Return to search

Modelling of the nitrogen budget of oil palm plantations to help reduce losses to the environment. Case study in Sumatra, Indonesia / Modélisation du bilan azoté des plantations de palmiers à huile pour aider à la réduction des pertes dans l’environnement. Etude de cas à Sumatra, Indonésie.

L’humanité fait face aux défis urgents de réduire l’impact environnemental de l’agriculture, de changer les régimes alimentaires et d’accroître la production alimentaire. Le palmier à huile est une plante pérenne tropicale emblématique de ces défis. Alors que sa culture peut être à l’origine d’impacts environnementaux, le palmier à huile peut produire, en conditions optimales, 7 à 10 fois plus d’huile alimentaire que les cultures oléagineuses annuelles. Dans ce contexte, améliorer la durabilité de la production d’huile de palme est crucial, tant pour réduire les impacts environnementaux négatifs que pour garantir la sécurité alimentaire. L’application de fertilisants azotés (N) a été identifiée comme une source majeure d’impacts environnementaux dus à la culture du palmier. Des analyses de cycle de vie de l’huile de palme ont été réalisées pour quantifier les impacts et identifier des améliorations de pratiques agricoles. Cependant, les seuls modèles d’émissions disponibles pour estimer les pertes de N dans l’environnement sont généralement valides pour les cultures annuelles et en climat tempéré. L’utilisation de tels modèles dans l’analyse de cycle de vie peut mener à des résultats très incertains ou à une faible sensibilité aux pratiques. L’objectif global de ce travail de recherche était d’aider à l’identification de pratiques pour réduire les pertes de N dans l’environnement. Le cœur du travail était le développement d’un modèle estimant toutes les pertes de N dans les plantations, tout en étant sensible aux pratiques. L’étude s’est concentrée sur les flux de N dans les plantations de palmiers sur sols minéraux. Nous avons réalisé quatre étapes pour mener à bien cette recherche. Premièrement, nous avons mené une revue de littérature de tout le savoir existant concernant les flux et pertes de N dans les plantations. Deuxièmement, nous avons comparé 11 modèles existants, pouvant être utilisés pour prédire les pertes de N dans les plantations. Troisièmement, nous avons réalisé une analyse de sensibilité de Morris approfondie du modèle mécaniste APSIM-Oil palm. Quatrièmement, nous avons construit IN-Palm, un indicateur agri-environnemental pour les pertes de N dans les plantations. Nous avons utilisé la méthode INDIGO® et l’approche de modélisation par arbres de décisions flous pour développer IN-Palm, et nous avons validé cet indicateur en utilisant des mesures de lixiviation de N d’une plantation à Sumatra, Indonésie. Notre revue de littérature et notre comparaison de modèles ont montré que les particularités du palmier à huile peuvent affecter significativement les dynamiques et pertes de N. Nous avons identifié des manques de recherche et des incertitudes sur les pertes de N, leurs déterminants et la modélisation des particularités du palmier. Nous avons identifié les déterminants des pertes de N et du rendement dans le modèle mécaniste APSIM-Oil palm. Nous avons développé IN-Palm, qui utilise 21 variables d’entré facilement accessibles pour estimer chaque voie de perte de N. Les prédictions de lixiviation de N par IN-Palm étaient acceptables, et IN-Palm s’est montré efficace pour tester des changements de pratiques agricoles. Cette recherche constitue une synthèse exhaustive des connaissances et modèles disponibles pour les flux et pertes de N dans les plantations. L’un des principaux résultats est un nouvel indicateur agri-environnemental, IN-Palm, sensible aux pratiques et conditions locales, de même qu’utilisable en tant que modèle d’émission dans des approches holistiques. Cet indicateur peut être une base utile pour de futures recherches sur l’utilisation d’indicateurs agri-environnementaux pour réduire l’incertitude des analyses cycle de vie, et pour de futures adaptations à d’autres plantes pérennes tropicales. / Humanity faces the challenges of urgently decreasing the environmental impact of agriculture, shifting diets and increasing food production. Oil palm is a tropical perennial crop emblematic of these challenges. While its cultivation can be associated with environmental impacts, oil palm can produce 3 to 7 t of edible oil ha-1 in optimal conditions, which is 7 to 10 fold higher than in annual oil crops. In this context, improving palm oil production sustainability is crucial for both reducing negative environmental impacts and ensuring food security. Application of synthetic nitrogen (N) fertilisers was identified as a major source of environmental impacts associated with the cultivation of oil palm. Life cycle assessments of palm oil have already been performed to help quantify impacts and identify potential improvements of management practices. However, the only available emission models to estimate N losses to environment are generally valid for annual crops and temperate climate conditions. The use of such general models in life cycle assessment may lead to very uncertain results or to low sensitivity of assessments to management practices. The overall objective of this research work was to help identify management practices to reduce N losses in the environment. The core of the work was hence to develop a model that estimates all N losses in oil palm plantations, while being sensitive to management practices. The study focused on N fluxes in industrial oil palm plantations on mineral soils. We performed four steps in order to complete the objectives of this research work. First, we conducted a literature review of all the existing knowledge about N fluxes and losses in plantations. Second, we compared 11 existing models that may be used to predict N losses in plantations. Third, we performed an in-depth Morris’s sensitivity analysis of one of the models, the APSIM-Oil palm process-based model. Fourth, we used all the information identified in the previous chapters, together with expert knowledge, to build IN-Palm, an agri-environmental indicator for N losses in oil palm plantations. We used the INDIGO® method and the fuzzy decision tree modelling approach to develop IN-Palm, and we validated this indicator using a field dataset of N leaching from a plantation in Sumatra, Indonesia. Our literature review and model comparison showed that oil palm peculiarities may impact significantly N dynamics and losses. We identified research gaps and uncertainties about N losses, their drivers and the modelling of oil palm peculiarities. We identified the main drivers of N losses and yield in the APSIM-Oil palm processbased model. We built IN-Palm, which uses 21 readily available input variables to estimate each N loss pathway. IN-Palm predictions of N leaching were acceptable, and IN-Palm has shown efficient to help testing management changes. This research constitutes a comprehensive synthesis of the available knowledge and models for N fluxes and losses in oil palm plantations. One of the main results is a novel agri-environmental indicator, IN-Palm, operationally-oriented, sensitive to local practices and environmental conditions, as well as potentially useable as an emission model for holistic approaches such as life cycle assessment. The INDIGO® method and fuzzy decision tree modelling approach were shown to be very well adapted for building agri-environmental indicators in contexts of knowledge scarcity. This indicator can be a useful base for further research about using agrienvironmental indicators to reduce uncertainty in life cycle assessment, and for future adaptations for other tropical perennial crops.

Identiferoai:union.ndltd.org:theses.fr/2017IAVF0018
Date20 October 2017
CreatorsPardon, Lénaïc
ContributorsParis, Institut agronomique, vétérinaire et forestier de France, James Cook university of North Queensland, Gabrielle, Benoît
Source SetsDépôt national des thèses électroniques françaises
LanguageEnglish, French
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.003 seconds