See discussions, stats, and author profiles for this publication at: [Link]

net/publication/313891366

Vers un cadre intégré de simulation de la dynamique des ressources en

carbone à large échelle en Afrique de l’Ouest (Première partie): Etat de l’art
sur la modélisation/simulation...

Technical Report · July 2012

CITATIONS READS

0 1,562

1 author:

Mahamadou Belem
Université Nazi Boni
49 PUBLICATIONS 122 CITATIONS

SEE PROFILE

All content following this page was uploaded by Mahamadou Belem on 22 February 2017.

The user has requested enhancement of the downloaded file.

 Rapport de recherche

Vers un cadre intégré de simulation de la dynamique des ressources en carbone

à large échelle en Afrique de l’Ouest
Première partie
Etat de l’art sur la modélisation/simulation de la dynamique des ressources en
carbone

Dr. Mahamadou BELEM, Expert Modélisation Carbone - CRA

Juillet 2012

1
Sommaire

1. INTRODUCTION ............................................................. 6

2. LA DYNAMIQUE DU CARBONE .............................................. 12

2.1. Le cycle du carbone d’un système de production 12
2.1.1. Description 12

2.1.2. les facteurs de changement 14

2.2. Le cycle global du carbone 15

2.2.1. Description 15

2.2.2. Les facteurs de changement 17

2.3. La nécessite de la modélisation informatique de la dynamique du carbone 22

3. LA SIMULATION INFORMATIQUE ............................................ 23

4. LES MODELES DE SIMULATION DE LA DYNAMIQUE DU CARBONE ............... 25

4.1. Les modèles du sol 25
4.1.1. Le modèle Century 26

4.1.2. Le modèle RothC 28

4.1.3. Le modèle MOMOS 29

4.1.4. Le modèle DAISY 30

4.1.5. Le modèle DNDC 30

4.1.6. Conclusion 31

4.2. Les modèles locaux 33

4.2.1. Les modèles bio-économiques 33

4.2.2. Les modèles multi-agents 33

4.3. Les modèles globaux 36

4.3.1. Le système GEFSOC 37

4.3.2. Evaluation du potentiel économique de la séquestration du carbone 39

4.3.3. Des modèles pour l’analyse des scénarios gagnant-gagnants de la sequestration du carbone 40

4.3.4. Conclusion 46

5. QUELQUES CAS D’APPLICATION DE LA MODÉLISATION DE LA

DYNAMIQUE DU CARBONE EN AFRIQUE................................ 51

2
5.1. Le projet Sequestration of Carbon in Soil Organic Matter (SOCSOM) 51
5.2. Estimation du stock du carbone du sol dans la région semi-aride du Soudan
53
5.3. Modélisation de la séquestration du carbone des sols agricoles 54
5.4. Prédiction de l’évolution du stock du carbone à l’échelle nationale au Kenya
56

6. DISCUSSION .............................................................. 58
6.1. Analyse conjointe des options d’atténuation et d’adaptation au changement
climatique 61
6.2. Le changement d’usage des terres et l’évaluation du potentiel de
séquestration du carbone du sol 62
6.3. Articulation entre les options globales et locales 62
6.4. la nécessité d’une approche intégrée de la simulation de la dynamique du
carbone 64

7. CONCLUSION ET PERSPECTIVES ............................................ 64

REFERENCES................................................................. 66

3
Liste des figures
Figure 1: Cycle court du carbone (modifiée de
[Link] 13

Figure 2: Les flux des ressources en carbone à l'échelle d'une exploitation (Manlay, 2000) ................................ 14

Figure 3: Le cycle global du carbone caractérisé par des interactions entre les compartiments biotique,
pédologique, océanique, atmosphérique et géologique (Lal, 2008)....................................................... 16

Figure 4: Cycle global du carbone (Image NASA) ............................................................................................... 17

Figure 5: Emissions mondiales des GES anthropiques (GIEC, 2007) .................................................................. 19

Figure 6: Facteurs humains de l'évolution du climat, effets du changement climatique et réponses apportées
(GIEC, 2007) .......................................................................................................................................... 20

Figure 7: Le sous-modèle matière organique du sol de Century ........................................................................... 26

Figure 8: Les différents systèmes simulés par le modèle Century ........................................................................ 27

Figure 9: Les entrées du modèle Century .............................................................................................................. 28

Figure 10: La structure du modèle RothC ............................................................................................................. 29

Figure 11: La structure du modèle Momos 6 ........................................................................................................ 30

Figure 12: Les interactions entre la démographie, la dynamique pastorale, l'agriculture et l'environnement dans le
modèle CaTMAS .................................................................................................................................... 35

Figure 13: Représentation spatiale de la dynamique d'occupation dans CaTMAS (Belem et al., 2011) .............. 36

Figure 14: Les différentes étapes de construction du Système GEFSOC ............................................................. 38

Figure 15: Un cadre unique de modélisation du changement d'usage et du couvert végétal pour l'évaluation du
potentiel de séquestration du carbone ..................................................................................................... 42

Figure 16: La structure du modèle IA-SDSS ........................................................................................................ 44

Figure 17: La dynamique du carbone du modèle FORCAB2 ............................................................................... 45

Figure 18: La structure du modèle RegCarb ......................................................................................................... 46

Figure 19: Comparaison par simulation des impacts de différentes stratégies de gestion des terres sur la
séquestration du carbone dans le Nord du Sénégal (Woomer et al., 2004) .......................................... 52

Figure 20: La province de Kordofan du Nord ....................................................................................................... 53

Figure 21: Les différents types d'occupation des terres......................................................................................... 55

Figure 22: La carte de Malawi et la région d'étude ............................................................................................... 57

Figure 23: Les étapes de construction du modèle ................................................................................................. 58

Liste des tableaux

Tableau 1: Exemples des pratiques agricoles favorisant l'augmentation du carbone du sol (Batjes, 2001) .......... 21

Tableau 2: Exemples de mesures d'adaptation prévues par secteur (GIEC, 2007)................................................ 22

Tableau 3: Tableau comparatif des différentes approches de modélisation de la dynamique du carbone à large
échelle..................................................................................................................................................... 48

4
Tableau 4: Evolution du stock du carbone du sol sous différentes pratiques et gestion de la fertilité des sols ..... 55

Résumé
Cette étude présente une synthèse bibliographique sur la modélisation de la dynamique du
carbone à différentes échelles spatio-temporelles. Il s’efforce de décrire non seulement la
complexité de la dynamique du carbone mais aussi la nécessité de sa modélisation et les
différents types de modèles carbone qui existent. Ainsi, trois types de modèle carbone sont
décrits dans ce document. Le premier groupe de modèles concerne les modèles du carbone du
sol. Ces modèles s’intéressent uniquement au stockage, transformation et utilisation des
ressources en carbone dans le sol et l’impact du climat et éventuellement des modes d’usage
des terres sur la dynamique du carbone. Le second groupe de modèle étudié s’intéresse aux
modèles locaux qui simulent les flux des ressources en carbone à l’échelle des systèmes de
production tout en prenant en compte les facteurs biophysiques et socio-économiques de la
dynamique du carbone. La dernière catégorie de modèles identifiée concerne les modèles
spatiaux. Ces modèles simulent la dynamique du carbone à large échelle – région, pays,
continent - tout en prenant en compte la diversité spatiale du climat, de la végétation, de la
texture des sols et du couvert végétal. Plusieurs applications de projet de simulations sont
présentées et discutées dans ce document. De cette étude, il ressort que peu d’études de
modélisation de la dynamique du carbone ont été réalisées en Afrique de l’Ouest. Les études
réalisées prennent en compte soit l’échelle du terroir, soit l’échelle d’une région de production
agricole. Si ces modèles sont pertinents vis-à-vis des objectifs des concepteurs, ils sont très
limités pour être utilisés dans un cadre de recherche de synergies entre politiques nationales
sur le changement climatique d’une part et des synergies entre politiques climatiques et
politiques de développement d’autre part aussi bien à l’échelle locale qu’à l’échelle nationale
et de la sous-région Ouest-Africaine. En plus, ces modèles peinent à intégrer la dimension
économique et politique de la dynamique du carbone. Pour chercher des synergies entre
différents objectifs et les politiques nationales et sous-régionales, seule une approche globale
prenant en compte la dimension socio-économique, politique et environnementale est
pertinente.

Mots clés : Carbone – Séquestration – Modélisation - Afrique de l’Ouest

5
1. INTRODUCTION
Par ses propriétés structurales, de stockage et d’échange d’information, d’énergie et de
nutriments, le carbone joue dans l’écosystème de multiples rôles de type statique (constitution
du squelette végétal et de la matrice argilo-humique du sol) et dynamique (transferts
d’énergie et de matière dans et entre les individus) (Mohr et al., 1995; Kaplan et al., 2000).
Dans les écosystèmes, les modes de recyclage du carbone renseignent précisément sur le
fonctionnement (productivité et stabilité) des écosystèmes (Odum, 1969). En écologie de la
restauration, Aronson et al. (1993) proposent d’ailleurs, pour caractériser l’état des
écosystèmes, trois attributs vitaux découlant du cycle du carbone: productivité de la biomasse,
stockage de la biomasse et teneur en matière organique du sol.

Dans la biosphère continentale, un tiers du carbone serait stocké dans la végétation, le reste
dans le sol et la litière (IPCC, 2003). Bien que modeste par sa taille, le réservoir
atmosphérique contribue pour plus de 30% à l’effet de serre « naturel » qui contrôle la
température à la surface de la Terre (Chatfield, 2000).

Dans les écosystèmes tropicaux, l’étude de la dynamique du carbone sous ses diverses formes
se justifie de deux points de vue complémentaires.

Ressources organiques et durabilité des systèmes agraires tropicaux à faible intrant : le point
de vue du paysan

En Afrique la durabilité des systèmes de production adoptés par la petite paysannerie repose
encore largement sur la gestion qui y est faite des ressources organiques, donc en carbone
(Ruthenberg, 1971; Kowal et al., 1978). La matière organique endogène est naturellement un
bien économique (alimentation humaine, bois, fourrage). C’est aussi un moyen de production
puisqu’elle entretient les animaux, qui fournissent travail et fumier, et le statut organique du
sol, qui pilote largement la fertilité des sols tropicaux lessivés. Le statut carboné - concept qui
renvoie à l’état et à l’intensité d’utilisation des ressources en carbone - de la parcelle, de
l’exploitation agricole ou de la communauté rurale, est donc souvent un indicateur pertinent
de la reproductibilité du système considéré.

La quantification des ressources en carbone et de leurs usages à un instant donné est un outil
de diagnostic de l’état du système (Manlay et al., 2004). La viabilité du système de production

6
peut, elle, être appréhendée par l’étude de la dynamique temporelle de son statut organique,
sur la base d’une simulation par un modèle informatique.

Cycle du carbone et changement global : le point de vue de la société

Les changements d’usage des terres en milieu tropical (utilisation de l’espace, pratiques
agricoles entre autres) représentent 15-20% de l’augmentation nette du stock de carbone
atmosphérique (IPCC, 2003; Achard et al., 2004), alors que celui-ci participe à plus de 60%
du forçage radiatif des émissions de gaz à effet de serre (GES) liées à l’activité humaine
(Houghton, 2000; IPCC, 2003).

Le protocole de Kyoto (UNFCCC, 1997) a initié un cycle de négociations internationales pour

la maîtrise des émissions de GES. Un outil régulateur envisagé pour cette maîtrise est la mise
en place d’un mécanisme pour un développement propre (MDP) dans les pays hors Annexe 1
(UNFCCC, 1997; Noble et al., 2001). La définition des modalités de mise en œuvre des
projets d’atténuation des teneurs en GES par fixation ou atténuation d’émission liées à
l’utilisation des terres, au changement d’affectation des terres et à la foresterie, a été initiée
lors de la Conférence des Parties (CdP) de Marrakech en 2001 et se traduit par des
méthodologies contraignantes, quand elles ne restent pas à construire. L’identification et la
formulation d’un tel projet, qui reposent sur la construction d’un scénario de référence et d’un
scénario projet, sont une étape cruciale. « Un diagnostic erroné, tout en impliquant une
dépense considérable de temps, d’efforts et de ressources, peut rendre le projet irrecevable
aux yeux du MDP » (Mendis et al., 2004). En Afrique sub-saharienne, certains coûts faibles
de mise en œuvre pourraient y favoriser les projets de séquestration du carbone (Ringius,
2002). Mais les changements de gestion des terres, l’intensification de l’activité agricole, et la
diversité des paysages, des sociétés et des économies paysannes, rendent l’identification et la
formulation de ces scénarios difficiles, et les premières études soulignent une faisabilité
incertaine des petits projets tels que définis à la CdP de Milan en 2003 (Locatelli et al., 2004).

Concilier les deux visions

La prise en compte par ces outils de régulation du bilan de carbone d’une activité rurale
pourrait modifier la rentabilité économique de cette activité, et orienter les politiques de
coopération inter-Etats, influençant donc les dynamiques rurales des pays du Sud.

La priorité légitime des gouvernements de ces pays est l’amélioration de leurs situations
sociale et économique. L’intensification durable des systèmes de production de la petite

7
paysannerie tropicale n’est cependant pas incompatible avec une augmentation des stocks de
carbone dans le système sol-plante de ces agro-écosystèmes tropicaux (Izac, 1997) :

 ces deux objectifs peuvent être synergiques, si les stratégies de séquestration de

carbone sont adaptées aux systèmes de production agricoles (Olsson et al., 2002) et
tiennent compte de leur diversité, de leur flexibilité et de leur faible capitalisation,
comme l’ont montré Woomer et al. (1998) et Tschakert (2004a) en l’Afrique de l’Est
et de l’Ouest respectivement,

 le changement climatique global affectera sans doute négativement la situation socio-

économique en Afrique de l’Ouest (Hulme et al., 2001).,

 plusieurs stratégies de séquestration de carbone sont aussi des moyens efficaces de

lutter contre la désertification (Lal, 2001),

 la prise en compte du bilan de carbone dans la rentabilité économique des activités

agricoles pourrait rendre un avantage compétitif aux paysans du Sud. Ceux-ci sont en
effet mis en concurrence avec des pays technologiquement plus développés, où
l’efficacité d’utilisation de la main d’œuvre est plus importante, mais au prix
d’émissions de carbone fossile supérieures (Hall et al., 1993; Zinck et al., 2004).

De ce qui précède, deux constats majeurs se dégagent quant à l’étude de la dynamique du

carbone en Afrique. Premièrement, l’étude de la dynamique du carbone nécessite de prendre
en compte les articulations entre les options locales qui concernent principalement les
systèmes de production et les options globales qui concernent les options politiques non
seulement au niveau national mais aussi au niveau inter-Etats. Secondairement, l’analyse du
cycle du carbone doit nécessairement intégrer simultanément les objectifs social, économique,
environnemental et politique. La prise en compte de ces différents objectifs implique un
certain nombre d’acteurs qui sont concernés par la question du changement climatique et de la
gestion des ressources en carbone. Ce sont principalement les chercheurs, les organisations
gouvernementales, les ONGs, les entreprises et les acteurs locaux tels que les paysans. Ces
différents acteurs ne partagent pas nécessairement les mêmes points de vue et les mêmes
objectifs qui peuvent être complémentaires ou contradictoires. Cette diversité de points de
vue, d’objectifs et des dynamiques interdépendantes, nécessite l’intégration (1) des différents
de point de vue portés par les différents acteurs pour une meilleure compréhension du système
dans toute sa complexité et (2) l’analyse à long termes des différentes dynamiques sous

8
différents scénarios socio-économiques, politiques et environnementaux. Pour ce faire, une
analyse intégrative, prospective et prédictive est nécessaire.

L’analyse intégrative permet de prendre simultanément en compte les différents points de vue
portés par les différents acteurs concernés par la gestion des ressources en carbone et la prise
en compte simultanée des facteurs socio-économiques, environnementaux et politiques.
L’analyse prospective a pour objectif non seulement d’identifier des scénarios novateurs mais
aussi d’analyser leurs impacts sur la dynamique des ressources en carbone. Quant à l’analyse
prédictive, elle permet d’analyser sous différents scénarios l’évolution de l’état du système–
le stock du carbone – dans le futur.

Par conséquence, la modélisation informatique s’impose comme une solution pertinente pour
l’analyse de la dynamique des ressources en carbone car permettant de prendre à la fois en
compte l’analyse intégrative, prospective et prédictive d’un système complexe tel que la
dynamique du carbone.

Nécessité de la modélisation informatique

Les ressources en carbone constituent une ressource renouvelable. La gestion des ressources1
renouvelables repose sur la compréhension des interactions entre dynamiques sociales et
dynamiques écologiques. En effet, par sa définition une ressource renouvelable est l’objet
d’un ou plusieurs usages et donc être un lieu ou objet obligé, sinon volontaire, de coordination
entre des dynamiques d’usages diversifiés. Les ressources renouvelables sont également
régulées par des dynamiques écologiques autonomes. Il en résulte que la dynamique d’une
ressource renouvelable est l’objet d’une triple complexité : (1) celle des dynamiques
écologiques des ressources renouvelables elles-mêmes, (2) celle des pratiques sociales en tant
qu’elles concernent l’usage des ressources et (3) celle des interactions entre ces deux
dynamiques dont dépend la viabilité à la fois économique, sociale et écologique de la gestion
d’une ressource renouvelable. Enfin, des processus de gestion implicites ou explicites
également complexes règlent les droits d’accès et d’usage des ressources.

De ce fait, la dynamique du carbone doit être appréhendée comme un système complexe.

Cette dynamique met en jeu des formes du carbone variées et manipulées par divers acteurs
(plante, microorganisme, animal, homme), qui les produisent, les consomment, ou les

1
Au sens écologique de « ce qui peut être utilisé par un organisme et, par conséquent, devient indisponible pour
un autre » Begon, M., Harper, J.L. and Townsend, C.R.L., 1998. Ecology: Individuals, Populations and
Communities. Blackwell Scientific Publications, Oxford, U.K., 1068 pp.

9
transforment de façon non indépendante le long de chemins trophiques (Falkowski et al.,
2000). Ceci a lieu à des échelles de temps et d’espace variées, suivant des processus dont
l’étude relève de différentes disciplines techniques ou humaines.

Les approches descriptives ne permettent d’obtenir des bilans fiables que pour des situations
présentes ou passées. Au niveau parcellaire, la prévision peut se baser sur des
expérimentations en milieu réel. Mais à l’échelle du système de production et de la région, la
multiplicité des acteurs, des échelles de temps et d’espace, la variabilité climatique et spatiale
font de la modélisation informatique un outil d’expérimentation incontournable pour l’analyse
du cycle du carbone, qu’on se situe dans la problématique agro-écologique locale ou
environnementale globale.

Une multitude de modèles carbone

Aujourd’hui, plusieurs travaux de modélisation de la dynamique des ressources en carbone

ont été proposés. Ces différents modèles sont utilisés pour répondre principalement aux
questions suivantes :

1. Quelle est la capacité de séquestration du carbone et les flux de GES de l’écosystème

étudié ?

2. Comment ceux-ci évoluent-t-il géographiquement et/ou temporellement ?

3. Quel est l’impact des pratiques sur le stock du carbone à court et à long termes?

4. Quels sont les potentiels techniques et économiques de la séquestration du carbone ?

5. Comment les politiques peuvent-elles influencer la dynamique du carbone ?

6. Quelles synergies peut-on trouver entre les objectifs à court et à long terme – par
exemple les options d’atténuation et d’adaptation?

7. Etc.

Plusieurs approches de modélisation sont couramment utilisées. Il s’agit des modèles du sol
qui s’intéressent à la dynamique des ressources en carbone à l’échelle d’une parcelle (Parton
et al., 1994; Coleman et al., 1996; Balesdent et al., 2000). Ces modèles s’intéressent
particulièrement aux interactions entre le sol, la plante et l’atmosphère à l’échelle d’une
parcelle.

10
En plus de ces modèles, nous avons des modèles basés sur l’approche régionale ou globale.
Ce sont généralement des modèles spatiaux permettent d’intégrer la variabilité spatiale et
climatique du système étudié (Falloon et al., 1998; Hernandez, 2005; Schaldach et al., 2005;
Diagana et al., 2007; Easter et al., 2007). Ils sont généralement basés sur le couplage entre des
modèles bio-physiques et des SIG. Ils servent d’outils d’évaluation du potentiel de
séquestration du carbone et des supports d’aide à la décision pour les différents acteurs
concernés par la question du changement climatique et de la gestion des ressources en
carbone.

Entre ces deux types de modèles, nous avons les modèles à l’échelle de terroirs villageois qui
s’intéressent aux flux de la matière organique à l’échelle d’un système de production agricole
(Belem et al., 2011). Ces modèles intègrent simultanément la dynamique du carbone à
l’échelle de la parcelle, de l’exploitation et à l’échelle du terroir villageois. Ces modèles
contrairement aux autres types de modèles ont l’avantage de prendre en compte une diversité
de modes de gestion de la terre et de la fertilité et les interactions entre les individus pour
l’échange des terres, de la matière organique, de la main d’œuvre, etc. Le fait que les
ressources en carbone soient des ressources communes faisant l’objet d’une gestion collective
par les paysans, fait de ces modèles à l’échelle des terroirs villageois, des modèles adéquats
pour analyser la dynamique des ressources en carbone lorsqu’on se situe à l’échelle d’un
système de production agricole.

Cette présente étude s’intéresse à la modélisation de la dynamique du carbone à différentes

échelles. Plus précisément nous nous intéressons aux différents types de modèles
précédemment décris. Cependant, notre objectif n’est pas de recenser toutes les expériences
de modélisation carbone. L’objectif principal est d’identifier les grands groupes de modèles
carbone et les méthodologies qui les accompagnent. Plus spécifiquement, il s’agît de discuter
sur :

1. les différentes approches de modélisation carbone ;

2. les contextes d’utilisation des différents modèles pour guider une personne dans le
choix ou le développement d’une approche pour la simulation de la dynamique du
carbone en Afrique de l’Ouest ;
3. des futures améliorations possibles pour la modélisation de la dynamique du carbone
en Afrique de l’Ouest.

11
Le reste du document est organisé comme suit. La section suivante fournit une description de
la dynamique du carbone à différentes échelles. La troisième section présente un état de l’art
sur les différents types de modèles de simulation du carbone. La quatrième section discute sur
les approches de modélisation afin d’orienter les futures recherches en matière de
modélisation de la dynamique des ressources en carbone en Afrique de l’Ouest en particulier.

2. LA DYNAMIQUE DU CARBONE
Le carbone est le quatorzième élément le plus présent sur la terre. Il est le constituant majeur
de deux GES : le CO2 et le CH4. Le carbone existe sous deux formes principales: le carbone
organique et le carbone inorganique. Le carbone organique est produit par des organismes
vivants et qui est lié à d'autres carbones ou à des éléments comme l'hydrogène (H), l'azote (N)
ou le phosphore (P) dans les molécules organiques ou les hydrocarbures. Le carbone
inorganique est celui qui est associé à des composés inorganiques.

L’importance du cycle du carbone sur la régulation de la température globale est aujourd’hui

reconnue. Ainsi, il est important de comprendre les mécanismes sous-adjacents du cycle du
carbone pour développer des stratégies efficaces permettant non seulement de stabiliser la
température globale mais aussi de réduire les effets néfastes du changement climatique. Dans
cette partie du document, nous décrivons la dynamique du carbone à différentes échelles. Plus
précisément, nous décrivons les flux du carbone de l’échelle de la parcelle à l’échelle globale
en passant par l’échelle de l’exploitation et d’un système de production.

2.1. LE CYCLE DU CARBONE D’UN SYSTEME DE PRODUCTION

2.1.1. DESCRIPTION

The carbon dynamics of a farming system can be described at plot, farm and village levels.
Plot level concerns mainly the biophysical processes whereas the farm and village levels are
more related to socioeconomic processes.

At plot level, photosynthesis fixes the atmospheric C in the plant biomass. During plant,
microbial and animal respiration and biomass burning, C is transferred back to the
atmosphere. Senescent biomass turns into litter, which in turn becomes soil organic carbon.
Other SOC sources include root exudates and animal excreta and tissues. SOC and litter
return to the atmosphere as CO2 or CH4 during heterotrophic respiration and fermentation.
The SOC content depends on soil physical, chemical and biological properties and climate as

12
well as past and present land management (e.g., cropping techniques, intensity of wood and
crop harvesting, fire management).

Atmosphère

Photosynthèse Respiration

Ch4

Végétation
Oxydation Fermentation

Mort

Sols terrestres Propagation d’eau et

lessivage

Eau et matières organiques

Figure 1: Cycle court du carbone (modifiée de

[Link]

At farm level, the rules for the individual management of C resources used to satisfy farm
needs are defined and applied (Figure 2). The farmers strive to fulfil food and cash needs by
managing production. There are several drivers to farmers’ decisions and success: money,
labour power and equipment. A farm is characterised by its population size, labour power,
land area, herd composition, OM management strategies within cropping systems and the
production of own consumption and cash food products. A farm has two main activities: crop
production and animal production. Animals account for considerable OM transfer through
ingestion and excretion and their management (movement, feeding regime, performance) is
determined at farm level.

13
 Figure 2: Les flux des ressources en carbone à l'échelle d'une exploitation (Manlay, 2000)

At village level, there is interaction for land transactions, manure and labour and for collective
rules regarding land use. Several ethnic and social groups coexist and the villager’s group
determines her/his access to resources, the way she/he uses them as well as her/his farming
system. A village is also an open system that “exchanges” people, goods and money with the
outside. Interactions shape the village organisation and may lead to the emergence of new
features, such as agricultural practices, social groups or land use patterns.

2.1.2. LES FACTEURS DE CHANGEMENT

Since sub-Saharan Africa has the highest population growth rate in the world (UNDP, 1999),
demography is an important driver of C dynamics in this region. As the population increases,
the farmers adapt their cropping strategies to meet the new food and cash requirements. For
this, generally, new land is cleared for agriculture while it is available. “Cropping intensity”
(sensu Manlay et al., 2004) increases at the expense of fallow duration. Herd size is usually
limited by forage availability which may be temporarily overcome by transhumance. At plot
level, the increase in cropping intensity reduces SOM levels and perennial vegetation while
stimulating soil erosion. With changing farming conditions, farmers may change their
cropping techniques and adopt new technologies.

Carbon resources can be managed individually (”individual” referring to the farm, itself
considered as a unified human community behaving like a sole “organism” for the purpose of
simplifying the model) or collectively. These two interact at a village level. For example, the
individual strategies of land use determine the capacity of the village to support animals and
increasing the area of cultivated land affects the growth of animals.
14
The farmers’ practices (land preparation, animal husbandry, number of animals, feeding
regime) affect carbon dynamics directly and indirectly. Their decisions are influenced by the
socioeconomic context (population size and targeted standard of living, access to market, cash
availability, skills, cooking equipment performance) and by the environmental context (soil
fertility).

A village is thus a system that is (1) dynamic because of its organisation, (2) open because of
its interactions with external entities (such as other villages for trade and remote areas for
seasonal or definitive migration) and (3) adaptive because the stakeholders can change their
behaviour according to the local and global environment.

A realistic representation of C dynamics of a village, therefore, requires a multidisciplinary

approach. The complexity involved in understanding C dynamics arises both from its multi-
level organisation and from its multidisciplinarity and raises at least two challenges: (1)
representation and interaction of the various spatio-functional scales, together with individual
and collective management, and (2) representation and integration of disparate points of view
into a coherent whole.

2.2. LE CYCLE GLOBAL DU CARBONE

2.2.1. DESCRIPTION2

Le réservoir global du carbone est reparti entre cinq (5) compartiments (Lal, 2008): l’océan,
le compartiment géologique, le compartiment pédologique, le compartiment atmosphérique et
le compartiment biotique (Figure 3 et Figure 4).

2
La description du cycle global du carbone est une synthèse de Lal, R., 2008. Carbon sequestration. Phil.
Trans. R. Soc. B 363: 815-830.

15
 Figure 3: Le cycle global du carbone caractérisé par des interactions entre les compartiments biotique,
pédologique, océanique, atmosphérique et géologique (Lal, 2008)

L’océan représente le plus grand réservoir dont le stock est estimé à 38 400 Pg avec une
augmentation estimée à 2,3 Pg C an-1 (Lal, 2008). Le compartiment géologique est estimé à
4130 Pg C. Le compartiment pédologique, constitue le troisième réservoir avec 2500 Pg C
estimé sur un mètre de profondeur du sol. Le carbone du compartiment pédologique est
reparti entre le carbone organique du sol estimé à 1550 Pg et le carbone inorganique du sol
estimé à 950 Pg. Avec 760 Pg, l’atmosphère constitue le quatrième réservoir du carbone. Le
compartiment biotique est le plus petit réservoir avec un stock estimé à 560 Pg. Les
compartiments pédologique et biotique constituent tous les deux, le réservoir terrestre estimé
à 2860 Pg de carbone.

Le cycle global du carbone est basé sur les interactions entre ces cinq compartiments et les
réactions biologiques et non-biologiques qui ont eu lieu dans ces différents compartiments.
Ainsi, l’atmosphère absorbe 92,3 Pg C an-1 océanique et y rejette 90 Pg C an-1 (Lal, 2008).
L’interaction entre les compartiments géologique et atmosphérique est unidirectionnelle
caractérisée par un transfert de 7 Pg C an-1 du carbone atmosphérique vers le compartiment
géologique. La plus importante interaction existe entre les compartiments terrestre et
atmosphérique. A travers la photosynthèse, les plantes fixent 120 Pg C an-1 dont une grande
partie retourne dans l’atmosphère à travers la respiration des plantes– 60 Pg C an-1 - et la
respiration du sol estimée à 60 Pg C an-1. Les flux entre le carbone terrestre et l’atmosphère
peuvent être positifs – dans ce cas, on parle de séquestration – ou négatifs – émissions de
CO2.

16
La séquestration du carbone permet de réduire la concentration de CO2 dans l’atmosphère et
par conséquence la diminution de l’augmentation de la température. Ainsi, l’augmentation de
la concentration de la matière organique du sol – principale source du carbone du sol – de 5 à
15 % permettrait de réduire la concentration de CO2 atmosphérique de 16 à 30% (Baldock,
2007). En plus de la réduction de la concentration de CO2 atmosphérique, la séquestration du
carbone favorise la conservation du sol et de l’eau du sol, l’amélioration de la structure du sol,
et de l’activité de la faune et des micro-organismes du sol (Lal, 2008).

Figure 4: Cycle global du carbone (Image NASA)

Une augmentation de la séquestration du carbone permettrait aux pays en voie de

développement en général et ceux de l’Afrique en particulier d’améliorer les conditions socio-
économiques des populations, de bénéficier du marché carbone et d’atteindre d’autres
objectifs de développement {González-Estrada, 2008 #613; Walker, 2008 #643}. Si des
projets doivent être mis en œuvre avec l'objectif d'accroître le stockage du carbone dans la
biosphère terrestre, potentiellement pour le marché carbone ..., il est important d'avoir des
capacités de vérification et de contrôle des changements du stock du carbone du sol dans le
temps et dans l'espace (Henry et al., 2009).

Cependant, la dynamique du carbone est un système complexe. Cette complexité est en partie
due à la multiplicité et la complexité des facteurs qui influencent son évolution dans le temps
et dans le temps.

2.2.2. LES FACTEURS DE CHANGEMENT

17
La dynamique globale du carbone est un problème multi-dimensionnel3 (Toth, 2000).

[Link] La dimension globale du problème

Si le changement climatique est global, les actions ayant entrainé ce changement sont
individuelles. Ainsi, la concentration de CO2 dans l’atmosphère est la somme des émissions
individuelles ou nationales. Les émissions, leurs conséquences et les capacités d’adaptation
sont hétérogènes à travers le monde. Les pays à fortes émissions et un faible niveau
d’impacts, ont un fort potentiel pour contrôler les émissions, mais très peu motivés pour
réduire leurs émissions. Les pays à faibles émissions et un impact élevé, sont très motivés
pour contrôler les émissions, mais leur capacité de contrôle est faible. De ce fait, les actions
individuelles sont insuffisantes pour réduire les émissions des GES et les effets néfastes du
changement climatique. Une synergie globale s’impose donc comme une solution viable et
durable face au changement climatique. Les mécanismes comme le MDP, le marché carbone
sont des moyens efficaces offrant un cadre international de lutte contre le changement
climatique.

[Link] La dimension temporelle

La concentration de CO2 dans l’atmosphère est le résultat d’un long processus d’accumulation
dans l’atmosphère. Les émissions étant continues, la réduction de la concentration de CO 2 à
un niveau acceptable ne pourra être atteinte qu’après plusieurs années de politiques de
réduction aussi bien au niveau individuel qu’au niveau global. Les politiques de réduction des
émissions doivent non seulement tenir compte de la génération actuelle – objectifs courts
termes - mais aussi des générations futures – objectifs longs termes – car les conditions
climatiques actuelles influenceront sans doute le climat futur. En d’autres termes, il s’agira de
trouver des synergies entre les objectifs à court et à long termes pour garantir la durabilité de
l’environnement pour les générations présentes et futures.

En plus des mesures de réduction des émissions, les décideurs disposent d’autres outils tels
que le partage de connaissance, la recherche, le développement technologique pour réduire les
émissions et améliorer la résilience des sociétés. Cependant, la dynamique des contextes
socio-économiques, politiques et environnementaux fait que la politique optimale face au
changement climatique varie en fonction du temps et met en évidence l’importance de
l’impact du facteur temporel de la dynamique du carbone.

3
Les sous-titres qui suivent constituent une synthèse de Toth (2000)

18
[Link] La dimension humaine

Le cycle global du carbone a été longtemps altéré par les activités humaines : les changements
d’usages des terres, la déforestation, le transport, l’industrie, l’énergie, etc. La cause première
de la hausse de la concentration du CO2 est l’utilisation de combustibles fossiles, le
changement d’affectation des terres y contribue aussi, mais dans une moindre mesure (Figure
5) (GIEC, 2007). La concentration de CO2 d’origine anthropique est passée de 280 à 370 ppm
au cours des 140 dernières années. Cette augmentation est considérée comme responsable de
l’augmentation de la température globale moyenne de 0,6 ±0,2 C° et d’autres changements
climatiques (Dilling et al., 2003).

Figure 5: Emissions mondiales des GES anthropiques (GIEC, 2007)

[Link] La dimension politique

Les Conventions des Nations Unies sur le Changement Climatique ont identifié deux options
pour faire face au changement climatique: l’atténuation pour réduire les émissions et
l’adaptation aux effets du changement climatique (Figure 6). Ces deux options diffèrent l’un
de l’autre sur trois points (Klein et al., 2003). La première différence est liée aux échelles
spatiales et temporelles de leurs impacts. Les impacts des mesures d’atténuation qui visent à
réduire les émissions ne sont pas immédiats, dû à la longue durée de résidence de CO2 dans
l’atmosphère. Par contre, les effets des mesures d’adaptation peuvent être immédiats ou se
produire dans un avenir proche. En plus, l’atténuation a des impacts globaux tandis que les
impacts des mesures d’adaptation sont locaux, c’est-à-dire à l’échelle du système cible.

La seconde différence entre l’atténuation et l’adaptation concerne le cadre dans lequel leurs
coûts en particuliers leurs bénéfices peuvent être déterminés, comparés et agrégés.

19
 Figure 6: Facteurs humains de l'évolution du climat, effets du changement climatique et réponses apportées
(GIEC, 2007)

La troisième différence concerne les types d’acteurs, de secteurs ou de politiques concernés

par chacune des deux mesures. Dans les pays industrialisés, l’atténuation concerne les
secteurs d’énergie et de transport dans les pays industrialisés, et les secteurs d’énergie et la
foresterie dans les pays en voie développement. Quant aux mesures d’adaptations, elles
impliquent la sécurité alimentaire, le secteur de l’habitat, la santé, les ressources en eau,
l’écosystème, etc. (Tableau 2).

Les deux options – atténuation et adaptation - sont en interaction et leurs interactions

influencent les émissions des GES et l’évolution globale du climat. Ainsi, les mesures
d’atténuation peuvent influencer positivement l’adaptation (par exemple, en agriculture, les
projets de séquestration du carbone peuvent permettre de réduire la dégradation des terres) ou
négativement (Smith et al., 2007). De même, les mesures d’adaptation peuvent influencer
positivement l’atténuation (par exemple, en agriculture, l’usage des résidus pour améliorer le
stockage d’eau dans le sol pourrait favoriser la séquestration du carbone) ou négativement
(par exemple, l’usage intensif des fertilisants minéraux pour améliorer le rendement des
cultures favorise les émissions de NO2) (Smith et al., 2007). En plus, plusieurs actions loin de
20
tout objectif d’atténuation et d’adaptation peuvent avoir des conséquences sur ces deux
mesures montrant ainsi une certaine interdépendance entre les politiques climatiques et les
objectifs d’atténuation et d’adaptation (Smith et al., 2007).

Par conséquence, en dépit de leurs différences, des opportunités doivent être cherchées pour
développer des synergies entre ces deux options afin de définir des politiques climatiques
viables (Klein et al., 2003). Ce qui nécessite sans doute de déterminer une combinaison
optimale entre ces deux options. Cependant, la détermination d’une combinaison optimale
entre ces deux options est un processus fastidieux et dépend du pays, du temps, les conditions
locales, les coûts d’échange (Klein et al., 2003). En plus, elle dépend des différents types
d’acteurs impliqués et les objectifs portés par ces derniers. Ainsi, il n’existe pas une seule
combinaison optimale mais plusieurs. La problématique qui s’en dégage est comment
déterminer les combinaisons optimales de ces deux options en présence de multiples objectifs
à court et à long termes et dans des conditions socio-économiques et environnementales très
variables? Nous y reviendrons dans la partie discussion de notre étude (cf. section 6.2).

Tableau 1: Exemples des pratiques agricoles favorisant l'augmentation du carbone du sol (Batjes, 2001)

21
 Tableau 2: Exemples de mesures d'adaptation prévues par secteur (GIEC, 2007)

2.3. LA NECESSITE DE LA MODELISATION INFORMATIQUE DE LA DYNAMIQUE DU CARBONE

22
De ce qui précède, il ressort sans doute que la modélisation informatique constitue un outil
incontournable pour appréhender la dynamique du carbone dans toute sa complexité. Elle
permet non seulement de prendre en compte l’hétérogénéité du système étudié mais aussi de
faire des prédictions à court et à long termes sur l’évolution de l’état du système. En plus, la
modélisation informatique permet d’intégrer simultanément la dimension sociale,
économique, environnementale et politique du changement climatique et de la gestion des
ressources en carbone.

Les guides de bonnes pratiques de IPCC (IPCC, 2003) reconnaissent 3 niveaux de

méthodologie pour l’estimation du carbone et des émissions des GES. Ils recommandent
l’utilisation du plus haut niveau possible pour réduire les incertitudes. Le plus haut niveau de
la méthodologie intègre des cadres de modélisation, montrant ainsi l’importance de la
modélisation dans l’analyse de la dynamique du carbone.

3. LA SIMULATION INFORMATIQUE
Shannon (1998) définit la simulation comme:

"the process of designing a model of a real system and

conducting experiments with this model for the purpose either of
understanding the behaviour of the system or of evaluating
various stratégies (within the limits imposed by a criterion or a
set of criteria) for the operation of the system."

Cette définition met en évidence quelques concepts clés de la simulation : la notion de modèle
et la notion d’expérimentation. L’objectif de la simulation est de réduire la complexité d’un
système à travers le modèle qui peut être utilisé pour réaliser des expériences difficiles ou
impossibles à réaliser dans la réalité. Minsky (1965) définit un modèle comme suit:

"To an observer B, an object A* is a model of an object A to the

extend that B can use A* to answer questions that interest hi
about A"
De ce point de vue, un modèle est juste une simplification de la réalité. Il est construit pour
répondre à des questions spécifiques sur le système réel. Pour ce faire, sa construction ne
prend en compte que des variables pertinentes d’où son grand intérêt. Il est plus explicite,
simple et facile à manipuler (Ferber 1999).

La construction d’un modèle suscite de nombreuses questions : quelles variables doivent-elles

être intégrées ? Quelles échelles de description à prendre en compte ? Quels sont les

23
processus à intégrer? etc. Ainsi, la modélisation est une activité d’abstraction guidée par la
question initiale. Cependant, le choix des variables, des entités, etc. dépend non seulement de
la question initiale mais aussi de l’état de connaissance du modélisateur. Pendant le processus
de modélisation des questions peuvent émerger et susciter de nouvelles observations. Le
modélisateur construit de nouvelles hypothèses et mène de nouvelles observations, et ainsi de
suite. Les nouvelles observations améliorent l’état de connaissance du modélisateur de telle
sorte qu’à la fin du processus de modélisation, le modélisateur a une parfaite connaissance de
son système. Ainsi, selon Grimm (2009) :

"If the whole process of modelling has succeeded, something will

have happened in our head, namely that an understanding of
relationships has emerged. We should then be in a position to
communicate our insights to others without referring to the
model"
De ce fait, le premier intérêt d’un modèle est d’avoir été construit (Grimm, 2009). Le modèle,
une fois construit, dévient un outil d’expérimentation permettant de réaliser en milieu virtuel
des expériences difficiles ou impossibles à réaliser dans la réalité. Cependant, un modèle n’est
pas seulement utilisé pour comprendre le fonctionnement d’un système. Il permet aussi de
prédire l’état d’un système sous différents scénarios.

L’objectif est de simuler sur ordinateur l’évolution de l’état du système dans le temps et dans
l’espace sous différentes trajectoires. Les données de sortie des simulations sont ensuite
analysées et comparées pour déterminer les facteurs et des scénarios qui influencent l’état du
système. Par exemple, le GIEC utilise des modèles de simulation pour prédire le changement
climatique global. L’objectif de GIEC est d’informer les causes des changements, les
conséquences et les mesures d’adaptation et d’atténuation possibles. Cependant, le
changement climatique est un phénomène complexe et dépend de plusieurs facteurs. Plusieurs
scénarios sont alors construits pour la simulation du changement climatique. Les sorties sont
analysées pour déterminer les facteurs du changement et définir les meilleures stratégies qui
permettraient de réduire les émissions des GES et le réchauffement climatique. La simulation
est utilisée dans ce cas, non seulement pour prédire l’évolution du climat mais aussi comme
un support d’aide à a décision. Il est aussi utilisé comme un outil de partage de connaissances
et de dialogue entre différents acteurs concernés par la question de l’étude. Comme outil de
partage des connaissances, le modèle permet aux différents chercheurs de disciplines
différentes de partager leurs perceptions du système afin de favoriser une compréhension

24
commune du problème étudié. De ce fait, les modèles de simulation deviennent des véritables
cadres de recherche pluridisciplinaire.

Dans le cadre de la gestion des ressources en carbone, les modèles de simulation sont utilisés
comme des outils d’expérimentation, des outils de prédiction et d’anticipation et comme des
supports d’aide à la décision. Comme outils d’expérimentation, ces modèles vont faciliter la
compréhension de la dynamique du carbone. Ce sont des véritables outils d’investigation et de
recherche. De ce fait, ils réduisent les coûts – temps et financier - d’observation sur le terrain
en permettant aux chercheurs de réaliser des expérimentations difficiles ou impossibles à
réaliser dans la réalité. Par exemple, le chercheur peut étudier l’évolution du statut de la
matière organique du sol sur une longue période – 100 ans ou plus ; ce qui est difficilement
réalisable dans la réalité. Les modèles de prédiction ont pour objectif d’étudier l’évolution
temporelle du statut du carbone sur une période plus ou moins longue dans des conditions
agro-climatiques variées.

Quant aux supports d’aide à la décision, leur objectif est d’étudier l’impact des stratégies de
gestion sur la dynamique du carbone afin de permettre aux décideurs de prendre des décisions
adéquates pour une meilleure gestion des ressources en carbone. Ces modèles sont
généralement destinés aux chercheurs, aux acteurs locaux, aux ONGs, privés et aux
organisations gouvernementales. A travers des modèles, ces différents acteurs partagent leurs
perceptions, leurs préférences, leurs objectifs et recherchent des stratégies de gestion optimale
permettant d’atteindre simultanément plus ou moins plusieurs objectifs. L’identification des
stratégies optimales est faite en analysant leurs impacts à court et à long termes. Par
conséquence, les supports d’aide à la décision peuvent être aussi considérés comme des
modèles de prédiction.

4. LES MODELES DE SIMULATION DE LA DYNAMIQUE DU CARBONE

4.1. LES MODELES DU SOL

Il s’agît des modèles qui s’intéressent uniquement au stockage, transformation et utilisation

des ressources en carbone dans le sol et l’impact du climat et éventuellement des modes
d’usage des terres sur la dynamique du carbone. Seuls les processus bio-physiques sont pris
en compte par ces modèles. Ils s’intéressent particulièrement aux interactions sol-plante-
atmosphère. Ces modèles sont couramment utilisés comme des laboratoires virtuels pour
réaliser des expériences à long terme. En d’autres termes, ils viennent souvent en complément
25
des travaux d’observation en milieu réel pour analyser le devenir du carbone dans le sol. De
nos jours, plusieurs modèles de ce type ont été développés. Ces modèles diffèrent par la prise
en compte des différents processus qui influencent la dynamique du carbone (croissance des
plantes, décomposition de la matière organique, dynamique de l’eau, la modification de la
structure du sol, etc.), leur zone d’application et systèmes pris en compte (système agricole,
système forestier, la prairie, la savanne, etc.), leur utilisation et accessibilité.

4.1.1. LE MODELE CENTURY

Century (Parton et al., 1994) est un modèle à base de processus. C’est l’un des modèles du
carbone du sol les plus complets et connus. Il prend en compte les effets des facteurs bio-
physiquqes, de la production des plantes, de la dynamique pastorale (excrétion, prélèvement),
du changement d’usage des terres sur les propriétés physico-chimiques du sol. La structure du
modèle Century est repartie entre six sous-modèles :

1. Le sous-modèle de la matière organique (MO) du sol : il simule les flux de la matière

organique du sol entre différents compartiments de la matière organique (Figure 7). Il
simule les entrées des résidus des plantes, la décomposition de la MO du sol et les flux
de MO entre les différents compartiments du sol et de la MO.

Figure 7: Le sous-modèle matière organique du sol de Century

2. Le sous-modèle eau : il simule la dynamique de l’eau et ses effets sur la structure

physico-chimique du sol. Le bilan en eau est évalué en prenant en compte (1) les

26
 pertes dues à l’évaporation, la transpiration, l’eau des différentes couches du sol, la
neige, la pluie et les flux de surplus de l’eau entre les différentes couches du sol et (2)
les effets de l’eau sur la texture du sol et vice-versa.

3. Le sous-modèle de croissance des plantes : il simule la dynamique des herbes, des

cultures, de la forêt et de la savane. La production des plantes est simulée en prenant
en compte la structure du sol, l’effet de l’eau du sol et de la température (Figure 8).

Figure 8: Les différents systèmes simulés par le modèle Century

4. Le sous-modèle de phosphore, de l’azote et souffre : il simule la dynamique des ces

différents éléments dans le sol.

Le modèle prend en entrée plusieurs types de données (Figure 9): la description des cultures
ou plantes simulées, les itinéraires techniques associés, la fertilisation, l’application des feux
de brousse, la pression pastorale (excrétion et prélèvement par les animaux), les différents
types de récolte avec la gestion des résidus des cultures, les systèmes d’irrigation, la gestion
de la matière organique, la description des arbres et des arbuste, les systèmes de déforestation,
les données climatiques et la description du site étudié. En sortie, le modèle Century fournit
des données sur les différents compartiments du carbone, de l’azote, du phosphore et du
souffre du sol. Le modèle Century peut être simulé aussi bien au pas de temps mensuel que
journalier.

La description de la structure du modèle Century montre que c’est l’un des modèles les plus
complets en termes de modélisation du carbone du sol expliquant en grande partie son
utilisation croissante dans de nombreuses études à travers le monde et dans différentes zones
agro-climatiques.

27
Cependant, le grand nombre de paramètres du modèle Century constitue une limite très
importante car toutes les informations ne sont pas toujours disponibles et certaines très
difficiles à estimer. Pour contourner ces difficultés, les concepteurs ont intégré dans le
modèle, un nombre important de données par défaut. Ces données peuvent être modifiées
pour prendre en compte les caractéristiques du site étudié.

Figure 9: Les entrées du modèle Century

4.1.2. LE MODELE ROTHC

Le modèle RothC (Coleman et al., 1996) est plus simple que le modèle Century. Il simule le
processus de transformation de la MO dans des sols non-gorgés d’eau en prenant en compte
l’effet du type de sol, la température, la moisissure et le couvert végétal. Le carbone du sol est
divisé en quatre compartiments actifs et une petite quantité de la matière organique inerte qui
est non-décomposable (Figure 10). Les quatre compartiments actifs sont le matériel végétal
décomposable (DPM pour Decomposable Plant Material), le matériel végétal Résistant (RPM
pour Resistant Plant Material), la biomasse microbienne (BIO pour Microbila Biomasse) et la
matière organique humide (HUM pour Humified Organic Mater).

Le matériel végétal en entrée est décomposé en DPM et RPM en fonction de leur proportion
dans le matériel végétal. Le DPM et le RPM sont décomposés pour former du CO2 et du BIO
et HUM. Les proportions de DPM et du RPM qui vont dans le CO2, le BIO et le HUM
dépendent du taux d’argile du sol. Le BIO et le HUM sont à leur tour décomposés pour
former du CO2, du BIO et du HUM.

28
Le modèle RothC est basé sur un pas de temps mensuel. Il fournit en sortie le carbone
organique total, le carbone de la biomasse microbienne et le carbone 14. Contrairement à
Century, RothC ne prend pas en compte la production des plantes et des résidus. Ainsi,
l’utilisation de RothC dans un contexte où on l’on s’intéresse à la dynamique de la végétation
et du changement d’usage des terres, nécessitera le couplage avec d’autres modèles de
croissance des plantes. Par contre, il nécessite peu de données, facilitant ainsi son utilisation.

Figure 10: La structure du modèle RothC

4.1.3. LE MODELE MOMOS

Le modèle MOMOS (Pansu et al., 2010) – acronyme de Micro-organisme et Matière

Organique du Sol - est un modèle de décomposition de la matière organique du sol. Sa
structure est composée de six compartiments (Figure 11): la nécromasse végétale totale (NC),
le matériel végétal labile (VL), le matériel végétal stable (VS), la biomasse microbienne
(MB), le humus labile (HL) et le humus stable (HS).

La nécromasse végétale (NC) en entrée est partitionnée en VL et VS en fonction de leur

proportion dans la NC. Le VL et le VS fournissent des substrats pour la MB qui forme le HL
à la mort des micro-organismes. Une petite partie de HL se transforme en HS. L’autre partie
de HL et une petite partie de HS sont réutilisées comme substrat pour la MB.

Comme on peut le constater, MOMOS présente une structure simple comme le modèle
RothC. Contrairement au modèle Century et comme RothC, MOMOS n’intègre pas la
croissance des plantes et la dynamique hydraulique dans le sol. Son utilisation pour la
simulation de la dynamique des ressources en carbone dans tous ses compartiments – plante,
sol, climat - nécessitera sans doute un couplage avec d’autres modèles de croissance des

29
plantes et hydraulique. Le modèle a été validé sur différents types d’écosystèmes : dans les
andes (Pansu et al., 2006) et sur des sols tropicaux (Pansu et al., 2010).

Figure 11: La structure du modèle Momos 6

4.1.4. LE MODELE DAISY

DAISY simule la production des cultures et la dynamique de l’eau et de l’azote du sol sous
différents systèmes de culture. Le modèle est destiné à la gestion des champs de culture mais
peut être aussi utilisé pour des objectifs régionaux. Sa structure comprend (1) un modèle
hydroloique qui intègre un sous-modèle de l’eau du sol, un modèle de l’azote du sol intégrant
un sous-modèle de la MO du sol, et un modèle de culture qui intègre un sous-modèle de prise
d’azote.

4.1.5. LE MODELE DNDC

Le modèle DNDC (Denifrication and Decomposition) associe les processus de dénitrification

et de décomposition tels que influencés par les conditions environnementales du sol pour
prédire les émissions de CO2, de N2O et N2 dans les sols agricoles. La structure du modèle
comprends 4 sous-modèles : le modèle du climat du sol, le modèle de décomposition, le
modèle de dénitrification et la croissance des plantes. Le modèle permet de prendre en compte
l’effet de différentes pratiques agricoles : la fertilisation, l’irrigation, le tillage, la rotation des
culture et l’apport de la MO.

30
4.1.6. CONCLUSION

Cette partie du document a fourni une description des différents modèles du carbone du sol.
Plusieurs études ont été déjà réalisées pour comparer différents modèles du carbone du sol.
Ainsi, Smith et al. (1997) ont comparé 9 modèles – RothC (Coleman et al., 1996),
CENTURY (Parton et al., 1994), CANDY, DNDC, DAISY, NCSOIL, SOMM, ITE and
Verberne - en utilisant des données provenant de 7 expériences. Seuls quatre modèles sont
parvenus à simuler tous les lots de données. Six modèles – Century, CANDY, DNDCN,
DAISY et NCSOIL - fournissent des résultats proches.

Izurrable et al. Ont évalué 5 modèles – CENTURY, ROTHC, SOCRATES, EPIC et DNDC –
sur la base de leur performance et le nombre de paramètres. Leur choix s’est porté sur
SOCRATES à cause de facilité d’utilisation et son habilité à faire des simulations à long-
terme. Mais selon les auteurs, SOCRATES présente des limites pour simuler le bilan du
carbone à l’échelle régionale dû au nombre limité des options de gestion des terres
contrairement à Century qui offre une grande possibilité.

Ainsi, en prenant en compte les résultats de ces deux études de comparaison, Century peut
être considéré le meilleur modèle, lorsqu’on s’intéresse à la dynamique des ressources en
carbone à large échelle. En plus, du point de vue de processus, il est le plus complet. Son
utilisation dans un processus de modélisation à large échelle évite le couplage complexe et
difficilement maîtrisable des modèles simulant des processus différents.

Cependant, ces études comparatives commencent à dater. Ce qui nécessite des nouvelles
études comparatives de ces modèles particulièrement dans la zone Ouest-Africaine.

4.2. LES MODELES D’EXPLOITATION

31
32
4.3. LES MODELES LOCAUX

Les modèles locaux sont basés sur l’hypothèse que la compréhension de la dynamique des
ressources en carbone doit être aussi appréhendée à l’échelle d’un système de production. A
l’échelle d’un système de production, les ressources en carbone sont des biens communs.
Leur dynamique dépend de la gestion individuelle mais aussi de la gestion collective. D’où la
nécessité d’analyser les articulations qui existent entre la gestion individuelle et collective de
ces ressources.

Les modèles locaux s’intéressent à la diversité des modes de gestion des ressources en
carbone, des pratiques agricoles et l’impact du changement climatique sur le bilan en carbone
en fonction des pratiques agricoles. En plus, ces modèles s’intéressent aux interactions entre
les paysans pour l’échange des forces de travail, des ressources en carbone, des terres, etc.
Deux groupes de modèles locaux ont été identifiés.

Le premier groupe est basé sur l’approche mathématique. Ces modèles utilisent des modèles
bio-économiques pour déterminer la gestion optimale des ressources en carbone face aux
différentes contraintes liées à la disponibilité des moyens de production, aux contraintes
environnementale et socio-économiques. Le second groupe de modèles concerne des modèles
à bases d’agents. Ces modèles sont basés sur les systèmes multi-agents. Ils prennent en
compte simultanément la gestion individuelle et collective des ressources en carbone. En
pérennant en compte les actions individuelles des agents, ces modèles offrent la possibilité
d’étudier les stratégies d’adaptation des paysans face aux changements climatiques et aux
différents schémas politiques.

4.3.1. LES MODELES BIO-ECONOMIQUES

4.3.2. LES MODELES MULTI-AGENTS

[Link] Le modèle Mirot

Le modèle Mirot (Belem, 2003; Belem et al., 2006) est basé sur la compréhension de la
maîtrise de la gestion des ressources en carbone dans un terroir villageois du Burkina Faso :
Touroukoro. Il est basé sur des systèmes multi-agents. En prenant en compte les actions
individuelles des entités et la gestion spatiale des ressources, les systèmes multi-agents
(SMA) permettent de représenter et d’étudier de façon explicite la dynamique des ressources

33
renouvelables. La méthode utilisée pour la construction du modèle multi-agents a permis de
construire un modèle suffisamment complexe pour représenter et étudier la dynamique du
carbone à l’échelle du terroir. Interfacé avec un modèle SIG, le système permet d’étudier
l’environnement dans son ensemble, à savoir son aspect physique, biologique et anthropique.
Le couplage du SMA avec un modèle d’optimisation économique a permis non seulement de
prendre en compte l’impact du niveau d’équipement dans les prises de décision mais aussi de
montrer que les deux systèmes peuvent être complémentaires. Enfin les simulations réalisées
ont permis de mettre en évidence quelques interactions qui existent entre les dynamiques
sociales et écologiques.

Cependant, le modèle Mirot n’est pas générique. Il ne peut pas être appliqué à d’autres
systèmes autre que le terroir de Touroukoro. En plus, la dynamique du carbone et la
croissance des plantes sont trop simplifiées pour représenter de façon exhaustive la
dynamique des ressources en carbone.

[Link] Le modèle CaTMAS

Le modèle CaTMAS (Belem et al., 2011) offre un cadre générique pour la simulation de la
dynamique des ressources en carbone à l’échelle d’un terroir villageois en Afrique de l’Ouest.
CaTMAS est basé sur l’hypothèse que la compréhension de la dynamique des ressources en
carbone nécessite de prendre en compte les facteurs social, économique, physique et
biologique. Le cadre générique offert par CaTMAS permet non seulement une description
explicite de la dynamique des ressources en carbone mais aussi une analyse de la viabilité des
systèmes de production sous différents scénarios socio-économiques et bio-physiques.

La structure du modèle est basée sur un SMA pour représenter la dynamique sociale, le
modèle Century pour simuler les phénomènes bio-physiques et un SIG pour la représentation
spatiale de la dynamique des ressources en carbone. Le couplage entre ces différentes
approches de modélisation offre un cadre robuste et réaliste de la dynamique des ressources
en carbone à l’échelle d’un terroir villageois. Century, un des modèles les plus complets de la
simulation de la dynamique des ressources en carbone, inclut différents modules permettant
une représentation réaliste des interactions entre sol-plante-climat. La spatialisation grâce à
l’outil SIG permet de prendre en compte la variabilité spatiale en termes de types de sol, de
couvert végétal, d’occupation des terres, etc. Une base de données est intégrée dans le
modèle. Cette base de donnée permet de décrire les aspects climatiques d’un terroir, les types

34
de sols et de végétation et leur répartition, et la typologie des paysans à travers la description
de leur structuration familiale, les systèmes de production, etc.

Quatre grands modules caractérisent le modèle CaTMAS (Figure 12). Le premier module est
basé sur la dynamique de la démographie pour simuler les naissances, la mortalité et la
migration. Le second module concerne les changements d’usage des terres dus à l’agriculture.
Ce module prend en compte les règles de décision des paysans pour la gestion de la fertilité,
des systèmes de culture et la gestion de la production. Le second module porte sur la
dynamique pastorale. Elle s’intéresse à la dynamique de la population des animaux,
l’excrétion et l’ingestion par les animaux. Enfin, le dernier module concerne les interactions
entre le sol-plante-climat, en d‘autres termes, les phénomènes bio-physiques. Les interactions
entre ces différents modules permettent de prendre en compte les impacts des activités
humaines sur l’environnement et vice-versa.

Figure 12: Les interactions entre la démographie, la dynamique pastorale, l'agriculture et l'environnement dans
le modèle CaTMAS

Des simulations ont été réalisées avec CaTMAS sous trois scénarios climatiques pour
comparer l’impact du climat et de deux systèmes de culture sur le bilan en carbone du sol : un
système de culture semi-continu et un système de culture continu. Les simulations ont porté
sur une population de trente agro-éléveurs qui différent par la taille de leur exploitation, la
taille de leur troupeau, la structure des famille, le niveau d’équipement, etc.

Les résultats des simulations montrent que l’augmentation de la population entraine une
augmentation des surfaces cultivées (Figure 13) et une diminution de la forêt. En plus, les
simulations montrent que la surface cultivée par personne évolue inversement à la population

35
et augmente dans des conditions climatiques extrêmes en comparaison avec les conditions
climatiques normales et moyennes. L’augmentation de la surface cultivée par personne
s’expliquerait par la diminution des rendements qui obligent les paysans à augmenter la
surface cultivée pour atteindre leurs objectifs. La diminution des rendements est plus
accentuée dans les conditions climatiques extrêmes due à une importante diminution du stock
de carbone du sol qui influence le rendement des cultures. En termes d’adaptation, on observe
deux stratégies d’adaptation utilisées par les paysans : la variation des surfaces cultivées et la
durée des jachères.

Figure 13: Représentation spatiale de la dynamique d'occupation dans CaTMAS (Belem et al., 2011)

Le modèle CaTMAS n’intègre pas la dimension politique de la gestion des ressources en

carbone. En plus, il ne permet pas d’analyser le potentiel économique du potentiel de
séquestration du carbone. Des efforts sont en cours pour prendre en compte ces différents
aspects.

4.4. LES MODELES GLOBAUX

Il s’agît des modèles qui s’appliquent à l’échelle régionale ou nationale pour estimer le
potentiel de séquestration du carbone du sol. Ces modèles sont pour la plupart basés sur

36
l’hypothèse que vu la variabilité spatiale et climatique, la représentation de la dynamique du
carbone nécessite une approche régionale. Ces modèles prennent en compte l’hétérogénéité de
l’environnement en termes de répartition spatiale des types de sol, de la végétation et de la
variabilité climatique. Pour une représentation explicite de la dynamique spatiale du carbone,
ces modèles utilisent un couplage avec des SIG. Les différents modèles étudiés peuvent être
regroupés en trois groupes.

Le premier groupe des modèles s’intéresse au devenir du carbone sous différents scénarios
climatiques et de changement d’usage des terres (Falloon et al., 1998; Olsson et al., 2002;
Ardo et al., 2003; Easter et al., 2007; Milne et al., 2007). Ces modèles ne s’intéressent pas aux
dimensions économique, sociale et politique de la gestion du carbone du sol. Le second
groupe des modèles s’intéresse à l’évaluation du potentiel économique de la séquestration du
carbone du sol (Antle et al., 2001; Diagana et al., 2007). Ces modèles ont pour objectif
d’analyser (1) le potentiel technique de la séquestration du carbone, (2) le bénéfice
économique des producteurs qui adopteraient les pratiques favorisant la séquestration du
carbone et (3) le coût économique des politiques de séquestration du carbone. Le dernier
groupe de modèles concerne des modèles de prise de décision (Donigian et al., 1994;
Hernandez, 2005). Ces modèles permettent d’analyser les synergies entre les différents
objectifs portés par les différents acteurs concernés par la gestion des ressources en carbone
tout en prenant en compte les dimensions environnementales et politiques. En d’autres termes,
ce sont des modèles d’analyse des scénarios gagnant-gagnant.

4.4.1. LE MODELE GEFSOC

GEFSOC (Easter et al., 2007; Milne et al., 2007) fournit un cadre pluridisciplinaire pour
l’estimation du carbone à l’échelle régionale et nationale. La structure du modèle est basée sur
trois modèles : le modèle Century, le modèle de décomposition de la matière organique
RothC et la méthode de GIEC pour l’estimation du carbone à large échelle. Un couplage avec
un SIG permet une représentation explicite de la dynamique spatiale du carbone du sol. Le
modèle permet d’analyser les effets des changements d’usage des terres sur le carbone du sol,
la fertilité et le potentiel de séquestration du carbone du sol. Les données sur les changements
d’usage des terres sont basées sur les situations passées, présentes et futures. Le système a été
développé en se basant sur une méthodologie repartie sur 5 étapes : l’évaluation du modèle, la
définition des données en entrée, le couplage des modèles du carbone avec des SIG, définition

37
du stock courant du carbone et prédiction de l’évolution du stock du carbone entre 2000 et
2030 (Figure 14).

Figure 14: Les différentes étapes de construction du Système GEFSOC

L'outil a été appliqué sur des études de cas portant sur les impacts des changements d’usage
et des scénarios climatiques sur la séquestration du carbone du sol au Brésil, en Jordanie, au
Kenya et en Inde. Ces différents pays sont des pays où existe une diversité de modes
d'utilisation des terres et des modes de gestion des terres et où le maintien de la matière
organique du sol et de la fertilité pour la sécurité alimentaire constituent un problème
récurrent.

GEFSOC, tel que conçu constitue un système complet pour analyser le potentiel de
séquestration du carbone sous différents scénarios d’utilisation des terres. La force de l’outil
viendrait particulièrement de la robustesse des différents outils et méthodes utilisés.
Cependant, le système tel que conçu et développé ne permet pas de prendre en compte le
potentiel économique de la séquestration du carbone. En plus, il ne permet pas une analyse
conjointe des différents objectifs de séquestration du carbone : la sécurité alimentaire, la
dégradation des terres, la réduction des émissions des GES, le développement économique.
En d’autres termes, GEFSOC est difficilement utilisable comme support de dialogue entre les

38
différents acteurs concernés par la gestion des ressources en carbone dans le cadre d’analyse
des scénarios gagnant-gagnants.

Plusieurs cas d’études sont basés sur une approche proche de celle du GEFSOC. Ainsi,
Century a été utilisé pour la simulation de la dynamique du carbone à l’échelle régionale en
zone semi-aride du Soudan (Olsson et al., 2002; Ardo et al., 2003). Dans le cadre d’un projet
REDD, Century a été utilisé pour analyser la réduction des émissions dues à la déforestation
en zone forestière de Zambie (Kamelarczyk, 2009). RothC a été couplé à un SIG pour la
simulation de la dynamique du carbone au niveau régional, plus précisément en Hongrie
(Falloon et al., 1998; Easter et al., 2007). Il a été utilisé pour l’évaluation du potentiel de
séquestration du carbone en Afrique de l’Ouest (Batjes, 2001). Le modèle DNDC a été utilisé
pour la simulation de la dynamique du carbone dans le nord de Belgique à travers un couplage
avec un SIG (Sleutel et al., 2006).

4.4.2. EVALUATION DU POTENTIEL ECONOMIQUE DE LA SEQUESTRATION DU CARBONE

L’agriculture et la déforestation contribueraient à 14% des émissions des GES. Les

changements des modes d’usage des terres en agriculture constitueraient un moyen efficace
pour améliorer la séquestration du carbone des terres agricoles. Vu l’implication économique
et sociale des pratiques agricoles sur lesquelles reposent les modes d’usage des terres en
agriculture, il est nécessaire de déterminer (1) le potentiel technique de la séquestration du
carbone des nouvelles pratiques, (2) le bénéfice économique des paysans qui adopteraient les
pratiques favorisant la séquestration du carbone et (3) le coût économique des politiques de
séquestration du carbone (Diagana et al., 2007). Ainsi, Antle et al. (2001) et Diagana et al.
(2007) ont développé des modèles régionaux pour analyser le potentiel économique de la
séquestration du carbone sous différents schémas politiques. L’objectif est d’analyser l’impact
économique et bio-physique de l’adoption des pratiques alternatives favorisant la
séquestration.

Les modèles proposés par Antle et al. (2001) et Diagana et al. (2007) sont basées sur des
approches intégrées. Ces approches utilisent un couplage d’un modèle économétrique avec un
modèle bio-physique – le modèle Century - et un SIG. La dynamique de leurs modèles se
décrit comme suit.

Des contrats de payement du carbone séquestré sont proposés aux paysans. A chaque contrat
est associé un ensemble de pratiques agricoles alternatives favorisant la séquestration du

39
carbone, et des clauses de payement du carbone séquestré. Les clauses définissent le prix de la
tonne de C séquestré à l’hectare. Lorsque le paysan change de pratiques en adoptant une des
pratiques alternatives, il reçoit chaque année un montant en fonction du carbone total
séquestré sur l’espace concernée par le contrat. Le paysan n’adopte pas systématiquement les
pratiques alternatives. Il évalue les nouvelles pratiques sur une période en comparaison avec
les pratiques courantes. Le paysan change de pratiques que si seulement si la pratique
courante est moins profitable que la pratique alternative en tenant compte du prix du carbone
séquestré sur la période d’évaluation.

Un modèle économétrique est utilisé pour évaluer le potentiel économique des différentes
pratiques. Le modèle économétrique génère des informations sur les modes d’usage des terres
et les options de gestion du paysan, et les impacts de ses décisions sur le carbone du sol. Ces
informations sont ensuite envoyées à un modèle bio-physique – le modèle Century - pour
analyser l’impact environnemental des décisions du paysan. Un couplage avec un SIG offre la
possibilité d’analyser spatialement l’impact des différents schémas politiques et les variations
spatiales des contraintes environnementales (types de sol, couvert végétal, etc.).

Ces deux approches ont été utilisées pour analyser le potentiel économique de la séquestration
du carbone du sol respectivement aux Etats-Unis (Antle et al., 2001), dans la région de Nioro
au Sénégal (Diagana et al., 2007) et au Peru (Antle et al., 2004).

En intégrant la dimension économique de la séquestration du carbone, ces modèles offrent la

possibilité d’analyser l’impact social des différents schémas politiques. Ainsi, on pourrait
analyser l’impact de différents schémas aussi bien sur la séquestration du carbone que sur la
réduction de la pauvreté dans un contexte de recherche de stratégies gagnant-gagnant entre
paysans et décideurs. En intégrant la dimension spatiale, ces approches offrent la possibilité
d’analyser l’impact des barrières spatiales – répartition des types de sol, la variabilité
climatique, etc. – à l’adoption de nouvelles pratiques. Cependant, l’absence d’interactions
entre les paysans ne permet pas d’analyser l’impact social sur les processus d’innovation
technologique.

4.4.3. DES MODELES POUR L’ANALYSE DES SCENARIOS GAGNANT-GAGNANTS DE LA SEQUESTRATION

DU CARBONE

Plusieurs acteurs sont concernés par la question de la gestion des ressources en carbone : les
acteurs locaux, les organisations gouvernementales, les ONG, les chercheurs, etc. Ces

40
différents acteurs peuvent être divisés en différents groupes en fonction de leurs perceptions
sur des impacts bio-physiques et économiques de leurs actions et politiques. Des désaccords
entre ces groupes et des possibles consensus nécessitent d’être identifiés en équilibrant les
objectifs à court et à long termes, en planifiant les actions et leur localisation géographique,
les partages de charges et d’équité, et les relations entre les politiques et actions d’une part
avec les objectifs sociaux et environnementaux d’autre part (Working Group III, 2000). La
multiplicité des acteurs et des niveaux de décision mettent en évidence l’importance des
supports d’aide à la décision permettant d’intégrer simultanément les différents objectifs. Ces
supports d’aide à la décision doivent être en mesure d’intégrer les processus géographiques et
écologiques complexes en plus des dimensions sociales et environnementales (Greening et al.,
2004).

Hernandez (2005) a développé un support d’aide à la décision pour analyser les impacts des
différents scénarios de changement d’usage des terres sur la séquestration du carbone. Le
cadre proposé vise à exploiter les synergies entre les trois conventions des Nation-Unies sur
l’environnement: le changement climatique, la biodiversité et la désertification. En couplant,
des modèles bio-physiques (Century et RothC) avec des SIG et des modèles de décision
multi-critères, l’approche proposée permet de déterminer les scénarios d’usage des terres
permettant de maximiser la séquestration du carbone, la sauvegarde de la biodiversité et de
minimiser la dégradation des terres à différentes échelles spatio-temporelles. La détermination
des scénarios avantageux est réalisée à travers des modèles d’optimisation qui ont pour
objectif de (1) maximiser la séquestration du carbone, (2) maximiser la protection de la
biodiversité, (3) réduire la dégradation des terres et (4) de maximiser la production
alimentaire.

L’approche proposée par Hernandez (2005) permet l’utilisation du modèle dans un cadre
participatif intégrant les différents acteurs concernés par la question du changement
climatique et la gestion des ressources en carbone. Ainsi, les différents acteurs peuvent
formuler leurs objectifs et de chercher des compromis entre les différents objectifs qui
peuvent être opposés. En plus, l’approche proposée peut être utilisée pour trouver des
synergies entre des politiques d’atténuation et d’adaptation au changement climatique.

Cependant, le modèle ne tient pas compte du potentiel économique de la séquestration du

carbone. Il serait intéressant de prendre en compte l’objectif de maximisation du profit des
agriculteurs en présence et à l’absence des contrats de payement du carbone séquestré. En

41
plus, l’objectif de réduction de la pauvreté en milieu paysan n’est pas pris en compte alors que
la pauvreté est considérée en partie comme l’une des conséquences du changement
climatique.

D’autres approches orientées aide à la décision existent. Donigian et al. (1994) proposent une
méthode permettant d’analyser l’impact des pratiques alternatives et des politiques sur le
carbone des sols agricoles au centre des Etats-Unis. Leur approche est basée sur l’intégration
du modèle économique RAMS, le modèle Century, des bases de données météorologiques et
du sol, et un SIG. Sohl et al. (2012) proposent un cadre méthodologique unique basé sur la
modélisation des impacts des changements d’usage et des pratiques sur la séquestration du
carbone et les flux des GES aux Etats-Unis (Figure 15). La méthode proposée par ces derniers
s’intéresse :

1. A l’évaluation de la capacité de séquestration et les flux de GES de l’écosystème

américain et leur variation spatiale et temporelle

2. L’efficacité des pratiques à court et à long terme sur la séquestration du carbone

3. L’efficacité des changements délibérés de l’usage des terres, tel que le reboisement, la
restauration des zones humides sur la séquestration du carbone.

Cette approche a l’avantage de modéliser de façon explicite le changement d’usage et du

couvert végétal des terres. La plupart des méthodes destinées à l’analyse de l’impact des
changements d’usages des terres n’intègre pas la dynamique spatiale et temporelle du
changement d’usage des terres qui est juste représenté comme un scénario d’analyse.

Figure 15: Un cadre unique de modélisation du changement d'usage et du couvert végétal pour l'évaluation du
potentiel de séquestration du carbone

42
Taschakert (2004b) propose une méthodologie permettant d’évaluer la dynamique du carbone
du sol dans la région du Vieux Bassin Arachidien. La méthodologie proposée est une
méthodologie pour les stratégies gagnant-gagnant. Elle permet à l’utilisateur d’analyser la
viabilité d’un ensemble de pratiques en termes de séquestration du carbone, du bénéfice
économique et en termes de productivité (rendements des cultures). Cependant, contrairement
à Hernandez (2005), la méthodologie proposée par Taschakert (2004b) ne permet pas de
déterminer de façon dynamique les options avantageuses parmi un ensemble d’options. Cette
analyse est laissée à l’appréciation de l’utilisateur du modèle. Les approches proposées par
Diagana et al. (2007), Antle et al. (2004) et (2001) peuvent aussi être considérées comme des
modèles de stratégies gagnant-gagnant pour ce qui concerne la question économique et bio-
physique de la séquestration du carbone.

Wan et al (2010) proposent une approche intégrée et un système de décision spatial pour
analyser les options d’usage des terres et le développement local de la foresterie dans un
objectif de séquestration du carbone en Chine: le modèle IA-SDSS. L’approche proposée
combine des SIG, des modèles bio-physiques pour simuler la dynamique du carbone, des
outils économétriques pour analyser spatialement les coût-avantages de la séquestration du
carbone et un modèle d’analyse multi-critères pour évaluer sous différents critères les
différentes options d’usage des terres à différentes échelles spatiales (Figure 16). L’outil
proposé peut être utilisé comme un support de décision pour analyser "où" et "comment" il
faut appliquer les différentes options d’usage des terres pour une meilleure séquestration du
carbone. Par exemple, avec le modèle, il est possible de déterminer de façon optimale, les
lieux de plantation de différentes espèces de plante dans un processus de reforestation.
Cependant, l’outil proposé est dédié seulement à la gestion de la foresterie. Il n’intègre pas la
question de la production agricole, donc de la sécurité alimentaire. En plus, la dimension
sociale est absente.

43
 Figure 16: La structure du modèle IA-SDSS

4.4.4. DES MODELES POUR ESTIMER LE STOCK DU CARBONE DE LA FORET

La forêt occupe un tiers de la surface terrestre et contient 80% du carbone de la biomasse

aérienne et 40% du carbone du sol, mettant en évidence le rôle que joue la forêt dans le cycle
global du carbone (référence Dixon). Cependant, l’analyse du rôle de la forêt dans le cycle
global du carbone demeure un véritable chalenge. Plusieurs modèles ont été développés pour
estimer le stock du carbone forestier mais pour analyser l’évolution des stocks du carbone de
la forêt.

[Link] Le modèle FORCAB/FORCAB2

Parmi ces modèles, on peut citer le modèle FORCAB ou FORCAB2 (Figure 17). Le modèle a
été développé pour estimer et projeter la variation du stock du carbone de l’écosystème
forestier des Etats-Unis afin de répondre à des objectifs politiques. Différents compartiments
du carbone sont pris en compte par le modèle FORCAB. Ainsi, en se basant sur des données
d’inventaire, plusieurs équations sont utilisées pour estimer le carbone de la biomasse
vivante, du bois mort sur pied, les bois morts couchés, le sol de la forêt, et la partie organique
du sol. Ces équations sont utilisées pour estimer la densité de masse du carbone de chaque
compartiment. Ces valeurs sont multipliées par la surface de la forêt pour estimer le stock
total du carbone. Du point de vue spatial, le modèle peut être appliqué à l’échelle de la forêt,
de la région et à l’échelle nationale.

44
 Figure 17: La dynamique du carbone du modèle FORCAB2

[Link] Le modèle RegCarb

RegCarb est un modèle régional permettant d’estimer le stock de carbone d’un écosystème
forestier tout en prenant en compte l’impact de la structuration à base d’âge de la forêt. La
structure du modèle est basée sur une spatialisation du modèle IntCarb.

IntCarb est un modèle à base d’individus simulant l’accumulation du carbone par des
peuplements forestiers à travers deux modèles de simulation : le modèle ZELIG pour
représenter la croissance et le développement de la forêt et le modèle Century pour simuler la
respiration hétérotrophe. Dans le modèle IntCarb, l’accumulation du carbone est fonction de
la croissance et la mortalité des plantes. La croissance des plantes est définie en fonction de la
croissance des diamètres à la hauteur de la poitrine. Quant à la mortalité, elle est fonction de
la mortalité naturelle due à l’âge et le stress environnemental.

Pour estimer le stock du carbone et les flux à l’échelle régionale, les données de sortie de
IntCarb sont agrégées par RegCarb à l’échelle des peuplements forestiers en prenant en
compte l’âge des peuplements, la récolte des bois et les changements d’usage des terres
(Figure 18).

45
Figure 18: La structure du modèle RegCarb

4.4.5. CONCLUSION

De ce qui précède, il ressort sans doute que la séquestration du carbone constitue le point
commun des différents modèles globaux étudiés. Cependant, si certains modèles s’intéressent
seulement à l’évolution du potentiel de séquestration du carbone dans le temps sous différents
modes d’usages, certains par contre étudient les interactions entre les objectifs de
séquestration du carbone avec les objectifs économiques, politiques et sociaux (Tableau 3).
Les premiers sont des modèles de simulations purs s’intéressant seulement à l’évolution du
système dans le futur alors que les seconds sont des supports d’aide à la décision permettant
de trouver des synergies entre les objectifs multiples à court et à long termes.

Les objectifs visés par les différents modèles expliquent en partie les types d’outils utilisés.
Ainsi, les modèles s’intéressant uniquement au devenir du carbone du sol utilisent les modèles
bio-physiques et des SIG. Les modèles s’intéressant au potentiel technique et économique
utilisent des modèles économétriques en plus des modèles bio-physique et des SIG. Les
modèles servant de support d’aide à la décision utilisent les modèles bio-physiques, les SIG,
les modèles d’analyses économiques et des modèles multi-critères pour des choix multiples.

On observe que les modèles d’aide à la décision intègrent toutes les dimensions qu’implique
l’analyse de la dynamique du carbone. Cela s’explique par le fait que ces modèles sont
destinés aux différents acteurs concernés par la question du changement climatique et doivent
de ce fait intégrer leurs perceptions qui sont d’ordre politique, économique, environnemental
et social.
46
47
 Tableau 3: Tableau comparatif des différentes approches de modélisation de la dynamique du carbone à large échelle

Approches Modèles Région Objectifs techniques Dimensions d’analyse Limites

(Easter et al., Brésil - Dynamique du - Absence de la
2007) carbone dimension
Jordanie sociale,
- Changement politique et
Kenya d’usage des économique
Inde terres
Evaluation
du potentiel (Falloon et al.,
de 1998)
Analyse du
séquestration (Ardo et al., 2003) La zone potentiel de Couplage modèles
du carbone semi-aride du séquestration du bio-physiques et
sous (Olsson et al., Soudan
carbone du sol SIG
différentes 2002)
d’un écosystème
options de
gestion des
terres (Kamelarczyk, Zambie
2009)
(Batjes, 2001) Afrique de
l’Ouest
(Sleutel et al., Belgique
2006)

Evaluation (Antle et al., 2004) Sénégal Analyse (1) le Couplage de - Dynamique du - Absence de la
du potentiel potentiel modèles bio- carbone dimension
économique technique de la physiques, SIG et

48
de la (Antle et al., 2001) Péru séquestration du modèles - Economie sociale
séquestration carbone des économétriques
du carbone nouvelles - Dimension
pratiques, (2) le politique
(Diagana et al., Sénégal - Politique faiblement
2007) bénéfice faiblement
économique des représentée
représentée
paysans qui - Limité à la
(Tschakert, 2004b; Sénégal adopteraient les production
Tschakert, 2004a) pratiques agricole
favorisant la
séquestration du - Pas un
carbone et (3) le véritable
coût économique support d’aide
des politiques de à la décision
séquestration du
carbone
(Donigian et al., Centre des - Evaluer le - Dynamique du - Nombre limité
1994) Etats-Unis potentiel de carbone des options
séquestration du analysées
passé, présent et - Changement
(Hernandez, 2005) Régionale futur Couplage modèles d’usage
bio-physiques,
- Evaluer les modèles - Foresterie
Supports
choix alternatifs d’optimisation - Production
d’aide à la
(Sohl et al., 2012) Etats-Unis pour déterminer multi-critères, SIG alimentaire
décision
les meilleures et modèles de
options changement - Sécurité
d’usage des terres alimentaire
- Fournir des
(Wan et al., 2010) Chine Supports d’aide à - Politique
la décision pour
des stratégies

49
gagnant-gagnant
et dans un
contexte multi-
acteurs

50
5. QUELQUES CAS D’APPLICATION DE LA MODÉLISATION DE LA DYNAMIQUE DU
CARBONE EN AFRIQUE
Cette section s’intéresse à quelques cas d’application de la modélisation de la dynamique du
carbone en Afrique. Pour une meilleure illustration de cas d’application, nous nous sommes
intéressés à différents systèmes : systèmes agricoles, système agro-forestier, système sylvo-
pastoral et forestier.

5.1. LE PROJET “SEQUESTRATION OF CARBON IN SOIL ORGANIC MATTER” (SOCSOM)

Le projet SOCSOM est un projet financé en grande partie par USAID. Le projet propose de
fournir des analyses quantitatives du potentiel environnemental, économique de la
séquestration du carbone du sol dans des sites spatialement explicite et de définir des
conditions socio-économiques et politiques nécessaires pour développer des projets de
séquestration carbone. La mission du projet SOCSOM est de s’assurer que les pays en
développement de la zone semi-aride et sub-humide de l’Afrique aient des capacités
nécessaires pour tirer profit des opportunités et devenir des participants bénéficiaires des
efforts internationaux d’atténuation des effets des changements climatiques et de restaurer la
productivité. Les objectifs spécifiques du projet SOCSOM sont:

1. quantifier le statut et le potentiel de séquestration du carbone dans différentes zones

agro-écologiques du Sénégal pour définir le potentiel biophysique de séquestration du
carbone, évaluer les impacts possibles des options de gestion du carbone.
2. comprendre et quantifier les incitations et exigences socio-économiques ainsi que les
questions politiques.
3. développer les capacités nationales pour mesurer, contrôler la dynamique du carbone
et implémenter des projets carbone.
4. généraliser les résultats à l’échelle nationale et régionale.

La méthodologie utilisée combine des méthodes de mesures de terrains du carbone du sol et la

modélisation biogeohimique pour quantifier la dynamique du carbone et les impacts du projet.

Les schémas de flux et de stock de carbone de 1900 à 2100 ont été estimés en élaborant un
système de modélisation biogéochimique de l’ensemble général (GEMS). Les résultats des
simulations montrent une diminution du stock du carbone des différentes régions majeures du

51
Sénégal. Cette diminution va de 0,1 à 0,9 kg ha-1 an-1. Seule, la région du Nord connaît une
augmentation du stock du carbone de 0,2 kg ha-1. Différentes stratégies de gestion de terres
ont été comparées par simulation pour évaluer leurs impacts sur la séquestration du carbone
(Woomer et al., 2004) (Figure 19). Au niveau national, on observe une baisse de stock du
carbone dans le sol et la végétation de 141 à 89 t ha-1 soit une baisse de 37% entre 1900 et
2000.

Figure 19: Comparaison par simulation des impacts de différentes stratégies de gestion des terres sur la
séquestration du carbone dans le Nord du Sénégal (Woomer et al., 2004)

Un modèle de simulation bio-économique a été développé pour analyser un schéma de

paiement carbone basé sur l’utilisation des fertilisants minéraux et/ou l’incorporation des
résidus de culture par les paysans dans le Vieux Bassin Arachidien (Diagana et al., 2007).
Neuf scénarios ont été comparés et les résultats montrent que:

1. Les usages compétitifs des résidus de culture pour l’élevage et la vente limitent la
faisabilité du schéma de paiement carbone.
2. L’hétérogénéité spatiale favorise l’adoption des technologies viables
3. Les facteurs institutionnels influençant les coûts de transaction constituent des
barrières à l’adoption des technologies de séquestration du carbone.

L’utilisation de la modélisation dans le cadre de ce projet a permis non seulement de prendre

en compte la variabilité climatique et spatiale de la dynamique du carbone à large échelle
mais aussi de faire des analyses à long terme de la dynamique du carbone. Cette approche
offre un cadre adéquat permettant d’étendre l’étude à toute la zone de l’Afrique de l’Ouest.
52
5.2. ESTIMATION PAR SIMULATION DU STOCK DU CARBONE DU SOL DANS LA REGION SEMI-ARIDE DU
SOUDAN

En se basant sur les conventions de Nations Unies sur le Changement Climatique, Ardo et.
Olssom (2003) proposent un modèle régional pour estimer le stock du sol dans la province du
Kordofan du Nord (Soudan). L’objectif est de simuler l’évolution du stock du carbone du
passé, du présent et du futur, plus précisément de 1900 à 2100.

La province de Kordofan du Nord est située dans la zone semi-aride du Soudan avec une
superficie de 262 144 km2 (Figure 20). La pluviosité varie du Nord au Sud avec une
précipitation estimée à 200 mm au Nord et 800 mm au Sud. La température annuelle moyenne
est comprise entre 28 et 30°C. On y rencontre différents types de végétation, à savoir la
prairie, la savane et la végétation clairsemée. L’utilisation des terres dans la région est
caractérisée par une culture à faibles intrants du sorgho, du mil et du sésame combinée au
pâturage du bétail.

Figure 20: La province de Kordofan du Nord

L’approche de modélisation utilisée est basée sur la modélisation spatiale couplant le modèle
Century et un système d’information géographique. Le modèle mis en place utilise une base
de données spatialement explicite du climat, du couvert végétal et des types de sol sur une
superficie de 262 000 km2.

53
Pour estimer le stock du carbone du passé, du présent et du futur, différents scénarios d’usage
des terres ont été élaborés pour les différents types d’occupation des terres (la savane, la
prairie et les zones de culture) et sur la période 1900-2100. A travers les simulations, on
observe dans les zones cultivées, une réduction du stock du carbone de 293 t km -2 entre 1900
et 2000 et une augmentation de 94 t km-2 de 2000 à 2100. Dans les prairies, on observe les
mêmes tendances, c’est à dire une réduction de 152 t km-2 sur la période 1900-2000 et une
augmentation de 84 t km-2 sur la période 2000 à 2100. Par contre dans la savane, on observe
une augmentation de 75 t km-2 an-100.

L’analyse des facteurs de changement montre qu’en plus du climat et des types de sol,
l’intensité des cultures, la durée des jachères, la fréquence des feux de brousse et l’intensité
pastorale influencent la variation du stock du carbone. La variation du stock du carbone du sol
dans la prairie dépend de l’intensité pastorale et la fréquence des feux de brousse. La gestion
des terres peut affecter l’évolution du stock du carbone du sol dans les zones semi-arides et
par conséquence les transformer des sources en puits de carbone.
De ce qui précède, il ressort sans doute que le montage d’un projet carbone dans cette région
nécessitera de prendre en compte le contrôle de la durée des jachères, de l’intensité pastorale
et favoriser l’introduction des modes de gestion alternatives aux pratiques traditionnelles.

5.3. MODELISATION DE LA SEQUESTRATION DU CARBONE DES SOLS AGRICOLES

A travers la modélisation de la dynamique du carbone au Mali, Doraiswamy et al.

(Doraiswamy et al., 2007) analysent le potentiel d’augmentation du stock du carbone du sol
pour améliorer la qualité des sols et la séquestration du carbone. En se basant sur la
classification des usages des terres, des données climatiques, la texture des sols, la
concentration in-situ du carbone du sol et les caractéristiques de différentes plantes, les
variations du stock du carbone du sol ont été simulées en utilisant le modèle EPIC-Century.
Le modèle EPIC-Century offre la possibilité d’analyser l’impact de l’érosion sur la
productivité des sols et la dynamique du carbone du sol.

L’étude a été réalisée sur le site de Omarobougou (Mali) qui est un site pilote de
démonstration pour l’introduction de la technique de labour sur crête. Les principales cultures
pratiquées sont le maïs, le coton, le mil et le sorgho. Le paysage est dominé par des champs
de culture principalement dans la partie nord de la zone d’étude, alors que dans la partie sud,
le terrain est accidenté et recouvert de roches et des arbustes (Figure 21). Les herbes et les
arbres sont d’autres végétations qu’on rencontre en plus des arbustes et des cultures.
54
 Figure 21: Les différents types d'occupation des terres

Des simulations ont été réalisées pour comparer l’effet de la culture conventionnelle pratiquée
par les paysans et le labour sur crête proposé comme pratique alternative. Ces deux pratiques
ont été combinées à différentes modes de gestion de la fertilité.

Les simulations montrent que les rendements des cultures et la séquestration du carbone du
sol dépend des pratiques et de la gestion de la fertilité des sols (Tableau 4). Ainsi, sous la
culture conventionnelle continue, avec une fertilisation minimale et sans gestion des résidus
de culture, on observe une érosion de la couche supérieure des sols avec une perte estimée de
1,1 à 1,7 Mg C ha-1 sur 25 ans de simulation. Par contre, on remarque que le labour sur crête
protège le sol contre l’érosion et favorise la séquestration du carbone du sol. Cela s’explique
par l’amélioration de l’infiltration de l’eau dans le sol. L’estimation globale de la
séquestration du carbone s’élève à 54 kg C ha-1 sous le labour sur crête combinée à une
augmentation des fertilisants et l’usage des résidus de culture pour la fertilisation.

Tableau 4: Evolution du stock du carbone du sol sous différentes pratiques et gestion de la fertilité des sols

55
5.4. PREDICTION DE L’EVOLUTION DU STOCK DU CARBONE A L’ECHELLE NATIONALE AU KENYA

Le système GEFSOC a été utilisé pour estimer la dynamique du stock du carbone du sol au
Kenya dans le cadre du projet GEFSOC (Kamoni et al., 2007). Le projet GEFSOC vise à
améliorer les méthodologies de quantification du carbone au niveau national en prenant en
compte les impacts des changements d’usage des terres et du climat.

Différentes données ont été utilisées pour estimer le potentiel de séquestration du carbone du
sol au Kenya sur la période de 1990 à 2030. Ces données concernent :le changement d’usage
des terres passé et présent, les précipitations mensuelles moyennes, les températures
minimales et maximales de l’ensemble des zones agro-climatiques du Kenya et le couvert
végétal du passé et du présent.

Des simulations montrent qu’en 1990, 48% des sols du Kenya ont un stock de carbone
inférieur à 18 t C ha-1 et 20% ont un stock compris entre 18 et 30 t C ha-1. En 2000, le stock
de carbone du sol est inférieur à 18 t C ha−1 et compris entre 18 et 30 t C ha−1 sur
respectivement 56% et 30% du territoire kenyan. La transformation de la végétation naturelle
aux cultures annuelles entraine une forte perte du carbone du sol. Les simulations montrent
que les pertes du carbone du sol restent substantielles sur la période de 1990 à 2030. Toutes
les méthodes d’analyses intégrées dans le système GEFSOC ont montré qu’il y aurait une
perte nette du carbone du sol entre 2000 et 2030. Dans les sol non-hydriques, le taux de
variation du stock du carbone dans les sols sablonneux élevés est plus important que dans les
sols argileux élevés pour la plupart des modes d’usage des terres.

56
5.5. EVALUATION DU POTENTIEL DE SEQUESTRATION DU CARBONE DES PRATIQUES
AGROFORESTIERES DANS LA PETITE PAYSANNERIE

L’agroforesterie reçoit de plus en plus une attention particulière. Cet intérêt grandissant pour
l’agroforesterie s’explique par le fait qu’elle offre un potentiel de séquestration du carbone.
Ainsi, dans le cadre du mécanisme de REDD+, Thangana and Hiledebrand (2012) proposent
une méthodologie pour comparer le potentiel de séquestration du carbone de différentes
pratiques agroforestières au Malawi plus précisément dans la zone de Kasungu (13◦1_60S,
33◦28_60E) (Figure 22). La zone de Kasunga est caractérisée par un climat tropical avec une
température comprise entre 19 et 22,5 ◦C et une précipitation très variable, comprise entre 500
et 1200 mm.

Figure 22: La carte de Malawi et la région d'étude

L’approche utilisée est basée sur des enquêtes socio-économiques auprès de 40 paysans et la
modélisation bio-économique (Figure 23). L’objectif recherché est de déterminer les pratiques
qui maximiseraient la séquestration du carbone et les revenus des paysans tout en prenant en
compte les contraintes de disponibilité des ressources, des contraintes socio-économiques et
environnementales. En somme, 40 modèles d’exploitation représentant chacun la stratégie
d’un paysan, ont été construits. Les principales activités de production prises en compte dans
les modèles sont la culture de la patate douce et celle du manioc.
57
Pour comparer les différentes pratiques agroforestières, trois scénarios ont été simulés. Le
premier scénario est un scénario de référence n’associant aucune pratique agroforestière. Le
second scénario associe l’agroforesterie et le crédit carbone. Le troisième scénario est basé sur
l’agroforesterie, le crédit carbone et la vente des produits forestiers (ici des graines) par les
paysans.

Figure 23: Les étapes de construction du modèle

Les résultats des simulations montrent une séquestration annuelle de 103 Mg C, 239 Mg C et
393 Mg C respectivement pour le premier, le second et le troisième scénario montrant ainsi
que les paysans peuvent bénéficier du mécanisme de REDD+. En plus, l’approche proposée
fournit un cadre simple et efficace pour quantifier la séquestration du carbone par la petite
paysannerie.

6. DISCUSSION

Cette partie du document discute différents éléments (1) montrant la potentialité de la

modélisation dans l’analyse de la séquestration du carbone, (2) permettant de guider une
personne dans le choix ou le développement d’une approche de modélisation carbone et (3)
des améliorations possibles en matière de modélisation carbone en Afrique de l’Ouest.

6.1. LE POTENTIEL DE SEQUESTRATION DU CARBONE EN AFRIQUE DE L’OUEST ET LA FAISABILITE

DES PROJETS CARBONE

58
L’analyse des différentes expériences de modélisation en Afrique sub-saharienne montrent
que les modèles sont des outils pertinents pour analyser le potentiel de séquestration d’un
système sous différents scénarios sociaux, économiques, biophysiques et politiques. Les
différentes études montrent une parfaite relation entre la gestion des terres, la séquestration du
carbone et la productivité des sols. Ainsi, en simulant l’évolution du stock du carbone su sol
dans le district de Assin au Ghana entre 1900 et 200, Tan et al. {, 2009 #645} montrent que la
déforestation causée par la production agricole entraînerait une perte de 33% du carbone du
sol. La simulation sur 25 ans du potentiel de séquestration du carbone dans le vieux bassin
Arrachidien au Sénégal, montre une évolution de –0.13 t C ha–1 année–1 sous une pauvre
gestion des terres à +0.43 t C ha–1 année–1 sous une agriculture intensive (Tschakert, 2004b).
Dans la même période, les rendements des cultures ont évolué de –62% à +200%
respectivement sous des scénarios de mauvaise et de bonne gestion des terres. En comparant,
les impacts d’un système de culture semi-continue et d’un système de culture continue, Belem
et al. (2011) montrent que la perte du carbone du sol est plus importante sous les cultures
continues que sous les cultures semi-continues. Après 25 années de simulations, les pertes
sont en moyenne de 10% et 33% respectivement sous les cultures semi-continues et
continues. En analysant le potentiel de séquestration du carbone pour l’amélioration de la
productivité des sols, Doraiswany et al. (2007) montrent que la culture conventionnelle avec
une fertilisation minimale sans incorporation de résidus de culture entraînerait une érosion du
carbone du sol alors que le labour favoriserait un contrôle de la fertilité des sols et
améliorerait la séquestration du carbone.

De ce qui précède, une bonne gestion de terres offrira à l’Afrique Sub-Saharienne des
opportunités pour améliorer la séquestration du carbone, de contribuer ainsi à la réduction des
GES, de bénéficier du marché carbone, d’améliorer la productivité des sols et d’améliorer les
conditions socio-économiques des acteurs locaux.

Plusieurs expériences de simulations montrent que la séquestration du carbone en Afrique

Sub-Saharienne réduirait la dégradation des terres, contribuerait à l’amélioration des
conditions socio-économiques (sécurité alimentaire et la réduction de la pauvreté par
exemple) et la faisabilité des projets carbone dans le secteur agricole. Ainsi, en comparant le
potentiel de séquestration du carbone de différentes pratiques agroforestières au Malawi plus
précisément dans la zone de Kasung, Thangana and Hiledebrand (2012) montrent que
l’agroforesterie favoriserait une augmentation de la séquestration du carbone par la petite
paysannerie qui pourrait bénéficier du mécanisme REDD+. González-Estrada et al. (2008)
59
montrent que la prise en compte dans la simulation du payement du carbone séquestré
contribuerait à l’amélioration des revenus des paysans et l’identification des bonnes pratiques.

Cependant, si des études montrent la faisabilité des projets carbone en Afrique sub-
saharienne, les investisseurs et les développeurs de projet doivent faire à certaines contraintes.
Il est nécessaire pour eux d’identifier ces contraints et définir des voies et moyens pour
contourner ces contraintes. La modélisation est adéquate à cet effet.

La modélisation offre un cadre adéquat pour (1) analyser les causes et les impacts d’un
problème à travers différentes échelles spatio-temporelles et (2) explorer et analyser les
politiques et les options de gestion et leurs bénéfices (De Kraker et al., 2011). En simulant les
potentiels biophysiques et économiques de la séquestration du carbone en agriculture au
Sénégal, Diagana et al. (2007) montrent (1) l’impact négatif du coût de la main d’œuvre pour
l’incorporation des résidus de culture et des coûts de transaction sur la participation des
paysans aux projets carbone et (2) la faisabilité limitée des contrats carbone lorsque ceux-ci
nécessitent l’usage des résidus de culture dû à leur double usage pour l’élevage et la vente.

Malgré des résultats intéressants, la modélisation de la dynamique du carbone en Afrique

souffre de plusieurs limites. Plusieurs incertitudes existent au niveau des résultats des
simulations dû à l’extrême variabilité des sols et l’absence de données. Seulement peu de
données carbone existent au niveau national ou régional (Henry et al., 2009). En plus,
l’absence de données de longues expériences ne favorise pas la validation des modèles
biophysiques utilisés en Afrique. Ces modèles ont été pour la plupart développés et validés
dans des contextes autre que le contexte africain. Par conséquence, les données existantes ne
permettent pas une analyse exhaustive de la dynamique du carbone en Afrique sub-
saharienne. En plus, l’analyse montre que les différentes expériences en Afrique Sub-
Saharienne peinent à intégrer (1) à la fois les options d’adaptation et d’atténuation, (2)
l’intégration simultanée des dimensions sociale, économique, biophysique et politique et (3)
l’articulation entre les options individuelles et globales de la gestion des ressources en
carbone.

De ce qui précède, il ressort sans doute que de nouveaux efforts sont nécessaires pour (1)
collecter et compléter les données existantes et (2) développer un nouveau cadre de
modélisation pour une simulation exhaustive à différentes échelles spatio-temporelles de la
séquestration du carbone en Afrique Sub-saharienne.

60
6.2. ANALYSE CONJOINTE DES OPTIONS D’ATTENUATION ET D’ADAPTATION AU CHANGEMENT

CLIMATIQUE

Les Conventions des Nations Unies sur le Changement Climatique ont identifié deux options
pour faire face au changement climatique: l’atténuation pour réduire les émissions et
l’adaptation aux effets du changement climatique. En dépit de leurs différences, des
possibilités sont cherchées pour développer des synergies entre ces deux options sur
lesquelles dépend l’évolution globale du climat (Klein et al., 2003). Ce qui nécessite sans
doute de déterminer une combinaison optimale entre ces deux options.

Cependant, la détermination d’une combinaison optimale entre ces deux options est un
processus fastidieux et dépend aussi bien du pays, du temps que des conditions locales et les
coûts d’échange (Klein et al., 2003). En plus, elle dépend des différents types d’acteurs
impliqués et les objectifs portés par ces derniers. Ainsi, il n’existe pas une seule combinaison
optimale mais plusieurs. La problématique qui s’en dégage est comment déterminer les
solutions optimales en présence de multiples objectifs à court et à long termes?

La multiplicité des types d’acteurs, des conditions, des échelles de temps fait des supports de
décision multi-acteurs, multi-dimensionnel, multi-échelle des outils incontournables pour
déterminer des compromis entre les politiques d’atténuation et d’adaptation.

Les méthodes multi-critères (Greening et al., 2004) sont adéquates à cet effet. Basées sur des
approches mathématiques, les méthodes multicritères peuvent être utilisées pour identifier les
compromis, les co-avantages, et des solutions compromettantes aux politiques et aux
problèmes de planification complexes (Greening et al., 2004). Elles permettent aux différents
acteurs concernés par l’objet de l’étude ayant des objectifs et des préférences différents
d’échanger sur leurs points de vue et de déterminer des solutions qui satisfont tous les
objectifs.

Dans le cadre de la gestion des ressources en carbone, et dans un contexte de prise de décision
collective, la méthode multi-critères constitue un outil pertinent pour analyser le potentiel de
séquestration à court et à long-termes tout en prenant en compte les objectifs de la sécurité
alimentaire, de réduction de la dégradation des terres et des émissions des GES et du
développement économique (Hernandez, 2005).

61
6.3. LE CHANGEMENT D’USAGE DES TERRES ET L’EVALUATION DU POTENTIEL DE SEQUESTRATION

DU CARBONE DU SOL

La plupart des modèles étudiés utilisent le changement d’usage des terres comme option
d’amélioration de la séquestration du carbone du sol. Cela s’explique par le fait que (1) les
pratiques d’usage des terres affectent directement la structure bio-physique des sols qui
contrôle la dynamique du carbone et (2) le changement d’usage contribue de façon
significative aux émissions des GES. Les changements d’usage des terres et des pratiques sont
définis dans ces modèles comme des scénarios d’analyse.

Cependant, la difficulté majeure est la disponibilité des données historiques pour représenter
de façon exhaustive la dynamique des changements d’usage des terres. Les différentes bases
de données existantes sont soit incomplètes ou couvrent qu’un nombre faible de périodes
limitant ainsi les possibilités d’analyse. Les périodes non couvertes par les bases de données
sont déterminées à dire d’experts, à partir des interviews sur le terrain et à travers la
littérature. Cette méthode est source d’incertitude et d’erreurs. Ces marges d’erreurs,
lorsqu’elles sont importantes, peuvent influencer les sorties du modèle soulevant la question
de la validité de certains modèles. Ainsi, l’intégration d’un véritable modèle de dynamique du
changement d’usage des terres est nécessaire et permettrait de réduire les incohérences et de
garantir la crédibilité des modèles (Sohl et al., 2012).

6.4. ARTICULATION ENTRE LES OPTIONS GLOBALES ET LOCALES

Dans les écosystèmes tropicaux, l’étude de la dynamique du carbone sous ses diverses, se
justifie de deux points de vue complémentaires : le point de vue du paysan et le point de la
société. La complémentarité entre ces deux points nécessite de les concilier pour une
meilleure gestion des ressources en carbone. Cela passe par la prise en compte simultanée du
niveau local – auquel existe le point de vue du paysan – et le niveau global - auquel existe le
point de vue de la société.

Au niveau de la modélisation, la prise en compte simultanée du niveau local et du niveau

global de la gestion des ressources en carbone un couplage entre l’approche bottom-up et top-
down.

L’approche top-down part de l’hypothèse que la compréhension du problème au niveau global

permettrait de comprendre le comportement du système au niveau individuel. Elle est basée
sur une description détaillée du niveau macro. L’objectif est de déterminer les actions

62
individuelles qui permettrait d’atteindre les objectifs globaux qui sont déjà connus
(Hernandez, 2005) ou non (Easter et al., 2007) ou d’analyser l’impact des objectifs globaux
sur le comportement des individus (par exemple, le revenu, la réduction de la pauvreté).
L’avantage de cette approche est que les sorties du modèle peuvent être vues comme une
réponse des individus aux différents scénarios socio-économiques et politiques. Ces modèles
sont généralement basés sur des approches mathématiques de modélisation de la dynamique
d’un système. La plupart des modèles régionaux présentés dans cette étude, bien que prenant
en compte la variabilité climatique et environnementale, sont basés sur l’approche top-down.
Dans ces modèles, les actions des individus sont agrégées à l’échelle de la région ou de l’unité
de gestion. Par exemple, dans une zone agricole, on ne voit pas apparaître la diversité des
systèmes de culture et de modes de gestion des ressources en carbone.

Quant à l’approche bottom-up, elle permet de comprendre le comportement global du système

en faisant des hypothèses sur des comportements individuels (Belem et al., 2011). Elle est
basée sur une description détaillée du niveau local en faisant des hypothèses que le niveau
global émergera des interactions entre les agents du système. Dans le cadre de la gestion du
carbone, l’objectif sera par exemple d’analyser le potentiel de séquestration du carbone à
l’échelle du système en faisant des hypothèses sur les comportements des agents. Il s’agît
généralement des modèles à bases d’individus ou d’agents. Généralement ces modèles ne
définissent pas explicitement les options globales. Il est difficile d’analyser comment les
individus réagissent aux options globales et adaptent leur comportement. Les modèles
CaTMAS, Mirot, les approches proposées par Antle et al. (2001) et Diagana et al. (2007) sont
basés sur l’approche bottom-up. Dans ces modèles, on voit apparaître une diversité de
systèmes de culture, des modes de gestion des terres et des interactions entre les individus qui
composent le système. Ces modèles bien détaillés au niveau micro, fournissent une
représentation réaliste de la dynamique du carbone comparativement aux modèles globaux.
Cependant, ces modèles peinent à représenter des systèmes à large échelle tels qu’une région,
un pays où un continent. La simulation de la dynamique du carbone à large échelle va
nécessiter un grand nombre d’agents (des millions). Ce qui est difficile à simuler sur
ordinateur. En plus, dans ces modèles, l’option globale est définie juste comme un scénario de
simulation. Il est impossible d’analyser comment les options locales influencent les options
globales. Par exemple, dans les approches proposées par Antle et al. (2001) et Diagana et al.
(2007) on peut observer comment les paysans adaptent leurs choix en fonction des politiques
de contrats de payement du carbone séquestré. Cependant, leurs approches ne permettant pas

63
d’orienter par simulation les politiques en fonction des préférences des agents mettant ainsi
en évidence la nécessité de couplage des approches bottom-up et top-down.

Ces deux approches – bottom-up et top-down - sont complémentaires lorsqu’on cherche à

comprendre comment les options globales influencent les comportements individuels et
comment les individus influencent l’état général du système. Le couplage des deux approches
permettrait d’analyser explicitement les articulations entre les différentes échelles de
décisions (global, national, régional et local) et d’analyser la viabilité de la gestion des
ressources en carbone aussi bien au niveau individuel, local que global.

6.5. LA NECESSITE D’UNE APPROCHE INTEGREE DE LA SIMULATION DE LA DYNAMIQUE DU CARBONE

Comme spécifié précédemment, la dynamique du carbone est influencée par des facteurs
sociaux, économiques, environnementaux et politiques. La prise en compte de ces différents
facteurs nécessite sans doute une approche intégrative et pluridisciplinaire. L’approche
intégrative est basée sur l’intégration des outils de différents types – chaque outil représentant
tout ou une partie d’un facteur. Elle (1) favorise la réutilisabilité des modèles et permet (2) un
gain de temps et financier dans le développement des modèles et (3) l’analyse
pluridisciplinaire du système étudié (Easter et al., 2007). Plusieurs modèles présentés dans
cette étude sont basés sur l’approche intégrative. Ainsi, pour étudier le potentiel économique
de la séquestration du carbone, Antle et al. (2001) et Diagana et al. (2007) ont utilisé une
approche intégrative basée sur le couplage d’un modèle économétrique avec un modèle bio-
physique et d’un SIG. Belem et al. (2011) ont intégré différents types de modèles pour
prendre en compte la dimension sociale, environnementale et spatiale de la dynamique du
carbone. Dans leur modèle, la dimension sociale est représentée par les SMA, les processus
bio-physiques sont représentés par le modèle Century et un SIG permet d’intégrer la
dimension spatiale. De ce qui précède, la prise en compte des différentes dimensions
qu’implique l’analyse de la dynamique du carbone doit être basée sur une approche
intégrative.

7. CONCLUSION ET PERSPECTIVES

Cette étude portant sur la capitalisation en termes de modélisation de la dynamique du

carbone a permis d’étudier un certain nombre de modèles de simulation. Ces modèles ont été
classifiés en fonction de leur échelle d’application et de leurs objectifs. En fonction de leur
échelle d’application, nous avons distingué des modèles du sol, des modèles locaux et des
64
modèles globaux. L’existence de ces trois types de modèles se justifie par la complexité et la
multiplicité des échelles qui caractérisent la dynamique du carbone. Une seule échelle
d’analyse n’est pas suffisante pour appréhender toute la complexité d’une telle dynamique.
Ainsi, les modèles du sol sont couramment utilisés comme des outils d’expérimentation et
d’analyse de la dynamique des ressources dans le sol. Les modèles locaux sont basés sur la
maîtrise de la gestion des ressources en carbone par les paysans et les différents acteurs.
Quant aux modèles globaux, ils visent à prendre en compte la variabilité spatiale et climatique
de l’environnement. Cependant, notre étude n’avait pour objectif d’étudier tous les modèles
de simulation du carbone. Notre objectif était d’analyser les différents groupes de modèles et
les objectifs qui les accompagnent afin de déterminer une méthodologie adéquate pour la
simulation de la dynamique du carbone en Afrique de l’Ouest.

En perspective, il s’agira de proposer une méthodologie et un cadre conceptuel pour la

modélisation de la dynamique des ressources en carbone intégrant (1) les articulations entre
les options locales et globales, (2) les dimensions sociale, économique, environnementale et
politique et (3) permettant une analyse des stratégies gagnant-gagnant de la séquestration du
carbone du sol en Afrique de l’Ouest.

65
RÉFÉRENCES

Achard, F., Eva, H.D., Mayaux, P., Stibig, H.J. and Belward, A., 2004. Improved estimates of
net carbon emissions from land cover change in the tropics for the 1990s. Global
Biogeochemical Cycles, 18: NIL_1-NIL_12.
Antle, J., Stoorvogel, J. and Valdivia, R.O., 2004. Assessing the Economic Impacts of
Agricultural Carbon Sequestration: Terraces and Agroforestry in the Peruvian Andes.
Agriculture Ecosystems & Environment, 122: 435-445.
Antle, J.M., Capalbo, S.M., Elliot, E.T., Hunt, H.W., Mooney, S. and Paustian, K.H., 2001.
Research needs for understanding and predicting the behaviour of managed ecosystems:
lessons from the study of agroecosystems. , . Ecosystems: 4723–4735.
Ardo, J. and Olsson, L., 2003. Assessment of soil organic carbon in semi-arid Sudan using
GIS and the CENTURY model. Journal of Arid Environments, 54: 633–651.
Aronson, J., Floret, C., Le Floc'h, E., Ovalle, C. and Pontanier, R., 1993. Restoration and
rehabilitation of degraded ecosystems in arid and semi-arid lands.I. A view from the South.
Restoration Ecology, 1: 8-17.
Augusseau, X., Liehoun, E. and CHEYLAN, J.P., 2003. Dynamique sociales et
transformation des espaces : le cas d'un village en pleine recomposition. Dugué P.,
Montpellier, France.
Baldock, J., 2007. Composition and cycling of organic C in soil. In: P. Marschner and Z.
Rengel (Editors), Nutrient Cycling in Terrestrial Ecosystems Springer, Berlin, Heidelberg, pp.
1-35.
Balesdent, J., Arrouays, D. and Gaillard, J., 2000. MORGANE: un modèle de simulation des
réserves organiques des sols et de la dynamique du carbone des sols. Agronomie, 20: 3-10.
Batjes, N., 2001. Options for increasing carbon sequestration in West-African soil: An
exploratory study with special focus on Senegal. Land Degradation & Development, 12: 131-
142.
Begon, M., Harper, J.L. and Townsend, C.R.L., 1998. Ecology: Individuals, Populations and
Communities. Blackwell Scientific Publications, Oxford, U.K., 1068 pp.
Belem, M., 2003. Modélisation informatique de systèmes complexes : Le Modèle MIROT.
Mémoire d'ingénieur Thesis, Ecole Supérieure d'Informatique (Université Polytechnique de
Bobo-Dioulasso), Burkina Faso, 74 pp.
Belem, M., Manlay, R.J., Müller, J.P. and Chotte, J.-L., 2011. CaTMAS: A multi-agents
model for the simulation of carbon resources dynamics of villages in West-Africa. Ecological
Modelling, 222: 3651-3661.
Belem, M., Sansan, Y., Bruno, B., Le Page, C., Chotte, J.-L. and Manlay, R.J., 2006. MIROT:
A multi-agent system model for the simulation of the dynamics of carbon resources of a
West-African village territory, International Conference on Regional and Urban Modeling,
Brussels - Belgium.

66
Chatfield, R., 2000. Atmosphere motions and the greenhouse effects. In: W.G. Ernst (Editor),
Earth Systems. Cambridge University Press, Cambridge, pp. 215-229.
Coleman, K. and Jenkinson, D.S., 1996. RothC-26.3-A model for the turnover of carbon in
soil. In: D.S. Powlson, P. Smith and J.U. Smith (Editors), Evaluation of Soil Organic Matter
Models Using Existing Long-Term DatasetsNATO ASI. Springer-Verlag, Heidelberg, pp.
237–246.
De Kraker, J., Kroeze, C. and Kirschner, P., 2011. Computer models as social learning tools
in participatory integrated assessment. International Journal of Agricultural Sustainability, 9:
297-309.
Diagana, B., Antle, J., Stoorvogel, J. and Gray, K., 2007. Economic potential for soil carbon
sequestration in the Nioro region of Senegal’s Peanut Basin. Agricultural Systems, 94: 26 -
37.
Dilling, L., Doney, S.C., Edmonds, J., Gurney, K.R., Harriss, R., Schimel, D., Stephens, B.
and Stokes, G., 2003. The role of carbon cycle observations and knowledge in carbon
management. Annu. Rev. Environ. Resour., 28: 521–558.
Donigian, A.S., Barnwell, T.O., Jackson, R.B., Patwardhan, A.S. and Weinrich, K.B., 1994.
Assessment of alternative management practices and policies affecting soil carbon in
agroecosystems of the central United States.
Doraiswamy, P.C., McCarty, G.W., Hunt, E.R., Yost, R.S., Doumbia, M. and Franzluebbers,
A.J., 2007. Modeling soil carbon sequestration in agricultural lands of Mali. Agricultural
Systems, 94: 63-74.
Easter, M., Paustian, K., Killian1, K., Williams, S., Feng, T., Al-Adamat, R., Batjes, N.H.,
Bernoux, M., Bhattacharyya, T., Cerri, C.C., Cerri, C.E.P., Coleman, K., Falloon, P., Feller,
C., Kamoni, P., Milne, E., Pal, D.K., Powlson, D.S., Rawajfih, Z., Sessay, M. and Wokabi, S.,
2007. The GEFSOC soil carbon modelling system: A tool for conducting regional-scale soil
carbon inventories and assessing the impacts of land use change on soil carbon. Agr Ecosyst
Environ, 122: 13-25.
Falkowski, P., Scholes, R.J., Boyle, E., Canadell, J., Canfield, D., Elser, J., Gruber, N.,
Hibbard, K., Hogberg, P., Linder, S., Mackenzie, F.T., Moore, B., Pedersen, T., Rosenthal,
Y., Seitzinger, S., Smetacek, V. and Steffen, W., 2000. The global carbon cycle: A test of our
knowledge of earth as a system. Science, 290: 291-296.
Falloon, P.D., Smith, P., Smith, J.U., Szabo´, J., Coleman, K. and Marshall, S., 1998.
Regional estimates of carbon sequestration potential; linking the Rothamsted carbon model to
GIS databases. Biol. Fert. Soils 27: 236–241.
GIEC, 2007. Bilan 2007 des changements climatiques, Intergovernmental Panel on Climate
Change, Genève, Suisse.
González-Estrada, E., Rodriguez, L.C., Walen, V.K., Naab, J.B., Koo, J., Jones, J.W.,
Herrero, M. and Thornton, P.K., 2008. Carbon sequestration and farm income in West Africa:
Identifying best management practices for smallholder agricultural systems in northern
Ghana. Ecological Economics, 67: 492-502.
Greening, L.A. and Bernow, S., 2004. Design of coordinated energy and environmental
policies: use of multi-criteria decision-making. Energy Policy, 32: 721-735.

67
Hall, C.A.S. and Hall, M.H.P., 1993. The efficiency of land and energy use in tropical
economies and agriculture. Agriculture Ecosystems & Environment, 46: 1-30.
Henry, M., Valentini, R. and Bernoux, M., 2009. Soil carbon stocks in ecoregions of Africa.
Biogeosciences Discussions, 6: 797-823.
Hernandez, P.P., 2005. Assessing carbon stocks and modelling win-win scenarios of carbon
sequestration through land-use change, FOA, Rome.
Houghton, R.A., 2000. Emissions of carbon from land-use change. In: T.M.L. Wigley and
D.S. Schimel (Editors), The Carbon Cycle. Cambridge University Press, Cambridge, pp. 63-
76.
Hulme, M., Doherty, R., Ngara, T., New, M. and Lister, D., 2001. African climate change:
1900-2100. Climate Research, 17: 145-168.
IPCC, 2003. Good Practice Guidance for Land Use, Land-Use Change and Forestry, IPCC
National Greenhouse Gas Inventories Programme.
Izac, A.-M.N., 1997. Developing policies for soil carbon management in tropical regions.
Geoderma, 79: 261-276.
Kamelarczyk, K.B.F., 2009. Carbon Stock Assessment and Modelling in Zambia, Food and
Agriculture Organization of the United Nations.
Kamoni, P.T., Gicheru, P.T., Wokabi, S., Easter, M., Milne, E., Coleman, K., Falloon, P. and
Paustian, K., 2007. Predictedsoilorganiccarbonstocks and changes in Kenya between 1990
and 2030. Agriculure, Ecosystems & Environment, 122: 105-113.
Kaplan, I.R. and Bartley, J.K., 2000. Global biogeochemical cycles: carbon, sulfur, and
nitrogen. In: W.G. Ernst (Editor), Earth Systems. Cambridge University Press, Cambridge,
pp. 278-296.
Klein, R.J.T., Schipper, L. and Suraje, D., 2003. Integrating mitigation and adaptation into
climate and development policy: three research questions, Tyndall Centre for Climate Change
Research.
Kowal, J.M. and Kassam, A.H., 1978. Agricultural Ecology of Savanna : a Study of West
Africa. Clarendon Press, Oxford, UK, 403 pp.
Lal, R., 2001. Potential of desertification control to sequester carbon and mitigate the
greenhouse effect. Climatic Change, 51: 35-72.
Lal, R., 2008. Carbon sequestration. Phil. Trans. R. Soc. B 363: 815-830.
Locatelli, B. and Pedroni, L., 2004. Accounting methods for carbon credits: impacts on the
minimum area of forestry projects under the Clean Development Mechanism. Climate Policy,
4: 193-204.
Manlay, R.J., 2000. Organic matter dynamics in mixed-farming systems of the West African
savanna: a village case study from south Senegal, ENGREF, Montpellier, 278 pp.
Manlay, R.J., Ickowicz, A., Masse, D., Floret, C., Richard, D. and Feller, C., 2004. Spatial
carbon, nitrogen and phosphorus budget of a village in the West African savanna - I. Element
pools and structure of a mixed-farming system. Agricultural Systems, 79: 55-81.

68
Mendis, M. and Openshaw, K., 2004. The Clean Developement Mechanism: making it
operational. Environment, Development and Sustainability, 6: 183-211.
Milne, E., Adamat, R.A., Batjes, N.H., Bernoux, M., Bhattacharyya, T., Cerri, C.C., Cerri,
C.E.P., Coleman, K., Easter, M., Falloon, P., Feller, C., Gicheru, P., Kamoni, P., Killian, K.,
Pal, D.K., Paustian, K., Powlson, D.S., Rawajfih, Z., Sessay, M., Williams, S. and Wokabi,
S., 2007. National and sub-national assessments of soil organic carbon stocks and changes:
The GEFSOC modelling system. Agriculture, Ecosystems & Environment, 122: 3-12.
Mohr, H. and Schopfer, P., 1995. Ecological cycles of materials and energy, Plant
Physiology. Springer Verlag, Berlin, pp. 269-274.
Noble, I. and Scholes, R.J., 2001. Sinks and the Kyoto Protocol. Climate Policy, 1: 5-25.
Odum, E.P., 1969. The strategy of ecosystem development. Science, 164: 262-270.
Olsson, L. and Ardo, J., 2002. Soil carbon sequestration in degraded semiarid agro-
ecosystems - Perils and Potentials. Ambio, 31: 471-477.
Pansu, M., Sarmiento, L., Metselaar, K., Hervé, D. and Bottner, P., 2006. Modelling the
transformations and sequestration of soil organic matter in two contrasting ecosystems of the
Andes European Journal of Soil Science.
Pansu, M., Sarmiento, L., Rujano, M.A., Ablan, M., Acevedo, D. and Bottner, P., 2010.
Modeling organic transformations by microorganisms of soils in six contrasting ecosystems:
Validation of the MOMOS model
Global Biogeochemical Cycles, 24.
Parton, W.J., Woomer, P.L. and Martin, A., 1994. Modelling soil organic matter dynamics
and plant productivity in tropical ecosystems. In: P.L. Woomer and M.J. Swift (Editors), The
Biological Management of Tropical Soil Fertility. John Wiley & Sons, Chichester, pp. 171-
188.
Ringius, L., 2002. Soil carbon sequestration and the CDM: Opportunities and challenges for
Africa. Climatic Change, 54: 471-495.
Ruthenberg, H., 1971. Farming Systems in the Tropics. Clarendon Press, Oxford, 313 pp.
Schaldach, R. and Alcamo, J., 2005. Coupled simulation of regional land use change and soil
carbon sequestration: A case study for the state of Hesse in Germany.
Shannon, R.E., 1998. Introduction to the art and science of simulation, 30th conference on
Winter simulation. IEEE Computer Society Press, pp. 7–14.
Sleutel, S., De Neve, S., Beheydt, D., Li, C. and Hofman, G., 2006. Regional simulation of
long-term organic carbon stock changes in cropland soils using the DNDC model: 1. Large-
scale model validation against a spatially explicit data set. Soil Use and Management, 22:
342-351.
Smith, P., Smith, J.U., Powlson, D.S., McGill, W.B., Arah, J.R.M., Chertov, O.G., Coleman,
K., Franko, U., Frolking, S., Jenkinson, D.S. and others, 1997. A comparison of the
performance of nine soil organic matter models using datasets from seven long-term
experiments. Geoderma, 81: 153-225.

69
Smith, P., Martino, D., Cai, Z., Gwary, D., Janzen, H., Kumar, P., McCarl, B.A., Ogle, S.,
O'Mara, F., Rice, C., Scholes, B., Sirotenko, O., Howden, M., McAllister, T., Pan, G.,
Romanenkov, V., Schneider, U. and Towprayoon, S., 2007. Policy and technological
constraints to implementation of greenhouse gas mitigation options in agriculture.
Agriculture, Ecosystems & Environment, 118: 6-28.
Sohl, T.L., Sleeter, B.M., Zhu, Z., Sayler, K.L., Bennett, S., Bouchard, M., Reker, R.,
Hawbaker, T., Wein, A., Liu, S. and others, 2012. A land-use and land-cover modeling
strategy to support a national assessment of carbon stocks and fluxes. Applied Geography, 34:
111-124.
Tan, Z., Liu, S., Tieszen, L.L. and Tachie-Obeng, E., 2009. Simulated dynamics of carbon
stocks driven by changes in land use, management and climate in a tropical moist ecosystem
of Ghana. Agriculture, Ecosystems and Environment, 130: 171-176.
Toth, F.L., 2000. Decision making frameworks., Third Assessment Report. IPCC.
Tschakert, P., 2004a. The costs of soil carbon sequestration: an economic analysis for small-
scale farming systems in Senegal. Agricultural Systems, 81: 227–253.
Tschakert, P., 2004b. Carbon for farmers: Assessing the potential for soil carbon sequestration
in the old peanut basin of Senegal. Climate Change, 67: 273-290.
UNDP, 1999. Human development report. United Nations Development Program, New York,
pp. 262 pp.
UNFCCC, 1997. Kyoto Protocol to the United Nations Framework Convention on Climate
Change.
Wan, J., Chen, J., Ju, W. and Li, M., 2010. IA-SDSS: A GIS-based land use decision support
system with consideration of carbon sequestration. Environmental Modelling & Software, 25:
539–553.
Woomer, P.L., Toure, A. and Sall, M., 2004. Carbon stocks in Senegal’s Sahel Transition
Zone
Journal of Arid Environments, 59: 499-510.
Woomer, P.L., Palm, C.A., Qureshi, J.N. and Kotto-Same, J., 1998. Carbon sequestration and
organic resource management in African smallholder agriculture. In: R. Lal, J.M. Kimble,
R.F. Follett and B.A. Stewart (Editors), Management of Carbon Sequestration in Soil,
Advances in Soil Science - Boca Raton. CRC Press Inc, Boca Raton, pp. 153-173.
Working Group III, I., 2000. Decision making frameworks., Third Assessment Report. IPCC.
Zinck, J.A., Berroteran, J.L., Farshad, A., Moameni, A., Wokabi, S. and Van, R.E., 2004.
Approaches to assessing sustainable agriculture. Journal of Sustainable Agriculture, 23: 87-
109.

Sites web

[Link]

70
[Link]
ecologique-gagnant

71
72
 73

View publication stats