Sensibilité sur la sous- période 505-517

Sur cette première période, seulement 46 mesures de flux H et LE sur 130 possibles sont disponibles. Malgré cela, les critères H et LE ont quand même été pris en compte dans l'analyse de sensibilité. La visualisation de l'ensemble de Pareto obtenu (Fig. 5.11) montre une nette amélioration tout autant sur le nombre de simulations sélectionnées à l'ordre 1 (162 simulations, soit environ 8 %) que sur les RMSE associés à chacun des critères. Ces derniers sont désormais d'un ordre beaucoup plus faible que sur la période totale. Les valeurs minimales trouvées sont respectivement de 50, 40 et 45 W.m^-2, 1.1 K pour H, LE, G et Tb. Par ailleurs, une valeur nulle est constatée pour θ05. La sélection réalisée conduit aussi à une dispersion des points plus limitée, ce qui est révélateur du meilleur fonctionnement d'ensemble du modèle SiSPAT-RS sur la période 505-517.

Fig. 5.11 : Sélection des simulations par la méthode du rangement de Pareto de rang 1 (carrés rouges) à partir des 2050 simulations (croix grises) réalisées sur la période 505-517

Au total, 13 paramètres sensibles ont été détectés par la méthode multicritère (Fig. 5.12), dont 9 "fortement" et 4 "moyennement". 7 d'entre eux concernent les propriétés du sol du premier et du troisième horizon (θs,1, θs,3, hg,1, hg,3, nB1, nB3, et La,1). La période considérée étant très sèche, la prédominance de ces paramètres "sol" semble cohérente. Dans ces conditions, la conductivité hydraulique à saturation a alors beaucoup moins d'impact que le

paramètre de forme nB. Ce dernier affecte fortement la forme de la courbe de rétention dans le régime sec. Il intervient aussi dans le calcul du coefficient η de la conductivité hydraulique de Brooks et Corey (Eq. 3.) qui devient lui aussi prépondérant dans le régime sec. D'autre part, les paramètres des horizons 1 et 3 sont privilégiés car ils favorisent directement la gestion de l'humidité superficielle et des couches profondes du sol accessibles à la transpiration.

Les autres paramètres sensibles détectés contrôlent directement la régulation stomatique et la structure du couvert végétal (rsto,min, rp, µ, Alaiv et Llaiv). Ce point est toujours en accord avec les résultats obtenus sur la période 440-460. De plus, le modèle semble aussi sensible aux conditions initiales en teneur en eau. Ce résultat est tout à fait cohérent avec l'état de sécheresse caractérisant cette période mais aussi avec le fait que la période de simulation ait été raccourcie.

Fig. 5.12 : Sensibilité relative des paramètres du modèle SiSPAT-RS - Ordre 1 - Période 505-517

De manière plus spécifique aux études monocritères, beaucoup de paramètres sensibles ont été trouvés. L'interprétation de ces résultats est présentée à l'aide des résultats obtenus sur l'analyse des fonctions de distributions (Tab.5.6).

Concernant le flux de chaleur dans le sol G, ce dernier a tendance à être fortement surestimé sur toute la période. L'optimisation va alors privilégier les faibles valeurs de la conductivité thermique (faible La,1 et La,3) et la réduction de la part d'énergie radiative arrivant au sol. Dans ce dernier cas, il semble nécessaire de privilégier l'augmentation du coefficient d'interception (faible αth) et de prendre en compte un couvert végétal bien développé (fort

Alaiv et faible Llaiv). La présence de racines au plus près de la surface (faible valeurs de Zrmu) semble aussi bénéfique. Elle s'explique par une plus forte extraction racinaire dans les couches proches de la surface, ce qui par le biais de la chute d'humidité permet de diminuer encore un peu plus la conductivité thermique. Les autres sensibilités détectées semblent plus difficilement interprétables. Par exemple, une forte sensibilité est aussi observée pour les faibles valeurs de hg,1. En agissant de la sorte sur ce paramètre et à potentiel matriciel constant, on augmente alors la teneur en eau du premier horizon. Ceci contribue à une plus forte évaporation du sol et par voie de conséquence à réduire la température de la surface du sol et G. Enfin, les faibles valeurs observées pour θss ne sont pas cohérentes car elles impliquent une diminution de l'albédo du sol, ce qui contribue alors à l'augmentation de G. Une possible explication repose sur le fait que le flux G est systématiquement sous-estimé en fin d'après midi.

Concernant le flux d'évapotranspiration, la surface du sol étant très sèche, la seule solution possible pour reproduire les données expérimentales est d'augmenter la transpiration de la végétation. Dans ce sens, il est ensuite nécessaire de diminuer fortement la valeur de la résistance stomatique (faibles valeurs de rsto,min, rp, hfc et Llaiv), d'augmenter la profondeur maximale des racines (fortes valeurs de Azrt) et de faciliter les remontés capillaires des couches les plus profondes (fortes valeurs de log(Ksat,3) et hg,3). Il est important de noter que la majeure partie de ces actions se retrouve aussi dans les résultats de l'analyse monocritère de la température de brillance. Il semblerait donc que cette dernière soit principalement reliée à la contribution de la végétation. Cette observation est cohérente avec les valeurs moyennes de OAI vert sur cette période qui, malgré une forte décroissance régulière (de 2 à 0.9), restent suffisamment fortes sur cette période. La présence d'une couche de feuilles jaunes (qui on le rappelle ne transpire pas) semble être par contre un élément indésirable sur cette période de simulation (fortes valeurs de Llaij) ; cette dernière ayant pour effet d'augmenter la valeur de la température effective des feuilles Tv.

Concernant H, il semblerait que les meilleurs jeux de paramètres qui optimisent sa modélisation, soient ceux qui permettent de limiter la transpiration du couvert. En effet, beaucoup de paramètres sensibles sur LE agissent de manière opposée sur H (fortes valeurs de rp et µ ; faibles valeurs de nB,3, log (Ksat,3) et Azrt). Une autre voie possible est fortement reliée à la diminution de G et ainsi permettre l'augmentation de la contribution du sol Hs. Par conséquent, plusieurs paramètres sensibles sur G et H agissent dans le même sens (La,1, Alaiv, Llaiv et Llaij). L'observation en parallèle du rayonnement net simulé indique une sous-estimation systématique sur cette période. Cet élément, combiné à la sur-sous-estimation de G, montre alors clairement qu'une part importante d'énergie devrait être répartie entre H et LE. Ceci explique alors les contradictions obtenues dans les études monocritères de H et LE.

Enfin, l'humidité superficielle est contrôlée par les paramètres hydrodynamiques du premier horizon. L'association de faibles valeurs de θs,1 avec de fortes valeurs de hg,1 et nB1

permettent de réduire la teneur en eau dans les 5 premiers centimètres du sol. Il est aussi important de noter que les conditions initiales en teneur en eau ont aussi un fort impact sur sa simulation. Ce résultat est d'autant plus logique que la période d'étude est courte.

Nom Multicritère Mono G Mono H Mono LE Mono T_b MonoW₀₅ θs,1 F < 0.47 F < 0.47 F < 0.44 θs,3 F < 0.39 h_g,1 F > -0.5 M < -1.2 F > -0.7 h_g,3 F > -3.5 M > -3.6 F > -3.6 M > -3.7 nB,1 M > 2.14 F > 2.14 n_B,3 M > 2.132 F < 2.125 F > 2.13 F > 2.125 log(Ksat,3) F < -8.4 F > -7.8 La,1 F < 0.7 F < 0.6 F < 1.0 F < 0.8 L_a,2 F > 0.9 F < 0.9 L_a,3 M < 1.0 C_d,1 M ? rsto,min M < 90 F < 100 F < 100 r_p F < 2 1012 F > 2 1012 F < 2 1012 h_fc M < -145 F < -140 µ F > 310-4 Decv M ? εf F > 0.975 Ass M > 0 θss M < 0.2 εs F > 0.965 αth M < 0.81 Alaiv F > 2.1 F > 2.1 F > 2.1 M ? Alaij F > 1.35 Llaiv F < 2.7 10-3 F < 2.8 10-3 F < 3.1 10-3 F < 3 10-3 Llaij F < 1.2 10-2 M < 1.2 10-2 M > 1.1 10-2 Zrmu F < 4.5 10-2 Azrt F > 1.85 F < 1.8 F > 1.75 F > 1.8 Lzrt M < 1.6 10-4 Lfdr M < 1.4 10-4

Tab. 5.6 : Paramètres "fortement" (F) et "moyennement" (M) sensibles et leurs gammes de variation privilégiées – Période 505-517 - Ordre 1