La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Simulation du fonctionnement des agro-hydrosystèmes : enjeux, modèles et applications André Chanzy, Samuel Buis, H. Varella, M. Guérif, E. Kpemlie, A.

Présentations similaires


Présentation au sujet: "Simulation du fonctionnement des agro-hydrosystèmes : enjeux, modèles et applications André Chanzy, Samuel Buis, H. Varella, M. Guérif, E. Kpemlie, A."— Transcription de la présentation:

1 Simulation du fonctionnement des agro-hydrosystèmes : enjeux, modèles et applications André Chanzy, Samuel Buis, H. Varella, M. Guérif, E. Kpemlie, A. Olioso, D. Courault, A. Bsaibes, M. Mumen (UMR Environnement Méditerranéen et Modélisation des Agro-Hydrosystèmes EMMAH INRA/UAPV Avignon Pôle Adaptation aux changements globaux, Centre INRA PACA)

2 Objectifs de la présentation Présenter des enjeux scientifiques et finalisés dans le champ des recherches agro-environnementales (interactions production/eau) Présenter les modèles utilisés et leur mise en œuvre Quest-ce qui est fait en terme danalyse de sensibilité/estimation des paramètres.

3 Agro-hydrosystème

4

5 Agro-hydrosystèmes? Espace (région, paysage, parcelle) Climat Sol Usages des surfaces pratique et gestion Apports exogènes deau (rivière canaux)

6 Questions Finalisées Analyse prospective (impact du changement climatique – impact de directives telle que la loi cadre sur leau) lle) Quelles seront les potentialités agricoles et forestières futures? Quel sera le devenir des aquifères souterrains? Quelles mesures techniques pour sadapter (à combiner avec un point de vue SHS mise en place de ces mesures)?

7 Questions Finalisées Aide à la décision Date dintervention (éviter le tassement de sol) Modulation des pratiques sur la parcelle pour minimiser les impacts négatifs sur lenvironnement (exemple de la fertilisation azotée) Organisation spatiale des cultures et minimisation de limpact sur lenvironnement (érosion, ruissellement, pesticides, fertilisants) Impact dun aménagement (hydraulique : canal, bassin de rétention, captage …)

8 Enjeux scientifiques Le milieu sous-terrain (sol, sous-sol, nappe) variable dans lespace et le temps et difficile à caractériser. On ne sait pas mesurer la plupart des flux et des variables détat du système aux échelles spatio-temporelles pertinentes. Expérimentations conceptuellement difficiles à mettre en place (contrôle de la variabilité) et très coûteuses

9 Variabilité : exemple de la teneur en eau des sols Mumen, 2006

10 Inadéquation entre possibilités de mesure et besoins : exemple de la teneur en eau. Chanzy et al, 2007

11 Des mesures très locales Bolvin et al., SSSAJ 2003

12 Ou très superficielles (télédétection micro-onde) et peu précises Humidité dans les 2 premiers cm Précision 0.04 a 0.06 m3/m3 (RMSE) Chanzy, 2009

13 Modélisation Seule? issue possible Pour estimer les grandeurs recherchées (flux de masse, flux de chaleur, humidité des sols …) Tirer profit des mesures ne décrivant que très partiellement les systèmes étudiés assimilation de données Pour analyser des couplages complexes Pour expérimenter des modalités de gestion

14 Prévision de la teneur en eau du sol pour la planification des travaux agricoles et forestiers et prévenir les tassement. Photo INRA Agronomie Laon-Reims-Mons

15 Outil daide à la décision

16 16 Le modèle Choisi, Transfert dEau et de Chaleur (Modèle TEC) Description schématique du modèle mécaniste de transferts couplés deau et de chaleur Flux de masse, flux de chaleur

17 Sensibilité du modèle

18 Choix des grandeurs à estimer Le paramètre Facilement accessible Peu dimpact sur la teneur en eau 0-30 cm Fort impact mais difficilement mesurable en routine Les propriétés thermiques ( ) et C( ) Le coefficient de diffusion gazeuse D( ) La masse volumique d Lalbédo (a) La rugosité (z 0 ) Lémissivité ( s ) Les propriétés hydrodynamiques (Ө), k(Ө) Les conditions initiales 0z Les conditions initiales T 0z Les conditions aux limites inférieurs 0zm Les conditions aux limites inférieursT 0zm

19 Mise en oeuvre Dun point de vue opérationnel nous proposons, Dutiliser la FPT de Wosten 1997 pour les propriétés hydrodynamiques du sol Exploiter un proxi (granulométrie du sol) dinitialiser le modèle avec un profil de potentiel hydrique égale à -10 kPa, après 48 h de grosse pluie Exploiter les connaissances sur le comportement des sols Utilisation du flux gravitaire pour le fond Choix dun processus à privilégier Précision de lordre de 0.04 m3/m3

20 Assimilation de données Méthode inverse Kalman Filter using Correlation Without assimilation Assimilation weekly measurements Assimilation weekly measurements Error in soil moisture (RMSE)

21 Pertinence de la simulation : risque de prendre une mauvaise décision

22 Gestion de la fertilisation azotée (thèse Hubert Varella) Enjeux apporter lazote en quantité suffisante pour ne pas avoir un stress azoté au niveau de la plante Eviter davoir un lessivage (surplus dazote en solution emportée par les eaux draînées). Surface de feuille Quelle quantité dazote apporter Carte des sols

23 Processus Développement Gestion des interventions techniques Croissance foliaire Interception rayonnement Croissance biomasse Elaboration du rendement Croissance racinaire Transferts eau / azote Système Sol Microclimat Plante Variables environne- mentales (NO3 lessivé, eau du sol, … Variables agricoles (rendement,…) SortiesEntrées Climat Caractéristiques permanentes et initiales du système Itinéraire technique Modélisation des cultures

24 >200 paramètres. 70 paramètres sols difficiles à obtenir

25 Estimer les paramètres sols

26 Choix des paramètres sols

27

28 Méthode destimation des paramètres … Information a priori sur les paramètres (IAP) M = simulations des variables observées tirages de valeurs Importance Sampling : Principe de la méthode Distributions a posteriori estime Formule de Bayes observations simulations Coût de la méthode M évaluations du modèle Pour une utilisation à léchelle parcellaire (conditions identiques : seules les observations changent), le nombre de simulations ne dépend pas du nombre de pixels.

29 29 Estimation des paramètres Résultats sur un cas réel

30 Cartographie de lévapotranspiration dun paysage cultivé par assimilation de données de télédétection dans un modèle dinteraction surface-atmosphère Thèse E. Kpemlie Contexte : Estimer lévapotranspiration pour comprendre et prévoir le développement des cultures, les interactions avec le microclimat et gérer les interventions agricoles (irrigations).

31 -indice foliaire (LAI) -hauteur du couvert -état hydrique du sol -vitesse du vent (ua) -température de lair (Ta) Ts Cartographie de Ts Rn HLE G LE = Rn - G - H

32 PBLs : un modèle couplé surface – couche limite atmosphérique : Surface fluxes F xs F XH h Temperature Altitude (m) hcls Surface layer Mixer layer Free atmosphere Ta al bédo, LAI, rugosité du sol (z0), humidité du sol (f2) TélédétectionDifficile à estimer directement Assimilation Ts

33 Méthode dassimilation Problème de très grande taille à résoudre : les paramètres doivent être estimés sur chaque pixel et les variables détat interagissent entre les différents pixels. Les zones considérées sont constituées de plusieurs dizaines à centaines de milliers de pixels utilisation dune méthode variationnelle : minimisation dune fonction de type moindres carrés pondérés avec prise en compte dinformation a priori et calcul du gradient par adjointisation du modèle JBJB J0J0 IAP Opérateur adjoint du modèle PBLs obtenu par différentiation automatique (logiciel TAPENADE)

34 Résultats Correction de la température de surface RMSE = 7 °C RMSE = 4 °C Obs. – Ts estimé

35 35 Résultats Correction des Flux RMSE 35 blé luzerne blé irrigué

36 Pour aller plus loin : modélisation mécaniste du fonctionnement des paysages : plate-forme de simulation SEVE Environnement permettant De réaliser une segmentation de lespace à partir de sources dinformation variées (MNT, Cartes doccupation des sols, réseaux, image TD, cartes des sols) et en fonction des processus à représenter De réaliser des modèles couplés en permettant linteropérabilité de modèles de processus (issus de modèles existants) Dassimiler des informations dorigines diverses De visualiser les sorties Disposer de jeux de données de référence

37 Connectivité Objets-UC Transferts dans la basse atmosphère 1D à 3D Transferts dans le sol saturé ou non-saturé 1D/2D/3D Transferts verticaux en surface 1D Modules de transfert Transferts latéraux en surface: Écoulements concentrés 1D/2D Objets Sol/Sous- sol: horizon de sol sous sol Substratum Objet Basse Atmosphère Modules de description des classes dObjets SIC et de leur évolution Objets Surface parcelles hydrologiques Tronçon de rivière Tronçon de haie... Transferts latéraux en surface: Écoulements non concentrés 1D/2D Superviseur gère les échanges entre modules Segmenteur - Génère la géométrie et la topologie - Vérifie les connectivités entre Objets-UC et UF-UC - Initialise les propriétés et variables détat des Objets et UC Géométrie-topologie des UC transfert Géom.-topol.-état des objets des classes TS TVS TLC TLS TBA Interpolatio ns Agrégations Flux et variables détat Objets Observables

38

39 Surface: Transfert vertical eau, énergie, CO2 La surface comprend la végétation ou les bâtiments, l'air dans la végétation, les racines, la neige. La surface du sol fait partie du sol. Processus: Bilan d'énergie (calcul de l'albédo, l'émissivité, de la rugosité, de la conductance stomatique (transpiration), bilan radiatif) Production de biomasse Puits/source racinaire Interception de la pluie ou l'irrigation Evolution du manteau neigeux Variables d'état: Température (z, composantes) Température air (z) Humidité air (z) Contenu réservoir interception Potentiel plante? Variables état de la neige Variables d'intérêt: Albédos végétation, sol, bâti Rayonnements nets total, végétation, sol, bâti ( ) Flux latent, sensible végétation, sol, bâti, interception, neige Rayonnement net solaire, IR sol, végétation, etc.. ( ) Conductance stomatique Basse atmosphère Rayonnement réfléchi ( ) Flux sensible Flux latent Flux de quantité de mouvement Rayonnements incidents Température, humidité de l'air Resistance aérodynamique Pluie, concentration en CO2 Structure (LAI, Hauteur, Racines..) Biomasse compartiments Paramètres de fonctionnement (dépendant du développement) Végétation Flux d'énergie G Flux de masse E, Pg Extraction racinaire (z) Sol Sous-sol Teneur en eau (z) Potentiel matriciel (z) Température sol (z) Conductivité hydraulique (z) Sol Sous-sol Irrigation Température (développement) iomasse composantes Flux azote absorbé Echelle spatiale des échanges: Unité fonctionnelle "végétation" ou bâti ou réseau avec "végétation", Unités de calcul sol avec sol-sous-sol et atmosphère => agrégation /désagrégation conditionnée par la conservation de la masse Echelles temporelles des échanges: quelques minutes (basse atmosphère, sol/sous-sol) Journée (végétation)

40 PALM Prépalm: Création du schéma couplage par IHM PALM couple des codes de modules Il gère des communications asynchrones de structure de données génériques (UF, Var, UC) Une branche PALM est un module SEVE Les modèles sont appelés par le module Lintelligence de couplage est dans les modules (durée de validité, synchronisation, stockage des variables …)

41 Les paris de SEVE Les modèles gèrent par eux même leur simulation (pas de temps) – le coupleur gère les synchronisations stabilité numérique impasse? Certains couplages « intimes » sont reformulés par un simple échange dinformation (exemple –infiltration ruissellement) stabilité numérique Topologie (gérée dans les modèles) et les échanges entre modules Pb dans labsence dordre dans lexécution des modèles? Gestion des singularités (réseau, haies …) Assimilation de données

42 Conclusions Le manque doutils dobservation aux échelles spatio temporelles adéquates, lextrême variabilité du milieu nous amène à décomposer les processus et segmenter le milieu Problèmes de grande taille avec un très grands nombre de variables et paramètres Approches plus ou moins rustique en terme danalyse de sensibilité et dassimilation de données. Faut-il aller plus loin? Quelle marge respectives offertes par les stats, la compréhension des processus et les moyens dobservation?

43 Conclusions Gros progrès assimilation de données Focus sur les aspects sol/eau (un problème de caractérisation du milieu). Les plantes, si elles sont plus facilement observables, ont un fonctionnement plus difficile à modéliser (adaptation aux stress- interactions avec les autres organismes biologiques)


Télécharger ppt "Simulation du fonctionnement des agro-hydrosystèmes : enjeux, modèles et applications André Chanzy, Samuel Buis, H. Varella, M. Guérif, E. Kpemlie, A."

Présentations similaires


Annonces Google