Qualité agronomique des produits résiduaires · Educational Institute of Crete. .029...

Qualité agronomique des produits résiduaires

PRO: comment l’évaluer et comment l’inclure

dans les outils de gestion de la fertilisation?

Sabine Houot*, Directrice de Recherche

Julie Jimenez**, Chargée de Recherche

*UMR INRA-AgroParisTech Ecologie, Ecotoxicologie and Agroécosystèmes, Thiverval-Grignon, France

**LBE, Univ Montpellier, INRA, Narbonne, France

.02

Caractérisation PRO : Enjeux

agronomiques

Objectifs

Disponibilité éléments fertilisants Fourniture éléments minéraux (N, P, K, etc…)

plantes/cultures

Activité biologique Stimulation activité biologique (dégradation, minéralisation,

humification, réorganisation, aération, croissance racinaire) Rôle physique amendant Structure, porosité : limitation ruissellement, érosion, compactage/tassement, rétention eau

Effet au Champ

.03


agronomiques

Objectifs


plantes/cultures



Effet au Champ

Court-moyen terme

Moyen-long terme

.04


agronomiques

Objectifs


plantes/cultures



Court-moyen terme

Moyen-long terme

Effet au Champ

Caractérisation PRO

.05

Des données de référence: essais au champ

Estimation de la disponibilité du N de digestats dans des essais au champ annuels

• CAU céréales et C/N total (R2 = 0.43) • NH4/Ntotal (R2= 0.23) • Ntotal, N orga, C/N orga : non

significatif

CAU = 0,137 + 0,007xN-NH4/N total – 0,017xC/Norg (R² = 0,56) (Decoopmann et al., 2017)

.06

Caractérisation PRO : Outils

laboratoire Connaissance de la qualité des PRO

Teneurs totales C, N, P, K: - Variables en fonction des PRO; - « Constance » dans le temps

Exemple des analyses des PRO appliqués tous les 2 ans

.07


laboratoire Incubations sur sol en conditions contrôlées

Minéralisation C

Minéralisation N

Caractéristiques différentes efficacités différentes

.08


laboratoire Incubations sur sol en conditions contrôlées

Minéralisation C

Minéralisation N

Caractéristiques différentes efficacités différentes

.09

Caractérisation PRO : Indicateurs et

prédiction

X Y

C résiduel

Van Soest + CT3j

Minéralisation

.010


prédiction

ISMO (% C organique)

0 20 40 60 80 100

Autres

Digestats

Matières animales

Engrais

Matières végétales

Mulchs

Effluents d'élevage avec litière

Effluents d'élevage sans litière

Composts d'effluents d'élevage

Composts urbains

Boues

440 MOE

Indice de Stabilité de la MO (XPU 44-162) ISMO = 44,5 + 0,5*SOL-0.2*CEL+0,7*LIC-2,3*Ct3

X Y

C résiduel

Van Soest + CT3j

Minéralisation

Modélisation

(Peltre et al., 2012)

(Lashermes et al., 2009)

.011


prédiction

ISMO (% C organique)

0 20 40 60 80 100

Autres

Digestats

Matières animales

Engrais

Matières végétales

Mulchs

Effluents d'élevage avec litière

Effluents d'élevage sans litière

Composts d'effluents d'élevage

Composts urbains

Boues

440 MOE

Indice de Stabilité de la MO (XPU 44-162) ISMO = 44,5 + 0,5*SOL-0.2*CEL+0,7*LIC-2,3*Ct3

X Y

C résiduel

Van Soest + CT3j

Minéralisation

Modélisation

(Peltre et al., 2012)

(Lashermes et al., 2009) Atteint ses limites pour certains substrats riches en protéines: boues, digestats, lisiers, …

.012


prédiction Fractionnement fibres

Van Soest Van Soest et al., 1963

Fractionnement « Boues-EPS » Jimenez et al. 2014

.013




Fractionnement « Boues-EPS » Jimenez et al. 2014 Jimenez et al., 2015

.014





X

Y

Jimenez et al., 2017

Accessibilité Complexité

.015





X

Y

Modèles PLS

Jimenez et al., 2017

Accessibilité Complexité

Evolution de l’ISMO: base de données en cours -> validation

.016


prédiction

ISMO

.017


prédiction

X

Y

NIRS

ISMO

.018


prédiction

X

Y

NIRS

FlashBMP (Ondalys), Lesteur et al., 2011

Peltre et al., 2012

Biodégradabilité/minéralisation -> pas d’info sur accessibilité

ISMO

.019

Caractérisation PRO : Typologies

Guilayn, F., Jimenez, J., Rouez, M., Patureau, D. (2017). Typologie des digestats de méthanisation à partir de paramètres usuels de valeur amendement/fertilisante. In: JRI 2017 - recueil des résumés. Presented at Journées Recherche et Industrie biogaz méthanisation - JRI 2017, Beauvais, FRA (2017-04-11 - 2017-04-13).

Riche en MV et C/N

Exemple: digestats Données globales agronomiques

.020


Riche en K

> 40 – 70 g/kg MS


Riche en MV et C/N


Riche en K

.021



Riche en MV et C/N


Riche en P > 25 g/kg MS

.022



Riche en MV et C/N


NH4/NTK élevé

> 60%

.023



Riche en MV et C/N


Riche en MS et C/N

Riche en MV et C/N

.024



Riche en MV et C/N


.025


Exemple: Classes de disponibilité de N

Typologies de comportement en lien avec caractéristiques classes de PRO prédire leur devenir après apport

.026

Caractérisation PRO : Caractérisation

Bilan Outils de caractérisation de plus en plus fins selon objectifs

Typologies: outil d’aide à la décision

Minéralisation/potentiel méthane -> méthodes spectrales: Réponse rapide

Fractionnement+complexité: accessibilité ET minéralisation (5jours) -> état de la

disponibilité de l’élément à plus ou moins long terme

Entrées de modèles plus globaux: gestion de la fertilisation

.027

Caractérisation PRO : Caractérisation

Bilan Outils de caractérisation de plus en plus fins selon objectifs

Typologies: outil d’aide à la décision

Minéralisation/potentiel méthane -> méthodes spectrales: Réponse rapide

Fractionnement+complexité: accessibilité ET minéralisation (5jours) -> état de la

disponibilité de l’élément à plus ou moins long terme

Entrées de modèles plus globaux: gestion de la fertilisation

Manques

Fractionnement/disponibilité N et P sur la même démarche que MO

Méthodes spectrales pour autres paramètres globaux: C, N, P sur échantillon sec puis frais -> gain en rapidité de méthodologié/aide à la décision

.028


modélisation

Prédire les caractéristiques des PRO en fonction de

matrice x traitement:

• Couplage entrée/sortie

• Représentation des fractions organiques

• Insertion dans modèle de culture

Jimenez, J., Aemig, Q., Steyer, J.-P., Patureau, D., Houot, S. (2016). Modelling anaerobic digestion and compost of organic residues: towards organic matter fate prediction in soils. Presented at ORBIT 2016 Organic Resources and Biological Treatment - 10. International Conference on Circular Economy and Organic Waste, Heraklion, GRC (2016-05-25 - 2016-05-28). GRC : Technological Educational Institute of Crete. http://prodinra.inra.fr/record/362131

http://prodinra.inra.fr/record/362131


.029


modélisation









.030


modélisation






Mêmes variables




Qualité agronomique des produits résiduaires

PRO: comment l’évaluer et comment l’inclure

dans les outils de gestion de la fertilisation?

Sabine Houot*, Directrice de Recherche

Julie Jimenez**, Chargée de Recherche

*UMR INRA-AgroParisTech Ecologie, Ecotoxicologie and Agroécosystèmes, Thiverval-Grignon, France

**LBE, Univ Montpellier, INRA, Narbonne, France

Qualité agronomique des produits résiduaires · Educational Institute of Crete. .029...

Documents

Transcript of Qualité agronomique des produits résiduaires · Educational Institute of Crete. .029...