Recherche d`un candidat pour une thèse à partir de
Transcription
Recherche d`un candidat pour une thèse à partir de
REPUBLIQUE FRANÇAISE CENTRE DE VERSAILLES-GRIGNON UNITE MIXTE DE RECHERCHE « ENVIRONNEMENT ET GRANDES CULTURES » Recherche d’un candidat pour une thèse à partir de septembre 2013 Titre de la thèse Approches de modélisation pour l’évaluation et la comparaison des performances environnementales de systèmes de culture innovants conçus pour réduire l’usage des pesticides : intégration spatiale et temporelle, traitement des incertitudes Résumé L’objectif de ce projet de thèse consiste à développer une approche de modélisation permettant d’évaluer et de comparer les performances environnementales de prototypes de systèmes de culture conçus pour réduire l’usage des pesticides, dans le cadre du plan Ecophyto, en tenant compte de la variabilité spatio-temporelle des conditions agro-pédo-climatiques, et des principales sources d’incertitudes liées aux molécules, milieux, modèles… Les résultats permettront de (1) fournir une méthode d’évaluation quantitative des performances environnementales de systèmes de culture tenant compte des processus conditionnant le devenir des pesticides dans les sols et l’environnement, de la variabilité agro-pédo-climatique et des diverses sources d’incertitudes ; (2) proposer une démarche aidant au choix de systèmes de culture ; et (3) identifier les systèmes de culture permettant d’atteindre les objectifs du plan Ecophyto 2018, donc aider à réduire l’exposition des écosystèmes aux pesticides. Laboratoire d’accueil INRA-AgroParisTech UMR Environnement et Grandes Cultures – Equipe Sol, 78850 Thiverval-Grignon Encadrement Encadrante : Laure Mamy Directeur de thèse : Enrique Barriuso Ecole Doctorale : ABIES (AgroParisTech) Candidature Les candidatures (CV, lettre de motivation) doivent être adressées à : Laure Mamy : [email protected], 01 30 81 54 03 Profil recherché Ingénieur de grande école ou Master 2 dans les domaines de l’agronomie et/ou des sciences de l’environnement. Intérêt pour les problématiques agro-environnementales, aptitudes pour l’utilisation de modèles numériques et compétences en analyse statistique. Capacités rédactionnelles et prédisposition à travailler en équipe. Financement Bourse de thèse co-financée par le Département Environnement et Agronomie de l’INRA et par l’appel à propositions de recherche « Pour et sur le plan Ecophyto », dans le cadre du projet Perform. Institut National de la Recherche Agronomique Unité « Environnement et Grandes Cultures » - 78850 THIVERVAL-GRIGNON ++ 33 (0)1 30 81 55 55 – Fax ++ 33 (0)1 30 81 55 63 Etablissement Public à Caractère Scientifique et Technologique Placé sous la tutelle conjointe des Ministres chargés de la Recherche et de l'Agriculture Description du projet de thèse Contexte Le défi du plan Ecophyto consiste à diminuer le recours aux produits phytosanitaires, tout en continuant à assurer un niveau de production élevé en quantité et en qualité. Cela suppose les modifications des pratiques actuelles, peu durables car trop dépendantes des pesticides (Tilman et al., 2001 ; Tilman et al., 2002). Pour assurer la durabilité des agrosystèmes, il faut repenser la protection des plantes en diversifiant les méthodes de lutte, en élargissant la gamme des leviers d’intervention sur les bioagresseurs et en concevant de nouveaux systèmes de cultures pour les rendre moins dépendants des pesticides (Butault et al., 2010 ; Ecophyto 2018, 2011). Le prototypage et l’introduction de systèmes de culture expérimentaux, à caractère innovant par rapport aux pratiques courantes, s’accompagnent des évaluations ex ante de leurs performances économiques et agronomiques. En revanche, l’évaluation de leurs performances environnementales se réduit souvent à l’utilisation d’indicateurs de « pression » (quantité de produits phytosanitaires utilisés). Il faut donc, pour affiner l’évaluation environnementale des systèmes, utiliser des approches plus intégratives basées sur des modèles numériques. Il existe de nombreux modèles décrivant le devenir des pesticides dans l’environnement. Parmi les plus utilisés figurent PRZM (Pesticide Root Zone Model, Carsel et al., 1998), PEARL (Pesticide Emission model At the Regional and Local scales, Boesten & Van der Linden, 1991) et MACRO (Jarvis, 1994) qui ont été retenus pour évaluer les risques liés à l’utilisation des pesticides dans le cadre de leur homologation au niveau européen. Ces modèles diffèrent par les processus qu’ils sont capables de décrire. De nombreuses études ont été conduites pour étudier leur performance, c'est-à-dire leur capacité à reproduire ou décrire le fonctionnement d’un système réel (Carsel et al., 1985 ; Parrish et al., 1992 ; Dubus et al., 2002). C’est une étape fondamentale pour pouvoir procéder à la modélisation de situations pour lesquelles on ne dispose pas de mesures (extrapolation). Les résultats publiés dans la littérature montrent que ces modèles sont capables de reproduire plus ou moins correctement, en fonction du contexte (climat, sol, culture, pesticide), la dissipation et le transfert des pesticides en plein champ (par exemple : Brown et al., 2004 ; Mamy et al., 2008 ; Nolan et al., 2009) ; cependant les études réalisées sur des systèmes de culture sont rares (Miao et al., 2003 ; Mamy et al., 2008 ; Fait et al., 2010). Néanmoins, les modèles apparaissent comme des outils prometteurs pour évaluer et comparer le devenir des pesticides dans les systèmes de culture, mais il reste à tester leur performance dans des systèmes innovants dont les rotations, le travail du sol ou la gestion des résidus de récolte ne sont pas explicitement formalisés dans les modèles cités. D’autre part, de nombreuses incertitudes, essentiellement liées aux modèles, aux propriétés des pesticides et aux propriétés des milieux (en raison de la variabilité spatiale et temporelle notamment), peuvent biaiser l’évaluation des risques et des impacts (Dubus et al., 2003). Lorsqu’elles ne sont pas prises en compte, ceux-ci sont généralement sous-estimés (Vanderborght et al., 2011 ; Van den Berg et al., 2012). Il est donc fondamental de faire figurer l’incertitude dans le processus de prise de décision pour connaître le niveau de confiance qui peut être associé à cette décision, or ceci est encore très peu réalisé (Dubus et al., 2003 ; Van den Berg et al., 2012). Objectifs Dans la perspective d’identifier les systèmes de culture qui permettront de répondre aux critères du Plan Ecophyto et donc de préserver la qualité de l’environnement, l’objectif de ce travail de thèse est d’évaluer et de comparer les performances environnementales de prototypes de systèmes de culture conçus pour réduire l’usage des pesticides en tenant compte (1) de la variabilité spatio-temporelle des conditions agro-pédo-climatiques ; (2) des principales sources d’incertitudes liées aux molécules, milieux, modèles… Institut National de la Recherche Agronomique Programme de recherche Le programme de recherches sera structuré de la façon suivante : 1. Analyse bibliographique 2. Choix des modèles 3. Implémentation des modèles retenus pour les adapter à l’évaluation des systèmes de culture 4. Croisement (i) de l’utilisation des modèles de devenir de pesticides, (ii) d’une fragmentation de l’espace en grandes zones climatiques - pédologiques - agronomiques et (iii) d’une typologie des systèmes de culture testés 5. Traitement de la variabilité des sorties des modèles pour analyser l’incertitude des estimations des risques et les facteurs qui contribuent à ces incertitudes 6. Traitement statistique des sorties des modèles afin de mettre en évidence les facteurs les plus influents et d’identifier les systèmes présentant des bénéfices pour l’environnement Partenariat scientifique Cette proposition de thèse s’articule avec plusieurs projets qui impliquent six unités INRA (PESSACVersailles ; AGIR-Toulouse ; Agroécologie-Dijon ; Agronomie-Grignon ; EGC-Grignon ; Domaine expérimental de Brunehaut-Mons), l’INP - Ecole d’Ingénieurs de Purpan, l’ACTA et l’Université Suédoise des Sciences Agronomiques (Swedish University of Agricultural Sciences, Uppsala). Par ailleurs, ce projet de thèse est aussi basé sur des collaborations avec les Instituts Techniques (Arvalis, CETIOM…), l’ANSES et l’UIPP. Références Boesten JJTI, Van der Linden AMA, 1991. Modelling the influence of sorption and transformation on pesticide leaching and persistence. J. Environ. Qual. 20: 425-435. Brown CD, Dubus IG, Fogg P, Spirlet M, Gustin C, 2004. Exposure to sulfosulfuron in agricultural drainage ditches: field monitoring and scenario-based modeling. Pest Manag. Sci. 60: 765-776. Butault JP, Dedryver CA, Gary C, Guichard L, Jacquet F, Meynard JM, Nicot P, Pitrat M, Reau R, Sauphanor B, Savini I, Volay T, 2010. Ecophyto R&D. Quelles voies pour réduire l'usage des pesticides? Synthèse du rapport d’étude, INRA Editeur (France), 90 p. Carsel RF, Mulkey LA, Lorber MN, Baskin LB, 1985. The Pesticide Root Zone Model (PRZM): a procedure for evaluating pesticide leaching threats to groundwater. Ecol. Model. 30: 49-69. Carsel RF, Imhoff JC, Hummel PR, Cheplick JM, Donigian AS Jr, 1998. PRZM 3, a model for predicting pesticide and nitrogen fate in the crop root and unsaturated soil zones: Users manual for release 3.12. NERL, Office of Research and Development, US EPA. Dubus IG, Beulke S, Brown CD, 2002. Calibration of pesticide leaching models: critical review and guidance for reporting. Pest Manag. Sci. 58: 745-758. Dubus IG, Brown CD, Beulke, S, 2003. Sources of uncertainty in pesticide fate modeling. Sci. Tot. Environ. 317: 53-72. Ecophyto 2018, 2011. Tome 1 – Ecophyto 2018 : faits marquants de l’année 2011, 44 pp. Fait G, Balderacchi M, Ferrari F, Ungaro F, Capri E, Trevisan M, 2010. A field study of the impact of different irrigation practices on herbicide leaching. Eur. J. Agron. 32: 280-287. Jarvis N, 1994. The MACRO model (Version 3.1). Technical description and sample simulation. Uppsala, Department of Soil Science, Swedish University of Agricultural Science. Reports and dissertations. Mamy L, Gabrielle B, Barriuso E, 2008. Measurement and modelling of glyphosate fate compared to that of herbicides replaced as a result of the introduction of glyphosate-resistant oilseed rape. Pest Manag. Sci., 64: 262-275. Miao Z, Vicari A, Capri E, Ventura F, Padovani L, Trevisan M, 2003. Modeling the effects of tillage management practices on herbicide runoff in Northern Italy. J. Environ. Qual. 33: 1720-1732. Nolan BT, Dubus IG, Surdyk N, 2009. A refined lack-of-fit statistic to calibrate pesticide fate models for responsive systems. Pest Manag. Sci. 65: 1367-1377. Parrish RS, Smith CN, Fong FK, 1992. Tests of the Pesticide Root Zone Model and the Aggregate Model for transport and transformation of aldicarb, metolachlor and bromide. J. Environ. Qual. 21: 685-697. Tilman D, Cassman KG, Matson PA, Naylor R, Polasky S, 2002. Agricultural sustainability and intensive production practices. Nature 418: 671-677. Tilman D, Fargione J, Wolff B, D’Antonio C, Dobson A, Howarth R, Schindler D, Schlesinger WH, Simberloff D, Swackhamer D, 2001. Forecasting agriculturally driven global environmental change. Science 292: 281-284. Van den Berg E, Tiktak A, Heuvelink GBM, Burgers SLGE, Brus DJ, de Vries F, Stolte J, Kroes JG, 2012. Propagation of uncertainties in soil and pesticide properties to pesticide leaching. J. Environ. Qual. 41: 253-261. Vanderborght J, Tiktak A, Boesten JJTI, Vereecken H, 2011. Effect of pesticide fate parameters and their uncertainty on the selection of ‘worst-case’ scenarios of pesticide leaching to groundwater. Pest Manag. Sci. 67: 294-306. Institut National de la Recherche Agronomique