HAL Id: hal-02605694
https://hal.inrae.fr/hal-02605694
Submitted on 16 May 2020
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
durabilité) basée sur l’ACV : étude des besoins au sein
du réseau ECOSD et prototype de couplage ACV-SIG
Synthèse générale du projet PRC EcoSD 14.1
M. Guitton, Lynda Aissani
To cite this version:
M. Guitton, Lynda Aissani. Vers une plateforme d’évaluation environnementale (de durabilité) basée sur l’ACV : étude des besoins au sein du réseau ECOSD et prototype de couplage ACV-SIG Synthèse générale du projet PRC EcoSD 14.1. [Rapport de recherche] irstea. 2016, pp.41. �hal-02605694�
36
ECOSD – PRC 14.1 – Vers une plateforme d’évaluation environnementale
(de durabilité) basée sur l’ACV : étude des besoins au sein du réseau ECOSD
et prototype de couplage ACV-SIG
D.5. Synthèse générale
Contenu
D.5. Synthèse générale ... 1
Introduction ... 3
Identification des plateformes existantes et des besoins du réseau ECOSD ... 5
Synthèse de l’Etat de l’art des plateformes existantes ou en cours de développement ... 5
Synthèse de l’enquête menée auprès des membres ECOSD ... 9
Conclusions ... 10
Prototype de couplage ACV-SIG ... 12
Couplage ACV-SIG pour l’évaluation de l’impact eutrophisation d’une filière de méthanisation territorial. ... 12
Contexte ... 12
Approche adoptée ... 13
Lien entre les logiciels ACV et SIG ... 19
Cas d’Application - ACV d’une filière de méthanisation territoriale ... 20
Utilisation de la spatialisation des résultats d’impacts pour identifier des leviers d’amélioration ... 21
Conclusion ... 25
Faisabilité de la traduction d’un code R pour la méthode LANCA®, vers un code Python et identification de la valeur ajoutée pour un couplage avec un modèle ACV et représentation visuelle des résultats. ... 26
Contexte ... 26
Approche adoptée ... 27
Démonstration du prototype par un cas d’application concret. ... 28
Conclusion ... 30
Evaluation des impacts environnementaux de la production d’électricité par panneaux photovoltaïques, sur base de l’ICV des surfaces disponibles, obtenu à partir de données SIG. .. 31
36
Développement d’un connecteur ACV-GIS et d’une interface utilisateur : « SIGAGIS » ... 32
Démonstration du développement du prototype par un cas d’application concret. ... 33
Conclusion ... 37
Conclusion et Recommandations ... 38
36
Introduction
L'analyse du cycle de vie (ACV) est actuellement la méthode normée faisant consensus pour caractériser les impacts environnementaux potentiels des produits et des services sur l’ensemble de leur cycle de vie.
L'objectif de l'ACV dans sa forme « attributionnelle » est d'allouer une partie de l'inventaire entier relatif à une activité économique à une Unité Fonctionnelle spécifique définie pour le produit ou service étudié, dans la plupart des cas une unité de référence « théorique », c’est-à-dire isolée de tout système technique, économique ou social environnant.
L'ACV attributionnelle est cependant une méthode complexe pour laquelle un grand nombre de choix méthodologiques peuvent être faits, par exemple concernant les étapes du cycle de vie ou les procédés à considérer ou non dans l’étude ou encore les règles d’allocation de l’inventaire. L'ACV attributionnelle a donc été standardisée et des directives cadrent sa procédure d'application. Les premières lignes directrices ont été introduites par l'Organisation Internationale de Normalisation (ISO) en 1998 et révisée en 2006 (ISO 2006b, ISO 2006c) et les bonnes pratiques ont été recensées par l'UE (JRC-IES 2010) avec son « ILCD Handbook ».
Des « Product Category Rules» (PCR) plus strictes ont également été définies afin de faciliter les choix méthodologiques par type de produit et même la quantité d'informations qui sont présentes dans les rapports d’études associés. C’est le cas par exemple pour les Déclarations Environnementales de Produits pour la communication environnementale basée sur l’ACV, orientée B2B. L’une des actions les plus significatives pour l’harmonisation des règles méthodologiques à appliquer selon la catégorie de produits et/ou d’organisations est le travail de la Commission Européenne avec le développement du Product Environmental Footprint, respectivement du Organisational Environmental Footprint (European Commission, 2016).
Un certain nombre d’initiatives permettent donc de rendre l’ACV attributionnelle applicable et praticable. Néanmoins l’ACV sous cette forme standardisée présente certaines limites, par exemple pour l’évaluation de systèmes complexes nécessitant de considérer des éléments du contexte socio-économique pour modéliser l’inventaire (par exemple les besoins de mobilité à l’échelle d’une ville ou d’un territoire), ou encore pour évaluer d’autres aspects du développement durable et faire le lien avec les impacts environnementaux, ou encore considérer des paramètres spatio-temporels pour caractériser l’inventaire ou les impacts environnementaux.
Pour combler ces lacunes et renforcer le potentiel de l'ACV en tant qu'outil support à la décision, des développements méthodologiques sont en cours selon trois axes principaux (l'un potentiellement lié aux autres) :
Tout d'abord, des développements méthodologiques de l'ACV existent pour permettre l'évaluation environnementale des conséquences indirectes induites par un système technologique qui serait touché par un changement de grande ampleur. Ce type d'évaluation, appelé «ACV conséquentielle», est en particulier nécessaire pour soutenir la mise en œuvre de politiques à grande échelle, qui entraîneraient la modification des infrastructures et des process existants (par exemple, Introduction de la mobilité électrique dans une ville ou à l'échelle territoriale; Processus décisionnels d'une industrie qui affecterait sa chaîne d'approvisionnement à grande échelle) (Guiton et Benetto, 2013).
Egalement, l'approche ACV est élargie pour prendre en compte d'autres aspects de la durabilité, plus précisément la durabilité économique et sociale et plus seulement environnementale. L'ACV sociale
36 a été développée pour caractériser l'impact des systèmes de production sur le bien-être social comme déterminant de la santé, par exemple via les conditions de travail des salariés. Le « Life Cycle Costing » couvre alors les coûts économiques au cours du cycle de vie. Des travaux sont en cours pour une approche plus holistique et intégrée de l’évaluation de la durabilité complète le long du cycle de vie d'un produit (Guinée 2016, Schaubroeck et Rugani Resubmitted).
Enfin, l’évaluation de systèmes complexes et la volonté d’améliorer la représentativité de l’inventaire, et de spécifier davantage la caractérisation des impacts environnementaux font naître des besoins pour le couplage de l’ACV avec d'autres compétences et méthodologies, telles que les Système d’Information Géographique (SIG), l’analyse multicritères, l’Analyse des Flux de Matières, l’analyse des risques, etc. Des approches ont été développées pour simplifier l'ACV et même l'intégrer directement dans d'autres outils logiciels (par exemple outil CAO).
C’est dans le contexte de ce dernier axe que le PRC ECOSD 14.1 a été défini. Ainsi le présent projet de recherche collaborative ne se concentre pas spécifiquement sur les deux premiers types de développement évoqués, mais certaines sections notamment dans l’état de l’art des plateformes existantes, peuvent y faire référence.
Les objectifs du PRC 14.1 sont :
1. D’établir un bilan des « plateformes » existantes couplant ou intégrant l’ACV avec une autre discipline.
2. D’étudier les opportunités et les besoins au sein d’EcoSD de développer ou d’utiliser l’ACV avec une autre discipline.
3. D’évaluer la faisabilité d’une plateforme de couplage et d’en développer un prototype.
Compte tenu de l’intérêt croissant des praticiens ACV pour intégrer des paramètres spatio-temporels dans la modélisation des inventaires et/ou pour la caractérisation des impacts, et compte tenu des compétences respectives des deux porteurs du PRC, l’objectif 3 s’est concentré autour du couplage de ACV et SIG à travers la réalisation de trois cas d’étude.
La présente synthèse générale vise à faire le bilan global des analyses et développements réalisés pour chacun des trois objectifs cités ci-dessus. Pour chaque objectif, le livrable complet fait l’objet d’une annexe, indépendante du présent rapport.
36
Identification des plateformes existantes et des besoins du réseau ECOSD
Synthèse de l’Etat de l’art des plateformes existantes ou en cours de développement
L’objectif premier de l’état de l’art était l’identification des plateformes existantes permettant la combinaison de l’ACV avec d’autres compétences et méthodologies, de comprendre leur fonction et leur valeur ajoutée pour la complétude et la qualité des résultats ACV. L’état de l’art a également porté sur l’identification du potentiel de développement pour ce type de combinaisons, en termes de pertinences et d’enjeux scientifiques, associés au développement d’outil et d’application. Ainsi plus d’une centaine de références bibliographiques ont été considérées pour réaliser l’état de l’art concernant les couplages ou intégrations suivantes :
- Prise en compte de l'information et de la résolution spatiale : Intégration de l’ACV et du SIG - Prise en compte de l'information et de la résolution temporelle : l’ACV dynamique
- Intégration de l'ACV avec l'évaluation des risques
- Intégration (de l’évolution) des flux du système : intégration de l’ACV et du « Material Flow Analysis » (dynamique), intégration de l’ACV à l’analyse économique « Input/Output » - Intégration de l'ACV avec l'analyse multicritère en support au processus décisionnel
- Intégrer le comportement de l’utilisateur et son influence : Intégration de l’ACV avec la modélisation multi-agent
Le tableau Table 1 ci-dessous résume les caractéristiques et opportunités identifiées pour chacune des combinaisons étudiées dans l’état de l’art. Il en résulte que les travaux existants sont très récents quelle que soit la combinaison envisagée. Chacune des combinaisons apparaît pertinente en fonction de la finalité envisagée, et la complexité de mise en œuvre dépend de la complexité de la discipline à considérer et des outils et méthodologies déjà existants, permettant de faciliter ou non la combinaison. Pour certaines approches, il existe un bénéfice net d’être intégré à l’ACV. Certaines études montrent également la possibilité de combiner deux ou plusieurs outils avec l’ACV. Par exemple l’analyse multicritères peut facilement être appliquée à n'importe quelle combinaison d'outils pour couvrir divers indicateurs, comme démontré par Rochat et al. (2013) et Benetto et al. (2007). Vázquez-Rowe et al. (2014) présentent également une structure dans laquelle l'ACV régionalisée est combinée avec le SIG, des paramètres dynamiques et un modèle économique à équilibre partiel. Le cas d’étude traite de l'effet d'un changement régionalisé de la production de cultures pour le Luxembourg, au fil du temps, sur la base d'une modélisation économique à équilibre partiel de la sélection des cultures par les agriculteurs. Un obstacle important au développement de ce type de combinaisons est bien sûr le manque de données.
L’état de l’art complet est disponible dans l’Annexe 1 – « Etat de l’art des plateformes existantes ou en cours de développement ». L’Annexe 1 détaille pour chaque combinaison considérée les axes (i) Objectifs et pertinence potentielle, (ii) Etat de l’art scientifique, (iii) Approche/outil pour la mise en pratique, (iv) perspectives de développement.
36
Table 1: Synthèse globale de l’état de l’art sur les plateformes existantes ou en développement pour la combinaison de l’ACV et d’une ou plusieurs autres disciplines.
Considering spatial information and resolution- integration with GIS
Considering temporal information and resolution- dynamic LCA
Covering the assessment of risks – integration with RA
Including (change) in material flows – integration with (dynamic) MFA/IOA
Added value and potential relevance
- Specification of where processes take place and thus impacts occur. It can aid in selecting an appropriate supplier or client.
- Better characterization of impact assessment by taking into account spatial factors (e.g. presence of flora and fauna at emission site)
- Assessing the influence of where processes occur on the env. performance– Pinpointing the best place (e.g. where to place windmills)
- Specification of when processes take place and thus their impacts occurs.
- How long do processes take and how to better time manage the product life cycle. - Better characterization of impact assessment by taking into account temporal factors (e.g. to assess temporary carbon storage in biomass products)
- Assessing the influence of when processes occur on the impact (e.g. better not to emit VOC during rush hours because of smog formation) – Pinpointing the best timing
- Better assessment of risks throughout the life cycle of products: consideration of non-substance related hazards, accounting for non-average and context-specific conditions (e.g. not only considering average emission amounts),better modelling of impact pathway - comparison of (local) risks and (global) impact
- Assessment of environmental performance of system/region (alternatives), characterized by (different) flow networks
- (dynamic) MFA can aid in modelling flow amounts (over time) needed for LCA, e.g. how much waste is produced given certain sales, stocks and lifespan information
- Analysing life cycle flow networks, e.g. pinpointing of hotspots in terms of flow or impact quantity
Especially relevant for following types of sectors/processes
- When the impact and performance is highly dependent on location, e.g. land use systems such as agriculture or those linked with it
- Regional planning and policy
- When the impact and performance is highly dependent on timing, e.g. biomass sectors with focus on carbon footprint
- Sectors with high risks and lots of hazards, e.g. through usage or production of chemicals or other hazardous compounds, or those with a lot of hazardous situations
- Institutions or government that want to assess or change (product or regional) flow networks, e.g. impose a circular economy
State of development of integration with LCA
- Approaches were developed recently and have been applied
- Systematic approaches exist to include spatial data in LCI but have in general not been integrated with databases - there seems more or less consensus on which one to pick
- Most promising approach is that of Mutel et al. (2011) for inventory
- Approaches were developed recently and have been applied
- Systematic approaches exist but have in general not been integrated in databases - there is no scientific consensus on these and further improvement is relevant
- Most promising approach is that of Tiruta-Barna et al. (2016) for inventory and Levasseur et al. (2010) for impact characterization
- Approaches were developed recently and have been applied - Systematic approaches exist but have in general not been integrated in databases
- there is no scientific consensus and further improvement is relevant. - Most promising approach is that of Csiszar et al. (2016)
- Concept and approaches are established, application can be difficult for dynamic networks. - Most promising approaches for such a type of integration are that of Gibon et al. (2015) and Modaresi et al. (2014)
- Network analysis is a field in constant evolution
available in common LCA software?
NO NO NO NO, except for MFA in Umberto
Difficulty of applying integration
Medium to high (depends on amount of spatial data and for how many life cycle processes)
Medium to Very High (depends on amount of temporal data and for how many life cycle processes)
Low to Very High (the more integrated, the higher)
Low to High (higher for more complex and dynamic systems)
36 Encompassing other criteria for overall decision
support – integration with MC(D)A
Including behaviour and its influence – integration with ABM
Accounting for economic changes - integration with economic modelling
Added value and potential relevance - To cover different (sustainability) aspects in the assessment, provide a single solution for each alternative and pinpoint the best one
- MC(D)A is an ad interim solution to cover lack in development in integrated sustainability assessment
- To include (human) choices that influence the structure of the life cycle (over time) and thus its environmental impact (e.g. how can recycling behaviour affect the environmental impact)
-to assess the influence of calculated environmental impact and incentives on those choices
- To cover for the market change, encompassing changes in prices and supply-demand modelling. In other words, the effect of which product will be consumed on the market. This goes beyond considering only the interactions within the life cycle but also indirect consequences to other production and its impact. Market restrictions can also be taken into account (e.g. amount of available land). Especially relevant for following types of
sectors/processes
(some identified organisations of ECOSD)
(relevant for all) - When human choices have a huge impact on the impact, e.g. whether or not costumers will recycle
- When huge market (amount) changes are considered or predicted, e.g. for policy or new emergent technologies. It has been mainly applied for energy products such as biofuels and related policy.
State of development of integration with LCA
- Established approaches exist but there is no consensus on which is the best one.
- Most promising approach is that of Vázquez-Rowe and Iribarren (2015), though a different MC(D)A tool might be used in the integration
- Few approaches were developed and applied; Further development is relevant
- Most promising approach is that of Davis et al. (2009) with additional consideration of an irrational parameters to represent irrational human behaviour and the behaviour of final consumers
- The approach for integration is straight forward, i.e. using output of economic models as input for LCA. However no approach considers linking them also the other way around.
- Most interesting examples are of Igos et al. (2015)
Integration readily available in common LCA software?
NO NO NO
Difficulty of applying integration Low to High (the more complex the MC(D)A approach and integration, the higher; if online optimization is used the difficulty is high)
Medium to very high (depends on the amount of ABM modelling that will be integrated and the consideration of feedback)
Medium to High (depends on the complexity of models and extent of integration)
36
Synthèse de l’enquête menée auprès des membres ECOSD
L’objectif de l’enquête menée auprès des membres ECOSD était d’identifier l’existence, les expériences et les besoins en plateformes d’évaluation environnementale au sein du réseau EcoSD. Un taux de participation de 10% a été observé parmi l’ensemble des membres ayant reçu le lien vers l’enquête en ligne. Néanmoins hormis les consultants qui ne se sont pas exprimés, le profil des participants est assez diversifié et on l’a donc considéré comme représentatif du réseau et les résultats de l’enquête ont été interprétés comme représentatifs des besoins et intérêts des membres ECOSD.
Environ la moitié des participants à l’enquête a indiqué avoir déjà utilisé ponctuellement ou utiliser régulièrement une plateforme d’évaluation environnementale existante. Au regard des précisions apportées aux réponses, cette utilisation se concentre principalement autour d’applications ou de logiciels d’ACV sectoriels, et de plateforme d’analyse multicritères.
Les logiciels commerciaux les plus utilisés par les participants à l’enquête sont Simapro (72% des participants l’utilisent) et Gabi (24% des participants l’utilisent). Le logiciel open source Open-LCA est également utilisé par 30% des participants. Plusieurs limites de ces logiciels ont été identifiées, en termes de données d’inventaire, de besoins de modélisation, et de facteurs de caractérisation. En termes de données d’inventaire :
- Manque d’exhaustivité et de représentativité des données d’inventaire d’arrière-plan - Incompatibilité des bases de données d’arrière-plan en fonction du logiciel utilisé
- Intérêt pour un système intégré facilitant la collecte de données de premier plan et/ou le choix des données d’inventaire d’arrière-plan
- Intérêt pour l’intégration de paramètres spatio-temporels dans les inventaires pour améliorer leur représentativité.
En termes de besoins de modélisation :
- Le manque d’ergonomie des logiciels ACV pour la modélisation - Difficulté de prendre en compte la multifonctionnalité des produits - L’intérêt pour avoir des modèles préconçus a été mentionné plusieurs fois En termes de facteurs de caractérisation des impacts :
- La spatialisation des impacts serait très pertinente
- La visualisation des résultats d’analyse de contribution et de gravité pourrait être améliorée - La caractérisation des impacts type épuisement des ressources types métaux, métaux
précieux pourrait être plus précise et mise à jour.
Certaines limites en termes de compétences propres nécessaires pour lier l’évaluation environnementale à d’autres compétences et méthodologies ont été identifiées par les membres, telles que les compétences informatiques nécessaires à la combinaison de logiciels, le temps nécessaire à la réalisation de connexions inter-logiciels et les coûts associés aux logiciels en eux-mêmes. L’enquête a ainsi permis de constater que dans la plupart des cas l’interfaçage se fait manuellement et de manière ad-hoc, en utilisant des fichiers de données transitoires type Excel ; de manière à pallier ces limitations.
36 L’enquête a permis d’identifier les besoins génériques qu’une telle plateforme devrait couvrir. Il apparaît que parmi les trois propositions faites, c’est l’amélioration de la précision de la modélisation d’un système et/ou des résultats de l’évaluation, ainsi que l’apport d’éléments techniques et scientifiques supplémentaires pour alimenter la discussion des résultats, qui priment. Des suggestions ponctuelles ont également été données pour faciliter et optimiser la collecte de données en entreprise, ou encore identifier des pistes concrètes pour éco-(re)concevoir une fois l'ACV réalisée. D’après l’enquête, en termes de fonctionnalités pour une plateforme d’évaluation environnementale, la vérification de la cohérence des données et des modèles apparaît comme prioritaire, viennent ensuite l’amélioration de la lisibilité et l’interprétation des résultats.
Ces propositions sont cohérentes avec les limites identifiées plus haut. L’ergonomie, la performance scientifique et le coût pour l’accès à une telle plateforme apparaissent également comme des critères importants. D’après l’enquête l’intérêt se porterait en priorité sur une plateforme pour l’ACV dynamique, et/ou pour le couplage ACV-SIG. Cela est compréhensibles car ces disciplines sont transverses et peuvent donc être pertinentes quel que soit le secteur d’application.
L’ensemble des résultats de l’enquête sont détaillés et disponibles dans l’Annexe 2 – « Résultats de l’enquête sur les besoins des membres ECOSD pour une plateforme d’évaluation environnementale ».
Conclusions
L’état de l’art a démontré que les travaux existants sont très récents quelle que soit la combinaison envisagée. Certaines de ces intégrations sont encore en phase expérimentale, ce qui signifie qu'il existe différentes approches possibles, chacune comportant des limites, et il n'existe pas de consensus clair sur quelle approche choisir.
La possibilité d’implémenter des connexions entre les logiciels d’ACV les plus utilisés (Simapro, Gabi, Umberto & OpenLCA) et des logiciels ou bases de données externes est bien souvent limitée. Des adaptations informatiques souvent conséquentes sont généralement nécessaires pour créer des interfaces et développer des outils intégrés. Les logiciels généraux tels que R ou Excel sont de ce fait souvent utilisés. Brightway, basé sur le langage informatique Python, peut constituer une alternative intéressante. Cependant, il est basé sur de la programmation pur et est beaucoup moins convivial que les logiciels ACV usuels. Ces aspects sont développés dans deux des trois cas d’étude développés dans la section suivante.
Les conclusions de l’enquête rejoignent les conclusions de l’état de l’art. L’implémentation du couplage de l’ACV avec d’autres disciplines liées au design de produits ou procédés, et à l’amélioration de la qualité et la représentativité des données d’inventaire de ces couplages apparaît d’un grand intérêt mais est freinée par le manque de moyens en termes de compétences, de coût et de temps.
Cela peut induire la simplification des modèles de manière à faciliter la transposition des résultats d’une discipline vers l’autre ce qui constitue un risque pour la pertinence de la combinaison, au même titre que le développement d’une plateforme dont la pratique ou la prise en main resterait trop complexe, nécessitant des compétences trop spécifiques. Néanmoins, la combinaison de l’ACV avec d’autres approches ou disciplines reste d’intérêt du point de vue scientifique, et pour la majorité des membres du réseau ayant répondu à l’enquête ; avec un intérêt particulier pour l’intégration de paramètres spatio-temporels dans les inventaires et pour la caractérisation des impacts. Afin de limiter les risques et assurer la pertinence d’une plateforme d’évaluation
36 environnementale, il serait préférable de réaliser les développements à travers une collaboration entre organismes de recherche et industries.
36
Prototype de couplage ACV-SIG
L’objectif de cette section est de présenter les trois cas d’étude réalisés. Le premier cas d’étude réalisé par l’IRSTEA porte sur la spatialisation de l’impact eutrophisation, avec un cas d’application pour une filière de méthanisation. Le second cas d’étude réalisé par le LIST est lié à la spatialisation de l’impact du changement d’utilisation des sols, avec un cas d’application lié à la production de biocarburant, où l’inventaire est également régionalisé. Le troisième cas d’étude réalisé par le LIST est lié à la régionalisation de l’inventaire, avec un cas d’application lié à la production d’électricité par panneaux photovoltaïques en zone urbaine.
La finalité du premier cas d’étude est de démontrer le cheminement scientifique réalisé afin d’intégrer des données SIG de manière à spatialiser l’évaluation d’un impact environnemental et obtenir des résultats fiables et significatifs. Le résultat est donc une méthode de caractérisation spatialisée, néanmoins le couplage entre SIG et ACV est fait manuellement dans ce cas d’étude. La finalité du deuxième cas d’étude est de démontrer la faisabilité d’un accès simplifié à des langages de programmation informatiques permettant un couplage automatisé partiellement entre des fichiers de données SIG et une méthode d’évaluation d’impact, et permettant aussi une visualisation cartographiée des résultats d’impacts. Le résultat est un plug-in permettant la connexion entre les deux.
La finalité du troisième cas d’étude est de démontrer la faisabilité d’une plateforme permettant le couplage ACV – SIG pour la régionalisation de l’inventaire. Le résultat est donc un prototype de plateforme sous la forme d’un plug-in permettant d’extraire les résultats d’un fichier SIG et les utiliser comme données d’inventaire de premier plan à intégrer dans le calcul ACV.
Les trois cas d’étude et les développements associés sont ici décrits de manière globale. Chacun est complètement documenté dans l’Annexe 3 – «Synthèse détaillée des études de cas et documentation technique du connecteur développé », indépendante du présent rapport.
Couplage ACV-SIG pour l’évaluation de l’impact eutrophisation d’une filière de méthanisation
territorial.
Auteur : IRSTEA.
Contexte
Dans le cadre de la thèse en dispositif de Faustine Laurent (hors du cadre du présent projet, Space Recovery), des premiers travaux de contextualisation de l’ACV ont été menés et appliquer à l’évaluation environnementale d’une filière de méthanisation territoriale. Ces travaux ont notamment permis la prise en compte du territoire et donc l’intégration d’une différenciation spatiale dans les deux premières étapes de l’ACV : (i) définition de l’objectif et du champ de l’étude et (ii) inventaire du cycle de vie. La propagation de cette différenciation spatiale n’a pas pu être étendue aux deux autres étapes de l’ACV que sont l’évaluation des impacts et l’interprétation des résultats. Ce manque a d’ailleurs été mis en évidence puisque les résultats d’une évaluation des impacts non spatialisées montraient un impact fort en eutrophisation et en acidification (Figure 1).
36
Figure 1: Exemple de résultats ACV de deux scénarios de traitement de déchets sur le territoire de la Carene (issu des travaux de thèse de Faustine Laurent)
Légende : Métha.D : scénario de méthanisation territoriale ; D.réf. : scénario prospectif pour les déchets des gros producteurs et pratiques actuels de gestion pour les autres substrats ; comparés selon l’unité fonctionnelle : Gérer 14 643 tonnes de Déchets et résidus organiques dont 1 508 tonnes de biodéchets issus de gros producteurs du territoire) Il s’agit de deux catégories d’impacts régionaux/locaux dont l’occurrence et l’intensité dépendent des caractéristiques du milieu impacté. La considération de la sensibilité du territoire à ces impacts aurait permis une évaluation plus fine et plus facilement exploitable en termes d’aide à la décision.
Approche adoptée
Dans ce contexte, nous avons choisi de développer et d’expérimenter pour la catégorie d’impact eutrophisation une méthode d’évaluation spatialisée. Une fois cette méthode développée, elle est appliquée au cas d’étude réalisé lors de la thèse de Faustine Laurent afin de mener sur l’ensemble des étapes de l’ACV la propagation de la différenciation spatiale comme proposée par le cadre conceptuel du continuum. Ce travail de développement et d’application de spatialisation de l’impact eutrophisation a été co-financé par le projet Space Recovery (appel à projet de recherche Irstea-Mines-Carnot) et le présent PRC.
Le phénomène d’eutrophisation correspond à une augmentation inhabituelle de biomasse produite dans un écosystème aquatique. Cette augmentation est due à la combinaison de différents processus biologiques, physiques et chimiques qui interagissent entre eux dans un écosystème aquatique. La hiérarchisation entre les procédés et les paramètres impliqués dans l’eutrophisation est un non-sens du fait de la nécessité de combinaison entre augmentation de la concentration en nutriments et conditions favorables (Le Gall, 2012). Des modèles génériques existent mais leur paramétrisation doit être spécifique au site afin de précisément prévoir et quantifier un tel impact local qu’est l’eutrophisation. Cependant, s’il est difficile de prédire cet impact local, certains symptômes de ce phénomène peuvent être monitorés (Caspers, 1984). En effet, le phénomène d’eutrophisation fait l’objet d’une surveillance grâce notamment au suivi des mesures de concentration en pigments photosynthétiques dans les masses d’eau et également grâce au suivi d’autres paramètres comme le pH, le ratio d’oxygène,…
Ces types de monitoring existent donc et peuvent être utilisés pour construire une méthodologie d’évaluation spatialisée du potentiel d’eutrophisation en ACV. En ACV, le principal objectif du calcul d’un potentiel d’eutrophisation spatialement distribué est de permettre la différenciation de milieux dont la sensibilité à l’eutrophisation est différente. Dans l’objectif d’atteindre ce but, nous proposons une approche simple pour considérer la différenciation spatiale dans le calcul du
0% 20% 40% 60% 80% 100%
Impacts générés
(Métha.D)
Impacts générés
(D.réf)
Nothing
36 potentiel d’eutrophisation via l’utilisation d’un facteur de sensibilité. Le facteur de sensibilité (SF) est un coefficient correctif du facteur de caractérisation qui intègre une information spatiale. La sensibilité d’un milieu à l’eutrophisation peut être définie comme une combinaison de conditions qui peuvent ou pourraient conduire à l’apparition du phénomène d’eutrophisation. Concernant le facteur de caractérisation, la méthode de caractérisation choisie est la méthode CML-IA (Guinée et al., 2001) du fait de sa simplicité pour s’assurer de la non redondance des considérations locales ou régionales dans le calcul de l’impact eutrophisation.
La construction de ce facteur de sensibilité peut être réalisée selon deux approches : une approche ex-ante ou une approche ex-post. L’approche ex-ante requiert un ensemble de paramètres régionaux (température, topographie,…) contribuant potentiellement à l’occurrence d’un phénomène d’eutrophisation. Cette approche a pour objectif de prédire le phénomène d’eutrophisation en considérant les paramètres y jouant un rôle. L’approche ex-post requiert quant à elle uniquement un paramètre traduisant l’apparition actuelle du phénomène d’eutrophisation. Cette approche a pour objectif de prédire le phénomène d’eutrophisation grâce à un paramètre clé qui met en évidence la situation actuelle d’apparition du phénomène. La principale hypothèse est ce paramètre clé est un compromis révélateur de la sensibilité passée et actuelle et sans doute future d’un milieu selon une hypothèse ceteris paribus. Il s’agit donc d’un proxy d’un modèle de prédiction avec l’avantage du proxy qui est la simplicité d’usage et son inconvénient est son caractère simpliste pour traduire un phénomène complexe. La différence fondamentale entre les deux approches est le niveau de précision souhaité dans l’évaluation spatialisée de l’impact eutrophisation. Selon les objectifs poursuivis par l’ACV, le praticien pourra alors choisir le type d’approche ex-ante ou ex-post convenant le mieux selon le niveau de précision souhaité pour l’analyse de cet impact et les moyens à disposition en termes de données et de temps.
Dans le cadre du projet Space Recovery et le présent PRC, nous avons choisi de développer l’approche ex-post dans l’objectif de proposer une méthodologie simple, applicable et pertinente afin de spatialiser le calcul de l’impact eutrophisation. L’approche ex-post est basée sur un paramètre sensé révéler la sensibilité effective d’un environnement à l’eutrophisation. Ce paramètre doit exprimer une sensibilité effective et spatialisée à l’eutrophisation. Donc ce paramètre est le principal symptôme de l’eutrophisation : la production de biomasse algale dans un milieu aquatique. Il dépend de plusieurs facteurs décrits ci-après.
Le choix de la concentration en pigments photosynthétiques
Pour caractériser la croissance algale et donc le phénomène d’eutrophisation, des observatoires de l’environnement suivent notamment la concentration en pigments photosynthétiques dans les masses d’eau.
Le choix de la résolution spatiale
Pour spatialiser l’évaluation de l’impact eutrophisation par l’ACV et donc l’utilisation de la concentration en pigment photosynthétique comme indicateur de la sensibilité avérée d’un milieu à l’eutrophisation, il est indispensable de définir la résolution spatiale à considérer. Cette résolution spatiale est la définition du niveau de précision pour la différenciation spatiale de la sensibilité environnementale à l’eutrophisation. Ce niveau de précision dépend de la disponibilité et de la qualité des données pour les différentes échelles géographiques. Plus l’échelle géographique est réduite, plus la quantité de données augmente pour couvrir le territoire d’étude. Dans le cas du phénomène d’eutrophisation, l’entité géographique apparaissant la plus pertinente est sans aucun doute le bassin versant.
36 Dans le cadre de ce travail, l’échelle géographique choisie est le secteur hydrographique (Figure 2). A cette échelle, la qualité des données collectées apparaît suffisante et représente un bon compromis entre une différenciation spatiale pertinente pour l’évaluation de l’impact eutrophisation et l’effort de collecte des données. On dénombre 181 secteurs hydrographiques en France métropolitaine (les îles ne sont pas prises en compte dans cette première approche).
Figure 2: Carte des secteurs hydrographiques en France
Les côtes françaises sont quant à elles classées en deux types : les masses d’eau côtière et les masses d’eau de transition. La différence entre ces deux types réside dans l’hydrodynamisme et l’homogénéité sédimentaire (Loire-Bretagne, 2003). 141 masses d’eau côtière et de transition ont été utilisées pour cette approche méthodologique. (Figure 3)
Figure 3: Exemple de carte des masses d’eau côtière et de transition pour la côte Atlantique-Manche (Ouest de la France)
La détermination de valeurs seuil
La surveillance des masses d’eau a pour objectif de s’assurer de la conformité de sa qualité au regard des normes établies par l’Union Européenne. Les mesures de concentration en chlorophylle a et en phéopigments font partie de l’ensemble des paramètres mesurées pour définir la qualité écologique des masses d’eau. Afin de déterminer les valeurs seuils utilisables dans le cadre de ce développement méthodologique, deux types de masses sont considérées : eau douce et eau côtière. Pour les masses d’eau douce, le seuil de concentration en pigments photosynthétiques désignant un état bon voire moyen est de 60 µg/l. Au-delà de ce seuil, l’état écologique du cours d’eau est considéré dégradé par une anormale croissance algale. Cette valeur seuil est donc utilisée pour
36 évaluer la sensibilité à l’eutrophisation d’un secteur hydrographique. Pour compléter cette collecte de données concernant les eaux douces continentales, les données de concentration de chaque plan d’eau suivi sont collectées pour chaque bassin versant administratif.
Pour les masses d’eau marine, comme pour les eaux douces continentales, des valeurs seuils sont utilisées par l’Union Européenne pour classer les différentes qualités des masses d’eau côtière et de transition. Ces valeurs seuil sont établies en France par l’IFREMER (via le projet PREVIMER). Les données brutes ne sont pas disponibles et il nous a fallu reconstruire la base de données des concentrations en chlorophylle a via l’utilisation des données primaires que sont les images satellitaire (Gohin et al., 2011).
L’hypothèse de cette méthodologie développée pour évaluer un impact eutrophisation spatialisé par ACV est basée sur le fait que quand on utilise un facteur de caractérisation classique (CF) comme proposé par la méthode CML-IA (la plus simple des méthodes de caractérisation sans aucune différenciation spatiale), la sensibilité de l’environnement impacté n’est pas considérée. Seulement le potentiel d’eutrophisation des différentes substances est pris en compte. La sensibilité du milieu peut cependant augmenter le potentiel d’eutrophisation. Par conséquent, la formule de calcul du facteur de caractérisation incluant de la différenciation spatiale pour l’impact eutrophisation pourrait être le produit entre CF de la méthode CML-IA CF et le facteur de sensibilité (SF) (Equation 1).
CFspatialisé= SF × CFCML−IA
Equation 1: Calcul du facteur de caractérisation spatialisé pour l’eutrophisation basé sur le SF et le CF de la méthode CML-IA
Ce SF est construit dans l’objectif d’augmenter la valeur su CF spatialisé selon la sensibilité de l’environnement impacté.
Pour évaluer la différence de sensibilité du milieu, le SF est basé sur la fréquence de concentration en pigments photosynthétiques dépassant la valeur seuil. Le SF doit être capable: (1) de décrire une différence entre les différents milieux potentiellement impactés et (2) d’augmenter la valeur du CF spatialisé selon la sensibilité du milieu impacté.
Pour les eaux douces continentales et les eaux côtières, le calcul de la fréquence est quelque peu différent.
Pour les masses d’eau douce
Pour chaque station de mesure, les concentrations en chlorophylle a et en phéopigments sont additionnées pour obtenir la concentration total en pigments photosynthétiques. Puis une agrégation par secteur hydrographique est réalisée afin de calculer la fréquence de dépassement de seuil de concentration en utilisant uniquement les concentrations relevant de la période productive (entre mars et octobre). Les données de concentration se situant à l’extérieur de cette période sont exclues car les conditions climatiques nécessaires à l’apparition du phénomène d’eutrophisation ne sont pas réunies. Pour compléter le calcul de la fréquence, les concentrations en pigments photosynthétiques des plans d’eau sont additionnées pour la même période productive selon les seuils propres à ceux-ci (Erreur ! Source du renvoi introuvable.). Le résultat final est la fréquence de dépassement de seuil de concentration pour les eaux continentales pour chaque secteur hydrographique.
36
𝑓𝑠𝑒𝑐𝑡𝑒𝑢𝑟 ℎ𝑦𝑑𝑟𝑜𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒=
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑚𝑒𝑠𝑢𝑟𝑒𝑠 𝑎𝑣𝑒𝑐 𝑢𝑛𝑒 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑡𝑖𝑜𝑛 > 60 µ𝑔/𝑙
𝑁𝑜𝑚𝑏𝑟𝑒 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑚𝑒𝑠𝑢𝑟𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑠𝑒𝑐𝑡𝑒𝑢𝑟 ℎ𝑦𝑑𝑟𝑜𝑔𝑟𝑝𝑎ℎ𝑖𝑞𝑢𝑒 𝑐𝑜𝑛𝑐𝑒𝑟𝑛é
Equation 2: Calcul de la fréquence de dépassement de seuil de concentration pour les eaux continentals pour chaque secteur hydrographique
Le calcul du SF permet l’augmentation du calcul d’impact si l’environnement impacté est sensible. Le calcul du SF s’appuie sur une formule basée sur une hypothèse simple (Equation 3) : SF est égal à 1 si la fréquence de dépassement de seuil de concentration pour les eaux continentales est égale à 0, SF est strictement supérieur à 1 et inférieur ou égal à 2 si la fréquence de dépassement de seuil de concentration est différente de 0.
𝑆𝐹 = 1 + 𝑓𝑠𝑒𝑐𝑡𝑒𝑢𝑟 ℎ𝑦𝑑𝑟𝑜𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒
Equation 3: Calcul de SF pour l’eau douce SF
Pour les masses d’eau marine
De la même façon que pour l’eau douce, il est possible de calculer une fréquence de dépassement de seuil de concentration pour les eaux marines. La seule différence réside dans la variation de la période productive. Pour déterminer le SF des masses d’eau côtière, deux types de situation se rencontrent. Le premier cas est simple et similaire au calcul pour les eaux douces continentales et consiste en la considération de l’émission directe seulement dans la zone côtière (Equation 4).
𝑆𝐹 = 1 + 𝑓𝑐ô𝑡𝑖è𝑟𝑒
Equation 4: Calcul du SF pour l’eutrophisation marine après une émission directe
Le second cas concerne les émissions indirectes, le calcul du SF est alors un peu plus compliqué: il s’agit des émissions dans le réseau hydrographique continental qui atteignent les exutoires marins pour y provoquer un impact en termes d’eutrophisation. La revue de littérature relative au phénomène d’eutrophisation n’établit pas clairement la relation entre la concentration au lieu d’émission et la concentration résultante à l’exutoire marin pour cette même émission. Selon la littérature, le facteur clé est principalement le temps de résidence hydraulique mais ce paramètre est difficilement estimable et fortement dépendant des paramètres bio-physico-chimiques (Schindler, 2006). Or dans l’approche proposée le parti a été pris de ne pas considérer ces paramètres dans le but de construire une méthodologie simple et rapide d’évaluation spatialisée de l’impact potentiel d’eutrophisation par ACV. Par conséquent, pour considérer l’impact de ces émissions indirectes dans les masses d’eau côtière à travers leur parcours dans le réseau hydrographique, la distance hydrographique entre la source de l’émission et l’exutoire marin est utilisée (Equation 5).
𝑆𝐹 = 1 + 𝑓𝑐ô𝑡𝑖è𝑟𝑒× (1 −
𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒𝑚𝑎𝑥)
Equation 5: Calcul du SF pour l’eutrophisation marine après une émission indirecte
La distance hydrologique est la distance entre l’exutoire du secteur hydrographique où l’émission s’est produite et l’exutoire marin considéré et donc potentiellement impacté. La distance maximale correspond à la plus grande distance calculée entre l’exutoire d’un secteur hydrographique et l’exutoire marin concerné en France.
Malgré son caractère simpliste en première approche, cette méthode permet de calculer une eutrophisation marine spatialisée potentiellement engendrée par des émissions indirectes dans le réseau hydrographique continental. Plus la distance parcourue par les nutriments dans le réseau
36 hydrographique continental augmente, moins ces mêmes nutriments contribuent à l’occurrence de l’eutrophisation marine.
Représentation sous forme cartographique des facteurs de sensibilité
Les SF pour les masses d’eau douce (freshwater eutrophication) s’étalent de 1 à 1,37 (SF=1 signifie une non-sensibilité au phénomène d’eutrophisation) et une différence maximum de 37% est observée entre les différents secteurs hydrographiques français. Une carte représentant les résultats du SF est alors proposée et les zones les plus sensibles sont localisées dans l’ouest le nord de la France (Figure 4).
Figure 4: Carte des SF pour l’eutrophisation d’eau douce par secteur hydrographique français
Les résultats de SF visibles sur cette carte sont cohérents avec les observations sur le terrain. Par ailleurs, les barrières de flux d’eau et les altérations hydro-morphologiques des cours d’eau augmentent significativement le risque d’eutrophisation potentielle. Les flux de nutriments sont plus importants près des zones côtières et la présence d’eaux stagnantes (lacs d’Aquitaine) entraîne le développement algal.
Les SF pour les masses d’eau marine (marine eutrophication) s’étalent de 1 à 2 (SF = 2 pour une sensibilité anormale au phénomène d’eutrophisation). Ces fortes fréquences d’eutrophisation des masses d’eau côtière sont principalement dues à d’importants flux de nutriments et au faible hydrodynamisme. Ces fréquences sont visibles sur une carte représentant les résultats des SF des eaux marines vis-à-vis du phénomène d’eutrophisation marin (Figure 5).
Fresh Water Eutrophication Sensitivity Factor 1.00 1.01 – 1.02 1.03 – 1.04 1.05 – 1.07 1.08 – 1.11 1.12 – 1.20 1.21 – 1.37
36
Figure 5: Carte des SF pour l’eutrophisation marine par secteur côtier
Les côtes de l’Atlantique et de la Méditerranée reçoivent une quantité significative de nutriments et notamment de l’azote provenant du réseau hydrographique continental. Les zones abritées avec un hydrodynamisme réduit sont vulnérables au développement de phytoplancton et macro-algue. La côte brestoise, la baie d’Arcachon et de Toulon apparaissent en rouge sur cette carte. Cette forte sensibilité est cohérente avec l’important développement d’algues visibles depuis quelques années dans ces zones.
La considération de l’élément limitant
Selon le ratio de Redfield (Redfield et al. 1963) qui propose une relation stœchiométrique entre les nutriments (N, P and K) entraînant la production de biomasse algale et la pratique courante en ACV pour évaluer l’eutrophisation marine et d’eau douce (Struijs et al., 2008; Gallego et al., 2010; Seppala et al., 2004; Hauschild and Potting, 2005), il est possible de déterminer un élément limitant parmi les principaux nutriments (N, P) à l’apparition du phénomène d’eutrophisation.
Afin de respecter la réflexion scientifique existante sur l’élément limitant pour le phénomène d’eutrophisation, les CF spatialisés pour les flux azotés sont égaux à 0 pour l’eutrophisation d’eau douce et les CF spatialisés pour les flux phosphorés sont égaux à 0 pour l’eutrophisation marine. L’ensemble du cheminement pour le développement méthodologique de facteurs de sensibilité permettant la spatialisation de l’eutrophisation est présenté dans l’Annexe 3.
Lien entre les logiciels ACV et SIG
A l’issue de ces développements, des cartes et des tables attributives des différentes concentrations de pigments photosynthétiques (mesures et images satellitaires) et des différents SF pour chaque secteur hydrographique et chaque masse d’eau côtière et de transition sont construites sur le logiciel ArcGIs. Afin de faire le lien avec le logiciel ACV utilisé (GaBi), les SF sont exportés sur un fichier Excel. Dans ce fichier le calcul des CF spatialisé pour chaque substance et chaque secteur hydrographique et masse d’eau côtière et de transition est réalisé. Afin de transposer cette base de données Excel sous GaBi, il a fallu créer ces nouveaux CF et des flux de substances eutrophisante pour chaque secteur hydrographique et masse d’eau côtière et de transition. Ce travail laborieux a été fait à la main faute de solution automatisée (un des désavantage de l’usage de logiciels commerciaux).. Marine eutrophication Sensitivity Factor 1.00 1.01 – 1.17 1.18 – 1.25 1.26 – 1.42 1.43 – 1.50 1.51 – 1.83 1.84 – 2.00
36
Cas d’Application - ACV d’une filière de méthanisation territoriale
Comparaison de résultats d’impact spatialisés et non spatialisés pour l’eutrophisation
Pour comparer les deux méthodes, les calculs de l’impact eutrophisation spatialisé et non spatialisé ont été réalisés sur la filière de méthanisation modélisée sur le territoire de la Carène (44) dans le cadre de la thèse de Faustine Laurent. Cette filière comprend la collecte des substrats, la digestion anaérobie, la valorisation du biogaz et la valorisation du digestat.
Figure 6 : Impacts générés au premier plan du scénario Métha, par poste d’émission (Laurent, 2015)
La valorisation du digestat est une des étapes du cycle de vie la plus contributrice dans le phénomène d’eutrophisation (Figure 6) par l’émission de substances eutrophisantes (Table 2).
Process Substances eutrophisantes émises
Compostage Ammoniac Protoxyde d'azote Epandage compost Phosphate Nitrate Ammoniac Protoxyde d'azote
Stockage du digestat Ammoniac
Protoxyde d'azote Epandage digestat Phosphate Nitrate Ammoniac Protoxyde d'azote
Table 2: Substances émises pour les étapes de valorisation du digestat
0% 20% 40% 60% 80% 100%
GWP Acidif. Eutroph. Smog
Combustion - utilisation du biométhane Combustion - torchère
Epuration - fuites Combustion - chaudière Epandage - compost
Fermentation et Maturation - compost Epandage - digestat
Stockage - digestat Transport - digestat
Stockage - effluents d'élevage Collecte - substrats
36 Un des premiers objectifs est de faire la distinction entre l’eutrophisation des eaux superficielles et l’eutrophisation marine (Figure 7). Cette distinction n’est pas possible avec la méthode CML-IA mais existe dans la méthode Recipe par contre dans cette dernière la spatialisation de l’impact n’est pas possible.
Figure 7: Comparaison des résultats obtenus avec la méthode CML-IA et la méthode spatialisée développée
Les résultats révèlent que les émissions produites par l’étape de valorisation du digestat participent essentiellement à l’eutrophisation marine. Le territoire de la Carène est localisé sur un secteur côtier, dont la fréquence d’eutrophisation de l’exutoire maritime est importante (0,63). De plus, les principales émissions recensées sont des flux azotés, éléments limitants de l’eutrophisation marine. Les étapes participant le plus à l’impact eutrophisation sont le compostage et l’épandage du compost. Avec la méthode non spatialisée, le compostage et l’épandage du compost représentent respectivement 57% et 36% de l’impact calculé et 68% et 32% avec la méthode spatialisée.
Additionner l’impact eutrophisation marine spatialisé et l’impact eutrophisation des eaux superficielles spatialisé apparaît alors comme une erreur puisqu’elles ne sont pas construites à partir des mêmes données. L’implantation de la filière de méthanisation sur la Carène s’est faite sur un territoire identifié comme sensible pour les deux formes d’eutrophisation. La gestion des nutriments est un enjeu crucial dans le but de contenir l’amplification du phénomène. Dès lors, la question de la gestion du digestat via son éventuel post-traitement par compostage et son épandage constitue les éléments suivants que nous avons étudiés.
Utilisation de la spatialisation des résultats d’impacts pour identifier des leviers d’amélioration
Le compostage a été identifié comme l’étape du cycle de vie engendrant le plus d’émissions de substances azotées. Afin de diminuer l’impact lié au post-traitement, différents leviers peuvent être explorés : délocalisation de l’étape de compostage dans un territoire moins sensible, le contrôle et l’atténuation des émissions au compostage, l’export du compost dans un territoire moins sensible, la suppression de cette étape de post-traitement par compostage. La délocalisation du compostage n’est ni réaliste ni pertinente vis-à-vis de l’implantation et la logistique territoriale d’une filière de méthanisation. Le contrôle et l’atténuation des émissions sont des solutions possibles techniquement mais contraignent à mettre sous bâtiment cette étape de compostage afin d’en traiter l’air vicié. Par ailleurs, le captage et le traitement de l’air vicié ont des performances largement améliorables. Le troisième levier consistant à exporter le compost vers un territoire moins sensible est tout à fait envisageable et peut se révéler d’autant plus pertinent si le territoire de destination est en déficit de matière organique et/ou de nutriments. Le dernier levier est de supprimer cette étape de compostage soit en épandant directement soit en choisissant une autre
0 5 10 15 20 25 CML Eutrophication potential Spatialized CML Fresh Water eutrophication Spatialized CML Marine eutrophication kg d 'é q u iv alent p h o sp h at e Composting process Digestate storage Compost spreading Digestate spreading
36 stratégie de post-traitement qui pourrait être plus gourmande en énergie que ne l’est le compostage mais qui permettrait d’exporter le digestat post-traité.
Suppression de l’étape de post-traitement par compostage
La comparaison des scénarios avec compostage et sans compostage (épandage direct de l’ensemble du digestat) est réalisée sur le territoire de la Carène. 449 tonnes de digestat sont valorisées, dont 13% par épandage direct et 87% envoyées en compostage. Aucune différence substantielle n’apparaît entre le scénario avec un traitement de type compostage et le scénario sans post-traitement (Figure 8). Ces résultats similaires s’expliquent par le fait que seules les émissions de substances phosphorées sont impliquées dans le phénomène d’eutrophisation des eaux superficielles. Ces émissions sont observées au moment de l’épandage du compost et du digestat, le compostage n’agissant alors pas sur le phosphore.
Figure 8: Résultats d'impact eutrophisation des eaux superficielles spatialisé avec et sans post-traitement
Une différence significative est observée pour l’impact eutrophisation marine (Figure 9). Les émissions liées au stockage du digestat puis son épandage sont estimées à 11 kg d’équivalent phosphate. En comparaison, les émissions liées au scénario avec compostage sont estimées à 24 kg d’équivalent phosphate, soit plus de deux fois l’impact estimé par l’épandage de l’ensemble du digestat sur le territoire de la Carène. Ce résultat s’explique par une production supérieure d’ammoniac et de protoxyde d’azote, libérés dans l’air au moment du compostage. Cette volatilisation est permise par la minéralisation de l’azote durant la digestion anaérobie précédant le compostage.
Figure 9: Résultats d'impact eutrophisation des eaux marines spatialisé avec et sans post-traitement
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 No post-treatment Post-treatment kg p h o sp h at e eq u iv alent Compost spreading Digestate spreading 0 5 10 15 20 25 No post-treatment Post-treatment kg p h o sp h at e eq u iv alent Composting process Digestate storage Compost spreading Digestate spreading
36 Finalement, la suppression de l’étape de post-traitement par compostage permet de diminuer uniquement l’impact sur l’eutrophisation marine. Il est à noter que sans post-traitement le digestat ne peut pas être exporté et les impacts évités par la suppression du compostage se reporteront via la mise en place d’un autre post-traitement afin de conserver cette possibilité d’export du digestat. Les solutions alternatives au compostage sont le plus souvent énergivores et donc créent, en plus des émissions, des impacts sur la consommation de ressources.
Dès lors, l’épandage du compost étant la deuxième étape la plus impactante, nous avons testé son export et son épandage dans des territoires moins sensibles que celui de la Carene.
Export du compost dans des territoires moins sensibles à l’eutrophisation et représentation cartographique des résultats
L’application d’un post-traitement comme le compostage en sortie de digesteur, suivie de son exportation illustre la considération d’un surplus de fertilisation sur un territoire et la volonté d’indépendance en matière fertilisante à l’échelle nationale. Dans les scénarios avec export, 13% du digestat est épandu sur la surface agricoles d’un exploitant pour répondre à ses besoins en fertilisation et 87% est envoyé en compostage puis exporté vers un autre territoire (Figure 10).
Figure 10: Résultats d'impact eutrophisation des eaux superficielles spatialisé selon le scénario d'exportation
Le secteur hydrographique dans lequel se situe le territoire de la Carène (M8) a été identifié comme fortement sensible avec une fréquence d’eutrophisation observée des eaux superficielles de 31%, sur la période productive. Les émissions liées à l’épandage du digestat et du compost sont estimées à 1,6 kg d’équivalent phosphate pour un scénario sans export. L’export du compost dans un secteur en amont (secteur K6 : « export upstream catchment ») ou dans un secteur situé dans un autre bassin administratif (secteur H2 : « export other region ») montre une diminution de 18% de l’impact eutrophisation des eaux superficielles.
Les exutoires maritimes des secteurs M8 et K6 sont l’embouchure de la Loire et l’embouchure de la Seine pour le secteur H2. Les fréquences d’eutrophisation déterminées pour ces masses d’eau marine sont respectivement de 63% et 25% pour la période productive. L’export du compost vers un secteur amont permet de réduire l’impact eutrophisation marine de la filière de méthanisation de 4% contre 10% vers le secteur situé dans le bassin parisien (Figure 11).
0,00 0,50 1,00 1,50 2,00
No export Export other region Export upstream catchment kg p h o sp h at e eq u iv alent Compost spreading Digestate spreading
36
Figure 11: Résultats d'impact eutrophisation marine spatialisé selon le scénario d'exportation
Les secteurs K6 et H2 sont respectivement situés à 206 et 295 km de leur exutoire maritime. L’intégration de la distance comme facteur d’atténuation de l’eutrophisation marine influence légèrement le résultat de l’impact. Effectivement, du fait que la part importante de la charge environnementale soit liée au processus de compostage, l’export, bien qu’il pèse en partie sur le résultat ne permet pas de diminuer significativement l’impact eutrophisation marine global de la filière.
Impact Sans export Export en amont Export autre bassin
Eutrophisation des eaux superficielles (kg eq phosphate) (M8) 24,2 (M8) 0,2 (M8) 0,2 (K6) 1,1 (H2) 1,1 Eutrophisation marine (kg eq phosphate) (M8) 1,6 23,3 (M8) 16,4 (H2) 5,5
Table 3: Résultats d'impact eutrophisation selon le scénario étudié
L’ACV est un outil d’aide à la décision, par la comparaison des impacts calculés de plusieurs scénarios. La représentation cartographique doit satisfaire cet enjeu : faciliter la visualisation des impacts de scénarios différents sur une même carte afin d’aider les décideurs dans leur choix. Une première carte représente la répartition spatiale des impacts eutrophisation marine et eutrophisation des eaux superficielles sous formes d’histogrammes pour les étapes du cycle de vie post-traitement et/ou épandage selon les scénarios (Figure 12).
Figure 12: Représentation cartographique de la répartition spatiale des impacts selon le scénario étudié
0,0 5,0 10,0 15,0 20,0 25,0
No export Export other
region Export upstream catchment kg p h o sp h at e eq u iv alent Composting process Digestates storage Compost spreading Digestate spreading
36 Une deuxième représentation est proposée avec comme objectif la visualisation des impacts d’épandage uniquement afin de montrer dans quelle région, les impacts potentiels seront les plus sévères (Figure 13).
Figure 13: Réprésentation cartographique des résultats d'impact eutrophisation des eaux superficielles (a) et marines (b) pour l'étape d’épandage
Pour l’eutrophisation des eaux superficielles, l’export vers un secteur hydrographique moins sensible montre des résultats similaires. Cette représentation laisse apparaître que l’épandage du compost dans le secteur de la Carène a un impact plus fort sur l’eutrophisation des eaux superficielles (Figure 14(a)) que dans les deux autres secteurs sélectionnés. Pour l’eutrophisation marine (Figure 14(b)), l’enjeu a été de présenter sur une même carte le scénario de référence et le scénario d’export en amont en sachant que l’impact se fait dans la même masse d’eau côtière. Le trajet des nutriments est représenté par les deux fleuves. Afin de diminuer l’impact eutrophisation marine, la stratégie d’exportation du compost dans le bassin parisien apparaît comme une solution potentielle.
Conclusion
Cette étude a permis de démontrer la pertinence de considérer une caractérisation spatialisée de l’impact eutrophisation et sur sa faisabilité méthodologique liée notamment à l’utilisation associée de l’ACV et des SIG. La considération de la sensibilité du territoire à ces impacts permet une évaluation plus fine et plus facilement exploitable en termes d’aide à la décision. La principale limite est l’utilisation de seuils réglementaires pour calcul la fréquence de dépassement de concentration de chlorophylle a. Ces seuils sont issus de consensus et négociations entre les états membres et les lobbys et ne traduisent pas un seuil scientifique. Ces seuils scientifiques sont difficiles à estimer et sont le plus souvent calculer pour un milieu particulier. Dès lors, la sensibilité de l’usage des seuils réglementaires sera testée dans de prochains travaux. Concernant la faisabilité technique d’association des logiciels ACV et SIG, elle a été mis en évidence de manière rustique via une interface Excel et des interventions humaines fortes dans les deux logiciels. Le nombre restreint (même si déjà importants) de données à entrer dans GaBi a rendu ces liens faisables mais ils ne le seront plus avec une augmentation significative des données. Les logiciels commerciaux ACV et SIG montrent des limites évidentes pour ces couplages de compétences au-delà d’un nombre de données manipulables pour le praticien ACV dans un temps raisonnable. Même si les logiciels libres et programmables non pas été testés dans ce travail, ils sont supposés plus efficients pour la réalisation du couplage effectif de l’ACV et des SIG.
NB : depuis la réalisation de ces premiers développements et cas d’application dans le cadre du projet Space Recovery et du présent PRC, la méthodologie de calcul du SF a évolué. Désormais le SF
