus ou moins graveleux et caillouteux
46
Petite Beauce Limono-argileux ou argilo-limoneux sur calcaire, RU limitée, plus ou moins graveleux et caillouteux
84
Grande Beauce Limono-argileux ou argilo-limoneux plus ou moins épais sur calcaire, RU variable, plus ou moins graveleux et caillouteux
72
Gâtinais Beauceron
Argileux à limono-argileux sur calcaire, non hydromorphes, pierrosité variable
58
Gâtinais Oriental
Sables, limons battants, hydromorphes, pierrosité variable 12
Tableau 2 : Caractéristiques des sols et surface irrigable des PRN du territoire d’étude
27
observations ponctuelles. Ainsi, dans le cas de cartographies à grande échelle (1/50000ème par
exemple), il est possible de délimiter des plages cartographiques correspondant à chaque UTS. Pour
les cartographies à petite échelle (1/250000ème notamment), la précision des informations ne permet
de délimiter que des ensembles d’UTS appelés Unités Cartographiques de Sols (UCS) qui constituent
les pédopaysages. Le pourcentage de chaque UTS au sein d’une UCS est connu, mais il est impossible
de les localiser. Enfin, les Petites Régions Naturelles correspondent à des regroupements d’UCS.
(INRA, US 1106 InfoSol, Orléans, 2011).
Ce type de carte est généralement facile à obtenir au 1/250000ème puisqu’elles sont terminées ou en
cours dans de nombreux départements.
Le RRP du Loiret au 1/250000ème a été réalisé en 2008 (RICHER DE FORGES & al, 2008). Il constitue
une synthèse des études pédologiques existantes et d’un travail de terrain pour la vérification et
l’acquisition de données complémentaires. 14424 sondages et 928 fosses ont été utilisés, soit 1
sondage pour 47ha et 1 fosse pour 734ha, ce qui est supérieur au minimum requis et confère à ce
RRP un label de qualité supérieure pour l’ensemble de la carte.
Nous pouvons extraire de cette base de données des valeurs modales de teneur en argile vraie,
calcaire et éléments grossiers par strate de surface et calculer une densité apparente pour chaque
UTS du territoire d’étude. Le carbone organique n’est en revanche pas suffisamment renseigné.
Délimitation précise du territoire d’étude à partir du RRP
Le RRP permet de sélectionner les Petites Régions Naturelles, puis les UCS majoritairement cultivées
au sein de celles-ci.
Cela représente une surface totale d’environ 270 000 ha, 39 UCS et 110 UTS. Le temps disponible
pour le stage ne permet pas de mettre en œuvre la méthode sur l’ensemble des 5 PRN du territoire
d’étude. Nous choisissons donc 4 UCS témoignant de la diversité de sols et de systèmes de culture et
très représentées dans les PRN. Il s’agit des UCS : 31 (pourtour de l’Orléanais), 35 (Petite Beauce), 39
(Grande Beauce) et 72 (Gâtinais Oriental) (cf. figure 10 et tableau 3).
Atouts et limites du RRP : il nous permet d’acquérir la majorité des données pédologiques nécessaires
(argile, calcaire, éléments grossiers). Cependant, à l’échelle du 1/250000ème, la proportion des UTS dans
l’UCS est connue mais il n’est pas possible de les localiser. Enfin, pour utiliser AMG nous devons connaitre
l’argile vraie. Or, dans le RRP, il s’agit d’argile granulométrique (carbonatée). Compte tenu de la nature des
sols de notre territoire d’étude (absence de craie), nous faisons l’hypothèse que l’argile vraie est peu
différente de l’argile granulométrique.
28
a) b)
c) d)
Figure 10 : Unités Cartographiques de Sols étudiée : a) UCS 39 - Grande Beauce, b) UCS 35 - Petite Beauce, c) UCS 31 - Pourtour de l'Orléanais, d) UCS 72 - Gâtinais Oriental (source : RRP)
29
PRN UCS choisie N° UTS% dans
l'UCS
Surface
UTS (ha)Nom UTS
111 33 7906
sols épais, vertiques, argileux, non calcaires, plus ou moins graveleux (calcaire ou quartz), peu
hydromorphes
108 21 5031
sols vertiques, argileux, calcaires, plus ou moins graveleux (calcaire), non hydromorphes, sur
calcaire de Beauce ou marnes, cultivés
109 20 4791
sols vertiques, argileux, calciques, plus ou moins graveleux (calcaire), à hydromorphie variable,
sur calcaire de Beauce ou marnes
110 13 3114
sols peu épais, argileux, calcaires, plus ou moins graveleux (calcaire), non hydromorphes, sur
calcaire de Beauce ou marnes
113 7 1677 sols épais, argileux, non calcaires, non ou peu graveleux (quartz), hydromorphes
112 1 240
sols peu épais, argileux, calciques, plus ou moins graveleux (calcaire), non hydromorphes, sur
calcaire de Beauce
119 52 8083
sols limono-argileux puis argilo-limoneux, calciques, plus ou moins graveleux (calcaire) ou
caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
118 18 2798
sols limono-argileux puis argilo-limoneux, calcaires, plus ou moins graveleux (calcaire) ou
caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
116 14 2176
sols peu épais, limono-argileux ou argilo-limoneux, calcaires, graveleux (calcaire) ou
caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
117 8 1244
sols peu épais, limono-argileux ou argilo-limoneux, calciques, plus ou moins graveleux
(calcaire) ou caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
120 6 933
sols épais, limono-argileux puis argilo-limoneux, non calcaires, plus ou moins graveleux
(calcaire) ou caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
121 2 311
sols épais, lessivés, limoneux ou limono-argileux puis argilo-limoneux, non calcaires, plus ou
moins graveleux (calcaire) ou caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
120 50 20813
sols épais, limono-argileux puis argilo-limoneux, non calcaires, plus ou moins graveleux
(calcaire) ou caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
119 17 7076
sols limono-argileux puis argilo-limoneux, calciques, plus ou moins graveleux (calcaire) ou
caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
118 9 3746
sols limono-argileux puis argilo-limoneux, calcaires, plus ou moins graveleux (calcaire) ou
caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
125 9 3746
sols épais, limono-argileux puis brutalement argilo-sableux, non calcaires, graveleux (quartz),
hydromorphes (à nappe perchée temporaire)
121 8 3330
sols épais, lessivés, limoneux ou limono-argileux puis argilo-limoneux, non calcaires, plus ou
moins graveleux (calcaire) ou caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
116 5 2081
sols peu épais, limono-argileux ou argilo-limoneux, calcaires, graveleux (calcaire) ou
caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
117 2 833
sols peu épais, limono-argileux ou argilo-limoneux, calciques, plus ou moins graveleux
(calcaire) ou caillouteux (calcaire), non hydromorphes, sur calcaire de Beauce
228 79 6954
sols épais, lessivés souvent dégradés, limoneux puis progressivement argileux, non calcaires,
plus ou moins caillouteux ou graveleux (silex), hydromorphes
226 17 1497
sols épais, limoneux puis argileux, non calcaires, caillouteux en profondeur (silex),
hydromorphes
225 3 264
sols épais, limoneux puis brutalement argileux, non calcaires, non ou peu graveleux (silex) en
profondeur, hydromorphes (à nappe perchée temporaire)
227 1 88
sols épais, lessivés, tronqués, limono-argileux puis argileux, non calcaires, caillouteux en
profondeur (silex), hydromorphes, cultivés, drainés
UCS 31 - Sols argileux,
épais, développés dans
des marnes (23957 ha)
UCS 35 - Sols
moyennement épais, non
hydromorphes, calcaires
ou calciques, sur calcaire
de Beauce (15544 ha)
UCS 39 - Sols limoneux,
épais, non hydromorphes,
des plateaux de Grande
Beauce (41626 ha)
UCS 72 - Sols limoneux,
lessivés, hydromorphes,
des plateaux du Nord du
Gâtinais oriental (8803 ha)
Po
urt
ou
r d
e l'O
rléa
nai
sP
etit
e B
eau
ceG
ran
de
Bea
uce
Gât
inai
s O
rien
tal
Tableau 3 : Description des UCS étudiées (source : RRP)
30
Atouts et limites de la BDAT : cette base de données nous permet d’obtenir les teneurs en carbone
organique mais possède quelques limites qui sont :
- Un référencement des analyses par commune, sans connaitre le lieu exact du prélèvement, ce
qui complique l’utilisation des données pour renseigner des unités autres qu’administratives
- Une hétérogénéité des effectifs par commune et des paramètres analysés
- Des méthodes d’analyse pouvant varier selon les laboratoires (ARROUAYS, et al., 2003)
2.2.1.2 Teneurs en carbone organique issues de la BDAT
La Base de Données Analyse des Terres (BDAT) regroupe les résultats
d’analyses réalisées en France entre 1999 et 2006 par des laboratoires
agréés par le Ministère en charge de l’Agriculture. Ces analyses sont
réalisées à l’initiative des agriculteurs, sur l’horizon de surface des sols
cultivés et sont référencées par commune d’origine du prélèvement. Elles
contiennent au minimum cinq paramètres, dont le carbone organique
(SABY, et al., 2004). Le nombre d’analyses est hétérogène sur le territoire
étant donné que l’échantillonnage n’est pas maitrisé (cf. figure 11). Les
données sont généralement agrégées par canton pour être utilisées pour
avoir un nombre suffisant d’analyses par unité géographique (SCHVARTZ,
THORETTE, & FOLLAIN, 2008).
Nous ne nous servirons pas directement des teneurs en carbone organique par commune, cette
unité n’étant pas la plus cohérente sur le plan pédologique. Nous utilisons les résultats d’un travail
d’Infosol qui consiste à spatialiser les teneurs en carbone organique par UTS en redistribuant les
analyses par commune aux UTS.
Principe de la méthode analytique utilisée par Infosol (cf. Annexe 3) : dans un premier temps, un
croisement géographique du RRP et du contour des communes permet de définir les UTS probables
de chaque commune afin de pouvoir relier les données de la BDAT aux UTS. La méthode analytique
consiste à calculer une distance mono-variée entre les variables des analyses de la BDAT et les
valeurs modales des UTS du RRP qui servent de valeurs références lorsqu’elles sont disponibles (taux
d’argile, taux de limon, Capacité d’Echange Cationique (CEC), taux de calcaire et pH). L’estimation de
la distance entre une analyse de la BDAT et la valeur référence issue du RRP se fait ensuite en
calculant la moyenne des distances des variables de l’analyse en question. Celle-ci est comprise entre
0 et 1. Plus elle est proche de 0, plus l’analyse est proche de l’UTS. Les analyses dont les distances
pédologiques sont supérieures à 0,2 sont éliminées.
Le territoire d’étude dispose de 13222 analyses de la BDAT, dont 5633 possèdent l’ensemble des
données pédologiques nécessaires pour être utilisées. Le nombre d’analyses par commune varie de 1
à 165 (avec une moyenne de 26). 322 profils du RRP ont servi pour définir les valeurs références pour
un total de 110 UTS.
Figure 11 : Répartition des analyses de la BDAT sur le territoire national (source : GIS Sol)
31
La méthode utilisée par Infosol nous fournit entre 54 et 144 teneurs de carbone organique par UTS
étudiée, variant de 2,8 à 53,84 g/kg (cf. figure 12).
2.2.2 Données relatives au système de culture
2.2.2.1 Le Registre Parcellaire Graphique
Le Registre Parcellaire Graphique (RPG) est issu des déclarations PAC des agriculteurs. Il s’agit d’une
donnée annuelle, diffusée par l’Agence de Services et de Paiements (ASP) sous forme anonyme, avec
différents niveaux d’information. Un ilot correspond à une ou plusieurs parcelles agricoles contigües
appartenant à un même agriculteur. La culture de chaque parcelle est renseignée selon une
nomenclature comprenant 28 postes (cf. Annexe 4). La connaissance des cultures est donc limitée
par cette nomenclature. Le RPG correspond généralement à l’échelle du 1/5000ème.
Pour chaque année le RPG est composé de trois fichiers : un fichier de formes (.shp) contenant les
données géographiques du contour des ilots et les identifiants associés à chacun d’eux, un fichier de
données sémantiques (.csv) de description générale des ilots et un deuxième fichier de données
sémantiques (.csv) des cultures (parcelles) de chaque ilot. Notons que seuls les ilots sont matérialisés
dans le fichier de données géographiques.
a) b)
c) d)
Figure 12 : « Boîtes à moustaches » des teneurs en carbone organique pour les UTS des UCS étudiées : a) UCS 31, b) UCS 35, c) UCS 39, d) UCS 72 (source Infosol)
32
Nous disposons des données du RPG du Loiret de 2006 de niveau 2 (contour des ilots, cultures et
surfaces associées) et de 2007, 2008 et 2009, de niveau 4 (contour des ilots, cultures et surfaces
associées, caractère irrigué ou non de l’ilot, surface et code de l’exploitation agricole, entre autres).
Le territoire d’étude contient environ 35700 ilots, représentants une surface totale d’un peu plus de
210 000 ha. La taille moyenne des ilots est de 4 ha sur le Pourtour de l’Orléanais et la Gâtinais
Beauceron et de 6 à 9 ha sur les 3 autres PRN. Les surfaces minimale et maximale sont
respectivement de 0,01 et 225 ha.
2.2.2.2 Les pratiques culturales : Base de données Azofert Loiret
Azofert Loiret est une base de données constituée par la Chambre d’Agriculture à partir de
questionnaires remplis par les agriculteurs lors d’analyses de reliquat azoté à la parcelle. Ces analyses
sont réalisées à la demande des exploitants. Tout comme pour la BDAT, l’échantillonnage n’est donc
pas maîtrisé. Pour chaque analyse, les renseignements donnés par les agriculteurs concernent : la
commune de la parcelle analysée, le type de sol (parmi une quarantaine de choix possibles), sa
charge en cailloux, l’historique cultural de la parcelle (habitudes de labour, apports organiques,
cultures intermédiaires, prairie), nature du précédent cultural (nom, rendement, devenir des
résidus), apports en produits organiques (type, date, quantité), la culture intermédiaire et la culture
de l’année (nom, irrigation).
Nous disposons des données de 3 années (2009, 2010 et 2011), soit 9208 analyses sur le territoire
d’étude. (cf. figure 13). Les effectifs de chaque culture par PRN sont donnés en Annexe 5. Un
enregistrement de la base de données (issu du questionnaire) fournit des informations associées à
des parcelles ; certaines concernent la culture précédente (rendement, devenir des résidus de
récolte), d’autre la culture de l’année (irrigation, apports organiques).
Atouts et limites du RPG : il s’agit de la base de données spatialisée de plus fine résolution concernant les
surfaces agricoles, cependant :
- Un ilot peut posséder plusieurs parcelles et donc plusieurs cultures dont la localisation au sein
de l’ilot n’est pas connue, 66% des ilots n’ont qu’une culture durant les 4 ans, mais ils ne
représentent que 33% des surfaces,
- Certaines cultures sont confondues sous la même nomenclature (cultures industrielles par
exemple),
- L’irrigation n’est pas un critère obligatoire lors de la déclaration par les agriculteurs,
- Les ilots n’ont pas les mêmes identifiants d’une année sur l’autre,
- La géométrie des ilots et le nombre de parcelles qu’ils contiennent peuvent changer d’une
année sur l’autre.
33
0
500
1000
1500
2000
2500
3000
3500
No
mb
re d
'an
alys
es
Effectifs des principales cultures dans Azofert Loiret
Effectif "précédent"
Effectif "culture de l'année"
Les données d’Azofert utiles à notre étude sont :
- Type de sol (44 distinctions)
- Habitudes de labour : 2 modalités (non/oui (occasionnel ou permanent)),
- Devenirs des résidus du précédent : 3 modalités (enfouis/enlevés/laissés en surface),
- Apports en MO pour la culture : 2 modalités (non/oui),
- Irrigation de la culture : 2 modalités (non/oui),
- Rendement du précédent
2.2.2.3 Les dires d’experts
Certaines informations n’étant disponibles dans aucune des sources de données utilisées, nous
faisons appel à des experts concernant les pratiques culturales, la localisation des cultures et les
rotations culturales. Nous sollicitons un pédologue de la Chambre d’Agriculture et 6 conseillers
agricoles (cf. liste des experts et questionnaire en Annexe 6).
2.2.2.4 Le Recensement Agricole (RGA)
Le Recensement Agricole (RGA) est réalisé tous les 10 ans en France. Il représente un état des lieux
de l’agriculture (exploitations, occupation du sol, élevage…). Les données sont disponibles à la
commune. Le dernier RGA disponible date de 2000. Cette source de données est utilisée pour
connaitre la part de surfaces irrigables dans la SAU par PRN.
Atouts et limites d’Azofert Loiret : les informations sur les pratiques culturales sont relativement précises,
en revanche, le nombre d’analyses par culture et par type de sol est très hétérogène (11 des 44 types de
sols représentent plus de 80% des analyses) et les critères renseignés ne correspondent pas exactement aux
informations nécessaires pour l’étude.
Figure 13 : Effectifs des analyses de la base Azofert pour les principales cultures
34
2.2.3 Données relatives au climat
Nous disposons de données climatiques fournies par la Chambre d’Agriculture du Loiret, entre 1999
et 2010. Sur le territoire d’étude, nous avons (cf. carte en Annexe 7) : 1 station sur la petite Beauce, 4
stations sur la grande Beauce, 1 station sur le gâtinais beauceron, 3 stations sur le gâtinais oriental et
1 station sur le pourtour de l’Orléanais.
La pluviométrie cumulée et la température moyenne sont disponibles par station et par année. En
revanche, pour l’ETP cumulée, seules deux stations sont partiellement renseignées. Nous prendrons
donc les valeurs de la station Météo France, située en Petite Beauce, dont les données sont
complètes.
Seule la pluviométrie varie entre l’Est et l’Ouest du département. La limite entre ces deux secteurs
correspond à la limite entre la Grande Beauce et le Gâtinais Beauceron. Nous prendrons les valeurs
présentées dans le tableau 4.
Tableau 4 : Données climatiques utilisées
Données météo Zone Est Zone Ouest
Pluviométrie moyenne 673 mm 626 mm
Température moyenne 11,7°C 11,3°C
ETP moyenne 805 mm
2.3 Outils utilisés
2.3.1 Outils de traitement des données
Nous utilisons le logiciel de SIG ArcGIS 9 (ArcView version 9.3) pour traiter les données
géographiques. Les données sémantiques sont manipulées à l’aide d’Access et Excel du pack Office
de Microsoft 2010. Nous avons aussi eu recours à un programme développé au sein de l’Institut
Lasalle Beauvais pour traiter les données sémantiques du RPG.
2.3.2 Outils de réalisation du diagnostic
Nous utilisons l’application SIMEOS-AMG (outil de SIMulation de l’Etat Organique des sols fondé sur
le modèle AMG) mise au point par Agro-Transfert RT et l’INRA de Laon. Il s’agit d’une adaptation du
modèle AMG aux problématiques de gestion des MO rencontrées en Picardie.
SIMEOS-AMG réalise un bilan humique moyenné à l’échelle d’une rotation culturale et simule
l’évolution du stock de carbone organique de la couche de sol 0-30 cm à moyen et long terme (30,
50, 100 ans). Son utilisation est simple mais requiert un certain nombre de données et permet de
simuler des scénarios assez précis (cf. figure 14).
Atouts et limites de SIMEOS-AMG : cette application est adaptée au contexte pédoclimatique du Nord de la
France. Néanmoins, il faut avoir une combinaison « sol x SdC x Corg », ce qui est plus facile à obtenir à la
parcelle qu’à l’échelle d’un territoire, en particulier pour les rotations et les pratiques culturales.
35
Nous proposons un récapitulatif des données utilisées (cf. tableau 5).
Tableau 5 : Tableau récapitulatif des données utilisées
Echelle Année(s)
Support de l’information
Quantité d’information
Données utilisées
Outils de traitement
RRP 1/250000ème 2008 UCS et UTS 39 UCS, 110 UTS A, Ca, EG, Da SIG, Access
BDAT (1/250000ème) 1999 - 2006 Commune 5633 analyses Carbone organique
Logiciels libres dont R
RPG 1/5000ème 2006 - 2009 Ilot et parcelle 35788 ilots Culture dominante/ilot, irrigation
SIG, programme, Excel
RGA 2000 Commune Toutes communes SAU irrigable Excel
Azofert 2009 - 2011 Commune 9407 analyses Pratiques et rendements
Excel
Météo 1999 - 2000 Station 11 stations ETP, T°, pluie Excel
Dires experts
2011 7 experts Pratiques et rotations
Questionnaire
Données
relatives au
scénario
Données
relatives à la
rotation
Données
relatives au sol
(paramétrage
possible pour
chaque UTS) Données
relatives au
climat
Données
relatives aux
MO et cultures
intermédiaires
Figure 14 : Copie d'écran de l'application SIMEOS-AMG (saisie d'un scénario)
36
2.4 Choix de l’unité spatiale d’intégration Nous souhaitons la résolution la plus fine possible. Celle-ci est dépendante des données utilisées. Le
RPG, dont les entités cartographiques sont des ilots, est à l’échelle du 1/5000ème. Cependant, le RRP
et la BDAT ne sont pas utilisables à des échelles supérieures au 1/250000ème. Le 1/250000ème est donc
choisi comme échelle de travail. S’intéressant aux caractéristiques des sols, le découpage par Unité
Cartographique de Sols (UCS) parait plus cohérent qu’un découpage par unité administrative
(commune ou canton).
2.5 Méthode de mise en œuvre du diagnostic de l’état organique des sols Nous souhaitons dans un premier temps obtenir les informations nécessaires à l’utilisation du
modèle SIMEOS-AMG à partir des données de base :
- Connaitre les caractéristiques des sols (UTS),
- Reconstruire les différentes rotations et les associer aux UTS présentes au sein de chaque
UCS,
- Obtenir les informations complémentaires correspondant à ces rotations pour
recomposer des systèmes de culture (pratiques culturales),
- Obtenir des combinaisons « UTS x SdC (rotation + pratiques culturales) x teneur de Corg »
à partir des teneurs en carbone médianes déterminées par Infosol pour chaque UTS.
Dans un deuxième temps, nous désirons réaliser le diagnostic à l’aide de SIMEOS-AMG pour chaque
combinaison « sol x SdC x Corg » et en faire l’interprétation. Les résultats, synthétisés par UCS, nous
permettront ensuite de faire une représentation cartographique du diagnostic.
Cette partie méthode retrace les choix et les hypothèses qui ont été utilisés pour traiter les
différentes données dans le but d’en extraire les éléments nécessaires au diagnostic de l’état
organique des sols.
Les différentes étapes mises en œuvre pour réaliser le diagnostic sont présentées ici de façon
succincte et détaillées dans les Annexes.
A retenir :
L’unité spatiale d’intégration choisie est l’Unité Cartographique de Sols, mais pour réaliser le diagnostic, le
niveau d’information qui nous intéresse concernant les sols est l’Unité Typologique de Sols.
37
2.5.1 Extraction et calcul des données pédologiques
La valeur modale du taux d’argile vraie, du taux de calcaire total, la texture et la pierrosité totale de
la strate de surface de chaque UTS sont extraites du RRP à l’aide d’Access (cf. tables utilisées en
Annexe 8). Ces données sont complétées par la BDAT en raison d’un manque d’information
concernant le carbone. La densité apparente est calculée par Infosol à partir de données issues du
RRP, en utilisant la fonction de pédotransfert4 de BRUAND, DUVAL & COUSIN (2004).
2.5.2 Définition des rotations culturales
Les applications informatiques permettant la reconstruction de rotations culturales accessibles ne
permettent pas de travailler avec le RPG, nous avons donc défini notre méthode en s’inspirant de
travaux réalisés à ce sujet (LETEINTURIER, et al., 2006).
La définition des rotations s’opère en trois temps : la préparation des données permettant d’obtenir
des successions de cultures par ilot et par UCS ; la reconstruction à proprement parler de rotations
probables ; un regroupement de ces rotations afin de synthétiser les informations et choisir des
rotations-types (cf. figure 15).
4 Les fonctions de pédotransfert sont des outils d’estimation certaines propriétés des sols difficiles à mesurer, à
partir d’autres caractéristiques des sols plus facilement accessibles (BASTET, et al., 1998).
RPG 2006 RPG 2007 RPG 2008 RPG 2009
1) Préparation des données
géographiques et sémantiques
RRP Successions culturales de 4 ans par ilot
Successions culturales de 4 ans par ilot et par UCS
Croisement géographique
Successions irriguées (IR) par UCS Successions non irriguées (NIR) par UCS
Tri
2) Construction des rotations probables
Rotations probables IR par UCS Rotations probables NIR par UCS
3) Regroupement des rotations en
fonction de leur restitution humique
Rotations-types IR par UCS Rotations-types NIR par UCS
Figure 15 : Schéma de la démarche pour obtenir des rotations probables à partir du RPG
38
1) Préparation des données pour obtenir des successions culturales (cf. Annexe 9)
Rappel : une succession culturale est un enchainement ordonné de cultures et une rotation culturale
est une succession cyclique.
Nous utilisons les quatre années du RPG à notre disposition. La préparation des données consiste à
obtenir pour chaque ilot une succession pluriannuelle de 4 ans. Nous ne prenons en compte, pour
chaque année, que la culture dominante (celle qui représente la surface la plus importante de l’ilot).
Les différentes successions rencontrées nous serviront ensuite à reconstruire des rotations
culturales.
Nous utilisons le logiciel ArcGIS 9 pour traiter les données géographiques et un programme
développé au sein de l’Institut Lasalle Beauvais pour traiter les données sémantiques. Ce dernier sert
à regrouper l’information des différentes parcelles d’un même ilot. Nous obtenons pour chaque ilot :
une correspondance entre ses identifiants, sa surface totale de la dernière année, l’ensemble des
cultures de chacune des 4 années avec la surface associée et son caractère irrigué.
Les limites imposées par le RPG (cf. chapitre 2.2.2.1), nous obligent à faire des choix et des
hypothèses pour obtenir les successions culturales :
- Etablir pour chaque ilot une correspondance entre ses identifiants de chaque année sans
utiliser d’intersection géographique des couches des différentes années (qui est une
méthode simple et classiquement utilisée mais pas applicable ici en raison de la
géométrie légèrement variable des ilots d’une année sur l’autre),
- Définir des successions par ilot et non par parcelle, en considérant que la culture
dominante est représentative de l’ilot et occupe donc toute sa surface,
- Prendre comme référence la géométrie de l’ilot la plus récente (2009).
Un croisement géographique entre les contours des ilots de 2009 et le RRP nous permet de rattacher
chaque ilot à une UCS et une PRN. Les successions de chaque ilot sont établies en se servant de la
correspondance entre les différents identifiants d’un ilot.
La nomenclature RPG est recodée de façon à faciliter la lisibilité des cultures et pour regrouper
quelques cultures assez similaires (cf. tableau 6).
En ne considérant que la culture dominante de l’ilot, les surfaces moyennes prises en compte sur les
4 années du RPG sont de : 85% sur le Pourtour de l’Orléanais, 73% sur la Petite Beauce, 78% sur la
Grande Beauce, 88% sur le Gâtinais beauceron et 85% sur le Gâtinais Oriental. Les pourcentages plus
faibles sur la Petite et la Grande Beauce sont liés au fait que les ilots sont plus grands dans ces PRN
que dans les autres.
39
Tableau 6 : Correspondance entre la nomenclature du RPG et les codes de culture utilisés
Nomenclature RPG
Nouveau code
Signification
1, 3, 4 C Céréales à pailles (blé tendre (1), orge (3) et autres céréales(4))
2 M Maïs (grain et fourrage confondus)
5, 12 CH Colza (culture (5) et gel industriel (12))
6 T Tournesol
7 AO Autres oléagineux
8 P Protéagineux (essentiellement du Pois)
9 PF Plantes à fibres
10 S Semences
11, 13 Gel Gel (sans production (11) et autres gel (13))
15 LG Légumineuses à grain
16 F Fourrage
17 EL Estives et Landes
18 PP Prairie permanente
19 PT Prairie temporaire
20 VE Verger
21 VI Vigne
24 BS Autres cultures industrielles (essentiellement Betterave sucrière)
25 L Légumes-fleurs (surtout Pomme de Terre de consommation et Oignon)
27 AR Arboriculture
28 div Divers
2) Construction des rotations probables (cf. Annexe 10)
Notre objectif est d’obtenir pour chaque UCS des rotations probables irriguées et non irriguées à
partir de l’observation des successions les plus fréquentes. Pour passer de ces successions aux
rotations, nous posons les postulats suivants :
- Les rotations irriguées sont souvent différentes des rotations non irriguées du fait des
exigences en eau différentes selon les cultures,
- Un ilot « irrigué » est un ilot où l’irrigation est présente au moins une année,
- Une succession observée correspond soit à une rotation dite courte (moins de 5 ans), soit
à un fragment d’une ou plusieurs rotations dites longues (5 ou 6 ans) ou encore à des
successions de cultures très particulières ne constituant pas des rotations,
- Les successions les plus fréquentes témoignent des rotations pratiquées,
- Une succession peut participer à plusieurs rotations avec la même probabilité.
Détermination des rotations probables
Les ilots sont triés par UCS, puis en fonction de leur caractère irrigué. Nous avons donc pour chaque
UCS, un ensemble d’ilots irrigués (IR) et un ensemble d’ilots non irrigués (NIR). Ces deux groupes sont
traités successivement, de manière identique.
40
Pour chaque UCS et chaque ensemble d’ilots IR ou NIR, les différentes successions observées sont
triées par surface cumulée décroissante pour repérer les successions les plus fréquentes. Parmi
celles-ci, apparaissent des « motifs » caractéristiques, comportant une ou deux têtes de rotation5 et
des céréales à pailles intercalées (exemple : céréale/colza/céréale/céréale), cohérents d’un point de
vue agronomique et susceptibles d’appartenir à une ou plusieurs rotations.
Exemples : soit C une céréale à paille et T1 une tête de rotation,
La succession CT1CC peut correspondre :
- A une rotation courte T1CC : T1CC-T1CC-T1CC
- A une rotation longue T1CCT2C : T1CCT2C-T1CCT2C
La succession CT1CT1 peut correspondre :
- A une rotation courte T1C-T1C-T1C-T1C
- A une rotation longue T1CT1CC-T1CT1CC-T1CT1CC
A partir des successions cohérentes les plus fréquentes, nous déduisons un ensemble de rotations
probables, dont la durée est de 2 à 6 ans selon les motifs utilisés. Pour cela, nous faisons les
hypothèses, validées à dires d’experts, que deux têtes de rotation ne se suivent jamais et qu’il
n’existe pas de rotations incluant plus de 2 têtes de rotation différentes.
Au final, certaines successions ne sont pas prises en compte : elles incluent plus de 2 têtes de
rotation en 4 ans (hormis la monoculture), des surfaces en gel ou des cultures très peu représentées,
ou correspondent à de très faibles effectifs.
Calcul de la probabilité surfacique de chaque rotation probable
Pour affecter une probabilité surfacique à chaque rotation probable ainsi définie, nous remplissons
un tableau de correspondance entre les successions (en lignes) et les rotations (en colonnes) (cf.
tableau 7). Puis, nous faisons l’hypothèse qu’une succession du tableau a la même probabilité
d’appartenir à toutes les rotations correspondantes. Cela nous permet de répartir la surface occupée
dans l’UCS par une succession de manière équirépartie entre toutes ses rotations correspondantes.
Pour chaque rotation, la somme des surfaces ainsi réparties constitue sa probabilité surfacique.
Tableau 7 : Exemple de correspondance pour quelques successions et rotations
Rotations
Successions T1C T2C T1CC T2CC T1CCC T2CCC T1CT2C T1CT2CC T1CCT2C T1CCT2CC
T1CT1C X
CT1CT1 X
CT1CC X X X X
CCT1C X X X X
5 Une tête de rotation est une culture généralement placée avant une céréale à paille.
41
3) Regroupement des rotations et choix de rotations-types
Les rotations dont la surface théorique est faible (< 2%) ne sont pas retenues afin de limiter le
nombre de cas. Nous cherchons à prendre en compte un minimum de 70% de la surface totale des
ilots pour chaque ensemble (IR ou NIR).
Pour réduire le nombre de cas à traiter par la suite, nous regroupons les rotations en se basant sur
leur niveau de restitution humique. Pour cela, nous utilisons les catégories de cultures définies par
Agro-Transfert RT à partir des références du modèle AMG (cf. tableau 8). Les rotations qui ont une
même durée et une part similaire de chaque catégorie de culture sont ainsi regroupées. La rotation
la plus représentée au sein de chaque groupe sera la rotation-type du groupe pour les étapes
suivantes (cf. figure 16).
Les groupes représentant de faibles surfaces sont éliminés pour conserver au minimum 90% de la
surface totale des rotations probables prises en compte.
Tableau 8 : Catégories de cultures selon leur restitution humique (source : Agro-Transfert RT)
La restitution humique des résidus par culture est donnée en Annexe 11.
2.5.3 Affectation des rotations-types aux UTS
Les rotations culturales représentatives obtenues sur une UCS sont ensuite affectées aux UTS au
prorata de la surface de chaque UTS dans l’UCS et en utilisant des règles agronomiques d’exclusion
de certaines cultures en fonction des caractéristiques des sols.
1) Contraintes agronomiques des UTS et règles d’exclusion des cultures
Nous partons du principe que toutes les cultures n’ont pas les mêmes exigences vis-à-vis des sols. Les
contraintes pédologiques retenues comme influençant la localisation des cultures sont : la Réserve
Utile Maximale6 (RUM), la teneur en éléments grossiers, la teneur en argile de l’horizon de surface et
6 RUM : quantité d’eau maximale accessible aux racines des plantes pour un sol donné.
Restitution humique des résidus
Code de catégorie Cultures
Forte 1 C (si pailles restituées), CH, T, M (si grain)
Moyenne 2 BS, P, (C si pailles exportées)
Faible 3 L, (M si fourrage)
11111 25,320
MCMCC 11,752
MCCHCC 6,765
MCCCHC 6,059
MCTCC 0,744
Code du groupe de rotations
Rotation-type choisie Probabilités surfaciques
Figure 16 : Exemple d'un groupe de rotations probables
42
l’excès d’eau. Il s’avère que ce dernier joue peu étant donnée la pratique répandue du drainage des
sols hydromorphes dans la zone d’étude.
Pour chacune des contraintes, deux modalités sont définies, séparées par un seuil (cf. tableau 9). Ces
seuils sont fixés à partir de références utilisées en Picardie (SCHEURER, 2010) et validés par les
experts du Loiret. La définition des contraintes « éléments grossiers » et « argile » a pu également
être validée par l’exploitation de la base Azofert (cf. détail en Annexe 12).
Tableau 9 : Contraintes agronomiques retenues et seuils
Contrainte Favorable (1) Défavorable (0)
RUM RUM ≥150 mm RUM < 150 mm
Excès d’eau Absence d’hydromorphie à moins de 40 cm Présence d’hydromorphie à moins de 40 cm
Eléments grossiers < 15 % ≥ 15 %
Argile < 45% > 45% (Argile lourde)
Les contraintes ne sont pas les mêmes selon la culture et le caractère irrigué de l’ilot (cf. tableau 10).
Tableau 10 : Règles d'exclusion des cultures exigeantes selon les contraintes agronomiques
RUM < 150 mm Cailloux > 15% Argile > 45% Excès d’eau
Sur des ilots NIR Betterave, légumes*,
maïs Betterave, légumes*, pois protéagineux
Légumes*, pois protéagineux
Betterave si sol argileux Sur des ilots IR
* : dont la pomme de terre
2) Affectation des rotations-types aux UTS
Les données issues du RRP nous permettent de définir les contraintes agronomiques de chaque UTS.
Le calcul de la RUM à partir de ces données est précisé en Annexe 8.
Tenant compte des règles d’exclusion établies, les rotations-types (IR et NIR) d’une UCS sont
affectées aux UTS, formant ainsi des combinaisons « rotation-type x UTS ». La surface de l’UCS est
ensuite distribuée à chacune de ces combinaisons, au prorata, d’une part de la surface (IR ou NIR) de
l’UTS dans l’UCS, et d’autre part de la probabilité surfacique des rotations-types, définie
précédemment. Le détail des calculs est donné en Annexe 13.
Ainsi, chaque combinaison « rotation-type x UTS » est associée à un pourcentage de la surface de
l’UCS.
Cette affectation des rotations-types aux UTS repose sur certaines hypothèses :
- La surface irriguée d’une UCS correspond à la part d’ilots irrigués sur cette UCS,
- L’irrigation n’est pas localisée en fonction du type de sol ; la proportion irriguée d’une UTS
est donc la même que celle de l’UCS,
- Les rotations sont localisées en fonction des contraintes agronomiques induites par les
caractéristiques des UTS,
- Les rotations-types témoignent des pratiques de la totalité du territoire.
43
2.5.4 Définition des pratiques culturales et des rendements
Nous faisons le choix d’exploiter la base de données Azofert Loiret de manière à obtenir des
tendances générales par culture et par PRN. La définition des pratiques culturales pourrait faire
l’objet d’analyses plus poussées (recherche de relations éventuelles entre les cultures, les sols et les
pratiques), mais en raison du temps imparti, de l’hétérogénéité des données et des effectifs
disponibles, nous nous satisfaisons de valeurs moyennes pour les cultures les plus représentées.
En ce qui concerne les rendements, nous souhaitons avoir pour chaque culture des valeurs pour les
cas irrigués et non irrigués en tenant compte de la RUM des sols. Cependant, dans un enregistrement
de la base Azofert, le rendement d’une parcelle est connu pour la culture précédente sans indication
sur le recours à l’irrigation. L’information souhaitée n’existe donc pas directement, il faut établir un
moyen d’obtenir ces deux types de rendements à partir de tris sur les données disponibles.
Nous faisons ainsi l’hypothèse que les rendements « moyens » sont principalement déterminés par le
contexte pédoclimatique et l’irrigation, et peu par les autres éléments du système de culture. Pour
une culture donnée, la première étape consiste à établir la distribution des rendements parcellaires
par PRN en exploitant la base Azofert toutes années confondues (3 ans).
Pour déduire une estimation de rendements « moyens », irrigués et non irrigués, les PRN sont
regroupées en fonction de leur part de SAU irrigable (RGA 2000) selon 3 catégories : irrigation
majoritaire (> 70%), irrigation moyenne (entre 40 et 60%) et irrigation faible (<15%). (cf. chapitre
2.1.2). Au sein de chacun de ces groupes, les parcelles de la base Azofert sont ensuite classées selon
leur RUM.
Pour ce faire, après avoir établi une correspondance entre les UTS et les noms des types de sol
figurant dans la base Azofert (cf. Annexe 14), nous affectons une valeur de RUM à ces types de sols.
Puis nous répartissons les parcelles selon 3 classes de RUM : RUM élevée ≥ 120 mm ; RUM moyenne :
de 100 à 120 mm ; RUM faible < 100 mm.
A partir de la distribution obtenue (une culture, dans groupe de PRN et une classe de RUM), un
rendement non irrigué (NIR) et un rendement irrigué (IR) sont définis en choisissant des fractiles
(quartiles ou déciles) différents selon l’importance de l’irrigation (cf. tableau 11) : rendement irrigué
estimé par un fractile de rang d’autant plus élevé que l’irrigation est peu présente ; rendement non
irrigué estimé par un fractile de rang d’autant plus bas que l’irrigation est très présente.
Tableau 11 : Fractiles utilisés pour déterminer les rendements
Irrigation des PRN Rendement NIR Rendement IR
Irrigation majoritaire (> 70%) 2ème décile 7ème décile
Irrigation moyenne (entre 40 et 60%) 1er quartile 3ème quartile
Irrigation faible (<15%) 4ème décile 8ème décile
44
En ce qui concerne la restitution des résidus de culture, nous trions les parcelles analysées par
culture précédente et par PRN. Le nombre de parcelles sur lesquelles les résidus ont été restitués
(enfouis ou laissés sur place) nous donne une fréquence de restitution des résidus par culture et par
PRN.
En ce qui concerne les pratiques sur les apports de matières organiques et l’irrigation, nous trions
les parcelles analysées par culture de l’année et par PRN. De même que pour la restitution des
résidus, nous obtenons une fréquence d’apports de matières organiques et une fréquence
d’irrigation par culture et par PRN. Puis nous calculons une quantité d’irrigation moyenne par culture
et par PRN.
Enfin, le travail du sol n’est connu que par des habitudes sur la parcelle analysée et ne
correspondent pas aux pratiques pour une culture en particulier. Nous devrons dans ce cas fixer des
modalités de travail du sol à partir d’une tendance générale par PRN, complétée à dires d’experts
pour la profondeur de labour.
2.5.5 Définition des combinaisons « sol x système de culture x carbone organique »
Les combinaisons « rotation-type x UTS » sont complétées par :
- une médiane de Corg affectée à l’UTS (définie à partir du travail d’Infosol),
- des pratiques culturales affectées en fonction de la PRN (irrigation, restitution des résidus,
apports de matières organiques, travail du sol) ou en fonction du type de PRN et de la classe
de RUM (rendements). Pour une rotation-type irriguée, nous faisons l’hypothèse que toutes
les cultures sont irriguées.
- des données climatiques affectées par une appartenance à une PRN de la zone Est ou Ouest.
Certaines des pratiques culturales pourront être simplifiées en fonction des résultats issus de la base
Azofert.
2.5.6 Diagnostic de l’état organique des sols
Première étape : Evolution à long terme des teneurs en carbone organique à l’échelle des
combinaisons « rotation-type x UTS », des UCS, ou d’un territoire (stockage ou déstockage du
carbone)
Le diagnostic de l’état organique des sols est réalisé pour chaque UCS en utilisant SIMEOS-AMG sur
toutes les combinaisons « rotation-type x UTS » dont la surface théorique est supérieure ou égale à
1% de l’UCS afin d’alléger les manipulations.
Chaque combinaison est ainsi caractérisée par son évolution à long terme : stockage, équilibre ou
déstockage. La surface cumulée des combinaisons donnant le même résultat permet de caractériser
globalement une UCS par la part respective de ces trois tendances évolutives. Pour cela, le stock à
long terme est considéré à l’équilibre entre plus ou moins 5% du stock initial (DUPARQUE, et al.,
2007). Enfin, nous pouvons observer les tendances évolutives de la globalité du territoire à partir de
la caractérisation de chaque UCS.
45
Deuxième étape : interprétation (identification des déterminants majeurs des tendances observées)
Nous cherchons ensuite à décrire les différentes situations de stockage/équilibre/déstockage, afin
d’en synthétiser les caractéristiques. Cela doit permettre d’identifier les déterminants majeurs de ces
situations, en particulier, ceux concernant le système de culture et pouvant être modifiés.
Troisième étape : Identification des marges de manœuvre et/ou propositions d’amélioration
A partir des premiers résultats, nous abordons les possibilités d’utilisation du diagnostic pour
identifier des situations répondant à une problématique. De plus, à l’échelle d’un territoire, les
problématiques à traiter sont différentes selon le type d’organisme concerné (filière, développement
agricole, prospective régionale…). Celles-ci peuvent nécessiter des simulations adaptées, pour
lesquelles nous présentons un exemple.
2.5.7 Validation
Des successions culturales
Afin de vérifier l’existence des successions utilisées pour reconstruire les rotations théoriques, nous
les comparons aux successions présentes sur les ilots monoparcellaires (n’ayant qu’une parcelle
durant les 4 années) disponibles du RPG.
Des rotations-types
Afin d’avoir une première validation des rotations reconstituées, nous redistribuons les surfaces de
chaque rotation-type en fonction des cultures qu’elle contient. Cela donne un assolement global qu’il
est ensuite possible de comparer à l’assolement réel connu grâce au RPG. Cette comparaison permet
de voir si des cultures sont sur ou sous représentées par les rotations utilisées.
L’assolement réel correspond à la somme des surfaces par culture en prenant en compte l’ensemble
des cultures des ilots (et pas seulement la culture dominante). Nous prenons l’assolement réel de
2007, année moyenne en termes de répartition des cultures. Cet assolement réel est calculé pour
chaque UCS et chaque ensemble d’ilots irrigués et non irrigués. Cela fournit un assolement irrigué et
un assolement non irrigué par UCS.
Une deuxième méthode de validation est basée sur des dires d’experts pour comparer directement
les rotations reconstruites et les rotations qui sont, d’après eux, les plus pratiquées sur le territoire.
Des résultats du diagnostic
Les résultats du diagnostic par combinaison « rotation-type x UTS » pouvant être synthétisés par
UCS, une méthode de validation consiste à comparer cette synthèse par UCS à la caractérisation des
tendances évolutives des UCS menée à partir de l’assolement réel de celles-ci.
Pour cela, nous établissons des combinaisons « assolement réel irrigué x UTS » et « assolement réel
non irrigué x UTS » pour chacune des UCS. L’assolement réel est le même que celui utilisé pour
valider les rotations.
46
L’affectation de ces assolements aux UTS se fait en utilisant les mêmes règles d’exclusion que pour
les rotations (cf. chapitre 2.5.3). Une UTS qui ne présente pas de contrainte agronomique recevra un
assolement identique à celui de l’UCS. Une UTS présentant des contraintes agronomiques recevra un
assolement dans lequel les cultures exigeantes ont été enlevées. La surface d’une combinaison
« assolement réel irrigué x UTS » correspond à la part irriguée de cette UTS (cf. chapitre 2.5.3), de
même pour une combinaison « assolement réel non irrigué x UTS ».
Nous proposons un récapitulatif de la démarche suivie pour obtenir les combinaisons « UTS x
rotation-type x carbone organique » (cf. figure 17).
Réalisation Lasalle Beauvais
RPG RRP BDAT
Successions culturales
de 4 ans par UCS
Caractéristiques des UTS
(A, Ca, EG, Da, RUM, hydro)
Teneurs en carbone organique
par commune
Teneurs en carbone organique
par UTS Rotations-types par UTS
Combinaisons « UTS x SdC x Corg »
Azofert
RGA
Météo
SIMEOS
AMG
Diagnostic de l’état organique
Réalisation INFOSOL
Données principales
Données complémentaires
Contraintes agronomiques
par UTS
Rotations probables
par UCS
Dires d’experts Irrigation par culture et par
PRN ;
Rendements par culture par
type de PRN et classe de sol
ETP, Température, pluviométrie
Figure 17 : Récapitulatif de la méthode mise en œuvre
47
3 Principaux résultats
3.1 Caractéristiques des sols Les caractéristiques des sols obtenues et utilisées pour réaliser le diagnostic sont présentées dans le
tableau 12 pour chaque UTS. Sur les UTS étudiées, la teneur en calcaire varie de 0 à 150 g/kg, la
teneur en argile varie de 200 à 500 g/kg et la teneur en carbone organique varie de 9,5 à 14,6 g/kg.
Tableau 12 : Résultats des caractéristiques des UTS
PRN UCS N° UTS %
dans l'UCS
Surface UTS (ha)
RUM (mm)
EG (%)
Ca (g/kg)
A (g/kg)
Corg (g/kg)
Da
Po
urt
ou
r d
e
l'Orl
éan
ais
UCS 31 - Sols argileux, épais, développés dans des
marnes (23957 ha)
111 33 7906 132 2,5 9 511 12,8 1,20
108 21 5031 144 2,5 90 457 13,9 1,20
109 20 4791 79 2,5 7,5 401 12,7 1,20
110 13 3114 139 10 120 412 14,2 1,20
113 7 1677 145 2,5 0 314 10,5 1,30
112 1 240 66 2,5 150 315 14,5 1,20
Pet
ite
Bea
uce
UCS 35 - Sols moyennement épais, non
hydromorphes, calcaires ou calciques, sur calcaire de
Beauce (15544 ha)
119 52 8083 127 2,5 1 341 11,6 1,40
118 18 2798 148 2,5 83 214 13,9 1,40
116 14 2176 34 10 74 345 13,8 1,20
117 8 1244 35 2,5 117 385 14,4 1,20
120 6 933 98 2,5 0 322 12,6 1,40
121 2 311 202 2,5 0 344 11,8 1,40
Gra
nd
e B
eau
ce
UCS 39 - Sols limono-argileux et limoneux, épais,
non hydromorphes, des plateaux de Grande Beauce
(41626 ha)
120 50 20813 98 2,5 0 322 10,5 1,40
119 17 7076 128 2,5 1 341 11,5 1,40
118 9 3746 148 2,5 83 214 14 1,40
125 9 3746 139 10 0 250 10,4 1,40
121 8 3330 202 2,5 0 344 10,5 1,40
116 5 2081 34 10 74 345 14,1 1,20
117 2 833 35 2,5 117 385 14,6 1,20
Gât
inai
s
Ori
enta
l UCS 72 - Sols limoneux, lessivés, hydromorphes, des plateaux du Nord du
Gâtinais oriental (8803 ha)
228 79 6954 131 2,5 0 160 9,5 1,40
226 17 1497 166 2,5 0 150 9,5 1,40
225 3 264 153 2,5 0 150 9,5 1,40
227 1 88 163 2,5 0 240 9,5 1,40 RUM : réserve utile maximale, EG : teneur en éléments grossiers, Ca : teneur en calcaire, A : teneur en argile,
Corg : teneur en carbone organique, Da : densité apparente.
48
3.2 Rotations-types utilisées Nous obtenons 12 à 19 rotations-types par UCS. Elles prennent en compte 67 à 74% de la SAU des
UCS (cf. tableau 13). Dans le cas de l’UCS 72, le faible nombre d’ilots IR oblige à travailler à partir de
peu de successions et rend la reconstitution des rotations correspondantes assez limitée. Les
rotations-types et leur part de surface dans l’UCS sont présentées dans le tableau 14.
Tableau 13 : Nombre de rotations-types obtenues par UCS
UCS Part de la
surface Nombre d’ilots
Nombre de successions
Nombre de rotations probables
Nombre de rotations-types
Surface totale prise en compte
31 IR 35 % 664 122 19 7
67 % NIR 65 % 3316 261 24 7
35 IR 64 % 465 129 20 7
68 % NIR 36 % 930 116 17 8
39 IR 51 % 1361 175 21 10
70 % NIR 49 % 3594 230 21 9
72 IR 9 % 37 24 7 4
74 % NIR 91 % 830 130 16 8
Tableau 14 : Détail des rotations-types et part de surface de l'UCS associée
UCS 31 UCS 35 UCS 39 UCS 72
Ro
tati
on
s-ty
pes
n
on
irri
guée
s
CCCC 40 % CHCCC 32 % CCCC 27 % CHCCHCC 34 %
CHCCHCC 22 % CHCCHCC 20 % BSCCC 13 % CHCCC 17 %
CHCCTCC 10 % CHCC 10 % BSCBSCC 13 % CHCC 16 %
BSCCHCC 9 % CHCCMCC 10 % CHCCPCC 13 % CHCPCC 9 %
BSCCCHCC 9 % BSCBSCC 9 % CHCCPC 11 % CHCCMCC 7 %
CHCC 6 % BSCC 8 % CHCCHCC 9 % CHCCPCC 7 %
BSCCC 5 % CHCCLC 6 % BSCC 6 % CHC 7 %
CHCCLCC 5 % CHCC 5 % CHCPC 3 %
BSCCLCC 4 %
Ro
tati
on
s -t
ypes
ir
rigu
ées
CCCC 31 % CCCC 31 % CCCC 28 % MCCHC 41 %
MCMCC 27 % MCMCC 28 % BSCBSCC 15 % MCMCC 38 %
MCC 11 % PCCC 12 % BSCCC 14 % MC 16 %
MCCBSCC 9 % MC 10 % BSCCMCC 9 % MCC 5 %
MC 8 % MCLCC 8 % BSCCHCC 9 %
MCCCHCC 8 % MCC 6 % CHCCHCC 6 %
BSCCC 7 % MCCCHCC 6 % BSCLCC 6 %
BSCCPCC 5 %
BSCCLCC 4 %
BSCC 4 %
49
Remarques sur les rotations-types utilisées :
- Présence de rotations entièrement céréalières (céréales à paille), présentant des parts
importantes (de 27 à 40%),
- Présence de cultures exigeantes en eau sur des ilots non irrigués (BS, L et M), mais moins
fréquente que sur les ilots irrigués,
- Les rotations dites courtes (≤ 4 ans) représentent entre 43 et 59% des rotations probables
par UCS,
- Les rotations irriguées de l’UCS 72 ont été obtenues à partir d’un faible nombre d’ilots.
3.3 Affectation des rotations aux UTS L’affectation des rotations aux UTS donne des combinaisons « rotation-type x UTS » : chacune d’elles
n’occupe qu’une petite part de la surface de l’UCS (moins de 1% à 24%). Pour les UTS ayant un faible
pourcentage dans l’UCS, les combinaisons obtenues représentent moins de 1 % de la surface.
L’évolution de l’état organique est simulée pour les combinaisons dont le pourcentage est supérieur
ou égal à 1%, soit 47 combinaisons pour l’UCS 31, 45 pour l’UCS 35, 53 pour l’UCS 39 et 21
combinaisons pour l’UCS 72. Les combinaisons « rotation-type x UTS » et leur pourcentage sont
présentés en Annexe 15.
3.4 Pratiques culturales dominantes et rendements Tendances globales sur l’ensemble du territoire d’étude (cf. tableau 15) :
- Les résidus de culture sont globalement restitués pour l’ensemble des cultures, hormis pour
le maïs fourrage, culture minoritaire.
- Les cultures le plus fréquemment irriguées sont la betterave, le maïs grain et les légumes
(irrigués dans 100% des cas). Ces cultures reçoivent plus de 130mm d’eau en moyenne. Les
autres cultures (céréales à pailles, colza et tournesol) sont irriguées dans moins de 40% des
cas et reçoivent moins de 50mm d’eau.
- Les apports de MO sont relativement peu fréquents.
- Le labour (occasionnel ou permanent) est une habitude dans plus de 75% des cas pour toutes
les PRN.
Concernant les rendements, le choix de rechercher des valeurs par groupe de PRN et par classe de
RUM, entraîne dans certains cas des effectifs insuffisants pour les estimations (moins de 10 analyses
par culture).
La comparaison des rendements moyens par type de PRN (cf. extrait des résultats tableau 16 et
Annexe 16) montre que ceux-ci sont d’autant plus élevés que la surface irrigable de la PRN est
importante. Sur les PRN majoritairement irriguées, les rendements varient légèrement selon la classe
de RUM (rendements supérieurs pour la classe de RUM élevée et inférieurs pour la classe de RUM
faible). Sur les PRN moyennement irriguées, peu de variations de rendements sont observées en
fonction de la classe de RUM. Sur la PRN faiblement irriguée, la grande majorité des parcelles
50
analysées se trouvent sur des sols correspondant à la classe de RUM forte, nous n’obtenons des
rendements moyens que pour celle-ci (hormis pour le blé tendre d’hiver et l’orge de printemps).
Tableau 15 : Fréquences des pratiques (restitution des résidus, apports de MO et irrigation) dans la base Azofert selon les cultures
BS : betterave sucrière, BTH : blé tendre d’hiver, CH : colza d’hiver, EOH : escourgeon orge d’hiver, MF : maïs
fourrage, MG : maïs grain, L : légumes (pomme de terre et oignon), OP : orge de printemps, PP : pois
protéagineux, T : tournesol.
Tableau 16 : Extrait des rendements obtenus (q.ha-1
)
Les fréquences des différentes pratiques par culture et par PRN ainsi que les rendements sont
détaillés en Annexe 16.
3.5 Hypothèses et simplifications pour l’utilisation de SIMEOS-AMG Compte tenu des résultats issus de la base Azofert, nous simplifions les pratiques concernant la
restitution des résidus et les apports en MO. Nous conservons la quantité moyenne d’irrigation par
culture et par PRN et les valeurs obtenues pour les rendements par culture, par groupe de PRN et par
classe de RUM.
Simplifications et hypothèses pour réaliser le diagnostic :
- Restitution de la totalité des pailles (seuls le maïs fourrage et l’escourgeon sont restitués
dans moins de 85% des cas),
- Les céréales à paille sont simulées en utilisant du blé tendre d’hiver (principale céréales à
paille présente sur le territoire ; pas de grande différence en utilisant l’orge de printemps),
- Le maïs est simulé en utilisant du maïs grain (maïs fourrage très peu présent sur la zone
d’étude),
- Les légumes sont simulés avec de la pomme de terre de consommation (culture légumière de
plein champ la plus présente),
- Labour systématique fixé à 25 cm de profondeur (à dires d’experts),
RUM 1 RUM 2 RUM 3 RUM 1 RUM 2 RUM 3 RUM 1 RUM 2 RUM 3
IR 850 840 833,6 800 800 800
NIR 700 697,6 690 700 700 680
IR 87 80 82 80 80 80 80,8 75 75,4
NIR 72 68 66,8 70 68 65 72 71 72
IR 43 39 39,1 36,25 37 38 40
NIR 35 30,6 32 30 30 30 34
IR 89,7 87,4 81,6 80 80 76 75
NIR 75 70 66 60 60 62 68
IR 122,8 119,8 120 105 106,25 110,25 110
NIR 109,8 106,8 108,8 90 90 100 95
IR 85 80 82 79,5 78 78 74 75
NIR 70 65 68 65 65 65 62,4 68
IR 60 60 55 56,5 60 47 55
NIR 43 41,8 38,6 45 45 40 49
IR 38 37,2 36 35 34 31 31,2
NIR 31 31 30,8 31,5 24,25 25,75 25
IR 600 600 650
NIR 450 450 450
Escourgeon orge
d'hiver
Maïs grain
Orge de printemps
Pois protéagineux
Tournesol
Pomme de terre de
consommation
PRN majoritairement irrigables PRN moyennement irrigables PRN faiblement irrigable
Betterave sucrière
Blé tendre d'hiver
Colza d'hiver
Culture
Fréquence Restitution des résidus Apports de MO Irrigation
80 à 100 % BS, BTH, CH, MG, L, OP, PP, T MF BS, MG, L
40 à 80 % EOH, MF BS MF
< 40 % BTH, CH, EOH, MG, L, OP, T BTH, CH, EOH, OP, T
51
- Pas d’apports de MO (on néglige donc les apports effectués qui concernent principalement la
betterave, très souvent sous forme de vinasses, sans effet notable sur les restitutions
humiques),
- Pas de cultures intermédiaires et cultures dérobées.
Nous présentons un récapitulatif des critères renseignés dans SIMEOS-AMG (source et valeur), ainsi
que la charge de travail nécessaire à leur obtention (cf. tableau 17).
Tableau 17 : Récapitulatif des critères renseignés dans SIMEOS-AMG
Données nécessaires
Nature et source des données Charge de
travail
Culture
Espèce Rotation-type issue du RPG ++++
Proportion
Rendement Issu Azofert (par groupe PRN et par classe sol) ++
Pratiques
Résidus Toujours restitués
+
Travail du sol Labour systématique
Profondeur 25 cm (dires d’experts)
Quantité d’irrigation
Si rotation irriguées => quantité moyenne par culture et par PRN (Azofert) Si rotation non irriguée => 0
Sol
Argile Teneur en g/kg (valeur modale de la strate de surface de l’UTS (RRP))
+
Calcaire Teneur en g/kg (valeur modale de la strate de surface de l’UTS (RRP))
+
Carbone Teneur en g/kg (médiane des analyses affectées à l’UTS par distribution des données de la BDAT (Infosol))
Infosol
Eléments grossiers
Teneur en % (moyenne de la classe de pierrosité de l’UTS (RRP)) +
Densité apparente
Valeur calculée par Infosol à partir du RRP Infosol
Climat
ETP Moyenne des valeurs de la station Météo France
- Température Moyennes par groupe de PRN (Est/Ouest) à partir stations locales
Pluviométrie
Produits organiques
Type
Non utilisé Dose
Fréquence
Cultures intermédiaires
Espèce
Non utilisé Biomasse
Fréquence
Cultures dérobées récoltées
Non utilisé
Simulation de toutes les combinaisons « rotation-type x UTS » ++
52
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
UCS 31 UCS 35 UCS 39 UCS 72
% d
e la
su
rfac
e d
e l'
UC
S
Etat organique des sols par UCS
Déstockage
Equilibre
Stockage
3.6 Diagnostic de l’état organique
3.6.1 Caractérisation globale des UCS et du territoire vis-à-vis de la dynamique du
Carbone organique
Caractérisation des UCS
En agrégeant au sein de chaque UCS, la part des combinaisons « rotation-type x UTS » en fonction de
leur situation (stockage/équilibre/déstockage) (cf. figure 18), nous observons trois types d’UCS :
- L’UCS 31 est totalement en situation de stockage,
- Les UCS 35 et 39 sont majoritairement en situation de stockage (respectivement 67 et 69%),
- L’UCS 72 est majoritairement en situation d’équilibre (81 %).
Caractérisation du territoire global
Nous pouvons aussi caractériser le territoire global composé des 4 UCS étudiées. Pour cela, nous
prenons en compte la surface en situation de stockage/équilibre/déstockage de chacune d’elles.
Avec une hypothèse de restitution totale des pailles, ce territoire présente ainsi en termes de
surfaces, 72% de stockage, 17% d’équilibre et 11% de déstockage.
3.6.2 Interprétation des résultats par les combinaisons « rotation-type x UTS »
L’analyse des caractéristiques de l’ensemble des combinaisons « rotation-type x UTS » présentant
une même situation (stockage/équilibre/déstockage), nous permettrait d’identifier les causes de ces
situations. Elles peuvent être liées aux systèmes de culture et/ou aux caractéristiques des sols.
La durée du stage n’ayant pas permis de réaliser cette étape de façon approfondie, nous en
proposons une première ébauche à titre d’exemple (cf. tableau 18). La poursuite de ce travail
consisterait à hiérarchiser les causes identifiées, afin de repérer les combinaisons sur lesquelles une
intervention sur le système de culture serait possible pour modifier la tendance.
Figure 18 : Etat organique des sols par UCS
53
Tableau 18 : Ebauche de typologie des combinaisons "rotation-type x UTS" selon leur tendance évolutive
Evolution de l’état
organique
Combinaisons « Rotation x UTS »
Fréquence type
Rotation Sol
Irrigation Catégories des cultures Ca (g/kg) A (g/kg) Corg (g/kg)
Déstockage D1 D2
NIR IR
1 ; 1+2 ; 1+3 1’ ; 1+2 ; 1+3
83 215 14 + -
D3 NIR 1+2+3 0 250 à 340 10,5 -
Equilibre
E1 IR 1 83 215 14 -
E2 E3
NIR IR
1 ; 1+2 1+2+2 ; 1+2+3
0 250 à 340 10,5 à 11,5 + -
E4 NIR 1 ; 1+2 0 150 9,5 ++
Stockage
S1 IR et NIR 1 ; 1+2 0 à 120 315 à 511 10,5 à 14 ++
S2 S3
IR NIR
1 ; 1+2 ; 1+3 ; 1+2+3 1 ; 1+2
0 à 120 340 11,6 à 14,4 + -
S4 IR 1 0 150 9,5 - Rappel des catégories de culture : 1 – restitution forte (C, CH, M, T) ; 2 – restitution moyenne (BS, P) ; 3 –
restitution faible (L). On distingue 1’ (uniquement pour le déstockage) qui correspond à une rotation de
céréales à paille.
Cette première typologie des combinaisons nous permet de dire, par exemple, que les situations de
déstockage sont principalement rencontrées sur des sols à teneur en argile moyenne, teneur en
carbone forte et pour des rotations non irriguées de composition variée (type D1). Pour ce même
type de sol, nous remarquons aussi que les rotations irriguées ne contenant que des cultures de
catégorie 1 sont, elles, en situation d’équilibre (type E1).
3.6.3 Identification des marges de manœuvre et besoins de simulations
Notre diagnostic est basé sur une restitution de la totalité des pailles. La caractérisation des UCS peut
permettre d’identifier celles pour lesquelles les besoins en apports de matières organiques sont
prioritaires pour maintenir ou améliorer la fertilité des sols (parts importantes d’équilibre ou de
déstockage). Cela peut servir au développement d’une filière de recyclage de résidus organiques qui
souhaiterait savoir où intervenir. Le recours aux résultats de la deuxième étape (typologie des
combinaisons) permettrait ensuite de cibler plus précisément les combinaisons « système de culture
x sol » les plus intéressantes vis-à-vis de la question posée.
En revanche, pour une filière de valorisation de biomasse, nous pouvons identifier un premier besoin
de simulation qui consiste à faire varier la quantité des pailles exportées. Afin de donner un exemple,
nous nous proposons de tester 3 scénarios de restitution des pailles (cf. figure 19) :
- Restitution totale (RT), diagnostic initialement réalisé,
- Restitution partielle de 75% (RP), prenant en compte les pratiques occasionnelles présentes
dans la base Azofert,
- Restitution nulle des pailles (RN), pour donner une indication sur des pratiques extrêmes.
54
0
20
40
60
80
100
RT RP RN RT RP RN RT RP RN RT RP RN
UCS 31 UCS 35 UCS 39 UCS 72
% d
e la
su
rfac
e d
e l'
UC
S Evolution de l'état organique par UCS et par hypothèse de restitution
des pailles
Déstockage
Equilibre
Stockage
RT : restitution totale, RP : restitution partielle, RN : restitution nulle.
3.7 Validation des successions culturales Nous évaluons la réalité des successions qui ont servi à reconstruire les rotations probables : il s’agit
de vérifier que la prise en compte de la culture dominante de chaque ilot n’introduit pas d’artefact
dans les successions observées dans les rotations reconstituées. Les successions utilisées sont
comparées aux successions des ilots monoparcellaires (n’ayant qu’une parcelle, donc qu’une culture)
pendant les 4 années (cf. tableau 19).
Tableau 19 : validation des successions utilisées (nombre de successions utilisées, inexistantes dans les ilots
monoparcellaires rapporté au nombre de successions observées dans ces ilots).
Successions NIR inexistantes
Nombre d’ilots monoparcellaires NIR
Successions IR inexistantes
Nombre d’ilots monoparcellaires IR
UCS 31 2/52 2476 9/40 352
UCS 35 8/34 661 19/36 126
UCS 39 5/42 2553 15/46 399
UCS 72 3/31 552 3/9 13
La grande majorité des successions utilisées pour reconstruire les rotations probables sont présentes
sur des ilots monoparcellaires, y compris les successions de 4 céréales à paille.
Figure 19 : Evolution de l'état organique des sols par UCS pour 3 scénarios de restitution des pailles
55
3.8 Validation des rotations
3.8.1 A partir de la redistribution des surfaces
La redistribution des surfaces des rotations est comparée à l’assolement réel de 2007 (cf. tableau).
Nous observons globalement une surestimation des céréales par les rotations utilisées, surtout sur
les surfaces irriguées. Elle est de l’ordre de 20% sur les UCS 31, 35 et 72 et de 8% sur l’UCS 39. Elle
s’accompagne souvent d’une sous-estimation du maïs principalement.
Les écarts observés dans la part de chaque culture (en %) entre l’assolement déduit des rotations-
types et l’assolement réel sont présentés dans le tableau 20 (en positif, surestimations par rapport à
l’assolement réel).
Tableau 20 : Comparaison des surfaces redistribuées à partir des rotations-types aux surfaces de l'assolement réel
UCS 31 UCS 35 UCS 39 UCS 72
Culture NIR (%) IR (%) Culture NIR (%) IR (%) Culture NIR (%) IR (%) Culture NIR (%) IR (%)
BS -0,7 -1,0 BS 1,1 -2,8 BS -4,0 2,4 C 3,6 23,9
C 5,0 20,7 C -3,2 26,8 C 3,9 8,0 CH 2,6 1,5
CH 2,8 -4,9 CH 5,5 4,1 CH -0,9 0,5 M -1,7 -20,0
L -0,4 -1,1 L 0,2 -1,5 L -1,0 -1,1 P 4,5 -4,0
M -3,1 -10,0 M 1,6 -15,2 M -0,3 -5,2 T -3,3 -1,5
P -0,3 -3,0 P 0,0 -0,7 P 2,9 -4,5
T -2,2 0,0 T -2,7 0,0 T -0,7 -0,1
3.8.2 A dires d’experts
Les experts témoignent de rotations souvent courtes (3 ou 4 ans) constituées d’une tête de rotation
suivie d’une ou deux céréales à paille (cf. tableau 21). Les entretiens avec les experts mettent en
évidence des contradictions entre les propos de certains au sujet de la pratique de certaines
rotations (CHCTC par exemple). En revanche, tous disent que les rotations exclusivement céréalières
ne sont pas pratiquées et que la betterave et les légumes ne sont pas présents sur des ilots non
irrigués.
Dans chaque PRN, parmi les rotations citées par les conseillers, plus de la moitié figurent dans les
rotations-types que nous avons utilisées (cf. tableau).
Tableau 21 : Rotations citées par les conseillers agricoles (en rouge, celles qui sont aussi des rotations-types)
Petite Beauce Grande Beauce Gâtinais Oriental Pourtour de l’Orléanais
BS-C-C M-C-C CH-C-C T-C-C P-C-C L-C-C
BS-C-C CH-C-C CH-C-T-C BS-C-M-C BS-C-P-C BS-C-L-C-C
CH-C-C M-C-C CH-C-C-M-C-C CH-C-C-P-C-C M-C-M-C-C M-C
CH-C-C BS-C-C-C M-C-C-C BS-C-M-C CH-C-C-T-C-C
56
0
10
20
30
40
50
60
70
80
90
100
RT RP RN RT RP RN RT RP RN RT RP RN
UCS 31 UCS 35 UCS 39 UCS 72
% d
e la
su
rfac
e d
e l'
UC
S
Evolution de l'état organique à partir de l'assolement réel des UCS
Déstockage
Equilibre
Stockage
Remarque : les rotations citées non utilisées peuvent être masquées par une rotation-type si elles
appartiennent au même groupe de rotation. Par exemple, la rotation probable TCC non irriguée a été
reconstruite en Petite Beauce, mais appartient au groupe dont la rotation-type est CHCC non
irriguée.
Les rotations-types utilisées présentent donc des incertitudes (surestimation des céréales à paille,
entre autres), surtout pour les ensembles d’ilots irrigués. Cependant, la majorité des rotations citées
par les conseillers figurent parmi ces rotations-types, ce qui conforte notre démarche.
3.9 Validation du diagnostic Le diagnostic à partir des assolements réels, utilisé pour valider nos résultats, est mené pour les 3
scénarios de restitution des pailles afin d’avoir la vision la plus large possible (cf. figure 20).
Le résultat du diagnostic à partir de l’assolement réel présente les mêmes tendances et met en
évidence les mêmes groupes d’UCS. Cependant, la part de déstockage est légèrement inférieure pour
les UCS 31, 35 et 39, tandis qu’elle est supérieure pour l’UCS 72.
L’analyse de la relation entre les pourcentages de déstockage obtenus à partir des deux diagnostics
(à partir des rotations-types et à partir des assolements réels), montre que nous surestimons
légèrement le déstockage pour le scénario de restitution totale des pailles, pour 2 des UCS (+ 5 à
20%) (cf. figure 21a). En revanche, pour le scénario de restitution nulle des pailles, nous surestimons
les surfaces en déstockage de 3 des 4 UCS (31, 35 et 39) (+ 10 à 30%) et nous les sous-estimons pour
l’UCS 72 (-30%) (cf. figure 21b).
Figure 20 : Evolution de l'état organique des sols par UCS à partir de l'assolement réel
57
En se fiant à la comparaison avec le diagnostic à partir des assolements réels par UCS, nous avons
une erreur relative, en termes de surfaces, de l’ordre de 22% en restitution totale, 27% en restitution
partielle et 38% en restitution nulle.
0
20
40
60
80
100
0 20 40 60 80 100
% d
e d
ést
ock
age
à p
arti
r d
es
com
bin
aiso
ns
"ass
ole
me
nt
x U
TS"
% de déstockage à partir des combinaisons "rotation-type x UTS"
Situation de déstockage (RN)
UCS 31
UCS 35
UCS 39
UCS 720
20
40
60
80
100
0 20 40 60 80 100
% d
e d
ést
ock
age
à p
arti
r d
es
com
bin
aiso
ns
"ass
ole
me
nt
x U
TS"
% de déstockage à partir des combinaisons "rotation-type x UTS"
Situation de déstockage (RT)
UCS 31
UCS 35
UCS 39
UCS 72
a) b)
Figure 21 : Relations entre les parts de surface en déstockage obtenues à partir des deux diagnostics : a) scénario de restitution totale, b) scénario de restitution nulle
58
4 Discussion
4.1 Les atouts de la méthode par rapport aux objectifs fixés
4.1.1 Mise en place d’une première approche méthodologique
Nous sommes parvenus à constituer des combinaisons « sol x SdC x Corg » et à réaliser un diagnostic
de l’état organique à partir SIMEOS-AMG en utilisant les données proposées. En revanche, la durée
du stage n’a pas permis de réaliser ce diagnostic sur l’ensemble du territoire d’étude, mais seulement
pour 4 des 39 UCS qu’il contient. Aussi, à partir de la caractérisation des combinaisons « rotation-
type x UTS », nous synthétisons les résultats par UCS, unité spatiale d’intégration que nous avons
choisie, mais nous n’avons pas pu aller jusqu’à la réflexion concernant la cartographie des résultats.
4.1.2 Transposabilité de la méthode à d’autres territoires
La transposabilité de la méthode dépend d’une part de l’accès aux données. Le RRP, la BDAT et le
RPG, données principales, sont disponibles sur la quasi-totalité du territoire français, à ceci près que
certains RRP ne sont pas terminés et que la densité d’analyses de la BDAT est inégalement répartie
(certains secteurs sont moins bien représentés, mais souvent en zones moins cultivées). En revanche,
l’accès aux données sur les pratiques agricoles peut être un frein à la transposabilité de la méthode.
Les données de type Azofert ne sont pas disponibles dans tous les départements. Dans les
départements qui n’en sont pas pourvus, il devrait être possible de recourir à l’utilisation de bases de
données similaires. Par exemple, construites à partir des questionnaires associés aux analyses de
terre effectuées pour le suivi d’autres éléments nutritifs (P, K). Celles-ci sont détenues par les
laboratoires d’analyses de terre.
D’autre part, cette méthode n’est pas automatisée. Sa reproductibilité dépend donc de la possibilité
de mise en œuvre des différentes étapes par un autre opérateur.
Enfin, le principal outil ayant servi pour réaliser ce travail, SIMEOS-AMG, est en cours de paramétrage
pour une grande diversité de sols et de systèmes de culture sur le plan national, ce qui permettra une
utilisation dans des contextes pédoclimatiques différents.
4.1.3 Vers la mise au point d’un outil d’aide à la décision
Les résultats du diagnostic peuvent être utilisés à trois niveaux. La caractérisation d’un territoire
global (composé ici des 4 UCS étudiées) peut être intéressante pour traiter des problématiques de
changement climatique (en interaction avec les sols cultivés). D’autre part la synthèse au niveau de
l’UCS permet de localiser des secteurs prioritaires en besoins de MO ou des ressources potentielles
de biomasse. Enfin, la caractérisation des combinaisons « rotation-type x UTS » permet d’identifier
des combinaisons dont le système de cultures pourrait être modifié pour améliorer la fertilité des
sols. Cette étape doit cependant être approfondie. De plus, des simulations supplémentaires peuvent
être réalisées pour évaluer les quantités de biomasse exportables, de besoins en MO, ainsi que les
effets de changements de systèmes de culture sur leur stock de carbone à long terme.
Par ailleurs, pour une combinaison donnée « rotation-type x UTS », nous comparons la valeur du
stock à l’équilibre avec la valeur du stock initial pour caractériser sa situation
(stockage/équilibre/déstockage). Cependant, cette valeur à l’équilibre nécessite aussi d’être
comparée à une valeur de référence qui correspondrait à un seuil souhaitable. Ces données
n’existent pas à l’heure actuelle pour le département du Loiret.
59
4.2 Qualité des résultats et limites de la méthode
4.2.1 Conséquences des hypothèses
Les simplifications et hypothèses sur les pratiques utilisées (labour systématique, pas d’apports de
MO, pas de cultures intermédiaires et dérobées, utilisation de rotations-types), font logiquement
tendre les résultats à la baisse. Avec des restitutions nulles des résidus de céréales à pailles, nous
avons donc la vision la plus défavorable en termes de stockage de carbone dans les sols.
4.2.2 Les limites étape par étape
Le diagnostic de l’état organique des sols que nous avons réalisé dépend des étapes qui nous ont
conduit à établir les combinaisons « UTS x SdC x Corg ». Des limites liées aux données et aux
méthodes utilisées peuvent être identifiées à chaque étape. Nous nous proposons de les exposer et
d’en estimer les conséquences.
Les successions
La forme sémantique et géographique du RPG entraine des incertitudes sur les successions culturales
obtenues par ilot et sur les parts de surfaces irriguées et non irriguées des UCS. En effet, nous
constituons pour chaque ilot sa succession des cultures dominantes. Ne connaissant pas la
localisation de celles-ci, nous ne savons pas si les parcelles correspondantes restent identiques d’une
année sur l’autre.
La comparaison des successions utilisées pour reconstruire les rotations probables aux successions
présentes sur les ilots n’ayant qu’une parcelle durant les 4 années prouve que ces successions sont
effectivement pratiquées (cf. chapitre 3.7). En revanche, cela ne valide pas leur fréquence
d’apparition, critère de choix des successions à partir desquelles nous avons reconstruit les rotations
probables.
Enfin, le caractère irrigué d’un ilot n’étant pas un caractère obligatoire à renseigner par les
agriculteurs, il est possible que nous ayons créé des successions qui ne sont pas déclarées irriguées
dans le RPG, mais qui le sont en réalité. Celles-ci seraient alors dites non irriguées. Cela pourrait
expliquer la présence de rotations-types avec betterave ou légume sur des ilots non irrigués
(pratique contredite par les conseillers). Cependant, il est aussi possible que les conseillers n’aient
pas une vision exhaustive des pratiques.
De plus, la somme des surfaces des ilots irrigués (dépendante du renseignement du caractère irrigué)
détermine, selon nos hypothèses, la part de surface irriguée d’une UCS et d’une UTS. Ce qui joue sur
les surfaces affectées aux combinaisons « rotation-type x UTS ».
Les rotations-types
Nous avons pu montrer qu’au moins une partie de nos rotations-types sont cohérentes avec la
réalité. En revanche, elles surestiment les céréales à paille et sous estiment le maïs, entre autres (cf.
chapitre 3.8). Cela peut donc avoir une influence sur les résultats du diagnostic par combinaison
« rotation-type x UTS » et donc sur le territoire.
60
Les rotations-types prennent en compte entre 67 et 74% de la surface totales des ilots pour chacune
des UCS (somme des surfaces des successions correspondantes). Nous avons fait l’hypothèse qu’elles
sont représentatives de l’ensemble de la surface des UCS. Parmi les surfaces non évaluées, une partie
concerne des cultures minoritaires et gels.
L’affectation des rotations aux UTS
L’échelle du RRP ne permet pas de localiser les UTS, ce qui entraine des incertitudes sur l’affectation
des rotations et des assolements à celles-ci.
L’affectation des rotations aux UTS basée sur l’utilisation de contraintes agronomiques peut être
discutable. En effet, dans certains cas, la localisation des cultures peut dépendre de facteurs
économiques (proximité d’une usine de transformation) plus qu’agronomiques.
De plus, les surfaces qui ont été affectées aux combinaisons « rotation-type x UTS » ont une
incidence directe sur la proportion des surfaces en stockage/équilibre/déstockage des UCS. Le
diagnostic synthétisé par UCS dépend donc de l’affectation de ces rotations aux UTS, étape pour
laquelle nous n’avons pas pu mettre en place de validation.
Les autres données utilisées pour le diagnostic
Le niveau de référencement des analyses de la BDAT (par commune) entraine des incertitudes sur la
distribution des teneurs en Corg par UTS.
A partir des teneurs de carbone organique fournies par Infosol, nous avons calculé une médiane par
UTS que nous avons utilisée dans SIMEOS-AMG. Cette valeur est donc la même pour toutes les
combinaisons d’une même UTS ; et parfois pour toutes les UTS d’une UCS (cas de l’UCS 72). Ce choix
est pertinent si la distribution des teneurs en carbone par UTS suit une loi unimodale. En revanche, il
ne l’est pas dans le cas d’une loi plurimodale et pourrait nous conduire à utiliser une valeur peu
représentative de l’UTS.
De plus, la sensibilité du modèle (cf. chapitre 1.3.2) montre que la teneur en carbone organique
initiale est l’un des paramètres les plus influents du résultat. En particulier, plus la teneur initiale est
importante, plus le stock aura de chances de diminuer et inversement. Par exemple, cela peut être
un des facteurs explicatifs des différences entre l’UTS 118 (dont la teneur en argile est de 214 g/kg et
la teneur en Corg de 13,9 g/kg) qui déstocke dans la majorité des cas ; et l’UTS 228 (teneur en argile
de 160 g/kg et teneur en Corg de 9,5 g/kg) qui est à l’équilibre pour presque tous les scénarios testés.
Enfin, la méthode de détermination des rendements irrigués et non irrigués à partir de la distribution
fréquentielle des rendements de la base Azofert à l’échelle des PRN est très empirique. Elle
demanderait à être validée, d’autant plus que le modèle est sensible à la quantité de biomasse
restituée.
61
4.2.3 Le diagnostic et sa validation
La fiabilité de notre diagnostic dépend des limites que nous avons pu identifier.
Le résultat du diagnostic d’une combinaison « rotation-type x UTS » est lié :
- Aux cultures présentes dans la rotation et leur proportion,
- A son caractère irrigué ou non, qui détermine les rendements utilisés,
- Aux choix d’affectation de la rotation-type aux différentes UTS,
- Aux caractéristiques de l’UTS, dont la teneur initiale de Corg.
La synthèse des résultats par UCS dépend :
- Du résultat d’affectation des rotations-types aux différentes UTS,
- De la surface de l’UCS associée à chaque combinaisons « rotation-type x UTS »,
- Du résultat du diagnostic de chacune de ces combinaisons.
4.3 Améliorations possibles
4.3.1 La préparation des données
Plusieurs améliorations sont envisageables pour aboutir aux rotations :
- Augmenter le nombre d’années du RPG utilisées pour raisonner à partir de successions plus
longues. Deux années supplémentaires nous permettraient certainement d’avoir une vision
plus directe de la pratique de certaines rotations.
- Mettre au point une préparation des données qui permette de prendre en compte
l’existence des parcelles sur les ilots (en les identifiant à partir de leur surface par exemple)
pour s’affranchir des incertitudes liées à la qualité des successions obtenues.
- Essayer de s’associer à une unité de recherche qui travaille au développement d’applications
permettant la reconstruction de rotations à partir de données spatialisées d’occupation du
sol. Arvalis - Institut du Végétal étant partenaire du RMT Sols et Territoires et travaillant sur
ces questions pourrait notamment être sollicité.
4.3.2 L’affectation des rotations aux UTS
L’affectation des rotations aux UTS est certainement l’étape qui nécessite le plus d’être améliorée.
L’utilisation d’une méthode de localisation des UTS serait intéressante. Plusieurs pistes peuvent être
explorées :
- L’utilisation d’un RRP au 1/50000ème localisant les UTS. Certains secteurs du Loiret possèdent
de tels RRP mais ils recouvrent de petites surfaces et ne seront pas facilement disponibles de
manière générale dans d’autres départements.
- L’utilisation d’une méthode de désagrégation de l’information des UCS pour localiser les UTS,
à partir de relations sol-environnement et d’un Modèle Numérique de Terrain (MNT). Il faut
voir si l’homogénéité du relief du Loiret permet d’utiliser une telle méthode. OBALLOS &
62
LAGACHERIE (2003) proposent une méthode de désagrégation des UCS d’un RRP pour
localiser les UTS à partir de données d’environnement (MNT), mais ce travail, basé sur le
logiciel SAPRISTI, possède de nombreuses limites (pour les unités mineures et zones de
transition, entre autres). Il serait intéressant d’approfondir la bibliographie dans ce domaine.
4.3.3 Les teneurs en carbone organique
Dans un premier temps, l’analyse de la distribution des valeurs de teneurs en Corg par UTS
permettrait de savoir si la teneur médiane utilisée correspond à une valeur modale ou non. Puis, il
serait intéressant de travailler sur une méthode d’affectation d’une valeur différente aux
combinaisons selon le niveau de restitution humique du système. En effet, si une distribution
bimodale des teneurs est observée, en supposant que les systèmes de culture sont en place depuis
longtemps, il est possible que le mode supérieur corresponde à des systèmes de culture à fortes
restitutions humiques et le mode inférieur à des systèmes à faibles restitutions.
Une autre approche consisterait à comparer, pour chaque UTS, la distribution des teneurs en
carbone initiales à la distribution des teneurs en carbone simulées à l’équilibre (peu dépendantes de
la teneur initiale). Cela permettrait d’estimer globalement l’effet des systèmes de culture sur
l’évolution des stocks de carbone organique.
63
Conclusion
La mobilisation de l’outil SIMEOS-AMG et de différentes bases de données (RRP, BDAT, RPG et
Azofert Loiret) nous a permis de réaliser un diagnostic spatialisé de l’état organique des sols cultivés
à l’échelle d’un territoire. Celui-ci nous conduit à la connaissance de la tendance évolutive des stocks
de carbone organique pour des combinaisons « Système de culture x Unité Typologique de Sols x
Carbone organique», pour des Unités Cartographiques de Sols et pour le territoire global qu’elles
représentent.
Cette exploration méthodologique met en évidence un certain nombre de limites qui concernent
d’une part la reconstitution des systèmes de culture, d’autre part les caractéristiques des sols
utilisées (teneur initiale de carbone organique). La validation partielle de ce diagnostic met en
évidence une incertitude des résultats concernant les tendances évolutives pour 30% des surfaces
évaluées et demanderait à être plus poussée pour améliorer ces résultats. Il s’agirait en premier lieu
de prendre en compte la variation des teneurs initiales en carbone organique au sein d’une Unité
Typologique de Sols. Dans un deuxième temps, la reconstruction des systèmes de culture pourrait
être améliorée : assurer la représentativité des rotations-types utilisées et valider l’affectation de
celles-ci aux Unités Typologiques de Sols.
Seule une partie du territoire d’étude initialement choisi a été caractérisée par ce diagnostic. Il est
donc nécessaire d’étendre ce travail à l’ensemble du territoire. De plus, les deuxièmes et troisièmes
étapes du diagnostic (typologie des combinaisons et simulations complémentaires) n’ont été
qu’abordées et doivent faire l’objet d’un travail plus approfondi. Enfin, une étape supplémentaire de
réflexion concernant la représentation cartographique des résultats doit aussi venir en complément
de ce diagnostic.
Ce travail constitue, pour le RMT Sols et Territoires, un exemple de valorisation de données sol
permettant une amélioration des connaissances pour la problématique territoriale de gestion de
l’état organique des sols cultivés. Bien qu’incomplet, il donne une vision d’ensemble de la
méthodologie et montre les applications possibles. De plus, il permet d’aborder trois sujets
innovants, à savoir l’utilisation du modèle AMG à l’échelle de territoires, la spatialisation des
systèmes de culture et la liaison entre le Référentiel Régional Pédologique et la Base de Données
Analyse des Terres. En particulier, la spatialisation des systèmes de culture en relation avec les types
de sols devrait trouver des applications dans de nombreuses problématiques de gestion des
territoires en relation avec l’activité agricole.
64
Références bibliographiques
ARROUAYS, D. (2002). Estimations publiées des stocks actuels de carbone dans les sols agricoles
français. in Expertise INRA - Stocker du carbone dans les sols agricoles français ? INRA 2002,
pp. 69-75.
ARROUAYS, D. (2008). Changement climatique et évolution du stockage de carbone dans les sols :
enjeux et incertitudes. Oléagineux, Corps gras, Lipides, 15(5), pp. 314-316.
ARROUAYS, D., FELLER, C., SABY, N., ANDREUX, F., BERNOUX, M., & CERRI, C. (2003). Estimation de
stocks de carbone organique des sols à différentes échelles d'espace et de temps. Etude et
Gestion des Sol, 10(4), pp. 347-355.
BAIZE, D. (2000). Guide des analyses en pédologie - 2ème édition, revue et augmentée. Editions Quae,
collection techniques et pratiques. p. 266.
BALESDENT, J. (1996). Un point sur l'évolution des réserves organiques des sols en France. Etude et
Gestion des Sols, 3(4), pp. 245-260.
BALESDENT, J., SOUSSANA, J.-F., CIAIS, P., & ARROUAYS, D. (2002). Sols et bilan athmosphérique du
carbone. in Expertise INRA - Stocker du carbone dans les sols agricoles ? INRA 2002, pp. 45-
60.
BASTET, G., BRUAND, A., QUETIN, P., & COUSIN, I. (1998). Estimation des propriétés de rétention en
eau des sols à l'aide de fonctions de pédotransfert (FPT) : une analyse bibliographique. Etude
et Gestion des Sols, 5 (1), pp. 7-28.
BEDEKOVIC, P. (1990). L'analyse raoide des nitrates dans les sols agricoles. Perspectives agricoles,
144, pp. 82-85.
BOIFFIN, J., KELI ZAGBAHI, J., & SEBILLOTTE, M. (1986). Systèmes de culture et statut organique des
sols dans le Noyonnais : appliction du modèle de Hénin-Dupuis. Agronomie, 6(5), pp. 437-
446.
BRUAND, A., DUVAL, O., & COUSIN, I. (2004). Estimation des propriétés de rétention en eau des sols
à partirde la base de données SOLHYDRO : une première proposition combinant le type
d'horizon, sa texture et sa densité apparente. Etude et Gestion des Sols, 11 (3), pp. 323-334.
BRUAND, A., PEREZ FERNANDEZ, P., DUVAL, O., QUETIN, P., NICOULLAUD, B., GAILLARD, H., RAISON,
J.-F. & PRUD'HOMME, L. (2002). Estimation des propriétés de rétention en eau des sols :
utilisation de classes de pédotransfert après stratifications texturales et texturo-structurales.
Etude et Gestion des Sols, 9 (2), pp. 105-126.
CHENU, C. (2002). Conséquences agronomiques et environnementales du stockage de carbone dans
des sols agricoles. in Expertise INRA - Stocker du carbone dans les sols agricoles en France ?
INRA 2002, pp. 60-62.
65
CHENU, C., & BALABANE, M. (2001). Matières organiques et activités biologiques des sols cultivés.
Perspectives agricoles, N°272, pp. 42-65.
DUPARQUE, A., BOIZARD, H., DAMAY, N., JULIEN, J.-L., LECLERCQ, C., & MARY, B. (2007). Evolution de
l'état organique du sol à l'échelle de la parcelle : de nouveaux outils pour une démarche de
conseil fondée sur le bilan humique AMG. in Les 8èmes rencontres de la fertilisation
raisonnée et des analyses de terre, GEMAS-COMIFER, Blois novembre 2007, p. 16.
GABRIELS, D., GHEKIERE, G., SCHIETTECATTE, W., & ROTTIERS, I. (2003). Assessment of USLE cover-
management C-factors for 40 crop rotatio systems on arable farms in the Kemmelbeek
watershed, Belgium. Soil & Tillage Reaserch, 74, pp. 47-53.
INRA, US 1106 InfoSol, Orléans. (2011). Dictionnaire de données DoneSol, version 2.0.5, pour
utilisation dans le cadre du programme "Inventaire, Gestion et Conservation des Sols"
(I.G.C.S.). Doc. GISSOL, p. 308.
JOUY, L., & WISSOCQ, A. (2011). Observatoire des pratiques : 34 types de successions culturales en
France. Perspectives agricoles, n°379, pp. 44-46.
LAZRAK, E., MARI, J.-F., & BENOIT, M. (2009). Landscape regularity modelling for environmental
challenges in agriculture. Landscape Ecology, vol 25, n°2, pp. 169-183.
LE BER, F., BENOIT, M., SCHOTT, C., MARI, J.-F., & MIGNOLET, C. (2006). Studying crop sequences
with CarrotAge, a HMM-based data mining software. Ecologiacal Modelling, 191, pp. 170-
185.
LE VILLIO, M., ARROUAYS, D., DESLAIS, W., DARROUSIN, J., LE BISSONNAIS, Y., & CLERGEOT, D.
(2001). Estimation des quantitués de matière organique exogène nécessaire pour restaurer
et entretenir les sols limoneux français à un niveau organique donné. Etude et Gestion des
Sols, 8(1), pp. 47-63.
LEENHARDT, D., ANGEVIN, F., BIARNES, A., COLBACH, N., & MIGNOLET, C. (2010). Describing and
locating cropping systems on a regional scale. A review. Agron. Sustain. Dev., 30, pp. 131-
138.
LEMERCIER, B., WALTER, C., SCHVARTZ, C., SABY, N., ARROUAYS, D., & FOLLAIN, S. (2006). Suivi des
teneurs en carbone organique et en phosphore extractible dans les sols agricoles de trois
régions françaises. Etude et Gestion des Sols, 13(3), pp. 165-180.
LETEINTURIER, B., HERMAN, J., DE LONGUEVILLE, F., QUINTIN, L., & OGER, R. (2006). Adaptation of a
crop sequence indicator based on a land parcel managment system. Agriculture, Ecosystems
ans Environment, 112, pp. 324-334.
LETEINTURIER, B., TYCHON, B., & OGER, R. (2007). Diagnostic agronomique et agro-environnemental
des successions culturales en Wallonie (Belgique). Biotechnol. Agron. Soc. Environ., 11 (1), pp.
27-38.
LOVELAND, P., & WEBB, J. (2003). Is there a critical level of organic matter in the agricultural soils of
temperate regions : a review. Soil & Tillage Research, 70, pp. 1-18.
66
MARY, B., & GUERIF, J. (1994). Intérêts et limites des modèles de prévision de l'évolution des
matières organiques et de l'azote dans le sol. Cahiers Agricultures, 3, pp. 247-257.
MEYNARD, J.-M., & SEBILLOTTE, M. (1989). La conduite des cultures : vers une ingénérie
agronomique. Economie Rurale(192-193), pp. 35-41.
MORVAN, X., BRUAND, A., COUSIN, I., ROQUE, J., BARAN, N., & MOUVET, C. (2004). Prédiction des
propriétés de rétention en eau des sols d'un bassin versant à l'aide de fonctions de
pédotransfert : influence de la densité apparente et de la teneur en éléments grossiers.
Etude et Gestion des Sols, 11 (4), pp. 117-135.
NICOULLAUD, B., DARTHOUT, R., & DUVAL, O. (1995). Etude de l'enracinement du blé tendre d'hiver
et du maïs dans les sols argilo-limoneux de Petite Beauce. Etude et Gestion des Sols, 2 (3), pp.
183-200.
OBALLOS, J., & LAGACHERIE, P. (2003). Utilisation d'un secteur de référence pour désagréger les
unités cartographiques complexes d'un référentiel régional pédologique. Un premier essai en
plaine viticole héraultaise. Etude et Gestion des Sols, 10(2), pp. 81-94.
RICHER DE FORGES, A., & al. (2008). Notice explicative de la carte des pédopaysages du Loiret à
1/250000 (Référentiel Régional Pédologique de la région Centre). INRA Infosol, 278.
ROUSSEL, O., BOURMEAU, E., & WALTER, C. (2001). Evaluation du déficit en matière organique des
sols français et des besoins potentiels en amendement organiques. Etude et Gestion des Sols,
8 (1), pp. 65-81.
SABY, N., SCHVARTZ, C., WALTER, C., ARROUAYS, D., LEMERCIER, B., POLAND, N., et al. (2004). Base
de Données des Analyses de Terre : procédure de collecte et résultats de la campagne 1995-
2000. Etude et Gestion des Sols, 11 (3), pp. 235-253.
SAFFIH-HDADI, K., & MARY, B. (2007). Modeling consequences of straw residues export on soil
organic carbon. Soil Biology & Biochemisrty, 40, pp. 594-607.
SCHEURER, O. (2010). Caractérisation des exploitations agricoles et évaluation des potentiels de
production de biomasse sur un territoire. Rapport de synthèse méthodologique. Projet
Optabiom. Doc. LaSalle Beauvais, CA Picardie, Agro-Transfert RT, p. 26.
SCHVARTZ, C., THORETTE, J., & FOLLAIN, S. (2008). Représentation cartographique nationale d'un
indice cantonal d'acceptabilité des sols à l'épendage agricole des boues de station
d'épuration calculé à partir de la Base de Données des Analyses de Terre. Etude et Gestion
des Sols, 15 (1), pp. 37-49.
SEBILLOTTE, M. (1990). Système de culture, un concept opératoire pour les agronomes. Les systèmes
de culture. L. Combe, D. Picard (éd.). Paris, INRA, pp. 165-196.
TOMIS, V., & DUPARQUE, A. (2009). Valorisationénergétique des pailles de céréales et préservation
de l'Etat organique des sols agricoles. in Journées d'étude des sols. Strasbourg 2009.
67
WYLLEMAN, R., MARY, B., MACHET, J., GUERIF, J., & DEGRENDEL, M. (2001). Evolution des stocks de
matière organique dans les sols de grande culture : analyse et modélisation. Perspectives
agricoles, n°270, pp. 8-14.
68
ANNEXES
Annexe 1 : Le RMT Sols et Territoires 69
Annexe 2 : Carte des surfaces irrigables et irriguées du Loiret 70
Annexe 3 : Développement de méthodes d’affectation des analyses de la BDAT vers les Unités
Typologiques de Sols : Résultats préliminaires 71
Annexe 4 : Nomenclature RPG 79
Annexe 5 : Effectifs des analyses Azofert par culture et par PRN 80
Annexe 6 : Questionnaire et liste des experts contactés 81
Annexe 7 : Carte des stations météo du Loiret 83
Annexe 8 : Extraction des données du RRP et calcul de la RUM 84
Annexe 9 : Préparation des données du RPG 86
Annexe 10 : Méthode de construction des rotations probables 88
Annexe 11 : Restitution humique des résidus de culture 92
Annexe 12 : Vérification des contraintes agronomiques (argile et éléments grossiers) à partir
d’Azofert 93
Annexe 13 : Affectation des rotations-types aux UTS 94
Annexe 14 : Correspondance entre les UTS et les types de sol Azofert 97
Annexe 15 : Résultats de l’affectation des rotations-types aux UTS 100
Annexe 16 : Résultats des pratiques culturales issues de la Base Azofert 102
69
Annexe 1 : Le RMT Sols et Territoires
Les Réseaux Mixtes Technologiques (RMT), sont des réseaux nationaux établis par le Ministère en
charge de l’Agriculture depuis 2007, visant à créer et renforcer les liens entre les organismes de
recherche, de formation et de développement autour d’un thème commun. Le partenariat entre ces
organismes, membres d’un RMT, leur permet de développer des travaux collectifs sur un thème de
recherche-développement.
Sur la thématique des sols, les maîtres d’œuvre régionaux du programme Inventaire, Gestion et
Conservation des Sols (IGCS) ainsi que l’unité InfoSol de l’INRA d’Orléans constituaient un réseau
informel depuis plusieurs années.
Le RMT Sols et Territoires, labellisé fin 2010, a été construit dans le prolongement de cette initiative.
Animé par la Chambre régionale d’agriculture Poitou-Charentes et l’INRA, il associe 25 partenaires de
la recherche, du développement et de la formation, dont 14 fondateurs et 11 associés. Ce RMT vise à
répondre à deux grands enjeux :
- Connaitre les sols et donner accès à leur connaissance dans les territoires ruraux et
agricoles,
- Mieux faire prendre en compte les sols dans différents projets, politiques et programmes
d’action agricoles, environnementaux et ruraux.
Sa vocation est donc de favoriser la prise en compte des sols dans différentes thématiques, en
privilégiant l’approche cartographique et territoriale.
Cinq axes de travail permettent de répondre à la fois aux objectifs globaux des RMT (recherche,
développement et formation) et aux deux grands enjeux de ce réseau :
- Axe 1 : animer et faire vivre le réseau,
- Axe 2 : développer et transférer des outils innovants de cartographie pour constituer des
bases de données sol,
- Axe 3 : développer des applications thématiques visant à concevoir, partager et
transférer des méthodes de traitement des données sol,
- Axe 4 : faire connaitre et former à l’utilisation des données sol,
- Axe 5 : mettre à disposition les données sols sur les territoires via un outil en ligne sur
internet.
Le projet « spatialisation de l’état organique des sols cultivés à l’échelle d’un territoire » s’inscrit dans
l’axe 3 du RMT Sols et Territoires.
Pour plus de renseignements sur le RMT Sols et Territoires : http://www.sols-et-territoires.org
71
Annexe 3 : Développement de méthodes d’affectation des analyses de la BDAT vers les Unités
Typologiques de Sols : Résultats préliminaires
Paroissien Jean-Baptiste (INRA Infosol)
22 juillet 2011
1 Introduction
Les activités humaines telles que l’agriculture influencent la qualité des sols et la manière
dont ils évoluent. La prise de conscience de l’importance du rôle des sols dans
l’environnement est grandissante et des mesures de protection commencent à s’appliquer à
l’échelle Européenne avec l’adoption du projet de directive-cadre sur la protection des sols.
Toutefois, la variabilité spatio-temporelle des paramètres pédologiques est souvent mal
connue et les campagnes de collectes de données ont des coûts financiers importants.
C’est dans ce contexte que la Base de Données Analyses des Terres (BDAT) s’est
développée pour exploiter les analyses de sol d’aide à la fertilisation des parcelles agricoles.
Cette base regroupe les résultats d’analyses de 34 laboratoires agréés par le Ministère chargé
de l’Agriculture selon une procédure de validation décrite par Saby et al. (2004). La base
rassemble actuellement plus d’1 million d’échantillons de sols cultivés prélevés sur
l’ensemble du territoire entre 1990 et 2006. Par le nombre et la diversité d’origine de ces
échantillons, elle constitue une source d’information potentielle importante sur la variabilité
spatiotemporelle de caractéristiques des horizons de surface des sols agricoles (teneurs en
éléments fertilisants, en matière organique, pH, CEC, granulométrie...) (Lemercier
et al., 2006). La base de données est ainsi souvent exploitée pour par exemple étudier la
répartition spatiale des teneurs en Carbone Organiques (CO) à l’échelle régionale (Saby
et al., 2008) ou analyser les teneurs en phosphore biodisponible (Follain et al., 2009).
L’emploi de la BDAT présente toutefois des limites. Le géoréférencement des données se
limite à la commune d’origine des échantillons de terre pour des raisons de confidentialité et
la stratégie d’échantillonnage ainsi que le mode de prélèvement des analyses ne sont pas
contrôlés. Le choix des parcelles échantillonnées et l’analyse de la fréquence
d’échantillonnage demeure également inconnue. Malgré ces biais, l’utilisation de la BDAT à
l’échelle régionale ou nationale est intéressante lorsqu’on agrège les données aux niveaux des
cantons (Schvartz et al., 1997). Cette unité présente ses limites sur des échelles spatiales plus
réduites comme le département.
Une affectation des analyses de la BDAT vers une unité spatiale pertinente est nécessaire
pour observer les variabilités des analyses sur une échelle plus fine. Les Unités Typologiques
de Sols (UTS) représentent des entités spatiales intéressantes car elles couvrent une aire
pédologique homogène ou la succession des horizons en tout point de l’espace est identique.
L’objectif de cette étude est de développer une méthode d’affectation des analyses de la
BDAT vers les UTS d’un Référentiel Régional Pédologique (RRP). L’étude est appliquée sur
les teneurs en CO des analyses de la BDAT et s’attachera sur deux méthodes d’affectation.
Une méthode analytique dont le principe se rapproche du travail de Carré and
Jacobson (2009) et une méthode spatiale basée sur des probabilités d’appartenance. Ce
72
rapport présente rapidement le contexte de l’étude et les méthodes d’affectation employées.
Les premiers résultats seront présentés et comparés à des données de références.
2 Matériel et Méthodes
2.1 Site d’étude
Le site d’étude (voir figure 1) correspond au nord du Loiret et regroupe les Petites
Région Naturelles (PRN) du Gâtinais Beauceron, du Gâtinais Oriental, de la Petite Beauce, de
la Grande Beauce et du pourtour Orléanais. Ces petites régions naturelles représentent un
espace agricole conséquent occupé essentiellement par de la céréaliculture plus ou moins
intensive et des cultures d’été.
Figure 1: Site d’étude du nord du Loiret et les 5 Petites Régions Naturelles associées
2.2 Données pédologiques
2.2.1 Le Référentiel Régional Pédologique du Loiret
Le Référentiel Régional Pédologique (RRP) du Loiret (Richer de Forges, 2008)
constitue la base de référence de l’étude. La cartographie des Unités Cartographiques de Sols
(UCS) ainsi que les valeurs modales des paramètres des UTS sont utilisées dans les méthodes
d’affectations des analyses de la BDAT. Les données du RRP sont exploitées dans la Base de
données Donesol2.
73
2.2.2 Profils du RRP
Les profils et sondages pédologiques du RRP ont été utilisés par les pédologues pour
construire le RRP et sont reliés aux différentes UTS. Dans ce travail, ils servent de base pour
la validation des affectations des analyses de la BDAT.
2.2.3 Analyses de la BDAT
Le nombre d’échantillons de la BDAT sur le site d’étude est de 13 222 avec une
moyenne d’analyse par commune de 62, un minimum à 2 et un maximum à 258. Les analyses
des teneurs en CO sont de 5 633 analyses avec en moyenne 26 analyses par communes
(minimum 1, médiane 19 et maximum 165).
2.3 Méthodes d’affectation des analyses de la BDAT vers les UTS
Après la suppression préalable des UTS majoritaire en forêts, l’affectation des
analyses de la BDAT est réalisée par un croisement géographique entre la couche UCS du
RRP et la couche des contours des communes (voir figure 2). Il est ainsi possible d’extraire
les UTS probables pour chaque commune du site d’étude et de relier les analyses de la BDAT
à des UTS. De cette base, la redistribution des analyses est réalisée selon deux méthodes :
Analytique :
La redistribution est basée sur des correspondances analytiques entre les analyses de la
BDAT et les valeurs modales des UTS du RRP
Spatiale :
Le pourcentage théorique surfacique des UTS dans les communes est estimé pour
évaluer une probabilité d’appartenance. Pour une UTS donnée, plus son pourcentage
théorique surfacique dans la commune est important, plus la probabilité qu’une analyse de la
commune appartienne à cette UTS est grande.
Figure 2: Résultat théorique d’un croisement géographique entre la couche UCS du RRP et la
couche des contours des communes. Les points matérialisent les analyses de la BDAT. La
commune représentée ici est associée à 3 UCS et 5 UTS
74
2.3.1 Approche Analytique
Une distance mono-variée entre les variables pédologiques de l’analyse de la BDAT et
les variables références des UTS du RRP associées aux communes est calculée selon la
relation 1 :
(1)
Avec a la variable analysée, v la valeur de la variable pour l’analyse de la BDAT et v′ la
valeur modale de la variable pour les UTS associées. Les variables choisies regroupent les
principales caractéristiques d’un horizon pédologique et sont communément renseignées dans
la BDAT :
le taux d’argile et le taux de limon
la Capacité d’Echange Cationique (CEC)
le taux de calcaire
le pH
La moyenne de la distance des variables est établie afin d’estimer une distance
pédologique d’une analyse de la BDAT en fonction des UTS potentiellement attribuable.
Cette distance regroupe des valeurs comprises entre 0 et 1. Une analyse ayant une distance
proche de zéro a une caractéristique pédologique proche de l’UTS comparée et a contrario
une distance portant vers 1 présente une analyse éloignée de l’UTS comparée.
L’ensemble des analyses ayant une distance pédologique supérieure à 0.2 est éliminé. Les
analyses restantes constituent un jeu de données par UTS qu’il est possible d’exploiter selon
l’objectif de l’étude. Ici, la médiane par UTS est déterminée afin de calculer une moyenne
pondérée par UCS.
2.3.2 Approche Spatiale
Le croisement géographique présenté figure 2 permet de calculer les surfaces relatives
des différents polygones. Les surfaces des UCS puis celles des UTS par communes sont ainsi
estimées. Selon la relation 2, ces données permettent de calculer la probabilité d’appartenance
Pa qu’une analyse de la BDAT soit présente dans une UTS donnée de la commune i :
(2)
Avec UTSi l’UTS dans la commune i, ρUTSi le pourcentage de la commune dans l’UTS
et ρUTSi TT le total des pourcentages de la commune par UTS. Chaque analyse de la BDAT
possède ainsi une probabilité d’appartenance à une UTS qui est comprise entre 0 et 1. Un
nombre d’échantillons proportionnel au nombre d’analyse par commune est généré en
fonction des probabilités d’appartenances. Cette opération est répétée 30 fois puis la médiane
de l’échantillonnage est calculée. Suite à ce travail, chaque UTS détient une population
75
d’analyses qu’il est possible d’exploiter. Dans cette étude, la médiane de ces populations est
déterminée pour calculer une moyenne pondérée par UCS.
2.4 Validation
La validation de la redistribution des analyses de la BDAT est réalisée sous la base des
profils du RRP au niveau des teneurs en CO par UCS. Les 322 profils du RRP établis sur site
cultivés sont sélectionnés et les teneurs en CO sont associées aux UTS. Ces valeurs
permettent de calculer une teneur en CO moyenne par UCS qui sera comparée avec les
teneurs calculées au niveau des UCS avec les méthodes d’affectation des analyses de la
BDAT. La validation porte sur l’analyse des résidus entre les teneurs en CO de la BDAT et
celles du RRP ainsi que sur une régression linéaire entre les teneurs comparées.
3 Résultats et discussions
3.1 Affectation des analyses de la BDAT
La figure 3 présente les boîtes à moustaches des teneurs en CO par Petites Régions
Naturelles selon les deux approches méthodologiques. Les teneurs en CO ont des valeurs
comprises entre 9 et 16 g.kg-1 avec une médiane à 11.6 g.kg-1 pour l’approche analytique et
8.3 et 16.2 g.kg-1 avec une médiane à 12.1 g.kg-1 pour l’approche spatiale. Les résultats
observés entre les deux méthodes montrent les mêmes tendances de changement de teneurs en
CO en fonction des différentes PRN. Le Gâtinais Oriental présente les teneurs en CO les plus
faibles avec des valeurs comprises entre 9 et 10 g.kg-1. Le Gâtinais Beauceron se démarque
par des valeurs plus importantes.
Des différences sont toutefois constatées : les teneurs en CO de la méthode spatiale sont plus
faibles que l’approche analytique pour la grande et petite Beauce, le Pourtour Orléanais et le
Gâtinais Beauceron. Seul le Gâtinais Oriental présente une tendance inverse.
Figure 3: Boîtes à moustaches des teneurs en carbone organiques de la BDAT par Petites
Régions Naturelles
La figure 4 montre les répartitions spatiales des teneurs en CO selon les différentes
méthodes d’affectation. Les différences observées figure 3 se confirment et les deux méthodes
présentent les mêmes structures spatiales, avec une légère évolution est-ouest des teneurs en
CO. Toutefois, la variabilité des résultats est différente selon les PRN. Les petite et grande
76
beauce (ouest de la zone d’étude) présentent des gammes de valeurs peu contrastées pour
l’approche spatiale tandis que l’approche analytique montre des gammes de valeurs plus
étalées. La même tendance s’observe pour le Gâtinais Oriental avec une variabilité faible pour
la méthode analytique et une variabilité plus importante pour l’approche spatiale.
Ces différences de variabilité selon les PRN sont dues aux méthodes d’affectation des
analyses de la BDAT. Par définition, la méthode spatiale est sensible aux nombres d’UCS par
commune car elle se base sur le croisement spatial entre UCS et commune. La petite et la
grande Beauce se composent d’UCS et d’UTS de grandes surfaces qui lissent la variabilité
des résultats sur ces zones. La méthode analytique basée sur des distances pédologiques est
moins sensible à ce biais. En revanche, elle est dépendante de la qualité des données
comparées et du nombre d’analyses renseignées dans la BDAT et dans le RRP. Dans certaines
situations en effet, la distance pédologique calculée était basée sur une seule variable. La
confiance en cette distance pédologique peut être remise en cause.
Figure 4: Teneur moyenne en carbone organique par UCS calculée selon les méthodes
d’affectation des analyses de la BDAT. a) avec l’approche analytique et b) avec l’approche
spatiale
77
3.2 Validation
Les résidus des deux méthodes d’affectation des analyses de la BDAT sont présentés en
fonction des teneurs en CO de la BDAT figure 5. Les valeurs se répartissent entre des
gammes de différences 6 à -6 avec une densité de points importantes entre 4 et -4. La
répartition des points ne suit pas de réelles tendances. Les meilleures affectations sont
observées pour des gammes de valeurs situées entre 11 et 13 g.kg-1, les sous-estimations se
dégagent pour les teneurs faibles en CO (entre 9 et 10 g.kg-1). Environ 55% des échantillons
de l’approche analytique et 60% des échantillons de l’approche spatiale se situent dans une
gamme de résidus « correct » entre 2 et -2.
Les relations linéaires entre les analyses redistribuées et les valeurs références présentent des
relations significatives, avec un coefficient de corrélation de 0.57 pour l’approche analytique
et de 0.52 pour l’approche spatiale.
Figure 5: Résidus des deux méthodes d’affectation des analyses de la BDAT en fonction des
teneurs en CO de la BDAT
Ces résultats mettent en évidence une bonne concordance des analyses de la BDAT
redistribuées avec les valeurs références des profils du RRP. Les tendances générales de la
distribution spatiale des teneurs en CO observées précédemment semblent ainsi être validées.
Les deux méthodes présentent des relations similaires et il est difficile de distinguer une
meilleure méthode. Toutefois, la méthode de validation ne tient pas compte de l’ensemble des
UCS de la zone d’étude et est seulement basée sur les valeurs calculées au niveau des UCS.
Une validation plus précise pourrait être développée au niveau des UTS.
78
4 Conclusions et perspectives
Deux méthodes d’affectations des analyses de la BDAT vers les UTS ont été développées
et appliquées sur les teneurs en carbone organique du nord du Loiret. Ces méthodes
permettent d’exploiter les analyses de la BDAT sur des échelles spatiales plus fines et
cohérentes d’un point de vue pédologique. Les résultats ont montré des similarités entre les
deux méthodes en présentant des tendances communes entre les différentes Petites Régions
Naturelle du site d’étude. Des biais ont été constatés et sont expliqués par le nombre d’UTS
couvrant les communes. Lorsque ce nombre est faible, la méthode spatiale présente des
limites pour illustrer la variabilité des résultats. La comparaison des méthodes avec les valeurs
références des profils du RRP montre la cohérence des affectations mais ne permet pas de
différencier les performances des deux méthodes.
Le développement d’une méthode combinant les deux approches est en cours de
développement. Cette méthode permet d’optimiser les affectations des analyses en prenant en
compte les aspects spatiaux et sémantiques des UTS. Les limites présentées des approches
seraient ainsi diminuées et un gain en sensibilité devrait être observé. Une analyse de
l’évolution des teneurs en CO par UTS et UCS selon les méthodes d’affectation des analyses
de la BDAT est également programmée.
Références
Carré, F., Jacobson, M., 2009. Numerical classification of soil profile data using distance
metrics. Geoderma 148, 336–345.
Follain, S., Schvartz, C., Denoroy, P., Villette, C., Saby, N. P. A., Arrouays, D., Lemercier,
B., Walter, C., 2009. A method for assessing available phosphorus content in arable
topsoils over large spatial scales. Agronomy For Sustainable Development 29 (2), 371–
379, times Cited : 0 1774-0746.
Lemercier, B., Arrouays, D., Follain, S., Saby, N., Schvartz, C., Walter, C., 2006. La qualité
des sols agricoles sous surveillance : programme base de données des analyses de terre.
In : IGCS.
Richer de Forges, A., 2008. Base de données du référentiel régional pédologique de la
région centre : carte des pédopaysages du loiret à 1/250000 en format donesol2. Tech.
rep., INRA InfoSol.
Saby, N., Schvartz, C., Walter, C., Arrouays, D., Lemercier, B., Roland, N., Squividant, H.,
2004. Base de données des analyses de terre : Procédure de collecte et résultats de la
campagne 1995-2000. Etude et Gestion des Sols 11, 235–253.
Saby, N. P. A., Arrouays, D., Antoni, V., Lemercier, B., Follain, S., Walter, C., Schvartz,
C., 2008. Changes in soil organic carbon in a mountainous french region, 1990-2004.
Soil Use and Management 24, 254–262.
Schvartz, C., Walter, C., Claudot, B., Bouédot, T., Aurousseau, P., 1997. Synthése nationale
des analyses de terre réalisées entre 1990 et 1994. 1 constitution d’une banque de
données cantonale. Etude et Gestion des Sols 4, 191–204.
80
Annexe 5 : Effectifs des analyses Azofert par culture et par PRN
Pour les cultures précédentes (P) et les cultures de l’année (C) :
Pourtour de l’Orléanais
Petite Beauce
Grande Beauce
Gâtinais Beauceron
Gâtinais Oriental
Total
Culture P C P C P C P C P C P C
Betterave sucrière
156 295 53 155 474 993 175 426 12 59 870 1928
Blé dur d’hiver 133 113 369 365 297 243 92 75 14 16 905 812
Blé dur de printemps
2 13 10 10 29 31 - 4 - 1 41 59
Blé tendre d’hiver
662 485 252 199 1290 957 433 280 514 796 3151 2717
Colza d’hiver 93 51 112 26 189 66 33 23 391 85 818 251
Escourgeon orge d’hiver
34 31 15 12 51 16 13 10 30 59 143 128
Escourgeon orge d’hiver brassicole
15 58 12 31 29 65 18 13 19 136 93 303
Maïs fourrage 21 13 - - 3 1 3 7 34 5 61 26
Maïs grain 66 61 170 106 69 79 42 44 191 118 538 408
Oignon 3 1 11 37 24 48 6 3 3 2 47 91
Orge de printemps
307 425 94 151 1068 1086 476 440 66 91 2011 2193
Pois protéagineux
10 - 18 - 69 - 13 - 42 - 152 -
Pomme de terre de consommation
2 8 41 108 59 113 3 5 - - 105 234
Tournesol 14 34 19 3 35 27 11 12 48 8 154 84
Total 1518 1588 1176 1203 3686 3725 1318 1342 1364 1376 9089 9234
81
Annexe 6 : Questionnaire et liste des experts contactés
I) Le conseiller (à poser lors de la prise de rdv)
a. Quel est votre rôle auprès des agriculteurs ?
b. Quel est votre secteur d’étude ?
c. Pour quelles cultures intervenez-vous ?
II) Localisation des cultures
a. On cherche à savoir si certaines cultures sont exclues de certains types de sols.
D’après nos données, on peut supposer que les cultures d’oignon et de pomme de
terre sont exclues des argiles lourdes.
i. Confirmation ?
ii. Y a-t-il d’autres types de sols contraignants vis-à-vis de certaines cultures ?
b. La charge en cailloux des sols contraint-elle l’implantation de certaines cultures ?
(oignon, pomme de terre, betterave, pois => seuil à 10/15%)
c. quelles sont les cultures qui sont très rarement implantées en sols non irrigués à
faible RU ?) seuil de RU approximatif ?
d. Y’a-t-il d’autres critères de localisation des cultures ?
III) Pratiques culturales (analysées d’après le fichier Azofert : on calcule la fréquence de
chaque pratique, associée à chaque culture)
a. Devenir des Résidus de cultures : je trouve 3 catégories de cultures :
i. Rarement enfouis = MF (30% des cas)
ii. Assez fréquemment enfouis= EOH et EOHB (50 à 70% des cas)
iii. Très majoritairement enfouis = BS, BDH, BDP, BTH, CH, MG, Oi, OP, PP, PDT,
T (>80% des cas)
iv. => confirmation ?
v. => dans le cas des céréales à pailles, quel est critère de décision de
l’agriculteur pour décider de l’export ou de la restitution des pailles ? y a-t-il
une influence du type de sol ? ou de certains types de rotations ? ou de
certains types d’exploitation (hormis les éleveurs) ?
vi. => est-ce qu’un agriculteur peut tantôt exporter, tantôt restituer les pailles,
ou est-ce qu’on peut parler de pratique habituelle ?
b. Apports de MO : je trouve aussi 3 catégories :
i. Apports très majoritaire= MF (>80%)
ii. Apports assez minoritaires = BS, CH, MG, Oi, T, PDT (20 à 40%)
iii. Apports rares = BDH, BDP, BTH, EOH, EOHB, OP (<10%)
iv. => confirmation ?
v. critères déterminants la pratique d’apport organique ? (certains types de
rotation ? certains types d’exploitation hormis les éleveurs? )
82
c. Irrigation : 3 catégories :
i. Irrigation majoritaire : BS, MG, Oi, PDT (>80%)
ii. Irrigation assez fréquente : BDH, BDP, MF, OP (30 à 60%)
iii. Irrigation rare = BTH, EOH, EOHB, T (<10% sauf pour le T (17%))
iv. => confirmation ?
d. Labour : selon nos données, 84% des agriculteurs pratiquent le labour.
i. Confirmation ? quelle est la proportion d’agriculteurs en non labour ?
ii. Avant quelles cultures le labour est-il le plus fréquent ? y a-t-il certains types
de sol
iii. Y a-t-il du labour permanent ?
iv. Quelle est la profondeur de labour généralement rencontrée ? selon les
types de sol
e. Rotations culturales
i. La monoculture est-elle encore rencontrée ? Si oui, à quelle fréquence ?
ii. Y a-t-il des rotations types très employées ?
iii. Quelle sont les durées des rotations les plus souvent rencontrées ?
iv. Les rotations sont-elles différentes sur des parcelles irriguées/ non
irriguées ?
f. En règle générale, les pratiques sont-elles plutôt liées aux cultures ou aux sols ?
Les experts consultés sont :
- un pédologue de la Chambre d’Agriculture (Bernard VERBEQUE)
- 6 conseillers agricoles (Marie-Agnès LOISEAU (GDA Courtenay) et Myriam OUY (GDA
Chateaurenard) pour le Gâtinais Oriental, Jean-Baptiste AMINAT et Jean-Paul ACCARY
(GEETA Pithiviers) pour la Grande Beauce, Jean-Claude JULLIEN (GDA Loire Beauce) pour la
Petite Beauce et Boris LORNE pour le Pourtour de l’Orléanais).
84
Annexe 8 : Extraction des données du RRP et calcul de la RUM
Hydromorphie : extraction des données
Données sur l’UTS Table RRP Champ
Profondeur moyenne d’apparition de l’horizon rédoxique g (cm) U_sol Appar_g
Profondeur moyenne d’apparition de l’horizon réductique temporaire (cm) U_sol Appar_go
Profondeur moyenne d’apparition de l’horizon réductique permanent (cm) U_sol Appar_gr
Profondeur moyenne d’apparition de l’horizon tourbeux (cm) U_sol Appar_h
Il faudra prendre la valeur la plus faible des 4 et la comparer au seuil (40 cm).
EG : extraction des données
Données sur l’UTS Table RRP Champ
Pierrosité de surface U_sol Pierro_tot
Taille EG U_sol Taille_eg1 et taille_eg2
Autres données
Données nécessaires Table Champ
Argile STRATE NOM_VAR = taux argile
Calcaire total STRATE NOM_VAR = calcaire total
Texture de surface T_RUM TEXT AISNE
Strate de surface T_RUM NO_STRATE
Calcul de la RUM
Ce calcul a été effectué au début du stage, nous n’avions pas encore les données de densité
apparente fournie par Infosol.
La formule utilisée est la suivante :
RUMSTRATE= (CC-PF)*Da*Ep*(1-EG/100)
Avec CC : humidité pondérale à la capacité au champ (%)
PF : humidité pondérale au point de flétrissement (%)
Da : densité apparente
Ep : épaisseur de la strate (dm)
EG : pourcentage d’éléments grossiers (%)
RUMUS = ∑ RUMSTRATE
Cette formule est généralement utilisée à partir des données de Jamagne. Cependant, ces valeurs
conduisent à une surestimation de la teneur en eau à la capacité au champ. Le biais est le plus élevé
pour les classes texturales argileuses et les potentiels élevés (BRUAND, et al., 2002). Cela est lié aux
méthodes d’analyses des échantillons de terre.
Les densités apparentes varient pour une même texture selon qu’il s’agisse de l’horizon de surface
ou d’horizons sous-jacents (MORVAN, BRUAND, COUSIN, ROQUE, BARAN, & MOUVET, 2004). Nous
utilisons donc pour les calculs de RUM les Da proposées par Jamagne et corrigées par BAIZE (2000)
85
pour les strates de surface et celles de BEDEKOVIC (1990) pour les strates de profondeur. Les CC et
PF utilisées sont celles proposées par BRUAND, et al. (2002) (sauf pour quelques textures pas
proposées chez Bruand, pour lesquelles on prend les valeurs de Jamagne).
Pour chaque UTS, la profondeur maximale d’enracinement est fixée à 1,20m. L’apparition d’obstacle
à la pénétration des racines n’est pas prise en compte bien que celle-ci joue sur la profondeur
d’enracinement (NICOULLAUD, DARTHOUT, & DUVAL, 1995).
Enfin, nous considérons que les éléments grossiers ne possèdent pas de capacité de rétention en
eau. Cela se justifie d’une part parce qu’il n’y a pas de sols crayeux (BAIZE, 2000) sur le territoire
d’étude.
Références bibliographiques
BAIZE, D. (2000). Guide des analyses en pédologie - 2ème édition, revue et augmentée. Editions Quae,
collection techniques et pratiques. p. 266.
BEDEKOVIC, P. (1990). L'analyse raoide des nitrates dans les sols agricoles. Perspectives agricoles,
144, pp. 82-85.
BRUAND, A., PEREZ FERNANDEZ, P., DUVAL, O., QUETIN, P., NICOULLAUD, B., GAILLARD, H., et al.
(2002). Estimation des propriétés de rétention en eau des sols : utilisation de classes de
pédotransfert après stratifications texturales et texturo-structurales. Etude et Gestion des
Sols, 9 (2), pp. 105-126.
MORVAN, X., BRUAND, A., COUSIN, I., ROQUE, J., BARAN, N., & MOUVET, C. (2004). Prédiction des
propriétés de rétention en eau des sols d'un bassin versant à l'aide de fonctions de
pédotransfert : influence de la densité apparente et de la teneur en éléments grossiers.
Etude et Gestion des Sols, 11 (4), pp. 117-135.
NICOULLAUD, B., DARTHOUT, R., & DUVAL, O. (1995). Etude de l'enracinement du blé tendre d'hiver
et du maïs dans les sols argilo-limoneux de Petite Beauce. Etude et Gestion des Sols, 2 (3), pp.
183-200.
86
Annexe 9 : Préparation des données du RPG
La préparation de ces données a pour but d’obtenir pour chaque ilot la succession des cultures
dominantes de chaque année.
Préparation des données sémantiques
Pour chaque année, les informations concernant les parcelles et les ilots sont dans 2 fichiers distincts.
La première étape consiste à créer un fichier par année regroupant sur une même ligne les
informations des différentes parcelles d’un même ilot (cultures, surfaces, irrigation, code de
l’exploitation, commune du siège de l’exploitation). Pour cela, nous utilisons un programme
développé par une enseignante de l’Institut Lasalle Beauvais spécialement pour ce type de
traitement.
La deuxième étape consiste à créer un fichier pluriannuel avec en ligne l’identifiant de l’ilot et en
colonne les cultures dominantes des quatre années, les surfaces associées, le caractère irrigué ou
non et les informations de l’exploitation. Pour parvenir à ce résultat, il faut d’abord établir la
correspondance entre les identifiant des ilots pour les quatre années. En effet, ces identifiants
changent d’une année sur l’autre. On utilise pour cela une méthode géographique sous ArcGIS.
Préparation des données géographiques
Avant toute chose, il faut recaler les différentes couches annuelles du RPG pour qu’elles se
superposent au mieux et toutes les exporter dans le même système de projection (RGF 93).
Etant donné que la géométrie des ilots peut varier d’une année sur l’autre, on ne peut pas utiliser
une intersection géographique pour établir la correspondance entre les identifiants annuels des ilots.
En utilisant l’extension ET GeoWizard, on convertit les ilots de 2006, 2007 et 2008 en points (situés
au barycentre des ilots) pour obtenir une couche de point par année. Chacune de ces couches est
ensuite croisée avec les ilots de la couche de 2009 (dont la géométrie des ilots sert de référence) à
l’aide de la fonction « spatial join ». On obtient ainsi trois nouvelles couches où figurent
respectivement les correspondances des ilots 2006 et 2009, 2007 et 2009, 2008 et 2009. Enfin, on
fait une jointure des tables de ces trois couches avec la table de la couche des ilots de 2009 en
utilisant l’identifiant de 2009.
Un croisement de la couche des ilots de 2009 avec le RRP (avec la même méthode conversion des
ilots en points, intersectés ensuite aux UCS), nous permet d’affecter les ilots aux UCS. On a enfin
notre fichier pluriannuel (RPG_4ans_table.xls) regroupant l’information de toutes les parcelles par
ilots (données géographiques de 2009 et données sémantiques des 4 années).
Une exportation de la table de cette couche nous permet de travailler ensuite dans Excel pour définir
les successions des cultures annuelles dominantes de chaque ilot.
Cette méthode comporte des limites, notamment lorsque des ilots apparaissent ou disparaissent
d’une année sur l’autre. Par exemple, lorsque en 2008 on a 2 ilots (et donc 2 points après la
conversion des polygones en points) et plus qu’un en 2009, la jointure spatiale n’affecte à l’ilot de
2009 qu’un des deux point de 2008, celui qui a l’identifiant le plus petit. Autre exemple, si un ilot
2008 est divisé en 2009, un de ces deux ilots n’aura pas de correspondance pour 2008. Après
87
vérification, 96% des ilots de 2009 ont une correspondance établie à partir d’un seul point de chaque
année précédente, ce qui conforte l’utilisation de cette méthode.
Remarque : on aurait pu utiliser une rastérisation des couches d’ilots, suivie de statistiques zonales
(avec spatial analyst) pour avoir une correspondance plus précise entre les ilots, mais cette fonction
ne fonctionnait pas avec la version d’ArcGIS utilisée.
88
Annexe 10 : Méthode de construction des rotations probables
Nombre d’ilots de départ :
UCS Nbr ilots NIR Nbr ilots IR Nbr total ilots
31 3316 664 3980
35 930 465 1395
39 3594 1361 4955
72 830 37 867
1) Obtention des successions culturales :
Sous Excel, à partir du fichier pluriannuel (RPG_4ans_table.xls) (cf. Annexe 9), on fait un champ qui
compile les cultures dominantes des années 2006, 2007, 2008 et 2009. On recode la nomenclature
RPG de la façon suivante pour regrouper certains groupes et pour que les successions soient plus
lisibles (cf. tableau 6). On crée ensuite un champ « IND_IRRI », renseigné de façon binaire (1 si l’ilot
est irrigué au moins une des 4 années ; 0 sinon).
2) Obtention des successions irriguées et non irriguées par UCS :
On crée un nouveau fichier de l’ensemble des ilots pour chaque UCS (feuille
« données »). On trie les ilots selon leur caractère irrigué (champ IND_IRRI)
pour pouvoir faire ensuite un tableau des ilots non irrigués sur une feuille
(NIR) et un tableau des ilots irrigués sur une autre feuille (IR). Pour chacune
de ces 2 feuilles, on fait un tableau croisé dynamique (TCD) qui nous
donne : en ligne la liste de toutes les successions, le nombre d’ilots
correspondants dans la première colonne et la surface cumulée de ces ilots
dans la seconde colonne.
3) Définition des rotations probables :
On fait un copier/coller de chacun des TCD sur une nouvelle feuille (TCD_NIR pour les ilots non
irrigués, TCD_IR pour les ilots irrigués). C’est à partir de ces feuilles que l’on construit les rotations
théoriques. On fait un tri des successions par surface décroissante. On calcule le pourcentage de
chaque succession et le pourcentage cumulé. On observe les successions les plus fréquentes (dans
les 80% de la surface cumulée). Il y a généralement les successions CCCC, puis des successions avec
3C et une tête de rotation (T), puis des successions avec 2C et 2 têtes de rotations. Ces successions
ont des motifs cohérents d’un point de vue agronomique. Apparaissent des motifs définis comme
incohérents (avec plus de 2 têtes de rotation ou comportant des cultures minoritaires). A partir des
successions fréquentes ayant un motif cohérent, on liste les rotations probables. Une rotation est
probable lorsque plusieurs successions peuvent y contribuer.
Exemple de la rotation probable BSCMC obtenue à partir de 4 successions observées :
BSCMC BSCMC BSCMC BSCMC
89
4) Tableau de correspondance succession/rotation et calcul des probabilités surfaciques :
On crée ensuite une colonne par rotations probable identifiée. Pour chaque succession pouvant
correspondre à une rotation probable, on met un 1 sur la ligne de la succession dans la colonne de la
rotation en question. Quand toutes les successions et toutes les rotations ont été passées en revue,
on crée une colonne « somme » où on calcule le nombre de rotations correspondant à chaque
succession (somme des 1 pour chaque ligne). Ensuite on calcule dans une nouvelle colonne la
probabilité pour chaque succession d’appartenir à une de ses rotations correspondantes
(=1/somme), puisqu’on considère que la surface d’une succession est répartie de manière
équiprobable entre toutes ces rotations correspondantes. Enfin, on crée une ligne en bas de tableau
où on calcule la surface probable de chaque rotation (cf. formule page suivante). On peut ensuite
faire la somme des surfaces probables de toutes les rotations et la comparer à la surface totale de
l’ensemble des ilots pour connaitre la part de surface prise en compte par les rotations ainsi
reconstruites. Il faut penser à intégrer la surface de la succession CCCC à cette somme.
Successions
Rotations probables
…
… …
Surfaces probables
90
Formules mathématiques utilisées :
Surface S P
∑
STR ∑
Soit :
- une succession avec où est le nombre des successions
- une rotation avec où est le nombre de rotations probables
- est la surface cumulée de tous les ilots ayant la même
- est une variable égale à 1 si la succession peut entrainer la rotation , 0 sinon
- est la Surface Théorique (ou probabilité surfacique) de la Rotation
On procède aux étapes suivantes :
1) Attribution des
2) Calcul des
3) Calcul des
4) Elimination des rotations qui ont des très faibles (on remplace les par
)
5) Suppression des rotations très peu représentées :
Pour supprimer une rotation, on met des 0 à la place des 1 dans sa colonne (ne pas juste enlever les
1, ça ira plus vite si on doit revenir en arrière). On supprime d’abord les rotations qui ont une
probabilité inférieure à 1. Si la surface totale prise en compte est supérieure à 70%, on supprime
ensuite les rotations qui ont une probabilité inférieure à 2%. On veille à ce que la somme des
surfaces prise en compte par les rotations retenues reste supérieure à 70%.
6) Création du tableau rotation/surface associée :
Depuis la feuille TCD_NIR, on fait un copier/coller (transposé) des rotations et des surfaces associées
sur une nouvelle feuille, nommée « rotation_type ». Ça donne un tableau avec une colonne
« rotation » et une colonne « surface ». On fait la même chose à partir de la feuille TCD_IR, mais
coller le tableau sur la même feuille « rotation_type ».
Ne pas oublier des coller dans le tableau les rotations CCCC.
91
On calcule ensuite le pourcentage, d’une part de chaque rotation non irriguée (par rapport au total
des surfaces de ces rotations), de même pour les rotations irriguées.
7) Recodage des rotations en fonction des catégories de culture :
On fait un copier/coller de la colonne « rotation » dans une quatrième colonne nommée « code
cat ». On recode ensuite chaque culture par un code correspondant à la catégorie de restitution
humique des résidus de la culture en utilisant la fonction rechercher/remplacer.
Ici, on suppose que les pailles sont globalement restituées et que le maïs est du maïs grain, d’après
la base Azofert.
Attention, il faut que le code soit synthétique. C'est-à-dire, ne pas avoir de de doublons de type 1211
et 1112, ces 2 cas doivent avoir le même code (remplacé à la main).
8) Création groupes de rotations et choix de la rotation-type :
On fait un TCD pour chaque tableau rotation/code (NIR puis IR). On met en ligne le « code cat », qui
représente le groupe de rotations, puis la « succession » en sous-niveau, et les pourcentages en
colonne. On fait un copier/coller de ces TCD pour les mettre sous les tableaux rotation/code.
On sélectionne au sein d’un groupe de rotations celle qui a le plus fort pourcentage, celle devient la
rotation-type du groupe.
Certains groupes de rotations peuvent être négligés si leur pourcentage est très faible (<2%) et à
condition (si plusieurs groupes sont négligés) que cela n’élimine pas plus de 10% de la surface totale
des rotations probables. Cela nous permet de simplifier l’information à traiter, tout en conservant
une représentativité suffisamment importante des surfaces.
Groupe des rotations dont le code est 1111
Rotation-type du groupe
93
Annexe 12 : Vérification des contraintes agronomiques (argile et éléments grossiers) à
partir d’Azofert
Sols argileux :
Parmi les sols argileux, on trouve des argiles limoneuses (AL), des argiles lourdes (ALO), des argilo-
calcaires et quelques argiles sableuses ou autres, très peu représentés. On compare les argiles
limoneuses et argiles lourdes, en prenant comme témoin les limons argileux sains profonds (LASP).
Les cultures susceptibles d’être influencées par la teneur en argile sont : la betterave sucrière, la
pomme de terre et l’oignon.
Fréquence d’analyses de la base Azofert :
sol BS culture BS précédent oignon culture
oignon précédent
PdT culture PdT précédent
AL 17,58% 12,30% 22% 14,90% 28,21% 28,21%
ALO 15,77% 17,24% 1,10% 2,14% 1,28%
LASP 25,26% 24,14% 24,20% 29,80% 27,78% 5,98%
On peut remarquer pour l’oignon et la pomme de terre (cultures) que les pourcentages d’analyses
entre des sols AL et LASP sont très proches, tandis que les pourcentages d’analyses en sol ALO sont
très faibles. Ce phénomène n’est pas observé pour la Betterave (BS).
Sols caillouteux :
On observe la même tendance pour toutes les cultures. La classe d’effectif entre 0 et 2, 5 ou 10 est
largement dominante, puis les effectifs diminuent lorsque le taux de cailloux augmente. La seule
différence que l’on peut observer entre les cultures est le taux de cailloux maximal.
Taux maximal en éléments grossiers par culture issus de la base Azofert :
Culture Taux maximal en éléments grossiers (%)
Betterave sucrière Effectifs importants jusqu’à 10%, limite à 25%
Céréales et colza Limite entre 30 et 50%
Tournesol Limite à 20%
Maïs Limite en 20 et 30%
Oignon Limite à 10%
Pomme de terre Limite à 15%
Pois protéagineux Première limite à 20% puis quelques individus entre 35 et 40%
94
Annexe 13 : Affectation des rotations-types aux UTS
Ces étapes se font dans le même fichier que celui dans lequel on a défini les rotations.
Sur une nouvelle feuille « rotation_UTS », on crée un tableau avec une ligne par rotation-type et une
colonne par UTS. Un premier bloc correspond aux rotations-types non irriguées et un second, en
dessous, correspond au rotations-types irriguées.
Forme du tableau obtenu :
La première étape consiste à repérer les exclusions induites par la composition des rotations et les
caractéristiques des UTS. Pour les visualiser, on met des 1 dans les cellules correspondant à des
combinaisons « rotation-types x UTS » pour lesquelles il n’y a pas d’exclusion et rien dans le cas
contraire.
Forme du tableau obtenu (ici, seule la contrainte hydrique est présente) :
= Probabilités surfaciques des rotations-types
= Contraintes agronomiques des UTS
95
Puis, dans le cas des UTS sans contraintes agronomiques (ici 118 et 121 NIR et toutes les UTS IR), on
remplit les cellules du tableau avec les probabilités surfaciques des rotations-types.
Dans le cas des UTS ayant des contraintes agronomiques (ici 119, 116, 117 et 120 NIR), on calcule :
1) la somme des probabilités surfaciques des rotations-types non exclues
2) un nouveau pourcentage pour ces rotations-types non exclues par rapport à la somme
précédemment calculée.
On remplit ensuite le tableau avec ces nouveau pourcentages (le pourcentage des rotations-types
exclues est alors égal à 0).
Tableau obtenu :
Enfin, pour attribuer une part de l’UCS à chaque combinaison, on multiplie le pourcentage de la
rotation au pourcentage de l’UTS dans l’UCS. Pour les rotations-types irriguées, on prend le
pourcentage de l’UTS irrigué (proportionnel à la surface irriguée de l’UCS, déterminée à partir de la
somme des surfaces des ilots irrigués) ; de même pour les rotations-types non irriguées.
Tableau obtenu :
Absence de contraintes :
Pourcentages identiques aux probabilités surfaciques
Présence de contraintes :
pourcentages recalculés
La somme de
l’ensemble des cellules
(NIR + IR) est égale à 1
(100% de l’UCS).
x le % du tableau précédent (0,52) =
96
Annexe 14 : Correspondance entre les UTS et les types de sol Azofert
UTS Correspondance
Azofert Nom détaillé dans Azofert
104 AS Argile sableuse
108 AACM Argile lourde calcaire moyennement profonde
109 ALM Argile limoneuse moyennement profonde
110 AACS Argile lourde calcaire superficielle
111 AA Argile lourde
112 AACS Argile lourde calcaire superficielle
113 APH Argile profonde hydromorphe
114 LCS Limon calcaire superficiel
115 ACS Argilo-calcaire superficiel
116 ACS Argilo-calcaire superficiel
117 ACS Argilo-calcaire superficiel
118 LCM Limon calcaire moyennement profond
119 LAM Limon argileux moyennement profond
120 LAP Limon arglieux profond
121 LP Limon sain profond
122 LAM Limon argileux moyennement profond
123 LCS Limon calcaire superficiel
124 LAP Limon arglieux profond
125 LAH Limon argileux hydromorphe
126 ACS Argilo-calcaire superficiel
127 LCM Limon calcaire moyennement profond
128 LCM Limon calcaire moyennement profond
129 AACP Argile lourde calcaire profonde
130 AA Argile lourde
131 AACS Argile lourde calcaire superficielle
132 AA Argile lourde
133 AACS Argile lourde calcaire superficielle
134 AA Argile lourde
135 ACS Argilo-calcaire superficiel
136 ACM Argilo-calcaire moyennement profond
137 LCM Limon calcaire moyennement profond
138 LAM Limon argileux moyennement profond
139 LAP Limon arglieux profond
140 LCS Limon calcaire superficiel
141 LCM Limon calcaire moyennement profond
142 SACS Sable argileux ou argile sableuse calcaire superficiel
144 LCS Limon calcaire superficiel
145 LAM Limon argileux moyennement profond
146 LCS Limon calcaire superficiel
147 LAM Limon argileux moyennement profond
148 LCS Limon calcaire superficiel
149 SL Sable limoneux
97
152 LCP Limon calcaire moyennement profond
153 ALP Argile limoneuse profonde
154 LCS Limon calcaire superficiel
155 ACM Argilo-calcaire moyennement profond
156 AS Argile sableuse
157 AACM Argile lourde calcaire moyennement profonde
158 AACM Argile lourde calcaire moyennement profonde
159 AS Argile sableuse
160 ACM Argilo-calcaire moyennement profond
161 LCM Limon calcaire moyennement profond
162 LCS Limon calcaire superficiel
163 AA Argile lourde
164 ALP Argile limoneuse profonde
165 S/A Sable sur argile à 25-45 cm
166 LCS Limon calcaire superficiel
167 LS Limon sableux
193 SX Sable caillouteux
196 SLX Sable limoneux caillouteux
197 Sp Sable sain profond
198 LCM Limon calcaire profond
199 S/A Sable sur argile à 25-45 cm
202 LS Limon sableux
203 LS Limon sableux
204 LS Limon sableux
207 SX Sable caillouteux
208 SX Sable caillouteux
209 LS Limon sableux
210 S/A Sable sur argile à 25-45 cm
211 ACP Argilo-calcaire profond
212 AA Argile lourde
213 LP Limon sain profond
214 LX Limon à silex
215 AACS Argile lourde calcaire superficielle
216 AACM Argile lourde calcaire moyennement profonde
217 ALM Argile limoneuse moyennement profonde
219 LP Limon sain profond
220 LAP Limon arglieux profond
221 LX Limon à silex
222 LX Limon à silex
223 LH Limon hydromorphe
224 SL/A Sable limoneux sur argile à 25-45 cm
225 LH Limon hydromorphe
226 LH Limon hydromorphe
227 LAH Limon argileux hydromorphe
228 LH Limon hydromorphe
98
229 LH Limon hydromorphe
230 LAM Limon argileux moyennement profond
231 LH Limon hydromorphe
232 LH Limon hydromorphe
233 LCS Limon calcaire superficiel
234 LAX Limon argileux caillouteux
235 LH Limon hydromorphe
236 LH Limon hydromorphe
237 LH Limon hydromorphe
238 LH Limon hydromorphe
239 LP Limon sain profond
240 LH Limon hydromorphe
241 LX Limon à silex
242 LH Limon hydromorphe
243 LX Limon à silex
244 ACM Argilo-calcaire moyennement profond
245 LX Limon à silex
246 LX Limon à silex
247 LP Limon sain profond
248 LH Limon hydromorphe
249 LX Limon à silex
250 LH Limon hydromorphe
251 LAX Limon argileux caillouteux
99
%S 0,27 0,25 0,24 0,15 0,08 0,01
%SNIR 0,18 0,16 0,15 0,10 0,05 0,01
%SIR 0,09 0,09 0,08 0,05 0,03 0,00
Contraintes agro 0110 0110 0111 0111 1011 0111
groupe R %SR R représentatives/ UTS 111 108 109 110 113 112
1111 40 CCCC 0,07 0,06 0,06 0,04 0,02 0
11111 22 CHCCHCC 0,04 0,03 0,03 0,02 0,01 0
111111 10 CHCCTCC 0,02 0,02 0,01 0,01 0,01 0
21111 9 BSCCHCC 0 0 0 0 0,06 0
211111 9 BSCCCHCC 0 0 0 0 0,06 0
111 6 CHCC 0,01 0,01 0,01 0,01 0 0
2111 5 BSCCC 0 0 0 0 0,03 0
1111 31 CCCC 0,03 0,03 0,03 0,02 0,01 0
11111 27 MCMCC 0,03 0,02 0,02 0,01 0,01 0
111 11 MCC 0,01 0,01 0,01 0,01 0 0
211111 9 MCCBSCC 0 0 0,02 0,01 0,01 0
11 8 MC 0,01 0,01 0,01 0 0 0
111111 8 MCCCHCC 0,01 0,01 0,01 0 0 0
2111 7 BSCCC 0 0 0,01 0,01 0 0
UCS 31
NIR
IR
%S 0,52 0,18 0,14 0,08 0,06 0,02
%SNIR 0,19 0,06 0,05 0,03 0,02 0,01
%SIR 0,33 0,12 0,09 0,05 0,04 0,01
Contraintes agro 0111 1111 0111 0111 0111 1111
Groupe R %SR R représentative/ UTS 119 118 116 117 120 121
1111 32 CHCCC 0,06 0,02 0,02 0,01 0,01 0
11111 20 CHCCHCC 0,04 0,01 0,01 0,01 0 0
111 10 CHCC 0,02 0,01 0,01 0 0 0
111111 10 CHCCMCC 0 0,03 0 0 0 0
22111 9 BSCBSCC 0 0,03 0 0 0 0
211 8 BSCC 0 0,03 0 0 0 0
31111 6 CHCCLC 0 0,03 0 0 0 0
311111 5 CHCCLCC 0 0,03 0 0 0 0
1111 31 CCCC 0,10 0,04 0,03 0,02 0,01 0
11111 28 MCMCC 0,09 0,03 0,02 0,01 0,01 0
2111 12 PCCC 0,04 0,01 0,01 0,01 0 0
21 10 MC 0,03 0,01 0,01 0,01 0 0
31111 8 MCLCC 0,03 0,01 0,01 0 0 0
111 6 MCC 0,02 0,01 0 0 0 0
111111 6 MCCCHCC 0,02 0,01 0 0 0 0
NIR
IR
UCS 35
Annexe 15 : Résultats de l’affectation des rotations-types aux UTS
Part de surface de l’UCS pour chaque combinaison « rotation-type x UTS »
100
%S 0,50 0,17 0,09 0,09 0,08 0,05 0,02
% SNIR 0,25 0,08 0,04 0,04 0,04 0,02 0,01
%SIR 0,26 0,09 0,05 0,05 0,04 0,03 0,01
Contraintes agro 0111 0111 1111 1111 1111 0111 0111
Groupe R %SR R représentative / UTS 120 119 118 125 121 116 117
1111 27 CCCC 0,07 0,02 0,01 0,01 0,01 0,01 0
2111 13 BSCCC 0 0 0,02 0,02 0,02 0 0
22111 13 BSCBSCC 0 0 0,02 0,02 0,02 0 0
211111 13 CHCCPCC 0,03 0,01 0,01 0,01 0,01 0 0
21111 11 CHCCPC 0,03 0,01 0 0 0 0 0
11111 9 CHCCHCC 0,02 0,01 0 0 0 0 0
211 6 BSCC 0 0 0,01 0,01 0,01 0 0
111 5 CHCC 0,01 0 0 0 0 0 0
231111 4 BSCCLCC 0 0 0,01 0,01 0,01 0 0
1111 28 CCCC 0,07 0,02 0,01 0,01 0,01 0,01 0
22111 15 BSCBSCC 0,04 0,01 0,01 0,01 0,01 0 0
2111 14 BSCCC 0,04 0,01 0,01 0,01 0,01 0 0
211111 9 BSCCMCC 0,02 0,01 0 0 0 0 0
21111 9 BSCCHCC 0,02 0,01 0 0 0 0 0
11111 6 CHCCHCC 0,02 0,01 0 0 0 0 0
23111 6 BSCLCC 0,02 0,01 0 0 0 0 0
221111 5 BSCCPCC 0,01 0 0 0 0 0 0
231111 4 BSCCLCC 0,01 0 0 0 0 0 0
211 4 BSCC 0,01 0 0 0 0 0 0
NIR
IR
UCS 39
%S 0,79 0,17 0,03 0,01
%SNIR 0,72 0,15 0,03 0,01
%SIR 0,07 0,02 0,00 0,00
Contraintes agro 0111 1111 1111 1111
Groupe R %SR R représentative / UTS 228 226 225 227
11111 34 CHCCHCC 0,24 0,05 0,01 0
1111 17 CHCCC 0,12 0,03 0 0
111 16 CHCC 0,12 0,02 0 0
21111 9 CHCPCC 0,06 0,01 0 0
111111 7 CHCCMCC 0 0,05 0,01 0
211111 7 CHCCPCC 0,05 0,01 0 0
11 7 CHC 0,05 0,01 0 0
2111 3 CHCPC 0,02 0 0 0
1111 41 MCCHC 0,03 0,01 0 0
11111 38 MCMCC 0,03 0,01 0 0
11 16 MC 0,01 0 0 0
111 5 MCC 0 0 0 0
NIR
IR
UCS 72
101
Annexe 16 : Résultats pratiques culturales issues de la Base Azofert
Restitution des résidus, apports de MO et irrigation :
Tendance sur les 5
PRN
Pourtour de
l’Orléanais
Petite Beauce
Grande Beauce
Gâtinais Beauceron
Gâtinais Oriental
R MO IR R MO
IR
R MO
IR R MO
IR
R MO
IR R MO
IR
Betterave sucrière
99% 43% 83% 1 3 2 1 2 1 1 2 1 1 2 2 1 3 1
Blé dur d’hiver
89% 3% 31% 2 4 4 1 4 3 1 4 3 2 4 3 2 4 4
Blé dur de printemps
95% 3% 47% f f 3 1 f 2 1 4 2 - f f - f f
Blé tendre d’hiver
84% 4% 10% 1 4 4 1 4 3 1 4 4 1 4 4 1 4 4
Colza d’hiver 99% 23% 0,4% 1 3 4 1 4 4 1 3 4 1 3 4 1 4 4
Escourgeon orge d’hiver
73% 6% 2% 2 4 4 1 4 4 2 4 4 2 4 4 2 4 4
Escourgeon orge d’hiver brassicole
75% 7% 2%
2 4 4 1 4 4 2 4 4 1 4 4 2 4 4
Maïs fourrage
30% 81% 58% 3 1 3 - - - f f f f 1 f 3 f f
Maïs grain 99% 27% 81% 1 3 2 1 3 1 1 3 1 1 2 1 1 4 2
Oignon 97% 23% 100% f 3 - 1 4 1 1 f 1 f - f f f f
Orge de printemps
85% 2% 39% 2 4 3 1 4 1 1 4 3 1 4 3 1 4 3
Pois protéagineux
98% 1
1
1
1
1
Pomme de terre de conso°
100% 14% 96%
f f f 1 4 1 1 3 1 f f f - - -
Tournesol 100% 26% 17% 1 3 4 1 f f 1 3 3 1 3 4 1 f f
Résidus restitués (R)
Apport MO (MO)
Irrigation (IR)
1 80 à 100% 80 à 100% 80 à 100%
2 50 à 80 % 40 à 80 % 50 à 80
3 < 50 10 à 40 20 à 50
4
< 10 < 20
f Faible nombre de données
- Données inexistantes
102
Quantité d’irrigation (mm) par culture et par PRN
Cultures Pourtour de l’Orléanais
Petite Beauce
Grande Beauce
Gâtinais Beauceron
Gâtinais Oriental
Total
Betterave sucrière 126,95 138 138,34 131,83 153,45 136,12
Blé dur de printemps 63,33 52,14 41,17 30
45,89
Blé dur d'hiver 51 38,68 39,20 42,38 60 40,37
Blé tendre de printemps 40
30
35
Blé tendre d'hiver 41,36 41,63 40,09 41,61 52,16 42,43
colza d'hiver
30
30
Escourgeon - Orge d'hiver
45 45
Escourgeon - Orge d'hiver Brassicole
40 30 43,33
38,33
Maïs fourrage 123,33
114,28 115 118
Maïs grain 127,90 158,22 155,46 129,61 149,04 148,36
Oignon
165,89 160,85 120 150 162,23
Oignon Août 200 160 176,15 120 100 165,78
Oignon Septembre
131,66
131,66
Orge de printemps 44,71 49,91 40,49 41,14 53,51 43,00
pomme de terre consommation
147,5 181,09 169,71 186
174,62
Tournesol 40 40 48,75 35 80 47,5
Total général 95,35 105,72 105,05 101,93 112,52 104,04
Habitude de labour :
PRN Fréquence de l’habitude de labour
Pourtour de l’Orléanais 76%
Petite Beauce 89%
Grande Beauce 91%
Gâtinais Beauceron 69%
Gâtinais Oriental 75%