HAL Id: hal-01606804
https://hal.archives-ouvertes.fr/hal-01606804
Submitted on 29 May 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.
l’Amélioration des Techniques Culturales (projet SIMPATIC)
D. Boisgontier, J. Orensanz, Laurent Glais, Frédéric Boulard, P. Laty, O.
Deudon, D. Gaucher, F. Golaz, B. Molot, R. Giovinazzo, et al.
To cite this version:
D. Boisgontier, J. Orensanz, Laurent Glais, Frédéric Boulard, P. Laty, et al.. Spatialisation de l’Information Météorologique Pour l’Amélioration des Techniques Culturales (projet SIMPATIC). In- novations Agronomiques, INRAE, 2013, 30, pp.329-347. �hal-01606804�
Spatialisation de l’Information Météorologique Pour l’Amélioration des Techniques Culturales (projet SIMPATIC)
Boisgontier D.1, Orensanz J. 1, Glais L.2,3, Boulard F. 2,3, Laty P. 4, Deudon O.5, Gaucher D.5, Golaz F. 6, Molot B, 7. Giovinazzo R.8, Jacquot E. 3, Le Hingrat Y.2
1 Cap 2020, allée du Chemin neuf, 91720 Gironville sur Essonne
2 FN3PT (Fédération Nationale Producteurs de Plant Pomme de Terre), 43-45, rue de Naples, 75009 Paris
3 INRA, UMR 1349 IGEPP, 35653 Rennes-Le Rheu
4 GROCEP-Comité Centre-et-Sud, Cité de l’Agriculture, 13, avenue des droits de l’Homme, 45921 Orléans
5 ARVALIS-Institut du végétal, Station expérimentale, 91720 Boigneville
6 Chambre d’Agriculture d’Eure-et-Loir (Pôle CA3E), 10, rue Dieudonné Costes CS 10399, 28024 Chartres
7 I.F.V. (Institut Français de la Vigne et du Vin), Domaine de Donadille, 30230 Rodilhan
8 SONITO (Société Nationale Interprofessionnelle de la Tomate), Maison de l'Agriculture, 84912 Avignon
Correspondance : yves.lehingrat@fnpppt.fr
Résumé
Le projet SIMPATIC consistait à étudier l’utilisation de données climatiques à haute résolution spatiale pour améliorer la qualité des conseils agricoles et des pratiques culturales, en palliant la densité limitée de stations météorologiques. Le projet a permis le développement d’un système d’information permettant de générer des données météo spatialisées à deux résolutions (5x5km et 1x1km) accessibles aux partenaires du projet via la plateforme d’intégration Cap 2020 sur deux dispositifs terrains principaux de plusieurs centaines de km² (Sud du Bassin Parisien et Sud-Est : région Nîmes- Tarascon) via des Stations Météo Virtuelles® accessibles par Internet (www.meteoagricoledeprecision.com). Ces données météo ont été utilisées en comparaison avec celles de stations météo réelles dans différents OAD développés par les partenaires du projet, sur différentes cultures (pomme de terre, céréales, tomate et vigne) et thématiques (gestion des risques liés aux bioagresseurs (mildiou, pucerons) ou pilotage de l’irrigation) sensibles aux facteurs climatiques. Les résultats montrent l’intérêt de la spatialisation des données agrométéorologiques et l’importance de la qualité des données de pluie et d’humidité.
Mots-clés : spatialisation, agrométéorologie, outils d’aide à la décision, itinéraires culturaux, irrigation, pomme de terre, vigne, tomate.
Abstract: Using spatial meteorological data to improve disease forecasting and crop management
The objectives of the ‘SIMPATIC’ project were to study the interest of spatial bioclimatic data to support DSS and to improve the reliability of crop management at field scale, far from weather stations. The project made it possible to set two networks of weather stations and virtual meteorological data at two resolutions (5x5km and 1x1km). Spatial weather data were provided to the project partners via an integration platform by Cap 2020 in two areas of several hundred km² (Paris Basin and South-East) via Virtual Weather Stations® provided by Internet (www.meteoagricoledeprecision.com). Spatial and true weather data were compared on the four crops of the project: (seed) potato, cereals, tomato and vineyard, on existing DSS for Late blight (Mileos® and Potentiel system) and irrigation (Bipode® and
ETP-PM) and in acquiring data on the epidemiology and transmission of Potato virus Y by aphids.
Results show the potential of spatialized weather data and the importance of reliable rain and humidity measurements.
Keywords: spatialization, agro-meteorology, decision support systems, crop management, irrigation, potato, vineyard, cereals, tomato.
Introduction
Dans un contexte de fortes contraintes environnementales et économiques pour le monde agricole, nécessitant le recours accru à des outils de raisonnement des interventions culturales, le projet SIMPATIC a été bâti face à un triple constat :
- Des progrès importants en matière de modélisation agronomique (développement des plantes et des maladies…) et en particulier grâce à la prise en compte de paramètres climatiques,
- Le manque de données météo représentatives des conditions locales de chaque parcelle agricole qui limite la représentativité et donc l’utilisation des outils d’aide à la décision. En effet, la densité en stations météo n’est que de 1 pour plus de 300 km² alors que la représentativité spatiale de la pluie est inférieure à 1 km,
- L’existence de technologies innovantes dans le domaine de la météorologie et de l’information permettant de générer des données climatiques sur de larges territoires à une échelle proche de la parcelle agricole sans équipement individuel pour l’agriculteur (Boisgontier, 2010).
Le projet SIMPATIC consistait donc à étudier l’utilisation de données climatiques à haute résolution spatiale pour améliorer la qualité des conseils agricoles et des pratiques culturales, avec trois actions principales :
- Mise en place d’un système d’information et spatialisation des données climatiques avec la société Cap 2020, permettant, pour l’ensemble des cultures concernées par le projet, l’acquisition, la spatialisation des données météo et leur mise à disposition aux organismes agricoles, via Internet. Les données météo spatialisées par la plateforme d’intégration étaient accessibles sur deux dispositifs terrains de plusieurs centaines de km² : le sud du Bassin parisien pour la pomme de terre (plant et/ou consommation) et les céréales, et le Sud-Est (région Nîmes-Tarascon) pour la vigne et la tomate
- Spatialisation des informations agronomiques afin d’évaluer, pour des modèles agronomiques existants, l’intérêt des données météo spatialisées. Le projet SIMPATIC a permis d’intégrer les jeux de données spatialisées fournis par Cap 2020 dans différents outils d’aide à la décision : Mileos®
développé par ARVALIS pour le mildiou de la pomme de terre et testé sur tomate dans ce projet et également des logiciels de gestion de l’irrigation (GIRRIG, Bipode et ETP-PM). Le réseau météo a aussi été utilisé pour des études épidémiologiques sur le virus Y dans un réseau de parcelles en Beauce. Le Tableau 1 précise la localisation des cultures et des opérations culturales étudiées ainsi que les acteurs agricoles impliqués.
- Diffusion des conseils et avertissements spatialisés avec mise au point de services pour les agriculteurs ainsi qu’à leur évaluation par leurs utilisateurs.
Le projet SIMPATIC a mis en œuvre un partenariat important d’organismes agricoles et entreprises innovantes ainsi que des techniques avancées de la météorologie tant au niveau de l’acquisition des données (stations multicapteurs en réseau, intégration de divers types de données météo) que de leur traitement (simulation haute résolution, analyse spatiale et géostatistique, combinaison de données,
…).
Sites terrain Cultures Opérations culturales Partenaires
Bassin parisien Pomme de Terre Pucerons et transmission virose (plant) FN3PT/CCS, INRA, Cap 2020*
Gestion de l’irrigation (plant) FN3PT/CCS, Cap 2020*
Protection contre le mildiou ARVALIS, Cap 2020*
Céréales Gestion de l’irrigation Ch. Agri Eure&Loir, Cap 2020*
Sud vallée du Rhône (et Sud-Ouest )
Vigne Gestion de l’irrigation IFV, Cap 2020*
Protection contre maladies (mildiou) IFV, Cap 2020*
Tomate Protection contre maladies (mildiou) SONITO, ARVALIS, Cap 2020*
*Cap 2020 et ses partenaires (Estimages, Numtech, Météo France…) Tableau 1 : Localisation des dispositifs utilisés dans l’étude
1. Dispositif de spatialisation et diffusion des informations météorologiques Le projet a permis la mise en place d’un système d’information permettant d’acquérir des données météo sur les territoires concernés par le projet, de les spatialiser et de les mettre à disposition pour les intégrer dans les modèles agronomiques. Elle a impliqué principalement Cap 2020 et ses partenaires externes : sociétés Estimages (analyse spatiale et traitements géostatistiques) et Numtech (études climatiques) ainsi que Météo France pour la fourniture de données issues de leurs stations météo et du produit Antilope.
1.1. Méthodes de travail utilisées
Le système d’information développé pour le projet était basé sur différents composants : des données de stations météo réelles, des méthodes de spatialisation des données météo et une plateforme d’intégration pour générer et mettre à disposition les données sous forme de Station Météo Virtuelle®
(SMV).
1.1.1. Les sources de données météo:
Des stations météo réelles (SMR) spécifiques ont été implantées sur les deux zones de travail du projet :
Bassin parisien : 11 stations (marque Agriscope) mesurant la température, la pluie, l’humidité relative, le rayonnement global et la vitesse du vent et 4 autres mesurant en plus la direction du vent
Sud-Est : 13 stations (marque Agriscope et Pessl) mesurant la température, la pluie, l’humidité relative, le rayonnement global et la vitesse du vent.
Une troisième zone a été mise en place en Aquitaine pour la dernière année du projet.
Ces SMR, complétées par des stations météo de Météo France, ont été utilisées comme données de références pour les comparer aux SMV générées par la plateforme d’intégration.
1.1.2. Les méthodes de spatialisation des données météo
Simulation atmosphérique haute résolution : deux modèles régionaux ont été successivement utilisés par la société Numtech afin de générer les données spatialisées: RAMS puis WRF pour la campagne 2012.
Fusion de données : celle-ci a été réalisée selon une méthodologie géostatistique développée avec la société Estimages, qui permet d’améliorer la qualité des données maillées en les combinant avec des
données mesurées ponctuellement par les stations Météo France, selon le principe illustré par la Figure 1.
Figure 1: Méthode de fusion de données météo réalisée par Cap 2020
La fusion de données est également utilisée par Météo France pour générer son produit Antilope® : fusion de données radar météo classique avec des données issues de pluviomètres. Les données pluie Antilope® ont été fournies pour ce projet SIMPATIC pour la haute résolution.
Interpolation locale : la dernière opération de spatialisation du processus global est une interpolation linéaire pour calculer la valeur du paramètre météo en fonction de la position géographique de la parcelle.
1.1.3. Plateforme d’intégration
Elle a été développée la première année du projet par Cap 2020 en relation avec l’Isep (Institut supérieur d’électronique de Paris). Les données météo issues de la plateforme ont été mises à disposition des partenaires dès la deuxième année via des SMV positionnées sur les parcelles d’intérêt du projet.
1.1.4. Mise à disposition des données météo
Les données météo spatialisées ont été fournies aux partenaires du projet SIMPATIC selon deux niveaux de résolution spatiales : standard (maille de 5 km²) et haute (maille de 1 km²). Générées par la plateforme d’intégration Cap 2020, elles étaient accessibles via des Stations Météo Virtuelles®
positionnées sur des parcelles d’intérêt via une interface cartographique, avec deux modalités d’accès aux données:
§ Site internet dédié www.meteoagricoledeprecision.com) permettant aux utilisateurs de consulter 24h/24h les informations météo d’observation et de prévision, en données journalières ou horaires,
§ Réception d’un flux de données, par distribution de manière automatique via un flux quotidien de données météo et selon deux modalités (email et serveur FTP). Chaque utilisateur pouvait paramétrer ses envois de données via la plateforme Cap 2020 et les utiliser ensuite dans différents Outils d’Aide à la Décision.
Figure 3 : Exemple de consultation du site Internet pour les données d’observation horaires : 1.1.2 Qualité des données
Il ressort des validations réalisées durant le projet sur la qualité des données météo des SMV que : - La température est le paramètre qui a posé le moins de problème à être spatialisé et que les corrélations entre données de SMR et données de SMV sont très bonnes,
- Le rayonnement global est assez bien évalué par les modèles de simulation atmosphérique ;
- La pluie est le paramètre le plus délicat à produire à l’aide d’un modèle de simulation atmosphérique mais il ressort des études de validation menées dans le cadre du projet qu’en l’absence d’un pluviomètre (bien entretenu) ou de données pluie spatialisées comme celles générées par un radar bipolarisé ou des données pluie Antilope® de Météo France, il est préférable d’utiliser des données pluie spatialisées plutôt que transposer les données de la station la plus proche voisine qui peut être distante de plusieurs kilomètres ;
Figure 2 : Plateforme d’intégration Cap 2020 pour la génération des Stations Météo Virtuelles®
- L’humidité relative a posé des problèmes au travers son utilisation dans les modèles agronomiques à effet de seuil. Le changement de modèle de simulation a permis d’améliorer la qualité de ce paramètre ; - Un paramètre synthétique comme l’ETP qui prend en compte différents paramètres météo (humidité relative, rayonnement global, température, vent) est relativement bien estimé via les SMV.
Lors du projet, différentes évolutions ont été mises en place pour améliorer la qualité et les fonctionnalités d’accès aux données spatialisées.
2. Spatialisation des informations agronomiques
L’action concernait l’utilisation de données météorologiques spatialisées pour étudier leur intérêt dans la mise en œuvre de divers outils d’aide à la décision. Selon les cultures et les opérations culturales, le projet a consisté à tester les données météo spatialisées fournies par Cap2020 sur des modèles existants (pour le Mildiou, Mileos© sur pomme de terre et tomate et Potentiel system en vigne et pour l’irrigation, les OAD Bipode, Girrig et ETP-PM) ou d’utiliser le réseau météo pour l’acquisition de données sur l’épidémiologie du virus Y de la pomme de terre. Ce document présente ci-dessous les travaux réalisés par les partenaires du projet, avec en premier lieu, les actions conduites dans le Bassin parisien puis dans le Sud.
2.1. Bassin parisien
2.1.1. Céréales : gestion du stress hydrique (chambre d’agriculture d’Eure-et-Loir)
La chambre d’agriculture d’Eure-et-Loir s’est impliquée dans le projet pour évaluer la pertinence et l’intérêt de la spatialisation des données météorologiques pour l’évaluation du stress hydrique subi par les grandes cultures irriguées ou non, évaluer l’utilisation de ces données pour le conseil de pilotage des irrigations et l’incidence du contexte immédiat des stations météorologiques sur l’évaluation de l’ETP.
Ce volet a utilisé différentes sources de données météo de stations réelles et virtuelles, en résolution standard ou en haute résolution. Une automatisation du transfert des informations météo a été mise en œuvre pour rendre l’information spatialisée utilisable par le logiciel de Bilan hydrique Girrig. La mise en place et le suivi de quatre stations météorologiques Agriscope en complément des stations Pulsonic préexistantes (réseau géré par la chambre d’agriculture avec Météo-France) ont permis d’effectuer des comparaisons sur les différents paramètres météorologiques, impliqués dans le pilotage de l’irrigation, principalement la pluie et l’ETP (Evapotranspiration potentielle), mesurés ou estimés. La comparaison des ETP calculées par les stations Agriscope avec celles des stations Météo-France les plus proches est assez satisfaisante.
Pour les données virtuelles, la comparaison des données horaires a été globalement satisfaisante pour les températures et l’humidité mais le rayonnement global était très différent et les pluies calculées sur un poste virtuel ont montré une surestimation importante en mode résolution standard. En revanche, les pluies en haute résolution (pluies Antilope de Météo-France) ont été assez fidèles à celles du poste avec toutefois quelques pluies manquantes. Ces différences se sont soldées au final par des différences importantes dans les ETP calculées par Météo-France ou la plateforme d’intégration.
L’analyse agronomique sur l’incidence des écarts observés sur les conseils et les pratiques en découlant a été étudiée en suivant des parcelles agricoles de référence à proximité des postes météorologiques. Les ETP surestimées et les pluies sous-estimées pour les stations météo virtuelles (Figure 4) ont conduit à un bilan hydrique fortement déficitaire. Au final, il ne s’est pas avéré pertinent
en fin de projet en 2011 d’utiliser les données spatialisées de pluie et d’ETP pour améliorer le conseil d’irrigation.
Figure 4: Comparaison de bilan hydrique et quantités d’eau d’irrigation conseillées (sur blé) selon le type de données météo (SMR/SMV), Chambre d’Agriculture Eure-et-Loir:
Le projet a néanmoins permis l’adaptation et l’amélioration de ‘GIRRIG’, l’outil d’aide à la décision de la chambre d’agriculture pour intégrer une mise à jour automatique des données météo par Internet, utiliser les données spatialisées ainsi qu’à diffuser l’outil auprès des agriculteurs (outil GIRRIG téléchargeable sur le site de la chambre : http://www.eure-et-loir.chambagri.fr/espace- agriculteurs/productions-vegetales/girrig/.
Une enquête d’évaluation a été réalisée en 2011 dans le cadre d’une étude confiée à des étudiants de l’ESA d’Angers par la chambre régionale d’agriculture du Centre, portant sur les freins à l’utilisation des outils d’aide à la décision en irrigation. L’analyse de l’étude réalisée par trente-six entretiens auprès d’irrigants dégage différents critères expliquant les raisons de l’adoption ou non des OAD irrigation.
Ainsi, le matériel, le contexte règlementaire, le niveau d’étude, le réseau social et l’adaptation à une situation de crise apparaissent déterminants. L’utilisation d’OAD en irrigation concerne une minorité d’exploitants composée d’agriculteurs innovateurs, anticipateurs dans un contexte de quotas ou ayant un lien fort avec leur coopérative. Pour les autres agriculteurs, les freins principaux à l’utilisation d’OAD sont la complexité des logiciels, leur manque d’options pour s’adapter au terrain, leur temps de prise en main et le coût.
Les conclusions confirment l’intérêt du développement réalisé qui permet à la fois de simplifier considérablement l’utilisation de l’outil (sans ressaisie fastidieuse des données météo) et de mieux coller à la réalité (prise en compte de stations plus proches : postes Agriscope ou Stations Météorologiques Virtuelles quand ces dernières seront fiables). Un développement ultérieur sous forme de Web service permettrait de simplifier encore et sécuriser le service, en évitant la maintenance et des sauvegardes chez l’agriculteur.
2.1.2. Pomme de terre : gestion du risque maladies - Mildiou (ARVALIS)
Ce volet a été pris en charge par ARVALIS-Institut du végétal qui développe depuis plusieurs années l’outil Mileos® pour la gestion du risque du mildiou de la pomme de terre (Phytophthora infestans) pour comparer la pertinence des conseils donnés par Mileos en utilisant les données météo spatialisées par rapport aux données météo relevées sur une station météo. Un autre volet développé plus loin a concerné le transfert sur tomate d’industrie en collaboration avec la SONITO de l’outil Mileos développé sur pomme de terre.
La validation de la pertinence des données météorologiques spatialisées au regard des données réelles a été étudiée par ARVALIS pour la station de Boigneville (91) et des comptes clients spécifiques ont été créés dans Mileos® pour intégrer les données météorologiques des stations réelles mises en place en Beauce pour cette étude.
Après la mise au point de la chaîne de transfert des données des stations réelles Agriscope® et des stations virtuelles vers Mileos®, un volet important a consisté à valider les données en aval de cette chaîne de traitement pour s’assurer de l’adéquation avec les données de départ et intégrer l’ensemble des données météo des zones concernées dans l’outil Mileos®. La validation de la pertinence des données météo spatialisées 5x5 km en 2010 puis 3x3 km en 2011 a été étudiée en Beauce.
Concernant les données d’humidité relative, l’erreur moyenne standard (précision de la donnée) a varié en 2010 selon les stations de 20.1 à 23.2 %. Concernant les données de température, l’erreur standard
MAE MSE ME RMSE MIN MAX
LELONG 17.2 470.2 -11.1 21.7 -60.5 49.1
JULIEN 17.4 481.1 -9.8 21.9 -57.2 53.5
PORTHAULT 16.1 402.9 -7.8 20.1 -55.6 50.6 HUBERT 18.3 537.4 -13.1 23.2 -64.6 44.2 BOIGNEVILLE 16.4 441.1 -2.8 21.0 -60.5 62.2
MAE MSE ME RMSE MIN MAX
LELONG 2.1 8.1 1.2 2.8 -8.1 13.5
JULIEN 2.0 7.4 0.8 2.7 -7.5 11.5
PORTHAULT 2.0 7.6 1.0 2.8 -7.1 10.2
HUBERT 2.1 8.8 1.3 3.0 -8.2 12.3
BOIGNEVILLE 1.2 3.3 0.5 1.8 -13.7 13.6
Figure 5 : Validité des données météorologiques spatialisées comparées aux données réelles (Arvalis, Beauce, 2010).
Les graphiques (en haut) représentent pour la station de Boigneville le diagramme de dispersion entre les données réelles (Obs_Boigneville) et les données météo spatialisées à la résolution 5x5 pour les paramètres humidités et températures ; les graphiques (en bas) illustrent la répartition des biais en fonction des valeurs observées pour les paramètres humidités et températures.
(RMSE) a varié selon les stations de 1.8 à 3°C en 2010 et 0.6 à 3.5°C en 2011, soient là-aussi des données trop imprécises pour les utiliser en l’état dans Mileos.
En 2011, les données spatialisées en résolution 3 x 3 km ont été disponibles dès le début de campagne pour faire les simulations Mileos® souhaitées. Le Tableau 2 illustre la comparaison entre le planning théorique de traitements donné par Mileos® en utilisant les données météo réelles relevées à proximité de la parcelle ou les données virtuelles calculées par extrapolation en maille 3x3 km en basse et haute résolution.
Sur les six lieux, aucun n’a montré un planning de traitement théorique totalement cohérent avec les données spatialisées par rapport aux plannings de traitements sur les données des stations réelles
Critères de comparaison Simulation
données météos réelles
Simulation données météos
virtuelles BR
Simulation données météos
virtuelles HR
Nombre de traitements 8 à 15
(moyenne = 12.2)
15 à 17 (moyenne = 16.2)
9 à 15 (moyenne = 12.7)
Date premier traitement 06/06 au 16/06 13/06 18/06 au 26/06
Nombre moyen de traitements en juin 2.5 3 1.5
Nombre moyen de traitements en juillet 2.83 3.17 3.33
Nombre moyen de traitements en août 3.67 4 3.83
Nbre moyen de traitements en
septembre 3 4 3.5
Nbre moyen de traitements en octobre 0.17 2 0.5
Tableau 2 : Comparaison des différentes simulations Mileos® en 2011
En conclusion, l’utilisation des stations météos virtuelles 3*3 en 2011 n’a pas été totalement opérationnelle pour proposer un planning de traitement cohérent avec les données réelles. Cependant, en sélectionnant des données virtuelles en haute résolution, le nombre de traitements est, certes, augmenté mais dans une fourchette encore raisonnable permettant une certaine cohérence du planning de traitement sans risque pour la parcelle mais en se privant d’économies possibles. Même si les résultats se sont améliorés au cours du projet, il restait encore à la fin de trop grandes différences de plannings de traitements pour être acceptables. En particulier, cette utilisation de données spatialisées serait susceptible de priver les producteurs d’économies de traitements possibles avec une station météo réelle à proximité de la parcelle. En l’état, les résultats obtenus sur le modèle épidémiologique Mileos® impliquent d’améliorer la précision des données météo, notamment les valeurs d’humidité relative de l’air qui constitue avec la température, le paramètre météo le plus crucial pour le modèle.
2.1.3. Pomme de terre : gestion du stress hydrique (FN3PT/Comité Centre et Sud)
Le dispositif météorologique mis en place en Beauce avec le réseau de stations Agriscope a permis de suivre chaque année une dizaine de parcelles de plants de pomme de terre, en utilisant les données climatiques pour le raisonnement de la gestion de l’irrigation avec l’utilisation d’un OAD existant (Bipode) et pour l’acquisition de connaissance dans le domaine de la transmission de virus par pucerons.
Pour la gestion de l’irrigation, l’outil d’aide au raisonnement retenu était le logiciel Bipode, développé par la société Syngenta et utilisé dans différentes régions pour l’irrigation des cultures de plants de
pomme de terre. Ce logiciel est basé sur le calcul du bilan hydrique dès la plantation et tout au long de la culture, en calculant la réserve utile en eau (disponible et maximale) et le seuil de déclenchement des irrigations en fonction des données météorologiques moyennes (ETP trentenaires) et effectives journalières (ETP et pluviométrie), du type de sol et de la conduite de la culture (stade cultural et irrigations).
Le projet a permis de tester cet outil d’aide au raisonnement de l’irrigation, sur une trentaine de parcelles et une douzaine de variétés, en intégrant des données météo recueillies sur chaque parcelle avec la station Agriscope localisée à côté de la culture et de mettre à disposition des producteurs un conseil d’irrigation hebdomadaire avec le jour d’intervention et/ou la quantité de mm à apporter (= seuil de déclenchement).
Au bilan, l’étude a permis d’affiner la conduite de l’OAD pour la gestion de l’irrigation de cultures de plants de pomme de terre dans cette région. Les données acquises lors des trois années ont permis de tester l’OAD dans des situations contrastées et de mieux définir les besoins en eaux de la culture en fonction des types de sol dominants de la région et de la variété (Figure 6). Pour une variété spécifique, un apport d’eau minoré de 30 % par rapport à l’OAD a pu être conseillé.
Figure 6 : Suivi d’irrigation en plants de pomme de terre avec le logiciel Bipode (Comité Centre-et-Sud)
Avec les données météo à la parcelle et l’utilisation de l’OAD dès la plantation, couplée à la visite de parcelles, une stratégie d’irrigation précoce a pu être mise en place efficacement pour optimiser la productivité de l’ensemble des cultures, lorsque la réserve utile était déficitaire dans les sols. De même, ces suivis ont montré la possibilité de réduction des apports en fin de culture. Au final, même en année sèche, l’irrigation a été bien maîtrisée et les rendements commerciaux très satisfaisants (supérieur à la moyenne 5 ans), ce qui confirme la pertinence de Bipode.
En conclusion, cette étude a permis de préciser la conduite de l’irrigation des cultures de plants de pomme de terre, lors des trois stades clés de la culture : la période de tubérisation où le nombre de tubercules influence directement le rendement commercial, la période de grossissement des tubercules où le sol ne doit pas être saturé en eau pour préserver l’état sanitaire des tubercules et la période juste avant le défanage pour laquelle un apport d’eau est sans intérêt.
Pour la suite, il est envisagé de poursuivre l’utilisation de l’OAD pour l’irrigation des cultures de plants de pomme de terre, en intégrant la connaissance variétale pour minimiser les prélèvements d’eau, ainsi que d’y intégrer les données météorologiques. A terme, il serait aussi intéressant que le logiciel intègre les prévisions météorologiques pour éviter les irrigations en cas des pluies suffisantes prévues à court terme.
Une autre perspective serait la mise au point d’une cartographie micro régionale de raisonnement des irrigations en intégrant une partie commune (moyennes climatiques et données agronomiques de la zone étudiée : type de sol, itinéraires culturaux-types, etc.) avec des données météorologiques
spatialisées de l’année (pluviométrie et ETP) afin de dresser des cartes de simulations des besoins d’irrigation et préparer des scénarios pour la conduite des irrigations (tours d’eau, variation des apports,..).
2.1.4. Plants de pomme de terre : pucerons et transmission de viroses (FN3PT/CCS-INRA) : Le réseau agrométéo mis en place en Beauce a permis de conduire un volet plus prospectif afin de mieux comprendre le risque de transmission des maladies virales de la pomme de terre par les pucerons vecteurs et, à terme, d’améliorer les outils de raisonnement des traitements phytosanitaires (huiles minérales pour les virus non persistants (PVY, PVA,..) et insecticides pour les virus persistants (PLRV). Un dispositif multilocal a ainsi été mis en place pour suivre, chaque année, la transmission au champ du virus Y, en relation avec les données météorologiques et le paysage agricole, avec les opérations suivantes sur un réseau de parcelles de pommes de terre :
- Mise en place d’un réseau pilote de stations météo et spatialisation des données climatiques, - Mise en place et suivi d’un réseau de parcelles pilotes en plants et consommation, avec différentes variétés de sensibilité variable au virus Y, et prise en compte de l’environnement cultural des parcelles,
- Suivi de la dynamique de vols des pucerons sur les parcelles par piégeage en bacs jaunes et identification des espèces,
- Suivi spatio-temporel des infections virales (PVY), tout au long de la culture et à la récolte,
- Comparaison des données avec les variables climatiques mesurées dans la parcelle en vue d’identifier des variables explicatives de la dissémination du PVY.
L’analyse des résultats (Figure 7) montre un impact de l’année, de la qualité sanitaire initiale des semences mais aussi de la conduite de la culture (cf. évolution d’une parcelle de consommation passant de 9 % de PVY au départ à 96% sur la récolte, au contraire de taux restant limités dans les parcelles de plants).
Les dynamiques de vol des pucerons enregistrées lors du projet ont été assez variables, tant en précocité qu’en nombre de captures, notamment selon les années et à un degré moindre selon les parcelles (plant ou consommation) et leur environnement cultural. Le début des vols était situé souvent en début mai (0 à 100 pucerons tous les deux jours) puis s’intensifiait à partir de début juin avec des pics importants de pucerons (de 500 à 7000 pucerons tous les deux jours).
La confrontation avec les données météo n’a pas mis en évidence de relation significative avec les taux de viroses, même si les pics de vols de pucerons correspondent généralement à des périodes de températures élevées et de force du vent limitée. Une quarantaine d’espèces de pucerons ont été identifiées parmi les aphides recueillis dans les bacs de piégeage, avec la prédominance d’espèces comme Myzus persicae, Brevicoryne brassicae et Metopolophium dirhodum.
Par ailleurs, la conduite de culture (plant/consommation) a eu un effet important sur le risque d’émergence et de dissémination de foyers infectieux.
Ces travaux ont donné lieu à différentes communications en France et à l’étranger et permettent de disposer d’une base de données importante. Des réflexions sont en cours sur l’exploitation du jeu de données acquises au cours de ces trois années, pour mieux appréhender les facteurs impliqués dans la dissémination du virus Y de la pomme de terre et, à terme, étudier la faisabilité de développer un outil d’aide à l’évaluation des risques de transmission aphidienne du virus Y et de raisonnement des interventions.
Figure 7 : Suivi de la dynamique d’infection virale et du vol des pucerons selon l’année et le type de conduite technique des parcelles de pomme de terre étudiées en Beauce (FN3PT-INRA).
2.2. Sud-Est (et Sud-Ouest)
2.2.1. Vigne : gestion du risque maladies (mildiou) et du stress hydrique (I.F.V.)
L’Institut Français de la Vigne et du Vin s’est impliqué dans le projet SIMPATIC, en mettant en place en lien avec Cap 2020 et la SONITO un réseau de stations météorologiques réelles (SMR) et virtuelles (SMV) et en évaluant son utilisation en vignoble pour la cartographie des risques de mildiou (modèle Potentiel système) et l’estimation de la contrainte hydrique (bilan hydrique). Les résultats ont été comparés à ceux obtenus par un réseau agrométéo classique et à des données mesurées au vignoble.
L’acquisition des données météorologiques usuelles a fait appel à 13 stations mises en place en concertation entre la SONITO et l’IFV dans le Gard et les Bouches-du-Rhône, comme indiqué dans le Tableau 3 et la Figure 8.
Tableau 3 : Détail du réseau de stations Sud-Est
Un réseau de 80 stations météorologiques virtuelles (SMV) a été créé sur la zone d’étude, majoritairement sur le département du Gard ainsi que sur Ardèche, Bouches-du-Rhône et Vaucluse (Figure 8). Parmi ces stations, 30 étaient en zone Haute Résolution (HR), majoritairement sur le Gard en vignobles de Costières.
Axe prévision des risques parasitaires en viticulture : Le modèle utilisé était le Potentiel système de la SESMA qui est utilisé en routine par l’IFV et d’autres partenaires, tout particulièrement dans le cadre des BSV, sur la quasi-totalité du vignoble français. Le système utilise les données températures horaires et la pluie journalière pour calculer une fréquence théorique d’attaque (FTA). Un comparatif a été réalisé sur une dizaine de stations installées en secteurs viticoles et a porté à la fois sur la détection des contaminations primaires et sur la fréquence théorique d’attaque. La comparaison a mis en évidence une sous-estimation quasi-systématique de la pression mildiou estimée via les réseaux virtuels, l’écart pouvant être de l’ordre de 60% en fin de saison. Les hauteurs de pluie et nombres de jours de pluie sont visiblement à l’origine du phénomène et seuls les sites à très faible pression parasitaire ont été -logiquement- correctement décrits.
Figure 8 : Réseau de stations météo Sud-Est vigne/tomate (IFV ; SONITO)
Axe contrainte hydrique du vignoble : Le but était de mesurer l’impact de données SIMPATIC sur les sorties d’un modèle de bilan hydrique. La comparaison réalisée sur 3 sites distants de 30 à 40 km a montré un différentiel important entre les deux sources d’information, avec une pluviométrie virtuelle significativement différente des pluviométries réelles et de fortes différences sur la fréquence des évènements pluvieux. Les ETP virtuelles et « réelles » (Penmann-Montielh) ont présenté également de nets écarts. Ces différences entre les deux sources se sont traduites par des écarts de diagnostic agronomique très importants. La Figure 9 illustre sur un site en conditions de contrainte hydrique importante les différences de sorties du modèle de bilan hydrique selon l’origine des données (réelles vs virtuelles).
Figure 9 : Bilan hydrique optimisé sur Tavel en 2010 avec les données météo CIRAME (rouge) et utilisation des données météo Simpatic (noir). Points rouges : mesures au vignoble. (IFV)
En conclusion, l’utilisation de données virtuelles, haute résolution ou non, a engendré de sérieuses divergences aussi bien pour la prévision des risques de mildiou que pour l’estimation de la contrainte hydrique et ces divergences étaient d’un niveau rédhibitoire pour ce type d’utilisation. Le réseau virtuel mis en place au début du projet n’a donc pas apporté une solution fiable à la spatialisation des données météo pour les usages envisagés mais il pourrait être réévalué à l’avenir en fonction des évolutions du système.
2.2.2. Tomate – gestion du risque de maladies (SONITO)
Cette action a concerné la spatialisation des informations agronomiques en tomate d’industrie, en particulier vis-à-vis des avertissements et du positionnement des traitements phytosanitaires contre le mildiou. Une comparaison de la pertinence des conseils a été effectuée par la SONITO, à partir de données météorologiques spatialisées virtuelles (SMV), par rapport aux conseils générés à partir de données météorologiques ponctuelles réelles (SMR). Dans les deux cas, l’outil utilisé était le modèle Miléos®, développé par ARVALIS, pour l’évaluation du risque Mildiou. La première saison a permis la mise en place des dispositifs et l’élaboration du calcul pour les données virtuelles et un comparatif a pu être effectué sur les deux dernières années. En complément du réseau du secteur de Tarascon, deux SMR ont été positionnées à partir de 2010 dans le Sud-Ouest (Marmandais), en zone favorable au mildiou.
Comparaison entre Stations Météorologiques Réelles (SMR) et Stations Météo Virtuelles (SMV) : en 2010 et 2011, les SMR ont été comparées à des SMV aux mêmes coordonnées (Tarascon en 2010,
Tarsacon et Agenais en 2011) sur la période d’avril à septembre. Même en utilisant le modèle atmosphérique Antilope pour sécuriser l’information pluie, il s’avère difficile d’évaluer la variabilité des précipitations entre parcelles liée à un orage violent, tel qu’on peut en observer régulièrement dans ces deux secteurs et dans les zones de culture de la tomate de manière générale. Un aperçu de ces importants écarts est donné par la comparaison des stations de Météo France du secteur tarasconais.
Cependant, la corrélation entre deux stations proches est généralement assez satisfaisante sur le cumul de pluviométrie et pour les températures maximum et moyennes. Des dérives importantes ont été observées pour la variable "Humidité relative" au cours de la saison 2010, se traduisant par un impact important pour le modèle mildiou. Une nette amélioration a été constatée en 2011 après fusion géostatistique des données.
Une comparaison de la modélisation du mildiou selon Miléos® a été effectuée sur les SMR et SMV en 2010 et 2011. Le logiciel Miléos® détermine à partir des données météorologiques ci-dessus un risque théorique de contamination par les spores de mildiou sur pomme de terre. Il a été utilisé, ici, pour la tomate destinée à la transformation, en se plaçant dans les conditions d’une pomme de terre sensible au mildiou, faute de cultiver pour l’instant de tomates résistantes à cette maladie.
Un exemple de calcul de risque mildiou est illustré dans la Figure 11 avec le potentiel de sporulation, le seuil de spores produites (en fonction de la sensibilité variétale), l’index de contamination et les spores produites.
Figure 10 : Ecarts du cumul de précipitations (figure du haut, en mm) en juin 2010 entre les stations météo du secteur tarasconais, localisées sur la figure du bas (Sonito)
Logiquement, les écarts dans l’estimation des données météorologiques ont eu une incidence sur les résultats du modèle. L’humidité et la pluviométrie plus importantes dans la SMR se sont traduites par un potentiel de sporulation plus important avec plusieurs pics d’index de contamination (supérieurs au seuil de risque de sporulation de 2). Le logiciel Mileos indique ainsi des cycles potentiels de sporulation plus importants avec les SMR (gauche) nécessitant des traitements alors que ceux-ci ne sont pas préconisés avec les données de SMV (droite).
En conclusion, les travaux menés sur ces trois dernières années visaient à associer à chaque parcelle une SMV et le calcul du risque mildiou associé selon le modèle Miléos®, sans se raccrocher à une station éloignée. Ces travaux ne sont toutefois pas encore suffisamment concluants. Des améliorations nettes ont été apportées dans le calcul des données virtuelles sur les trois années, mais, dans ce contexte de production de tomates destinées à la transformation sous climat contrasté, il n’est pas possible de retranscrire correctement les données climatiques et notamment la quantité de pluie apportée réellement lors d’un orage. Ce n’est pas non plus un problème de virtualisation de la donnée et on a pu voir que pour des stations météorologiques proches, les données sont ponctuelles et différentes en cas d’épisode orageux. La virtualisation des données permet même une approche plutôt zonale que ponctuelle de cette climatologie. Cependant, dans un cas comme dans l’autre, le modèle Miléos® ne génère pas la même évaluation du risque de production de spores de mildiou. Ceci est donc délicat pour optimiser le traitement phytosanitaire pour suivre le plan Ecophyto 2018 et réduire, si possible, la protection phytosanitaire dans la culture. Soit, on ne traite pas assez et la parcelle est détruite par la maladie, soit on traite trop tôt et trop souvent.
Grâce à SIMPATIC, la SONITO a pu travailler avec ARVALIS sur le modèle Miléos®, et ainsi tenter d’adapter ce modèle à la tomate d’industrie et notamment à la conduite culturale en goutte à goutte.
Cette dernière a la particularité de créer un microclimat au cœur de la végétation qui nécessiterait d’être intégré dans le modèle, en prenant en compte le type variétal et la conduite culturale susceptibles d’impacter la couverture foliaire et donc les conditions d’humidité et d’évaporation au niveau du feuillage, favorables au mildiou.
A l’avenir, il est aussi envisageable, après amélioration des données virtuelles, de se servir de ces éléments pour le Bulletin de Santé du Végétal (BSV) et la cartographie de risque sur un territoire
3. Diffusion des conseils et avertissements spatialisés
L’un des résultats attendus de ce projet était la mise au point de nouveaux produits et services permettant à des acteurs agricoles d’un territoire agricole donné, et plus particulièrement, aux agriculteurs, de prendre en compte le risque climatique à l’échelle de la parcelle agricole sans équipement individuel en station météo. Les travaux réalisés ont permis d’intégrer les jeux de données
Figure 11: Représentation du risque mildiou défini par l’OAD Mileos © selon les données météo (SMR ou SMV1022)
spatialisées fournis par Cap 2020 progressivement dans les différents OAD des partenaires, après un certain nombre de difficultés techniques notamment lors de la première année du projet. Les résultats obtenus avec les données météo spatialisées (notamment l’intensité des pluies) n’ont toutefois pas permis d’aller jusqu’à intégrer ce type de données dans les outils d’aide à la décision diffusés aux techniciens et agriculteurs pour la prise de décision pour les interventions culturales. En effet, si ces premiers travaux ont montré que les outils informatiques sont globalement opérationnels, la fiabilité des données (en particulier l’humidité relative, paramètre très important au fonctionnement des modèles mildiou et irrigation) doit encore être améliorée pour envisager leur application dans le cadre de conseils agronomiques.
Le projet a aussi permis de poursuivre la diffusion, voire d’améliorer, plusieurs outils et services utilisés à grande échelle, pour l’aide à la décision pour la maîtrise du risque mildiou (Mileos appliqué sur pomme de terre et transféré sur tomate dans le cadre de ce projet, Potentiel System en vigne) et la gestion de l’irrigation (Bipode sur pomme de terre, GIRRIG en céréales et Bilan hydrique sur vigne).
Suite aux retombées du projet SIMPATIC, Cap 2020 diffuse une offre Météo Agricole à la Parcelle®
(MAP) qui permet aux acteurs agricoles (agriculteurs, techniciens), en l’absence d’une station météo réelle sur leurs parcelles ou d’une station météo d’un réseau à proximité, de disposer de données météo d’observation fiables et cela sur la totalité du territoire agricole français. Cette offre est basée sur le concept de Station Météo Virtuelle® (SMV), qui permet à la plateforme d’intégration Cap 2020 de calculer précisément les informations météo de chaque parcelle ou îlot de parcelles d’un territoire agricole. Les SMV sont générées en combinant, par les méthodes géostatistiques mises au point dans le cadre du projet SIMPATIC, les données issues de stations météo (réseau libre, Météo France, organismes agricoles, etc.) avec des données issues de modèles de simulations atmosphériques à haute résolution appropriées. L’offre MAP permet l’accès à des données d’observation, de prévision ainsi qu’un historique.
Les données issues des réseaux de stations réelles déjà existants peuvent être intégrées au processus de génération des données spatialisées améliorant ainsi la qualité de l’ensemble des SMV. Ce dernier point permet aux organismes agricoles déjà utilisateurs de stations météo de fournir des informations météo pour l’ensemble des parcelles de leur territoire d’activité et non plus pour les seules parcelles se trouvant dans le voisinage immédiat des stations météo. A l’issue du projet, une maille de 3 x 3 km a été retenue compte tenu de son rapport qualité/coût pour générer les données. Diverses sociétés, comme Maïsadour Semences, Limagrain Europe, Footways, Vitivista, etc., sont déjà utilisatrices de l’offre Météo Agricole à la Parcelle® afin d’alimenter leurs propres Outils d’Aide à la Décision et près de 10 000 SMV ont été activées depuis la mise en service de la plateforme d’intégration Cap 2020 courant 2009. L’offre MAP a été primée à deux reprises et en particulier au SIMA en 2009 (médaille d’Argent).
Outre l’étude d’outils d’aide à la prise de décision, le projet a permis d’évaluer les fonctionnalités de services et OAD pour les agriculteurs et techniciens utilisateurs, sur les territoires et cultures concernés, afin de réaliser les améliorations nécessaires et d’évaluer les freins à leur diffusion. L’étude sociologique conduite par la chambre d’agriculture d’Eure-et-Loir par entretiens auprès d’irrigants a ainsi montré les critères déterminants expliquant les raisons de l’adoption ou non des outils d’aide à la décision de l’irrigation.
Le projet a fait aussi l’objet d’un certain nombre de communications écrites et orales, d’un site Internet de présentation du projet www.simpatic.org ainsi qu’un lien vers le site www.meteoagricoledeprécision.com pour l’accès aux données pour les partenaires.
Conclusion et perspectives
Le projet SIMPATIC a permis de développer un système d’information pour fournir des données météo spatialisées aux partenaires du projet et d’étudier l’utilisation des données météo des Stations Météo Virtuelles® (SMV) par rapport à des stations météo réelles (SMR), dans différents outils de prévision de risque ou dispositifs expérimentaux. Il est aujourd’hui utilisé pour la commercialisation de services météo à la parcelle aux acteurs agricoles.
Les principales difficultés du projet ont porté sur la qualité des données météo des SMV, et en particulier pour la pluie et l’humidité relative qui restent des paramètres délicats à produire à l’aide d’un modèle de simulation atmosphérique (de même qu’ils le sont en transposant les données d’une station distante de plusieurs kilomètres. Malgré ces limites, les enjeux du projet demeurent et la spatialisation des paramètres agroclimatiques reste prometteuse pour améliorer la qualité des conseils en utilisant des modèles alimentés par des données représentatives des conditions climatiques locales de parcelle d’un territoire agricole.
Au final, le projet a permis d’accroître les connaissances des partenaires en agrométéorologie et raisonnement des risques de maladies et gestion des apports hydriques ainsi que de mettre en place les interfaces pour intégrer les données spatialisées dans les outils existants et avancer dans la prise en compte du risque climatique à une échelle proche de la parcelle agricole.
L’intérêt théorique des données spatialisées peut être illustré par le suivi de parcelles montrant une variabilité importante de certains paramètres météo sur quelques kilomètres, pouvant se répercuter par des conseils inadaptés en se basant sur des données météorologiques non représentatives.
Différents travaux de recherche ont été poursuivis au-delà du projet SIMPATIC et plus particulièrement par Cap 2020 dans le cadre du projet GNSS-Agri cofinancé par le CNES. Son objet est, au travers l’analyse des signaux GPS, d’améliorer la qualité de prédiction de l’humidité relative de l’air et des précipitations intenses.
A l’avenir, il peut s’envisager, après amélioration apportée au calcul de données météo virtuelles, d’exploiter ces résultats pour améliorer l’épidémiovigilance des cultures et les outils de raisonnement des interventions conformément aux objectifs du Grenelle de l’Environnement ainsi que de développer des outils de cartographie des risques et de surveillance agro-météo au niveau d’un territoire ainsi que d’élargir le dispositif à de nouvelles zones géographiques.
Remerciements :
- aux partenaires associés à Cap 2020 pour la mise en charge du volet agro-météorologique du projet, et en particulier NUMTECH (Fabien BROCHETON et Julien PERGAUD), ESTIMAGES (Cédric MAGNERON, Frédéric PETIT, Thomas DEMONGIN), Météo France (Emmanuel CLOPPET et Sébastien PRATS), ISEP (Renaud PAWLAK et Zakia KAZI-AOUL), AGRISCOPE (Guillaume FERNANDEZ et François DALBARD), PESSL (Edouard LOISEAU)
- au GNIS (Groupement National Interprofessionnel des Semences et plants) pour sa contribution à l’étude sur les virus de la pomme de terre
- aux personnes impliquées dans la mise en place et le suivi des expérimentations
Ce projet a bénéficié du concours financier du ministère de l’agriculture via le compte d’affectation spéciale « développement agricole et rural » dans le cadre de l’appel à projets Innovation et Partenariat 2008.
Références bibliographiques:
Boisgontier D., 2010. La révolution des stations météo virtuelles. Agriculture et nouvelles technologies, 48, 22-28.
Boisgontier D., Deudon O., 2010. Outils d’Aide à la Décision et spatialisation des données météo ; Intervention au 2e Rendez-vous Technique Pomme de terre, Villers St Christophe, 23 juin 2010.
Boulard F., Glais L., Charlet-Ramage K., Laty P., Le Hingrat Y., Tribodet M., Jacquot E., 2011.
Monitoring of PVY infections in potato fields to identify factors involved in viral epidemiology. 4th PVYwide meeting (Switzerland), 30-31 May 2011.
Faivre R., Leehardt D., Voltz M., Benoit M., Papy F., Dedieu G., Wallach D., 2004. Spatialising crop models. Agronomie 24, 205-217.
Glais L., Charlet-Ramage K., Boulard F., Laty P., Le Hingrat Y., Tribodet M., Jacquot E., 2011.
Recherche de facteurs favorisant le développement des épidémies liées au virus Y (PVY) en culture de pomme de terre. 13èmes rencontres de virologie végétale, Aussois (France), 16-20 janvier 2011.
Kleinhenz B., Zeuner T., 2010. Use of Geographic Information Systems (GIS) in crop protection warning service, Proceedings of the 12th Euroblight network workshop, Arras (France), 3-6 May 2010.
. (www.euroblight.net/Workshop/2010Arras/Proceedings/SpecialReport14_Web.pdf)
Le Hingrat Y., Laty P., Glais L., Boulard F., Jacquot E., Gaucher D., Golaz F., Molot B., Giovinazzo R., Boisgontier D., 2011. Can spatial meteorological data improve disease forecasting and crop management? 18th Triennial Conference of the European Association for Potato Research, Oulu (Finland), 25th-29th July 2011.
Monestiez P., Courault D., Allard D., Ruget F, 2000. Spatial interpolation of air temperature using environmental context: application to crop model. Environmental and Ecological Statistics, Kluwex ed.
Monestiez P., Goulard M., 1989. Traitement spatial des données: les outils mathématiques de l'interpolation spatiale et du zonage. Le zonage agropédoclimatique, séminaire INRA, Paris, 23-24 Mars 1989, 40-51.
Orensanz J., Boisgontier D., Strizyk S., Moreau E., 2007. Impact of precise radar rainfall information on the accuracy with which crop disease can be modeled. Proceedings. 6th European Conference on Precision Agriculture, Skiathos, Greece.
www.meteoagricoledeprecision.com
