3. Exemple détaillé: Estimation des émissions de N 2 0 Aurore Philibert Doctorante en statistique appliquée à l’agronomie Oracle Kick-off Meeting mai 2011 Clermont-Ferrand

Contexte Emissions de gaz à effets de serre Coefficient d’émission du GIEC

Equation du GIEC Emission de gaz à effet de serre = Activity Data (AD)* Emission factor (EF) AD = informations sur la mesure dans laquelle l’activité humaine se déroule EF = coefficients qui permettent de quantifier les émissions par unité d'activité

Plus précisément… Calcul du facteur d’émission EF dans le cadre des émissions de N 2 0 dues à l’activité humaine. N 2 0 = oxyde nitreux et les êtres humains contribuent aux émissions d'oxyde nitreux par la culture du sol et l'utilisation d'engrais azoté EF1 = la quantité de N 2 O émis par les différentes applications d’engrais azoté synthétiques et organiques dans les sols, (y compris les résidus de culture et la minéralisation du carbone organique du sol dans les sols minéraux en raison du changement d'affectation ou de gestion) Pourcentage d’engrais azoté transformé en N 2 0

Revised 1996 IPCC Guidelines for National Greenhouse Gas Inventories Facteur d’émission : 1.25%. Par régression linéaire (Bouwman, 1996) Workbook (Volume 2) §Agriculture Pages Bouwman (1996) Direct emission of nitrous oxide from agricultural soils. Nutrient cycling in agroecosystems 46:53-70

2006 IPCC Guidelines for National Greenhouse gas inventories Volume 4: Agriculture, forestry and other land use Chapitre 11: N 2 0 emissions from managed soils and C0 2 emission from lime and urea application Stehfest and Bouwman (2006) N 2 0 and NO emission from agricultural fields and soils under natural vegetation: summarizing available measurement data and modeling of global annual emission. Nutrient Cycling in Agroecosystems 74: Recalculé par Stehfest and Bouwman (2006) à 1% avec une gamme d’incertitude de

Notre objectif Ré-estimer le facteur d’émission (1%) avec une approche par modèles hiérachiques fréquentistes et Bayésiens. Quantifier la variabilité inter-étude ainsi que l’incertitude de ce facteur d’émission

Matériel Base de données

Jeu de données (1124 observations) Nom variableTypeNombre données manquantes Référence (numéro de l’étude) qualitatif0 Dose d’engrais azotéquantitatif0 Mesure de N 2 0quantitatif0 Climatqualitatif0 Type de sol (plusieurs)qualitatif/ quantitatif > 0 Précipitation annuellequantitatif750 Type de culturequalitatif31 Type d’engrais azotéqualitatif308 Durée d’expérimentationqualitatif0 Méthode de mesure de N 2 0qualitatif0 Fréquence de mesure de N 2 0qualitatif108

Représentation d’une partie des données 5 études par graphique (couleurs différentes) Abscisse: Dose d’engrais azoté en kg N ha -1 Ordonnée: log(émission de N 2 0 en kg N ha -1 year -1 ) Plusieurs répétitions des doses d’engrais dans une même étude(moyenne ici)

Méthodes Modèles hiérarchiques fréquentistes et Bayésiens

Modèles fréquentistes (1) Modèle 5: Y ijk =α 0i +α 1i *d ij +ε ijk, ε ijk ~N(0,σ 2 ) iid i=étude, j=dose d’engrais azoté, k=répétition de la dose d’engrais azoté dans une étude α 0i ~N(μ α0,σ α0 2 ) et α 1i ~N(μ α1,σ α1 2 ) et cov(α 0i,α 1i )=c

Modèles fréquentistes (2) Numéro du modèleα0α0 α1α1 Variable explicative: Dose d’engrais azoté Modèle 1fixe-non Modèle 2fixe oui Modèle 3aléatoire-non Modèle 4aléatoirefixeoui Modèle 5aléatoire oui Y ijk =α 0(i) +α 1(i)* d ij+ ε ijk, …

Modèles Bayésiens Mêmes modèles mais avec les a priori suivants: μ α0, μ α1, α 0, α 1 ~ N(0,1000) - Loi Normale σ 2, σ α0 2, σ α1 2 ~ U(0,100) - Loi Uniforme Les modèles sont notés Modèle1B, Modèle2B, Modèle3B, Modèle4B et Modèle5B.

Résultats Critères de sélection Représentation graphique

Critères de sélection (1) Modèle 1Modèle 2Modèle 3Modèle 4Modèle 5 AIC BIC Modèles à effets aléatoires meilleurs que modèle à effets fixes. Modèles avec la variable explicative « dose d’engrais » meilleur que sans (Même en effets fixes) Modèles avec effet aléatoire pour α 0 et α 1 meilleur que juste avec un effet aléatoire sur α 0.

Critères de sélection (2) Même conclusion qu’en fréquentiste Modèle le plus complexe retenu Modèle 1BModèle 2BModèle 3BModèle 4BModèle 5B DIC

Représentation graphique: Modèle 5 (1) 1 étude par graphique Abscisse: Dose d’engrais azoté en kg N ha -1 Ordonnée: log(émission de N 2 0 en kg N ha -1 year -1 ) Courbe rouge: estimation moyenne du modèle Courbe noire: estimation du modèle pour cette étude

Représentation graphique: Modèle 5 (2)

Représentation graphique: Modèle 5 (3)

Conclusions Surestimation des émissions de N 2 O par le GIEC Modèles hiérarchiques permettent d’apporter plus d’information qu’une « gamme d’incertitude » Prennent en compte l’effet inter-étude

Merci de votre attention!