Thèse soutenue

Améliorer les prévisions à court et moyen termes des modèles agronomiques en prenant mieux en compte l'incertitude des prévisions météorologiques

FR  |  
EN
Auteur / Autrice : Ivana Aleksovska
Direction : Laure RaynaudRobert FaivreFrançois Brun
Type : Thèse de doctorat
Discipline(s) : Océan, Atmosphère et Surfaces Continentales
Date : Soutenance le 08/12/2020
Etablissement(s) : Toulouse 3
Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
Partenaire(s) de recherche : Laboratoire : Centre national de recherches météorologiques (France)

Résumé

FR  |  
EN

Nous proposons de montrer l'intérêt des prévisions d'ensemble météorologiques dans l'anticipation par les agriculteurs d'application de produits phytosanitaires. En nous appuyant sur les modèles EVA relatif au ver de la grappe en vigne et Septo-LIS à la septoriose du blé, nous illustrons le potentiel des prévisions d'ensemble en les comparants aux données fréquentielles. Nous construisons des ensembles de prévision cohérents, dits "sans couture", bénéficiant de trois systèmes de prévision d'ensemble couvrant différentes échelles spatio-temporelles que nous évaluons d'un point de vue météorologique et agronomique. Après calibrage des prévisions par une approche paramétrique, un raccordement sans couture est effectué au moyen d'une mesure de distance entre prévisions et d'un algorithme d'affectation. Nous montrons que l'affectation dite hongroise permet d'obtenir des prévisions cohérentes de température satisfaisant les critères de continuité temporelle et d'unicité des membres avec une meilleure performance météorologique aux courtes échéances. Les prévisions du modèle EVA sont significativement améliorées par le calibrage des prévisions de température. Le gain des prévisions sans couture n'est pas significatif sur cette application.