Contexte
La bioénergie agricole occupe aujourd’hui une place importante au coeur du développement durable et de ses principales composantes, à savoir, l’environnement et les changements climatiques, l’économie de l’énergie et son approvisionnement, l’agriculture et le développement rural et social. Lutter contre les changements climatiques implique une réduction des émissions des gaz à effet de serre dans notre atmosphère. Des efforts considérables doivent être accomplis, particulièrement dans le domaine de la production et l’utilisation de l’énergie. Les récentes crises de l’énergie ont rappelé à nos décideurs politiques et économiques l’importance pour nos économies de l’énergie, d’un approvisionnement énergétique fiable et diversifié. L’agriculture en Europe est à un tournant, engendrant d’importantes interrogations au sujet de la diversification des productions agricoles et des sources de revenus pour les agriculteurs, de l’affectation des terres arables entre les cultures alimentaires et non alimentaires et de la contribution de l’agriculture à la lutte contre les changements climatiques et à l’approvisionnement énergétique durable.Objectifs
L’objectif ultime de ce projet est de mener à une contribution significative de la bioénergie agricole à la diminution des émissions de gaz à effet de serre, à l’approvisionnement énergétique durable et diversifié, à l’augmentation des revenus des agriculteurs et au développement rural. Dans ce but, le projet TEXBIAG produit trois outils spécifiques : •Une base de données primaires quantitatives, liée aux impacts environnementaux et socio-économiques de la bioénergie agricole et intégrant les aspects logistiques de l’utilisation de le biomasse ; • Un modèle mathématique « monétarisant » les externalités de la bioénergie agricole; •Un outil de prédiction évaluant les impacts des décisions politiques prises dans le cadre du développement de la bioénergie agricole sur différents secteurs économiques (énergie, agriculture, industrie, environnement).Description des tâches
En appliquant les principes de la méthode systémique, le projet se structure comme suit : Tâche 1. Constitution de la base de données : •Conception de la base de données, avec la collaboration des partenaires chargés du développement des outils d’aide à la décision; •Revue des données et modèles existants dans la littérature, évaluation des données manquantes et remplissage de la base de données à partir des informations collectées ; •Enquête et analyse des études existantes sur la logistique d’approvisionnement de la biomasse agricole ; •Feed-back des outils d’aide à la décision et adaptation / mise à jour de la base de données. Tâche 2. Modèle de valorisation monétaire des externalités : • Contribution à la constitution de la base de données grâce à un modèle amélioré en continu ; • Analyse des modèles et études existants, comparaison et évaluation ; •Construction d’un modèle qualitatif mettant en évidence les relations de cause à effet (détection des effets induits) ; •Analyse de coûts / gains pour pouvoir « monétariser » ; •Construction d’un modèle quantitatif de valorisation monétaire des externalités. Tâche 3. Outil de prédiction politique, sur base d’un modèle existant : •Ajout à l’outil existant de la quantification de nouveaux éléments, tels que la création d’emplois (directs et indirects), le développement rural, la sécurité •De l’approvisionnement énergétique, la valeur ajoutée et d’autres externalités ; •Ajout de voies technologiques qui n'avaient pas été prises en considération dans l’ancien modèle (DME, hydrogène, biogaz, bio-raffineries, etc.); •Ajout de facilités manquantes, telles que l’eau et d'autres externalités importantes; •Modélisation des effets des perturbations non linéaires: réseau d'électrification, raffineries, co-produits destinés à l'alimentation animale, les perturbations du marché de l'agro-alimentaire, etc; •Ajout du modèle de valorisation monétaire des externalités; •Ajout de mesures politiques potentielles propices au développement durable dans le modèle existant (quotas, subsides, etc.). Tâche 4. Dissémination et valorisation des résultats du projet: •Préparation d'un interface convivial pour l'utilisation de l'outil informatique (accès aux données et mise à jour, mesures politiques, analyse de sensibilité); •Dissémination des résultats grâce à des outils de communication (brochures, posters, site web, conférences, workshops, etc). Le CRA-W est leader pour les Tâches 1 et 4 et est coordinateur du projet. La VUB est leader pour la Tâche 3. Les FUNDP sont leaders pour la Tâche 2. La KUL assiste la VUB dans l’exécution de la Tâche 3. La VUB, les FUNDP et la KUL assistent le CRA-W dans l’exécution de la Tâche 4.Résultats attendus
Les résultats à long terme attendus du projet sont : •Une meilleure prise de conscience des décideurs politiques des manquements et des problèmes de mise en œuvre des politiques en matière de bioénergie en agriculture. •La mise en œuvre de politiques renforcées et de lignes directrices pour les énergies renouvelables. •La stimulation du développement rural par la création d’emplois en relation avec la réalisation et la conduite de projets de production de bioénergie en agriculture. •Une amélioration de l’environnement local et des conditions de vie par l’utilisation de technologies modernes et efficientes de bioénergie. •Une amélioration de l’environnement local et global par l’utilisation de technologies modernes et efficientes de bioénergie réduisant les émissions atmosphériques provenant des combustibles fossiles et par conséquent réduisant les émissions de gaz à effet de serre (CO2, CH4, N2, O).Résultats obtenus
Lors de la première phase:
Les chaînes de bioénergie à étudier en priorité par le projet ont été sélectionnées sur base d'une enquête menée auprès de spécialistes du marché belge de la bioénergie.
Les données relatives aux impacts (ou externalités) environnementaux et socio-économiques de la biomasse et la bioénergie sont compilées et validées dans le contexte belge grâce à la consultation d'experts. Il est en effet essentiel d'utiliser des données appropriées étant donné que celles-ci varient énormément en fonction des conditions locales (climat, pratiques agricoles). Ces données servent à alimenter les 2 modèles développés par le projet: le modèle de monétarisation des externalités et l'outil de prédiction politique.
Les externalités de la bioénergie à étudier ont été sélectionnées. Celles-ci peuvent être classées en 3 catégories: (1) externalités environnementales, telles que les émissions de gaz à effet de serre, les stocks de carbone, la qualité de l'environnement, etc.; (2) externalités socio-économiques, telles que la sécurité alimentaire, les droits des travailleurs, les droits de propriété, etc.; et (3) problématiques transversales, principalement liées aux changements indirects d'occupation du sol, qui peuvent avoir des effets désastreux en termes d'émissions de gaz à effet de serre, de pertes de biodiversité, d'impacts socio-économiques, etc.
Les externalités de la bioénergie doivent être évaluées soit quantitativement, soit qualitativement afin d'être introduites dans le modèle de monétarisation et l'outil de prédiction politique. Des indicateurs qualitatifs et quantitatifs basés sur les externalités sélectionnées sont développés et affinés après consultation d'experts et selon les dernières avancées scientifiques. Là où cela est possible, une monétarisation de ces externalités est proposée. Là où ce n'est pas possible, une évaluation qualitative au moyen de "feux de signalisation" est utilisée. Ceci a pour but d'attirer l'attention sur les risques potentiels liés à une externalité donnée. Les indicateurs monétarisés seront introduits dans l'outil de prédiction politique (System Perturbation Analysis ou SPA) afin d'améliorer le choix des décideurs politiques concernant les meilleures solutions en matière de bioénergie. De plus, les indicateurs monétarisés et non monétarisés sont introduits dans des tableaux reprenant toutes les informations qualitatives et quantitatives pour chaque route de bioénergie sélectionnée (un tableau par route). Ces tableaux permettront aux décideurs politiques de prendre en compte toutes les dimensions du développement durable dans leur choix de soutien des meilleures chaînes de bioénergie.
De plus, les externalités de la bioénergie ne sont pas des impacts isolés mais interagissent entre elles. Par conséquent les interactions entre les externalités sélectionnées sont articulées dans un modèle qualitatif, ceci permettant d'identifier les relations de cause à effet. La dynamique des systèmes et les indicateurs sont utilisés pour décrire et évaluer les liens potentiels entre externalités. Le modèle qualitatif définit les liens entre externalités, étudiées séparément, et détermine si ces relations sont positives (corrélation), négatives (inverses) ou indéterminées. De cette modélisation, il apparaît que beaucoup d'interactions entre externalités de la bioenergy ne sont pas simples. Beaucoup dépendent du temps ou de la localisation; les pratiques agricoles varient énormément d'une région à l'autre, les effets indirects sont loin d'être compris et évalués correctement, les effets à long terme sur le climat sont encore inconnus, etc. Le modèle qualitatif est itérativement perfectionné grâce à des interactions avec des experts lors de workshops et brainstormings. De plus, étant donné que beaucoup d'efforts de recherche se concentrent sur cette thématique (changements climatiques, biodiversité, effets indirects, etc.), il est également important de garder un œil sur les développements scientifiques afin d'améliorer le modèle.
L'outil de prédiction politique est basé sur un software existant appelé System Perturbation Analysis (SPA). Cette méthode consiste à perturber une ressource (par exemple en remplaçant une culture à destination alimentaire par une culture non alimentaire sur une surface de 1 ha) et à analyser tous les impacts directs et indirects sur un système donné (la Belgique). Cet outil est perfectionné afin d'inclure des effets autres que la balance énergétique et les émissions de CO2eq., tels que les autres effets sur l'environnement, l'emploi, les conditions socio-économiques, etc. Afin de quantifier ces externalités, une ressource choisie par l'utilisateur est perturbée pour une quantité donnée. Ceci mène automatiquement à la perturbation d'au moins un produit principal et généralement plusieurs co-produits. Etant donné que la quantité de produits est considérée comme constante, la perturbation introduite doit être compensée par au moins une autre ressource, qui à son tour induit d'autres perturbations parmi les produits, etc. Plusieurs points faibles du software SPA sont améliorés. Dans la première version du software (SPA1), tous les effets des perturbations sur le système étaient considérés comme linéaires, menant à une sursimplification de certains types de perturbations. Des modèles mathématiques pour le marché belge de l'alimentation animale, l'industrie du raffinage pétrolier et le marché alimentaire en Belgique sont développés en vue d'améliorer les effets des perturbations dans le software SPA.
Partenaires
VUB – Vrije Universiteit Brussel FUNDP – Facultés Notre Dame de la Paix Namur KUL – Katholiek Universiteit LeuvenFinancement
- Politique Scientifique Fédérale
Team
