Collaboration INRIA/INRA sur les transferts de polluants diffus en bassin versant agricole :

Éléments de contexte et projet SACADEAU

Historique

• 1996-1998 : détachement de MO Cordier à l’UMR SAS

• 1999 : début du programme SACADEAU

• 2007 : début du programme ADD-ANR APPEAU

-> Réflexions sur des approches alternatives de la modélisation

Courtesy J.E. Olesen

Un milieu physique :roche, sol, air, eau

Un paysage cultivé :cultures, parcelles, bâtiments

espaces interstitielsDes activités agricoles :

Systèmes de production, de culture, itk.

Un système complexe, extrêmement hétérogèneDes données d’observations très partielles, très incertaines

Diversité des temps caractéristiques, importance des patterns spatiaux

cours d’eau

nappe

zone dénitrifiante

eau riche en nitrate

prélèvement biologique

dénitrification

eau appauvrie en nitrate

3

2

NO3

NO3

NO3

N2

N2

parcelle drainée

fossés

écoulement concentré

lixiviation

écoulement profond

écoulement diffus

zone non saturée

zone connectée à la zone dénitrifiante

NO3

stockage

stockage

> 5 ans

< 6 mois

N rivière = 40-95% Nparcelles)

Problématique

• Face à cette complexité, il a été développé des modèles déterministes (eux aussi complexes), difficiles à mettre en œuvre, et qui donnent des réponses pas toujours très explicatives.

> concevoir des modèles plus explicatifs avec un degré de complexité adapté à la quantité d’info disponible en entrée et aux types de sorties nécessaires au décideur.

> concevoir ou adapter des méthodes pour mieux utiliser les modèles (y compris complexes), méthodes allant de la constructions de scénarios à l’exploration et l’interprétation de résultats de simulations de scénarios

Projet SACADEAUSystème d’Acquisition de Connaissances pour l’Aide à la Décision sur la

qualité de l’EAU

INRA RennesUMR SAS

C. Gascuel, P.Aurousseau

P. Durand

INRA ToulouseBIA

F. Garcia

Chambres d’Agriculture

56 et 35

IRISA-Univ Rennes 1M.O. Cordier,

V.Masson

+ doctorant en agronomie: F. Tortrat

+ doctorant en informatique: R. Trépos

Enjeu Développement d’un outil d’aide à la gestion d’un bassin versant: apprentissage des relations entre pratiques agricoles et qualité de l’eau par simulation d’un modèle qualitatifCadre : AIP « Aide à la décision – Comment articuler connaissances et actions en agriculture, agroalimentaire et dans l’espace

rural »

Projet SACADEAU

Objectif: construire un outil d’aide au conseil sur un bassin versant

Déterminer le degré de contamination des eaux à l’exutoire d’un bassin versant par les herbicides en fonction:

• De stratégies de désherbage

• De stratégies d’aménagement (bandes enherbées, haies-talus, …)

• Du paysage (topographie, situation des prairies, …)

• Du paysage cultivé (assolement, …)

• Du climat de l’année

Dans le but de:

Dégager des règles de conseil sur les pratiques agricoles et les aménagements,

Aider à la décision auprès des gestionnaires de bassin versant

Simulateur

Modèle décisionnel

Règles obtenues par apprentissage

Décideur localGestionnaire de bassin

versantAccès aux résultatsde simulation

Expert terrain

SACADEAU

Modèle biophysique

Co-construction

Retour sur l ’expertise

Langage de scénarioCo-construction Co-construction

Décideur local ouDécideur public Accès aux règles et

Recommandation d’actions

Architecture de SACADEAU

Caractéristiques de l’outil souhaité

• Modélisation adaptée à l’aide à la décision• Données facilement renseignables

• Représentation simplifiée mais fondée scientifiquement des processus

• Interface conviviale

• Lisibilité et opérationnalité des résultats

• Modélisation à un niveau d’intégration plus grand • Prise en compte des connexions interparcelles (chemins de l’eau dans le BV)

• Prise en compte des configurations spatiales, de la variabilité des climats…

• Représentation des pratiques des exploitants, de leurs modes de décision

• Deux objectifs (deux étapes)• Pouvoir simuler une situation, sur un site donné, dans une configuration donnée et

obtenir la chronique temporelle du degré de contamination

• Apprendre des connaissances et produire de « règles de décision » en généralisant les résultats obtenus

Modèle de transfertRuissellement

Nappe superficielle

Pluviométrie, températureévapotranspiration

Positions parcellesdans l ’exploitation et le bassin versant

Date et mode de travail du solDates et doses des applications

Chroniques climatiques

Modèle décisionnel

Configurations spatiales

Itinéraires techniques de

désherbage

Flux et concentrations journalières de pesticides

Scénarios Climat Stratégies de désherbage

Spatialisationdes cultures

AménagementApprentissage

Données

Simulateur

Arbre d’exutoires de parcelles

Indice topographique

Typologie des chroniques de qualité de l ’eau

extraites de base de

données ou construites par

expert

Représentation d’un bassin versant à l’aide d’arbres d’exutoires

arbre de drainage mailléarbre de drainage maillé

arbre d’exutoirearbre d’exutoire

exutoire maïs

exutoire autre

qtite pest ruisselée àla racine de l’arbre

transfert par subsurfacetransfert par ruissellement

arbre d’exutoires

racines

réseau hydrographique

arbres d’exutoires

Apprentissage automatique de règles

• Base d’apprentissage obtenue par simulation du modèle :

• données d’une simulation: scénario « traduit » en données climatiques, itinéraires techniques de désherbage, configurations spatiales,

• sortie de la simulation: taux de transfert des pesticides associé à la situation simulée

• exemples obtenus divisés, selon le taux de transfert, en exemples de transfert faible et exemples de transfert important

• Apprentissage de motifs d’arbre: utilisation de la PLI (Programmation logique inductive) pour apprendre des règles généralisant les exemples et décrivant la classe transfert-faible et la classe transfert-important > mise en évidence de relations spatiales

• Apprentissage de règles propositionnelles en synthétisant les arbres d’exutoires par des attributs d’agrégats (utilisation de CN2)

Quelques motifs d’arbre obtenus

transfert_important

transfert_important

transfert_faible

transfert_faible

Quelques règles basées sur des attributs d’agrégats

SI quantité appliquée de molécule au risque moyen < 2,39 kg ET dose moyenne de molécule au risque fort > 96 g/ha ET surface de maïs totale > 1,46 ha ET surface de l'exutoire maïs le plus grand > 0,48 ha ET indice topographique moyen < 0,8ALORS classe = transfert_important

SI la surface de l'arbre > 0.18 haET la proportion de surface en dispositif tampon > 0.24 ALORS classe = transfert_faible

SI la surface totale de l'arbre < 7,36 ha ET surface de l'exutoire maïs le plus grand > 1,1 haALORS classe = transfert_important

support=32,confiance=1

support=32,confiance=1

support=66,confiance=1

Utilisation de règles pour la recommandation d’action

• Idée:– Confronter une situation avec un ensemble de règles de classification

– Proposer des modifications à apporter aux valeurs de certains attributs

règles:…………

système d’apprentissagedonnées

Que faire pour améliorer ma situation ?

Algorithme Dakar

• “Etant donnés: – deux classes + et –– une situation insatisfaisante– un ensemble de règles de classification R = R+ R-Suggérer des actions qui sont des modifications à apporter à certains

attributs décrivant la situation

• 1 action élémentaire = 1 modification d’une valeur d’ attribut• 1 action = 1 conjonction d’actions élémentaires

but : trouver des actions faisables, cohérentes qui maximisent un critère de qualité

Bilan

Publications :– Chapitre de l’ouvrage « Qualité de l’eau en

milieu rural. Savoirs et pratiques dans les bassins versants » 2006

– Ecological Modelling « A decision-oriented transfer model to evaluate the effects of land use and management on herbicide contamination in agricultural catchments » soumis,

Publications:

ECML 2005 « A distance-based approach for action recommandation»,

RFIA 2006 « Une approche fondée sur une distance pour la recommandation d’actions »

RJCIA 2007 « Apprentissage de motifs spatiaux hydrologiques et agronomiques »

MODSIM 2005 «  A machine learning approach for evaluating the impact of land use and management practives on streamwater pollution by pesticides »Poster ECAI (Besai) 2006

Thèse en agronomie de Florent Tortrat soutenue en 2005 sur le thème «Modélisation orientée décision des processus de transfert par ruissellement et subsurface des herbicides dans les bassins versants agricoles.»

Thèse en informatique de Ronan Trepos (depuis novembre 2004) «Apprentissage de règles spatio-temporelles pour l’aide à la gestion de la qualité des eaux»

Perspectives: APPEAU

• Réflexion élargie sur la conception de scénarios spatio-temporels– Scénarios : conjonction d’un milieu physique (structuré dans l’espace

(parcelles, cultures, réseau de drainage, types de sols…), d’un enchaînement d’événements climatiques et de pratiques agricoles distribuées dans le temps et l’espace

– Construire des scénarios réels et réalistes pour répondre à des questions opérationnelles : impacts des changements d’usages et climatiques sur la contamination des eaux

• Réflexion sur le passage de la problématique pesticides (temps courts, événements climatiques et agricoles ponctuels (tps/espace) à la problématique azote (temps longs, historique de la gestion globale de l’azote dans le système)