Un modèle multi-agents pour simuler les échanges de matières agricoles à l’échelle du territoire : application à l’évaluation de scénarios d’évolution pour un territoire de polyculture-élevage. - Agropolis Accéder directement au contenu
Article Dans Une Revue Innovations Agronomiques Année : 2019

Un modèle multi-agents pour simuler les échanges de matières agricoles à l’échelle du territoire : application à l’évaluation de scénarios d’évolution pour un territoire de polyculture-élevage.

Résumé

Closing the nutrient cycles locally requires improving biomass recycling in agro-food systems through more circular flows of fertilizers, crop products, feedstuff, by-products and organic wastes. Innovative tools exploring material exchanges between farms and their upstream and downstream partners in agro-food systems at the local scale are needed. In the present work, we present the FAN (“Flows in Agricultural Networks”) model, an agent-based model that simulates a range of material flows among farms and their partners within mixed crop-livestock farming area. We also applied the FAN model to a case-study, the Ribéracois, in Dordogne department, France. Different scenarios were simulated that enhanced nutrient use efficiency, recycling strategies, biogas production and crop-livestock interactions. The scenarios were assessed in terms of food provisioning, nutrient cycling and greenhouse gas emissions. This work demonstrates how agent-based tools can be powerful to imagine and evaluate collective solutions for circular economy and to account for interactions among economic actors within complex agro-food systems.
L’agriculture nécessite de mieux boucler les cycles des éléments minéraux localement afin de réduire sa dépendance à des ressources externes, souvent dépendantes de gisements non renouvelables. Ce recyclage de la biomasse et des nutriments se fait via des flux circulaires de matière, notamment de fertilisants, de produits végétaux, d’aliments du bétail, de coproduits et de déchets dans les territoires. Disposer de modèles simulant les échanges de matières entre les fermes et leurs partenaires économiques amont et aval dans les territoires est de nature à faciliter la conception et l’évaluation de scénarios alternatifs d’organisation de la production agricole fondés sur plus de circularité. Dans le présent travail, nous présentons le modèle multi-agents FAN (« Flows in Agricultural Networks») qui simule les flux des matières entre les fermes et leurs partenaires économiques dans les territoires agricoles de polyculture-élevage. Nous appliquons également ce modèle à un territoire de polycultureélevage qui sert de cas d’étude, le Ribéracois, dans le département de la Dordogne en France. Différents scénarios sont simulés, qui ont pour objectif de développer le recyclage de la matière, favoriser la production de biogaz ou d’améliorer les interactions agriculture-élevage. Ces scénarios sont évalués en termes de production alimentaire et énergétique, de flux de matières et de logistique, de cycle des nutriments et d’émissions de gaz à effet de serre. Ce travail souligne l’utilité des modèles multi-agents pour imaginer et évaluer des solutions collectives tendant vers l’économie circulaire et pour prendre en charge les interactions entre acteurs économiques au sein des chaines et filières alimentaires complexes.
Fichier principal
Vignette du fichier
2019_Fernandez-Mena_Innovations Agronomiques.pdf (1.42 Mo) Télécharger le fichier
Origine : Accord explicite pour ce dépôt
Loading...

Dates et versions

hal-02273371 , version 1 (28-08-2019)

Licence

Paternité - Pas d'utilisation commerciale - Pas de modification

Identifiants

Citer

Hugo Fernandez Mena, Thomas Nesme, Sylvain Pellerin. Un modèle multi-agents pour simuler les échanges de matières agricoles à l’échelle du territoire : application à l’évaluation de scénarios d’évolution pour un territoire de polyculture-élevage.. Innovations Agronomiques, 2019, 72, pp.91-106. ⟨10.15454/YQWGSX⟩. ⟨hal-02273371⟩
129 Consultations
165 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More