Mod - PowerPoint PPT Presentation

About This Presentation
Title:

Mod

Description:

Pierre Aurousseau, Chantal Gascuel, Florent Tortrat INRA-ENSAR / UMR SAS ... de d gager des r gles de conseil sur les pratiques agricoles et les am nagements ... – PowerPoint PPT presentation

Number of Views:50
Avg rating:3.0/5.0
Slides: 17
Provided by: CORD158
Category:
Tags: agricoles | mod

less

Transcript and Presenter's Notes

Title: Mod


1
Modélisation du transfert de pesticides dans un
bassin versant en vue de la construction dun
outil daide à la décision pour la maîtrise de la
qualité des eaux
  • Projet SACADEAU
  • Marie-Odile Cordier, Véronique Masson IRISA /
    Univ. Rennes1
  • Pierre Aurousseau, Chantal Gascuel, Florent
    Tortrat INRA-ENSAR / UMR SAS
  • Frédéric Garcia, Inra/ BIA, Toulouse
  • Brigitte Chanomordic, Inra/LASB Montpellier
  • Michel Falchier, CA 35
  • Djilali Heddadj, Laurence Lebouille CA 56
  • Site dapplication Bassin versant du Frémeur
    (56)
  • Cadre AIP  Aide à la décision Comment
    articuler connaissances et actions en
    agriculture, agroalimentaire et dans lespace
    rural 
  • Financement Conseil Général du Morbihan Inra
    MEDD

2
Projet SACADEAU
Système dAcquisition de Connaissances pour
lAide à la Décision sur la qualité de lEAU
Objectifs Construire un outil daide au conseil
sur un bassin versant
  • Déterminer le degré de contamination des eaux à
    lexutoire dun bassin versant par les herbicides
    en fonction
  • du climat de lannée
  • de stratégies de désherbage
  • de stratégies daménagement (bandes enherbées,
    haies-talus, fossés) du paysage (topographie,
    situation des bois, prairies, )
  • du paysage cultivé (topographie, arrangement
    spatial des cultures, )
  • dans le but de dégager des règles de conseil sur
    les pratiques agricoles et les aménagements

3
Projet SACADEAUDeux étapes
  • - Permettre au gestionnaire BV de tester des
    scénarios  haut niveau 
  • . avec une présentation visualisée des
    résultats (cartes)
  • . par simulation dun modèle qualitatif
  • - Avoir une meilleure compréhension dun
    phénomène complexe
  • . découvrir les variables explicatives les
    plus significatives
  • . faire apparaître les relations entre ces
    variables
  • . par létude des résultats de nombreuses
    simulations grâce à des techniques
    dapprentissage symbolique
  • règles de  bonne pratique 

4
Exemples de scénarios  haut- niveau 
  •   Si des pluies significatives (cumulant plus de
    10 mm en 24 h) interviennent dans un délai donné
    (1j, 2j, 3j, 4j,..) après les traitements
    herbicides, quels sont les niveaux de
    concentration à l'exutoire des différentes
    molécules appliquées".  
  •  Quel est limpact du désherbage mixte ? Peut-on
    recommander sa mise en place à certaines
    parcelles ? A certaines stratégies ? 
  •  Que se passera-t-il à l'exutoire si toutes les
    parcelles à risque fort sont protégées par des
    bandes enherbées ou des talus, en terme de
    quantité de produit en moins pouvant ruisseler,
    dans des conditions climatiques classiques? 
  • "Quelle serait lefficacité d'une mesure imposant
    le non traitement sur les 10 mètres de bord de
    cours d'eau (en comparaison dune méthode à base
    de parcelles à risque) ?"

impact du climat
impact de la stratégie de désherbage
impact de laménagement du territoire
impact de réglementations
5
  • Les résultats dun scénario sont obtenus par
    simulation dun modèle de transfert des
    herbicides à léchelle dun bassin versant
  • Deux questions
  • Quel modèle de transfert des herbicides ?
  • Quelles sont les différentes étapes de simulation
    dun scénario ?

6
Le modèle de transfert des herbicides
7
Le modèle biophysique
Entrées
Sorties
Climat - qté pluie / jour (mm) - degré
température / jour Pour chaque parcelle -
applications dates, molécules, qtés
- dispositifs tampon - CO - surface,
pente BV - topologie - aménagements -

Contamination des eaux à lexutoire / jour
- flux (g/ha) - concentration (?g/l)
Modèle
8
Principales caractéristiques du modèle
  • un modèle semi-qualitatif
  • connaissances fonctionnelles de type expert ou de
    type physique
  • modèle boite de verre

9
Principales caractéristiques du modèle
  • un modèle semi-qualitatif
  • connaissances fonctionnelles de type expert ou de
    type physique
  • modèle boite de verre
  • à l'échelle de l'événement pluvieux
  • une réponse moyennée

10
Principales caractéristiques du modèle
  • un modèle semi-qualitatif
  • connaissances fonctionnelles de type expert ou de
    type physique
  • modèle boite de verre
  • à l'échelle de l'événement pluvieux
  • une réponse moyennée
  • pour un outil d'aide à la décision
  • données facilement accessibles
  • temps de calcul raisonnable
  • résultats facilement interprétables

11
Principales caractéristiques du modèle
  • un modèle semi-qualitatif
  • connaissances fonctionnelles de type expert ou de
    type physique
  • modèle boite de verre
  • à l'échelle de l'événement pluvieux
  • une réponse moyennée
  • pour un outil d'aide à la décision
  • données facilement accessibles
  • temps de calcul raisonnable
  • résultats facilement interprétables
  • une approche distribuée à la parcelle
  • évaluer les contributions de chaque parcelle
    agricole
  • agréger les contributions des parcelles grâce à
    une arborescence de parcelles
  • tenir compte des aménagements du bassin versant

12
Étapes de la simulation dun scénario
  • Scénario
  • Un scénario utilise des concepts ayant un sens
    pour lexpert vis-à-vis du problème posé
  •  Que se passe-t-il si une majorité des parcelles
    proches de lexutoire appliquent la stratégie de
    type pré-levée et quil y a eu des averses fortes
    et régulières entre mai et juillet 
  • Il décrit dans un langage de haut niveau
    (qualitatif) un ensemble dexpérimentations
    (quantitatives) représentatives de la situation.
  • Tester un scénario simuler lensemble de ces
    expérimentations grâce au modèle de transfert

13
Tester un scénario
Scénario - description conceptuelle
Résultat du scénario
- description conceptuelle
traduire
catégoriser
- contraintes quantitatives
- contraintes quantitatives
générer
décrire
- ensemble dexpérimentations
- ensemble de résultats
Modèle de transfert
n expérimentations
n résultats dexpérimentations
14
Scénario
  • Langage de scénario
  • Identifier les concepts ayant un sens vis-à-vis
    du problème posé
  • Avec laide des experts, des gestionnaires, des
    exploitants
  • Traduire chaque concept par des contraintes sur
    un ensemble de variables quantitatives
  • climat gt trois types de climat, décrits par
    deux critères

Exemple types de climat, stratégies de
désherbage, profils de bassin
versant
15
Premiers résultats
  • 5 classes dacceptabilité de la teneur en
    pesticides daprès
  • le nombre et la valeur de concentrations par
    averse
  • somme des concentrations sur une période de 3
    mois (mai-juillet)
  • répartition des résultats des simulations dans
    les classes / climat
  • Après simulations sur 3 types d années
    climatiques, 2 types de sol, 2 stratégies de
    désherbage, 3 formes de bassin versant.

Concentration du pic (µg/l) Nombre de pics Somme des concentrations (µg/l) Somme des concentrations (µg/l) Somme des concentrations (µg/l) Somme des concentrations (µg/l) Somme des concentrations (µg/l) Somme des concentrations (µg/l)
Concentration du pic (µg/l) Nombre de pics 0 0 0,01 0,01 0,1 0,1 0,5 0,5 2 gt 2
0,1 0,5 0 - 2 1 2 3 4 5
0,1 0,5 3 - 5 4 4 5
0,1 0,5 gt 5 5 5
gt 0,5 gt 3 5 5
Classe résultats Classe résultats 1 2 3 4 5
Pourcentage en fonction du climat 1 100 0 0 0 0 14
Pourcentage en fonction du climat 2 65 1 6 13 15 36
Pourcentage en fonction du climat 3 32 6 15 21 26 50
Pourcentage total Pourcentage total 54 3 10 15 18 100
16
Conclusion
  • Projet en cours
  • Modèle de transfert
  • Modèle biophysique fin 2004 (Fl. Tortrat)
  • Confrontation avec les données du Fremeur fin
    2004
  • Couplage avec le modèle décisionnel fin 2004
  • Simulation de scénarios réalistes possibles
  • Langage de scénarios
  • Recueil de scénarios, premières approches du
    langage 2004
  • Définition du langage traduction 2005
  • Détection des variables explicatives et des
    relations entre elles / Apprentissage à partir
    des résultats de simulation
  • Constitution dune base dapprentissage et
    premiers résultats des expérimentations juin
    2004
  • Bonne collaboration entre les différents
    partenaires
Write a Comment
User Comments (0)
About PowerShow.com