Algorithme de compétition des plantes pour l’eau dans un...

20
 Algorithme de compétition des plantes pour l’eau dans un système racinaire 3D Zakaria Saadi UMR SYSTEM

Transcript of Algorithme de compétition des plantes pour l’eau dans un...

Page 1: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

Algorithme de compétition des plantes pour l’eau dans un 

système racinaire 3DZakaria SaadiUMR SYSTEM

Page 2: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 

La scène Hi­sAFe

 Culture : enracinement vertical 1D Arbre : enracinement 3D

Cellule carrée (culture ou arbre)

Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   enraciné par p plantes

n cellules carréesp plantes (<= n)N voxels

m voxels/cellule 

 Résoudre le cas général de compétition pour l’eau : p plantes en compétition dans N voxels enracinés

Page 3: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

Modèle Mathématique à base physique 

πG0−1 ρip φisoil−φ i

rhizo ,p =k rep ψ irhizo , p−hp

∑i=1

N

Lrvip⋅Δz i⋅k re

p⋅ψ irhizo , p−hp=f p hp⋅Tp

Continuité des fluxi=1, …, N

Prélèvement total

φ ψ =∫−∞

ψK h dh

Matric flux potential

Cas d’une seule plante

f p hp = [1 hp /hp /2 a ]

−1

Fonction de Campbell[0 , 1]

De Willigen and van Noordwijk, 1987

Page 4: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Paramétrisation de la plante et de ses racines

Une  plante est décrite par six parameters physiques qui contrôlent son aptitude à extraire l’eau du sol

 Racines (3 paramètres mesurables): Diamètre D0 (e.g., 0.02 cm),Conductance hydraulique axiale kre (e.g., 0.00001 cm.j­1),Facteur de résistance longitudinale pour la sève dans la racine fLRes (e.g., 50 cm.mm­1.m­1)

 Plante : fonction de Campbell (3 paramètres empiriques):Potentiel de Transpiration maximale Ψmax

p (e.g., –10000 cm; pF=4.0)Potentiel de Transpiration minimale Ψmin

p (e.g., –30000 cm; pF=4.5)Courbure α (e.g., 0.1)

α

1­α1

ΨminΨmax

f p hp = [1 hp /hp /2 a ]

−1

hp /2=−ψmaxp .ψmin

p a=Ln α / 1−α

Ln ψmaxp /ψmin

p

Page 5: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Paramétrisation hydrodynamique du sol

Modèle de van Genuchten­Mualem (van Genuchten, 1980) pour la courbe de rétention et la conductivité hydraulique non saturée : 

m=1−1 /n

5 paramètreshg, Ks, θs : paramètres d’échelle (structure)m : paramètre de forme (texture)θr : artefact mathématique (en général θr = 0) 

Sw=θ−θrθs−θr

=[1h /hg n]

−m

KK s

=Sw1 /2 [1−{1−Sw1 /m }

m ]2

Page 6: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 STEP 1 : Classer les plantes en compétition dans l’ordre croissant de leur potentiels hp au pas de temps précédent

Cas général de plusieurs plantes en compétition

 STEP 2 : Résoudre l’ensemble des (mn+1)*p équations non linéaires et couplées :

π∑l=1

p

flagkl⋅G0

−1 ρpk , il φi

l−φ i

l−1 =krp

k

ψ ik−hk

∑i=1

N

Lrv ipk

⋅Δz i ¿krp

k¿ ψ i

k−hk =f pk hk ¿T pk

for k=1,... , p with h1h2... ...hp

for i=1,... ,N

ψ i

pk ,hp k,U

act ipk, T pk Solution du système d’Eqs. i=1,... ,N

Page 7: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Algorithme de résolution numérique 

Page 8: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 

Modèle simplifié linéarisé C’est une simplification du modèle général non linéaire

 Hypothèse centrale :  ψGrhizo , p=1b ψG

soil b : buffer potential(b ≈ 0.05­0.1)

WaNuLCAS

Page 9: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Exemple (1D, N=4, n=2)  

 p=1 : Culture; p=2 : Arbre 

­ ∆zi = 0.2 m (i=1, …, 4), ∆t = 1 jour (Tmax= 30 jours)­ θ0i = θ(h0i) = 0.2 (i=1, …, 4) (teneur volumique en eau initiale)­ T1 = T2 = 2 mm­ Modèle du bilan d’eau capacitif (cascade) pour le calcul de θi(t) et hi(t)

Paramètre Culture Arbrekre (cm.j­1) 0.00001 0.00001

flRes (cm.mm­1.m­1) 50 50D0 (cm) 0.02 0.05

α (­) 0.1 0.1Ψmin (cm)  ­20000 ­30000Ψmax (cm) ­5000 ­10000

Root density (cm.cm­3)

0

0.5

1

1.5

2

2.5

3

0 0.2 0.4 0.6 0.8

Depth (cm)

CropTree

Page 10: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Cas d’une séquence pluvieuse 

0

10

20

30

40

50

60

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Rainfall (mm)Simulations Hi­sAFe (NL) 

Potentiels des plantesPrélèvements d’eau des plantes

Plant Uptake (mm) ­ Hi­sAFe

1.999

1.9991

1.9992

1.9993

1.9994

1.9995

1.9996

1.9997

1.9998

1.9999

2

0 5 10 15 20 25 30

day

croptree

Plant water potential (cm) ­ Hi­sAFe

­1000

­900

­800

­700

­600

­500

0 5 10 15 20 25 30

day

croptree

Page 11: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Cas d’une séquence pluvieuse 

0

10

20

30

40

50

60

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Rainfall (mm)Comparaison Hi­sAFe/WaNuLCAS(prélèvement d’eau et potentiel)

Culture ArbreCrop water potential (cm)

­1000

­900

­800

­700

­600

­500

0 5 10 15 20 25 30

day

Hi­sAFeWaNuLCAS

Crop Uptake (mm)

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFeWaNuLCAS

Tree water potential (cm)

­1000

­900

­800

­700

­600

­500

0 5 10 15 20 25 30

day

Hi­sAFeWaNuLCAS

Tree Uptake (mm)

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFeWaNuLCAS

Page 12: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

Root water extraction (mm) ­ Voxel 4

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

0 5 10 15 20 25 30

day

TreeCrop

Root water extraction (mm) ­ Voxel 3

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

0 5 10 15 20 25 30

day

TreeCrop

Root water extraction (mm) ­ Voxel 2

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

0 5 10 15 20 25 30

day

TreeCrop

Root water extraction (mm) ­ Voxel 1

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

0 5 10 15 20 25 30

day

TreeCrop

 Cas d’une séquence pluvieuse 

 

0

10

20

30

40

50

60

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Rainfall (mm)

Simulations Hi­sAFe (extraction racinaire de l’eau)

LrvC >> LrvT

LrvC << LrvTLrvC    LrvT

LrvC = LrvT

Page 13: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Cas d’une séquence pluvieuse 

0

10

20

30

40

50

60

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Rainfall (mm)Comparaison Hi­sAFe/WaNuLCAS (extraction racinaire de l’eau)

Culture ArbreCrop root water extraction (mm) ­ Voxel 1

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFeWaNuLCAS

Crop root water extraction (mm) ­ Voxel 2

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFeWaNuLCAS

Tree root water extraction (mm) ­ Voxel 1

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

Hi­sAFeWaNuLCAS

Tree root water extraction (mm) ­ Voxel 2

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

Hi­sAFeWaNuLCAS

Page 14: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Cas d’une séquence pluvieuse 

0

10

20

30

40

50

60

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Rainfall (mm)

Comparaison Hi­sAFe/WaNuLCAS (Teneur volumique en eau)

Soil volumetric water content (cm3 cm­3) ­ Voxel 1

0.15

0.16

0.17

0.18

0.19

0.2

0.21

0.22

0 5 10 15 20 25 30

day

WaNuLCASHi­sAFe

Soil volumetric water content (cm3 cm­3) ­ Voxel 2

0.15

0.16

0.17

0.18

0.19

0.2

0.21

0.22

0 5 10 15 20 25 30

day

WaNuLCASHi­sAFe

Soil volumetric water content (cm3 cm­3) ­ Voxel 3

0.15

0.16

0.17

0.18

0.19

0.2

0.21

0.22

0 5 10 15 20 25 30

day

WaNuLCASHi­sAFe

Soil volumetric water content (cm3 cm­3) ­ Voxel 4

0.15

0.16

0.17

0.18

0.19

0.2

0.21

0.22

0 5 10 15 20 25 30

day

WaNuLCASHi­sAFe

Page 15: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

 Cas d’une séquence sans pluies

Simulations Hi­sAFe (NL)

Plant water potential (cm) ­ Hi­sAFe

­18000

­16000

­14000

­12000

­10000

­8000

­6000

­4000

­2000

0 5 10 15 20 25 30

day

crop

tree

Plant Uptake (mm) ­  Hi­sAFe

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

crop

tree

Prélèvements d’eau des plantes Potentiels des plantes

Page 16: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

Comparaison Hi­sAFe/WaNuLCAS (prélèvement d’eau et potentiel)

Culture ArbreCrop water potential (cm)

­20000

­18000

­16000

­14000

­12000

­10000

­8000

­6000

­4000

­2000

0 5 10 15 20 25 30

day

Hi­sAFe

WaNuLCAS

Crop Uptake (mm)

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFe

WaNuLCAS

Tree water potential (cm)

­20000

­18000

­16000

­14000

­12000

­10000

­8000

­6000

­4000

­2000

0 5 10 15 20 25 30

day

Hi­sAFe

WaNuLCAS

Tree Uptake (mm)

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFe

WaNuLCAS

 Cas d’une séquence sans pluies

Page 17: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

Simulations Hi­sAFe (extraction racinaire de l’eau)

 Cas d’une séquence sans pluies

Root water extraction (mm) ­ Voxel 1

0

0.2

0.4

0.6

0.8

1

1.2

1.4

0 5 10 15 20 25 30

day

TreeCrop

Root water extraction (mm) ­ Voxel 3

0

0.2

0.4

0.6

0.8

1

1.2

1.4

0 5 10 15 20 25 30

day

TreeCrop

Root water extraction (mm) ­ Voxel 2

0

0.2

0.4

0.6

0.8

1

1.2

1.4

0 5 10 15 20 25 30

day

TreeCrop

Root water extraction (mm) ­ Voxel 4

0

0.2

0.4

0.6

0.8

1

1.2

1.4

0 5 10 15 20 25 30

day

TreeCrop

Page 18: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

Comparaison Hi­sAFe/WaNuLCAS (extraction racinaire de l’eau)Culture Arbre

Tree root water extraction (mm) ­ Voxel 3

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFe

WaNuLCAS

 Cas d’une séquence sans pluies

Tree root water extraction (mm) ­ Voxel 2

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

Hi­sAFeWaNuLCAS

Crop root water extraction (mm) ­ Voxel 1

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFeWaNuLCAS

Crop root water extraction (mm) ­ Voxel 2

0

0.4

0.8

1.2

1.6

2

0 5 10 15 20 25 30

day

Hi­sAFeWaNuLCAS

Page 19: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

Comparaison Hi­sAFe/WaNuLCAS (Teneur volumique en eau)

Soil volumetric water content (cm3 cm­3) ­ Voxel 2

0.06

0.08

0.1

0.12

0.14

0.16

0.18

0.2

0 5 10 15 20 25 30

day

WaNuLCAS

Hi­sAFe

Soil volumetric water content (cm3 cm­3) ­ Voxel 3

0.06

0.08

0.1

0.12

0.14

0.16

0.18

0.2

0 5 10 15 20 25 30

day

WaNuLCAS

Hi­sAFe

Soil volumetric water content (cm3 cm­3) ­ Voxel 4

0.06

0.08

0.1

0.12

0.14

0.16

0.18

0.2

0 5 10 15 20 25 30

day

WaNuLCAS

Hi­sAFe

 Cas d’une séquence sans pluies

Soil volumetric water content (cm3 cm­3) ­ Voxel 1

0.06

0.08

0.1

0.12

0.14

0.16

0.18

0.2

0 5 10 15 20 25 30

day

WaNuLCASHi­sAFe

Page 20: Algorithme de compétition des plantes pour l’eau dans un ...capsis.cirad.fr/capsis/_media/documentation/slides/3july2007/capsis… · Voxel i (∆zi, Vi, Lrvip) (i=1, …, N=m*n)

   

Conclusions et Perspectives 

Modèle non linéaire (NL) Modèle simplifié linéarisé (SL)

Extraction racinaire (voxel)

Prélèvement total(plante)

Pas d’oscillations(∆t=1j, diff. au  θpf)

Oscillations non physiques

Idem SL Idem NL

Potentiels de la plante& de la rhizosphere

Meilleur(optimisation directe)

Qqs. aberrations (Pb. Initialisation) 

Temps CPU Lent (Hi­sAFe)(procédure itérative)

Rapide (Hi­sAFe)(facile à mettre en œuvre) 

Diminuer le temps de calcul en agissant sur le maillage

Agir sur le paramètre b (Lrv(z)), pour raffiner l’extraction

Alternatives