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)

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

Qu’est-ce qui est fait en terme d’analyse de sensibilité/estimation des paramètres.

Agro-hydrosystème

Agro-hydrosystème

Agro-hydrosystèmes? Espace (région, paysage, parcelle)

Climat Sol Usages des surfaces pratique et gestion Apports exogènes d’eau (rivière canaux)

Questions Finalisées Analyse prospective (impact du

changement climatique – impact de directives telle que la loi cadre sur l’eau) lle) Quelles seront les potentialités agricoles et

forestières futures? Quel sera le devenir des aquifères souterrains? Quelles mesures techniques pour s’adapter (à

combiner avec un point de vue SHS mise en place de ces mesures)?

Questions Finalisées Aide à la décision

Date d’intervention (éviter le tassement de sol) Modulation des pratiques sur la parcelle pour

minimiser les impacts négatifs sur l’environnement (exemple de la fertilisation azotée)

Organisation spatiale des cultures et minimisation de l’impact sur l’environnement (érosion, ruissellement, pesticides, fertilisants)

Impact d’un aménagement (hydraulique : canal, bassin de rétention, captage …)

Enjeux scientifiques Le milieu sous-terrain (sol, sous-sol, nappe)

variable dans l’espace et le temps et difficile à caractériser.

On ne sait pas mesurer la plupart des flux et des variables d’état du système aux échelles spatio-temporelles pertinentes.

Expérimentations conceptuellement difficiles à mettre en place (contrôle de la variabilité) et très coûteuses

Variabilité : exemple de la teneur en eau des sols

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

50 55 60 65 70 75 80 85 90 95 100 105

Day of Year ( 20 Feb 2004 - 13 Apr 2004 )

Soi

l Moi

stur

e C

onte

tnt (

0-5

cm)

m3 m

-3

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0.80

Soi

l Moi

stur

e C

onte

tnt (

0-30

cm

) m

3 m-3

TILL REF NOTILL REF COMP REF

TILL OBS NOTILL OBS COMP OBS

0-5 0-5 cm

0-30 cm

Mumen, 2006

Inadéquation entre possibilités de mesure et besoins : exemple de la teneur en eau.

Chanzy et al, 2007

Des mesures très locales

Bolvin et al., SSSAJ 2003

Ou très superficielles (télédétection micro-onde) et peu précises

-14

-12

-10

-8

-6

-4

-2

0

0 0.1 0.2 0.3 0.4

soil moisture [m3/m3]

hh 3

0° [d

B]

.

1

2

3

4

Humidité dans les 2 premiers cm Précision 0.04 a 0.06 m3/m3 (RMSE)

Chanzy, 2009

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

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

Outil d’aide à la décision

Climat (vent, rayonnement, Température et Humidité de l’air, Précipitations) Sol (granulométrie, Carbone Organique) Historique cultural Appréciation visuelle de la surface

Propriétés mécaniques (PTF) Modèle de tassement des sols

Caractéristiques Engins

Détermination paramètres (charte photos, PTF) Modèle transferts hydriques

Humidité(t,z)

Seuil Humidité

Comparaison

Recommandations pour l’intervention

Mesures Humidité

Mesures Ornières& Humidité

Donnée d’entrée

Modèle, stratégies de mise en oeuvre

Variables produite pour l’aide à la décision

Recommandation

Algorithme de correction et d’apprentissage

16

Le modèle Choisi, Transfert d’Eau et de Chaleur (Modèle TEC)

Description schématique du modèle mécaniste de transferts couplés d’eau et de chaleur

Flux de masse, flux de chaleurFlux de masse, flux de chaleur

Sensibilité du modèle

0.000

0.010

0.020

0.030

0.040

0.050

0.060

0.070

0.080

0.090

gaz -

Hga

z -L

den -

H

den -

L

lam- H

lam -L

ems-

Hem

s-Lalb

-Halb

-L

rug+

Hru

g-L

TemCI-H

TemCI-H

TemCL-H

TemCL-L

PsiCI

PsiCL

SHP

Paramètre

RM

SE m

3 m-3

0-5 cm 0-30 cm

CO-SL (10 % Ar)

Choix des grandeurs à estimer

Le paramètreFacilement accessible

Peu d’impact 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

L’albédo (a) La rugosité (z0) L’émissivité (s)

Les propriétés hydrodynamiques (Ө), k(Ө)

Les conditions initiales 0z Les conditions initiales T0z

Les conditions aux limites inférieurs 0zm

Les conditions aux limites inférieursT0zm

Mise en oeuvre D’un point de vue opérationnel nous proposons,

D’utiliser la FPT de Wosten 1997 pour les propriétés hydrodynamiques du sol

Exploiter un proxi (granulométrie du sol) d’initialiser 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 d’un processus à privilégier

Précision de l’ordre de 0.04 m3/m3

Assimilation de données

Méthode inverse

Kalman Filter using Correlation

0-5 0-30 0-5 0-30

Without assimilation 0.065 0.060 0.065 0.060

Assimilation weekly measurements 0-5 0.029 0.020 0.039 0.036

Assimilation weekly measurements 0-30 0.033 0.021 0.040 0.022

Error in soil moisture (RMSE)

Pertinence de la simulation : risque de prendre une mauvaise décision

Gestion de la fertilisation azotée (thèse Hubert Varella) Enjeux apporter l’azote en quantité suffisante pour ne pas

avoir un stress azoté au niveau de la plante Eviter d’avoir un lessivage (surplus d’azote en solution

emportée par les eaux draînées).

Surface de feuilleQuelle quantité d’azote apporter

Carte des sols

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

Itinérairetechnique

Modélisation des cultures

>200 paramètres.

70 paramètres sols difficiles à obtenir

Estimer les paramètres sols

Choix des paramètres sols

Choix des paramètres sols

Méthode d’estimation des paramètres

1θ 7θ…

Information a priori sur les paramètres (IAP)

M = 10 000 M = 10 000

simulations des variables observées

tirages de valeurs

Importance Sampling : Principe de la méthode

T

t

Q

q tqtq1 1 ,,

2ntq,tq,2 x,θfy

21

exp2π

1

dntq, x,θf tq,y

posterioriθ

iθ

Distributions a posteriori

estime

posterioriθ iθ

Formule de Bayes

observationsprior

1θ simulations

Coût de la méthode M évaluations du modèle

Pour une utilisation à l’échelle parcellaire (conditions identiques : seules les observations changent), le nombre de simulations ne dépend pas du nombre de pixels.

29

Estimation des paramètres

Résultats sur un cas réel

Cartographie de l’évapotranspiration d’un paysage cultivé par assimilation de données de télédétection dans un modèle d’interaction surface-atmosphère

Thèse E. Kpemlie

Contexte : Estimer l’évapotranspiration pour comprendre et prévoir le développement des cultures, les interactions avec le

microclimat et gérer les interventions agricoles (irrigations).

-indice foliaire (LAI)

-hauteur du couvert

-état hydrique du sol

-vitesse du vent (ua)

-température de l’air (Ta)

TsCartographie de Ts

Rn H LE

G

LE = Rn - G - H

PBLs : un modèle couplé surface – couche limite atmosphérique :

Surface fluxes

Fxs

FXH

h

Temperature

Altitude (m)

hclsSurface layer

Mixer layer

Free atmosphere

Ta

albédo, LAI, rugosité du sol (z0), humidité du sol (f2)

Télédétection Difficile à estimer directement Assimilation Ts

Méthode d’assimilation Problème de très grande taille à résoudre :

les paramètres doivent être estimés sur chaque pixel et les variables d’état interagissent entre les différents pixels.

Les zones considérées sont constituées de plusieurs dizaines à centaines de milliers de pixels

utilisation d’une méthode variationnelle : minimisation d’une fonction de type moindres carrés pondérés avec prise en compte d’information a priori et calcul du gradient par adjointisation du modèle

JB J0IAP

Opérateur adjoint du modèle PBLs obtenu par différentiation automatique (logiciel TAPENADE)

Résultats

Correction de la température de surface

RMSE = 7 °C

RMSE = 4 °C

Obs.

– Ts

est

imé

35

Résultats

Correction des Flux

RMSE

35

blé

luzerneblé irrigué

Pour aller plus loin : modélisation mécaniste du fonctionnement des paysages : plate-forme de simulation SEVE

Environnement permettant De réaliser une segmentation de l’espace à partir de

sources d’information variées (MNT, Cartes d’occupation des sols, réseaux, image TD, cartes des sols) et en fonction des processus à représenter

De réaliser des modèles couplés en permettant l’interopérabilité de modèles de processus (issus de modèles existants)

D’assimiler des informations d’origines diverses De visualiser les sorties Disposer de jeux de données de référence

Con

necti

vit

é

O

bje

ts-U

C

Transferts dans la basse atmosphère1D à 3D

Transferts dans le sol saturé ou non-saturé1D/2D/3D

Transferts verticauxen surface

1D

Modules de transfert

Transferts latéraux

en surface:Écoulementsconcentrés

1D/2D

Objets Sol/Sous-sol:

horizon de solsous sol Substratum

Objet Basse Atmosphère

Modules de description des classes d’Objets SIC et de leur

évolution

Objets Surface parcelles

hydrologiquesTronçon de rivièreTronçon de haie

...

Transferts latéraux en

surface:Écoulements

nonconcentrés

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 d’état des Objets et UC

Géom

étr

ie-t

op

olo

gie

des U

C t

ran

sfe

rt

Géom

.-to

pol.

-éta

t d

es o

bje

ts d

es c

lasses

TS

TV

STLC

TLS

TB

A

InterpolationsAgrégations

Flux et variables d’état

Ob

jets

Ob

serv

ab

les

Surface: Transfert vertical eau, énergie, CO2La 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 interceptionPotentiel plante?Variables état de la neige

Variables d'intérêt:Albédos végétation, sol, bâtiRayonnements nets total, végétation, sol, bâti ()Flux latent, sensible végétation, sol, bâti, interception, neigeRayonnement net solaire, IR sol, végétation, etc.. ()Conductance stomatique

Basse atmosphère

Rayonnement réfléchi ()Flux sensibleFlux latentFlux de quantité de mouvement

Rayonnements incidentsTempérature, humidité de l'airResistance aérodynamiquePluie, concentration en CO2

Structure (LAI, Hauteur, Racines..)Biomasse compartimentsParamètres de fonctionnement(dépendant du développement)

Végétation

Flux d'énergie GFlux de masse E, PgExtraction racinaire (z)

SolSous-sol Teneur en eau (z)

Potentiel matriciel (z)Température sol (z)Conductivité hydraulique (z)

SolSous-sol

Irrigation

Température (développement)iomasse composantesFlux 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 masseEchelles temporelles des échanges: quelques minutes (basse atmosphère, sol/sous-sol)Journée (végétation)

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

L’intelligence de couplage est dans les modules (durée de validité, synchronisation, stockage des variables …)

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 d’information (exemple –infiltration ruissellement) stabilité numérique

Topologie (gérée dans les modèles) et les échanges entre modules Pb dans l’absence d’ordre dans l’exécution des

modèles? Gestion des singularités (réseau, haies …) Assimilation de données

Conclusions Le manque d’outils d’observation aux échelles

spatio temporelles adéquates, l’extrême 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 d’analyse de sensibilité et d’assimilation de données. Faut-il aller plus loin? Quelle marge respectives offertes par les stats, la compréhension des processus et les moyens d’observation?

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)