Seasonal forecast for agriculture: evaluation at the France level
Application à l’agriculture de la prévision saisonnière : évaluation à l’échelle de la France
Résumé
Seasonal weather forecast has been developed in many applications since the 90s. With different initial conditions, several meteorological scenarios have been used to build longterm ensemble forecasts (up to one month) with different initial conditions. In the agricultural sector, these scenarios are used to force cropland models and their ability to correctly produce crop forecasts has been assessed over Europe (Cantelaube and Terres, 2005; Marletto et al., 2007). Although the reliability of seasonal weather forecast is lower at midlatitudes than at the tropics, these authors have shown that crop yield forecasts can be better, under some conditions, than those based on statistical predictions. At the same time, vegetation growth modelling has been introduced in climate models, and long-term satellite-derived data have become available.
This thesis aims to assess how the use of seasonal weather forecast with a wheat growth model can anticipate the agrometeorological variables of this crop. Seasonal weather forecast of the ENSEMBLES project are used over the 1981-2005 period with a crop model developed by Arvalis (an agricultural French institute), and called Panoramix (Gate, 1995). Especially, we deal here with the main phenological stages, the water budget and growing degree-days.
The use of various downscaling methods and different lead-time of the seasonal weather forecast, and of multiple scenarios from several Global Circulation Models (GCMs) are studied. At the same time, statistical predictions based on the ISBA-A-gs generic land surface model (Calvet et al., 1998) indicators, or land satellite data (GEOV1, Baret et al., 2013) are both assessed. We show that a GCM ensemble is able to give better agrometeorological variables estimations than a single model ensemble or than a climatological-based method. Whatever the methodology, the best forecasts are generally obtained for northern France. The predictability is higher using a weather seasonal forecast including a multi-member approach than using the median of the scenarios derived from the forecast system.
We also show that in some specific conditions, the ISBA-A-gs model is able to represent the interannual variability of crops (winter/spring cereals) and grasslands. Annual Agreste statistics are used to perform this assessment over the 1994-2010 period. The ability of the model to produce indicators occurring at the end of the crop growing season strongly depends on the representation of the root-zone soil moisture (single layer or multilayer, soil depth).
For the same purpose, satellite-derived Leaf Area Index (LAI) products are used. We find that the end of the crop growth prediction potential obtained with simulated root-zone soil moisture or LAI satellite data is generally higher for grasslands than for croplands.
Depuis les années 90, des applications de la prévision saisonnière du temps ont été développées dans divers domaines. L'utilisation de plusieurs scénarios météorologiques générés à partir de conditions initiales différentes a permis de développer des prévisions d’ensemble à longue échéance (au-delà du mois). Dans le domaine de l'agriculture, la capacité de modèles de cultures forcés par ces scénarios à fournir des prévisions de rendement sur l'Europe a été évaluée (Cantelaube et Terres, 2005 ; Marletto et al., 2007). Ces auteurs ont montré que dans certaines conditions, et en dépit du fait qu’aux moyennes latitudes la prévision saisonnière du temps est de qualité inférieure à celle observée aux tropiques, les prévisions de rendement ainsi obtenues sont meilleures que celles basées sur des méthodes statistiques. Dans le même temps, la modélisation de la croissance de la végétation a été introduite dans les modèles de climat, et de longues séries d'observations satellitaires de la végétation ont été produites.
Ce travail de thèse vise à évaluer dans quelle mesure l'utilisation de la prévision saisonnière du temps pour forcer un modèle de croissance du blé sur la France permet d'anticiper l'évolution des variables agro-météorologiques de cette culture. Les prévisions saisonnières produites par le projet ENSEMBLES (Weisheimer et al., 2009) sur la période 1981-2005 sont utilisées, ainsi que le modèle de culture Panoramix d'Arvalis (Gate, 1995). En particulier, on considère les principaux stades phénologiques, le bilan hydrique et les sommes de température. L’utilisation de différentes méthodes de descente d’échelle et de différentes échéances de la prévision saisonnière du temps, ainsi que l’apport d’une approche basée sur l’utilisation de prévisions issues de plusieurs modèles de circulation générale sont examinés.
En parallèle, des méthodes statistiques de prévision basées sur des indicateurs issus du modèle générique des surfaces continentales ISBA-A-gs (Calvet et al., 1998) ou d'observations satellitaires de la végétation (GEOV1, Baret et al., 2013) sont évaluées. On montre qu'un ensemble de scénarios utilisant plusieurs modèles de circulation générale donne de meilleures estimations des variables agro-météorologiques que l'utilisation d'un seul modèle ou d'une méthode fréquentielle basée sur des situations passées. Quelle que soit la méthode, les meilleures prévisions sont généralement obtenues dans le nord de la France. La limite de prévisibilité est repoussée avec une approche ensembliste de la prévision saisonnière du temps, par rapport à une approche restreinte à l’utilisation de la médiane des scénarios fournis par le système de prévision. On montre également que dans certaines conditions, le modèle ISBA-A-gs est capable de représenter la variabilité interannuelle des couverts agricoles (céréales hiver/printemps) et des prairies. Pour cela, les statistiques agricoles Agreste sur la période 1994-2010 sont utilisées. La capacité du modèle à produire des indicateurs du rendement dépend fortement de la façon dont l'humidité du sol est
représentée (une ou plusieurs couches de sol, profondeur du sol).
Enfin, des produits satellitaires d'indice foliaire de la végétation (Leaf Area Index, ou LAI) sont utilisés dans le même objectif. Le potentiel de prédiction de l’état de la végétation en fin de cycle cultural, à partir de l'humidité du sol simulée par le modèle ou le LAI satellitaire, est généralement plus grand pour les prairies que pour les cultures.
Loading...