Modélisation de la culture de la canne à sucre avec un modèle d'agroécosystème terrestre : paramétrisation et propagation de l'incertitude

Simulating sugarcane growth with a regional agonomical model : parameterization and uncertainty propagation

• Auteur / Autrice : Aude Valade
• Direction : Philippe Ciais
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'environnement
• Date : Soutenance en 2013
• Etablissement(s) : Versailles-St Quentin en Yvelines

Mots clés

Mots clés contrôlés

Écologie agricole

Biocarburants

Canne à sucre

Résumé

Dans le contexte du débat actuel sur les impacts des agrocarburants, des modèles mécanistes de végétation, les agro‐LSM cherchent à évaluer la production potentielle et les effets sur le cycle du carbone et le climat de l’expansion des surfaces d’agrocarburants en prenant en compte explicitement la variabilité et les changements du climat et des pratiques agricoles. Cette thèse porte sur la calibration et l’évaluation des incertitudes liées aux paramètres de l’agro‐LSM ORCHIDEE‐STICS, pour le cas de la canne à sucre. Le modèle consiste en une chaîne: STICS calcule la phénologie et les variables liées au cycle de l’azote et les transmet à ORCHIDEE qui simule photosynthèse, bilans d’énergie et d’eau et cycle du carbone. On calibre l’indice foliaire simulé par STICS, variable clé pour la simulation du rendement. Pour cela on identifie les influents par une analyse de sensibilité (AS) et on calibre ces paramètres par une méthode factorielle multisite pour obtenir un jeu de paramètres applicable à l’échelle globale. On établit le bilan de l’incertitude paramétrique sur le rendement dû aux 2 composantes du modèle. L’analyse d’incertitude montre que la part de l’incertitude totale dûe à STICS décroît au cours du cycle de croissance menant à une domination de l’incertitude d’ORCHIDEE en fin de cycle et que l’incertitude total sur le rendement est en moyenne de 21%. L’AS régionale montre que les contributions des paramètres à l’incertitude totale varient avec les conditions climatiques. Ce travail montre qu’il est possible d’estimer de manière rigoureuse les erreurs dues aux paramètres des modèles pour améliorer la robustesse des conclusions déduites des simulations.

In the context of the current debate about biofuels' real benefits, mechanistic vegetation models called agro-LSM seek to evaluate the potential production and effects on climate and carbon cycle of the expansion of biofuels cropping area, while explicitly considering the variability and long term evolution of climate and management practices. This thesis aims to address the calibration and evaluation of the parametric uncertainties in the agro-LSM ORCHIDEE-STICS for sugarcane. The model is actually a chain : STICS calculates the phenology and nitrogen related variables and passes them to ORCHIDEE that simulates photosynthesis, energy and water budgets and carbon cycle. We first calibrate the leaf area index simulated by STICS, a key variable for yield simulation. For this we identify the most influential parameters through a sensitivity analysis (SA) et we calibrate these parameters using a multisite factorial design to obtain a single parameter set relevant for global runs. We calculate the full parametric uncertainty budget for the 2 model components. The uncertainty analysis shows that the part of the total uncertainty attributable to STICS decreases along the growing cycle leading to a domination of the ORCHIDEE uncertainty at the end of the cycle, and that the total uncertainty is on average 21% of reference yield. The regional SA shows that parameters contribution to total uncertainty varies with climate conditions. This work shows that it is possible to estimate in a rigorous way the models' parametric errors to improve the robustness of conclusions drawn from simulations.