Stocks de carbone, dynamique de décomposition et cartographie prédictive des sols irrigués de Beni-Moussa (Plaine du Tadla, Maroc)

Le Doyen de la Faculté des Sciences et Techniques de Béni Mellal porte à la connaissance du public que Madame Maria EL HARRAM, soutiendra une thèse de Doctorat intitulée : « Stocks de carbone, dynamique de décomposition et cartographie prédictive des sols irrigués de Beni-Moussa (Plaine du Tadla, Maroc)».

La soutenance publique aura lieu le Samedi 19 Décembre 2026 à 10h00 à la Salle Polyvalente, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, devant le jury composé de :

• Monsieur Abdessamad NAJINE : Professeur, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Président ;

• Madame Jamila RAIS : Professeur, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Rapporteure;

• Monsieur Samir NADEM : Professeur, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Rapporteur ;

• Monsieur Badre ESSAFRAOUI : Maître de Conférence Habilité, Faculté des Sciences et Techniques, Université Moulay Smail, Errachidia, Rapporteur ;

• Monsieur Ahmed BARAKAT : Professeur, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Examinateur ;

• Monsieur Mostapha BACHAOUI : Professeur, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Examinateur ;

• Monsieur Mohamed EL BAGHDADI : Professeur, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Directeur de thèse ;

Résumé:

L’objectif principal de cette étude est d’évaluer la distribution et la variabilité spatiale des stocks des différentes fractions du carbone, à savoir le carbone organique du sol (COS), le carbone labile (CL) et le carbone inorganique du sol (CIS), dans le périmètre irrigué de Beni Moussa, situé dans la plaine du Tadla (Maroc). Pour cela, nous avons adopté une approche intégrée combinant des analyses physico-chimiques, des méthodes statistiques, des modèles avancés d’apprentissage automatique et une approche biologique fondée sur le Tea Bag Index (TBI). Au total, 85 échantillons de sol ont été prélevés à une profondeur de 0–20 cm et analysés afin de déterminer leurs caractéristiques physico-chimiques. Les données ont été analysées à l’aide de méthodes statistiques multivariées et comparatives, notamment l’analyse en composantes principales (ACP), l’analyse de la variance (ANOVA), les corrélations de Pearson et de Spearman, ainsi que des modèles linéaires mixtes.  Plusieurs algorithmes d’apprentissage automatique ont ensuite été utilisés pour prédire et cartographier les stocks de carbone. Parallèlement, les paramètres de décomposition et de stabilisation issus du Tea Bag Index (TBI) ont été comparés entre les différents types de sols.

Les résultats montrent une structuration des sols selon plusieurs gradients associés aux propriétés organiques, hydriques, texturales, minérales et carbonatées. Les stocks de COS, CL et CIS diffèrent significativement selon le type de sol. Les sols isohumiques présentent les stocks les plus élevés de COS et de CL, tandis que les sols calcimagnésiques présentent les stocks les plus élevés de CIS. Ces différences sont associées aux variations des propriétés physico-chimiques observées entre les différents types de sols. Les analyses de corrélation montrent également que les relations entre les stocks de carbone et les propriétés du sol varient selon le type de sol. Le COS et le CL sont notamment associés à certaines propriétés de la matière organique, de l’humidité et de la texture, tandis que le CIS est associé aux propriétés carbonatées et à certaines caractéristiques physico-chimiques.

Des prédicteurs environnementaux issus des propriétés physico-chimiques du sol, de l’imagerie Sentinel-2, de données topographiques, climatiques et de la couverture végétale ont été intégrés à plusieurs modèles différentes, notamment Extra Trees, Random Forest, CatBoost, Support Vector Regression et Partial Least Squares Regression, ainsi qu’à une approche d’ensemble. Le modèle Extra Trees a systématiquement surpassé les autres modèles testés pour les trois stocks de carbone, atteignant des valeurs de R² de 0,871 pour le stock du COS, 0,863 pour le stock du CL et 0,818 pour le stock du CIS.  L’analyse d’importance des variables a indiqué que l’humidité du sol était un facteur clé pour l’ensemble des stocks de carbone. Les cartes obtenues ont révélé une variabilité spatiale marquée des stocks de carbone sur l’ensemble de la zone d’étude. Dans la continuité de cette analyse, les résultats obtenus à travers l’approche du TBI ont montré des différences significatives entre les types de sols, avec des taux de décomposition plus élevés dans les sols isohumiques et une stabilisation accrue dans les sols hydromorphes.

Cette  recherche  démontre le potentiel des approches combinant analyses de terrain, modélisation prédictive et indicateurs biologiques pour mieux comprendre la dynamique du carbone du sol. Elle met en évidence l’importance d’adapter les pratiques agricoles aux spécificités des sols afin d’optimiser le stockage du carbone et de promouvoir une gestion durable des agroécosystèmes en zones semi-arides.

Mots-clés : Carbone du sol, Variabilité spatiale, Apprentissage automatique, Tea Bag Index, Modélisation prédictive, Beni Moussa, Tadla.