Évaluation du modèle

Après avoir regroupé et sélectionné les données brutes, un travail de traduction de ces données a dû être entrepris pour les faire correspondre aux attentes du cahier des charges du modèle, en termes d’échelles qualitatives retenues pour les attributs de base. En effet, les données fournies peuvent être de nature très différente et elles doivent pouvoir être prises en compte dans cette diversité. Par exemple pour le blé d’hiver, une densité de semis peut être enregistrée en nombre de grains par hectare, en kilogramme de semence par hectare ou en valeur ordinale, de type dense, élevée, faible. Les échelles retenues pour quelques attributs de base sont synthétisées sur le Tableau 5. Certaines échelles utilisent le terme « favorable », il

doit alors être compris comme favorable au bioagresseur, et inversement pour « défavorable ».

Ainsi, soit les données recueillies sont des valeurs qualitatives, ordinales ou nominales. Dans ce cas, les valeurs quantitatives ont déjà été appréciées qualitativement par les expérimentateurs en fonction du contexte régional et on admet alors que leur expertise fait foi.

Soit les données recueillies sont quantitatives et dans ce cas, nous avons appliqué des règles de décision, définies pour les régions représentées dans notre jeu de données et reposant sur la littérature grise et l’expertise. Ces règles de décision sont

regroupées dans un « interface », non directement visible pour l’utilisateur mais tout à fait transparent.

Ces données ont été utilisées par la suite pour évaluer la qualité prédictive du sous- modèle construit en comparant les intensités simulées par le modèle avec les intensités réelles. Plusieurs indicateurs statistiques ont été utilisés comme critères d’évaluation.

Tableau 5 : Exemples de traduction de variables fournies en variables qualitatives pour

quelques attributs d'entrée

La description précise du contexte scientifique et socio-économique nous a permis de justifier l’urgence d’adopter une démarche systémique en PIC et la nécessité d’analyser et de modéliser les effets des pratiques culturales sur le fonctionnement des agroécosystèmes afin d’améliorer le contrôle des bioagresseurs. La deuxième partie de ce manuscrit présentera les bases conceptuelles de l’outil générique,

Attribut de

base Natures possibles de

l’attribut fourni Échelles de l’attribut du modèle Règle ou description Niveau de résistance de la variété Nom de la variété,

note de résistance Assez résistant à résistant/ Moyennement sensible /

Très sensible à sensible

Échelle basée sur les notations de résistance établie par le CTPS (Comité Technique Permanent de la Sélection des Plantes Cultivées) lors de l’inscription de la variété.

Travail du sol Labour, travail simplifié, semis direct, … Travail du sol avec inversion / Travail du sol sans inversion

Travail du sol utilisé avant l’implantation du blé et conduisant à une inversion des horizons ou non.

Précédent

cultural Toutes cultures les possibles,

prairies, voire jachère, friche, …

Hôte/Non hôte La classification des différents précédents en variable qualitative nominale est basée sur des données issues de la synthèse bibliographique.

Date de

semis Jour calendaire, précocité appréciée

(précoce, ...)

Précoce/Normal

e/Tardive La classification des dates de semis en variable qualitative ordinale est basée sur des données issues de la littérature technique et de l’expertise régionale.

Climat du

printemps Aucune indication hormis la position géographique, données météo diverses, … Favorable/Moye nnement favorable/Défavo rable

Le climat est caractérisé en se basant sur des modèles existants, des typologies issues de données historiques, …

IPSIM, permettant le développement de futurs modèles représentant les profils de dégâts d’une culture donnée en fonction du système de culture, et de l’environnement biotique et abiotique. Une preuve de ce concept sera développée dans la troisième partie pour la culture du blé d’hiver.

Deuxième partie. Injury Profile SIMulator,

a Qualitative Aggregative Modelling

Framework to Predict Crop Injury Profile

as a Function of Cropping Practices, and

the Abiotic and Biotic Environment. I.

Conceptual Bases

Recourir à des solutions alternatives à la lutte chimique, sans l’exclure dans une démarche cohérente assurant l’efficacité de la production tout en réduisant les effets négatifs sur l’homme et l’environnement, est l’objectif de la Protection Intégrée des Cultures (PIC). Pour ce faire, la PIC nécessite donc une intégration verticale de différentes méthodes de contrôle (contrôles cultural et génétique, luttes biologique, physique et chimique) des bioagresseurs, ainsi qu’une intégration horizontale (gestion simultanée des agents pathogènes, plantes adventices et ravageurs).

Les agriculteurs conçoivent leurs systèmes de culture en fonction de leurs connaissances, expériences et objectifs, ainsi que de leur environnement physique, chimique, biologique et socio-économique. Un système de culture donné dans une situation de production donnée, va alors aboutir à un profil de dégâts unique. C’est cette hypothèse, introduite en première partie qui a permis de développer le schéma conceptuel sous-jacent au modèle générique IPSIM (Injury Profil SIMulator). La modélisation nous a semblé l’outil le plus pertinent pour représenter le fonctionnement d’un agroécosystème et pour rassembler et structurer les différentes sources de connaissances mobilisables dans notre travail : analyse bibliographique, expertise, diagnostic en parcelles agricoles, expérimentation, utilisation de modèles existants. Compte tenu de la carence existante en termes de modélisation des profils de dégâts d’une part et des relations entre ces profils et les pratiques culturales d’autre part, nous proposons de développer une méthode innovante de modélisation, avec le modèle IPSIM. De part la complexité des champs cultivés et des multiples interactions en leur sein, une démarche de modélisation qualitative et agrégative a été retenue pour décrire les effets de différents facteurs sur le profil de dégâts.

La méthode de travail s’est organisée en plusieurs étapes qui seront décrites dans cette partie :

- la représentation conceptuelle d’un agroécosystème et des interactions, étudiées de manière privilégiée dans le travail de thèse,

- l’analyse de ces interactions par la littérature et l’expertise,

- la construction du modèle générique IPSIM implémenté sous le logiciel DEXi, - un exemple de son application pour une culture donnée, le blé d’hiver.

La deuxième partie de ce manuscrit présente donc les bases conceptuelles de l’outil générique, IPSIM, permettant le développement de futurs modèles représentant les profils de dégâts d’une culture donnée en fonction du système de culture, du pédoclimat et de l’environnement de la parcelle. Une preuve de concept sera présentée dans la troisième partie de ce manuscrit dans le cas d’une maladie importante du blé, le piétin-verse. D’autres modules seront également décrits dans la partie suivante pour d’autres bioagresseurs du blé de natures diverses.

Injury Profile SIMulator, a hierarchical aggregative

modelling framework to predict crop injury profile as a

function of cropping practices, soil, climate and field

environment. I. Conceptual bases.

Jean-Noël Aubertot

_{, Marie-Hélène Robin}

Published online in PLoS ONE September 2013, volume 8, issue 9, e73202

(Annexe 5).

1 _{INRA, UMR 1248 AGIR, F-31320 Castanet-Tolosan, France}

2 _{Université Toulouse, INPT, UMR AGIR, F-31029 Toulouse, France} 3 _{Université Toulouse, INPT EI Purpan, F-31076 Toulouse, France}