La base de données Elfe : vers une meilleure connaissance des émissions gazeuses liées à l’élevage

Aurore Vigan (Inra) et al., Journées 3R, 5 et 6 décembre 2018, Paris, 5 pages

Le secteur de l’élevage est aujourd’hui confronté à une demande croissante de produits animaux à laquelle il doit répondre en limitant au maximum ses impacts environnementaux et en assurant sa durabilité. Parmi ces impacts, la pollution de l’air est une préoccupation majeure. Pour faire face au changement climatique et contribuer à l’amélioration de la qualité de l’air, les émissions de polluants atmosphériques et de gaz à effet de serre doivent être mieux caractérisées et maîtrisées afin de les prendre en compte dans l’évolution des pratiques d’élevage (alimentation, gestion des effluents, etc.). Des acteurs de la recherche et du développement se sont donc associés afin de développer une base de données appelée ELFE (ELevages et Facteurs d’Emission), compilant les valeurs publiées dans la littérature internationale des émissions d’ammoniac, de gaz à effet de serre, de particules et d’odeurs, sur toute la chaîne de gestion des effluents des élevages bovins, porcins et avicoles ainsi que leurs métadonnées associées. Parmi les 1 000 références bibliographiques collectées, environ 350 ont été intégrées à ce jour à la base de données, fournissant ainsi, un peu plus de 5 200 valeurs d’émission. La base de données ELFE permet de déterminer des moyennes d’émission associées à leurs écarts-types prenant en compte la diversité des systèmes d’élevage. Ces données pourront ainsi alimenter les inventaires nationaux d’émissions en proposant des facteurs d’émissions ajustés à des systèmes d’élevage définis et également, permettre d’évaluer la mise en place de pratiques de réduction des émissions. Cette base de données représente aussi une source d’information pour la réalisation d’évaluations multicritères permettant notamment, de préciser l’influence des métadonnées sur les niveaux d’émissions (climat, type de bâtiment, etc.). De plus, cette base propose une classification de chaque valeur d’émission en fonction du nombre de métadonnées renseignées dans les références bibliographiques (>50 % ; 30-50 % ; <30 % des métadonnées renseignées) afin d’évaluer son niveau de description.

The ELFE database: improving the knowledge on gas emissions from livestock systems

The increasing demand for animal products is a major challenge for the livestock sector that must reduce its environmental impacts and ensure its sustainability. This sector has been identified as an important contributor to polluting gas emissions. Improving the knowledge on the origin and the magnitude of air pollutants and greenhouse gases emissions from livestock sector is essential to address climate change and to contribute to improve air quality with the evolution of breeding practices (feeding strategy, manure management, etc.). A consortium involving research and extension services partners was created to build a database called ELFE (ELevages et Facteurs d’Emission) with international data from literature references focusing on emissions of ammonia, greenhouse gases, particles and odors on the different steps of manure management of cattle, pig and poultry productions systems and their associated key variables. Around 350 publications (among 1 000 publications collected) are integrated into the database and provide more than 5 200 emission values. The ELFE database allows calculating average of emission and their standard deviation taking into account the diversity of livestock systems. These data can be used to provide emission factor for national inventories for specific livestock systems and also, to evaluate practices on gas emissions mitigation. This database can also be used to analyze the influence of key variables on the emission factor variability using multicriteria assessment (climate, building type, etc.). Moreover, this database propose a classification of emission factor into three classes according to the degree on which information about their most influential key variables was complete (>50 % ; 30-50 % ; <30 % of indicated key variables) to evaluate its description.