Autres outils de diagnostic de l’impact : modélisation d’un écosystème

Slides:



Advertisements
Présentations similaires
Comparaison des méthodes déterministes et Monte Carlo
Advertisements

L A D A P T A B I L I T É E S T U N P R I N C I P E, L U T I L I T É U N E E X I G E N C E.
La fixation d’un prix de vente
Traitement du signal en Mécanique domaines d ’applications
Démarches de modélisation
bloom phytoplanctonique
Programme: PIM / MEDICIS
Audition CNRS pour le poste 44/04 au LOCEAN
au LISC, Cemagref de Clermont Ferrand
La chaîne d’énergie dans la structure générale d ’un système pluritechnique But de la chaîne d’énergie : Apporter la bonne quantité d'énergie, sous la.
TP1 : Etude des relations au sein d’un Ecosystème
HORAIRES HEBDOMADAIRES PROPOSES Spécialité Gestion 3 heures en classe entière 2 heures en demi - groupe Soit 5 heures - élève Spécialité Communication.
Régression -corrélation
Cours d’Automatique MASTER OIV
Chapitre 3: Modélisation des systèmes
Marketing Engineering
Univers Vivant L’écologie
ETUDES DES CONSTRUCTIONS
Chapitre 1 : La production végétale : utilisation de la productivité primaire
Objectifs du chapitre 7: Plans corrélationnels
La Démarche Scientifique
Howell, Chap. 1 Position générale
Automatisme de portail Autonome
SCIENCES DE L ’INGENIEUR
Corrélation et régression linéaire simple
Principes de thermodynamique
THEME : NOURRIR L’HUMANITE.
Emmanuel Chassot et Didier Gascuel
RECHERCHE COMMERCIALE
Neuroénergétique Etudiantes :
2.1 Le transfert d’énergie dans les écosystèmes
Travaux de thèse de Julien FRANCOIS
MODELISATION D’ECOSYSTEMES
Objectifs Chapitre 8: Mesure en psychologie
Les analyses multivariées
Objectifs du chap. 5: Plans de recherche classiques
La stœchiométrie et ses implications dans le fonctionnement des réseaux trophiques Mehdi Cherif UMR 7625 (Fonctionnement et évolution.
Tolerance Manager Un concept métier
Assistance au tolérancement avec TopSolid
1 Mathématiques, environnement et modélisation-simulation Cégep de Rimouski AQPC 2013 Compléments mathématiques Philippe Etchecopar Groupe Initiatives.
Modélisation de la formation de bancs de poissons
Sciences de l’ingénieur
Directeurs de recherche: Eric Girard et Colin Jones Étudiant: Dragan Simjanovski Évaluation des processus radiatifs et des nuages par le modèle GEM-LAM.
MAXIMISER les RESULTATS
Écologie.
LES ETANGS PALAVASIENS
TP à la recherche du pétrole
Station Matine de Villefranche sur Mer
Approche interne de la chaîne d’énergie (approche nécessaire pour maîtriser le fonctionnement des systèmes au delà du premier ordre) Spécification des.
Méthodologie de la recherche
Lien entre deux variables
La communication externe ( Marketing)
Méthodes d’assimilation: Le problème du point de vue de la mesure (P. Prunet, Noveltis) Assimilation de données en zones cotières (P. De Mey, LEGOS/POC)
Fonctionnement d’un écosystème naturel
LES PRINCIPES DE LA THERMODYNAMIQUE
Physique quantique Interférences avec des électrons.
TNS et Analyse Spectrale
Prototypage Rapide Du modèle numérique au modèle physique
SYSTEMES NON LINEAIRES
Application à la viabilité des systèmes irrigués à Podor de la modélisation à la restitution aux paysans Olivier Barreteau.
ELE6306 : Test de systèmes électroniques Test intégré et Modèle de faute de délai Etudiante : S. BENCHIKH Professeur : A. Khouas Département de génie électrique.
Compétition pour l ’azote inorganique entre le pelagos et le benthos d ’un milieu côtier oligotrophe. Effets sur la dynamique de l ’écosystème. Baie de.
Surveillance de l'environnement : la problématique du prélèvement, du traitement, de la mesure des échantillons de l'environnement et de l’interprétation.
Régulation de température
Modélisation des Actions Mécaniques Première sti2d
DOSIMEX OPERATIONNEL DOSIMEX-GX 2.0 : code de calcul déterministe de débit de dose émetteurs gamma et générateur X, avec option feuille de calcul norme.
Structure et fonctionnement des écosystèmes
CEA dapnia Saclay 24 Janvier LA COMMANDE PREDICTIVE FONCTIONNELLE de Jacques RICHALET COPPIER Hervé ESIEE-Amiens
______________________________________________________________________ Journée GDR MoMaS – / 11 / 2007 _ ____________________________________________________________________________________.
Transcription de la présentation:

Autres outils de diagnostic de l’impact : modélisation d’un écosystème STE2 : 2002 Autres outils de diagnostic de l’impact : modélisation d’un écosystème Présenté par : Taiana LUTH Anne-Lise AUZAN Stéphane POCHET Alan BOISSON Stéphanie DECUN Enseignement de BIOMETRIE

Situation dans la problématique du cours INTRODUCTION Situation dans la problématique du cours

INTRODUCTION Modèle : système simplifié représentant quelques traits essentiels de la réalité Biocénose Relations directes Population 1 Biotope Relations indirectes Population 2 Objectif : simulation du fonctionnement de l’écosystème

Décomposeurs et Détritivores PRINCIPE Mise en équations des interactions entre les niveaux trophiques, à l’intérieur des niveaux trophiques et avec le milieu extérieur. Respiration Matières mortes Consommateurs III Consommateurs II Consommateurs I Producteurs I Décomposeurs et Détritivores Phototrophie Matière

Elaboration du modèle Définition de la problématique * Optimisation * Description En fonction de l’objectif fixé (étude d’impact, recherche…) * Prédiction * Quantification * Inter relations

Caractérisation de l’écosystème Elaboration du modèle Caractérisation de l’écosystème Schéma de principe du Lagunage à Haut Rendement (LHR) O2 Bactéries Phytoplancton Nutriments (CO2, NH4+, PO43-) CO2 atmosphérique Eaux usées Eaux traitées O2 atmosphérique Rayonnement solaire = Recherches bibliographiques

Descripteurs de l’environnement Elaboration du modèle Mise en équations Méthode déterministe Méthode statistique = = Equations différentielles Coefficient de corrélation Descripteurs de l’environnement

Elaboration du modèle Méthode déterministe Temps de séjour Modèle conceptuel Méthode déterministe Description mathématique des processus Temps de séjour X Entrées Sorties [X]e [X] Variables d’état Variables forçantes Pénétration lumineuse Loi de Beer-Lambert Iz = Io exp(-Kext z) où Iz quantité de lumière à la profondeur z Io quantité de lumière à la surface Kext coeficient d’extinction global de la lumière Hydraulique *DTS = e(-ts/t) ts: temps de séjour moyen *Apports = [Xe]*V/ ts *Sorties = [X]bassin*V/ts=X/ts où X : Quantité totale de la substance X dans tout le bassin Essais - erreurs = analyse de sensibilité Évolution de la biomasse phytoplanctonique globale dPh/ dt = (Gp-Dp)*Ph où Gp= f(t°;I;SN) Calibration – simulation Paramètre 1 Fonction 1 Paramètre 2 Fonction 2 …………….. ………….. Paramètre n Fonction n Validation

Méthode statistique (ACD) Elaboration du modèle Modèle (s) conceptuel(s) Méthode statistique (ACD) Normaliser Centrer Réduire X1 X2 X3 Y U Exemple de modèle conceptuel X1, X2, X3 variables explicatives Y variables expliquées U variables résiduelles « Calibration » ^ y ‘ = a’ 1X1+a’2X2+…a’pXp Dénormaliser Décentrer Déréduire Simulation Validation

Comparaison des deux méthodes Le modèle statistique Avantages - Corrélation rapide des variables Établissement d’un ordre causal entre les variables Inconvénients - Pas de prise en compte des mécanismes internes - Impossibilité d’introduire des interactions spécifiques entre les variables - Résultat fonction de la fréquence d’échantillonnage ( La composante variant le plus rapidement dicte la fréquence d’échantillonnage) … Le modèle déterministe Avantages - hautement structuré - Possibilité d’introduire des interactions spécifiques entre les variables Possibilité de faire entrer plus d’informations que nécessaire … Inconvénients Bien connaître les relations entre les variables mises en jeu Transcription des concepts en équations

Le modèle ECOPATH II Historique Modèle initial élaboré par Polovina dans les années 1980 Elaboration du modèle Définition de l’écosystème : Condition à remplir: Interactions externes<<Interactions internes Définition des groupes trophiques

Le modèle ECOPATH II Modèle schématisé

Le modèle ECOPATH II Principe : équilibre énergétique d’un écosystème. Dans un écosystème stable et en équilibre, les apports et les pertes d’énergie de chaque composant se compensent. Equation : Pour chaque groupe, Q = P+ R+ U APPORTS = PERTES Q consommation P production R respiration U nourriture non assimilée

Le modèle ECOPATH II B Biomasse (t·km-2) Paramètres utilisés pour ECOPATH B Biomasse (t·km-2) P/B Production / Biomasse (t·km-2 ·an-1) Q/B Consommation / Biomasse(t·km-2 ·an-1) U Nourriture non assimilée (%) EE Efficience écotrophique (%)

Le modèle ECOPATH II Exemple de paramètres à étudier : La consommation d’aliments et l’étude des nageoires Le nageur le plus rapide est celui qui mange le plus.

Le modèle ECOPATH II Exemple de paramètres à étudier : La consommation d’aliments et l’étude des nageoires jaune AR = Rouge AR = 9.8 Hauteur² AR = 1.3 W = poids asymptotique T = température AR = indice de forme de la nageoire caudale Ft = régime alimentaire Q/B = 3 · W-0.2 · T0.6 · AR0.5 · 3 eFt

Impact des alevins de gardons sur les communautés planctoniques du lac d’Aydat

Discussion sur ECOPATH II Avantages du modèle Logiciel simple à utiliser qui ne nécessite pas forcément la donnée de beaucoup de paramètres. Efficace et adaptable à divers écosystèmes. Complet : permet l’intégration de nombreuses données Inconvénients du modèle : Modèle statique : donne une image de l’écosystème à un instant donné mais ne permet pas directement d’en étudier l’évolution. Limites de tout modèle Modèle essentiellement biologique et non hydrodynamique

Conclusion ECOCOMPLEXE Biotope Biocénose Ecosystème 1 Biotope interactions Flux de matière Flux d’organismes vivants