Prise en compte de la dimension temporelle dans l'évaluation environnementale des produits de la biomasse ˸ Modélisation dynamique du carbone

Consideration of the time dimension in the environmental assessment of biomass products˸ Dynamic carbon modelling

• Auteur / Autrice : Ariane Christine Albers
• Direction : Arnaud Hélias, Pierre Collet, Anthony Benoist
• Type : Thèse de doctorat
• Discipline(s) : Génie des procédés
• Date : Soutenance le 16/12/2019
• Etablissement(s) : Montpellier, SupAgro
• Ecole(s) doctorale(s) : GAIA (Montpellier ; École Doctorale ; 2015-...)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Biotechnologie de l'Environnement (Narbonne)
• Jury : Président / Présidente : Tewfik Sari
• Jury : Examinateurs / Examinatrices : Arnaud Hélias, Pierre Collet, Anthony Benoist, Tewfik Sari, Assumpcio Antón, Miguel Brandão, Ligia Tiruta-Barna, Chantal Le Mouël
• Jury : Rapporteurs / Rapporteuses : Assumpcio Antón, Miguel Brandão

Mots clés

Mots clés libres

Analyse de cycle de vie

Modélisation dynamique

Carbone biogénique

Biomasse forestière et agricole

Changement climatique

Dimension temporelle

Life cycle assessment

Dynamic modelling

Biogenic carbon

Forestry and agricultural biomass

Climate change

Time dimension

Résumé

Les stratégies bas carbone favorisent l'utilisation de sources d'énergie renouvelable et de biomatériaux provenant, entre autres, de la biomasse forestière et agricole dédiée et résiduelle, pour atteindre la neutralité carbone, qui se traduit par une compensation entre émissions et captations de CO2. Les approches actuelles de modélisation en analyse du cycle de vie (ACV) et pour l'empreinte carbone sont statiques, représentant les systèmes à l'état d'équilibre. L'inventaire du cycle de vie repose sur une agrégation simplifiée de tous les flux de carbone provenant de différentes unités de processus, ignorant la variabilité temporelle des flux biosourcés. Cela justifie l'hypothèse de neutralité carbone.L'objectif principal de ce travail est de fournir les outils permettant de décrire des inventaires dynamiques et d'analyser en quoi les résultats et conclusions issus d’évaluations dynamiques diffèrent de ceux obtenus par les approches statiques. Le cadre de modélisation proposé tient compte : a) des modèles en amont (production), non linéaires, de la croissance de la biomasse et de la séquestration du carbone organique du sol (COS) associé à l'utilisation des terres, y compris les pratiques de gestion culturale, ainsi que b) des modèles en aval pour des options de fin de vie spécifiques (gestion des déchets et résidus), qui retardent éventuellement les émissions. Les modèles dynamiques mis en jeu ont été conçus pour être couplés aux résultats de n'importe quel modèle de demande (fournissant des flux techniques précisant la quantité de biomasses fournie/utilisée dans un système étudié) afin d'élaborer des inventaires dynamiques complets du carbone (fossiles + biogéniques). Un modèle d'équilibre partiel pour l’évaluation des scénarios prospectifs de bioénergie a été utilisé à travers des études de cas pour l’estimation des conséquences des changements induits par les politiques publiques (transition énergétique). Les résultats globaux ont montré que la modélisation de la séquestration du carbone biogénique (Cbio) et de la dynamique du COS fournit une représentation plus précise des flux de Cbio et des effets d'atténuation. La modélisation en amont dépend du type de biomasse et est sensible au moment du premier flux de séquestration, aux longueurs de rotation des cultures et aux variations des taux d'exportation des résidus. Les approches de modélisation peuvent être affinées pour tenir compte des contextes propres à un site ou à un cas particulier. Ce travail permet donc une meilleure prise en compte du Cbio et contribue à l'amélioration de la méthodologie ACV. Cela est particulièrement pertinent pour la définition des actions à mettre en œuvre face au changement climatique.

Low carbon strategies promote the use of renewable energy carriers and biomaterials originating, inter alia, from dedicated and residual forestry and agricultural biomass (e.g. energy crops, woody residues), as allegedly carbon neutral options displacing/offsetting an energetically equivalent amount of fossil carbon, thus resulting in zero net CO2 emissions. Current modelling approaches in Life Cycle Assessment (LCA) and carbon footprint methodologies are static. The life cycle inventory relies on simplified aggregation of all carbon flows from different process units, disregarding the temporal variability of biogenic flows, thus justifying the carbon neutrality hypothesis.The main purpose of this work is to provide the tools to build dynamic inventories and analyse how the dynamic impact assessment results and conclusions differ from static ones. A proposed modelling framework considers: a) upstream models for non-linear biomass growth, above- and belowground biogenic carbon (Cbio) sequestration, soil organic carbon (SOC) dynamic associated to land uses, including management practices; and b) downstream models for case-specific end-of-life pathways, eventually delaying emissions. Moreover, the dynamic models were designed to be coupled with outputs from any demand model (e.g. technical flows specifying the amount of biomass supply/use in a studied system or bioproduct) to develop complete dynamic carbon inventories (fossil + biogenic). A partial-equilibrium model was used throughout the case studies to estimate the consequences of policy-induced changes (i.e. energy transition).The overall results showed that modelling both Cbio sequestration and SOC dynamic reduced uncertainty and bias of mitigation effects. Upstream modelling is dependent on biomass type and sensitive to the timing of the first sequestration flow, rotation lengths and variations in the residue removal rates. The modelling approaches can be further refined to site- and/or case-specific settings. This dissertation thus bridges the gap between the time dimension in LCA and dynamic Cbio modelling, thus contributing to the improvement of the LCA methodology, towards more robust decision support in defining actions to mitigate climate change.