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

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

MODF, 6 janvier 2014 Modélisation des bilans de carbone, deau et de minéraux des écosystèmes forestiers Nicolas Delpierre Ecophysiologie végétale, L.E.S.E.

Présentations similaires


Présentation au sujet: "MODF, 6 janvier 2014 Modélisation des bilans de carbone, deau et de minéraux des écosystèmes forestiers Nicolas Delpierre Ecophysiologie végétale, L.E.S.E."— Transcription de la présentation:

1 MODF, 6 janvier 2014 Modélisation des bilans de carbone, deau et de minéraux des écosystèmes forestiers Nicolas Delpierre Ecophysiologie végétale, L.E.S.E. Université Paris Sud

2 Plan du cours 1) Modèles mécanistes : définition et intérêt 2) Un modèle de fonctionnement des forêts : CASTANEA module de photosynthèse processus respiratoires bilan deau du sol croissance et allocation du carbone évaluation du modèle 3) Utilisation dun modèle mécaniste pour répondre à une question scientifique Influence du climat et des processus biologiques sur la photosynthèse? Influence de la sylviculture sur la production de bois ? 4) Un modèle vivant : les développements en cours

3 Different kinds of models Empirical models statistical phenomenological Mechanistic / deterministic models based on the representation of (known and described) biological / physical processes Theoretical models generic, simple

4 Mechanistic models Deterministic models are concerned with mechanism and can lead to an understanding of the i th level that is based on component processes at the (i-1) th level. The mechanistic modeller breaks the system down into components and assigns processes and properties to these components (« hard science », reductionnist approach). A mechanistic model at a certain hierarchical level is far more complex than an empirical model. It will generally fit the data at the ith level less well [than an empirical model]. However, its content is far richer. Thornley & Johnson, 1990 (Plant and Crop Modelling)

5 Modèles (mécanistes de fonctionnement) synthèse des connaissances test dhypothèses

6 Knowledge of processes and pre-existing models Hypotheses Formulating equations Evaluation parameterisation data Simulations observations Model Modèles (mécanistes de fonctionnement)

7 Knowledge of processes and pre-existing models New hypotheses Formulating equations Evaluation parameterisation data Simulations observations Model Modèles (mécanistes de fonctionnement)

8 Modèles (mécanistes de fonctionnement) synthèse des connaissances test dhypothèses Valeur ajoutée Compréhension du fonctionnement intégré Quantification de limportance des processus élémentaires

9 échanges C, H 2 O et croissance des peuplements forestiers (équiennes, arbre moyen) Hêtre, Chêne sessile, Pin sylvestre, Pin maritime, Epicéa, Chêne vert CASTANEA Modèle mécaniste du fonctionnement des forêts (C, H 2 O, N)

10 Temps Espace Organe Couvert - Ecosystème Massif forestier - paysage Région Globe heure annéedécennie Individu - Arbre Allocation – Mortalité Bilan carbone et eau du sol Gestion Sylvicole journée Processus Interception pluie et rayonnement Échanges gazeux

11 CASTANEA Forçages, processus, sorties Variables de forçage Caractéristiques du système 1. Interception rayonnement 2. Assimilation du couvert 3. Transpiration 4. Respiration autotrophe 5. Interception nette 6. Bilan hydrique 7. Allocation du carbone 8. Respiration hétérotrophe horaire journalier Rayonnement Températures Précipitations Humidité de lair Vitesse vent

12 CASTANEA (1) module mécaniste de photosynthèse Farquhar et al. (1980) Ball et al. (1987)

13 Deux processus clés de la photosynthèse (1) La diffusion du CO 2

14 épiderme CaCa CiCi SUCRES atmosphère mésophylle Cycle Calvin - Benson Equation doffre en CO 2 Modélisation de lassimilation foliaire

15 Modèle de conductance stomatique Ball, Woodrow & Berry (1987) Modélisation de lassimilation foliaire

16 Modèle de conductance stomatique Ball, Woodrow & Berry (1987) RH = 100% RH = 75% RH = 50% C a = 370 ppm Modélisation de lassimilation foliaire

17 Deux processus clés de la photosynthèse (2) La fixation du CO 2

18

19 Modélisation de lassimilation foliaire Modèle de Farquhar (1) Photosynthèse limitée par régénération RuBP

20 Photosynthèse limitée par carboxylation Modélisation de lassimilation foliaire Modèle de Farquhar (2)

21 épiderme CiCi « sucres » NADPH ATP ADP atmosphère « milieu intérieur » RuBP 3-PG 1,3-bisPG G-3P NADP + P i ATP ADP, P i RuBisCO Modélisation de lassimilation foliaire Modèle couplé conductance-assimilation CaCa Cycle Calvin - Benson

22 Modélisation de lassimilation foliaire Modèle de Farquhar A carb A RuBP

23 Résolution analytique proposée par Baldocchi, 1994 : Modélisation de lassimilation foliaire Couplage BWB-Farquhar

24 Intégration échelle du couvert LAI cumulé (m² feuilles / m² sol) N massique (gN/gMS) LMA (gDM/m² feuilles) N surfacique (gN/m² feuilles)

25 PAR (µmol/m²/s) LAI cumulé (m² feuilles / m² sol) Intégration échelle du couvert

26 CASTANEA (2) processus respiratoires Penning de Vries, Thornley, Cannell…

27 Main respiratory costs Nitrate reduction N fixation N (+ ions) uptake Cell ion gradient / conc Phloem loading Protein synthesis Protein maintenance

28 Modélisation de la respiration autotrophe Modèle de Ryan, 1990 : Respiration gC/m²/s Coefficient Azote gC/gN/s Teneur en Azote gN/m² Coeff. daugmentation de R f pour une augmentation de T de 10 degrés Paradigme : découplage entretien / croissance Respiration gC/m²/j Coût de construction gC/gC Croissance de lorgane gC/m²/j

29 Reich et al., 2008 Respiration autotrophe Effet de la teneur en azote des organes

30 Parton, 1984 Le Dantec, 2000 Respiration hétérotrophe

31 CASTANEA (3) bilan deau du sol Penman, Monteith

32 Solar radiation temperature Water vapour Radiation interception GlobalPAR Photosynthesis Precipitations Canopy interception Throughfall Stem flow Litter Surface Root zone drainage Soil evaporation Transpiration Canopy evaporation CO 2 Stomatal Cond. GPP CASTANEA model Dufrêne et al., 2005

33 Bilan hydrique modélisation des flux deau

34 Modélisation du bilan carboné Couplage flux C – H 2 O Azote foliaire N surf = N mass *LMA Assimilation C3 A=f(N surf,T,PAR) Conductance sto. g c = f(A,RH) Respi. foliaire R f = f(N surf,T) Bilan C foliaire Eau du sol double-bucket Bilan C-H 2 O écosystème EP sol ( Penman) Croissance C sol = f(T, H v, qlté & qté litière) Bilan C couvert (multi-couche) Bilan H 2 0 couvert g canopy ETR Penman Monteith PAR LMA

35 CASTANEA (4) Croissance, allocation du carbone

36 Carbone disponible= ΔB Réserves Grosses et fines racines Feuilles Nombre et Surface => LAI Masse => LMA Branches Tronc Allocation du carbone

37 Phénologie et Croissance des Feuilles : Forêt caducifoliée tempérée sur une année LAI (m 2 m -2 ): Leaf Area Index (Indice Foliaire) LMA (g dm m -2 ): Leaf Mass per Area (Masse Surfacique Foliaire) Allocation des Assimillats et Croissance des Organes sur une année La Phénologie et lAllocation dépendent (i) du type de végétation (équations) et (ii) de lespèce (paramétrisation)

38 HiverPrintemps Réserves Respiration dentretien Feuilles Été Automne Carbone disponible = Photosynthèse – Respiration autotrophe Période de croissance du boisRemplissage des réserves Allocation au bois Selon le niveau des réserves au printemps Allocation aux réserves Allocation aux racines fines Allocation aux réserves Coefficients dallocation Allocation aux racines fines Selon le niveau des réserves et des racines fines Coefficients dallocation CASTANEA Schéma dallocation des assimilats

39 Évaluation du modèle

40 CASTANEA Modelling the C balance of European forests Coniferous forests Hyytiälä (Boreal Pine) Tharandt (Temperate Spruce) Evergreen Bleaves Puéchabon (Mediterranean Q. ilex) Deciduous forests Soroe Hainich(Temperate Beech) Hesse

41 Model validation across time scales daily timescale Hyytiälä (Pinus) R²=0.92 bias= Tharandt (Picea) R²=0.91 bias= Puéchabon (Q. ilex) R²=0.74 bias= Hainich (Fagus) R²=0.95 bias=

42 Model validation across time scales annual timescale FIHyy RMSE=13, r²=0.82 DETha RMSE=66, r²=0.51 FRPue RMSE=59, r²=0.82 CASTANEA reproduces 36% - 82% of C flux interannual variance Model validated Model challenged

43 Comparaison des mesures et des simulations de croissance du bois aérien

44 Répondre à une question scientifique à laide dun modèle mécaniste. Quelles influences respectives du climat et des facteurs biologiques dans la variabilité interannuelle de la photosynthèse ?

45 Terrestrial vegetation modulates atmospheric [CO 2 ] Atmosph. 40% Ocean 30% Vegetation 30% Vegetation 50% of the continental uptake Forests 60% of vegetation uptake IPCC WG1, 2013

46 CARBOEUROPE Explaining Intersite variations of the C balance R²=0.40 R²=0.80 GPP (gC / m² / y) R²=0.30 R²=0.70 Reco (gC / m² / y) R²<0.10 R²=0.20 NEP (gC / m² / y) What about interannual variations ??? Southern <52°N Northern >52°N Water balance Temperature adapted from Reichstein et al., 2007

47 CARBOEUROPE Explaining Interannual variations of the C balance GPP (gC / m² / y) Reco (gC / m² / y) NEP (gC / m² / y) Significant Relationships 5 sites over 25 Significant Relationships 3 sites over 25 Significant Relationships 4 sites over 25 Southern <52°N Northern >52°N Water balance Temperature

48 Defining Flux IAV across time scales GPP Tharandt (Picea abies)

49 Defining Flux IAV across time scales GPP Tharandt (Picea abies) Jan Jul Dec Apr Oct Mean annual pattern

50 Defining Flux IAV across time scales GPP Tharandt (Picea abies)

51 Defining Flux IAV across time scales GPP Tharandt (Picea abies)

52 Defining Flux IAV across time scales GPP Tharandt (Picea abies)

53 Defining Flux IAV across time scales GPP Tharandt (Picea abies) integration

54 Influence on GPP Influence on Reco Climate drivers Incident Radiation Temperature Relative Humidity Soil water content Biological drivers Thermal acclimation Canopy dynamics (LAI) Woody biomass Soil C stock No effect Conifers

55 Winter photosynthetic inhibition in evergreens Pelkonen & Hari, 1980 Bergh et al., 1998 Makela et al., 2004 State variable characterising the winter thermal acclimation Progress rate =f(Tmin(d),Tmoy(d-1)) Modulates Vcmax, Jmax, a

56 Constrained simulations blue = « mean Rg » reference grey = original flux (year 2000) Single driver contribution to flux modulation Day of Year Hyytiälä, Boreal Pine Proper Rg effect on GPP Delpierre et al., 2012

57 Constrained simulations 8 years of daily GPP anomalies due to radiation 8 years of daily GPP anomalies due to Water Stress Hyytiälä, Boreal Pine

58 OWT variance decomposition Residual signals relative influences Orthonormal wavelet transform (Haar basis) calculate relative influences of both drivers dwmsy>y Hyytiälä, Boreal Pine

59 decreasing influence of climate drivers at higher timescales Deconvolution across time scales Hyytiälä (Boreal Pine) GPP dwmsy>y climate biological AccP RglobalLAIdrought Rglobal + LAI + drought control GPP annual IAV Delpierre et al., 2012

60 decreasing influence of climate drivers at higher timescales Deconvolution across time scales Hyytiälä (Boreal Pine) GPP climate biological AccP RglobalLAIdrought Rglobal + LAI + drought control GPP annual IAV RglobLAI REW AccP

61 biological drivers Significant contribution of biological drivers to GPP-IAV modulation Deconvolution across time scales Hyytiälä (Boreal Pine) GPP climate biological AccP Climate drivers 60% Biological drivers 40%

62 AccP 45% AccP 9% GPP-IAV controls in conifers ( ) Hyytiälä (Boreal Pine) GPP Tharandt (Temperate Spruce) GPP thermal acclimation Stronger influence of thermal acclimation at the warmer site !!! +9°C +4°C Rglob Tair VPD REW AccP LAI Bwood Csoil Climate Biological

63 Thermal acclimation AccP Jan JulNov Hyytiälä (Boreal Pine) GPP Tharandt (Temperate Spruce) GPP GPP-IAV controls in conifers ( ) +9°C +4°C AccP 45% AccP 9% +++ AccP constraint AccP constraint +

64 Thermal acclimation AccP Jan JulNov +++ AccP constraint AccP variations + + AccP constraint AccP variations +++ Hyytiälä (Boreal Pine) GPP Tharandt (Temperate Spruce) GPP GPP-IAV controls in conifers ( ) +9°C +4°C AccP 45% AccP 9% Delpierre et al., 2012

65 Répondre à une question scientifique à laide dun modèle mécaniste. Quelle influence du régime de sylviculture sur la production de bois (et la survie)?

66 CASTANEA : échelles de simulation CASTANEA simule le comportement dun arbre moyen à léchelle de la parcelle Lanalyse de trajectoire de dépérissement / mortalité ne peut se faire quà léchelle individuelle Thèse Joannès Guillemot

67 CASTANEA simule le comportement dun arbre moyen à léchelle de la parcelle Lanalyse de trajectoire de dépérissement / mortalité ne peut se faire quà léchelle individuelle Nouveau développement dans CASTANEA 1 ère étape : la simulation des trajectoires de croissance individuelle CASTANEA : échelles de simulation Thèse Joannès Guillemot

68 Dhôte, 1999 RFF Compétition entre classes sociales

69 Process – based models Simulation of the flux, growth and range in a dynamic environnement Empirical models Simulation of the growth and management impact under the calibration environnement Presentation of a new coupled approach Application: Management impact on forest functioning at large scale Averaged tree Tree centered Un modèle couplé Guillemot et al., 2013 FSPM

70 Distribution de lincrément en volume total dans les individus basée sur la relation non-linéaire f(c)=Δg (Dhôte, 1999) ΔgΔg c Relation ajustée pour que ΣΔg ΣΔv = ΔV annuel CASTANEA Couplage CASTANEA – FMM Module de gestion forestière Permet la simulation des croissances individuelles et de limpact de différents scénarios sylvicoles sur ces croissances Guillemot et al., 2013 FSPM Un modèle couplé

71 Guillemot et al., submitted

72 Control treatment Thinning treatments Comparison of 4 thinning intensity treatments Revolution of 150 years Un modèle couplé

73 The impact of thinning on productivity depends on soil water stress Guillemot et al., submitted

74 Un modèle « vivant » CASTANEA, les développements en cours…

75 Modélisation des effets de lâge sur la productivité des écosystèmes forestiers Litière C Surface Profond C C Cond. Stom. C réserves CO 2 Modélisation du fonctionnement à long terme des écosystèmes forestiers C C C Bois Grosses Racines Fines Racines C Feuilles Déclin de la productivité ligneuse avec lâge Accroissement du flux respiratoire allocation des ressources à la reproduction Limitation hydraulique Réduction de la disponibilité en nutriments (N) Quantité photoassimilats Proportion photoassimilats allouée au bois RgTHRPrec

76 Modélisation du fonctionnement à long terme des écosystèmes forestiers Accroissement de linvestissement vers la repro avec lâge Genet et al., 2010

77 Modélisation du cycle de lazote au sein dun modèle de fonctionnement forestier Cond. Stom. C réserves CO 2 N limitant, contexte dépôts azotés Processus à modéliser Minéralisation matière organique du sol Prélèvement azoté (racines, canopée) Gestion des réserves azotées Allocation couplée C-N N minéral CN CN CN Micro organismes Litière Surface Profond N 2 O NO N 2 NH 3 C N Grosses Racines C N Bois C N Feuilles N réserves Modélisation du fonctionnement à long terme des écosystèmes forestiers C N Fines Racines NH 4 + NO 3 - RgTHRPrec

78 Le Bouquet de la Reine Amélie, Fontainebleau


Télécharger ppt "MODF, 6 janvier 2014 Modélisation des bilans de carbone, deau et de minéraux des écosystèmes forestiers Nicolas Delpierre Ecophysiologie végétale, L.E.S.E."

Présentations similaires


Annonces Google