Aperçu des sections

  • Généralités

    ACTA INRA ArvalisDigitAg

    Introduction aux méthodes mathématiques et statistiques pour les modèles dynamiques pour l'agriculture

    Public visé:

    • Ingénieurs et chercheurs (ITA, INRA,...) travaillant avec des modèles pour l'agronomie ou l'élevage
    • Doctorants en sciences agronomiques et écologie ayant un volet modélisation dans leur projet de recherche

    Objectifs de la formation:

    • Apporter les bases permettant de manipuler les principales méthodes statistiques pour construire, analyser ou utiliser leur modèle,
    • Appréhender la pratique réelle de ces méthodes au travers d'exemples et de travaux pratiques avec le logiciel R afin de permettre aux participants d'appliquer ces méthodes sur leurs propres modèles.

    Prérequis : connaissance suffisante du logiciel R (ou participation à l'initiation à R optionnelle) et utilisation ou conception de modèles dans ses travaux.

  • Présentation générale

    Les modèles dynamiques sont largement utilisés en recherche agronomique et environnementale.Ces modèles prennent la forme d'un système d'équations différentielles ou aux différences qui représentent la dynamique des différentes composantes du système (sol, plantes, pathogènes,..). La résolution numérique de ce système d'équations permet de simuler la dynamique du système réel. Ces modèles peuvent être utilisés pour explorer les effets induits sur le système modélisé de changements dans les caractéristiques du sol, du climat, et des pratiques agricoles et, plus précisément, pour analyser l'impact des pratiques agricoles sur la production et l’environnement, pour évaluer et concevoir des pratiques innovantes, en tant qu'outil d'aide à la décision, ou pour aider à la planification d'expérimentations.

    Le développement de tels modèles requière une connaissance approfondie du fonctionnement du système considéré. Mais la construction et l'analyse des modèles dynamiques posent aussi des questions méthodologiques qui relèvent des domaines des mathématiques et des statistiques. Ces questions sont toutefois traditionnellement peu abordées dans le domaine de la modélisation pour l'agriculture, ce qui génère des difficultés dans la manipulation des modèles: les modélisateurs sont généralement des spécialistes du système à modéliser et manquent de méthodes mathématiques et statistiques pour travailler avec les modèles (paramétrage,analyse d'incertitudes et de sensibilité, évaluation).

    Ce module s'adresse à des doctorants, chercheurs, ingénieurs, travaillant avec des modèles pour l'agronomie ou l'élevage. Il comprend des sessions de cours,d'exemples et d'exercices. Les étudiants apprendront à estimer les paramètres de modèles dynamiques de culture, à évaluer ces modèles, à conduire des analyses d'incertitudes et de sensibilité en utilisant des techniques récentes.A l'issue de ce module de formation, les étudiants doivent être capables d'appliquer les méthodes par eux-mêmes.

    Le contenu de ce module est basé sur le livre

    Working with Dynamic Crop Models, 2nd Edition. Methods, Tools and Examples for Agriculture and Environment.

    Paru fin décembre 2013.

    Fourni lors de la formation.

    Working with Dynamic Crop Models, 2nd Edition,Daniel Wallach,David Makowski,James Jones,Francois Brun,ISBN9780123970084
    • Programme de la formation

      Voici le programme prévisionnel - 18-19-20-(21) juin 2018

      Jour 1-2-3 : formation Introduction aux méthodes mathématiques et statistiques pour les modèles dynamiques en agronomie et pour l'élevage

      Lundi 18 juin - 10h-13h00 / 14h-17h30. Formation aux méthodes
      Introduction à la modélisation des systèmes pour l'agriculture
      Simulation numérique des systèmes en langage R
      Analyses d'incertitude et de sensibilité
      Mardi 19 juin- 9h-13h00 / 14h-17h. Formation aux méthodes – suite

      Évaluation des modèles avec des données expérimentales
      Méta-modèlisation
      Estimation de paramètres fréquentiste (calibration)
      Mercredi 20 juin - 9h-12h30 / 13h30-16h00. Formation aux méthodes – suite et fin

      Estimation des paramètres (Méthodes bayésiennes)
      Étude de cas maïs. Sur un modèle : ensemble des étapes et résultats
      Discussion, évaluation et conclusion du cours

      Remarque : Nous demandons aux participants d'amener leur PC pour suivre la formation étant donné que les travaux pratiques seront réalisés sous le logiciel R.

      => Inscription en ligne à la formation


      (Jour 4 : ateliers - optionnels)

      Jeudi 21 juin Ateliers (optionnel) : en relation avec la dynamique DigitAg et ouverts au-delà des participants à la formation)
      Atelier 1. Données satellite et assimilation de données
      Atelier 2. Record - optimisation à préciser

      => Inscription en ligne à l'atelier de votre choix


      • Autres sessions organisées sur ce sujet

        • ESA2010 international course, Montpellier. 3 jours septembre 2010.
        • RMT modélisation / ED SIBAGHE, Montpellier. 3-4 jours, novembre 2011.
        • ESA2012 international course in Helsinki, Finland. 1 jour, août 2012.
        • RMT modélisation, Paris, 3-4 jours, décembre 2012.
        • RMT modélisation / RECORD, Toulouse, 1.5 jours, 14-15 février 2013. "Incertitude et évaluation"
        • RMT modélisation, Rennes, 3-4 jours, septembre 2013. "élevage"
        • RMT modélisation/MACSUR, Allemagne,4-5 jours, mai 2014.
        • RMT modélisation, Montpellier, 3-5 jours, septembre 2014
        • RMT modélisation, Montpellier, 3-4 jours, juin 2018 - à venir