L’agriculture occupe une position singulière dans le bilan carbone : elle émet des gaz à effet de serre, mais peut aussi stocker du carbone dans les sols. En France, ce potentiel de stockage additionnel est estimé à 20,9 MtCO₂ par an sur l’horizon 0-30 cm, dont 85,6 % relèvent des systèmes de grandes cultures. Parmi les pratiques susceptibles de le mobiliser, l’extension des cultures intermédiaires offre le gisement le plus important. Ces couverts n’étant pas récoltés, le carbone qu’ils restituent au sol dépend directement de la biomasse accumulée au moment de leur destruction, c’est-à-dire de leur biomasse maximale : cette variable conditionne à la fois l’estimation du stockage attribué à la pratique et le calcul des rémunérations versées aux agriculteurs.
Quantifier ce stockage à grande échelle suppose des démarches de Monitoring, Reporting and Verification (MRV). L’assimilation de données de télédétection dans des modèles parcimonieux en constitue la voie la plus prometteuse, les observations satellitaires contraignant la dynamique des modèles tout en réduisant le besoin d’informations sur les pratiques agricoles. La chaîne AgriCarbon-EO relève de cette approche : elle produit des séries temporelles d’indice de surface foliaire verte par inversion du modèle PROSAIL, puis les assimile dans le modèle agronomique SAFYE-CO2. Son exploitation restait limitée par deux verrous : la dépendance aux données optiques, affectées par la couverture nuageuse, et l’absence de mise en oeuvre hors d’un cadre de recherche.
Ces travaux abordent ces deux verrous en prenant pour cas d’application l’estimation de la biomasse maximale des cultures intermédiaires hivernales dans le Sud-Ouest de la France. L’apport de données optiques quotidiennes est d’abord évalué en assimilant des données Planet Fusion dans AgriCarbon-EO, seules ou en complément de Sentinel-2. La capacité opérationnelle de la chaîne est ensuite analysée sur plus de 500 parcelles d’un réseau d’agriculteurs producteurs de maïs popcorn, suivies sur deux campagnes. Le potentiel de Sentinel-1 et Sentinel-2 est enfin exploré pour estimer la date de destruction de ces couverts.
Il en ressort que la résolution spectrale des données optiques, en particulier dans le domaine du red-edge, pèse davantage sur la précision des estimations que la fréquence d’observation : seule l’exploitation conjointe de Planet Fusion et de Sentinel-2 apporte un gain. La disponibilité des images conditionne fortement l’estimation de la biomasse maximale, une date de destruction déduite de manière conservatrice entraînant une sous-estimation de 14 à 19 % selon la campagne. Les estimations de date de destruction obtenues avec Sentinel-1 à douze jours de revisite restent moins précises que celles issues de Sentinel-2, le rétablissement d’une revisite de six jours ouvrant néanmoins des perspectives. Les contraintes identifiées lors du déploiement opérationnel, et les solutions proposées pour y remédier, constituent une contribution directe à l’évolution des méthodes de MRV du carbone organique des sols agricoles |
Agriculture holds a singular position in the carbon balance: it emits greenhouse gases, yet it can also store carbon in soils. In France, this additional storage potential is estimated at 20.9 MtCO₂ per year in the 0-30 cm horizon, 85.6 % of which lies in arable cropping systems. Among the practices able to mobilise it, the expansion of cover crops offers the largest reservoir. Since these crops are not harvested, the carbon they return to the soil depends directly on the biomass accumulated at the time of their destruction, that is, on their maximum biomass: this variable governs both the storage attributed to the practice and the payments made to farmers.
Quantifying this storage at scale requires Monitoring, Reporting and Verification (MRV) approaches. Assimilating remote sensing data into parsimonious models is the most promising route, satellite observations constraining model dynamics while reducing the need for information on farming practices. The AgriCarbon-EO chain follows this approach: it produces green leaf area index time series by inverting the PROSAIL model, then assimilates them into the SAFYE-CO2 crop model. Its use remained constrained by two limitations: its dependence on optical data, affected by cloud cover, and the absence of any deployment beyond a research setting.
This work addresses both limitations, taking as a case study the estimation of the maximum biomass of winter cover crops in south-western France. The contribution of daily optical data is first assessed by assimilating Planet Fusion data into AgriCarbon-EO, either alone or alongside Sentinel-2. The operational capability of the chain is then analysed over more than 1,100 fields belonging to a network of popcorn maize growers, monitored across two campaigns. Finally, the potential of Sentinel-1 and Sentinel-2 is explored to estimate the destruction date of these covers.
The results show that the spectral resolution of optical data, particularly in the red-edge region, matters more for estimation accuracy than observation frequency: only the joint use of Planet Fusion and Sentinel-2 brings a gain. Image availability strongly conditions the estimation of maximum biomass, a conservatively inferred destruction date leading to an underestimation of 14 to 19 % depending on the campaign. Destruction dates estimated from Sentinel-1 at a twelve-day revisit remain less accurate than those derived from Sentinel-2, although the restoration of a six-day revisit opens new prospects. The constraints identified during operational deployment, and the solutions proposed to address them, constitute a direct contribution to the development of MRV methods for soil organic carbon in croplands. |