memoire de fin d’etude master 2 geeft - ecofog.gf · administrative et logistique que vous nous...
TRANSCRIPT
MEMOIRE DE FIN D’ETUDE Master 2 GEEFT
EVALUATION DE LA QUALITE DES SOLS DE LA FORET GUYANAISE EN VUE D’UN CHANGEMENT D’USAGE:
ETUDE CARTOGRAPHIQUE DES TERRES DU PAS DE NANCIBO
Soutenu publiquement le 26 Novembre 2013 par
Arifou KOMBATE Pour l'obtention du
Diplôme de Master 2 en Sciences Technologies Agronomie et Agroalimentaire
Spécialité : Gestion Environnementale des Ecosystèmes et Forêts Tropicales
Promotion: 2012-2013
AgroParisTech – GEEFT ; 648 Rue Jean-François Breton 34086, Montpellier Cedex 4 ; BP : 7355, FRANCE
Tel : 04.67.04.71.00 / Fax : 04.67.04.71.01 http://www.agroparistech.fr/geeft/
JURY Président: Bruno FERRY, Co-tuteur Membres : Anne-Marie DOMENACH, Maître de stage Stéphane TRAISSAC, Co-tuteur Bernard BARTHES
© Photos Arifou Kombate et William Montaigne, 2013
ii
REMERCIEMENTS
Ce mémoire de fin de Master 2 en GEEFT est le résultat de la contribution de plusieurs
institutions et personnes qu’il nous convient de remercier ici.
Nous adressons tout d’abord nos sincères remerciements à la Banque Mondiale dont le
financement au travers du programme de bourses universitaires conjoint Japon/Banque Mondiale
nous a permit de suivre la formation à l’Institut des Régions Chaudes (IRC) de Montpellier-
SupAgro puis à AgroParisTech centre de Montpellier. Que les responsables et formateurs de ces
établissements reçoivent toute notre reconnaissance pour l’excellence de la formation qu’ils
nous ont fait bénéficier durant les deux dernières années.
Nous adressons particulièrement notre profonde gratitude à nos tuteurs Bruno FERRY et
Stéphane TRAISSAC qui ont accepté diriger ce travail tout en nous fournissant de précieux
conseils et assistance multiforme jusqu'à l'élaboration du présent document final.
Nous remercions infiniment notre maître de stage Anne-Marie DOMENACH qui nous a
encadré dans la réalisation de cette étude depuis sa phase de conception jusqu’à la prise de
forme finale de cette œuvre.
Au président du jury de la soutenance, nous nous réjouissons de l'insigne honneur que vous
nous faites en acceptant de présider la commission qui a jugé notre travail.
Nous ne saurions assez remercier Elodie BRUNCHTEIN pour la facilité organisationnelle,
administrative et logistique que vous nous avez garantie tout au long de notre stage.
Merci à Jean-Christophe ROGGY pour votre manifestation d'une bonne volonté pratique à
nous aider dans l'appréhension de toutes les dimensions scientifiques du thème de stage.
Merci à William MONTAIGNE qui a participé entièrement à toutes les activités de l’étude en
endurant patiemment avec nous les difficultés rencontrées aux différents niveaux du projet.
Merci également à Samantha BALOU, Françoise ETIENNE, Thomas MANGEART et
Jean-Yves GORET pour vos diverses contributions lors des prélèvements d’échantillons,
analyses de laboratoire et travail de cartographie.
Que toutes les personnes ressources du laboratoire Biosol et de l’UMR Ecofog ainsi que nos
camarades stagiaires et doctorants qui ont contribué à la réalisation de ce travail sans être
nommément citées trouvent ici toute notre reconnaissance. Nous vous rassurons que l'idée que
nous gardons du bienfait nous marque autant que le récit que nous en faisons.
Que la famille KOMBATE se réjouisse de ce travail qui est le fruit de ses soutiens divers.
Nous ne saurions clore cette partie sans remercier notre Dieu de nous avoir protégés face aux
multiples risques auxquels nous étions exposés durant plusieurs semaines de terrain en pleine
forêt amazonienne.
iii
RESUME
L’augmentation des besoins en terres cultivables due à la croissance rapide de la population en Guyane française impose la conversion des terres forestières en terres agricoles en dépit des politiques de gestion durable et de protection forestière prônées par plusieurs Etats. Pour le compte du programme d’installation des agriculteurs, la présente évaluation de la qualité des sols forestiers a permis de combiner plusieurs facteurs physico-chimiques et fonctionnements biologiques des sols pour en déterminer la qualité afin d’éviter les défrichements inopportuns des forêts. Les résultats de cette étude indiquent que seul le tiers des 1200 ha délimités dans le périmètre d’attribution simplifié de Nancibo peut être exploité, mais encore, avec des associations et précautions bien particulières. Une grande partie des superficies où cette étude a permis de garder les forêts sur pied peut servir de réserve de la biodiversité. Trois cartes d’usage possibles des sols étudiés sont réalisées à une grande échelle de 1/10000 et ne sont que le résultat d’une sélection optimale pour chaque usage prévu. L’outil de sélection multicritère des superficies en fonction de leurs qualités qui est mis au point va faciliter la prise de décision lors des attributions de parcelles selon les types d’usages qui en seront fait.
Mots Clés : Besoins en terre cultivables, Guyane française, défrichements inopportuns des forêts, qualité des sols, types d’usages, outil de sélection multicritère.
ABSTRACT
The increasing demand for agricultural land due to the rapid growth of the population in French Guiana requires the conversion of forest land to agriculture despite policies for sustainable forest management and protection advocated by several states. On behalf of the farmers’ installation program, this assessment of the forest soils quality has combined several physico-chemical and biological factors of soil functions to determine the quality to prevent unnecessary clearing of forests. The results of this study indicate that only one-third of the 1,200 ha identified within the scope of simplified allocation of Nancibo can be used but with associations and many special precautions. Much of the area where this study allowed to keep forests standing may serve as a reserve of biodiversity. Three maps of possible use of the studied land are carried out at a scale of 1/10000 and are the result of an optimal selection for each intended use. The multi-criteria area selection tool in terms of their qualities that is developed will facilitate decision-making in allocating plots for different types of uses that will be made.
Keywords: Agricultural land, French guiana, quality of soil, unnecessary forests clearing, types of uses, multi-criteria area selection tool.
iv
TABLE DES MATIERES
REMERCIEMENTS ................................................................................................................ ii
RESUME .................................................................................................................................. iii
ABSTRACT ............................................................................................................................. iii
TABLE DES MATIERES ...................................................................................................... iv
I- INTRODUCTION ................................................................................................................ 1
II- MATERIELS ET METHODES ....................................................................................... 5
II.1- Site de l’étude ................................................................................................................ 5
II.1.1- Cadre biophysique ................................................................................................... 5
II.1.2- Occupation des sols de la Guyane ........................................................................... 6
II.2- Acquisition des données .............................................................................................. 8
II.2.1 - Utilisation des outils géomatiques (MNT, SIG) ...................................................... 8
II.2.1.1- Calcul des pentes ............................................................................................... 8
II.2.1.2- Exclusion de parcelles avant observations de terrain ........................................ 8
II.2.2 - Déplacements, mesures et prélèvements sur le terrain ........................................... 9
II.2.2.1- Observations et critères de prélèvement ............................................................ 9
II.2.2.2- Prélèvement et conditionnement des échantillons........................................... 10
II.2.3- Analyse au laboratoire ........................................................................................... 10
II.2.3.1- Analyses des facteurs physico-chimiques ...................................................... 10
II.2.3.2- Analyses des activités biologiques .................................................................. 11
II.3- Analyse des données .................................................................................................. 14
II.3.1- Indicateurs physiques ............................................................................................. 15
II.3.1.1- La profondeur utile .......................................................................................... 15
II.3.1.2- La topographie ................................................................................................. 15
II.3.1.3- La texture ......................................................................................................... 16
II.3.2- Indicateurs chimique et visuel ............................................................................... 17
II.3.2.1- Le pH ............................................................................................................... 17
II.3.2.2- La matière organique ....................................................................................... 18
II.3.3- Indicateurs biologiques .......................................................................................... 19
II.3.3.1- La respiration (SIR, Substrat Induced Respiration) ........................................ 19
II.3.3.2- La dénitrification (DEA, Denitrification Enzymatic Activity) ...................... 20
II.3.4- Agrégation des indicateurs de la qualité des sols .................................................. 21
II.3.5- Estimation des GES liés aux changements d’usage des terres .............................. 23
v
III- RESULTATS ................................................................................................................... 24
III. 1- Résultats des prélèvements de terrain ................................................................... 24
III.1.1- Exclusions avant les différentes observations de terrain ..................................... 24
III.1.2- Résultats à l’issu des différentes observations sur le terrain ............................... 24
III. 2- Résultats à l’issu des analyses au laboratoire ....................................................... 27
III.2.1- Classification suivant le référentiel ...................................................................... 27
III.2.2- Analyse des résultats de laboratoire..................................................................... 28
III.2.3- Répartition des parcelles suivant les qualités des sols ......................................... 29
III.3- Analyses statistiques des indicateurs étudiées ........................................................ 32
III.3.1- L’ACP des variables quantitatives ....................................................................... 32
III.3.2- Analyse des corrélations entre quelques variables .............................................. 33
III.4- Bilan carbone du programme d’installation des agriculteurs .............................. 37
IV- DISCUSSION ................................................................................................................... 38
IV.1- Méthodologies d’acquisition et de traitement des données ................................... 38
IV.2- Mise au point et utilisation des indices de la qualité des sols ................................ 39
IV.3- Emissions des GES et déforestation évitées ............................................................ 41
V- CONCLUSION ET PERSPECTIVES ............................................................................ 42
REFERENCES BIBLIOGRAPHIQUES ............................................................................. 44
LISTE DES ABREVIATIONS ............................................................................................. 48
TABLE DES FIGURES ......................................................................................................... 49
TABLE DES PHOTOS .......................................................................................................... 49
TABLE DES TABLEAUX .................................................................................................... 50
LISTE DES ANNEXES ......................................................................................................... 50
ANNEXES ............................................................................................................................... 51
1
I- INTRODUCTION
Dans la zone tropicale, les forêts constituent des réserves foncières souvent convoitées par les
agriculteurs dont les moyens de production ne permettent pas d’intensifier leur exploitation.
Pour la plupart des cas, ils pratiquent l’agriculture itinérante sur brulis en reproduisant des
systèmes agraires extensifs donc fortement consommateurs des terres, généralement
directement issue des forêts (Buttoud, 2001). Les changements d’usage des terres notamment
le passage des terres forestières aux terres agricoles nuisent aux écosystèmes forestiers
mondiaux d’autant plus que « l’agriculture est identifiée comme étant de loin la principale
cause de déforestation tropicale » (Leroy et al., 2013).
Depuis quelques décennies, plusieurs dispositions sont prises de par le monde telles que les
directives européennes pour la gestion durable des forêts ainsi que la stratégie forestière de
l’UE et le plan d'action en faveur des forêts afin de conserver au mieux ces écosystèmes et
empêcher leur dégradation. Par exemple, en s’appuyant, entre autres, sur l'importance
croissante des questions planétaires et intersectorielles dans la politique forestière, appelant à
une plus grande cohérence et coordination, l'objectif général du plan d'action de l'Union
Européenne (UE) est de « soutenir et d'améliorer la gestion durable et le rôle multifonctionnel
des forêts » (CCE, 2006). Dans ce même contexte, le parlement européen appelle la
commission et les Etats membres à manifester leur soutien au processus Forest Europe en
rendant obligatoire la mise en œuvre de la gestion durable des forêts (GDF) au sein de
l’Union européenne (Parlement Européen, 2011).
Malgré le développement du concept de la GDF, les forêts, surtout celles de la zone tropicale,
continuent d’être soumises à d’intenses pressions depuis les années 1990, ce qui conduit à la
déforestation et à la dégradation de ces forêts (Leroy et al., 2013). L’avenir des forêts
tropicales et leur gestion posent des questions « très directement articulées avec la politique
forestière française » (Guéneau et al., 2012). La Guyane française, plus grand territoire de
l’EU couvert par une forêt tropicale, présente l’accroissement démographique le plus élevé de
toutes les régions de France (croissance annuelle moyenne de 3,78% entre 1999 et 2006)
approchant celui des pays en développement. La répartition de la population dans cette région
est très inégale, avec une très forte concentration sur les communes littorales (Jean-Michel et
Marianne, 2011). Face à cette démographie galopante, la Guyane est de plus en plus soumise
à des problèmes de déforestation tout comme la plupart des pays de l’Amérique latine où la
plus forte perte nette (environ 3,6 M ha/an sur la période 2000-2010) est enregistrée dans le
bassin de l’Amazonie (Leroy et al., 2013).
L’objectif de la politique agricole étant d’améliorer l'autosuffisance alimentaire dans le cadre
d'un modèle de développement endogène (Menard et Morin, 2012), le Conseil Général de
2
l’Alimentation, de l’Agriculture et des Espaces Ruraux (CGAAER) a été chargé par le
ministère de l’agriculture et de l’alimentation, d’une lettre de mission relative à la
problématique foncière. Le rapport de cette mission a révélé que « le simple maintien
du niveau actuel d'auto-approvisionnement nécessiterait la mise en valeur de 1000 ha de SAU
supplémentaires chaque année » (Menard et Morin, 2012). Pour faciliter la fixation des
populations qui expriment une demande foncière de plus en plus importante, cette agriculture
traditionnelle basée sur un modèle d’abattis brûlis, doit évoluer vers un modèle sédentaire,
« ce qui passe aussi par des actions adéquates dans le domaine du foncier » (Menard et
Morin, 2012).
En marge des directives européennes précédemment mentionnées, la Guyane fait donc
exception en définissant dans ses forêts, des périmètres d'attribution agricoles pour
l’installation des agriculteurs afin de combler les besoins alimentaires de sa population en
forte croissance. Une alternative pour faciliter cette installation d’agriculteurs ne disposant
pas assez de moyen d’investissement de départ est le "dispositif d’aide à la déforestation" des
parcelles agricoles (Annexe 1) conçu et mis en œuvre par le Conseil Général de la Guyane
(CGG) et qui s’accompagne malheureusement de tout son corolaire d’émission de gaz à effets
de serres (GES).
Il convient de noter que cette initiative d’installation des agriculteurs sur des terres forestières
n’est pas la première en Guyane puisqu’elle n’est qu’un rebondissement du plan vert des
années 75 qui, visant à développer l’agriculture guyanaise, avait rapidement buté sur de
nombreuses difficultés. En effet, le plan vert a d'abord été présenté comme une urgence pour
la Guyane qui s’offrait comme une sorte de terre promise où l'Etat distribuait des terres avec
des aides de démarrage à tous les migrants désirant s’installer (Jolivet, 1987). Ce plan vert
prévoyait que l’agriculture utiliserait une part des surfaces libérées par de vastes opérations de
déboisement, (concessions de 300 000 hectares), pour ne plus avoir à sa charge les coûts de
défrichement (Michel et al., 1995). L’Etat se portait garant auprès des agriculteurs qui
bénéficiaient d’un ensemble de prêts à taux modérés mais l’échec généralisé des premiers
agriculteurs installés et la contestation des autochtones l’amenèrent à procéder au
remboursement à 80% par endroits et même à 100% pour ceux de Nancibo (Traissac,
communication personnelle, 17 Août 2013).
La question que l’on se pose dans cette étude est de savoir à quoi était dû l’échec des quelques
agriculteurs installés par ce plan vert. Une des réponses à cette question est probablement la
mauvaise connaissance de la qualité des sols attribués ou plus généralement, le manque
d’études préalables de ces sols. Les prochains programmes d’installation ne pourront donc se
permettre de se faire sans ces études. C’est pourquoi le rapport de mission du CGAAER
propose que la formulation de la politique du foncier agricole en Guyane privilégie « les
3
installations groupées d’agriculteurs sur des périmètres d’attribution ayant fait l'objet d'études
préalables de la topographie et du potentiel agronomique » (Menard et Morin, 2012).
Notre étude s’inscrit dans ce cadre et répond à la volonté des autorités nationales et régionales
notamment la DAAF (Direction de l’Alimentation, l’Agriculture et de la Forêt) de pouvoir
distribuer les terres (actuellement boisées) en fonction de la qualité des sols et non pas au
hasard ou simplement par leur facilité d'accès. Cette étude à été confiée par la DAAF et
l’ASP (Agence des Services de Payement) à SOLICAZ qui est une entreprise innovante de
recherche-développement, spécialisée en ingénierie écologique et se positionnant sur la mise à
disposition d’outils biologiques (bio-indicateurs du fonctionnement du sol) pour une
évaluation optimale des services offerts par les systèmes naturels.
L’objectif général de cette étude est de disposer d’un outil permettant d’adapter au mieux les
futurs usages aux propriétés physico-chimiques et biologiques des sols étudiés en réduisant
ainsi la dégradation inutile de la forêt guyanaise dans un projet d’installation d’agriculteurs.
Cet outil ne pourra être construit qu’à partir d’indicateurs objectifs (physiques, chimiques et
biologiques) choisis comme les plus importants dans le cadre tropical, les plus faciles à
observer et à mesurer en tenant compte du coût économique de mesures (Recommandation
GISSOL, 2005).
Pour faire le lien entre la couverture pédologique et la fertilité des sols, Boulet et al., (1984)
affirment que dans le contexte du sol guyanais, la fertilité chimique naturelle est partout très
basse alors que les propriétés physiques varient considérablement d’un point à l’autre. C’est
pourquoi nous avons aussi naturellement privilégié en premier lieu la fertilité physique.
De plus, contrairement à la qualité chimique des sols qui peut être améliorée par des intrants,
les propriétés physiques ne peuvent pas être changées. Pour ces raisons, dans le contexte
guyanais, le plus grand poids sera donné aux conditions physiques du sol telles qu’à la
profondeur du sol et à la texture.
Nous privilégierons également les mesures du fonctionnement biologique des sols qui,
d’après Mausbach et Tugel, (1997), représentent les valeurs les plus intégratives de la
connaissance de la qualité du sol car dépendantes de l’ensemble des facteurs
environnementaux. Elles représentent également la capacité du sol à transformer la matière
organique en éléments nutritifs pour les plantes. Les bio-indicateurs utilisés sont basés sur la
mesure des principales fonctions microbiennes liées aux cycles du carbone et de l’azote
(Schloter et al., 2003).
Les objectifs spécifiques visés au terme de cette étude portant sur 1200 hectares dans la zone
du PAS (Périmètre d’Attribution Simplifié) de Nancibo sont :
4
- Répertorier et exclure de la zone d’étude les parcelles impropres à une mise en
exploitation agricole ;
- Déterminer, sur la base d’une catégorisation multicritères, les différentes possibilités
et limitations en terme de changement d’usage des terres ;
- Réaliser une représentation cartographique des affectations possibles de chaque
composante des terres étudiées par rapport aux propositions de futurs usages (verger,
maraîchage ou pâturage).
Ce travail s’articule autour de cinq principales parties. La première est la présente
introduction qui énonce la problématique depuis ses origines ainsi que les objectifs de l’étude,
la deuxième, matériels et méthodes, expose le site de l’étude puis toutes les démarches suivies
pour l’acquisition et l’analyse des données. Il s’agira ensuite de la partie résultats qui présente
les principaux résultats atteints par cette étude suivie de la partie discussion. Le présent
document se termine par une conclusion portant sur un aperçu général du travail réalisé et les
perspectives de l’étude qui peuvent se décliner en recommandations pour le commanditaire
principal ou l’organisme d’accueil.
5
II- MATERIELS ET METHODES
II.1- Site de l’étude
II.1.1- Cadre biophysique
Notre travail a eu lieu en Guyane, Département d’Outre-Mer (DOM) depuis 1946, seule
région française et européenne située sur le continent sud-américain (Figure 1), entre 2° et 5°
de latitude nord et entre 51° et 55° de longitude ouest (Conseil Régional de la Guyane, 2006).
D’une superficie de 83 534 km², la Guyane est recouverte à plus de 90 % par la forêt dense
tropicale humide (Sabatier et Prévost, 1990). Elle est régie par un climat équatorial humide
avec des sols marqués par une pédogénèse ferralitique ancienne (Andrieux, 1990) qui
définissent, du SSO au NNE du littoral, trois grands paysages guyanais à savoir les hautes
terres (altération du socle), les basses terres exondées (Sable et argile colluvio-alluvion) et les
basses terres (alluvion et sédiments marins) (Leprun et al., 2001).
Dans la commune de Roura (Figure 1) où s’est tenue cette étude, les précipitations annuelles
avoisinent les 4000 mm par an qui sont les plus élevées de la Guyane français.
Figure 1:Situation du site de l’étude (Roura)
Cette commune est dans une zone caractérisé par un relief très vallonné où les nombreuses
collines atteignent entre 100 et 160 m d'altitude avec comme grands ensembles géologiques
des roches plutoniques (granites et granitoïdes), des terrains métamorphiques volcano-
sedimentaires et sedimentaires, et des recouvrements sédimentaires du quaternaire (Weng et
al., 2004). Le village de Nancibo, où s’est précisément déroulée notre étude, est situé dans la
commune de Roura et présente des sols ferralitiques fortement désaturé qui sont en fait une
association de sols ferrallitiques typiques, remaniés, appauvris et rajeunis sur schistes de
l'Orapu et sur matériau granitique de la série guyanaise (Barret et al., 2001). Les couvertures
pédologiques du "plateau" de Nancibo « dérivent les uns des autres par la disparition
6
successive des horizons supérieurs d’une couverture initiale épaisse argileuse et perméable »
(Boulet et Veillon, 1982). On y trouve des sols de bas-fond à engorgement temporaire ou
permanent où le pédoclimat est défavorable à cause de l’alternance des périodes de saturation
lors des fortes pluies et de dessiccation poussées pendant les périodes sèches.
II.1.2- Occupation des sols de la Guyane
Dans les Départements d’Outre-mer, les espaces naturels supportent en grande partie
l’extension des surfaces artificialisées (CGDD, 2011), alors qu’en métropole la progression
se fait surtout aux dépens des terres agricoles (Pageaud, 2012).
L’Etat, propriétaire à 99 % des forêts de Guyane (Conseil Régional de la Guyane, 2006), a
confié à l’Office National des Forêts (ONF), la gestion de ses espaces forestiers soumis à
différents régimes suivant leur localisation (Figure 2).
Figure 2: Différents régimes de gestion des forêts de Guyane (ONF)
Les espaces naturels reculent aussi au profit de surfaces agricoles et c’est en Guyane que la
part des surfaces artificialisées augmente le plus (CGDD, 2011). Conformément à la
localisation de la population, les espaces artificialisés se concentrent en grande partie dans les
20 kilomètres de large près du littoral et les terres agricoles y occupent une grande part
(Figure 3).
7
Figure 3: Occupation des sols de la bande littorale de la Guyane en 2006
Le site de notre étude ci-dessous (Figure 4) est localisé dans le village de Nancibo situé dans
la commune de Roura. C’est de ce périmètre que seront délimités les 1200 hectares
constituant la superficie contractuelle entre l’entreprise et son commanditaire.
Figure 4: Zone d’étude : PAS de Nancibo
8
II.2- Acquisition des données
II.2.1 - Utilisation des outils géomatiques (MNT, SIG)
II.2.1.1- Calcul des pentes
Les éléments de fond cartographique tels que la carte IGN et le modèle numérique de terrain
(MNT), réalisés par l’entreprise Altoa nous ont été fournis par l’Agence des Services de
Paiement (ASP), principal commanditaire de ce travail. Ce MNT a été préalablement obtenu
par un balayage LiDAR (Light Detection And Ranging) qui utilise une combinaison du
télémètre laser, du système de référence inertiel et du GPS pour produire rapidement une
impressionnante densité de points 3D géoréférencés avec une grande précision altimétrique et
à un coût abordable.
Nous avons premièrement posé une grille de 100m x 100m en délimitant, à proximité de la
piste, les 1200 ha devant faire l’objet de notre étude. De cette superficie matérialisée par les
centroïdes des hectares, sont supprimés les points tombant dans les zones fréquemment
inondables, les cours d’eau ainsi que les parcelles déjà occupées.
Le calcul des pentes moyennes a été fait à l’aide du logiciel Arcgis 9.2 sur la base d’un
modèle numérique de terrain à pas de 5 m sans ombrage. Il était prévu au départ la visite et le
prélèvement d’un échantillon par hectare pour ceux dont la pente moyenne n’excède pas les
30% conformément à la limitation moyenne à forte pour l’agriculture selon la FAO (SYS,
1978). Cette limitation devrait permettre de s’assurer que l’usage futur, lorsqu’il est mécanisé,
n’augmenterait pas les risques d’érosion.
II.2.1.2- Exclusion de parcelles avant observations de terrain
Comme l’indique la Figure 5 ci-après, la première tentative d’installation des agriculteurs
dans la zone d’étude au travers du plan vert s’est résulté par l’habitation et le défrichement, de
façon presque systématiquement symétrique tout le long de la route de Nancibo.
Figure 5: Nombreuse collines, zone tampon et domaine privé sur image Google Earth
9
La zone d’étude étant essentiellement constituée de petites collines, après exclusion des
pentes supérieures à 30% et selon la vision de départ, il ne restait que 387 ha (soit 32,25% de
la superficie totale) qui devraient faire l’objet d’une prospection. Mais par observation sur le
terrain, il a été constaté que les agriculteurs déjà installés dans la zone exploitent des parcelles
à pente bien supérieure à 30 % (16,7°) principalement pour les vergers (cocotier, agrumes,
cacao, bananier, ananas…) et pour le pâturage.
Fort de cette constatation, la décision a été prise de considérer les parcelles aptes à
l’agriculture jusqu’à une pente de 100% (soit de 45°). Les échantillons prélevés appartenant à
des parcelles à pentes n’excédant pas les 100% ont été répartis en deux classes (moins de 30%
et de 30 à 100%) avec pour recommandation de ne pas utiliser d’engins mécaniques sur les
parcelles à pentes supérieure à 30%. La zone d’étude comprend 777 hectares avec des pentes
moyennes inférieures ou égale à 100% (soit environ 65% de la superficie contractuelle). Une
zone tampon (200 m de part et d’autre de la piste) contenant 101 ha de la grille que nous
avions posée en plus d’un domaine privé de 112 ha de prélèvement ont aussi été exclus des
échantillons à prélever.
II.2.2 - Déplacements, mesures et prélèvements sur le terrain
II.2.2.1- Observations et critères de prélèvement
Le fait que la répartition des parcelles à pente moyenne inférieure ou égale à 100% s’étale sur
toute la zone d’étude oblige à traverser plusieurs hectares à forte pente pour visiter et
échantillonner l’ensemble des parcelles susceptibles de remplir les critères de sélection
choisis. Pour que le sol prélevé soit représentatif de l’hectare correspondant, l’échantillonnage
se fait sur une surface relativement homogène en évitant les pistes et layons où le sol est
souvent tassé ainsi que les amoncellements de végétaux où la matière organique est
localement plus abondante. Plus généralement, les critères devant être réunis pour que le
prélèvement soit fait sont principalement :
- une profondeur de sol utile minimale de 20 cm, qui peut être limitée soit par une
croute rocheuse soit par une nappe.
- une absence d’engorgement de la zone de prélèvement (certains bas-fonds)
- une absence d’hydromorphies cachées (drainage latéral, nappe perchée)
- une absence des sables blancs à la surface du sol. Les sables blancs représentent le
terme ultime de la podzolisation, lorsque le sol formé exclusivement de grains de
quartz devient infertile.
10
En plus de ces critères, les observations sur les affleurements rocheux et les variations très
remarquables de texture ou de couleur sur les carottes de terre d’un même point de
prélèvement sont notées durant la phase de terrain.
II.2.2.2- Prélèvement et conditionnement des échantillons
Les parcelles qui ont été retenues pour la suite des évaluations sont celles dont la profondeur
de sol meuble correspond au moins aux plus petites limitations culturales en relation avec la
profondeur du sol utile (Boyer, 1982). En cas de limitation, nous marquons la profondeur à
laquelle elle se situe mais en cas non limitation, la vérification de la profondeur s’arrête dès
que le sondage franchit les 80 cm.
L’activité biologique est maximale dans l’horizon de surface et décroît plus ou moins
rapidement avec la profondeur, c’est une des raisons pour lesquelles l’horizon de surface sera
plus concerné par les sondages de cette étude. Sur chaque carotte de terre prélevée, ce sont les
10 à 15 premiers centimètres qui sont ensachés et étiquetés pour l’analyse au laboratoire.
Les échantillons prélevés sont conservés dans un réfrigérateur et ramenés au laboratoire à la
fin de chaque semaine. Ils sont alors séchés par une exposition à l’air climatisé (20°) du
laboratoire. Après deux à trois jours de séchage, ils sont tamisés au travers d’une maille de
5mm puis de 2mm et ensuite mis au frigo (0 à 3°) en attendant d’être analysés.
II.2.3- Analyse au laboratoire
Après avoir répertorié et exclu de la zone d’étude les parcelles impropres à une mise en
exploitation agricole, les échantillons de sols effectivement prélevés ont été soumis à des
analyses permettant de déterminer leurs propriétés physico-chimiques et leurs
fonctionnements biologiques. C’est l’évaluation et la hiérarchisation multicritère de ces
facteurs qui permettront par la suite de définir des niveaux de qualité du sol en 3 catégories
à savoir "bonne", "moyenne" et "faible".
II.2.3.1- Analyses des facteurs physico-chimiques
Les caractéristiques physico-chimiques étudiées sur ces prélèvements sont la texture, la
quantité de matière organique contenue dans les échantillons et le pH qui sont les principales
propriétés physico-chimiques intégratives de la qualité des sols. L’étude de la texture des sols
consiste en une analyse granulométrique : analyse consistant à classer les éléments du sol
d'après leur grosseur et à déterminer le pourcentage de chaque fraction.
11
Il convient de noter que pour des raisons économiques, la plupart des analyses de
caractéristiques physico-chimiques n’ont pas été réalisées de façon systématique sur tous les
échantillons prélevés. C’est le cas par exemple des taux de MO, et d’argile qui ont été évalués
respectivement par des techniques de visualisation pour la couleur et de toucher en se basant
sur un référentiel préalablement défini de 22 échantillons (représentatifs de la diversité des
sols de la zone d’étude) dont les analyses complètes ont été faites dans un laboratoire de la
métropole. L’évaluation de la texture du reste de 400 échantillons retenus a été donc faite
manuellement en suivant la méthode de Prosensols, (2013) et en s’inspirant aussi de la
méthode de Thien, (1979) figurant à l’Annexe 5.
La matière organique joue un rôle fondamental pour le maintien de sols vivants à long terme.
Un taux de matière organique élevé favorise le développement des micro-organismes et de la
faune des sols. Ce sont ces mêmes micro-organismes qui mettent ensuite les éléments
minéraux à disposition des plantes grâce à la minéralisation de cette manière organique. Les
caractéristiques des matières organiques et leur contenu dans les sols doivent donc être
considérés comme des critères indispensables au diagnostic en matière de fertilité.
Le pH du sol est un indicateur des conditions physico-chimiques de la solution du sol. Il
exerce un effet direct sur l’activité microbienne (ITAB, 2002) du sol ainsi que sur la
biodisponibilité des nutriments, à travers des phénomènes de solubilisation et
d’insolubilisation propres à chaque élément. En particulier, un pH acide peut bloquer la
disponibilité d’éléments minéraux tels que le phosphore (Boyer 1982). Pour la mesure du pH,
40 ml d’eau distillée sont ajoutés à 20g de sol sec par échantillon contenu dans un flacon
plasma de 150 ml qui est ensuite posé sur un agitateur électrique. Après une heure d’agitation,
le mélange est laissé au repos pendant 30 minutes pour être décanté avant la mesure au pH-
mètre.
II.2.3.2- Analyses des activités biologiques
Sachant que le cycle bio-géochimique des nutriments du sol est en grande partie le fait de
microorganismes en interrelations avec leur environnement et le rôle fondamental qu'ils
jouent dans le fonctionnement du sol (Nannipieri et al., 2003), ceux-ci sont très largement
utilisés comme bio-indicateurs. En effet, ils remplissent les critères nécessaires à l'élaboration
d'un indicateur efficace (facilités de mesure, sensibilité au stress, robustesse d’après Dale et
Beyeler, (2001)). Le grand nombre de fonctions fait qu’elles ne peuvent pas être prises en
compte de manière exhaustive. Il est donc nécessaire de choisir des activités microbiennes qui
12
rendent compte du fonctionnement global du sol. Ces activités doivent être choisies selon
trois types de critères: (1) l’importance écologique des flux générés se rapportant aux deux
plus importants cycles des éléments que sont le carbone et l’azote (2) la représentativité par
rapport à l’ensemble de la communauté microbienne du sol et, (3) l’accessibilité technique à
la mesure des activités choisies. Dans ce contexte, les fonctions choisies sont la respiration et
la dénitrification.
Après les travaux de terrain et le conditionnement des échantillons, nous avons donc procédé
à des mesures de respiration et de dénitrification potentielles, c’est-à-dire en conditions non
limitantes de substrat. Ceci revient à évaluer les capacités enzymatiques des microorganismes
présents dans le sol au moment du prélèvement (Lensi et al 1985)
Nous avons choisi de mesurer le fonctionnement optimal plutôt que le fonctionnement réel
pour limiter l’impact des variations climatiques et pouvoir ainsi comparer les différents points
d’échantillonnage. Pour ce faire, les sols tamisés et conditionnés sont repartis en 4 aliquotes
de 20 grammes chacune dont 2 serviront aux analyses biologiques, 1 à la mesure du pH et le
dernier en réserve pour une reprise de mesure en cas d’éventuels résultats aberrants. Les deux
mesures d’activités biologiques consistent à doser par chromatographie en phase gazeuse le
CO2 et le N2O à l’aide du microcatharomètre de marque CP 4900 VARIAN et du logiciel
Galaxie selon le protocole d’utilisation (Annexe 2). Les résultats seront évalués en quantité de
C-CO2 et de N-N2O produits respectivement par la respiration et la dénitrification des micro-
organismes contenus dans les sols.
� Activités de respiration
La respiration microbienne du sol concerne l’ensemble des micro-organismes dans leur
diversité et abondance. Elle nous renseigne sur la capacité de la communauté microbienne
hétérotrophe du sol à dégrader la matière organique. Elle peut aussi être considérée comme un
indicateur de la biomasse microbienne totale active du sol et donc de sa capacité biotique.
Les mesures de la respiration sont faites en suivant un protocole reconstitué (Annexe 3) sur la
base des travaux d’Anderson et Domsch (1978), Beare et al. (1991), Rouessac et al. (2000) et
de Pansu et Gautheyrou (2003).
Les manipulations de cette analyse (Figure 6) se présentent comme suit : Pour une série
d’échantillons donnée dont la mesure de la saturation en eau a été déjà faite, 20 g de sol sont
mis dans chaque flacon à plasma de 150 ml. On y ajoute jusqu’à 80% de saturation une
solution nutritive de glucose préparée de sorte qu’un milligramme de C-glucose corresponde à
un gramme de sol du flacon. Après avoir ajouté, à intervalle régulier de 5 minutes, la solution
sur leur contenu, les flacons son
aluminium puis placés, au fur et à
Figure 6: Récapitulatif de la méthodo
La mesure de CO2 contenue dan
chaque flacon à une heure (T1
constante dans une étuve. La resp
obtenue par la différence des qu
d’incubation.
� Activités de dénitrificatio
La dénitrification est une respira
(10-20% de la microflore totale
d’anoxie (par exemple, durant le
nitrate libérant l’azote dans l’atm
d’un dégagement de produits seco
Les activités de dénitrification so
(Annexe 4) reconstitué à partir d
(2003) et de Tiedje et al. (1984)
Pour une série d’échantillons do
20 g de sol sont mis dans chaque
d’un caoutchouc puis scellés d’u
banc à vide où l’air qu’ils conti
l’anaérobiose. Pour cela, l’on pro
bar de pression créant ainsi
(C2H2) jusqu’à 0 bar (pression
réductase bloquant la transforma
dénitrifiés sous forme de N2O
20g de sol
Solution de glucose
sont bouchés à l’aide d’un caoutchouc, scellés
s, au fur et à mesure, à l’étuve ( 28°C) pour incubation
e la méthodologie de mesure de la respiration microbienne
contenue dans le flacon est réalisée au microcatharomètr
e heure (T1) et cinq heures (T5) après une incubation
a respiration potentielle des micro-organismes de
rence des quantités trouvées en ces deux temps et rame
itrification
spiration de l’oxygène du nitrate que certains or
roflore totale) peuvent développer lorsqu’ils se trouven
ple, durant les périodes d’hydromorphie). Elle consist
l’atmosphère sous forme de N2 et de N2O et
secondaires tels que le CO2.
itrification sont mesurées dans les échantillons en se référ
tué à partir des travaux de Lensi et al. (1985), de Pansu
(1984).
antillons donnée dont la mesure de la saturation en eau
dans chaque flacon à plasma de 150 ml qui sont ensuite
is scellés d’une bague en aluminium (Figure 7). Ces flac
ils contiennent est vidé et remplacée par l’hélium
l’on procède à 6 cycles manuels de vide rapide/héli
une situation d’anaérobie avant de complét
ar (pression atmosphérique). L’acétylène est un inhibi
a transformation N2O en N2. Ceci permet une accumulati
plus facile à mesurer que le N2. A l’aide d’une s
Après 1heure à l'étuve Après 4heu
Injection au Microcatharomètre
du CO2 à T1
InjectiMicrocath
du CO
13
houc, scellés d’une bague en
incubation.
ocatharomètre, deux fois sur
ne incubation à température
ganismes de l’échantillon est
et ramené à une heure
e certains organismes du sol
ls se trouvent en conditions
consiste à la réduction du
et qui s’accompagne
ns en se référant au protocole
Pansu et Gautheyrou
ration en eau a été déjà faite,
sont ensuite bouchés à l’aide
Ces flacons sont mis au
ar l’hélium (He) pour créer
e rapide/hélium jusqu’à -0,1
compléter par l’acétylène
st un inhibiteur de la N2O
e accumulation des produits
l’aide d’une seringue, chaque
Après 4heures à l'étuve
Injection au icrocatharomètre
du CO2 à T5
échantillon est réhydraté jusqu’à
mg de C-glucose/g équivalent
équivalent de sol sec) et de nitrate
Notons que les solutés sont mis
de Na2HPO4 et de 87,5% de
minutes, la solution sur leur con
(28°C) pour incubation.
Figure 7: Récapitulatif de la méthodo
Deux injections faites au micro
chaque flacon soit passé à l’étuve
mais aussi de CO2 contenu
dénitrification potentielle des
des quantités trouvées en ces deu
II.3- Analyse des donn
A l’issue de ces travaux de terra
retenues sont classés en types
Les sols et les valeurs des indic
conditions climatiques, topograph
type de végétation. La qualité
propriétés ou procédés différents
comme indice de la qualité du so
quatre groupes: visuel, physiq
Conservation Service, 1996).
C’est donc ces quatre groupes d
échantillons afin d’en déduire la q
1 Mélange de 12,5% de Phosphate de sodium di
20g de sol
6 séries de vide/Hélium (He)
puis admission d’acétylène (C2H2)
C
jusqu’à 100% de saturation avec une solution compo
équivalent de sol sec), de glutamate (1 mg de C-acid
) et de nitrate de potassium (50µg de N-KN2O/g de sol se
tés sont mis dans une solution à pH6 constitué d’un mé
de KH2PO4. Après avoir ainsi ajouté, à interval
sur leur contenu, les flacons sont placés au fur et à m
e la méthodologie de mesure de la dénitrification microbienne
tes au microcatharomètre, une heure (T1) et six heures
assé à l’étuve, permettent à chaque fois de mesurer les
contenues dans le flacon. L’on en déduit ensuite
micro-organismes contenus dans l’échantillon
es en ces deux temps.
yse des données
vaux de terrain et mesures en laboratoire, les échantillo
selon la qualité du sol via une méthodologie d’h
urs des indicateurs varient en raison des différences de
es, topographique ou la position du paysage, les organis
La qualité du sol est estimée par observation ou la mes
dés différents. Il n’existe pas de propriété unique qui pu
qualité du sol. Les indicateurs de la qualité du sol peuven
suel, physique, chimique et biologique (USDA Nat
tre groupes d’indicateurs (Tableau 1) qui nous ont perm
n déduire la qualité.
de sodium dibasique et 87,5% de Phosphate de potassium monobasique
Après 1heure à l'étuve Après 5 h
Inje
catha
et
Injection au Micro-
catharomètre du N2O
et CO2 à T1
Solution de C6H12O6 + C5H9NO4 +
KNO3
14
lution composé de glucose (1
acide glutamique/g
O/g de sol sec).
itué d’un mélange1 de 12,5%
, à intervalle régulier de 5
u fur et à mesure, à l’étuve
icrobienne
heures (T6) après que
es quantités de N2O
ensuite celle liée à la
échantillon par la différence
es échantillons des parcelles
odologie d’hiérarchisation.
fférences de roche-mère, des
, les organismes du sol, et le
n ou la mesure de plusieurs
nique qui puisse être utilisé
u sol peuvent être classés en
(USDA Natural Resources
permis d’évaluer les
Après 5 heures à l'étuve
Injection au Micro-
catharomètre du N2O
et CO2 à T6
15
Tableau 1: Groupes d’indicateurs utilisés pour définir la qualité des sols
Groupe Indicateurs Éléments d’évaluation
Physique Profondeur utile Niveau de la nappe ou de la croute rocheuse
Topographie Pente, bas-fond Granulométrie Texture
Chimique Matière organique2 Teneur
pH3 Niveau d’acidité
Biologique Respiration Capacité biotique (microbienne)
Dénitrification Diversité microbienne (pourcentage des
dénitrifiants) Visuel Matière organique Couleur
Afin d’intégrer ces indicateurs dans l’évaluation de la qualité du sol, tous les groupes
d’indicateurs mentionnés dans le Tableau 1 ci-dessus ont été considérés.
II.3.1- Indicateurs physiques
II.3.1.1- La profondeur utile
La profondeur des sols affecte aussi bien l’enracinement des plantes que la disponibilité en
matière organique (Canadell et al., 1996 & Glaser et al., 2001). Dans cette étude où les
facteurs physiques sont considérés comme primordiaux, la profondeur utile est mesurée plutôt
pour son aptitude à recevoir des plantes de niveaux d’enracinement différents. C’est elle qui
déterminera l’affectation des terres soit en verger ou en maraichage ou en pâturage.
En considérant que la plus grande exigence en profondeur des usages prévus pour la zone
d’étude est le minimum de 60 cm (verger), tous les points d’échantillonnage sont sondés
jusqu’à plus de 80 cm de profondeur. Ainsi les usages les moins exigeants tels que le
maraîchage (≥40 cm) et le pâturage (≥20 cm) sont pris en compte dans le respect des
limitations liées à la profondeur utile.
II.3.1.2- La topographie
L’érosion ne se produit pas ou peu sur des sols bien couverts de végétation, mais elle se
manifeste avec intensité sur ceux cultivés (Boyer, 1982). Pour espérer un rendement variant
entre 60% et 100% (SYS, 1978), les limitations de pente nulle à moyenne (0 à 16%)
concernant les cultures annuelles (maraîchage) et (0 à 30%) pour les cultures pérennes
2 La MO n’a pas été finalement prise en compte dans la construction des indices de qualité des sols
3 Le pH n’a pas été finalement pris en compte dans la construction des indices de qualité des sols
16
(verger) ou pâturages sont observées dans cette étude. Cette caractéristique a donc un aspect
économique et environnemental puisque la mise en valeur des parcelles à pentes supérieures
aux gammes ci-dessus conduirait à des rendements bien inférieurs, mais exposerait aussi ces
parcelles à l’érosion.
Il est reconnu que dès qu’un sol est en pente, le drainage externe est normalement bien assuré,
par contre, les risques d’érosion apparaissent et croissent en fonction de la pente (Boyer,
1982).
II.3.1.3- La texture
La granulométrie d'un sol est indépendante de la nature et de la composition minéralogique
ou organique mais intervient bien dans la définition de sa structure. On compte trois grandes
classes de sol basées sur la grosseur des particules : les sols sableux, les sols limoneux et les
sols argileux. Cette analyse permet d'évaluer la stabilité structurale du sol. L'information
obtenue peut être également utilisée pour calculer la capacité de rétention d'eau du sol. On
connait l’importance de l’argile dans un sol, qui par ses liaisons avec la matière organique et
les cations (NH4+) assure la stabilité du sol et limite le lessivage des éléments nutritifs. A
contrario, un sol trop chargé en argile empêchera les racines de respirer et un exemple de
granulométrie favorable à la culture est : 20 à 25 % d'argile, 30 à 35 % de limons, 40 à 50 %
de sable.
Une bonne structure du sol, même s’il est fortement argileux, assure un drainage convenable
(Boyer, 1982). Turenne, (1977) considère que, dans l’horizon supérieur de sols de Guyane, ce
sont les acides fulviques peu polymérisés qui favorisent l’instabilité structurale. Aussi, a-t-il
été démontré que la teneur en argile tend à augmenter du bas des versants jusqu'aux plateaux.
De plus, sur pente forte, les horizons profonds apparaissent sensiblement plus sableux que sur
pente faible, (SYS, 1978). Face à cet état de connaissance assez complexe sur les argiles, nous
avons choisi de nous référer au Tableau 2 ci-dessous de texture et limitation culturale proposé
par Boyer, (1982) afin de définir les classes de texture pour nos échantillons. Au départ, les
sols trop sableux (sable blanc) ou trop lourds, ont été identifiés pour être écartés de toute mise
en valeur agricole car peu propices à l’agriculture. On désigne communément par sols lourds,
tous les sols présentant un fort pourcentage d'argile (> 45 pour cent) qui leur confère certaines
propriétés bien particulières (Tabet, 1978) en l’occurrence leur difficulté de drainage.
Mais il faut noter qu’en milieu forestier les sols argileux drainent assez bien grâce la
modification de leur structure imposée par le système racinaire des arbres et l’écologie
particulière de ce type de milieu.
17
Tableau 2: Textures et limitations culturales
Source : (Boyer, 1982)
A partir des définitions du Tableau 2 ci-dessus, nous avons reconstitué 4 classes avec des
appréciations à l’aide des valeurs allant de 0 à 3 dans le Tableau 3 ci-dessous :
Tableau 3: Texture et limitation agricole
Type de sol Taux d’argile Appréciation
Sableux Moins de 10% d’argile granulométrique Mauvais (0) Sablo-argileux 10% à 20% d’argile granulométrique Bon (2) Argilo-sableux 20% à 40 d’argile granulométrique Très bon (3) Argileux Plus de 40% d’argile granulométrique Moyen (1)4
II.3.2- Indicateurs chimique et visuel
II.3.2.1- Le pH
Alors qu’il faut noter l'intérêt écologique des valeurs du degré de saturation calculées à partir
d'éléments déterminés au pH naturel du sol, « l’acidité élevée et les faibles teneurs en
éléments échangeables se répercutent dans les faibles valeurs du degré de saturation » (SYS,
1978).
4 Les résultats d’analyse indiquent que le nombre d’échantillons dépassant les 40% d’argile est très faible
18
Figure 8: Répartition des pH des échantillons analysés
Les pH de l’ensemble des échantillons prélevés varient très peu sensiblement entre 3,5 et 6 et
ces échantillons restent donc tous des sols acides avec un pH moyen voisin de 4 (
Figure 8). Avec le nombre important de variables étudiées, nous avons jugé
non utile de prendre en compte le pH dans l’évaluation finale de la qualité des sols. Toutefois
ces valeurs de pH sont mises dans les tables attributaires des couches cartographiques afin de
pouvoir les utiliser comme critère de sélection lors des futures attributions de parcelles.
II.3.2.2- La matière organique
La couleur des sols est un caractère relevé systématiquement dans les études cartographiques
et pris en compte dans de nombreux systèmes de classification « puisqu’il est possible de
relier quantitativement la couleur des sols avec leur teneur en matière organique »
(ARROUAYS et VION, 1993). Ces derniers ont tenté d'établir et d'étalonner un test simple
d'appréciation de la couleur sur le terrain afin de permettre l'affectation d'un échantillon à une
classe de taux de matière organique. Nous avons aussi utilisé le référentiel pour apprécier tous
les échantillons en les classant par teneur de matière organique selon les appréciations et
catégories du Tableau 4 ci-après.
Tableau 4: Catégorisation de la quantité de MO
Classe de MO Appréciation Catégories < à 1% Mauvais 0
[1 à 3%] Moyen 1 > à 3% Bien 2
Source : (Boyer 1982)
3.5
4.0
4.5
5.0
5.5
6.0
pH_des_400_échantillons_mésurés
pH
19
Il convient de rappeler que l’appréciation de la MO a été faite manuellement et que cette
variable n’a finalement pas été prise en compte directement dans l’établissement des indices
de la qualité des sols parce qu’elle est déjà prise en compte au travers de l’activité biologique
des sols mesurée.
En matière de détermination du taux de MO à partir de la couleur, le "Munsell colour chart"
aurait pu être utilisé à cet effet mais à cause de son indisponibilité, nous n’avons pas pu en
faire usage dans cette étude. Ces valeurs initiales de MO devraient diminuées après l’abattage
des arbres (Turenne, 1977). Mais il a été montré en Guyane (Robert, 2002) que même lorsque
la litière est en majeure partie brûlée par la pratique du brulis, entre 50 et 60 pour cent du
carbone total du système se trouvent encore à la surface du sol ou dans le sol (débris, litière,
matière organique du sol et racines...).
II.3.3- Indicateurs biologiques
Les sols renferment de nombreux micro-organismes dont les activités jouent un rôle de
premier plan dans le développement et la préservation des sols. Il est donc tout à fait légitime
de chercher à utiliser des mesures biologiques pour mieux connaître les sols et les gérer au
mieux dans une perspective agronomique (ITAB, 2002). Les activités biologiques évaluées
au cours de cette étude ne concernent que la respiration et la dénitrification pour en savoir
respectivement l’importance de la biomasse microbienne et la proportion des micro-
organismes dénitrifiants dans les échantillons prélevés.
La biomasse microbienne représente le compartiment central et actif de la plupart des modèles
conçus pour rendre compte des transformations du carbone et de l’azote dans les sols et selon
(Chaussod et al., 1996), pour un type de sol donné, le potentiel de minéralisation d’azote est
proportionnel à la taille de la biomasse.
II.3.3.1- La respiration (SIR, Substrat Induced Respiration)
En se basant sur l’étude de la variation des fonctions microbiennes du sol le long de gradient
environnemental dans les forêts tropicales de la Guyane française (Reis et al., In press) et sur
une comparaison en valeurs relative, les quantités de CO2 mesurant l’activité de respiration
ont permis de faire 4 catégories de grandeur où sont classés l’ensemble des échantillons
analysés. Cette respiration quantifiée en nanogramme/gramme de sol /heure de C-CO2 respiré
au cours de l’analyse est ensuite appréciée par rapport aux ordres de grandeur du Tableau 5 ci
après :
20
Tableau 5: Catégorisation de la respiration
Quantités (ng de C-CO2/g de sol/h) Qualité de la respiration Catégories < à 2000 Mauvais 0
[2000 à 3000 [ Moyen 1 [3000 à 5000[ Bon 2
≥ à 5000 Très bon 3
II.3.3.2- La dénitrification (DEA, Denitrification Enzymatic Activity)
Selon Hallin et al., (2012), l’importance de la biodiversité microbienne pour le
fonctionnement de l'écosystème demeure largement inconnu même si les micro-organismes
sont des acteurs clés dans les cycles biogéochimiques, qui se rapportent tous à plusieurs
fonctions de l'écosystème tels que le cycle des éléments nutritifs, le cycle du carbone, la
régulation du climat et la productivité des plantes. Certaines études ont aussi permit
d’observer des différences significatives dans l'activité de dénitrification entre les
communautés du sol.
Tout comme pour la respiration, en se basant sur l’étude de Reis et al., (In press) et sur une
comparaison en valeurs relative, les quantités de N2O mesurant l’activité de dénitrification ont
permis de faire 4 catégories de grandeur où sont classés l’ensemble des échantillons analysés.
Il convient de préciser ici que c’est le rapport N2O/CO2respiration corrigé par le rapport
N2O/CO2dénitrification qui est utilisé pour cette catégorisation.
La correction a été faite pour assurer la stœchiométrie entre l’équation de la respiration
aérobie (avec émission de CO2) et celle anaérobie (avec émission de N2O, CO2dénitrification) ci-
après:
C6H12O6 + 6O2 6CO2 +6H2O
C6H12O6 + 12NO3 6CO2 + 12NO2 +6H2O
Cette dénitrification quantifiée en nanogramme/gramme de sol /heure de N-N2O respiré au
cours de l’analyse est ensuite appréciée par rapport aux ordres de grandeur du Tableau 6 ci
après :
Tableau 6: Catégorisation de dénitrification
Rapport (N2O/CO2respi x N2O/CO2dénit) Qualité de la dénitrification Catégories < à 0,05 Mauvais 0
[0,05 à 0,1[ Moyen 1 [0,1 à 0,15[ Bon 2
≥ à 0,15 Très bon 3
Une valeur unique de l’indicateur de la qualité d’activité biologique a été trouvée pour chaque
échantillon afin de pouvoir aussi classer l’ensemble des échantillons en 4 catégories.
21
Hallin et al., (2012) en étudiant l'importance de la biodiversité microbienne dans le
fonctionnement des écosystèmes des sols, ont montrer que les taux de progression du
fonctionnement étaient plus élevés lorsque la communauté du sol était phylogénétiquement
plus diversifiée. Cependant, en considérant que la quantité de CO2 mesurée lors de la
respiration est commune à l’ensemble de la biomasse microbienne (hétérotrophes et
dénitrifiants), nous avons décidé de lui donner deux fois plus de poids qu’à la valeur de la
dénitrification corrigé.
En définitive, en additionnant deux fois la valeur catégorisant la respiration à une fois celle de
la dénitrification corrigée, les valeurs des indices d’activité biologiques obtenus (de 0 à 9) ont
été à nouveau catégorisées en 4 valeurs dans le Tableau 7 ci-après :
Tableau 7: Catégorisation des activités biologiques
2xRespi+Dénit corrigée (0 à 9) Qualité d’activité biologique Catégories ≤ à 2 Mauvais 0
[3 à 4] Moyen 1 [5 à 6] Bon 2 ≥ à 7 Très bon 3
II.3.4- Agrégation des indicateurs de la qualité des sols
Les besoins en indicateurs de qualité des sols rapidement reproductibles ont augmenté au
cours des dix dernières années. Mais il y a « un manque de paramètres appropriés pour
l'évaluation de la qualité des sols d'un point de vue microbiologique des sols » (Anderson,
2003). De ce fait, l’interprétation des résultats est toujours délicate et selon l’ITAB, (2002),
pour pouvoir apporter un commentaire aux grandeurs mesurées, il faut non seulement se
servir d’analyses complémentaires (l’analyse physico-chimique), mais également se baser sur
des référentiels, régionaux en particulier tout en sachant que la difficulté actuelle est l’absence
de ces référentiels .
Dans les littératures que nous avons consultées, c’est le quotient métabolique (qCO2)
correspondant au rapport entre la respiration et la biomasse microbienne qui est largement
utilisé pour évaluer le développement de l'écosystème, la perturbation ou la maturité du
système. Cependant, ce qCO2 et d'autres indices intégrant seulement deux paramètres
« fournissent des informations insuffisantes sur la qualité ou la dégradation des sols » (Bastida
et al., 2008).
Tout comme pour certaines études récentes, notre étude se base sur l’établissement des
indices multiparamétriques à partir des indicateurs étudiés. Certaines caractéristiques physico-
22
chimiques telles que la pente et la profondeur de sol utile ont été prises en compte en amont
des autres indicateurs. Pour la pente, quelque soit la valeur de l’indice de qualité des sols, les
deux classes sont matérialisées dans les cartes par des hectares non hachurés pour la classe de
0 à 30% et par des hectares hachurés pour celle de 30 à 100%. En ce qui concerne la
profondeur de sol utile, les différents usages se répartissent comme l’indique le Tableau 8
suivant :
Tableau 8: Clé de répartition des usages par classe de profondeur de sol utile
Usages Profondeur de sol utile Verger ≥ 60 cm
Maraîchage ≥ 40 cm Pâturage ≥ 20 cm
La texture est considérée au même niveau que les activités biologiques dans notre formulation
des indices finaux de la qualité des sols. A cet effet, les valeurs d’appréciation ou de
catégorisation de ces deux caractéristiques sont simplement additionnées pour obtenir l’indice
de la qualité des sols (Iqs) en 7 classes (allant de 0 à 6). Ce cheminement se résume par le
schéma de la Figure 9 ci-après :
Figure 9: Construction des indices de qualité des sols (Iqs)
Ces indices de qualité des sols sont ensuite, regroupés comme l’indique le Tableau 9 ci-après,
afin d’en déduire la répartition des superficies par usage possible selon les qualités de sols.
Qualité de la texture (0, 1, 2, 3)
Niveau de respiration (0, 1, 2, 3)
Niveau de dénitrification (0, 1, 2, 3)
Qualité des activités biologiques (0, 1, 2, 3)
Texture + Activités biologiques
Indices de qualité des sols (0, 1, 2, 3, 4, 5, 6)
2 x Respiration + 1 x Dénitrification
23
Tableau 9: Clé de répartition des appréciations de la qualité des sols par classe des Iqs
Classe des Iqs Classe d’appréciation des Iqs [0 à 2] Faible
[3 à 4] Moyenne [5 à 6] Bonne
Notons que les variables utilisées dans la construction de ces indices ont été ensuite analysées
statistiquement à l’aide du logiciel R en vue de faciliter la discussion sur les corrélations qui
existent éventuellement entre certaines de ces variables.
II.3.5- Estimation des GES liés aux changements d’usage des terres
L’agriculture est l’un des principaux moteurs de déboisement dans les pays en développement
et constitue la deuxième plus grande source d’émissions de gaz à effet de serres (GES) dans
le monde » (Meridian Institute, 2011). Même indépendamment du lieu, le déboisement pour
l’installation agricole a toujours eu des conséquences similaires sur l’environnement.
Dans le cadre de cette étude, à l’issu des résultats d’exclusion des parcelles qui ne pourront
être exploitées, et sur la base des propositions d’affectation des terres étudiées par rapport aux
futurs usages qui en seront faits, nous réaliserons une estimation sommaire du bilan carbone
lié à la mise en œuvre de ce programme de changement d’usage des terres. Au vue de cette
estimation, nous pourrons éventuellement proposer quelques recommandations aux
commanditaires dudit programme.
Plusieurs méthodes peuvent permettre de calculer la quantité de GES émis par de telles
activités humaines dans l’atmosphère mais nous utiliserons, dans cette étude, le logiciel EX-
ACT pour l’estimation sommaire du bilan carbone dans le cadre ce programme de
changement d’usage des terres. Ex-ACT (EX-ante Appraisal Carbon-balance Tool) est un
outil conjointement développé par trois divisions de la FAO (TCA, TCI et ESA). Il apporte
« des estimations ex-ante de l’impact des projets de développement agricole et forestier sur
les émissions de GES et la séquestration de carbone, indiquant leurs effets dans un bilan
carbone » (FAO, 2013).
24
III- RESULTATS
III. 1- Résultats des prélèvements de terrain
III.1.1- Exclusions avant les différentes observations de terrain
A la suite de l’ensemble des exclusions, la répartition des parcelles théoriquement 5
prospectées se résulte par la Figure 10a en comparaison avec la superficie contractuelle de
départ (Figure 10b).
(a) (b)
Figure 10: Positionnement des parcelles prospectées (a) par rapport à la superficie contractuelle (b)
Après les différentes exclusions (pente >100%, parcelles identifiés comme étant déjà
occupées, zone tampon), il ne reste que 53,5% ( Tableau 10) de la zone d’étude dont une
partie a été prélevée pour les différentes analyses en vue d’un éventuel changement d’usage
des terres.
Tableau 10: Répartition des superficies avant6 prospection
Superficies Appartenance Motifs 112 Exclusions Propriété privé non déclaré 101 Exclusions Zone tampon 345 Exclusions Pente >100%7 642 Excusions/Analysés Multiples
III.1.2- Résultats à l’issu des différentes observations sur le terrain
Si pour certaines zones, la profondeur du sol meuble nécessaire à l’enracinement des cultures
qui seront mises en place peut aller au delà des 80 cm, ce n’est pas le cas pour toute la zone 5 Les superficies réellement prospectées sont bien plus importantes du fait que le travail avançait au fur et à mesure que les décisions se prenaient.
6 Ce n’est pas vraiment avant prospection puisque certaines parcelles ont été échantillonnées avant de découvrir leur appartenance
7 Après les deux exclusions ci-dessus
25
d’étude car cette profondeur de sol utile est par endroit limitée soit par une croûte de gravier à
faible profondeur ou par un affleurement rocheux comme le cas extrême de la Photo 1(a).
L’autre principale limitation de la profondeur rencontrée est l’engorgement à moins de 20 cm
et les cas d’engorgement où l’eau est à plusieurs cm au dessus du sol (Photo 1b).
Photo 1: Affleurement rocheux (a) et engorgement (b)
Il convient aussi de noter que la zone d’étude présente parfois des paysages inattendus tels
que des carrières à l’extrême Est (photos 2 (a et b)) mais non-renseignées sur les éléments
cartographiques de base qui ont été fournis au début de l’étude.
(a) (b) Photo 2: Ancienne carrière (a) au Nord-est, carrière active (b) Sud-est de la zone d’étude
Les parcelles exploitées (photos 3 (a et b)) et non-enregistrées constituent aussi un des
paysages inattendus dans la zone d’étude.
(a) (b)
26
(a) (b) Photo 3: Parcelle exploitée non répertoriée (a), Parcelle récente d’abattis brulis (b)
L’ensemble des exclusions (Tableau 11) à motifs singuliers ou multiples a conduit au
rétrécissement de la superficie à 33% dont les échantillons sont effectivement analysés parmi
un nombre bien plus important d’échantillons prélevés au fur et à mesures que les décisions
de certaines exclusions étaient prises.
Tableau 11: Bilan des répartitions des superficies entre exclusions et analysés
Superficies Appartenance Motifs 213 Exclusions Zone tampon et propriété privé 345 Exclusions Pente >100% 242 Excusions Multiples 400 Analysés Multiples
La répartition d’échantillons en classe de pente permet d’obtenir environ 50% (Tableau 12) de
la superficie de la zone d’étude pouvant être mise en valeur pour chaque type de pratique
agricole recommandée.
Tableau 12: Superficie par classes de pente et par pratique agricole
Superficie Classes de pentes Usages possibles
201 moins de 30% Agriculture mécanisée 199 30 à 100% Agriculture non mécanisée 400 ≤ 100% Total
27
Les 400 hectares échantillonnés et effectivement analysés sont dispatchés sur le PAS de
Nancibo comme l’indique sur la Figure 11.
Figure 11: Résultat des exclusions à l’issu des différentes observations sur le terrain
III. 2- Résultats à l’issu des analyses au laboratoire
III.2.1- Classification suivant le référentiel
Un référentiel a été établi à partir des échantillons prélevés sur l’ensemble de la zone d’étude.
Les résultats d’analyse de ce référentiel sur la base duquel les autres échantillons ont été
classés sont synthétisés dans le Tableau 13.
Tableau 13: Synthèse de résultats d’analyse complète des échantillons du référentiel
Num_pts
prof_ util Altit MO pH Arg Qlté
Lim fin
Lim gros
Sab fin
Sab gros Qlte Pente C-CO2 Qlte N-N2O N-C02
10 30 30 2,1 4,3 11,5 moyen 4,3 7,5 18,1 56,4 Sab 100,45 2637,56 moyen 545,67 912,67 12 30 30 9,3 4,4 20,1 élevé 7,1 20,4 12,6 30,4 sab_arg_lim 13,27 4659,16 bien 1984,1 3098,1 38 sup80 32 6 4,6 14,5 élevé 5,5 5,4 11,3 57,2 Sab 266,52 3552,23 bien 1011,9 2012,7 39 30 29 6,5 4,6 36,3 élevé 16,3 23,8 12,3 4,7 Lim_arg_sab 9,4 5553,88 très bien 1544,7 2728
106 sup80 35 7,1 5 20,8 élevé 6,7 12,7 13 39,7 sab_arg 160,27 7786,86 très bien 1848,1 3147,1 140 25 27 2,4 5,1 8,9 moyen 5,9 10,3 28,1 44,4 Sab 23,54 2472,87 moyen 583,58 1000,1 547 30 46 5,9 4,4 53 élevé 5,7 15,6 7,7 12 arg_lim_sab 106,14 3730,64 bien 1419,3 2477,5 554 60 24 2,9 5,3 9,8 moyen 24,3 20,9 28,1 13,9 Lim_sab 11,87 565 30 40 3 4,5 40,7 moyen 6,6 17,2 15 17,4 Lim_arg_sab 86,05 2625,68 moyen 695,82 1508,3 579 35 NA 5,7 5,5 45,7 élevé 8,3 13,6 7,3 19,3 Lim_arg_sab 35,93 660 sup80 56 6,5 4,2 52,3 élevé 5,8 18,4 5,9 11,1 arg_lim_sab 34,52 3980,77 bien 1719,6 2633,6 774 60 55 3,9 4,8 53,2 élevé 6,9 17,4 8,1 10,4 arg_lim_sab 693,1 3098,96 bien 857,79 2019,9 972 30 35 0,7 6,2 4,4 moyen 9,9 4,8 29,2 50,9 Sab 4,79 61,53 mauvais 0,35 362,7 973 sup80 35 0,8 5,4 17,6 moyen 34 16,2 16,2 15 Lim_sab_arg 12,04 58,1 mauvais 0,51 827,57
1145 sup80 34 1,6 5,3 4 moyen 4,3 13,7 34,8 41,1 Sab 22,98 2969,13 moyen 426,17 1030,3 1162 sup80 31 1,1 6,6 5,7 moyen 8,3 6,2 42 35,5 Sab 91,39 2227,42 moyen 126,97 628,66 1173 sup80 32 3,1 4,8 0,5 moyen 2,1 10,3 41,7 42,2 Sab 92,95 3153,21 bien 312,52 1137,6 1182 sup80 28 5,4 4,5 4,3 élevé 4 27 53,7 5,5 Sab_ lim 42,72 4258,76 bien 1357,3 2490 1183 50 32 0,6 8,7 0,9 moyen 2,5 11,4 49,2 34,6 Sab 87,83 709,43 mauvais 0,51 119,54 1189 20 47 4,8 4,6 22,9 élevé 5,5 14,9 24 27,8 sab_arg 108,15 4073,74 bien 1799,9 2948,2 1196 sup80 40 2,8 4,9 3,2 moyen 3,4 15,8 69,9 4,8 Sab 21,05 3376,82 bien 730,13 1493,2 1197 inf20 NA 0,7 6,8 0,9 moyen 0,5 2,7 51 44,2 Sab 14,13 100,98 mauvais 0,38 55,96
Faible Satisfaisant Elevé
28
Sur les échantillons analysés, les tests manuels de texture n’ont pas révélé des taux d’argile
assez important en dehors des 2 échantillons (sur les 22 du référentiel) qui présentaient les
plus grands taux d’argile à peine supérieur à 50%. En tenant aussi compte du fait qu’une
bonne structure superficielle est capable de « tellement alléger les sols argileux qu’ils en
arrivent à passer dans les catégories sans limitation culturale » (Boyer, 1982), nous avons
décidé de classer nos échantillons à texture argileuse en limitation moyenne avec le niveau
« moyen » comme appréciation. Les échantillons prélevés et analysés se sont donc répartis
comme l’indique le Tableau 14 ci-après :
Tableau 14: Répartition des textures par catégories de qualité
Mauvais (0) Moyen (1) Bon (2) Très bon(3)
≤ à 10% argile > 40% d’argile 10 à 20% d’argile 20 à 40% d’argile8 82 hectares 85 hectares 68 hectares 165 hectares
Notons que lors des tests manuels, d’autres textures intermédiaires ont été identifiés telles
que les sablo-limoneux et argilo-limoneux puis classées dans la catégorie 2 ainsi que
les limono-sableux et limono-argileux classées dans la catégorie 3 du tableau ci-dessus, ceci à
cause de la bonne valeur agronomique du limon.
III.2.2- Analyse des résultats de laboratoire
A l’issue des analyses de laboratoire et tests manuels basés sur le référentiel établi, la
répartition des échantillons par rapport aux catégories de matière organique, respiration et
dénitrification est résumée dans le Tableau 15 ci-dessous.
Tableau 15: Répartition des échantillons par qualité MO et activités biologiques
Catégories Mauvais Moyen Bien Très bien MO 4 74 322 - Respiration 36 67 177 120 Dénitrification 36 81 132 151
En observant la répartition des échantillons par rapport à leur fonctionnement biologique sur
la Figure 12 ci-après, l’on peut remarquer avec satisfaction que les 3 quartiles et le maximum
des échantillons au niveau des quantités de MO au moins moyenne se situent dans les classes
de respiration et dénitrification au moins moyennes aussi.
8 Il y a donc quelques échantillons qui dépassent cette limite mais qui ont été mis dans la classe moyenne
29
(a) (b)
(0) mauvais (1) moyen (2) bien
02000
4000
6000
8000
10000
MO (quantité)
C.C
O2 (ng/g
de s
ol/h)
(0) mauvais (1) moyen (2) bien
0.0
00.0
50.1
00.1
50.2
00.2
50.3
0
MO (quantité)
N2O
.CO
2corig (ng/g
de s
ol/h)
Figure 12: Répartition des échantillons par rapport à la respiration (a) / dénitrification (b) selon la quantité en MO
Cette remarque décrit-elle la fiabilité et la qualité de l’appréciation manuelle de la quantité de
MO ? Nous ne saurions répondre à cette interrogation sans avoir étudié les corrélations
existantes entre cette variable et les autres variables étudiées.
III.2.3- Répartition des parcelles suivant les qualités des sols
A partir de l’indice de qualité des sols établi, les caractéristiques de chaque échantillon
analysé ont conduit à l’élaboration des cartes suivantes qui présentent à l’intérieur de chaque
usage prévu, un gradient de qualité croissante allant de 0 à 6 et correspondant, pour chaque
valeur, à la qualité de chaque échantillon concerné. En regroupant ces indices en catégories
" faible" (Iqs ≤ 2) », "moyenne" (3 ≤ Iqs ≤4) et "bonne" (5 ≤ Iqs ≤ 6), les qualités de sols par
usage possible sont présentées dans le Tableau 16.
Tableau 16 : Répartition des superficies par usage possible et par qualité de sols
Usages prévus
Qualités de sol Possibilités d’usage (ha) Profondeur utile
(cm) Faible (ha)
Moyenne (ha)
Bonne (ha)
Verger ≥ 60 84 93 98 275 Maraichage ≥ 40 95 107 120 322 Pâturage ≥ 20 101 130 169 400
Sur l’ensemble de superficies analysées, les possibilités d’usage en verger couvrent 275
hectares et sont réparties par localisation et par qualité de sol comme l’indique la Figure 13.
30
Figure 13: Répartition des terres suivant leurs possibilités d'usage en verger
Les possibilités d’usage en maraîchage couvrent 322 hectares et sont réparties par localisation
et par qualité de sol comme l’indique la Figure 14.
Figure 14: Répartition des terres suivant leurs possibilités d'usage en maraichage
Compte tenu de ses exigences relativement faibles par rapport aux deux autres usages prévus,
l’usage en pâturage a des possibilités couvrant toutes les superficies analysées et réparties par
localisation et par qualité de sol selon la Figure 15 ci-dessous.
31
Figure 15: Répartition des terres suivant leurs possibilités d'usage en pâturage
L’ensemble des critères d’exclusion et les exigences particulières de chaque usage prévu ont
permis d’obtenir la carte (Figure 16) de répartition quelque fois superposée des usages.
Figure 16: Ensemble des couches par usage possible
La Figure 16 ci-dessus indique en couleur grise foncée l’ensemble des parcelles exclues de
toute mise en exploitation (800 ha). Elle permet de quantifier les possibilités d’exploitation à
1/3 de la superficie totale de départ (1200 ha).
32
III.3- Analyses statistiques des indicateurs étudiées
La création des indices de fertilité des sols a été progressivement réalisée en tenant compte
d’une possible interdépendance entre au moins quelques facteurs étudiés. Les résultats
suivants de corrélations entre ces facteurs permettent d’élucider quelques unes de ces
hypothèses implicites. Pour se faire, certaines de ces investigations utilisant les variables
quantitatives ne pourront être faites qu’avec un jeu de données réduit de 20 échantillons du
référentiel dont nous disposons des analyses complètes.
III.3.1- L’ACP des variables quantitatives
Nous nous proposons ici de comparer les 20 points d’échantillonnage dont les analyses ont été
réalisées en métropole pour nous faire une idée de la variabilité des facteurs étudiés sur
l’ensemble des points puisque leur positionnement couvre toute la zone de l’étude.
Figure 17: ACP : Variable factor map (a) et Individuals factor map (b)
L’analyse du premier plan de l’ACP, résume près de 60% de la variabilité présente dans le jeu
de données, ce qui nous permet d’extraire les grandes tendances qui s’y trouvent. Cette
analyse en composante principale indique que la plupart des variables liées à l’activité
biologique (C-CO2, N-N2O, N-CO2) sont toutes relativement bien projetées et positivement
corrélées entre elles. Cette corrélation s’observe par rapport à l’axe1 (Figure 17a) et s’oppose
au taux de sable fin et au pH qui sont donc corrélés négativement à ces variables par rapport
au même axe. On notera également la forte corrélation entre la MO et les variables liées à
l’activité biologique. L’axe 2 lui en revanche, est très influencé par le taux de limon fin,
inversement corrélé à cet axe et de manière moins importante au taux de sable grossier. Il
33
n’est pas vraiment intéressant car il ne résume pas assez de variables rentrant dans la
construction des indices de qualité des sols. Le nuage de point (Figure 17b) oppose des
échantillons ayant une activité biologique, un taux de MO, d’argile, de limon grossier
importants avec un pH et une teneur en sable fin faibles (points 106, 12, 660, 39) à des
échantillons à pH légèrement élevé ayant une activité biologique, un taux de MO et de sable
fin plutôt faibles, (points 1197, 1183). Un échantillon s’isole très fortement des autres,
l’échantillon 973, qui a un taux de limon fin très élevé contrairement aux autres échantillons.
Ses caractéristiques étant tout à fait différents des autres, cet échantillon aurait pu être
supprimé du jeu de donnée pour une nouvelle analyse en composante principale.
III.3.2- Analyse des corrélations entre quelques variables
� Texture et activités biologiques
Figure 18: Lien Argile/respiration (a), Argile/ dénitrification (b)
La Figure 18 (a) indique la présence d’une faible corrélation (R=0,36) entre le taux d’argile et
l’activité de respiration. En revanche, la Figure 18 (b), montre une légère corrélation entre le
taux d’argile et l’activité de dénitrification qui mériterait d’être confirmer sur un plus grand
nombre d’échantillons. L’activité de dénitrification semble donc être plus prononcée dans les
sols avec un taux d’argile plus élevés, tendance qui reste à confirmer mais d’une manière
globale, l’activité microbienne ne semble pas entretenir un lien fort avec le taux d’argile.
(a) (b)
34
(a) (b)
2 4 6 8
02000
4000
6000
8000
Corrélation R = 0.84
MO (%)
C-C
O2 (ng/g
de s
ol/h)
2 4 6 8
0.0
00.0
50.1
00.1
50.2
00.2
5
Corrélation R = 0.84
MO (%)
N2O
/CO
2corig (ng/g
de s
ol/h)
� Respiration et dénitrification par rapport à la matière organique
Figure 19: Lien respiration/MO (a), dénitrification/MO (b)
A la différence des investigations précédentes, on constate de manière très nette sur la Figure 19 que plus la quantité de matière organique est grande, plus la respiration et la dénitrification sont importantes. Cette forte corrélation (R = 0,84) entre la quantité de la matière organique disponible dans le sol et le niveau de fonctionnement biologique de celui-ci confirme donc la dépendance de la respiration et de la dénitrification à l’égard de la MO du sol (Barthès et al., 2010). Il convient ainsi de vérifier la significativité de cette corrélation entre la MO et le C-CO2 à l’aide du test t de Student.
Les hypothèses de test sont :
)corréléespassontneiablesvardeuxLes(:H
)corréléessontiablesvardeuxLes(:H
0
00
1 ≠
=
ρ
ρ
A l’issue de ce test et avec un coefficient de risque de 5%, nous rejetons l’hypothèse nulle (H0) de nullité du coefficient de corrélation entre la MO et le C-CO2 et nous concluons que la corrélation entre la MO et le C-CO2 est statistiquement significative (t=6.48, ddl=18, p-valeur= 4,232e-06). On réalise alors une régression linéaire afin d’estimer les paramètres de la droite entre le taux de MO et le C-CO2. Le taux de matière organique influençant la respiration, la variable à expliquer est le C-CO2 et la variable explicative est le taux de MO.
Le modèle à tester est de la forme εββ + X + =Y 10 où Y est la variable à expliquer, X la
variable explicative et ε l’erreur du modèle. On obtient ainsi les résultats ci-après :
Modèle Estimations Erreurs standard ddl t-valeur p-valeur Intercept 754.58 427.92 1 1.76 0.09 MO 619.06 95.45 18 6.49 4.23e-06
Comme attendu, le coefficient de régression et le test global du modèle sont significatifs avec une probabilité critique identique au test du coefficient de corrélation. Il existe donc bien une liaison entre le taux de MO et le C-CO2. En revanche, l’ordonnée à l’origine n’est pas
35
significative, nous l’enlevons donc du modèle et nous considérons un modèle sans l’intercept puis on obtient les résultats ci-après :
Modèle Estimations Erreurs standard ddl F-statistique t-valeur p-valeur MO 758.53 56.32 19 181.4 13.47 3.60e-11
Le coefficient de détermination (R² = 0.90) montre que 90% de la variabilité C-CO2 sont expliqués par les variations de MO. De plus, la probabilité de rejet de l'hypothèse nulle (p-value = 3.60e-11) issu de ce modèle nous indique que le paramètre associé à MO est significativement différent de 0.
Après ce modèle de régression linéaire entre MO et C-CO2, nous aurions pu établir d’autres entre MO et N-N2O, puis entre MO et N-CO2 mais comme dans le reste de ce document c’est le rapport N2O/CO2corig qui a été utilisé comme indicateur biologique prenant en compte ces deux variables quantitative, nous utilisons plutôt ce rapport pour étudier la significativité de la corrélation entre la MO et la dénitrification.
En considérant les même hypothèses de test que précédemment, suite au test de significativité de la corrélation entre la MO et le N2O/CO2corig avec un coefficient de risque de 5%, nous rejetons l’hypothèse nulle (H0) de nullité du coefficient de corrélation entre la MO et le N2O/CO2corig et nous concluons que la corrélation entre la MO et le N2O/CO2corig est statistiquement significative (t= 6.67, ddl=18, p-valeur= 2.943e-06). On réalise alors une régression linéaire afin d’estimer les paramètres de la droite entre le taux de MO et le N2O/CO2corig. Le taux de matière organique influençant la dénitrification, la variable à expliquer est le N2O/CO2corig et la variable explicative est le taux de MO. Le modèle à tester
est de la forme εββ + X + =Y 10 où Y est la variable à expliquer, X la variable explicative et
ε l’erreur du modèle.
On obtient ainsi les résultats ci-après :
Modèle Estimations Erreurs standard ddl t-valeur p-valeur Intercept 0.003279 0.020768 1 0.16 0.87 MO 0.030898 0.004632 18 6.67 2.94e-06
Comme attendu, le coefficient de régression et le test global du modèle sont significatifs avec une probabilité critique identique au test du coefficient de corrélation. Il existe donc bien une liaison entre le taux de MO et le N2O/CO2corig. En revanche, l’ordonnée à l’origine n’est pas significative, nous l’enlevons donc du modèle et nous considérons un modèle sans l’intercept puis on obtient les résultats ci-après :
Modèle Estimations Erreurs standard ddl t-valeur F-statistique p-valeur MO 0.031504 0.002526 19 12.47 155.6 1.34e-10
Le coefficient de détermination (R² = 0.89) montre que 89% de la variabilité N2O/CO2corig sont expliqués par les variations de MO. De plus, la probabilité de rejet de l'hypothèse nulle (p-value = 1.34e-10) issu de ce modèle nous indique que le paramètre associé à MO est significativement différent de 0.
36
(a) (b)
� Respiration et texture par rapport à la pente
Pour les variables qualitatives et certaines variables quantitatives qui ont été mesurées
systématiquement sur l’ensemble des échantillons analysés, nous utilisons le jeu de donné à
400 échantillons pour étudier la répartition de ces variables et l’existence éventuelle de
corrélation entre elles.
Figure 20: Lien entre la pente et l'activité biologique (a) puis entre la pente et la texture (b)
La Figure 20 indique qu’il n’existe aucun lien entre la pente et les activités biologiques
représentées ici par la respiration Figure 20 (a). Par contre, l’on peut remarquer à quelques
exceptions près sur la Figure 20 (b), une tendance de la localisation des échantillons à texture
argileuse (et limoneuse) dans les pentes plus faibles alors que ceux à texture sableux se situent
plus dans les pentes plus élevées du moins sur les classes de pente retenues par cette étude.
� Respiration par rapport à la dénitrification
Figure 21: Lien entre la respiration et la dénitrification
0.00 0.05 0.10 0.15 0.20 0.25 0.30
02000
4000
6000
8000
10000
Corrélation R = 0.53
N2O.CO2corig (ng/g de sol/h)
C.C
O2 (n
g/g
de s
ol/h)
37
La Figure 21 révèle une corrélation relativement faible (R= 0,53) entre la respiration et la
dénitrification. La diversité de la biomasse microbienne du sol contribue donc de façon
évidente à l’augmentation de la minéralisation réalisée par l’ensemble des communautés
microbiennes de ce sol.
III.4- Bilan carbone du programme d’installation des agriculteurs
Sur la base des propositions d’affectation des terres prévues et des résultats de la répartition
possible des terres par usage, le Tableau 17 suivant permet de se faire une idée des émissions
de GES qu’engendrera la mise en œuvre de ce programme de changement d’usage des terres.
Tableau 17: Bilan carbone prévisionnel du projet de changement d’usage des terres9.
Utilisation final après déboisement (EX-ACT/FAO)
Utilisation réelle prévue (DAAF/Guyane)
Emission de GES (tonnes de CO2éq par hectare)
Emission de GES par superficie possible (Résultat10)
Niveau d’incertitude (EX-ACT/FAO)
Culture annuelle Maraichage 725,5 233 611 33% Culture vivace / Agroforesterie
Verger 721,2 198 330 34%
Prairie Pâturage 711,5 284 600 33%
Les valeurs d’émission de GES ci-dessus ne concernent qu’une année de la phase
d'implémentation et une année de la phase de capitalisation (FAO, 2013) du projet de
changement d’usage des terres. L’usage prévu avec le moins d’émissions de GES par unité de
surface est le pâturage mais sa superficie possible couvrant toute les parcelles concernées par
les résultats d’analyse, il est normal que les émissions de GES possible avec cet usage soient
plus élevées. Il convient de rappeler que les usages ne peuvent être cumulatifs sur l’ensemble
des superficies analysées, par conséquent, les émissions ne peuvent être sommées qu’à l’issue
d’une sélection d’usages donnés sur toute la zone analysée. En ignorant les marges
d’incertitudes du tableau ci-dessus, les 284 600 tCO2eq sont donc la valeur minimale de GES
que ce programme émettra dans l’atmosphère seulement au cours de ses deux premières
années de mise en œuvre.
9 En condition de meilleure pratiques agronomiques, gestion des engrais, des paillis et de l’eau sans brûlis de résidus
10 Superficies concernées : Maraichage (322 ha), Verger (275ha) Pâturage (400ha)
38
IV- DISCUSSION
Au cours de cette étude, plusieurs méthodes ont été adoptées depuis l’acquisition et le
traitement des données jusqu’aux résultats en passant par l’établissement d’un indice de la
qualité des sols de notre zone d’étude. Ces méthodes se sont plus ou moins appuyées sur des
études antérieures ou en cours et ont conduit à des résultats foisonnant des aspects qui peuvent
largement constituer des matières à discussion.
IV.1- Méthodologies d’acquisition et de traitement des données
L’une des difficultés rencontrées lors des activités de prélèvement est la marche sur des
distances beaucoup plus importances (251,3 km) que ce qui était théoriquement prévue pour
joindre les différents points de prospection et/ou d’échantillonnage. Cela n’est pas seulement
dû aux difficultés d’accès ou aux obstacles à contourner mais surtout au fait que la correction
des superficies pour passer de deux dimensions à trois dimensions n’a pas été faite après le
calcul des pentes. Aussi faut-il noter qu’une forte pente moyenne peut être due à une très forte
pente bien localisée, pendant que la grande partie restante de l’hectare présente de très faibles
pentes et donc utilisable pour l’agriculture. C’est donc les écart-types des valeurs moyennes
de pente à l’hectare qui auraient pu mieux nous renseigner sur l’hétérogénéité du relief sur
chaque hectare. Mais n’ayant pas trouvé l’extension appropriées au calcul de ces écart-types
des pentes, certaines hectares exclus sur la seule raison de forte pente l’ont peut être été à tort.
Notons aussi que pour des zones relativement planes, les exclusions auraient pu être très
réduites car c’est la topographie particulièrement accidentée du PAS de Nancibo qui a fait
l’objet de la grande majorité des exclusions dans notre zone d’étude.
L’échelle de 1/10 000 à laquelle les cartes ont été réalisées au terme de cette étude est de loin
une grande échelle d’étude pédologique, donc plus précise par rapport aux autres études
menée dans la région jusqu’ici. Par contre, le taux d’échantillonnage étant d’un seul point par
hectare, les variabilités spatiales des facteurs étudiés au sein d’un même hectare ne sont pas
prises en compte par cette étude.
D’après l'ITAB, (2002), pour les déterminations biologiques qui doivent s'appliquent
obligatoirement à des échantillons de sol "frais", il convient de considérer l'échantillon de sol
comme un être vivant en matière de transport et de stockage et l’entourer de soins afin que les
mesures biologiques qui seront réalisées au laboratoire soient aussi proches que possible de
l'état in situ. Nous convenons tous que le séchage des échantillons tue une partie micro-
organismes du sol. C’est pourquoi, selon l'ITAB, (2002), les mesures doivent être effectuées
39
dans les 48 à 72 heures qui suivent le prélèvement, les échantillons de sols devant être
conservés au frais (environ 4°C) et en aérobiose si un délai supplémentaire s'avère nécessaire.
A partir de là, et vu que l’ordre d’analyse des échantillons de notre étude n’a pas été
systématiquement respecté, l’on peut en déduire que leurs délais de conservation et leur
niveau de séchage auraient introduit un biais (de sous-estimation) quant aux niveaux
d’activité biologiques mesurées.
Pour des études beaucoup plus approfondies en termes de détermination de la qualité des sols,
il serait aussi intéressant, selon Boulet et al., (1980), de connaître les teneurs en eau du sol à
la fin de la saison sèche et en saison des pluies lorsque le sol est ressuyé et de faire des
mesures d'humidité à différentes profondeurs. L’estimation spatiale de la conductivité
hydraulique, de l’infiltrométrie ou de la porosité des sols étudiés ne pourra qu’apporter un
plus à la solidité de la qualité des sols à déterminer.
Schjønning et al., (2004) ont montré que la capacité du sol à retenir (contenir) de la matière
organique est en relation avec plusieurs facteurs tels que le climat, le paysage, la texture, les
intrants et les perturbations. La couleur est l'un des plus évidents et souvent la caractéristique
la plus importante du sol et « si la couleur du sol doit continuer à jouer un rôle décisif dans la
classification des sols, il est important qu'une méthode plus précise de mesure de la couleur
soit utiliser » (Shields et al., 1966). C’est pour cela, qu’avec le nombre d’échantillon limité de
notre référentiel, nous avons finalement décidé de ne pas prendre en compte ce critère dans
notre évaluation des sols tout en supposant que la matière organique est déjà prise en compte
dans les mesures d’activités biologiques. Mais il aurait été intéressant d’utiliser une
méthode plus précise pour estimer la quantité de MO au travers des mesures de couleurs.
IV.2- Mise au point et utilisation des indices de la qualité des sols
Il existe une grande diversité de mesures biologiques possibles techniquement mais assez peu
sont utilisables dans la pratique car pour être véritablement utiles, les déterminations
biologiques doivent être pertinentes, fiables, d'un coût modéré et les grandeurs mesurées,
interprétables (ITAB, 2002). Les mesures biologiques ne peuvent se substituer aux mesures
classiques mais doivent les compléter et selon Doledec et al., (2002), il est nécessaire de
disposer des résultats de l’analyse classique de terre sur le même prélèvement pour interpréter
correctement les résultats des déterminations biologiques.
40
La mesure isolée des différents indicateurs de la qualité des sols se fait souvent sans grande
difficulté mais lorsqu’il s’agit d’agréger plusieurs facteurs pour parvenir à évaluer cette
qualité, il n’est pas aisé de trouver la bonne méthodologie et celle que nous avons adoptée
pour l’élaboration des indices de qualité des sols dans cette étude en est une première. En
effet, pour être catégorisé ou regroupé en classes d’appréciation, les ordres de grandeurs des
indicateurs biologiques se sont appuyés uniquement sur l’article de Reis et al., (In press) à
cause d’une quasi absence de publications antérieures qui s’y rattachent parfaitement. Notons
tout de même qu’une étude similaire à été aussi réalisée en Colombie et au Nicaragua pour
mettre au point un "indice général de la qualité des sols" (Velasquez et al., 2007) allant de 0,1
à 1 mais sans que le fonctionnement des micro-organismes ne soit pris en compte. Ces genres
d’études se font de plus en plus surtout à partir des années 2000 mais selon Bastida et al.,
(2008), seuls 4% des études portant sur les indicateurs de la qualité des sols traitent aussi de
l’indice de qualité des sols et parmi elles, un très petit nombre propose cet indice.
En dehors de Velasquez et al., (2007) qui ont évalué les services ecosystémiques rendu par
les sol pour établir le GISQ (general index of soil quality) , l’on peut mentionner aussi l’étude
d’ Andrews et al., (2004) qui a conçu un cadre d'évaluation de la gestion des sols (SMAF)
pour évaluer la qualité des sols et le SQI (soil quality index) proposé par Masto et al., (2007)
pour disposer d’une meilleure indication de la qualité du sol. La méthodologie que nous avons
adopté au cours de cette étude nous parait alors plus simple, moins complexe et moins
onéreuse à réaliser pour de telles études que celle de Velasquez et al., (2007) où cinquante-
quatre variables ont été mesurées pour établir l’indice générale de qualité des sols (GISQ) sur
plusieurs années.
C’est le lieu de rappeler que le résultat final de cette étude, plus qu’une réponse au besoin de
connaissance localisée de la qualité des sols, est un outil d’aide à la décision qui est
dynamique à cause de la possibilité des sélections multicritères. Par exemple pour un usage en
maraîchage plus exigeant en "fertilité", une sélection peut consister à afficher les parcelles à
indice de qualité au moins égale à 4 avec une profondeur de sol supérieure ou égale à 40 cm et
dont la pente n’excède pas 30%. Par contre, pour un usage en pâturage moins exigeant, cette
sélection peut être d’afficher les parcelles à profondeur de sol n’excédant pas 40 cm avec un
indice inférieur ou égale 3 alors que pour un usage en verger une sélection pourrait s’agir d’un
affichage des parcelles à profondeur de sol supérieur ou égale à 60 cm avec un indice de
qualité des sols situé entre 2 et 4. Certaines sélections peuvent ainsi être délibérément limitées
en termes de choix d’indicateur pour un usage donné (moins exigeant) afin de donner
41
l’avantage à un autre plus exigeant pour le même facteur. Ce sont donc les contenus des
combinaisons d’usage souhaités par l’agriculteur qui permettront de préciser les formulations
des requêtes spatiales appropriées aux besoins. Mais pour les zones où les indicateurs ou
indices permettront de faire des regroupements par similitude et par proximité, des petits lots
de quelques hectares à quelques dizaines d’hectares pourront être réalisés par le gestionnaire
afin de répondre à des demandes pour des usages peu diversifiés.
IV.3- Emissions des GES et déforestation évitées
Les résultats de cette étude montrent que seul le tiers de la superficie forestière qui était mise
à disposition pour l’installation des agriculteurs présentent des potentialités permettant de les
exploiter à des fins agricoles suivant l’usage respectif de chaque parcelle. Outres la centaine
d’hectare de la zone appartenant à un domaine privé, les exclusions prescrites par les résultats
de cette étude ont permis de garder sur pieds environ 700 hectares de forêts qui aurait pu être
défrichés par ce programme de changement d’usage des terres.
La stratégie UTCATF reconnaît expressément que les « interventions concernant toutes les
utilisations des terres et leur changement d’affectation peuvent avoir une incidence sur les
stocks de carbone et la réduction des GES » (Marianne et al., 2012). En considérant
l’émission de GES minimale par hectare de ce programme d’installation d’agriculteurs et les
700 ha de forêt que cette étude a permis de conserver sur pied, l’on peut estimer à 498 050
tCO2eq la valeur d’émission de GES évitée grâce à la réalisation de cette étude. Cela dénote
de l’importance à toujours mener une telle étude lors des prochaines mises en œuvre des PAS
et des ZAC prévues au moins encore sur les 15 prochaines années en Guyane (Roy, 2011).
D’ailleurs, quelque soit les valeurs de ces émissions, ce programme qui n’en est qu’à ces
débuts, bien qu’essentiel à la survie et au bien-être des populations de la zone d’étude, sera
aussi l’un des responsables d’environ « 14 % des émissions mondiales de GES provenant de
l’agriculture » (Marianne et al., 2012).
Les superficies que cette étude a permit d’exclure de toute exploitation à des fins agricoles
peuvent constituer des zones de conservation de la biodiversité du PAS de Nancibo.
42
V- CONCLUSION ET PERSPECTIVES
La population guyanaise est en forte croissance alors que les terres cultivables ne sont pas
extensibles. Pour répondre aux besoins sans cesse croissant de cette population, la tendance en
Guyane est au changement des terres forestières en terres agricoles. Heureusement que le
souci des autorités chargées d’installer les jeunes agriculteurs est de distribuer les terres en
fonction de la qualité des sols afin de limiter les risques d’échec des installations et éviter
ainsi les erreurs passées du plan vert.
Cette étude qui répond à un tel souci a utilisé différents indicateurs de qualité des sols pour
mettre au point un ensemble d’outil permettant d’adapter au mieux le changement d’usage des
terres aux qualités requises selon leurs futurs usages.
En effet, dans le PAS de Nancibo, des prélèvements d’échantillons de sols ont été réalisés en
amont et au cours desquels certains hectares ont été jugés impropres à toute mise en valeur
agricole. En amont, les exclusions de parcelles ont été faites à partir d’un calcul de pente sur
la base d’un modèle numérique de terrain et ont concernés les limitations pour l’agriculture en
fonction de la pente en vu d’éviter les risques d’érosion. Les autres exclusions faites lors des
observations de terrain ont été basées sur la qualité des propriétés physiques des sols. Les
échantillons effectivement prélevés ont permis de réaliser une série d’analyses physico-
chimiques (pH, matière organique, texture) et biologiques (respiration, dénitrification) dont
les résultats ont permis d’établir l’indice de qualité des sols qui ont guidé l’élaboration des
couches cartographiques correspondant aux usages retenus (maraîchage, verger, pâturage).
La méthodologie consistant à établir des indices de qualité des sols et surtout à prendre
directement en compte des activités biologiques dans la détermination de cette qualité est une
première en Guyane même si elle comporte des insuffisances qui pourraient être améliorées
dans les prochaines études similaires. Toutes les études qui tentent d’intégrer une diversité de
propriétés physiques, chimiques, microbiologiques et biochimiques pour établir les indices de
qualité des sols soulignent la complexité du sujet. Pour donner une orientation, Bastida et al.,
(2008) estiment que la méthode des systèmes-experts est bien meilleure que les méthodes
statistiques qui nécessitent un large éventail de données. La méthode de construction des
indices de qualité des sols adoptée au cours de la présente étude est celle des systèmes-experts
et devra être répétée sur différents sites avant d’être étendue à toute la région de Guyane.
43
L’application de la méthode basée sur les indices de qualité de sols qui ont été établis mérite
d’être suivi sur le terrain pendant plusieurs années afin d’en déterminer la fiabilité définitive
au travers des rendements que les agriculteurs à installer auront obtenus. Le jeu de donnée
mis à disposition par cette étude pourrait encore être exploité afin d’étudier davantage les
corrélations possibles entre les différents indicateurs de la qualité des sols de la zone étudiée.
Aussi serait-il intéressant de répéter l’étude sur d’autres terres guyanaises et d’ailleurs afin de
mieux apprécier la méthodologie. Pour le moment, l’on ne peut rien dire du rendement
attendu au niveau de chaque valeur des indices de qualité de sols établis mais tout comme
dans le cas de perturbation de tout écosystème, l’on s’attendra à une baisse de la qualité des
sols après la déforestation. C’est pourquoi, avant ou pendant l’attribution des terres, il
conviendrait d’apprendre aux agriculteurs les techniques et pratiques de mise en valeur des
terres afin de ne pas aller à la dérive mais plutôt garantir une résilience rapide suite aux
défrichements.
Notons tout de même que sur le plan économique, il revient moins cher d’utiliser de telles
techniques simples pour se fixer sur la qualité des sols plutôt que de faire des analyses
systématiques de tous les indicateurs. Mais lors des prochaines études, il serait, à tous égard,
plus avantageux de compléter le peu de matériel manquant en vue d’utiliser la méthode NIRS
(Near Infrared Reflectance Spectroscopy) pour évaluer systématiquement cet important
indicateur qu’est la matière organique. Barthès et al., (2010) considèrent même que les
mesures de la dénitrification potentielle en laboratoire constituent une sacré perte de temps car
elles impliquent l'incubation des échantillons de sol dans une atmosphère dépourvue
d'oxygène alors que ces mesures peuvent être faites en un temps record en utilisant le
potentiel du NIRS. D’ailleurs, en considérant que la prédiction de la fertilité des sols et de
l'historique de leur gestion est plus précise par NIRS que par l'ensemble des paramètres du sol
(Freschet et al., 2011), il est évident que l’utilisation systématique de cette méthode lors des
prochaines détermination de la qualité des sols permettrait de gagner beaucoup en temps et en
investissement.
Tout en notant l’importance des émissions de GES et la part de déforestation que cette étude a
permit d’éviter dans ce programme, nous pouvons aussi penser comme Newton, P. et al.,
(2013) que pour répondre aux besoins alimentaires des populations guyanaises ou d’ailleurs,
la production agricole dans les régions forestières tropicales peut augmenter indépendamment
de la déforestation, par l'intensification agricole et bien d’autres moyens à promouvoir.
44
REFERENCES BIBLIOGRAPHIQUES
Anderson J.P.E., Domsch K.H., 1978. A physiological method for the quantitative measurement of microbial biomass in soils. Soil Biology and Biochemistry, 10 (3), pp 215-221.
Anderson T.-H., 2003. Microbial eco-physiological indicators to asses soil quality. Biotic Indicators for Biodiversity and Sustainable Agriculture, 98 (1–3), pp 285‑293.
Andrews S.S., Karlen D.L., Cambardella C.A., 2004. The Soil Management Assessment Framework. Soil Science Society of America Journal, 68 (6), p 1945.
Andrieux P., 1990. Influence de la variabilité spatiale des caractéristiques physiques des sols sur le bilan hydrologique: l’exemple d’un système de sols sur barre prélittorale (Guyane française). Thèse de doctorat, Université des sciences et techniques de Montpellier 2, France, 30 p.
ARROUAYS D., VION I., 1993. Utilisation de la couleur des sols pour l’évaluation de leur taux de matière organique. Science du Sol, 31 (1/2), pp 1–16.
Barret J., Blancaneaux P., Caillé O., Charron C., Gaucherel C., Granville J.-J. de, Grenand P., Guiral D., Lointier M., Mérona B. de, 2001. Atlas illustré de la Guyane.
Barthès B.G., Brunet D., Brauman A., Fromin N., Lensi R., Volant A., Laclau J.-P., Blavet D., Chapuis-Lardy L., 2010. Determination of potential denitrification in a range of tropical topsoils using near infrared reflectance spectroscopy (NIRS). Applied Soil Ecology, 46 (1), pp 81–89.
Bastida F., Zsolnay A., Hernández T., García C., 2008. Past, present and future of soil quality indices: A biological perspective. Geoderma, 147 (3–4), pp 159‑171.
Beare M.H., Neely C.L., Coleman D.C., Hargrove W.L., 1991. Characterization of a substrate-induced respiration method for measuring fungal, bacterial and total microbial biomass on plant residues. Agriculture, Ecosystems & Environment, 34 (1–4), pp 65-73.
Boulet R., Godon P., Lucas Y., Worou S., 1984. Analyse structurale de la couverture pedologique et experimentation agronomique en Guyane francaise [analyse tridimensionnelle, experimentation agropedologique]. Cahiers ORSTOM Serie Pedologie, 21.
Boulet R., Humbel F.-X., Hervieu J., 1980. Données nouvelles sur les sols guyanais : applications à la mise en valeur. Cayenne, ORSTOM, p 30 p. multigr. La Nature et l’Homme en Guyane.
Boulet R., Veillon L., 1982. Notice de la carte pédologique du secteur oriental du plateau de Nancibo.
Boyer J., 1982. Les sols ferrallitiques. Tome X. Facteurs de fertilité et utilisation des sols. Initiations-Documents techniques.
45
Canadell J., Jackson R.B., Ehleringer J.B., Mooney H.A., Sala O.E., Schulze E.-D., 1996. Maximum rooting depth of vegetation types at the global scale. Oecologia, 108 (4), pp 583-595.
CCE C. des communautés européennes, 2006. Communication de la commission au conseil et au parlement européen concernant un plan d’action de l’Union européenne en faveur des forêts.
CGDD C. général au développement durable, 2011. Le point sur L’occupation des sols dans les départements d’outre-mer, N°89 juin 2011.
Chaussod R., Breuil M.C., Echairi A., Nouaïm R., Nowak V., Ranjard L., 1996. La qualité biologique des sols. Évaluation et implications, Étude et gestion des sols, 3, pp 261–278.
Conseil Régional de la Guyane, 2006. Agenda 21 Régional de la Guyane.
Dale V.H., Beyeler S.C., 2001. Challenges in the development and use of ecological indicators. Ecological indicators, 1 (1), pp 3–10.
Doledec A.-F., Descotes A., Moncomble D., Cluzeau D., Peres G., Chaussod R., 2002. Viticulture raisonnée et préservation des terroirs en Champagne. Phytoma-La Défense des végétaux, (546), pp 39–40.
FAO, 2013. EX-ACT Outil d’Analyse EX- ante bilan Carbone.
Freschet G.T., Barthès B.G., Brunet D., Hien E., Masse D., 2011. Use of near infrared reflectance spectroscopy (nirs) for predicting soil fertility and historical management. Communications in soil science and plant analysis, 42 (14), pp 1692–1705.
GISSOL groupe d’intérêt scientifique, 2005. Sol pour une gestion patrimoniale et durable des sols. Ministère de l’agriculture et de la pêche. 85 p.
Glaser B., Haumaier L., Guggenberger G., Zech W., 2001. The’Terra Preta’phenomenon: a model for sustainable agriculture in the humid tropics. Naturwissenschaften, 88 (1), pp 37–41.
Guéneau S., Thébault J.P., Choumert G., Du Castel C., Liabastre T., Loisel C., Plaisir J., Saulnier J., Torre J.P., 2012. Forêts tropicales: point d’étape et nouveaux défis. Quelles orientations pour les acteurs français?: 3ème Rapport du Groupe national sur les forêts tropicales (GNFT).
Hallin S., Welsh A., Stenström J., Hallet S., Enwall K., Bru D., Philippot L., 2012. Soil Functional Operating Range Linked to Microbial Biodiversity and Community Composition Using Denitrifiers as Model Guild. PloS one, 7 (12), p e51962.
ITAB, 2002. Activités biologiques et fertilité des sols: Intérêts et limites des méthodes analytiques disponibles.
Jean-Michel S., Marianne S., 2011. Projet GUYASIM Bilan de l’activité 2: Scénario scocio économique et dynamique territoriale de la Guyane.
Jolivet M.-J., 1987. La politique de développement en Guyane: récurrence et point de rupture.
46
Lensi R., Gourbière F., Josserand A., 1985. Measurement of small amounts of nitrates in an acid soil by N2O production. Soil Biology and Biochemistry, 17 (5), pp 733–734.
Leprun J.-C., Misset M., Viala A.-L., Le Martret H., Wegnez F., Cheaib N., Beaudou A., Le Rouget B., 2001. Cartographie agro-pédologique des sols guyanais à partir des documents existants et intégration dans un SIG : rapport général de fin de convention. Montpellier, IRD, p 150 p.
Leroy M., Derroire G., Vendé J., Leménager T., 2013. La gestion durable des forêts tropicales De l’analyse critique du concept à l’évaluation environnementale des dispositifs de gestion.
Marianne B., Karan C., Linda H., 2012. Les activités en matière d’utilisation des terres, de changement d’affectation des terres et de foresterie (utcatf).
Masto R.E., Chhonkar P.K., Singh D., Patra A.K., 2007. Soil quality response to long-term nutrient and crop management on a semi-arid Inceptisol. Agriculture, Ecosystems & Environment, 118 (1–4), pp 130‑142.
Mausbach M.J., Tugel A., 1997. Soil quality: a multitude of approaches. In : Kearney Foundation Symposium, Berkeley, California.
Menard J.-N., Morin G.-A., 2012. Foncier et installation en agriculture en Guyane. CGAAER. Guyane, p 45.
Meridian Institute, 2011. Agriculture and Climate Change Policy Brief: Main Issues for the UNFCCC and Beyond.
Michel V., Bertrand V., Gérard M., 1995. L’élevage bovin en Guyane.
Nannipieri P., Ascher J., Ceccherini M., Landi L., Pietramellara G., Renella G., 2003. Microbial diversity and soil functions. European Journal of Soil Science, 54 (4), pp 655–670.
Newton, P. I.F.P., L. Wollenberg., A. Agrawal, 2013. Interventions for Achieving Sustainability in Tropical Forest and Agricultural Landscapes. CAPRi Working Paper No. 110. Washington, D.C.: International Food Policy Research Institute. Washington, DC, International Food Policy Research Institute.
Pageaud D., 2012. La consommation d’espaces agricoles et naturels observée par Corine Land Cover, du document: Urbanisation et consommation de l’espace, une question de mesure.
Pansu M., Gautheyrou J., 2003. L’analyse du sol: minéralogique, organique et minérale. Springer Berlin Heidelberg New York.
Parlement Européen, 2011. RAPPORT sur le Livre vert de la Commission intitulé « La protection des forêts et l’information sur les forêts dans l’Union européenne: préparer les forêts au changement climatique » (2010/2106(INI)) Commission de l’environnement, de la santé publique et de la sécurité alimentaire.
Prosensols, 2013. Déterminer la texture d’un sol : Théorie A2.
47
Reis T., Roggy J.-C., Domenach A.-M., In press. Variation in soil microbial function along environnemental gradient in tropical forests of French Guiyana.
Robert M., 2002. La séquestration du carbone dans le sol pour une meilleure gestion des terres. Rome, FAO.
Rouessac F., Rouessac A., Ourisson G., 2000. Analyse chimique: méthodes et techniques instrumentales modernes: cours et exercices résolus. Dunod.
Roy C., 2011. La biomasse, source de « croissance verte » pour la Guyane.
Sabatier D., Prévost M.F., 1990. Quelques données sur la composition floristique et la diversité des peuplements forestiers de Guyane française. Bois et forêts des tropiques, 219 , pp 31–55.
Schjønning P., Elmholt S., Christensen B.T., 2004. Managing Soil Quality: Challenges in Modern Agriculture. CABI, 356 p.
Schloter M., Dilly O., Munch J.., 2003. Indicators for evaluating soil quality. Agriculture, Ecosystems & Environment, 98 (1–3), pp 255‑262.
SYS C., 1978. Evaluation of land limitations inthe humid tropics. PEDOLOGIE, p 307.
Tabet A., 1978. Analyse de resultats experimentaux d’un drainage sur sols argileux lourds. Hommes, Terre et Eaux, 7 ,
Thien S.J., 1979. Evaluation de la texture du sol au toucher. p 54.
Tiedje J.M., Sexstone A.J., Parkin T.B., Revsbech N.P., 1984. Anaerobic processes in soil. Plant and Soil, 76 (1-3), pp 197‑212.
Turenne J.-F., 1977. Culture itinérante et jachère forestière en Guyane : Evolution de la matière organique. Cahiers ORSTOM.Série Pédologie, 15 (4), pp 449‑461.
USDA Natural Resources Conservation Service (USDA Natural Resources Conservation Service, 1996. Indicators for Soil Quality Evaluation.
Velasquez E., Lavelle P., Andrade M., 2007. GISQ, a multifunctional indicator of soil quality. Soil Biology and Biochemistry, 39 (12), pp 3066‑3080.
Weng P., Laporte P., Joseph, B., 2004. Etude préalable à la redéfinition des périmètres de protection du captage AEP de la Comté (Guyane)— Rapport final. Rapport BRGM/RP-53480-FR, 75 pages, B fig., 9 tab., 4 ann., 1 planche hors texte.
48
LISTE DES ABREVIATIONS
ACP : Analyse en Composante Principale
ASP: Agence des Services de Payement
CCE : Commission des communautés européennes
CGAAER : Conseil Général de l’Alimentation, de l’Agriculture et des Espaces Ruraux
CGDD: Commissariat Général au Développement Durable
CGG: Conseil Régional de la Guyane
CO2 : Dioxyde de carbone
DAAF: Direction de l’Alimentation, de l’Agriculture et des forêts
DEA: Denitrification Enzymatic Activity
DOM: Département d’Outre-Mer
EX-ACT : EX-ante Appraisal Carbon-balance
FAO : Organisation des Nations Unies pour l’alimentation et l’agriculture
GDF : Gestion Durable des Forêts
GES : Gaz à Effet de Serre
GISQ: General Index of Soil Quality
Iqs : Indice de qualité des Sols
IRD: Institut de Recherche pour le Développement
ITAB: Institut Technique de l’Agriculture Biologique
LiDAR : Light Detection And Ranging
MNT: Modèle Numérique de Terrain
MO: Matière Organique
NIRS Near Infrared Reflectance Spectroscopy
NNE: Nord Nord-Est
ONF : Office National des Forêts
ORSTOM : Office de la Recherche Scientifique et Technique Outre-Mer, remplacé par l'IRD
PAS : Périmètre d’Attribution Simplifié
qCO2 : Quotient métabolique
SAU : Surface Agricole Utile
SIR: Substrat Induced Respiration
SMAF : Cadre d'évaluation de la gestion des sols
SQI : Soil Quality Index
SSO : Sud Sud-Ouest
tCO2eq : Tonne de CO2 équivalent
UE : Union Européenne
UTCATF : Utilisation des Terres, Changement d’Affectation des Terres et Foresterie
49
TABLE DES FIGURES
Figure 1:Situation du site de l’étude (Roura) ............................................................................. 5 Figure 2: Différents régimes de gestion des forêts de Guyane (ONF) ....................................... 6 Figure 3: Occupation des sols de la bande littorale de la Guyane en 2006 ................................ 7 Figure 4: Zone d’étude : PAS de Nancibo ................................................................................. 7 Figure 5: Nombreuse collines, zone tampon et domaine privé sur image Google Earth ........... 8 Figure 6: Récapitulatif de la méthodologie de mesure de la respiration microbienne ............. 13 Figure 7: Récapitulatif de la méthodologie de mesure de la dénitrification microbienne ....... 14 Figure 8: Répartition des pH des échantillons analysés ........................................................... 18 Figure 9: Construction des indices de qualité des sols (Iqs) .................................................... 22 Figure 10: Positionnement des parcelles prospectées (a) par rapport à la superficie contractuelle (b) ........................................................................................................................ 24 Figure 11: Résultat des exclusions à l’issu des différentes observations sur le terrain ............ 27 Figure 12: Répartition des échantillons par rapport à la respiration (a) / dénitrification (b) selon la quantité en MO ........................................................................................................... 29 Figure 13: Répartition des terres suivant leurs possibilités d'usage en verger ........................ 30 Figure 14: Répartition des terres suivant leurs possibilités d'usage en maraichage ................ 30 Figure 15: Répartition des terres suivant leurs possibilités d'usage en pâturage .................... 31 Figure 16: Ensemble des couches par usage possible .............................................................. 31 Figure 17: ACP : Variable factor map (a) et Individuals factor map (b) ................................. 32 Figure 18: Lien Argile/respiration (a), Argile/ dénitrification (b)............................................ 33 Figure 19: Lien respiration/MO (a), dénitrification/MO (b) .................................................... 34 Figure 20: Lien entre la pente et l'activité biologique (a) puis entre la pente et la texture (b) 36 Figure 21: Lien entre la respiration et la dénitrification ........................................................... 36
TABLE DES PHOTOS
Photo 1: Affleurement rocheux (a) et engorgement (b) ........................................................... 25 Photo 2: Ancienne carrière (a) au Nord-est, carrière active (b) Sud-est de la zone d’étude .. 25 Photo 3: Parcelle exploitée non répertoriée (a), Parcelle récente d’abattis brulis (b) ............. 26
50
TABLE DES TABLEAUX
Tableau 1: Groupes d’indicateurs utilisés pour définir la qualité des sols ............................... 15 Tableau 2: Textures et limitations culturales ........................................................................... 17 Tableau 3: Texture et limitation agricole ................................................................................. 17 Tableau 4: Catégorisation de la quantité de MO ...................................................................... 18 Tableau 5: Catégorisation de la respiration .............................................................................. 20 Tableau 6: Catégorisation de dénitrification ........................................................................... 20 Tableau 7: Catégorisation des activités biologiques ................................................................ 21 Tableau 8: Clé de répartition des usages par classe de profondeur de sol utile ....................... 22 Tableau 9: Clé de répartition des appréciations de la qualité des sols par classe des Iqs ........ 23 Tableau 10: Répartition des superficies avant prospection ...................................................... 24 Tableau 11: Bilan des répartitions des superficies entre exclusions et analysés ...................... 26 Tableau 12: Superficie par classes de pente et par pratique agricole ....................................... 26 Tableau 13: Synthèse de résultats d’analyse complète des échantillons du référentiel ........... 27 Tableau 14: Répartition des textures par catégories de qualité ................................................ 28 Tableau 15: Répartition des échantillons par qualité MO et activités biologiques ................. 28 Tableau 16 : Répartition des superficies par usage possible et par qualité de sols .................. 29 Tableau 17: Bilan carbone prévisionnel du projet de changement d’usage des terres. ............ 37
LISTE DES ANNEXES
Annexe 1 : Dispositif d’aide à la déforestation des parcelles agricoles
Annexe 2 : Protocole d’utilisation du microcatharomètre)
Annexe 3: Protocole de mesure de l’activité respiratoire avec le dosage du CO2 par chromatographie en phase gazeuse (Substrate Induced Respiration, SIR)
Annexe 4: Protocole de mesure de l’activité dénitrifiante potentielle (Denitrifying Enzyme Activity, DEA)
Annexe 5: Evaluation de la texture du sol au toucher & déterminer la texture d’un sol : Théorie A2
51
ANNEXES
Annexe 6 : Dispositif d’aide à la déforestation des parcelles agricoles
52
Annexe 7 : Protocole d’utilisation du microcatharomètre)
Utilisation du micro-GC
Démarrage :
Allumer l’ordinateur, attendre que la session soit ouverte, puis allumer le microcatharomètre
Galaxie :
Ouvrir Galaxie
Taper le nom d’utilisateur, choisir le groupe puis le projet
Dans Galaxie, ouvrir une séquence ou en créer une nouvelle : « File » puis « Open Sequence » ou « File » puis « New Sequence »
« System name » : CP4900
Appuyer « Next »
« Number of lines » = nombre d’échantillons analyses
Appuyer « Next »
“ New sequence name” = nom de la séquence
Appuyer « Ok »
Dans le tableau qui apparait, dans la colonne :
« Method » : cliquer sur la flèche et choisir la méthode d’analyse (en général il n’y en a qu’une)
Pour appliquer la même chose à toutes les lignes, aller sur le nom de la colonne, faire un clic droit puis « Fill block »
« Run name » : taper le nom de l’échantillon comme suit, ensuite faire un « Fill block »
Nom de la manip année de prélèvement – mois de prélèvement-nom de la parcelle-temps de la mesure – nom de l’échantillon
Par exemple, pour un échantillon récolté à BAFOG, au mois de mai 2010 et pour lequel on
mesure la nitrification après 24h d’incubation, il faudra rentrer :
Nit10-05-BAFOG-T24- BAF1.1
« Run ID » : effacer les 0 et « Fill block »
« Rune time » : le temps du run se met automatiquement lorsque l’on sélectionne la méthode et « Fill block »
53
« Injection » : mettre 2 injections et « Fill block »
Toutes les colonnes qui n’ont pas été citées ci-dessus restent telles quelles.
Ensuite cliquer sur l’onglet « System », en bas à gauche, puis cocher « CP 4900 terrain » (voir ci-dessous). Le système qui apparait vous permet de suivre l’injection en cours et ainsi, de voir le futur chromatogramme.
Durant le fonctionnement, une acquisition peut être stoppée ou simplement suspendue. Voir schéma ci-dessous.
Une fois l’acquisition terminée, pour ouvrir le chromatogramme : aller dans « File » puis « Open Chromatogram » et choisir le nom de l’utilisateur sous lequel vous vous êtes connecté à Galaxie. Les dossiers d’injection apparaîtront ensuite par date. Cliquer sur le dossier correspondant au jour de votre analyse, puis choisir le chromatogramme recherché.
54
Le schéma ci-dessous donne la fonction de quelques boutons utiles:
Utilisation du « Quick Start Run » :
Il est utilisé pour une injection unique, comme pour le test du vide dans les flacons.
Cliquer sur l’onglet :
« Method name » : choisir la méthode d’analyse souhaitée
Appuyer « Ok »
« File prefix » : nom de l’injection
9 « Start »
Exportation des données :
Aller dans « File » puis « Open Summary Report » ensuite ouvrir « nomfichier.SUMR ».
Dans « Chromatogram to summarize », faire un clic droit sur « Chromatogram », puis cliquer sur « Delete chromatogram ». Une fois toutes les données du tableau effacées, faire un autre clic droit puis « Add chromatogram ».
55
Dans l’onglet « ABC Variables », en bas à droite, vérifier si la variable ajoutée est la bonne. Si non, aller dans « Add Variables » et choisir celle qui convient (il peut y en avoir plusieurs).
Enfin, dans l’onglet « Export », changer le nom dans « File name » puis appuyer sur l’icône « Export report » (dernier icône : petit fichier avec un éclair jaune).
Vous trouverez le fichier exporté dans :
Ordinateur
Disque local
Utilisateurs
Chromato.terrain ou .labo
Mes documents
Labo ou terrain
Data
56
Annexe 8: Protocole de mesure de l’activité respiratoire avec le dosage du CO2 par chromatographie en phase gazeuse (Substrate Induced Respiration, SIR)
Mesure de l’activité respiratoire avec le dosage du CO2 par chromatographie en phase gazeuse (Substrate Induced Respiration, SIR)
Domaine d’application :
Le domaine concerne tous les sols mais également les litières. Une recherche est nécessaire pour :
Connaître l’activité et permettre la mesure ( ne pas travailler dans les limites de détection)
Connaître les différents paramètres afin de ne pas s’éloigner des conditions du sol (pH et volume de saturation en eau (capacité au champ)).
Principe de la méthode :
La respiration potentielle (Substrate induced respiration, SIR) est adaptée du protocole d’Anderson et Domsch (1978). Le principe est de quantifier la quantité de CO2 dégagée par les microorganismes présents dans l’échantillon quand celui-ci est placé dans des conditions optimales. Pour cela, on fournit une source non limitante de carbone aux microorganismes (Beare et al., 1991). La quantité de CO2 sera analysée par le microcatharomètre à 2 temps différents d’incubation. La différence entre les deux mesures nous donner l’activité respiratoire.
Mesure de la saturation du sol en eau:
Prendre 5 flacons, au minimum, de 150ml et y peser 20g de sol (A FAIRE POUR TOUS LES TYPES DE SOL)
Boucher les flacons
Verser sur le sol, à l’aide d’une seringue, un volume permettant d’avoir une saturation du sol (l’eau doit affleurer au-dessus du sol). Agiter et attendre quelques secondes pour voir si le sol est toujours à saturation. Si non, rajoutez un peu d’eau
Ce volume correspond à 100% d’humidité du sol. Faire une moyenne des 5 volumes pour obtenir le volume qui sera utilisé pour les manipulations. Il faudra calculer V80% pour la respiration
Mesure du pH du sol
Peser 20g de sol
Mettre 2 fois plus d’eau distillée que de sol
Agiter le mélange pendant 1h puis laisser décanter pendant 30min
Mesurer le pH au pHmètre
57
Préparation des échantillons pour lancer une série d’analyse :
Mettre 20g de sol dans un flacon à plasma de 150ml
Préparation de la solution nutritive de glucose :
Glucose : on veut 1mg de C-glucose/g éq de sol sec) (PM C6H12O6 = 180g/mol et 6 x C = 72g)
On ajuste la concentration de cette solution pour avoir ces quantités de nutriments avec 80% de la saturation du sol :
Glucose = 20 (g) x 1 (mg) x (180/72) = G (mg) dans Xsat80 donc [glc]solution nutritive = G (mg) /Xsat 80 en mg/ml
Préparer la solution avec la concentration précédente pour autant de flacons que nécessaire. Pour des sols acides ou basiques, rectifier le pH pour l’adapter aux conditions du sol.
Injecter à intervalle régulier de 5min la solution
Après injection de la solution, mettre à incuber à l’étuve à 28°C
Au temps de la première injection, il faudra noter l’heure (T0). Après 1h (T1) passé à l’étuve injecter au microcatharomètre . 4h après T1 (à T5), injecter de nouveau au microcatharomètre. La production de dioxyde de carbone correspondra à : T5-T1
Les données provenant du microcatharomètre sont en vpm ou ppm. Pour avoir l’activité respiratoire en g C-CO2/g sol /h il faut donc utiliser la formule suivante :
Resp pot (g C-CO2/g sol/h) = (Y *0.150*(44/22.4))/ (4*20*(12/44))
Simplifié, cela donne : (Y*0.150*12)/(20*4*22.4) en µg/g sol/h
Y : différence entre les 2 mesures(vpm)
0.150 : volume du flacon (L)
12 : C dans CO2 (g)
44 : PM de CO2 (g/mol)
4 : T5-T1 : Temps d’incubation (h)
20: quantité de sol (g)
22,4 : volume occupé par 1 mole (12g de CO2) de gaz parfait à T = 20°C et P = 1Pa (L)
58
Bibliographie :
Anderson JPE, Domsch KH, 1978. A physiological method for the quantitative measurement of microbial biomass in soils. Soils Biology Biochemistry 10: 215-221
Beare MH, Neely CL, Coleman DC, Hargrove WL. 1991. Characterization of a substrate-induced respiration method for measuring fungal, bacterial and total microbial biomass on plant residues. Agriculture, Ecosystems and Environment 34(1): 65-73
Pansu M, Gautheyrou J. 2003. L’analyse du sol minéralogique, organique et minérale. Springer. 993 pages
Rouessac F, Rouessac A. 2000. Analyse chimique. Méthodes et techniques instrumentals moderns. Cours et exercices résolus. DUNOD. 5e édition. 430 pages
59
Annexe 9: Protocole de mesure de l’activité dénitrifiante potentielle (Denitrifying Enzyme Activity, DEA)
Mesure de l’activité dénitrifiante potentielle (Denitrifying Enzyme Activity, DEA). Domaine d’application :
Le domaine concerne tous les sols mais également les litières. Cette méthode peut permettre de mettre en évidence des profils cataboliques de dénitrification (CDP) avec différentes sources de carbone. Une recherche est nécessaire pour :
Connaître l’activité et permettre la mesure (ne pas travailler proche des limites de détection)
Connaître les différents paramètres afin de ne pas s’éloigner des conditions du sol (pH et volume de saturation du sol en eau).
Définition :
La dénitrification microbienne ou « respiration des nitrates » est utilisée par des bactéries lorsque le milieu ne contient plus de dioxygène. A défaut d’oxygène, ces bactéries, dites dénitrifiantes, utilisent alors les nitrates comme accepteurs finaux d’électrons dans la chaîne respiratoire pour pouvoir oxyder les matières organiques incorporées et fournir l’énergie sous forme d’ATP (Adénosine Tri-Phosphate) aux cellules. Ces bactéries utilisent la voie dissimilatrice, processus qui consiste en une réduction des nitrates en diazote gazeux selon le schéma suivant :
NO3- NO2
- NO NH2OH N2O N2 (gazeux)
La plupart des bactéries dénitrifiantes, telles Pseudomonas aeruginosa, sont hétérotrophes, c’est-à-dire qu’elles utilisent des composés organiques pour leurs besoins nutritionnels et énergétiques.
Pour accomplir ce processus, ces micro-organismes synthétisent la Nitrate Réductase Dissimilatrice, enzyme capable de catalyser ces réductions. Cette enzyme est induite lorsque le dioxygène disparaît du milieu et les nitrates sont présents.
Les ripisylves et autres zones tampons peuvent offrir des conditions favorables à la réalisation de la dénitrification microbienne.
Mesure de la saturation du sol en eau:
Prendre 5 échantillons de 20 g de sol sec sur la série à analyser (flacon plasma de 150cc)
Remplir une seringue de 5 ml d’eau distillée
Ajouter au goutte à goutte l’eau dans les flacons (en les agitant à chaque ajout) jusqu’à ce que le sol soit humidifié de façon homogène sans qu’il n’y ait d’affleurement d’eau à la surface (le sol doit avoir un aspect boueux « non inondé »).
En déduire le volume d’eau V100 à apporter pour avoir 100% d’humidité.
60
Calculer le volume V80 d’eau pour 80% d’humidité : V80= 80%*V100
Mesure du pH du sol
Peser 20g de sol
Mettre 2 fois plus d’eau distillée que de sol
Agiter le mélange pendant 1h puis laisser décanter pendant 30min
Mesurer le pH au pHmètre
Préparation des échantillons pour lancer une série d’analyse :
Peser 20g de sol pour chaque flacon, les fermer à l’aide d’un bouchon et d’une bague puis les passer au banc à vide : cycle automatique du banc commandé par le logiciel BTV24 (5 cycles de 600 secondes) ou cycle manuel : 6 cycles vide rapide/He+ vide lent jusqu’à -0.1bar puis admission d’acétylène jusqu’à 0 bar (P atmosphérique)
Vérifier au microcatharomètre que le vide est correct :
Vide (premier pic qui apparait sur le Run) < 5000µV/min (lu sur l’axe des ordonnées)
120 000µV/min < Acétylène (C2H2) < 140 000µV/min
Préparation de la solution nutritive de glucose + glutamate + nitrate de potassium :
Glucose : on veut 1mg de C-glucose/g éq de sol sec (PM C6H12O6 = 180g/mol et 6*C = 72g de C dans 180g de glucose)
Glutamate : on veut 1mg C-acide glutamique/g éq de sol sec (PM acide glutamique = 203.25g/mol et 5*C = 60g de C dans 147g d’acide glutamique)
Nitrate de potassium : on veut 50µg de N-KNO3/g éq sol sec (PM Nitrate potassium = 101,10g/mol et 1*N = 14g de N dans 101,10g de KNO3)
On ajuste la concentration de cette solution pour avoir ces quantités de nutriment avec 100% de la saturation du sol :
Glucose = 20 (g)* 1 (mg)*(180/72) = G (mg)/20g sol soit par x ml qu’il faudra rajouter par flacon
Vsolution totale = nb flacons*x ml : toujours faire plus de solution que ce qui est calculée (exemple : 6X2ml = 12ml mais faire 15 ml au cas où)
[glc]solution nutritive = (Vsolution totale (ml) * G (mg))/ x ml
Glutamate = 20 (g) x 1 (mg) x (203.25/60) = G (mg)/20g sol soit par x ml qu’il faudra rajouter par flacon
61
Le calcul est le même que pour le glucose
Nitrate de potassium = 20 (g) x 0.05 (mg) x (101,10/14) = G (mg)/20g soit par x ml qu’il faudra rajouter par flacon
Le calcul est le même que pour le glucose
Préparer la solution avec la concentration précédente pour autant de flacons que nécessaire. Pour des sols acides ou basiques, rectifier le pH pour l’adapter aux conditions du sol.
Injecter à intervalle régulier de 5min la solution
Après injection de la solution, mettre à incuber à l’étuve à 28°C
Au temps de la première injection, il faudra noter l’heure (T0). Après 1h (T1) passé à l’étuve injecter au microcatharomètre. 5h après T1 (à T6), injecter de nouveau au microcatharomètre. La production de protoxyde d’azote correspondra à : T6-T1
Les données provenant du microcatharomètre sont en vpm ou ppm. Pour avoir l’activité respiratoire en g N-N2O/g sol /h il faut donc utiliser la formule suivante :
Dénit pot (g N-N2O/g sol/h) = (Y *0.150*(44/22.4))/ (5*20* (28/44))
Simplifié, cela donne : (Y*0.150*28)/(20*5*22.4) en µg/g sol/h
Y : T6-T1 (vpm)
0.150 : volume du flacon (L)
28 : 2 X 14 de N dans N2O (g)
44 : PM de N2O (g/mol)
5 : T6-T1 = temps d’incubation (h)
20: quantité de sol (g)
22,4 : volume occupé par 1 mole (12g de CO2) de gaz parfait à T = 20°C et P = 1Pa (L)
Bibliographie :
Lensi R, Gourbière F, Josserand A. 1985. Measurement of small amounts of nitrates in an acid soil by N2O production. Soil Biology Biochemistry 17: 733-734
Pansu M, Gautheyrou J. 2003. L’analyse du sol minéralogique, organique et minérale. Springer. 993 pages
Tiedje JM, Sexstone AJ, Parkin TB, Revsbech NP, R. Shelton D. 1984. Anaerobic processes in soil.Plant and Soil 76: 197-212
Annexe 10: Evaluation de la texture du sol au toucher & déterminer la texture d’un sol : Théorie A2
62
63
64