Application à l'agriculture de la prévision saisonnière :
évaluation à l'échelle de la France
Depuis les années 90, des applications de la prévision saisonnière du temps ont été développées dans divers domaines. L'utilisation de plusieurs scénarios météorologiques générés à partir de conditions initiales différentes a permis de développer des prévisions d'ensemble à longue échéance (au-delà du mois). Dans le domaine de l'agriculture, la capacité de modèles de cultures forcés par ces scénarios à fournir des prévisions de rendement sur l'Europe a été évaluée (Cantelaube et Terres, 2005 ; Marletto et al., 2007). Ces auteurs ont montré que dans certaines conditions, et en dépit du fait que les prévisions saisonnières sont relativement peu fiables aux moyennes latitudes, les prévisions ainsi obtenues sont meilleures que les prévisions basées sur des méthodes statistiques. Dans le même temps, la modélisation de la croissance de la végétation a été introduite dans les modèles de climat, et de longues séries d'observations satellitaires de la végétation ont été produites.
Ce travail de thèse vise à évaluer dans quelle mesure l'utilisation de la prévision saisonnière du temps pour forcer un modèle de croissance du blé sur la France permet d'anticiper l'évolution des variables agrométéorologiques de cette culture. Les prévisions saisonnière produites par le projet ENSEMBLES (Weisheimer et al., 2009) sur la période 1981-2005 sont utilisées, ainsi que le modèle de culture Panoramix d'Arvalis (Gate, 1995). En particulier, on considère les principaux stades phénologiques, le bilan hydrique, et les sommes de température. En parallèle, des méthodes statistiques de prévision basées sur des indicateurs issus du modèle générique des surfaces continentales ISBA-A-gs (Calvet et al., 1998) ou d'observations satellitaires de la végétation (GEOV1, Baret et al. 2013) sont évaluées.
On montre qu'un ensemble de scénarios utilisant plusieurs modèles de circulation générale donne de meilleures estimations des variables agro-météorologiques que l'utilisation d'un seul modèle ou d'une méthode fréquentielle basée sur des situations passées. Quelle que soit la méthode, les meilleures prévisions sont généralement obtenues dans le nord de la France.
On montre également que dans certaines conditions, le modèle ISBA-A-gs est capable de représenter la variabilité interannuelle des couverts agricoles (céréales hiver/printemps) et des prairies. Pour cela, les statistiques agricoles Agreste sur la période 1994-2010 sont utilisées. La capacité du modèle à produire des indicateurs du rendement dépend fortement de la façon dont l'humidité du sol est représentée (une ou plusieurs couches de sol, profondeur du sol).
Enfin, des produits satellitaires d'indice foliaire de la végétation (Leaf Area Index, ou LAI) sont utilisés dans le même objectif. Le potentiel de prédiction des rendements à partir de l'humidité du sol simulée par le modèle ou le LAI satellitaire est plus grand pour les prairies que pour les cultures. |
Seasonal forecast for agriculture: evaluation at the France level
Seasonal weather forecast has been developed in many applications since the 90s. With different initial conditions, several meteorological scenarios have been used to build long-term ensemble forecasts (up to one month) with different initial conditions. In the agricultural sector, these scenarios are used to force cropland models and their ability to correctly produce crop forecasts has been assessed over Europe (Cantelaube and Terres, 2005; Marletto et al., 2007). Despite the poor reliability of seasonal weather forecast at mid latitudes, these authors have shown that forecasts can be better, under some conditions, than statistical-based predictions. At the same time, vegetation growth modelling has been introduced in climate models, and long-term satellite-derived data have become available.
This thesis aims to assess how the use of seasonal weather forecast with a wheat growth model can anticipate the agrometeorological variables of this crop. Seasonal weather forecast of the ENSEMBLES project are used over the 1981-2005 period with a crop model developed by Arvalis (an agricultural French institute), and called Panoramix (Gate, 1995). Especially, we deal here with the main phenological stages, the water budget and growing degree-days. At the same time, statistical predictions based on the ISBA-A-gs generic land surface model (Calvet et al., 1998) indicators, or land satellite data (GEOV1, Baret et al. 2013) are both assessed.
We show that a multi Global Circulation Model ensemble is able to give better agrometeorological variables estimations than a single model ensemble or than a climatological-based method. Whatever the methodology, the best forecasts are generally obtained for the north of France.
We also show that in some specific conditions, the ISBA-A-gs model is able to represent the interannual variability of crops (winter/spring cereals) and grasslands. Annual Agreste statistics are used to perform this assessment over the 1994-2010 period. The ability of the model to produce crop yield indicators strongly depends on the representation of the root-zone soil moisture (single layer or multilayer, soil depth).
For the same purpose, satellite-derived Leaf Area Index (LAI) products are used. We find that the crop yield prediction potential obtained with simulated root-zone soil moisture or LAI satellite data is higher for grasslands than for croplands. |