Le maintien et l’augmentation des stocks de carbone organique des sols (COS) agricoles constituent des leviers essentiels pour l’atténuation du changement climatique, la préservation de la santé des sols et la sécurité alimentaire. Portées par des initiatives internationales telles que le « 4 pour 1000 » et le Partenariat mondial sur les sols de la FAO, les pratiques favorisant la séquestration du carbone occupent une place croissante dans les politiques publiques et les mécanismes de crédit carbone. Leur mise en œuvre opérationnelle requiert toutefois des méthodes harmonisées de Monitoring, Reporting and Verification (MRV), capables de quantifier les stocks et leurs évolutions sur de vastes territoires de manière fiable, transparente, continue et économiquement viable.
Cette thèse a pour objectif de proposer un cadre méthodologique harmonisé et modulaire, adapté aux différents contextes d’application, pour la surveillance des stocks de carbone dans les sols agricoles. Elle propose également un prototype fondé sur la modélisation et la télédétection afin d’estimer les variations de stocks de carbone à haute résolution sur de larges territoires allant jusqu'à l'échelle nationale.
Dans un premier temps, les principales approches de quantification des stocks de carbone, basées sur la mesure ou la modélisation, ont été analysées afin d’identifier leurs forces et leurs limites selon différents contextes d’application (inventaires nationaux, marchés volontaires du carbone, politiques agro-environnementales). Cette analyse a permis d’élaborer un cadre méthodologique harmonisé et un arbre de décision guidant le choix de la méthode la plus adaptée aux objectifs et contraintes de chaque contexte. Les résultats montrent que des approches reposant sur des modèles parcimonieux assimilant des données satellitaires, notamment pour le suivi de la dynamique de la végétation, répondent aux besoins de la plupart des applications. Ils soulignent également la nécessité d’une estimation systématique des incertitudes pour garantir la robustesse des résultats.
Dans cette perspective, un cadre mathématique de propagation dynamique des incertitudes a été développé pour le modèle de sol AMG, utilisé notamment dans le Label Bas-Carbone. Cette approche quantifie l’impact des erreurs des données d’entrée sur les estimations des stocks de COS et de leurs variations, tout en apportant des éléments d’aide à la conception des dispositifs MRV, notamment pour le choix des données, l’initialisation du modèle et la définition des scénarios de référence.
Enfin, un prototype de quantification des stocks de carbone a été développé en intégrant le modèle AMG à la chaîne de traitement AgriCarbon-EO. Cette chaîne intégrait déjà le modèle de culture SAFYE-CO2, dont certains paramètres sont optimisés par assimilation de séries temporelles d’indices de végétation issus de satellites optiques, et qui permet d’estimer les apports de carbone au sol. L'intégration du modèle sol AMG dans la chaîne AgriCarbon-EO permet de simuler plus précisément les évolutions de stocks de COS et l'impact des pratiques sur ces derniers. Testé dans plusieurs configurations (ex. initialisation d'AMG à la parcelle ou au pixel) sur cinq parcelles agricoles du nord de l’Italie présentant des pratiques contrastées, ce prototype a aussi été comparé à une approche basée sur les mesures. Les résultats montrent que l’approche par modélisation, associée à un scénario de référence dynamique spécifique à chaque parcelle, fournit les estimations les moins incertaines. Des séries temporelles plus longues de mesures de stocks de COS et une stratégie d’échantillonnage adaptée restent néanmoins nécessaires pour confirmer les performances de cette approche. |
Maintaining and increasing soil organic carbon (SOC) stocks in agricultural soils are key levers for climate change mitigation, soil health, and food security. Driven by international initiatives such as "4 per 1000" and the FAO Global Soil Partnership, carbon sequestration practices are playing an increasingly important role in public policies and carbon credit schemes. However, their operational implementation requires harmonised Monitoring, Reporting and Verification (MRV) methods capable of quantifying SOC stocks and their dynamics over large areas in a reliable, transparent, continuous, and cost-effective manner.
This PhD aimed to propose a harmonised and modular methodological framework adapted to different application contexts for monitoring SOC stocks in croplands. It also proposes a modelling and remote sensing-based prototype to estimate SOC stock changes at high spatial resolution over large areas, up to national scale.
First, existing SOC quantification approaches based on either measurements or modelling were analysed to identify their strengths and limitations across different application contexts, including national inventories, voluntary carbon markets, and agri-environmental policies. This analysis led to the development of a harmonised methodological framework for MRV and of a decision tree to support the selection of the most appropriate quantification approach according to specific objectives and constraints. Results show that parsimonious models assimilating satellite observations, particularly vegetation dynamics, can meet the requirements of most applications. They also highlight the need for systematic uncertainty assessment to ensure the robustness and credibility of SOC estimates.
Accordingly, a mathematical framework for dynamic uncertainty propagation was developed for the AMG soil model, notably used within the French Low-Carbon Label. This framework quantifies the impact of input data errors on estimated SOC stocks and stock changes while providing methodological guidance for MRV design, including data selection, model initialisation, and baseline design.
Finally, a SOC quantification prototype was developed by integrating the AMG model into the AgriCarbon-EO processing chain. This chain already integrated the SAFYE-CO2 crop model, some parameters of which are optimised by assimilating time series of vegetation indices from optical satellites, and which allows to estimate carbon inputs to the soil. The integration of the AMG soil model in the AgriCarbon-EO chain makes it possible to simulate more precisely changes in SOC stocks and the impact of management practices on them. It was evaluated in different configurations (e.g., initialising AMG at field scale or pixel level) on five agricultural fields in northern Italy under contrasting management practices and also compared with a measurement-based approach. Results show that the modelling approach combined with a field-specific dynamic baseline provides the least uncertain estimates. However, longer SOC stock time series measurements and an appropriate sampling strategy are still required to further validate the modelling approach. |