HAL Id: hal-01194981
https://hal.archives-ouvertes.fr/hal-01194981
Submitted on 6 Jun 2020
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Quelques réflexions sur les modèles : stratégies de conception, formes mathématiques, hypothèses
théoriques, généralisation
Jean-Francois Dhote, Patrick Vallet, Christine Deleuze, Laurent Saint-André, Jean-Christophe Hervé
To cite this version:
Jean-Francois Dhote, Patrick Vallet, Christine Deleuze, Laurent Saint-André, Jean-Christophe Hervé. Quelques réflexions sur les modèles : stratégies de conception, formes mathématiques, hypothèses théoriques, généralisation. 10. Journées CAQ Croissance Amélioration Qualité des bois, Mar 2007, VILLENAVE D’ORNON, France. 24 p. �hal-01194981�
Q
u
e
lq
u
e
s
r
é
fl
e
x
io
n
s
s
u
r
le
s
m
o
d
è
le
s
:
S
tr
a
té
g
ie
s
d
e
c
o
n
c
e
p
ti
o
n
,
fo
r
m
e
s
m
a
th
é
m
a
ti
q
u
e
h
y
p
o
th
è
s
e
s
th
é
o
r
iq
u
e
s
,
gé
n
é
r
a
li
s
a
ti
o
n
Jean-François D hôte (INRA), Patrick V allet (C emagref ) Christine D eleuze (A FoCel), Laurent St-André (CIRAD),
Jean-Christophe Hervé
2
Point de vue de la présentation
•
L’
é
va
lu
at
io
n
de
m
od
èle
s
:
–On ne parle pas ici d
’é valuation a posteriori – Plut ô t de conception de modèles •
U
ne
sit
ua
tio
n
:f
ab
riq
ue
r
de
s
m
od
èle
s
d’
in
gé
nie
rie
–Objectif : prévision, simulation, optimisation
–
Modèles calibrés sur des données
–
Recherche nécessaire
!
faire de bons outils d
’ingénieur •
U
ne
co
nv
ic
tio
n
:
– La qualité d ’un modèle se construit en amont (contexte, question
posée, objectifs, données et
c
onnaissances
Domaine-cible
e
t domaine de calibration
•C
on
st
ru
ct
io
n
d’
un
m
od
èle
de
cr
ois
sa
nc
e
/f
eu
illu
s
Surface terrière sur pied (m2/ha)
0 10 20 30 40 50 60 70 20 40 60 80 100 120 140 160 180 200 220 â g e 5 10 15 20 25 30 35 40 45 20 40 60 80 100 120 140 160 180 200 H ê tr e C h ê n e L e s d o n n é e s d is p o n ib le s s o n t to u te s c o m p ri s e s e n tr e 0 .5 e t 1 fo is la d e n s it é m a x im a le C o m m e n t fa ir e u n m o d -ju s te d a n s c e d o m a in e -s a in e n e x tr a p o la ti o n
4
Domaines : cible & calibration (2)
•
C
on
st
ru
ct
io
n
d’
un
ta
rif
de
cu
ba
ge
na
tio
na
l
0 1 0 0 2 0 0 3 0 0 4 0 0 C ir c o n fé re n c e 0 1 2 2 4 3 6 Hauteur F u ta ie T S F L e s d o n n é e s d is p o n ib le s s o n t to u te s e n fu ta ie ré g u li è re S o u rc e : P . V a ll e t (2 0 0 2 ) C o m m e n t fa ir e u n ta ri f d e c u b a g e : -d e p o rt é e n a ti o n a le , -ju s te ! la s tr u c tu re ?Problème
•
O
n
e
st
so
u
ve
n
t
o
b
lig
é
s
d
e
co
n
st
ru
ir
e
u
n
m
o
d
è
le
–ca
lib
ré
su
r
u
n
so
u
s-d
o
m
a
in
e
d
e
la
cib
le
vis
é
e
…
–…
m
a
is
q
u
is
e
co
m
p
o
rt
e
sa
in
e
m
e
n
t
e
n
d
e
h
o
rs
•
P
o
u
rq
u
o
ie
st
-o
n
so
u
ve
n
t
d
a
n
s
ce
tt
e
si
tu
a
tio
n
?
–L
e
s
d
o
n
n
é
e
s
fo
re
st
iè
re
s
so
n
t
lo
n
g
u
e
s
à
a
cq
u
é
rir
o Problèmes ! entre t(création) et t(exploitation)
o
Les méthodes d
’a
nalyse ont évolué
–
L
e
s
d
o
n
n
é
e
s
co
û
te
n
t
ch
e
r
o Ré-utilisation d e données, dispositifs oCombinaison de données anciennes et nouvelles
o
6
Comment faire ?
•
B
ie
n
sû
r,
o
n
va
fa
ir
e
d
e
s
st
a
tis
tiq
u
e
s,
d
e
s
a
ju
st
e
m
e
n
ts
,
e
tc
…
•
M
a
is
e
ss
a
yo
n
s
d
e
ré
flé
ch
ir
à
la
st
ra
té
g
ie
d
e
co
n
ce
p
tio
n
:
–A
p
p
ro
ch
e
g
é
n
é
ra
le
d
e
m
o
d
é
lis
a
tio
n
–C
o
n
n
a
is
sa
n
ce
s
:
q
u
a
lit
a
tiv
e
,
e
m
p
ir
iq
u
e
,
th
é
o
riq
u
e
–C
h
o
ix
d
e
s
va
ria
b
le
s
in
d
é
p
e
n
d
a
n
te
s
–C
h
o
ix
d
e
la
fo
rm
e
m
a
th
é
m
a
tiq
u
e
d
u
m
o
d
è
le
–P
ro
g
re
ss
e
r
ve
rs
u
n
e
th
é
o
rie
d
e
s
p
h
é
n
o
m
è
n
e
s
Exemple : tarifs de cubage découpe 0
D
E
A
P
a
tr
ic
k
V
a
lle
t
(2
0
0
2
)
C
o
n
tr
a
t
C
A
R
B
O
F
O
R
• U n e x e m p le tr è s s im p le • p o u r il lu s tr e r d e s id é e s • s im p le ! s im p li s te • «! to u s le s m o d è le s s o n t fa u x , q u e lq u e s -u n s s o n t u ti le s! » • c ’e s t d i" c il e q u e d e fa ir e s im p le e t u ti le8
Contexte, objectifs
•
B
e
so
in
d
’e
st
im
e
r
le
st
o
ck
d
e
C
fo
re
st
ie
r
n
a
tio
n
a
l
–(t
rè
s)
n
o
m
b
re
u
se
s
e
ss
e
n
ce
s
–d
iv
e
rs
ité
d
e
s
co
n
te
xt
e
s
é
co
lo
g
iq
u
e
s
(b
io
clim
a
t,
st
a
tio
n
)
–d
iv
e
rs
ité
d
e
s
co
n
d
itio
n
s
sy
lv
ic
o
le
s
(T
S
F
,
F
R
,
tr
a
n
sit
io
n
)
–co
ût
tr
è
s
é
le
vé
d
e
s
m
e
su
re
s
d
e
b
io
m
a
ss
e
–in
té
rê
t
sc
ie
n
tif
iq
u
e
p
o
u
r
le
s
m
é
th
o
d
e
s
g
é
n
é
riq
u
e
s
•
O
b
je
ct
if
:
co
n
st
ru
ir
e
u
n
e
m
é
th
o
d
e
d
e
cu
b
a
g
e
–o
b
je
t
:
vo
lu
m
e
a
é
rie
n
d
é
co
u
p
e
0
–ta
rif
d
e
fo
rm
e
h
o
m
o
g
è
n
e
p
o
u
r
!
e
ss
e
n
ce
s
–p
a
ra
m
é
tr
a
g
e
m
in
im
a
l(
p
rin
cip
e
d
e
p
a
rc
im
o
n
ie
)
Stratégie d
’e
nsemble (1)
•Q
u
’e
st
-c
e
qu
is
e
fa
it
aille
ur
s
?
– Très nombreux tarifs a llométriques : Biomasse = a * d 1 3 0 b –une seule variable indépendante
–
prédiction directe de la biomasse
•
P
ou
rq
uo
ic
ela
po
se
-t
-il
un
pr
ob
lè
m
e
ic
i?
– Exposant b: connu pour varier selon structure (pop)
–
Notre jeu de données ne reflète pas la population d
’intér êt – Faire q q
chose de : plus général, robuste vis-à-vis des
différences de morphologies entre structures (futaie, TSF)
•
Q
ue
fa
it-on
?
–Au minimum, avoir 2 variables indépendantes (
d 13
0
,h)
–
Rendre compte des
! d e forme à travers (d 1 3 0 ,h)
1 0
Stratégie d
’e
nsemble (2)
•M
ét
ho
de
dir
ec
te
vs
in
dir
ec
te
– directe : Biomasse = F (d 1 3 0 ,h) – indirecte : B iomasse = Vol 0 (d 1 3 0 ,h) * InfraDens •In
co
nv
én
ie
nt
de
la
m
ét
ho
de
in
dir
ec
te
:
–Composition des erreurs
•
A
va
nt
ag
es
:
–Nombreuses données disponibles (croissance, QB)
– Savoir-faire sous-jacents •
A
nt
ic
ip
er
su
r
le
s
pr
ob
lè
m
es
à
ve
nir
:c
ha
ng
em
en
ts
en
vir
on
ne
m
en
ta
ux
et
dé
te
rm
in
is
m
es
dif
fé
re
nc
ié
s
Stratégie d
’e
nsemble (3)
•R
éa
lis
at
io
ns
pr
éc
éd
en
te
s
en
F
ra
nc
e
:
–Second choc pétrolier (contrat DGRST, 1981)
– Travail de J. Bouchon, J. P ardé & J.M. Ottorini –
Feuillus : 2 procédures distinctes (futaie, TSF)
•
P
ou
rq
uo
if
air
e
au
tr
em
en
t?
–Système des procédures distinctes
!
discontinuité
–
Or beaucoup de peuplements sont en transition entre la futaie et le TSF
…
et la codification reste subjective
–
Hypothèse (théorique) de continuité fondamentale des variations de forme
–
Profiter du chantier Carbone pour illustrer l
’a
1
2
Hypothèses et ressources utilisées
•
H
yp
ot
hè
se
s
:
– Le couple (d130, h) contient l ’information nécessaire etsuffisante pour rendre compte des variations de forme
–
Pas de
covariation
a
vec région biogéographique, station,
structure – Deux espèces « b otaniquement proches »
"
m ê me tarif •R
es
so
ur
ce
en
do
nn
ée
s
:le
fo
nd
s
d’
a
rc
hiv
es
IN
R
A
–10aines de milliers de cubage
b ois-fort + menus bois – Période de relevé : 1920-1950 –
Principales essences forestières
–
Futaies régulières,
p
ureté
"
80% dans 90% des cas
–
…
Forme mathématique
1.T
ar
if
J.
B
ou
ch
on
,b
ois
-f
or
tto
ta
lC
hên
e
:
– V = # + $ .d + % .d 2 + & .d 3 + ' .h 3 + ( .d 2 .h 2.Id
em
po
ur
le
H
êt
re
:
– V = ) .d 2 .h . [ # + $ .d 2 + % .d 3 + & /h + ' *h ] . [ 1 + * .d + + .h ] •(C
om
bin
ais
on
de
)
po
ly
nô
m
es
:
–Forme (1) : adaptée pour une publication tabulée, mais comportement en extrapolation non maîtrisable
–
Forme (2) : mieux adaptée pour o
D é co m p o se r le s p h é n o m è n e s in flu e n ts o H o m o g é n é is e r la va ri a n ce (h é té ro sc é d a st ic ité d e s d o n n é e s d e vo lu o F a ir e d u te st d ’h yp o th è se s •
S
ub
st
itu
tio
n
:v
olu
m
e
"fa
ct
eu
r
de
fo
rm
e
1 4
T
r
a
n
s
fo
r
m
a
ti
o
n
d
e
s
v
a
r
ia
b
le
s
in
d
é
p
e
n
d
a
n
te
s
•
L
e
d
ia
m
è
tr
e
e
t
la
h
a
u
te
u
r
:
co
rr
é
lé
s
!
•
P
o
u
rt
a
n
t,
in
fo
rm
a
tio
n
n
o
n
-r
e
d
o
n
d
a
n
te
"
T
ra
n
sf
o
rm
a
tio
n
d
e
(
d
1
3
0
,
h
)
e
n
(
d
1
3
0
,
ro
b
u
st
e
ss
e
)
o
ù
ro
b
u
st
e
ss
e
=
#
d
1
3
0
/
h
•
E
n
o
u
tr
e
,
ce
tt
e
n
o
u
ve
lle
va
ri
a
b
le
:
=p
rin
cip
a
le
so
u
rc
e
d
e
s
va
ria
tio
n
s
d
e
fo
rm
e
(f
e
u
illu
s)
–d
is
cr
im
in
e
b
ie
n
fu
ta
ie
e
t
T
S
F
–p
o
ss
è
d
e
u
n
e
g
a
m
m
e
su
ff
is
a
n
te
d
a
n
s
n
o
s
d
o
n
n
é
e
s
–a
u
n
e
ff
e
t
lin
é
a
ir
e
ra
is
o
n
n
a
b
le
m
e
n
t
e
xt
ra
p
o
la
b
le
Modèle
•
O
n
su
b
st
itu
e
le
fa
ct
e
u
r
d
e
fo
rm
e
a
u
vo
lu
m
e
:
–F
o
rm
e
=
V
o
lu
m
e
0/
[
)
.d
2.h
/4
0
0
0
0
]
(s
a
n
s
u
n
ité
)
•
M
o
d
è
le
:
–F
o
rm
e
=
[
#
+
$
.d
+
%
.r
o
b
u
st
e
ss
e
]
.
[1
+
&
/d
2]
1 6
Principaux résultats
•G
ro
up
es
de
co
m
po
rt
em
en
ts
sp
éc
ifiq
ue
s
:
–Feuillus : légère différence entre H
ê
tre et Chêne sessile
–
Résineux «
sombres
»
(Sapin, Épicéa, Douglas) :
comportements similaires
–
Pins : ressemblent aux feuillus, mais forme <
–
Feuillus et Pins : la robustesse est prépondérante
–
Groupes cohérents
c
f
é
tudes / autres continents
•
F
us
io
n
d’
e
sp
èc
es
:
– Toutes sont !,sauf les Pins (voir zoom)
•
V
ar
ia
tio
ns
–Pas de tendance temporelle (vérification partielle)
–
Légères variations spatiales, sans structuration géographique
–
Effet structure (TSF, taillis) : vérifié par
l’I
L
e
c
a
s
d
e
s
p
in
s
0 5 1 0 1 5 2 0 2 5 3 0 0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0 1 8 0 C ir c o n fé re n c e Ha ute ur P in M a ri ti m e P in s y lv e s tr e N u a g e d e p o in ts c ir c o n fé re n c e h a u te u r p o u r le s P in s s y lv e s tr e e t m a ri ti m e •Pins sylvestre et maritime : fortes
!
d
es caractéristiques dendrométriques,
1 8
L
e
c
a
s
d
e
s
p
in
s
• Ajustement d ’un tarif de cubage commun
-0 .3 -0 .2 -0 .1 0 0 .1 0 .2 0 .3 0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0 1 8 0 C ir c o n fé re n c e Ré sid us du fa cte ur de fo rm e R e s id u s s y lv e s tr e R é s id u s m a ri ti m e R é s id u s d u fa c te u r d e fo rm e a p rè s a ju s te m e n t d ’u n ta ri f c o m m u n
L
e
c
a
s
d
e
s
p
in
s
•Utilisation du tarif commun sur 77 Pins laricio
0 0 .5 1 1 .5 2 2 .5 3 0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0 -0 .4 -0 .3 -0 .2 -0 .1 0 0 .1 0 .2 0 .3 0 .4 0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0 Vo lu me (m 3) Ré sid us su r le Vo lu me (m 3) C ir c o n fé re n c e (c m ) V o lu m e m e s u ré V o lu m e e s ti m é
2 0
Qu
’a
-t-on obtenu/appris ?
•E
n
vu
e
de
s
ap
plic
at
io
ns
:
– Huit tarifs de m ê me structure (C, H, E, S, P, D, M, divers) –Une proposition de méthode
d e portée nationale •
C
et
te
m
ét
ho
de
pr
oc
èd
e
pa
r
gé
né
ra
lis
at
io
n
(=
ex
pe
rt
is
e)
– Hypothèse « d e proximité botanique » n on-contredite – Groupements d ’espèces : cohérents avec autres continents
"
Application d
’u
n tarif unique aux essences du même genre
•
É
va
lu
er
un
m
od
èle
:c
’e
st
m
ult
i-c
rit
èr
es
!
–Choix de construction, hypothèses testées, propriétés qualitatives, simplicité, utilité, vérification numérique
… " C ’e st l ’e
Résumé des hypothèses
•
Trois hypothèses explicites (= écrites dans l
’a rticle) – L e co u p le (d 1 3 0 , h ) co n tie n t l’i n fo rm a tio n n é ce ss a ir e e t su ff is a n te p o u r re co m p te d e s va ri a tio n s d e fo rm e – P a s d e co va ri a tio n a ve c ré g io n b io g é o g ra p h iq u e , st a tio n , st ru ct u re – D e u x e sp è ce s « b o ta n iq u e m e n t p ro ch e s » " m ê m e ta ri f • Critique a priori : – C e s h yp o th è se s re st e n t va g u e s d a n s le u r fo rm u la tio n – E lle s n e co n tie n n e n t p a s le u r p ro p re cr itè re d e m is e à l’é p re u ve •
Deux hypothèses implicites : –
C o n tin u ité fo n d a m e n ta le d e s va ri a tio n s d e fo rm e – L ’â g e n ’e st p a s u n fa ct e u r a u to n o m e , il a g it à tr a ve rs le s va ri a tio n s d im e n si o n n e lle s
2
2
Pourquoi faire des hypothèses ?
•
O
rg
an
is
er
un
pr
ob
lè
m
e,
cla
rif
ie
r
se
s
id
ée
s
•É
ta
pe
ut
ile
po
ur
:
–Sélectionner des variables, c
h
oisir des formes mathématiques
–
Justifier ses choix
–
Modèles
!
d
onnées : plus généraux gr
â
ce aux hypothèses
–
Hypothèses et connaissances : arbitrer en modèles concurrents
•
D
ia
lo
gu
er
av
ec
de
s
co
llè
gu
es
qu
ic
ro
ie
nt
à
la
m
ét
ho
de
ex
pé
rim
en
ta
le
– Hypothèse!
expérience!
décision •F
air
e
ac
ce
pt
er
se
s
pu
blic
at
io
ns
F
r
a
n
c
h
ir
u
n
e
é
ta
p
e
:
v
e
r
s
u
n
e
th
é
o
r
ie
d
e
s
p
h
é
n
o
m
è
n
e
s
•P
re
nd
re
co
ns
cie
nc
e
de
s
«
th
éo
rie
s
im
plic
ite
s
»
:
–Exemple : Croissance = Potentiel . Réducteur
– Lois d ’invariance : Eichhorn, P ressler , a utoéclaircie –
Théorie dendrométrique de la production des PR
•
Il
s’
a
git
bie
n
de
th
éo
rie
s
(p
hé
no
m
én
olo
giq
ue
s)
:
–Organiser des phénomènes, constituer un champ disciplinaire
–
Associer concepts abstraits (compétition, fertilité) et i
n
dicateurs
concrets (RDI, IF)
–
Forme mathématique achevée, analyse qualitative
–
Insertion dans une démarche expérimentale : concevoir de nouvelles expériences (
cf Coop
), faire
d
es prédictions testables
–
2
4
