Modélisation de la variabilité inter-individuelle dans les modèles de croissance de plantes et sélection de modèles pour la prévision
Autor: | Baey, Charlotte |
---|---|
Jazyk: | francouzština |
Rok vydání: | 2014 |
Předmět: |
[MATH:MATH_ST] Mathematics/Statistics
[MATH:MATH_ST] Mathématiques/Statistiques [STAT:TH] Statistics/Statistics Theory [STAT:TH] Statistiques/Théorie [STAT:AP] Statistics/Applications [STAT:AP] Statistiques/Applications [SDV:SA:AGRO] Life Sciences/Agricultural sciences/Agronomy [SDV:SA:AGRO] Sciences du Vivant/Sciences agricoles/Agronomie modèles de croissance de plantes sélection de modèles modèles structure-fonction Greenlab modèles non linéaires mixtes méthodes MCMC algorithme EM stochastique |
Druh dokumentu: | Diplomová práce |
Popis: | La modélisation de la croissance des plantes a vu le jour à la fin du XXème siècle, à l'intersection de trois disciplines : l'agronomie, la botanique et l'informatique. Après un premier élan qui a donné naissance à un grand nombre de modèles, un deuxième courant a vu le jour au cours de la dernière décennie pour donner à ces modèles un formalisme mathématique et statistique. Les travaux développés dans cette thèse s'inscrivent dans cette démarche et proposent deux axes de développement, l'un autour de l'évaluation et de la comparaison de modèles, et l'autre autour de l'étude de la variabilité inter-plantes. Dans un premier temps, nous nous sommes intéressés à la capacité prédictive des modèles de croissance de plantes, en appliquant une méthodologie permettant de construire et d'évaluer des modèles qui seront utilisés comme outils prédictifs. Une première étape d'analyse de sensibilité permet d'identifier les paramètres les plus influents afin d'élaborer une version plus robuste de chaque modèle, puis les capacités prédictives des modèles sont comparées à l'aide de critères appropriés. %Cette étude a été appliquée au cas de la betterave sucrière. La deuxième partie de la thèse concerne la prise en compte de la variabilité inter-individuelle dans les populations de plantes. %Il existe en effet une forte variabilité entre plantes, d'origine génétique ou environnementale, dont il est nécessaire de tenir compte. Nous proposons dans cette thèse une approche basée sur l'utilisation de modèles (non linéaires) à effets mixtes pour caractériser cette variabilité. L'estimation paramétrique par maximum de vraisemblance nécessite l'utilisation de versions stochastiques de l'algorithme d'Espérance Maximisation basées sur des simulations de type Monte Carlo par Chaîne de Markov. Après une première application au cas de l'organogenèse chez la betterave sucrière, nous proposons une extension du modèle structure-fonction Greenlab à l'échelle de la population.%, appliqué aux cas de la betterave sucrière et du colza. |
Databáze: | Networked Digital Library of Theses & Dissertations |
Externí odkaz: |