Adaptation of the generic crop model STICS for rice (Oryza sativa L.) using farm data in Camargue

par Kamran Irfan

Thèse de doctorat en Géosciences de l’environnement

Sous la direction de Fabienne Trolard et de Françoise Ruget.

Soutenue le 12-07-2013

à Aix-Marseille , dans le cadre de Ecole Doctorale Sciences de l'Environnement (Marseille) .

Le président du jury était Alberte Bondeau.

Le jury était composé de Fabienne Trolard, Françoise Ruget, Philippe Debaeke.

Les rapporteurs étaient Philippe Debaeke.


  • Résumé

    Le modèle de culture STICS a été adapté pour la culture du riz inondé et la capacité de prédiction du modèle a été évaluée pour la simulation de la biomasse à la récolte et du rendement en grains. La base de données utilisée pour ce travail résulte de la collecte de données au champ sur des parcelles en Camargue (sud-Est de la France) gérées par les agriculteurs. Pour la modélisation, ne disposant que très peu de données d’expérimentation, une procédure originale d’utilisation des données obtenues à la ferme a été développée. Ce travail est composé de trois phases: (i) une analyse de la base de données initiale constituée d’informations sur 472 parcelles, 33 variétés et 11 sols aux propriétés physiques différentes et collectées entre 1984 et 2009 dans toute la Camargue; (ii) la sélection des options et des formalismes pertinents pour la culture du riz, (iii) la préparation du jeu de données pour la modélisation par élimination des parcelles dont les rendements sont limités par des facteurs non pris en compte dans le modèle; (iv) la paramétrisation et la simulation des variables choisies.Les résultats de l’application de STICS au riz sont satisfaisants pour près de 80% des parcelles utilisées pour la base de données de calibration. L’accord entre les simulations et les observations est meilleur lorsque les informations d’entrée du modèle sont complètes. Les simulations de la biomasse et du rendement en grains sont d’une qualité légèrement plus faible pour la base de données de validation que pour la base da calibration.


  • Résumé

    The crop model STICS was adapted for the flooded rice and model’s prediction ability was evaluated by the simulation of the plant biomass at harvest as well as the grain yield. The dataset used for this purpose was collected from the fields situated in whole Camargue (Southern France) and managed by the farmers. We introduced an original procedure to use the farm data instead of experimentation for modeling. This work was carried out in three phases, (i) analysis of the initial database of 472 fields, 33 different varieties and 11 physically different soils grown in the whole Camargue between 1984 and 2009, (ii) selection of the options of formalisms relevant to the rice crop, (iii) preparation of dataset for modeling by eliminating the fields in which the yields were limited by the factors not taken into account by the model and (iv) parameterization and the simulation of the selected target variables. The results of the application of STICS to rice crop were satisfactory for almost 80% of the fields of calibration data. Particularly, there was a good agreement between simulations and measurements of the situations with complete information regarding to the inputs. The simulation patterns for both the plant biomass and the grain yield of dataset of validation are similar as that of dataset of calibration exhibiting slightly reduced simulation quality. More discrepancies were observed in the simulations made by the model calculated dates of different phenological stages compared to the simulations run by using the observed dates of same stages.


Le texte intégral de cette thèse n'est pas accessible en ligne.
Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Université d'Aix-Marseille. Service commun de la documentation. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.