Simulation des variables locales

Concernant la gestion du stock d'eau dans le sol, l'augmentation des conductivités hydrauliques a constitué le moyen d'action le plus efficace à son amélioration. L'étalonnage réalisé sur ces trois paramètres (cf. Tab. 6.2) s'est avéré performant sur la totalité des couches de sol, excepté pour la couche 80-120 cm (Fig. 6.1). Les scores associés (Tab. 6.3) ont été calculés à partir des mesures des sondes capacitives pour la couche 0-5 cm et des mesures des sondes à neutron pour l'ensemble des autres couches. Ces derniers sont globalement satisfaisants. La faible efficience obtenue sur les 5 premiers centimètres du sol (0.33) est une conséquence directe de la mauvaise représentation des événements de précipitations par le modèle. En effet, durant de tels évènements, il est tout autant possible d'aboutir par la modélisation à une surestimation qu'à une sous-estimation de la teneur en eau superficielle. Cependant, la forte décroissance de la teneur en eau qui intervient généralement après de tels

évènements a été systématiquement améliorée après ajustement des conductivités. Si l'on s'intéresse spécifiquement aux 4 premières couches de sol (0-10, 10-20, 20-30 et 30-50 cm), la simulation est très satisfaisante sur l'ensemble de la période. Une dégradation s'installe progressivement pour les deux dernières couches profondes (50-80 et 80-120 cm), conduisant à un assèchement trop important. Ceci est d'autant plus important pour la couche 80-120 (E = -0.16) et s'explique par une trop forte extraction racinaire ou par une mauvaise régulation avec les couches plus profondes. La réduction du FDRmax n'a pas permis de corriger totalement cet assèchement. Son ajustement a toutefois permis de mieux représenter la chute progressive de la teneur en eau qui est observable pour plusieurs couches de sol. Il est aussi important de noter que pour la couche 80-120, une légère sous-estimation intervient dès l'instant initial. Comme la teneur en eau à saturation du 4^ème horizon est systématiquement inférieure aux valeurs initiales imposées dans cette couche, le modèle élimine alors simplement l'excédent d'eau dès le départ de la simulation. En conclusion, il découle finalement de cette phase d'étalonnage que le stock d'eau sur les 140 premiers cm de sol a été fortement amélioré (passage d'une efficience de 0.86 à 0.97).

En ce qui concerne les flux de surface (Fig. 6.2), l'étalonnage manuel réalisé améliore la représentation des flux Rn, G et dans une moindre mesure celle du flux LE. Le flux de chaleur dans le sol est le principal flux concerné par cette amélioration (RMSE = 24.5 W.m-2, E = 0.70). Ceci est principalement lié à la diminution de la conductivité thermique de La,1. Concernant le flux d'évapotranspiration LE, la tendance à la sous-estimation initiale s'est transformée en une tendance à la surestimation (passage d'un biais négatif à un biais positif). Ceci est principalement dû aux diminutions de la résistance stomatique minimale et de la résistance totale de la plante, qui ont aussi eu un impact positif sur la simulation du stock d'eau dans le sol. Toutefois, une dégradation des scores est constatée sur les flux LE calculés par la méthode du rapport de Bowen (E = 0.66). Ces mesures sont toutefois plus fortement entachées d'incertitudes et concernent essentiellement la seconde moitié de simulation, notamment la phase de sénescence du couvert végétal. En parallèle à l'augmentation de l'évapotranspiration, les scores de H se sont alors dégradés. La tendance à la sous-estimation qui était observée initialement pour les flux "Bowen" est désormais plus prononcée. Ceci s'explique en partie par le fait que les règles d'étalonnage n'aient pas été orientées vers une amélioration de ce flux et par la tendance à la sous-estimation du modèle sur les plus fortes valeurs de Rn. La perte de cette énergie radiative se répercute directement sur les flux H et LE, exprimant ainsi la difficulté à parvenir à leur amélioration simultanée.

La température de brillance a elle aussi été améliorée après étalonnage (passage d'un RMSE de 2.1 à 1.9 K et d'une efficience de 0.93 à 0.95). La tendance à la surestimation initiale reste cependant observable pour les plus fortes valeurs de Tb (Fig. 6.3). Ces points appartiennent en partie à la phase de sénescence du couvert végétal. Par contre, l'augmentation de la transpiration, via la diminution des paramètres contrôlant la régulation stomatique, a contribuée fortement à une meilleure représentativité sur l'ensemble de la période de végétation.

Enfin, tous les biais des températures dans le sol sont devenus négatifs. Les efficiences demeurent toutefois relativement inchangées. Les résultats obtenus sont acceptables dans l'ensemble (Fig. 6.3), et ceci bien que la phase d'étalonnage n'ait pas été spécialement orientée vers une amélioration de ces grandeurs.

Fig. 6.1 : Simulations du contenu en eau de diverses couches de sol et du stock d'eau total avant (trait continu) et après (trait discontinu) étalonnage des paramètres sensibles – Scénario 1

Fig. 6.2 : Comparaison des flux de surface après étalonnage – Scénario 1

Le tableau (6.3) indique aussi les statistiques qui ont été obtenues par une simulation réalisée à partir du même jeu de paramètres étalonnés, mais pour laquelle la couche de feuilles jaunes n'a pas été modélisée. Ceci ne concerne que les quelques derniers jours de la simulation ; période pour laquelle il a été vu que le modèle rencontrait un maximum de difficultés. Les scores montrent que la prise en compte de la couche de végétation jaune améliore sensiblement la simulation du flux de chaleur dans le sol G et de la température de brillance Tb. Dans une moindre mesure, il a par ailleurs été constaté une légère amélioration sur la simulation du contenu en eau des couches intermédiaires, des températures du sol et du flux LE. Cependant, l'impact sur le flux radiatif Rn est plutôt négatif. Ceci se traduit alors par une légère dégradation des performances sur le flux H.

Avant étalonnage Après étalonnage Sans feuille jaune Variable

B RMSE E B RMSE E B RMSE E

θ0-5 0.062 0.092 -1.93 0.022 0.044 0.32 0.021 0.044 0.33 θ0-10 0.025 0.053 0.48 0.006 0.025 0.88 0.006 0.026 0.88 θ10-20 0.020 0.031 0.81 0.004 0.017 0.94 0.005 0.018 0.93 θ20-30 0.008 0.015 0.95 -0.004 0.013 0.97 -0.003 0.013 0.96 θ30-50 0.021 0.028 0.77 0.005 0.011 0.97 0.006 0.011 0.96 θ50-80 0.011 0.020 0.80 -0.008 0.015 0.89 -0.007 0.015 0.89 θ80-120 -0.020 0.024 0.70 -0.042 0.046 -0.16 -0.004 0.045 -0.15 θ0-140 0.010 0.018 0.86 -0.006 0.008 0.97 -0.005 0.008 0.97 Rn -17.7 39.1 0.96 -15.3 38.7 0.96 -14.3 36.9 0.96 G -0.35 33.6 0.43 0.6 24.5 0.70 0.3 27.9 0.61 Hfluctuation 0.58 24.7 0.87 -11.8 29.3 0.81 -11.4 28.7 0.82 LEfluctuation -14.9 34.3 0.89 2.1 28.9 0.92 2.0 29.2 0.92 Hbowen -25.9 60.1 0.72 -32.6 64.6 0.68 -30.0 61.1 0.71 LEbowen -0.6 37.5 0.82 15.6 52.2 0.66 13.6 52.8 0.65 T2.5 cm 0.5 2.5 0.83 -0.4 2.6 0.81 -0.1 3.0 0.75 T10 cm 0.6 1.5 0.93 -0.5 1.5 0.94 -0.2 1.4 0.94 T30 cm 0.3 1.0 0.96 -0.6 1.1 0.95 -0.4 1.0 0.96 T50 cm 0.2 0.8 0.97 -0.5 0.8 0.97 -0.4 0.8 0.96 Tb 1.4 2.1 0.93 0.72 1.9 0.95 1.1 2.3 0.92