One- Factor- At- A- Time; analyse de sensibilité; indice de sensibilité; pourcentage de variation; érosion; productivité
Abstract :
[fr] De nos jours, les modèles mathématiques deviennent très complexes et cette complexité se traduit, généralement, par une multiplication de leurs paramètres d’entrée (inputs). Cependant, ces derniers n’ont pas tous le même niveau d’influence sur les sorties (outputs). Dans le but d’identifier les paramètres les plus sensibles d’EPIC, ceux qui peuvent guider l’utilisateurdans la collecte d’informations sur le terrain et dans le processus de calibrage du modèle, une analyse de sensibilité par l’approche One-Factor-At-A-Time (OAT) a été effectuée sur deux jeux de données : l’un provenant du Programme-Action-Hesbaye (PAH, 1996) et l’autre du projet INCO (2000). La méthode utilisée consiste à modifier chaque entrée du modèle par –10 % et +10 % par rapport à sa valeur initiale. L’effet de chaque modification opérée est analysé sur six sorties d’EPIC, notamment : azote lessivé, eau percolée, eau consommée, biomasse, rendement et humus minéralisé dont la sensibilité est signifiée par le calcul d’un indice appelé “Indice de Sensibilité” et par un pourcentage de variation. En effet, les sortiesconsidérées se montrent particulièrement sensibles aux paramètres “Unités de chaleur potentielles” (PHU), “Fraction d’azote dans la plante à 50 % de maturité” (BN2), mais surtout au “Second point de l’évolution de la courbe du LAI” (DLAP2). Une variation de 10 % de ce dernier provoque des changements moyens d’environ 14 % et 85 % sur les six sorties, respectivement pour les jeux de données du PAH et du projet Inco.
Amy R. et al. (2002). Uncertainty analysis on quantities predicted by the hydro-thermodynamic soil vegetation scheme. Dpt of Mathematics, University of Colorado, USA, 12 p.
Cavero J., Plant RE., Shennen C., Kiniry JR. (1998). Application of EPIC Model to nitrogen cycling in irrigated processing tomatoes under different management systems. Agric. Syst. 56 (4), p. 391–414.
Dautrebande S., Casse C. (1999). Étude phénoménologique de la propagation d’une substance miscible en milieu non saturé et application au transport des nitrates vers la nappe aquifère de Hesbaye. Gembloux, Belgique : Faculté universitaire des Sciences agronomiques, Unité Hydraulique agricole, 23 p.
Dautrebande S., Dewez A. (1996). Programme-Action-Hesbaye, rapport scientifique. Gembloux, Belgique : Faculté universitaire des Sciences agronomiques, Unité Hydraulique agricole, 68 p.
Dungan JL., Ganapol BD. (2003). Sources of uncertainty in the prediction of LAI/fPAR from MODIS. American Geophysical Union. FAll meeting 2002. Abstract #B61B-0720, 3 p.
Favis- Mortlock DT., Smith FR. (1990). A sensitivity analysis of EPIC. In Sharpley, Williams (Eds). EPIC Erosion/Productivity Impact Calculator, 1. Model Documentation. U.S. Department of Agriculture. Agric. Tech. Bull. 1768, p. 178–190.
Jolicoeur (2002). Screening designs sensitivity of a nitrate leaching model (ANIMO) using a one-at-a-time method. USA: State University of New York at Binghampton, 14 p.
Kleijnen JPC. (1995). Sensitivity analysis and related analyses: a survey of statistical techniques. Netherlands: School of Management and Economics, Tilburg University, 24 p.
Meyer PD., Gee GW., Nicholson TJ (1999). Information on hydrological conceptual models, parameters, uncertainty analysis, and data sources for dose assessments at decommissioning sites. Washington: Division of Risk and Applications, Washington DC. Document NUREG/CR-6656, 34 p.
Mölders N. (2001). On the uncertainty in mesoscale modeling caused by surface parameters. Meteorol. Atmoz. Phyz. 76, p. 119–141.
Nearing AM., Deer- Ascough LA., Laflen JM. (1990). Sensitivity analysis of the WEPP hillslope profile erosion model. Trans. ASAE 33 (3), p. 839–849.
Ratto M., Lodi G., Costa P. (1996). Sensivity analysis of a fixed bed gas-solid TSA: the problem of design with uncertain models. Sep. Technol. 6, p. 235–245.
Ratto M., Tarantola S., Saltelli A. (2001). Sensitivity analysis in model calibration: GSA-GLUE approch. Comput. Phys. Commun. 136 (3), p. 212–224.
Saltelli A., Tarantola S., Compolongo F. (2000a). Sensitivity analysis as an ingredient of modelling. Stat. Sci. 15 (4), p. 377–395.
Saltelli A., Chan K., Scott M. (2000b). Sensitivity Analysis. Probability and Statistics series. New York: John Wiley, 475 p.
Saltelli A., Tarantola S., Chan KPS. (1999). A quantitative model-independant method for global sensitivity analysis of model-output. Technometrics 41 (1), p. 39–49.
Sharpley AN., Williams JR. (Eds) (1990). EPIC—Erosion Productivity Impact Calculator: 1. Model Documentation. US Department of Agriculture. Agric. Tech. Bull. 1768, 235 p.
Soutter M., Musy A. (1999). Global sensitivity analysis of three pesticide leaching models using a Monte Carlo Approach. Trans. ASAE 43 (4), p. 883–895.
Welles JM., Norman JM. (1991). Instrument for indirect measurement of Canopy Achitecture. Agron. J. 83, p. 818–825.
Williams JR., et al. (1990). EPIC—Erosion Productivity Impact Calculator: 2. User manual. US Department of Agriculture. Agric. Tech. Bull. 1768, 127 p.
Xanthoulis D. et al. (2002). Rapport final du projet INCO. Gembloux, Belgique : Hesbaye Frost. Hydraulique agricole FUSAGX, 25p.