Estimation des param` etres li´ es au fonctionnement de la plante
7.5 Application ` a la betterave sucri` ere
FK FP FPC µ [8.96×10−2;10.17×10−2] [8.78×10−2;10.33×10−2] [8.96×10−2;9.91×10−2] Sp [2.28 ;2.71] [2.22 ;2.73] [2.35 ;2.68] Pp [0.299 ;0.300] [0.284 ;0.314] [0.289 ;0.310] Pe1 [2.99 ;3.00] [2.96 ;3.03] [2.97 ;3.02] Pe2 [1.99 ;2.00] [1.97 ;2.02] [1.98 ;2.02]
Tab.7.12 – Intervalle de confiance `a 95% pour les distributions de la figure 7.8. FK = Filtre de Kalman. FP = Filtre Particulaire. FPC = Filtre Particulaire Convol´e.
N.B. 7.19 Pour les m´ethodes de filtrage simple et convol´e, il est possible d’avoir la distributiona posteriori du vecteur de param`etres Θf onc en utilisant le poids des parti-cules. Pour ce faire, il faut reprendre les trois premi`eres ´etapes de la m´ethode pr´ec´edente. Ensuite, il faut `a nouveau appliquer le filtre pour l’estimation des ´etats cach´es augmen-t´es en utilisant le mˆeme jeu de donn´ees y0:N. Les poids finaux des particules associ´es `a la valeur des ´etats cach´es augment´es correspondants ciblent bien la distribution a posteriori de Θf onc.
7.5 Application `a la betterave sucri`ere
Nous appliquons les m´ethodes d’inf´erence bay´esienne pour l’estimation du vecteur de param`etres Θf onc associ´e `a un mod`ele de croissance de la betterave sucri`ere. Le vecteur des observationsy0:N est construit `a partir de vraies donn´ees botaniques transmises par l’ITB1 (= Institut Technique de la Betterave). Le mod`ele de croissance de plante utilis´e est GreenLab 1 (voir la description compl`ete dans Lemaire et al. (2008) et Lemaire (2010)). Trois types d’organes sont pris en compte : la racine, les p´etioles et les limbes. Le mod`ele de d´eveloppement est d´ecrit de la fa¸con suivante :
– Au cycle 0, la germination de la graine donne une racine avec une feuille ; – Une nouvelle feuille apparaˆıt `a chaque cycle de d´eveloppement.
La figure 7.9 donne un exemple de betterave produit par le mod`ele GreenLab 1.
Fig.7.9 – Betterave simul´ee par le mod`ele de croissance GreenLab 1, cf Lemaire (2010).
L’ensembleO associ´e aux organes est donn´e par : O={r, l, p}.
Les donn´ees utilis´ees pour l’estimation correspondent `a des valeurs moyennes sur une dizaine de plantes. Le temps d’observation vaut Tobs = 51. La racine est en expansion
1
permanente durant la croissance de la betterave (son temps d’expansion est choisi ´egal `a 130). Les temps d’expansion des limbes et p´etioles sont sup´erieurs `a 1 et d´ependent du rang d’insertion des feuilles sur la betterave (voir la figure 7.10). Soit alorsTo,n
exp, pour
o ∈ {l, p} et n ∈ {1, . . . , Tobs}, le temps d’expansion d’un organe o plac´e au rang n et
To
exp le maximum de ces temps d’expansion pour un organe o donn´e :
Texpo = max{Texpo,n, n= 1, . . . , Tobs}.
Les temps d’activit´e des feuilles varient ´egalement en fonction de leur rang sur la plante (cf figure 7.10). Notons Tn
act le temps d’activit´e d’une feuille plac´ee au rangn.
Fig. 7.10 – Temps d’expansion et d’activit´e des feuilles en fonction de leur rang d’in-sertion sur la betterave.
L’´equation de photosynth`ese est donn´ee par l’´equation (2.11) du chapitre 2 :
Qn=P ARnRUE Sp 1−exp −kbS tot n Sp n ≥1.
Le puits d’un organe o∈ O plac´e au rang n est donn´e par l’´equation (2.12) du chapitre 2 : po,n(k) = PoNo kTo exp/To,n exp + 0.5 To exp αo−1 1− kT o exp/To,n exp + 0.5 To exp βo−1 , k ∈ {0, . . . , Texpo,n−1}.
L’ensemble des param`etres du mod`ele est donc donn´e par le tableau 7.13. Les valeurs environnementales P ARn sont donn´ees par la figure 7.11.
Le vecteur de param`etres Θf onc est le suivant :
7.5. Application `a la betterave sucri`ere 173
Param`etres Description Valeur Nature Unit´e
P arn Facteur environnement au cycle n
. Mesur´e J.m−2
Kn Variance du bruit de mod´elisa-tion
6.25×10−4 Fix´e Sans Unit´e
σo Ecart type du bruit de mesure 2.5×10−2 Fix´e g
RUE Radiation Use Efficiency [0.01; 0.25] Estim´e g.J−1
Sp Surface foliaire sp´ecifique [0.001; 0.05] Estim´e m2
kb Coefficient d’extinction de la loi de Beer-Lambert
0.7 Fix´e Sans Unit´e
Pl Force de puits d’un limbe 1 Fix´e Sans Unit´e
αl Coefficient de la loi bˆeta 2.81 Fix´e Sans Unit´e
βl Coefficient de la loi bˆeta [1; 20] Estim´e Sans Unit´e
Pp Force de puits d’un p´etiole [0.5; 10] Estim´e Sans Unit´e
αp Coefficient de la loi bˆeta 3.64 Fix´e Sans Unit´e
βp Coefficient de la loi bˆeta [1; 20] Estim´e Sans Unit´e
Pr Force de puits de la racine 600 Fix´e Sans Unit´e
αr Coefficient de la loi bˆeta 6.16 Fix´e Sans Unit´e
βr Coefficient de la loi bˆeta 5.57 Fix´e Sans Unit´e
e Masse surfacique d’une feuille 83 Mesur´e g.m−2
Q0 Biomasse contenue dans la graine
0.003 Mesur´e g
Tab.7.13 – Valeurs des param`etres pour le mod`ele de betterave. Le param`etre Sp rend compte de l’effet comp´etition. «Mesur´e» signifie que le param`etre est mesur´e directe-ment `a partir de donn´ees botaniques. «Fix´e» signifie que la valeur des param`etres a ´et´e fix´ee. Enfin, «Estim´e» signifie qu’il s’agit d’un param`etre `a estimer `a partir des donn´ees. Dans ce cas, l’intervalle indiqu´e dans la case valeur correspond `a l’ordre de grandeur du param`etre (qui a servi `a l’initialisation de l’algorithme).
Ce vecteur peut ˆetre estim´e a priori par le filtre de Kalman sans parfum, le filtre particulaire simple et convol´e car l’´evolution de la structure {Nn}n≥0 est d´eterministe. Etant donn´e que les temps d’expansion et d’activit´e sont tr`es sup´erieurs `a 1, la non-lin´earit´e du syst`eme devient plus importante, en particulier lors des premiers stades de croissance. Il n’est donc plus possible d’appliquer le filtre de Kalman car celui-ci diverge. Le filtre particulaire convol´e sera pr´ef´er´e `a la version simple car plus stable. C’est donc le filtre convol´e qui est utilis´e pour l’estimation. Les r´esultats sont donn´es dans le tableau 7.14. Etant donn´e le temps d’ex´ecution important du filtre (plus de deux jours par ex´ecution sur un ordinateur standard), seulement quatre vecteurs de param`etres Θf oncont pu ˆetre estim´es. Nous pouvons remarquer que les estimations sont moins stables surtout pour les param`etres β des puits. Ceci est dˆu `a un nombre de particules employ´e trop faible par rapport `a la complexit´e du syst`eme. En effet, nous n’avons pu utiliser que 8000 particules (ce qui correspondait `a la limite de la m´emoire accord´ee par Matlab 7.9.0 (R2009b)) alors que 12000 auraient ´et´e plus appropri´ees. Afin de tester l’ad´equation des param`etres avec les vraies donn´ees botaniques, nous
Fig. 7.11 – Valeur du P ARn en fonction du cycle de d´eveloppement.
avons simul´e la croissance d’une betterave (sans bruit de mod´elisation ni de mesure) en utilisant la moyenne des param`etres estim´es du tableau 7.14 et relev´e le poids des organes ainsi obtenus. La comparaison entre valeurs simul´ees et valeurs r´eelles est donn´ee par la figure 7.12. Les r´esultats sont plutˆot concluants surtout pour les limbes. Ils sont un peu moins bons pour les p´etioles mais restent dans le mˆeme ordre de grandeur. Quant au poids de la racine, la valeur simul´ee est de 113 g contre 220 g dans la r´ealit´e. Un tel ´ecart peut s’expliquer par l’´equation de photosynth`ese employ´ee qui n’est peut ˆetre pas optimale.
N.B. : En raison du manque de temps, nous n’avons pas fait l’estimation de la distributiona posteriori des param`etres.
RUE Sp Pp βl βp
R´esultat 1 0.3714 7.231×10−3 0.9814 6.6892 15.8227 R´esultat 2 0.3784 8.211×10−3 0.9836 8.0781 17.5643 R´esultat 3 0.3698 7.988×10−3 0.9823 8.1231 17.4328 R´esultat 4 0.3778 7.047×10−3 0.9833 7.3050 18.8205
Tab.7.14 – Estimation des param`etres du vecteur Θf oncen ex´ecutant 4 fois l’algorithme complet jusqu’`a convergence.
7.5. Application `a la betterave sucri`ere 175
Fig.7.12 – Comparaison des poids des p´etioles et des limbes. Chaque graphique compare les poids obtenus avec les param`etres moyens estim´es et les vraies donn´ees.