Synthèse quantitative de données expérimentales pour prédire la volatilisation d'ammoniac au champ dans les conditions agricoles de fertilisation

Quantitative synthesis of experimental data to predict ammonia volatilization under agricultural fertilization conditions

• Auteur / Autrice : Armand Favrot
• Direction : David Makowski
• Type : Projet de thèse
• Discipline(s) : Statistiques appliquées
• Date : Inscription en doctorat le 01/11/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Agriculture, alimentation, biologie, environnement, santé (Paris ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Mathématiques et Informatique Appliquées (Palaiseau, Essonne)
• Partenaire(s) de recherche : Référent : AgroParisTech

Mots clés

Mots clés libres

Science des données

Modélisation statistique

Volatilisation d'ammoniac

Fertilisation azotée

Recyclage des produits résiduaires organiques

Qualité de l'air

Data science

Statistical modelling

Ammonia volatilization

Nitrogen fertilization

Organic waste product recycling

Air quality

Résumé

L'ammoniac (NH 3 ) est émis à 94% par les activités agricoles ; il contribue fortement à la réduction de l'efficience azotée des effluents recyclés et des engrais ; il est aussi à l'origine d'impacts sanitaires et environnementaux préoccupants. L'équipe Eco&Phy d'EcoSys a acquis un ensemble de jeux de données unique incluant 10 années de mesures de volatilisation en conditions de laboratoire. Cette base de données peut potentiellement permettre de paramétrer des fonctions simples de calcul de la dynamique et du taux de volatilisation d'ammoniac pour une grande diversité d'engrais de synthèse et de produits organiques. Le.la doctorant.e aura pour objectif d'analyser la base de données d'EcoSys afin (i) d'estimer et de comparer la volatilisation d'un grand nombre de produits organiques, (ii) de développer des fonctions empiriques calculant les taux et dynamiques de volatilisation en fonction des caractéristiques du sol et des engrais et produits organiques, (iii) d'évaluer l'incertitude dans les prédictions de ces fonctions dans des conditions proches des conditions agricoles, (iv) d'incorporer ces fonctions dans des modèles mécanistes comme Volt'Air, STICS et Orchidee pour pourvoir réaliser des simulations de prédiction et des inventaires d'émission à larges échelles (parcelles, régions, pays). Compte tenu de la taille et de la structure de la base de données, l'estimation et la modélisation de la volatilisation seront réalisées à l'aide de méthodes de machine learning, permettant de tenir compte d'effets non linéaires et d'interactions complexes. L'étudiant.e pourra s'appuyer sur des équipes de renommée internationale tant en métrologie et en modélisation de la volatilisation d'ammoniac qu'en gestion et analyse de données.

Ammonia (NH3) volatilization has long been known for its environmental impacts and more recently for its contribution to the degradation of air quality and its consequences on human health. It has received renewed interest with the surge in energy prices and the scarcity of gas resources. In this context, it becomes crucial to dispose of appropriate operational predictive models of ammonia volatilization accounting for the relevant factors. This PhD thesis aims at developing simple dynamic data-driven models predicting ammonia emissions. If sufficiently accurate, these models will be used as a substitute for complex, mechanistic biophysical and geochemical models requiring input of a large number of soil and fertilizer properties. The thesis work will consist in (i) developing a large multi-year dataset of experimental data (including data collected in both lab and field experiments), (ii) training and testing simple predictive models, and (iii) including these data-driven models into process-based models simulating the effect of various fertilization strategies at large scales. This project will rely on data collected for a large variety of fertilizers classically used as well as for emerging organic products that have recently attracted attention due to the increasing interest for waste recycling and circular economy. The data-driven models will feed field-scale process models (STICS, Syst'N, etc.) and models operating at larger scales integrating the exchanges of other compounds between the biosphere and the atmosphere as well as their fate in the atmosphere (Orchid, Chimere, ESX, EMEP, etc.) The results will allow a more informed projection of scenarios concerning (i) public policies in terms of fertilization, (ii) changes in land use and agricultural systems in relation to changes in diets, (iii) land use changes resulting from climate change.