Évaluation par apprentissage automatique de la dynamique du carbone organique des sols dans la rotation soja–blé dans l’est de la Chine

Pourquoi le sol sous nos pieds compte

Quand on parle de changement climatique et d’alimenter une population croissante, on regarde souvent vers le ciel — le dioxyde de carbone dans l’air, les changements météorologiques, la montée des températures. Mais une grande partie de l’histoire se cache sous terre. Les sols agricoles stockent silencieusement d’énormes quantités de carbone et participent à la performance des cultures. Cette étude explore comment une rotation courante — le soja suivi du blé — dans l’une des régions agricoles majeures de Chine modifie la quantité de carbone stockée dans le sol, et comment des modèles informatiques avancés peuvent cartographier ces changements à l’échelle du paysage.

Les fermes en première ligne du climat et de l’alimentation

L’est de la Chine est un moteur de la production de céréales et d’oléagineux, fournissant le blé et le soja qui sont au cœur de la sécurité alimentaire et de l’économie. En même temps, la région subit la pression d’une agriculture intensive, de la dégradation des sols et d’un climat qui se réchauffe. Le carbone organique du sol — la matière organique sombre du sol — est crucial car il améliore la fertilité, aide le sol à retenir l’eau et verrouille du carbone qui autrement contribuerait aux gaz à effet de serre. Comprendre comment différentes cultures et choix de gestion affectent cette banque de carbone souterraine peut orienter des pratiques agricoles qui soutiennent les rendements tout en aidant à ralentir le changement climatique.

Plonger dans la méthode : comment l’étude a été conduite

Les chercheurs ont échantillonné les sols dans près d’un millier de parcelles en rotation soja–blé à travers sept provinces et municipalités, d’Anhui à Pékin. Ils ont prélevé des échantillons à deux profondeurs, la couche labourée (0–15 centimètres) et la couche juste en dessous (15–30 centimètres), à quatre moments clés de la rotation : avant le semis du soja, après la récolte du soja, après la préparation des terres pour le blé et après la récolte du blé. Fait important, les résidus de récolte du soja et du blé ont été laissés sur les parcelles et incorporés au sol par le labour conventionnel. L’équipe a associé ces mesures à des images satellitaires, des données d’altitude numériques et des informations climatiques décrivant la végétation, les précipitations, les variations de température et la morphologie du terrain.

Apprendre aux ordinateurs à lire le sol

Plutôt que de s’appuyer sur quelques profils de sol, l’étude a utilisé l’apprentissage automatique — des méthodes informatiques qui apprennent les motifs à partir des données — pour prédire le carbone du sol sur l’ensemble de la région. Les scientifiques ont entraîné et testé trois types de modèles et ont constaté qu’un modèle, appelé Random Forest, fournissait les estimations les plus précises, en particulier pour le sol superficiel. Ce modèle a géré les relations complexes et non linéaires entre le carbone du sol et de nombreux facteurs environnementaux. Il a montré que des caractéristiques telles que la hauteur normalisée sur le paysage, un indice de végétation verte dérivé des satellites (NDVI), l’amplitude des variations de température annuelles et la pente étaient particulièrement importantes pour expliquer où le carbone du sol était élevé ou faible.

Le soja accumulateur de carbone, le blé consommateur

Les mesures du sol ont révélé un schéma clair. Après la culture du soja, le carbone organique du sol augmentait à la fois dans la couche superficielle et dans la couche inférieure. Après le blé, l’inverse se produisait : le carbone du sol diminuait aux deux profondeurs. Les cartes spatiales ont montré que les parties nord et sud de la région avaient tendance à contenir davantage de carbone, mais partout, le soja agissait comme un accumulateur net et le blé comme un consommateur net de la banque de carbone du sol. L’étude relie ce contraste aux habitudes de croissance et aux résidus des cultures. Le soja produit davantage de biomasse aérienne et possède des racines plus profondes et plus étendues, qui apportent de la matière organique au sol. Le blé, de forme herbacée et avec une biomasse inférieure, fournit moins de matière fraîche, et dans certaines zones le carbone du sol était effectivement en déclin au fil du temps.

Ce qui façonne la carte du carbone souterrain

En combinant les données de terrain avec des couches environnementales, les chercheurs ont montré que l’emplacement dans le paysage compte. Les parcelles situées sur des altitudes plus élevées ou à certaines positions topographiques subissaient davantage d’érosion et de déplacement du carbone du sol. Les zones avec une végétation plus verte et plus dense, vues depuis les satellites, avaient tendance à stocker plus de carbone. Les variations saisonnières de température influençaient à la fois la croissance des plantes et la vitesse à laquelle les microbes décomposent les résidus végétaux. Tous ces facteurs interagissaient avec le choix de la culture : les parcelles de soja gagnaient du carbone surtout là où les conditions favorisaient une croissance luxuriante, tandis que les parcelles de blé situées en positions fragiles étaient plus sujettes aux pertes de carbone.

Ce que cela signifie pour les agriculteurs et le climat

Pour les non-spécialistes, la conclusion est simple : toutes les cultures ne traitent pas le sol de la même manière. Dans cette rotation soja–blé, le soja aide à reconstituer la banque de carbone souterraine, tandis que le blé a tendance à en puiser. L’étude montre qu’ajouter ou maintenir le soja dans les rotations peut améliorer la santé des sols, augmenter la capacité du sol à stocker du carbone et réduire les émissions de carbone vers l’atmosphère. Utiliser l’apprentissage automatique pour cartographier ces changements permet aux planificateurs et aux agriculteurs de voir où les sols gagnent ou perdent du carbone et de cibler des pratiques améliorées. Dans un monde qui se réchauffe et qui doit aussi rester bien nourri, ces connaissances suggèrent que des rotations plus intelligentes et une gestion des sols fondée sur les données peuvent transformer des parcelles ordinaires en alliées climatiques plus efficaces.

Citation: Yu, Z. Machine learning-based assessment of soil organic carbon dynamics in soybean–wheat rotations in eastern China. Sci Rep 16, 7250 (2026). https://doi.org/10.1038/s41598-026-38105-6

Mots-clés: carbone du sol, rotation soja–blé, rotation des cultures, apprentissage automatique, agriculture intelligente face au climat