Objectifs :

Simplification des phases de paramétrisation et de renseignement des modèles ; quantification de la fiabilité des résultats selon le contexte et la qualité des données d’entrée.

Méthode :

L’analyse de sensibilité, la propagation d’incertitudes et l’expérimentation numérique (Saltelli et al., 2000 ; Fang et al., 2006 ; de Rocquigny et al., 2008) seront indispensables pour la mise au point, l'évaluation et l'exploitation des modèles. La complexité des modèles développés dans le projet limitera le nombre de simulations disponibles pour les analyses de sensibilité. Il faudra donc appliquer ou adapter des approches peu coûteuses en terme de tailles d'échantillon (Morris, Fast, plans fractionnaires, méthodes séquentielles) et tenter de tirer profit de la structure des modèles, tout en intégrant la nature stochastique et multivariée de leurs sorties (Lamboni et al., 2011). Nous évaluerons aussi la pertinence d'approches de calibration combinant des données observées et des résultats de simulation (e.g. Higdon et al., 2004). Pour le cas particulier des variables de forçage agricole, plusieurs approches seront utilisées, selon les sites : typologies d’exploitations et de rotation, construction d’assolement par méthodes statistiques sous contraintes (Salmon et al., 2012) ou déterministes (Casimod’N). La qualité des reconstitutions sera contrôlée sur les zones et les périodes où la connaissance est exhaustive : les résultats de ces comparaisons seront utiles pour guider la tâche 1.3.

Responsable T2.2 : MIA et EGC

Participants partenaires : MIA, EGC, SAS, FIRE, SOLS, EcoLab, PEGASE