Cette thèse propose de montrer l’intérêt d'utiliser des prévisions d’ensemble météorologiques dans les outils d’aide à la décision développés pour accompagner les agriculteurs afin de mieux raisonner l’application des produits phytosanitaires. Elle s'appuie sur deux applications agronomiques : le modèle EVA qui simule le développement dynamique du ver de la grappe en vigne et le modèle Septo-LIS qui prévoit le développement de la septoriose du blé.
Le travail s'est articulé autour de 3 étapes principales. Dans une première partie nous illustrons le potentiel de la prise en compte des prévisions d'ensemble météorologiques dans les modèles agronomiques par une comparaison avec les pratiques actuelles d’utilisation de données fréquentielles. Nous proposons ensuite des stratégies de construction d'ensembles de prévisions cohérentes, dits "sans couture", afin de profiter de l'information fournie par trois systèmes de prévision d'ensemble couvrant différentes échelles spatio-temporelles. Ces ensembles sans couture sont enfin évalués d’un point de vue météorologique et agronomique.
La construction d'ensembles sans couture est considérée comme un problème de raccordement de prévisions. Les prévisions d'ensemble sont au préalable calibrées avec une approche paramétrique, puis le raccordement est effectué au moyen d'une mesure de distance entre prévisions et d'un algorithme d'affectation. Nous montrons que l'affectation dite hongroise permet d'obtenir des prévisions cohérentes de température satisfaisant les critères de continuité temporelle et d'unicité des membres. Ces prévisions ont également une meilleure performance météorologique aux courtes échéances. Enfin nous montrons que les prévisions du modèle EVA sont significativement améliorées par la calibration des prévisions de température, tandis que l'apport des prévisions sans couture nécessite des investigations supplémentaires. |
This PhD-thesis demonstrates the potential of using ensemble weather forecasts in the decision support tools developed to assist farmers in order to better anticipate the application of phytosanitary treatments. Two agronomic applications are considered : the EVA model that simulates the dynamic development of grape berry moth and the Septo-LIS model that forecasts the development of wheat septoria.
The work is organized as follows. In the first part we illustrate the potential of using ensemble weather forecasts in agronomic models compared to the current practice relying on frequency data. We then propose strategies to design seamless ensemble weather forecasts that combine the information from three ensembles with different spatio-temporal scales. Finally these seamless forecasts are evaluated from a meteorological and agronomic point of view.
The design of seamless ensemble predictions is considered as a simple concatenation problem. Ensemble predictions are first calibrated using a parametric approach, then the concatenation of forecasts is handled with a distance measure and an assignment algorithm. We show that the so-called Hungarian method is able to provide ensembles of independent and temporally consistent forecasts. It is finally shown that the EVA model is significantly improved by the calibration of temperature forecasts, while the benefit of seamless forecasts requires further investigation. |