© Jose Velarde Guillen, 2019
Impact des stratégies de réduction des gaz à effet serre
sur les fermes laitières
Thèse
Jose Velarde Guillen
Doctorat en sciences animales
Philosophiæ doctor (Ph. D.)
Impact des stratégies de réduction des gaz à effet de
serre sur les fermes laitières
Thèse
José Velarde Guillén
Sous la direction de :
Édith Charbonneau, directrice de recherche
iii
Résumé
La production laitière est le deuxième système agronomique le plus contaminant, seulement derrière la production de viande bovine. Sur les fermes laitières, la fermentation entérique et la production de culture sont les principales sources de gaz à effet serre (GES). Donc les principales stratégies de réduction de GES sont : la diminution de la fertilisation aux champs et la manipulation des rations des vaches, qui permettent de diminuer les émissions de N2O et CH4,
respectivement.
L’objectif de ce travail de recherche était d’évaluer l’impact économique, agronomique et environnemental des stratégies de réduction de GES chez la ferme laitière. L’étude a été réalisée avec le modèle N-CyCLES, qui est un modèle de programmation linéaire qui permet de faire une évaluation des flux de nutriments sur la ferme et de leurs impacts sur les résultats économiques en considérant à la fois la gestion des champs (rotations de cultures, fertilisation), l’alimentation du troupeau et la gestion du fumier. Dans ce modèle, trois fermes laitières virtuelles ont été développées pour représenter les fermes typiques de trois régions du Canada : les Prairies, le Québec/Ontario, et les Maritimes. À cette fin, des bases de données de 166 fermes de la région des Maritimes, de 113 fermes de la région de Québec/Ontario et de 32 fermes de la région des Prairies, ont été utilisées.
Dans la première étude, l’impact de diminuer la fertilisation de l’azote (N) dans les champs a été simulé. Pour réduit la quantité de fertilisant, l’ensilage de maïs (EM) a été remplacé par l’ensilage de millet perlé sucré (MPS) dans les trois régions et par le sorgho sucré (SS) seulement dans la région Québec/Ontario. Les résultats montrent que cette stratégie réduit la quantité de l’N utilisé aux champs, et ainsi les émissions de GES au niveau de la ferme qui ont diminué de 1 à 9 %. Cependant, la balance de N au niveau de la ferme s’est accrue avec le scénario MPS, mais a décliné avec le scénario SS. Par ailleurs, le bénéfice net de la ferme a diminué de 5 à 21 % en comparaison avec le scénario EM en utilisant le MPS ou le SS.
iv
Le deuxième projet a permis le développement d’une équation pour estimer la production de méthane (CH4) comme résultat de la fermentation entérique chez
la vache laitière. Pour ce travail, une base de données de six expériences (18 traitements, 56 vaches laitières et 193 observations) a été créée. Dans les expériences, le CH4 a été mesuré dans des chambres métaboliques. Les
caractéristiques des vaches (consommation de matière sèche [CVMS], production laitière [PL], gras du lait, protéine du lait et poids corporel [PC]) et de la ration (matière sèche [MS], matière organique [MO], protéine brute [PB], fibre au détergent neutre [NDF], fibre au détergent acide [ADF], énergie brute [EB], matière grasse [EE], gras non dégradable au rumen et amidon) ont été utilisées. L’équation finale (r=0.83, RMSE=40.03) a inclus la PL, gras du lait, protéine du lait, CVMS, PC, NDF, amidon et la différence entre EE et gras non dégradable au rumen. Cette équation, en comparaison avec l’équation de l’IPCC Tier 2, permet une prédiction plus précise des émissions de CH4 de vaches laitières qui mangent une ration typique
canadienne.
Finalement, dans la troisième étude, les stratégies d’alimentation pour réduire les émissions de CH4 entérique ont été testées pour observer leurs impacts
environnemental et économique au niveau de la ferme laitière. L’utilisation d’une ration de base avec de l’EM conventionnel a été comparée à la supplémentation avec des drêches de distillerie (DDGS), de l’huile de lin (LO) ou les deux toujours avec une ration utilisant l’EM conventionnel (CDL). En plus, la substitution de EM par l’ensilage de maïs Brown midrib (BMR) et l’ajout des deux suppléments précédents avec une diète à base de BMR (BDL) ont aussi été comparé. Dans tous les scénarios, la production de CH4 entérique a décliné, mais seulement les
scénarios LO, BMR et BDL ont réduit les émissions de GES au niveau de la ferme, tandis que les stratégies avec DDGS et CDL ont accru les émissions de GES. Économiquement, tous les scénarios, sauf le DDGS, ont réduit le bénéfice net.
Les résultats de ce travail montrent que les stratégies pour réduire les émissions de GES dans un secteur de la ferme laitière (champs, vache, fumier, entre autres) peuvent augmenter les émissions dans un autre secteur de la ferme. Par
v
ailleurs, le revenu de la ferme décline avec la plupart des stratégies étudiées, ce qui pose problème pour l’adoption de ces stratégies par les producteurs.
vi
Abstract
Meat and dairy production are the first and second most polluting agronomic systems, respectively. In the dairy farms, the enteric fermentation and the crop production are the main sources of greenhouse gas (GHG) emissions. For this reason, the reduction of the fertilization and the dairy cows’ ration manipulation are the principal strategies used to decrease the N2O and CH4 emissions, respectively.
The objective of this work was to evaluate the agro-environmental and economic impact of the strategies to decrease the GHG emissions of dairy production. For the study, the N-CyCLES model was used. It is a linear programming model in which three levels: agronomic, animal and economic are considered to find the best response (optimization) for a maximum net income or a minimum whole-farm balance of N or P; evaluating trade-offs between economic and environmental outcomes from mixed livestock-crop dairy systems. In the model, three virtual dairy farms were developed to represent the average farm of three regions of Canada: the Maritimes, Quebec/Ontario and the Prairies. For this, a database from 166 farms of the Maritimes, from 113 farms of Quebec/Ontario and from 32 farms of the Prairies, was used.
In the first study, the impact of a lower fertilization was simulated. To decrease the amount of fertilizer, the corn silage (CS) was substituted by sweet peal millet silage (SPM) in the three regions, and by sweet sorghum (SS) only in the virtual dairy farm of Quebec/Ontario. The results showed that the quantity of fertilizers declined with SPM and SS which decreased the total GHG emissions of the farm from 1 to 9% as compared to CS. However, the N mass balance increased in the SPM scenario, but declined in the SS scenario. In addition, the farm net income (FNI) decreased from 5 to 21% with SPM and SS in comparison with the CS scenario.
In the second project, an equation to predict the enteric CH4 emissions of
dairy cows was developed. A database of 193 observations from 18 different treatments and 56 multiparous Holstein cows was created. In all experiments, enteric CH4 production was measured using individual respiration chambers. The dairy
vii
cows’ characteristics (dry matter intake [DMI], milk yield [MY], milk fat, milk protein and body weight [BW]) and diet characteristics (dry matter [DM], organic matter [OM], crude protein [CP], neutral detergent fiber [NDF], acid detergent fiber [ADF], gross energy [GE], ether extract [EE] and EE non-reactive in the rumen [rumen-inert fat] and starch) were used in a five-fold cross validation. The best-fit equation (r=0.83, RMSE=40.03) included MY, milk fat, milk protein, DMI, BW, NDF, starch and the difference between EE and Rumen-inert fat. This equation, in comparison with the IPCC Tier 2 equation allowed for a more accurate prediction of CH4
emissions from lactating dairy cows fed typical Canadian diets.
Finally, in the third study, feeding strategies seeking to decrease enteric CH4
production were simulated to observe their agro-environmental and economic impact in the dairy farm. The supplementation with corn dried distillers grains with solubles (DDGS), with linseed oil (LO) or both in a CS-based diet (CDL), and the substitution of CS by brown midrib corn silage (BMR) or both supplements in a BMR-based diet (BDL) were simulated. The enteric CH4 emissions decreased in each
scenario, but total GHG emissions declined only in the LO, BMR and BDL scenarios, whilst in the DDGS and CDL scenarios the emissions were higher than in the CS scenario, Economically, each scenario, except DDGS scenario, decreased FNI.
The results of this study showed that the different strategies to decrease the GHG emissions of a sector of the dairy farm (cropland, cow, manure for instance) can increase the emissions in other parts of the dairy chain production. In addition, the FNI declined for most of them which can represent a problem for their adoption by the dairy farmers.
viii
Table des matières
Résumé ... iii
Abstract ... vi
Table des matières ... viii
Liste des tableaux ... xiii
Liste des figures ... xvii
Liste des abréviations ... xviii
Remerciements ... xxi Avant-propos ... xxiv Introduction ... 1 Bibliographie de l’introduction ... 4 Chapitre 1 ... 6 Revue de littérature... 6
1.1 Émissions de gaz à effet de serre de la production laitière ... 6
1.1.1 Situation mondiale ... 7
1.1.2 Situation au Canada... 9
1.2 Mesure des gaz à effet serre ... 11
1.2.1 Mesure in situ ... 11
1.2.2 Équations d’estimation ... 16
1.2.3 L’evaluation du cycle de vie ... 19
ix
1.3.1 Stratégies dans les champs ... 20
1.3.2 Stratégies de réduction du méthane par des modifications à la ration des vaches laitières ... 34
1.3.3 Gestion du fumier ... 42
1.4 Effets des stratégies de mitigation de gaz à effet serre sur les fermes laitières ... 43
1.4.1 La ferme laitière dans son ensemble ... 43
1.4.2 La modélisation ... 45
1.4.3 Les modèles de simulation de ferme ... 47
1.5 Objectifs et hypothèses de recherche ... 48
1.5.1 Premier projet ... 49
1.5.2 Deuxième projet ... 49
1.5.3 Troisième projet ... 50
Bibliographie de la revue de littérature ... 51
Chapitre 2 ... 73
Simulating the effect of substituting corn silage by sweet pearl millet or sweet sorghum silages on Canadian dairy farm profitability and agro-environmental performance ... 73
2.1 Résumé ... 74
2.2 Abstract ... 75
2.3 Introduction ... 76
2.4 Materials and methods ... 77
2.4.1 Model Used ... 77
2.4.2 Region of study ... 78
x
2.4.4 Simulations ... 81
2.5 Results ans discussion ... 82
2.5.1 Substitution of CS by SPM on the Maritimes farm ... 82
2.5.2 Substitution of CS by SPM or SS on the Quebec/Ontario farm ... 84
2.5.3 Substitution of CS by SPM on the Prairies farm ... 86
2.5.4 Overall impact of the substitution of CS by SPM or SS ... 88
2.5.5 Sensitivity analysis ... 89 2.6 Conclusions ... 90 2.7 Acknowledgements ... 91 2.8 References ... 91 2.9 Appendix ... 107 Chapitre 3 ... 110
Development of an equation to estimate the enteric methane emissions from Holstein dairy cows in Canada ... 110
3.1 Résumé ... 111
3.2 Abstract ... 112
3.3 Introduction ... 113
3.4 Material and methods ... 115
3.4.1 Data set description ... 115
3.4.2 Statistical analysis ... 116
3.5 Results and discussion ... 118
xi
3.5.2 Correlation and regression analyses ... 118
3.5.3 Model selection ... 120 3.5.4 Bias analysis ... 123 3.5.5 Limitations ... 125 3.6 Conclusion ... 125 3.7 Acknowledgements ... 126 3.8 References ... 126 Chapitre 4 ... 146
Simulating the effect of feeding strategies to decrease enteric methane emissions on dairy farms profitability and agro-environmental performance in Canada ... 146
4.1 Résumé ... 147
4.2 Abstract ... 148
4.3 Introduction ... 149
4.4 Materials and methods ... 151
4.4.1 Model Used ... 151
4.4.2 Regions of study ... 151
4.4.3 Main inputs ... 152
4.4.4 Simulations ... 154
4.5 Results and discussion ... 156
4.5.1 Corn distillers grains with solubles (DDGS) scenario ... 156
4.5.2 Linseed oil (LO) scenario ... 159
xii
4.5.4 Brown midrib corn silage (BMR) scenario ... 164
4.5.5 Brown midrib corn silage, corn distillers grains with solubles and linseed oil (BDL) scenario ... 166
4.5.6 Greenhouse gas and enteric CH4 mitigation cost ... 169
4.5.7 Sensitivity analysis ... 169
4.6 Conclusion ... 170
4.7 Acknowledgements ... 171
4.8 References ... 171
4.9 Appendix ... 194
Discussion générale et conclusion ... 197
5.1 Discussion générale ... 197
5.2 Conclusion ... 204
xiii
Liste des tableaux
Tableau 1.1. Les principales émissions directes de dioxyde de carbone (CO2), de méthane
(CH4) et d’oxyde nitreux (N2O) par secteur sur les fermes laitières. ... 7
Tableau 1. 2. Mesure d’émissions d’oxyde nitreux (N2O) avec la technique de chambre et
avec la technique de covariance des tourbillons ... 13 Tableau 1.3. Mesure de CH4 entérique avec différentes techniques de chambre de
respiration (CH), GreenFeed (GF) ou l’hexafluorure de soufre (SF6) ... 16
Tableau 1. 4. Liste d’équations publiées d’estimation de méthane entérique ... 18 Tableau 1. 5. Effet productif et environnemental des génisses et vaches laitières
alimentées avec l’ensilage de maïs (EM) ou l’ensilage de maïs Brown midrib (BMR) ... 27 Tableau 1. 6. Caractéristiques agronomiques et nutritionnelles de l’ensilage de maïs (EM), l’ensilage de millet perlé sucré (MPS) et de l’ensilage de sorgho sucré (SS)z. ... 28
Tableau 1. 7. Production CH4 in vitro et production entérique avec l’ensilage de sorgho et sorgho sucré... 32 Tableau 1. 8. Impact sur la production laitière et les émissions de différentes stratégies
d’alimentation pour réduire les émissions de CH4 entérique ... 35 Tableau 1. 9. Effet sur la production laitière et les émissions de CH4 de différents types et
proportion de fourrages et proportions dans la ration des vaches laitières... 37 Table 2. 1. Herd size, FPCM yield, milk composition, milk price and agronomic
characteristics of dairy farms in three regions of Canada. ... 99 Table 2. 2. Crop rotations of each region with the number of years needed per rotation. 100 Table 2. 3. Chemical composition and agronomic characteristics of corn silage (CS), sweet pearl millet silage (SPM) and sweet sorghum silage (SS) in the three regions. ... 101
xiv
Table 2. 4. Rotation, crop production, and fertilizer (synthetic and manure) used in virtual farms with Corn Silage (CS), Sweet Pearl Millet (SPM) or Sweet Sorghum (SS) in the Maritimes, Quebec/Ontario and the Prairies ... 102 Table 2. 5. Type and quantity of feeds used for diet formulation in virtual farms with Corn Silage (CS), Sweet Pearl Millet (SPM) or Sweet Sorghum (SS) in the Maritimes,
Quebec/Ontario and the Prairies ... 104 Table 2. 6. Farm incomes and expenses, balance of nutrients (N and P balance) and GHG emissions (total and allocated) of virtual farms with Corn Silage (CS), Sweet Pearl Millet (SPM) or Sweet Sorghum (SS) in the Maritimes, Quebec/Ontario and the Prairies 105 Table 2. 7. Sensitivity analysis when feed prices, fertilizer prices or CS, SPM or SS yield vary on the farm net income (FNI), N and P balance and greenhouse gas (GHG) emission in the Maritimes, Quebec/Ontario and the Prairies. ... 106 Table A2. 1. Dairy farm characteristics for the virtual farms in the Maritimes,
Quebec/Ontario and the Prairies ... 107 Table A2. 2. Agronomic characteristics of the home-grown feeds for the virtual farms in the Maritimes, Quebec/Ontario and the Prairies ... 108 Table A2. 3. Purchase price and cost of production of different ingredients in the
Maritimes, Quebec/Ontario and the Prairies. ... 109 Table 3. 1. Mean of dependent (CH4 emissions) and independent (animal and diet)
variables of 18 treatments of six different trialsz ... 136
Table 3. 2. Pearson correlation coefficient (r) for independent (animal and dietary) and dependent (CH4 emissions) variables ... 137
Table 3. 3. Univariate analysis of animal and dietary variablesz against enteric CH 4
xv
Table 3. 4. Best-fit equation for multiple regression and cross validation for prediction of enteric CH4 emissions (g d-1) from a dataset of 193 observations from 56 lactating
Canadian Holstein dairy cows. R= 0.83 and RMSE= 40.03 ... 140 Table 3. 5. Regression estimates for the association between residuals and model
predicted CH4 (g d-1) values centered around the mean ... 141
Table 4. 1. Herd size, FPCM yield, milk composition, milk price and agronomic
characteristics of dairy farms in three regions of Canada... 182 Table 4. 2. Main ten crop rotations of each region where each crop represents one year 183 Table 4. 3. Nutritional composition and agronomic characteristics of corn silage (CS), corn brown midrib silage (BMR), corn distillers grains with solubles (DDGS) and Linseed oil (LO) in the three regions ... 184 Table 4. 4. Rotations and fertilizers (synthetic and manure) used in virtual farms with Corn Silage (CS), Corn distillers grains with solubles (DDGS), Linseed oil (LO) and brown midrib corn silage (BMR) in the Maritimes and the Prairies ... 185 Table 4. 5. Rotations and fertilizers (synthetic and manure) used in virtual farms with Corn Silage (CS), Corn distillers grains with solubles (DDGS), Linseed oil (LO) and brown midrib corn silage (BMR) in Quebec/Ontario. ... 187 Table 4. 6. Quantities of feeds used in virtual farms with Corn Silage (CS) alone and with corn distillers grains with solubles (DDGS) or Linseed oil (LO) supplementation in the Maritimes and the Prairies ... 189 Table 4. 7. Quantities of feeds used in virtual farms with Corn Silage (CS) alone and with corn distillers grains with solubles (DDGS) or Linseed oil (LO) supplementation or with Brown midrib corn silage (BMR) in Quebec/Ontario ... 190 Table 4. 8. Farm incomes and expenses, N mass balance, methane emission and GHG emissions (total and allocated) of virtual farms with Corn Silage (CS), corn distillers grains
xvi
with solubles (DDGS), linseed oil (LO) and brown midrib corn silage (BMR) in the
Maritimes and the Prairies ... 191 Table 4. 9. Farm incomes and expenses, N mass balance, methane emission and GHG emissions (total and allocated) of virtual farms with Corn Silage (CS), corn distillers grains with solubles (DDGS), linseed oil (LO) and brown midrib corn silage (BMR) in
Quebec/Ontario. ... 192 Table 4. 10. Sensitivity analysis of the farm net income (FNI) and greenhouse gas (GHG) emissions in the Maritimes, Quebec/Ontario and the Prairies. ... 193 Table A4. 1. Dairy farm characteristics for the virtual farms in the Maritimes,
Quebec/Ontario and the Prairies ... 194 Table A4. 2. Agronomic characteristics of the home-grown feeds for the virtual farms in the Maritimes, Quebec/Ontario and the Prairies... 195 Table A4. 3. Feed costs (purchase price and cost of production) of different ingredients and fertilizer price in the Maritimes, Quebec/Ontario and the Prairies ... 196
xvii
Liste des figures
Figure 1.1. Proportion d’émissions de gaz à effet de serre (GES) par secteur à niveau mondial. AFOLU : Agriculture, sylviculture et autres utilisations des terres. Adaptée d’IPCC (2014). ... 8 Figure 1.2. Proportion d’émissions de gaz à effet de serre (GES) par secteur au Canada. Adaptée d’IPCC (2014) ... 9 Figure 1. 3. Émissions de GES du secteur agronomique au Canada, tiré d’Agriculture et agroalimentaire Canada (2016) ... 10 Figure 3. 1. Plot of observed and predicted CH4 emissions accounting for the proposed model, obtained from a dataset of 193 observations of 53 dairy Holstein cows.. ... 142 Figure 3. 2 Plot of observed and predicted CH4 emissions accounting for the IPCC Tier 2
model (IPCC, 2006), obtained from a dataset of 193 observations of 53 dairy Holstein cows.. ... 143 Figure 3. 3 Plot of observed and predicted CH4 emissions accounting for the equation of
Moraes et al., (2014), obtained from a dataset of 193 observations of 53 dairy Holstein cows.. ... 144 Figure 3. 4 Plot of observed and predicted CH4 emissions accounting for the equation of
Niu et al. (2018), obtained from a dataset of 193 observations of 53 dairy Holstein cows. ... 145
xviii
Liste des abréviations
Liste des abréviations françaises
Abréviation Terme Abréviation Terme
ADF Fibre au détergent acide EMm Besoin énergétique d’entretien AFOLU
Secteur de l’agriculture, sylviculture et autre utilisation des terres
LCGP Lait corrigé pour le gras et protéine
AG Acides gras GES Gaz à effet serre
BDL BMR
BMR + DDGS + LO
Ensilage de maïs brown midrib GF Greenfeed
CDL EM + DDGS + LO GNF Glucides non fibreaux CEB Consommation d’énergie brute HF Haute quantité de
fourrages CEM Consommation d’énergie
métabolique HG
Haute quantité de graines
CH Chambre de respiration LAD Lignine au détergent acide
CH4 Méthane LCE
Lait corrigé pour l’énergie
CO2 Dioxyde de carbone LO Huile de lin
CO2eq Équivalent en dioxyde de
carbone MO Matiere organique
CVMS Consommation volontaire de
matière sèche MPS
Ensilage de millet perlé sucré
CVMSpoids Consommation de matière
sèche par poids MS Matière sèche
DDGS Drêches de distillerie N Azote
DMO Digestibilité de la matière
organique NDF
Fibre au détergent neutre
DTEE Digestibilité total de l’EE N2O Oxyde nitreux
DTMO Digestibilité totale de la matière PB PC
Protéine brute Poids corporel DTNDF Digestibilité totale de la fibre
NDF R
Coefficient de
corrélation de Pearson
EB Énergie brute RL Rendement de lait
Eble Ensilage de blé RMSPE Erreur quadratique
moyenne de prédiction
EE Extrait éthéré RTM Ration totalement
mélangée
EH Ensilage d’herbe SF6 Hexafluorure de soufre
EM Ensilage de maïs SS Ensilage de sorgho
xix
Liste des abréviations anglaises
Abbreviation Meaning Abbreviation Meaning
ADF Acid detergent fibre GF Greenfeed
ADL Acid detergent lignin GHG Greenhouse gas
BDL BMR + DDGS + LO GS Grass silage
BMR Brown midrib corn silage HF High forage
BW Body weight HG High grain
CDL CS + DDGS + LO LO Linseed oil
CH4 Methane MEI Metabolic energy intake
CO2 Carbon dioxide MEm Metabolic energy for metabolism
CO2eq Carbon dioxide equivalent MY Milk yield
CP Crude protein N Nitrogen
CS Corn silage N2O Nitrous oxide
DDGS Corn distillers grains with
solubles N-CyCLES
Nutrient Cycling, Crop, Livestock, Environment and Soil model
DM Dry matter NDF Neutral detergent fibre
DMI Dry matter intake NFC No fibrous carbohydrates DMIBW Dry matter intake per body
weight OM Organic matter
ECM Energy corrected milk OMD Organic matter digestibility
EE Extract ether OS Orge silage
FA Fatty acids SPM Sweet pearl millet silage
FPCM Fat and Protein corrected
milk SS Sweet sorghum silage
GE Gross energy TMR Total mix ration
xx
« Somos polvo de estrellas observando a las estrellas »
xxi
Remerciements
Tout d’abord je veux remercier ma directrice de recherche, Édith Charbonneau, qui m’a aidé avec mon croisement d’apprentissage et de travail depuis le début de mon doctorat jusqu’à la dernière heure. Merci beaucoup pour tous les choses, mots, corrections, réponses, doutes, etc., tout ça m’a servi pour être un meilleur étudiant et voir les choses depuis un autre point de vue. Merci pour ta patience et ton soutien.
À mon codirecteur Doris Pellerin, qui conjointement avec Édith m’a démontré, écouté, expliqué beaucoup de choses, doutes et interrogations pendant mes études. Merci, Doris, par ton soutien et tes mots.
Un remerciement spécial à Chaouki Benchaar d’Agriculture et Agroalimentaire Canada et Michel Wattiaux de l’University of Wisconsin-Madison pour avoir partager les données brutes de leurs études portant sur le méthane pour la réalisation de l’article sur le développement de l’équation de prédiction du méthane entérique.
Un remerciement aussi à l’équipe de Vern Baron par l’aide avec la mise en place du scénario des Prairies; et aussi aux équipes d’Anne Vanasse et de Gaëtan Tremblay pour avoir aidé à faire les ajustements nécessaires pour les cultures de l’ensilage de millet perlé sucré et de sorgho sucré pour le premier projet.
Je voudrais aussi remercier la Grappe de recherche laitière d’Agriculture et Agroalimentaire Canada en collaboration avec les Producteurs laitiers du Canada pour le financement par le soutien financier.
Un remerciement spécial à Marie-Noëlle Thivierge, Anne Vanasse, Martin Chantigny, Vern Baron, Michel Wattiaux et Chaouki Benchaar par leurs apports à ce travail.
À l’Université Laval et au Département des sciences animales pour l’opportunité et l’espace pour ma croissance personnelle et professionnelle.
xxii
Quiero agradecer infinitamente a mis papás que siempre, cada día, estuvieron ah´para escucharme y darme consejos inclusive cuando estuve a punto de tirar la toalla. Gracias mamá por la ayuda en ingles. Gracias papá por mantenerme despierto cada día. Gracias por darme la mejor herencia: mi preparación.
Karla, eres un gran ejemplo a seguir y fue en parte gracias a ti que no tiro la toalla, gracias por ser mi hermana y por enseñarme que uno puede lograr lo que quiera.
Karlo Santiago, mi más grande inspiración para seguir, pude quedarme solo con la Maestría que tu también obtuviste, pero quería darte el ejemplo que uno siempre debe ir por más, no por ego ni orgullo, sino porque somos capaces de todo. Tu me has dado sonrisa, fuerza e inspiración para continuar, todo el mundo que aprecio te conoce. Asi como tu has estado a mi lado, quiero decirte que no importa lo que pase, siempre estaré contigo.
Tía Carmen, eres más que mi tia, eres mi amiga, persona en la que puedo confiar. Gracias por apoyarme, por esas platicas de fin de semana, este esfuerzo también fue tuyo.
Mami y Papi, físicamente no me verán terminar con esta etapa de mi vida, pero siempre estuvieron ahí para mi, cerraba los ojos y sentía su apoyo, gracias por todo, no los defraudaré.
Raúl, la perseverancia que tienes me inspira pues logras lo que te propones sin importar las veces que caes, siempre te levantas. Gracias por tu apoyo en este viaje.
Brillith sabes que fuiste lo mejor que me pasó en Canadá, estuviste ahí en mis mejores y peores momentos, siempre fuiste un gran colchón y una mano que me ayudaba a salir sin que te dieras cuenta, fuiste un gran respiro cuando sentía que me ahogaba. Gracias por todo lo que me enseñaste, por ti mejoré.
xxiii
Sofi, pff no hay palabras suficientes para agradecerte, fuiste la primera persona, fuera del departamento, en hablarme, me enseñaste como funcionaba la vida en nuestra querida Quebec, me uniste a tu grupo de amigos, me diste una de las cosas más valiosa: tu amistad y confianza sabes que siempre fue recíproco y que siempre estaré para ti para reir, llorar, beber unos tragos, jugar, etc. Personas como tu solo aparecen una vez en la vida y tengo la fortuna de que sigas en mi vida. Gracias por todo tu apoyo en todo.
Leo, ¿qué te puedo decir hermano?, fue un honor comenzar esta travesía contigo, no había conocido a una persona como tú, una persona sincera, loca, pero sincera, con esa hambre de aprender, debatir y seguir evolucionando. Me ofreciste una perspectiva diferente de ver las cosas, salí del “embudo” gracias a esas pláticas, y sigue siendo un orgullo tener contacto contigo. Gracias por esas tardes para entender al tamagoshi y por las charlas sobre el imperio. Parte de esta investigación lleva tu nombre y con justicia.
Un especial agradecimiento a Carlos M. Arriaga Jordán ya que sin tus consejos y motivación creo que no hubiese visto las cosas desde otro ángulo, hasta a la distancia sigues enseñándome. Gracias.
Gracias a todos los que estuvieron ahí para reír, jugar, platicar: Leni, Omar, Lupita, Arturo, Krystoffer, Emilio, Gabie, Mathi, Estefanía, Jonathan, Rafa, Ana María, Nicole, Aide, Claudia, Dalila, Juan, Liliana, René, Hector, Maxime, Veronique, Hannen, Maroua, Vanessa, Vanessa Vilela, Bruno Plante, Bruno y Esteban. De igual forma a los que estuvierion de lejos: Quique, Juan Antonio, Ruben, Bere, Miriam, Shau, mis tios Arturo, Raúl, Carlos, Jesus y mi tía Irma.
Merci beaucoup, Québec, pour toutes les expériences, finalement : ¡prospera y buena vida a las vacas! Que sin ellas no existiría esta tesis
xxiv
Avant-propos
Cette thèse comprend les chapitres suivants: l’introduction générale, la revue de littérature (Chapitre 1), trois chapitres présentant les résultats de recherche (Chapitre 2, 3 et 4) et finalement une discussion et une conclusion générale (Chapitre 5). L’introduction et les chapitres 1 et 5 sont écrits en français, tandis que les chapitres 2, 3 et 4 sont écrits en anglais et présentés sous forme de manuscrits. Le chapitre 1 aborde la situation actuelle de l’impact environnemental de la production laitière, les principales stratégies pour réduit les émissions de gaz à effet serré (GES), aussi comme l’intérêt de considérer la ferme dans son ensemble. Ce chapitre conclut avec la description des objectifs et des hypothèses de recherche. Le travail présenté a été réalisé par José Velarde Guillén qui est l’auteur principal et Édith Charbonneau et Doris Pellerin sont coauteurs.
Le chapitre 2 qui s’intitule « Simulating the effect of substituting corn silage by sweet pearl millet or sweet sorghum silages on Canadian dairy farm profitability and agro-environmental performance » permet d’observer deux choses : le potentiel de l’ensilage de millet perlé sucré et l’ensilage de sorgho sucré pour remplacer l’ensilage de maïs dans trois régions du Canada, et l’effet de diminuer la quantité de fertilisants sur les fermes laitières due à l’utilisation de ces nouvelles cultures. Pour ce travail, José Velarde Guillén (auteur principal) a récolté l’information sur les caractéristiques agronomiques du millet perlé sucré et sorgho sucré de diffèrent publications et de rencontres avec Anne Vanasse et Martin Chantigny (chercheurs scientifiques à l’Université Laval et Agriculture et Agroalimentaire Canada, respectivement, sont aussi coauteurs). L’adaptation des trois fermes laitières virtuelles (une pour les Maritimes, une pour le Québec/Ontario et une pour les Prairies) a été réalisée par quatre étudiants (inclus José Velarde Guillén) pour avoir le même scénario de base pour le travail respectif de chaque étudiant. Pour le scénario des Prairies, Vern Baron, chercheur scientifique à Agriculture et Agroalimentaire Canada a été consulté et il est aussi coauteur de ce travail. Édith Charbonneau et Doris Pellerin sont coauteurs. L’article a été retravaillé jusqu’à
xxv
l’obtention de la version présentée dans cette thèse et qui sera soumise à la revue
Canadian Journal of Animal Science.
Le chapitre 3 a pour titre « Development of an equation to estimate the enteric methane emissions from Holstein dairy cows in Canada ». Dans cette étude, une base de données de six expériences de stratégies d’alimentation ont été créée pour développer une équation pour estimer l’émission de méthane (CH4) entérique des
vaches laitières. Pour ce travail, José Velarde Guillén (auteur principal) a fait l’analyse de la base de données. Les chercheurs Chaouki Benchaar et Michael Wattiaux d’Agriculture et Agroalimentaire Canada et la University of Wisconsin-Madison sont coauteurs. Édith Charbonneau et Doris Pellerin sont aussi coauteurs. L’article a été retravaillé jusqu’à l’obtention de la version présentée dans cette thèse et qui sera soumise à la revue Canadian Journal of Animal Science.
Le chapitre 4 « Simulating the effect of feeding strategies to decrease enteric CH4 emissions on dairy farms profitability and agro-environmental performance in
Canada » explore les effets des stratégies d’alimentation pour diminuer les émissions de méthane utilisées dans des expériences canadiennes sur l’ensemble de la ferme laitière. Pour ce travail, José Velarde Guillén (auteur principal) a récolté l’information sur les caractéristiques des ingrédients testés et a fait les simulations avec l’interprétation. Chaouki Benchaar, Édith Charbonneau et Doris Pellerin sont coauteurs. L’article a été retravaillé jusqu’à l’obtention de la version présentée dans cette thèse et qui sera soumise à la revue Canadian Journal of Animal Science.
Dans le dernier chapitre (5), une discussion et une conclusion générale sont présentées pour répondre aux hypothèses de ce travail et ouvrir la réflexion sur de futures recherches.
1
Introduction
Au niveau mondial, l’agriculture émet de 10 à 12 % des émissions totales de gaz à effet serre (GES) (Smith et al., 2014 ; Tubiello et al., 2015 ; FAOSTAT, 2017). La plupart des émissions de GES viennent du secteur des productions animales (Opio et al., 2013). Par type de GES, le méthane (CH4) entérique, suivi par la
production de protoxyde d’azote ou oxyde nitreux (N2O) des cultures, est la plus
grande source d’émissions (Opio et al., 2013 ; Audsley et Wilkinson 2014) qui est responsable du 4 % des émissions de GES d’origine anthropogénique (FAO, 2010). La production laitière est le deuxième système agronomique plus producteur de GES, seulement derrière la production de viande bovine (IPCC 2006). Sur les fermes laitières, les principales sources des GES sont la fermentation entérique (35 %), la production de cultures (32 %) et la gestion du fumier (26 %) (Dutreuil et al., 2014). Pour cette raison, les stratégies pour réduire les émissions de GES doivent être focalisées sur ces trois secteurs de la production laitière.
En général, l’augmentation de la production laitière et une meilleure utilisation des ressources de la ferme sont les stratégies les plus reconnues pour diminuer les GES sur les fermes laitières (Audsley et Wilkinson 2014). Cependant, quand la production de lait est contrôlée, des stratégies spécifiques pour réduire les émissions dans les champs et directement chez la vache laitière doivent être considérées et étudiées en évaluant leur effet sur toute la ferme lorsque c’est possible.
La gestion du sol, qui inclut, entre autres, le travail du sol, la fertilisation, la consommation de combustible pour les travaux aux champs, est la principale source d’oxyde nitreux (N2O; Janzen et al., 2006; Volpi et al., 2018). Ainsi, des stratégies
pour réduire les émissions de GES aux champs sur les fermes laitières seraient la diminution de l’utilisation de fertilisants minéraux, l’accroissement de l’utilisation du fumier comme fertilisant, la réduction du travail du sol et l’augmentation du piégeage du carbone (Necpavola et al., 2018).
2
La fermentation entérique est une importante source d’émission de GES sur les fermes laitières (IPCC 2006; Garg et al., 2018) et les rations offertes aux vaches ont un rôle important sur la production de CH4 dans le rumen. Les principales
stratégies pour réduire les émissions de CH4 entérique sont de modifier les aliments
des rations, l’utilisation de produits modificateurs du rumen, améliorer la génétique du troupeau et augmenter la productivité laitière (Hristov et al., 2013; van Wyngaard et al., 2018).
L’efficacité des stratégies pour diminuer les émissions de N2O et de CH4 a été
vérifiée dans d’autres études (Beauchemin et al., 2009 ; Volpi et al., 2018). Cependant les effets dans l’ensemble de la ferme laitière ne sont pas toujours clairs, parce qu’un changement dans la ration ou dans les champs peut avoir un effet négatif sur les émissions d’autres secteurs de la ferme, comme la gestion et la composition du fumier ou l’importation d’aliments ou de fertilisants (Vellinga et Hoving, 2011). Pour cette raison, la modélisation de la ferme dans son ensemble est essentielle pour estimer les impacts environnemental et économique réels de ces stratégies de mitigation d’émissions de GES (Smith et al., 2001 b ; Schils et al., 2007 ; del Prado et al., 2010).
En raison de l’importance d’étudier la ferme laitière dans son ensemble, les effets des stratégies de mitigation d’émissions de GES doivent être évalués en considérant chaque secteur de la ferme. Ainsi, en plus d’une revue de la littérature sur le sujet, cette thèse contient les résultats de trois études sur les simulations de la mise en place des stratégies de mitigation d’émissions de GES. La première étude avait comme objectif d’évaluer la substitution de l’ensilage de maïs par l’ensilage de millet perlé sucré ou l’ensilage de sorgho sucré, cultures qui sont reconnues comme étant moins exigeantes en fertilisation azotée, sur la production de GES et la rentabilité des fermes laitières de trois régions du Canada. L’objectif de la deuxième étude était de développer une équation pour prédire les émissions de méthane entérique à partir de la composition des rations des vaches laitières. Finalement, la troisième étude portait sur l’estimation des effets environnementaux et économiques
3
de stratégies alimentaires pour réduire la production de CH4 entérique sur les fermes
4
Bibliographie de l’introduction
Audsley, E. et Wilkinson, M. 2014. What is the potential for reducing national greenhouse gas emissions from crop and livestock production systems? J. Clean. Prod. 73: 263 – 268.
Beauchemin, K.A., Mcallister, T.A. et Mcginn, S.M. 2009. Dietary mitigation of enteric methane from cattle. Cab Reviews: Perspectives In Agriculture, Veterinary Science, Nutrition And Natural Resources. 4: 1 – 18.
del Prado, A., Chadwick, D., Cardenas, L., Misselbrook, T., Scholefield, D. et Merino, P. 2010. Exploring systems responses to mitigation of GHG in UK dairy farms. Agric. Ecosyst. Environ. 136: 318–332.
Dutreuil, M., Wattiaux, M., Hardle, C.A. et Cabrera, V.E. 2014. Feeding strategies and manure management for cost-effective mitigation of greenhouse gas emissions from dairy farms in wisconsin. J. Dairy Sci. 97: 1 – 14.
FAOSTAT, 2017. Faostat Database. Food and agriculture organization of the United Nations, Rome, Italy (Available At: http://www.fao.org/faostat).
Food and Agriculture Organization Of The United Nations (FAO). 2010. Greenhouse gas emission from the dairy sector: a life cycle assessment. Food and Agriculture Organization of the United Nations, Rome.
Hristov, A.N., Oh, J., Firkins, J.L., Dijkstra, J., Kebreab, E., Waghorn, G., Makkar, H.P.S., Adesogan, A.T., Yang, W., Lee, C., Gerber, P.J., Henderson, B. et Tricarico, J.M. 2013. Mitigation of methane and nitrous oxide emissions from animal operations: i. A review of enteric methane mitigation options. J. Anim. Sci. 91: 5045 – 5069.
Intergovernmental Panel on Climate Change (IPCC). 2006. IPCC guidelines for national greenhouse gas inventories. Vol. 4: agricultural, forestry and other land use. Chapter 10: emissions from livestock and manure management. Iges, Kanagawa, Japan. Janzen, H.H., Angers, D.A., Boehm, M., Bolinder, M., Desjardins, R.L., Dyer, J.A.,
Ellert, B.H., Gibb, D.J., Gregorich, E.G., Helgason, B.L., Lemke, R., Massé, D., Mcginn, S.M., Mcallister, T.A., Newlands, N., Pattey, E., Rochette, P., Smith, W., Vandenbygaart, A.J. et Wang, H. 2006. A proposed approach to estimate and reduce net greenhouse gas emissions from whole farms. Can. J. Soil. Sci. 86: 401 – 418.
Necpavola, M., Lee, J., Skinner, C., Büchi, L., Wittwer, R., Gattinger, A., Van De Heijden, M., Mäder, P., Charles, R., Berner, A., Mayer, J. et Six, J. 2018. Potentials to mitigate greenhouse gas emissions from swiss agriculture. Agr. Acosyst. Environ. 265: 84 – 102.
5
Opio, C., Gerber, P., Mottet, A., Falcucci, A., Tempio, G., Macleod, M., Vellinga, T., Henderson, B. et Steinfeld, H. 2013. Greenhouse gas emissions from ruminant supply chains – a global life cycle assessment. Food and agriculture organization of the united nations (FAO), Rome.
Schils, R.L.M., Olesen, J.E., del Prado, A. et Soussana, J.F. 2007. A review of farm level modelling approaches for mitigating greenhouse gas emissions from ruminant livestock systems. Livest. Sci. 112: 240 – 251.
Smith, P., Bustamante, M., Ahammad, H., Clark, H., Dong, H., Elsiddig, E.A., Haberl, H., Harper, R., House, J., Jafari, M., Masera, O., Mbow, C., Ravindranath, N.H., Rice, C.W., Robledo Abad, C., Romanovskaya, A., Sperling, F. et Tubiello, F. 2014: Agriculture, Forestry and Other Land Use (AFOLU). in: climate change 2014: mitigation of climate change. Contribution of working group III to the fifth assessment report of the intergovernmental panel on climate change [Edenhofer, O., R. Pichs-Madruga, Y. Sokona, E. Farahani, S. Kadner, K. Seyboth, A. Adler, I. Baum, S. Brunner, P. Eickemeier, B. Kriemann, J. Savolainen, S. Schlömer, C. Von Stechow, T. Zwickel and J.C. Minx (Eds.)]. Cambridge University Press, Cambridge, United Kingdom And New York, Ny, Usa.
Smith, P., Goulding, K.W.T., Smith, K.A., Powlson, D.S., Smith, J.U., Falloon, P. et Coleman, K. 2001b. Enhancing the carbon sink in european agricultural soils: including trace gas fluxes in estimates of carbon mitigation potential. Nutr. Cycl. Agroecosys. 60: 237 – 252.
Tubiello, F., Salvatore, M., Ferrara, A., House, J., Federici, S., Rossi, S., Biancalani, R., Condor Golec, R., Jacobs, H., Flammini, A., Prosperi, P., Cardenas-Galindo, P., Schmidhuber, J., Sanz Sanchez, M.J., Srivastava, N. et Smith, P. 2015. The contribution of agriculture, forestry and other land use activities to global warming, 1990–2012. Glob. Change Biol. 21: 2655 – 2660.
van Wyngaard, J.D.V., Meeske, R. et Erasmus, L.J. 2018. Effect of concentrate feeding level on methane emissions, production performance and rumen fermentation of jersey cows grazing ryegrass pasture during spring. Anim. Feed Sci. Technol. 241: 121–132.
Vellinga, T.V. et Hoving, L.E. 2011. Maize silage for dairy cows: mitigation of methane emisions can be offset by land use change. Nutr. Cycl. Agroecosys. 89: 413 – 426. Volpi, I., Laville, P., Bonari, E., O Di Nasso, N.N. et Bosco S. 2018. Nitrous oxide
mitigation potential of reduced tillage and n input in durum wheat in the mediterranean. Nutr. Cycl. Agroecosyst. 111: 189 – 201.
6
Chapitre 1
Revue de littérature
1.1 Émissions de gaz à effet de serre de la production laitière
La principale cause du réchauffement de la planète est l’émission de gaz à effet de serre (GES) d’origine anthropogénique, dont le méthane (CH4), le dioxyde
de carbone (CO2) et l’oxyde nitreux (N2O) sont les principales sources du secteur
de l’agriculture (Martin et al., 2010 ; Asgedom et Kebreab, 2011). Chaque gaz a un potentiel de réchauffement global estimé à 100 ans et exprimé en équivalents de CO2 (CO2eq) (IPCC, 2007; Dutreuil et al., 2014). Ainsi, le CO2, le CH4 et le N2O ont
des coefficients de potentiels de réchauffement respectifs de 1, 25 et 298 CO2eq,
respectivement (Forster et al., 2007 ; IPCC, 2007)
Le secteur de l’agriculture a intensifié sa production depuis 1970 avec des conséquences environnementales néfastes (FAOSTAT, 2017). Il est responsable de 25 % des émissions de CO2, de 50 % des émissions de CH4 et de 70 % des
émissions de N2O (Hutchinson et al., 2007) d’origine anthropogénique. Dans ce
secteur, l’intensification de la production laitière a augmenté au courant de la dernière décennie à cause de l’augmentation de la population mondiale (FAO, 2014 ; IDF 2017). Cependant, l’accroissement de l’intensification du secteur laitier implique aussi un déplacement plus grand des ressources qui est lié à une plus grande émission de GES (FAO, 2009, 2014).
Dans la ferme laitière, la fermentation entérique, la production de cultures, et la gestion du fumier sont responsables respectivement de 35, 32 et 26 % des émissions de GES (Thoma et al., 2013). Ces gaz proviennent de différents secteurs de la ferme comme l’indique le Tableau 1.1. Les animaux émettent le méthane comme le principal GES et avec un moindre pourcentage l’oxyde nitreux est émis par l’urine et l’excrément dans l’etable; les principaux GES émis par la gestion du
7
fumier sont l’ammoniac, le méthane et l’oxyde nitreux comme le resultat du système de stockage; les émissions du sol sont principalement de dioxyde de carbone comme resultat de la gestion du sol; et les cultures émettent principalement ammoniac (Schils et al., 2005).
Tableau 1.1. Les principales émissions directes de dioxyde de carbone (CO2), de
méthane (CH4) et d’oxyde nitreux (N2O) par secteur sur les fermes laitières.
Secteur de la ferme CO2 CH4 N2O Autresz
Animal Entrée * * Sortie * * * Fumier Entrée * * * Sortie * * * Sol Entrée * * * * Sortie * Cultures Entrée * * Sortie *
zAutres: Ammoniac et nitrates. Adapté de Schils et al. (2005).
1.1.1 Situation mondiale
Le secteur de l’agriculture, de la sylviculture et des autres utilisations des terres (AFOLU) est responsable de 24 % des émissions de GES de forme directe (Figure 1.1) (IPCC, 2014). Dans ce secteur, l’agriculture représente 50 % des émissions, suivi par la conversion des terres forestières (38 %), la dégradation des tourbières (11 %) et les incendies de la biomasse (1 %) (FAO, 2014).
8
Figure 1.1. Proportion d’émissions de gaz à effet de serre (GES) par secteur à niveau mondial. AFOLU : Agriculture, sylviculture et autres utilisations des terres. Adaptée d’IPCC (2014).
Les émissions de l’agriculture sont principalement le N2O et le CH4 qui sont
le résultat des processus biologiques de la décomposition dans les sols (des terres cultivables et des prairies) et des processus digestifs des animaux (FAO, 2014). L’agriculture est responsable de 12 % des émissions des GES d’origine anthropogénique (Tubiello et al., 2015). Les principales sources d’émission de GES dans l’agriculture sont : la fermentation entérique (40 %), le fumier des animaux au pâturage (15 %), l’utilisation de fertilisants (13 %), la culture du riz (10 %), la gestion du fumier (7 %), les feux de prairies et de matière organique (5 %), les résidus des cultures (4 %), le fumier appliqué sur les cultures (3 %) et les sols organiques (3 %) (FAO, 2014 ; Smith et al., 2014).
Les émissions de GES de la production laitière représentent 30 % des émissions du secteur agricole (IPCC, 2006, 2014) et 4 % du total des émissions d’origine anthropogénique, dont 2,7 % sont des émissions directes de la production du lait et 1,3 % des émissions indirectes liées à la vente ou production de viande (FAO, 2010). Du total de GES émis par les fermes laitières, le CH4, le N2O et le CO2
représentent 59, 24 et 17 %, respectivement (FAO, 2017). En moyenne dans le
Production d'électricité et de chaleur 25% AFOLU 24% Immeubles 6% Transport 14% Industrie 21% Autre énergies 10%
9
monde, les fermes laitières émettent 2,4 kg de CO2eq kg-1 de lait, variant de 1,3 à
7,5 kg de CO2eq kg-1 de lait (FAO, 2010).
Des émissions du secteur agricole, la production laitière est responsable de 18 % des émissions provenant de la fermentation entérique (CH4), de 17 % des
émissions reliées à la gestion du fumier (CH4 + N2O), de 22 % des émissions
associées à la fertilisation (minéral + fumier ; N2O) et de 11 % des émissions
provenant du fumier des animaux au pâturage (N2O) (FAO, 2014).
1.1.2 Situation au Canada
En 2016, au Canada, 704 Mt de CO2eq ont été émis et le secteur agricole
était responsable de 8,5 % des émissions de GES d’origine anthropogénique de forme directe ou 10 % de forme directe et indirecte (Figure 1.2). Ce niveau représente une diminution de 1 % par rapport à celui de 2005. Au Canada, en 2016, les émissions de CH4 étaient de 96 Mt of CO2eq (14 %) et les émissions de N2O
étaient de 37 Mt de CO2eq (5 %). Au Canada, l’agriculture était responsable de 30
et 77 % des émissions de CH4 et N2O, respectivement (ECCC, 2018).
Figure 1.2. Proportion d’émissions de gaz à effet de serre (GES) par secteur au Canada. Adaptée d’IPCC (2014)
Le climat du Canada permet de regrouper certaines régions avec des caractéristiques agricoles similaires. Il y a, entre autres, la région des Prairies
Pétrole et de gaz 26% Électricité 11% Transport 25% Industrie 11% Immeubles 11% Agriculture 10% Gaspillage et autres 6%
10
(Manitoba, Saskatchewan et Alberta), la région centrale (Québec [central et sud] et Ontario) et les Maritimes (Est du Québec, Terre-Neuve et Labrador, Île-du-Prince-Édouard, Nouvelle-Écosse, Nouveau-Brunswick) (Gouvernment du Canada 2018). Ces régions émettent, en proportion, 15, 36 et 36 % des émissions de GES en agriculture au Canada, respectivement (Figure 1. 3) (Vergé et al., 2013 ; Agriculture et agroalimentaire Canada 2016).
Figure 1. 3. Émissions de GES du secteur agronomique au Canada, tiré d’Agriculture et agroalimentaire Canada (2016)
Dans le secteur de l’agriculture, la production laitière représente 14 % des émissions de GES (Vergé et al., 2007 ; ECCC, 2018) ce qui corresponde à 1,02 kg de CO2eq kg-1 de lait en moyenne pour le Canada ou 0,97, 1,05 et 1,05 kg de CO2eq
kg-1 de lait pour les régions des Maritimes, de Québec/Ontario et des Prairies,
respectivement (Vergé et al., 2007). Les principales sources de GES de la ferme laitière canadienne sont : la fermentation entérique (43 % sous la forme de CH4), le
fumier (15 % du N2O et 12 % du CH4), les fertilisants (6 % sous la forme de N2O,
plus 4 % de CO2eq attribué à la production de fertilisant), émissions indirectes de
N2O (6 % pour le lessivage et la volatilisation) et l’énergie (10 % pour le combustible
et l’électricité) (Vergé et al., 2007 ; Vergé et al., 2013). Les émissions de N2O, depuis
11
fertilisants sous forme de N inorganique (ECCC, 2018). Pour sa part, la portion du CH4 (25 %) a diminué de 7,7 % depuis 1990. En 2003, 97 % des émissions de CH4
étaient produites par les bovins dont 25 % provenaient des bovins laitiers (3,6 Mt CO2eq) (Olsen et al., 2003 ; Ominski et al., 2007).
1.2 Mesure des gaz à effet serre
La mesure des émissions de GES sur les fermes laitières est essentielle à petite ou à grande échelle (Milne et al., 2013), car elle permet un portrait de l’impact environnemental des différentes stratégies de production (Bai et al., 2018). Cependant, les techniques existantes sont coûteuses ou requièrent des mesures constantes à long terme (Olander et al., 2014). D’autre part, les modèles pour estimer les émissions de GES utilisent les données déjà existantes (Janssen et van Ittersum, 2007; Olander et al., 2014).
1.2.1 Mesure in situ
Les champs et les animaux sont les principales sources d’émissions de GES sur les fermes laitières (Zehetmeier et al., 2014), pour cette raison de nombreuses techniques de mesure in situ ont été développées. Les mesures in situ doivent viser un équilibre de trois caractéristiques, soit le coût, l’échelle et la précision (Milne et al., 2013).
1.2.1.1 Champs
Les émissions aux champs peuvent varier spatialement et temporellement, ce qui augmente la quantité de travail pour obtenir une estimation des émissions (Chadwick et al., 2014). Les principales techniques de mesure des émissions de la production GES par les cultures peuvent être mesurées par la méthode en chambre, les mesures de flux à tour et la covariance des tourbillons.
La méthode en chambre peut être utilisée pour enregistrer les émissions de gaz du sol (N2O principalement), cette technique n’est pas coûteuse et elle est
12
simple à utiliser (Milne et al., 2013). Cependant, l’aire de la chambre est <1m2 (Wolf
et al., 2010 ; Chadwick et al., 2014), ce qui requiert des observations au moins une fois par semaine et à différents endroits des champs (Smith et al., 2001a ; Parkin 2008; Bai et al., 2018). Avec cette technique, le gaz est collecté et analysé dans le laboratoire par chromatographie en phase gazeuse (Wolf et al., 2010 ; Chadwick et al., 2014).
La covariance des tourbillons est une technique de mesure de flux à tour où les émissions de GES sont mesurées à une plus grande échelle et en deux directions, soit horizontale et verticale. Cependant cette technique ne permet pas de différencier entre deux cultures ou plus et la vitesse du vent peut influencer les résultats (Pattey et al., 2006).
La covariance de tourbillons est une technique non invasive dans laquelle le flux d’air est mesuré en continu ou en intervalles de 30 à 60 minutes (Pattey et al., 2006). Cette technique utilise une haute fréquence (10 – 20 Hz) pour mesure la vitesse, la direction et composition de l’air (concentration de CO2, H2O et CH4 ;
Baldocchi, 2003).
Zhang et al. (2015b) ont observé que la meilleure mesure des émissions des terres en culture (avec du maïs et du soya) est avec l’utilisation des chambres avec la covariance des tourbillons. Ils ont trouvé que les plantes émettent moins de 10% des émissions directes de N2O et l’écosystème sol-plante-fertilisant est responsable
de 20% des émissions de N2O (Tableau 1. 2) donc le total des émissions est majoritairement influencé par d’autres facteurs directs et indirects indépendants de la plante, du sol et du fertilisant.
13
Tableau 1. 2. Mesure d’émissions d’oxyde nitreux (N2O) avec la technique de
chambre et avec la technique de covariance des tourbillons
Culture Technique N2O (nmol m-2 s-1)
Maïs (plante) Chambre 0,01 - 0,09
Soya (plante) Chambre 0,03 - 0,04
Maïs (fertilisant) Chambre -0,01
Soya (sans fertilisant) Chambre 0,03
Maïs (écosystème) Covariance 0,95
Soya (écosystème) Covariance 0,26
*Adapté de Zhang et al. (2015b).
1.2.1.2 Vache laitière
Chez la vache laitière, les principales techniques de mesure de la production de méthane sont la chambre de respiration, la méthode du renifleur, le système GreenFeed et la technique de l’hexafluorure de soufre (SF6).
La méthode de la chambre de respiration est la technique la plus fiable, dans laquelle une vache est confinée dans une chambre pour quelques jours. Un ventilateur introduit l’air dans la chambre et la différence entre les concentrations de CH4, CO2 et O2 à l’entrée et à la sortie de la chambre sont mesurées (Sorg et al.,
2017). Pour une évaluation adéquate, la mesure des gaz doit être corrigée, pour la température, la pression et l’humidité (Hammond et al., 2016). En général, la mesure de CH4 est réalisée pendant un à sept jours, la saturation de CO2 doit être <1 % et
la pression négative (van Gastelen et al., 2015; Hammond et al., 2016). Cependant, le coût est élevé en comparaison avec les autres techniques (Yan et al., 2000; Hellwing et al., 2012 ; Hassanat et al., 2013 ; Wu et al., 2015).
En comparaison avec la technique de la chambre de respiration, la méthode du renifleur est pratique pour faire l’observation des émissions de chaque vache pendant la traite dans fermes commerciales (Bell et al., 2014). Ce système consiste à mesurer constamment l’air avec un tube directement en face de la tête de la vache dans un système de traite automatisée ou dans un distributeur d’aliments concentrés (Madsen et al., 2010 ; Garnsworthy et al., 2012 ; Lassen et al., 2012 ; Bell et al., 2014). L’air est analysé en utilisant un analyseur infrarouge de gaz portable (Bell et
14
al., 2014) avec un intervalle d’une seconde (Garnsworthy et al., 2012). Le CH4 est
mesuré seulement pendant l’éructation et, en plus de ne pas considérer les émissions de l’expiration et des flatulences, il est influencé par la distance entre la tête et le tube (Garnsworthy et al., 2012 ; Huhtanen et al., 2015).
Le système « GreenFeed » est un système individuel et mobile qui peut mesurer les émissions de CH4 et CO2 de l’éructation et la respiration de la vache
(Zimmerman et al., 2011). À la différence de la méthode du renifleur, ce système peut détecter la position de la tête de la vache (Greenfeed system, 2015; Huhtanen et al., 2015). Cette technique utilise le propane comme gaz traceur et les résultats sont similaires à ceux obtenus avec les techniques de la chambre de respiration et SF6 (Dorich et al., 2015; Hammond et al., 2016). Dans la chambre de la tête, la mesure des émissions prend de 3 à 7 minutes pendant quelques fois par jour et est répétée de façon quotidienne, hebdomadaire ou mensuelle (Hristov et al., 2015).
La SF6 est une technique développée pour être utilisée pour les vaches en
stabulation entravée, en stabulation libre ou au pâturage (Hammond et al., 2016). Avec cette technique, le SF6, qui est utilisée comme gaz traceur, est introduite dans
le réticulorumen de la vache et les émissions sont mesurées par captation des gaz à la sortie des narines et de la bouche, en utilisant un tube capillaire, qui est ensuite recueilli (0.8 ml min-1) dans un réceptacle fixé au cou de l’animal (Grainger et al.,
2007 ; Hammond et al., 2014). La récolte de gaz doit être réalisée en intervalles de 24 h pendant 5 jours et des échantillons d’air recueillis à côté de l’animal servent comme référence. Le ratio entre le CH4 et le SF6 est utilisé pour calculer les
émissions de CH4 (g j-1) (Williams et al., 2011). En général, la différence des valeurs
obtenues entre la chambre de respiration et la méthodologie au SF6 est de 5 à 10 %
(Hammond et al., 2016). Cependant, le type de stabulation, la ventilation et la teneur en CH4 dans l’étable peuvent modifier les résultats. De plus, cette technique
implique une assez grande charge de travail (Negussie et al., 2017).
Dans le tableau 1.3 se trouvent quelques résultats de différentes expériences qui ont utilisé différentes méthodologies pour mesurer les émissions de CH4
15
entérique des vaches laitières. Ces résultats montrent que les émissions par vache sont en moyenne de 451 ± 38 g de CH4 entériques j-1, et que l’unité sur lequel ses
émissions sont exprimées a un gros impact (kg de matière sèche ingérée [MSI], kg de lait corrigé pour l’énergie [LCE], kg de lait corrigé pour le gras et la protéine [LCGP], entre autres). Hammond et al. (2016) et Dorich et al. (2015) n’ont pas réalisé une comparaison statistique entre les techniques, mais Hammond et al. (2016) ont observé une tendance de la chambre à mesurer plus d'émissions en comparaison avec le système GreenFeed principalement à cause du temps de mesure des émissions (24 h vs quelques visites par jour). En général, la chambre est la technique la plus précise, mais le coût et l’installation nécessaire limitent sa disponibilité. La technique du SF6 présente la plus haute variabilité des résultats (g kg-1 de MSI). Finalement, le système GreenFeed permet d’estimer les émissions
de plus d’animaux et il est moins restrictif. Cependant, le temps de mesure (par exemple, Hammond et al. (2016) ont mesuré les émissions par 5 et 184 h par vache avec la technique de Greenfeed et la chambre de respiration, respectivement) ne permet pas d’observer les fluctuations des émissions en comparaison avec la chambre de respiration qui peut mesurer les émissions en continu.
16
Tableau 1.3. Mesure de CH4 entérique avec différentes techniques de chambre de
respiration (CH), GreenFeed (GF) ou l’hexafluorure de soufre (SF6)
Reference Ration Animal Technique
CH4 entérique g j-1 pz g kg-1 de CVMSy p g kg-1 de LCEx p Hammond et al. 2016 EMw Vache laitière GF 410 * 16,5 * 13,1 * CH 495 21,8 16,1 EM + NDF Vache laitière GF 461 * 18,9 * 15,2 * CH 472 23,7 16,3 EH Vache laitière GF 460 * 24,0 * 15,9 * CH 462 25,5 16,8 EH + NDF Vache laitière GF 460 * 24,1 * 16,6 * CH 418 24,2 17 McGinn et al. 2006 HC Génisses de boucherie CH 149 NS SF6 144 HF Génisses de boucherie CH 135 NS SF6 128 Hristov et al. 2016 RTM Vache laitière GF 373 *** SF6 405 Muñoz et al. 2012 EH Vache laitière CH 422 *** 24,0 ** * SF6 469 26,7
zp : *P<0.10, ***P<0.001, NS : non significatif, valeurs de Hammond et al. (2016)
présentant une tendance ;
yCVMS : consommation de matière sèche ; xLCE : lait corrigé pour l’énergie ;
wEM : ensilage de maïs ; NDF : fibre au détergent neutre ; EM + NDF : EM + 5 % de
NDF ; EH : ensilage d’herbe ; EH + NDF : EH + 5 % de NDF ; HC : haute quantité de concentrés ; HF : haute quantité de fourrages ; RTM : ration totale mélangée. 1.2.2 Équations d’estimation
Une mesure précise des émissions de GES dans une ferme laitière est compliquée. Pour cette raison, les modèles de simulation sont une alternative pratique pour estimer et formuler des stratégies pour réduire les émissions de N2O
et de CH4 en production laitière (Ramin et Huhtanen, 2013). La simplicité et la facilité
de son application à petite ou grande échelle sont les raisons de son utilisation (Appuhamy et al., 2016).
Pour estimer les émissions de N2O, la méthodologie de l’IPCC (2006) est
17
production de N2O provenant de la perte de N du sol (1 %), les pertes provenant de
différentes sources comme la fertilisation minérale, le fumier et les résidus des cultures. D’autres modèles ont été développés pour estimer les émissions en considérant plus de facteurs comme la teneur en eau du sol, le pH, la concentration d’ammonium dans le sol (del Grosso et al., 2000).
Il y a un intérêt économique et environnemental de diminuer les émissions de la fermentation entérique des ruminants et de pouvoir les estimer (Benchaar et al., 2014). Pour cette raison, différentes équations ont été développées pour estimer les émissions de CH4 entérique (Tableau 1. 4) avec différents niveaux de précision en relation avec les mesures in vivo des émissions ; la principale différence entre les équations est le type de variables qui sont utilisées. Ces équations utilisent les caractéristiques de l’animal et des caractéristiques nutritionnelles (Warnecke et al., 2014). La principale méthodologie pour estimer les émissions entériques utilise la quantité d’énergie brute ingérée (IPCC 2006), et cette dernière est aussi utilisée par d’autres auteurs (Mills et al., 2003; Moraes et al., 2014). D’autres équations utilisent d’autres nutriments de la ration (fibre NDF [Ellis et al., 2007; Storlien et al., 2014], gras [Moraes et al., 2014], digestibilité de la matière sèche ou de la matière organique [FAO, 2010 ; Ramin et Huhtanen, 2013], amidon, lignine, etc.) ou de l’animal (poids [Ellis et al., 2007], production laitière, contenu en gras du lait, prise alimentaire, etc.).
Un facteur commun entre les différentes équations développées est la consommation de matière sèche (directement comme CVMS ou indirectement comme consommation d’énergie brute [CEB] ou d’énergie métabolique [CEM]). Cette variable à un très grand impact sur l’estimation des émissions de la fermentation entérique (Mills et al., 2003 ; Ellis et al., 2007 ; Hristov et al., 2013). De plus, l’ajout d’autres variables comme la fibre NDF diminue l’erreur quadratique moyenne de prédiction (RMSE) (Ellis et al., 2007; Juarena et al., 2015). Ces équations permettent d’estimer rapidement la situation entre différentes régions ou stratégies de réduction de la production de CH4 (Hippenstiel et al., 2013).
18
Tableau 1. 4. Liste d’équations publiées d’estimation de méthane entérique
Reference Identification de l’équation Équation z r y R2 x RMSEw Mills et al. 2003 Linéaire 1 CH4 (MJ j-1) = 5,93 + 0,92 x CVMS (kg j-1) 0,81 0,65 33,50 Linéaire 2 CH4 (MJ j-1) = 8,25 + 0,07 x CEM (MJ j-1) 0,73 0,53 37,00 Linéaire 4 CH4 (MJ j -1) = 1,06 + 10,27 x Fourrage (%) + 0,87 x CVMS (kg j-1) 0,73 0,54 43,30 Ellis et al. 2007 2 d CH4 (MJ j -1) = 3,23 (± 1,12) + 0,809 (± 0.0862) x CVMS (kg j-1) 0,81 0,65 25,60 7 d CH4 (MJ j -1) = 1,64 (± 1,56) + 0,396 (± 0,017) x CEM (MJ j-1) + 1,45 (± 0,521) x fibre NDF (kg j-1) 0,77 0,59 29,50 8 d CH4 (MJ j-1) = 2,16 (± 1,62) + 0,493 (± 0,192) x CVMS (kg j-1) – 1,36 (± 0,631) x fibre ADF (kg j-1) + 1,97 (± 0,561) x fibre NDF (kg j-1) 0,79 0,63 28,20 Ramin et Huhtanen 2013 17 CH4 (L kg-1 de CVMS) = 5.0 (± 6.34) – 0.35 (± 0.034) x CVMSpoids (g kg-1) + 0.031 (± 0.0058) x DMO (g kg-1) – 0.043 (± 0.009) x EE (g kg-1 de MS) + 0.018 (± 0.0047) x NDF (g kg-1 de MS) + 0.018 (± 0.0045) x GNS (g kg-1 de MS) 1.58 18 CH4 (L kg-1 de CVMS) = -6,5 (± 6,0) – 3,26 (± 0,293)
x Niveau d’alimentation (CEM/EMm) + 0,044 (± 0.0057) x DMO (g kg-1) – 0,026 (± 0.0094) x EE (g kg-1 de MS) + 0,02 (± 0.0045) x fibre NDF (g kg-1 de MS) + 0,02 (± 0.0044) x GNS (g kg-1 de MS) 1,53 Moraes et al. 2014 Niveau d’EB CH4 (MJ j-1) = 3,24 (± 0,429) + 0,043 (± 0,001) x CEB (MJ j-1) 3,01 Niveau de la diète CH4 (MJ j-1) = 0,225 (± 0,713) + 0,042 (± 0,001) x CEB (MJ j-1) + 0,125 (± 0,015) x fibre NDF (%) — 0,329 (± 0,094) x EE (%) 2,97 Niveau de l’Animal CH4 (MJ j-1) = -9 311 (± 1,06) + 0,042 (± 0,001) x CEB (MJ j-1) + 0,094 (± 0,014) x fibre NDF (%) – 0,381 (± 0,092) x EE (%) + 0,008 (± 0,001) x Poids (kg) + 1 621 (± 0,119) x gras du lait (%) 2,59 Storlien et al. 2014 2 CH4 (MJ j -1) = -2,76 (± 2,52) + 3,74 (± 0,38) x fibre NDF (kg j-1) 0,60 0,36 4,00 3 CH4 (MJ j -1) = 6,80 (± 3,32) + 1,09 (± 0,15) x CVMS (kg j-1) — 0,15 (± 0,04) x AG (g kg-1 de MS) 0,65 0,42 3,20 6 CH4 (MJ j-1) = -2,13 (± 3,20) + 1,64 (± 0,32) x DTMO (kg j-1) – 9.74 (± 4.02) x DTEE (kg j-1) + 1.64 (± 0.87) x DTNDF (kg j-1) 0.74 0.55 2.60 Hristov et al. 2013 Vaches en lactation CH4 (g j-1) = 2.64 (± 4.89) + 19.14 (± 0.43) x CVMS (kg j-1) 0.93 0.86 Vaches en lactation v 0,57 0,32
FAO 2010 1u CH4 (kg anné-1) = (CVMS [kg anné-1] x [9,75 – 0,05 x
65]/100) x (18.55/55.65) 4.93 IPCC 2006 Tier 2 t CH4 (kg anné-1) = (CEB (MJ j-1) x (6.5/100) x 365) / 55.65 0,67 0,45 11,49 Tier 2 u 5,06
zCVMS : consommation de matière sèche ; CEM : consommation d’énergie
métabolique ; NDF : fibre au détergent neutre; ADF : fibre au détergent acide ; CVMSBW : consommation de matière sèche par poids ; DMO : digestibilité de la matière organique ; EE: extractif éthéré ; GNS: Glucides non fibreaux; CEB : consommation d’énergie brute ; AG : acides gras de la ration, DTMO : digestibilité totale de la matière organique; DTEE : digestibilité totale de l’EE ; DTNDF :
