Skip to Main content Skip to Navigation
Habilitation à diriger des recherches

Analyse des erreurs des modèles utilisés en agronomie

Résumé : Les modèles sont utilisés dans différentes disciplines pour prédire l’état de systèmes naturels ou humains, notamment en météorologie, hydrologie, finance, biologie. La modélisation est pratiquée depuis le début du 20ème siècle en agronomie. Les modèles se sont rapidement multipliés et diversifiés dans cette discipline. Ils peuvent potentiellement être utilisés pour répondre à de nombreuses questions pratiques, à l’échelle de la parcelle agricole, de la région, voire du continent. Ils permettent, par exemple, d’optimiser les doses d’engrais appliquées aux cultures, de raisonner les traitements fongicides, de quantifier les risques de pollution de l’eau au niveau d’un bassin versant, d’optimiser la répartition de différents types de culture au sein d’une région. Ce mémoire s’intéresse à l’analyse des erreurs des modèles utilisés en agronomie, c'est-à-dire à l’évaluation de ces erreurs et à leur réduction. Je considère ici à la fois les erreurs de prédiction des modèles et les erreurs de décision induites par leur utilisation. La première section a pour objectif de présenter l’intérêt pratique d’une évaluation quantitative des erreurs des modèles. Je montre, en m’appuyant sur plusieurs cas d’étude, que l’évaluation des erreurs des modèles est utile, non seulement pour les utilisateurs de ces modèles mais aussi pour leurs concepteurs : une quantification précise des erreurs des modèles permet de faciliter le choix d’un modèle pour un usage donné, de donner aux utilisateurs une information sur les risques encourus, et de raisonner l’orientation des travaux de recherche. Dans la deuxième section, je présente plusieurs méthodes statistiques pour quantifier les erreurs des modèles. L’intérêt de plusieurs critères d’évaluation est discuté (MSEP, sensibilité, spécificité, perte économique, risque). La section suivante est dédiée aux méthodes statistiques permettant de réduire les erreurs des modèles utilisés en agronomie. Les méthodes proposées permettent soit d’améliorer l’estimation des paramètres des modèles (prise en compte des corrélations des résidus, régression quantile, analyse de sensibilité globale), soit de corriger les variables simulées en cours de saison (filtrage particulaire). Je montre que ces méthodes peuvent permettre aux agronomes d’améliorer sensiblement les performances de leurs modèles. Deux axes de recherche sont ensuite proposés pour les prochaines années. Le premier axe porte sur l’étude de l’incertitude dans les procédures de sélection des modèles. Cet axe repose sur le constat que de nombreuses procédures ont été développées pour choisir un modèle parmi une série de modèles candidats, mais que ces procédures sont susceptibles de faire des erreurs, c'est-à-dire de sélectionner un modèle qui n’est pas réellement le meilleur pour un usage donné. Je propose de quantifier ces erreurs pour différents types d’applications agronomiques et d’étudier l’intérêt de combiner plusieurs modèles candidats plutôt que d’utiliser un modèle unique. Le deuxième axe de recherche porte sur la généralisation de l’utilisation de modèles stochastiques en agronomie. L’utilisation de modèles stochastiques permettrait aux agronomes, d’une part, de présenter les résultats des simulations sous forme de distributions de probabilité et, d’autre part, d’utiliser plus facilement des techniques de type filtrage dont l’intérêt pratique a été illustré dans le cadre de mes travaux. En conclusion, je montre comment mes activités peuvent contribuer à enrichir la «boîte à outils statistique» des agronomes. Mots-clés : agronomie, assimilation de données, erreur, estimation, fertilisation, filtrage, modèle, protection des cultures, risque, statistique.
Document type :
Habilitation à diriger des recherches
Complete list of metadata

https://hal.inrae.fr/tel-03191492
Contributor : David Makowski <>
Submitted on : Wednesday, April 7, 2021 - 11:06:56 AM
Last modification on : Saturday, May 1, 2021 - 3:39:11 AM

File

HDR Makowski.pdf
Files produced by the author(s)

Licence


Distributed under a Creative Commons Attribution 4.0 International License

Identifiers

  • HAL Id : tel-03191492, version 1

Citation

David Makowski. Analyse des erreurs des modèles utilisés en agronomie. Statistiques [math.ST]. Université Paris-Sud (Faculté des sciences d'Orsay), 2007. ⟨tel-03191492⟩

Share

Metrics

Record views

21

Files downloads

13