Search

International audience; The management of genes conferring resistance to plant–pathogens should make it possible to control epidemics (epidemiological perspective) and preserve resistance durability (evolutionary perspective). Resistant and susceptible cultivars must be strategically associated according to the principles of cultivar mixture (within a season) and rotation (between seasons). We explored these questions by modeling the evolutionary and epidemiological processes shaping the dynamics of a pathogen population in a landscape composed of a seasonal cultivated compartment and a reservoir compartment hosting pathogen year-round. Optimal deployment strategies depended mostly on the molecular basis of plant–pathogen interactions and on the agro-ecological context before resistance deployment, particularly epidemic intensity and landscape connectivity. Mixtures were much more efficient in landscapes in which between-field infections and infections originating from the reservoir were more prevalent than within-field infections. Resistance genes requiring two mutations of the pathogen avirulence gene to be broken down, rather than one, were particularly useful when infections from the reservoir predominated. Combining mixture and rotation principles were better than the use of the same mixture each season as (i) they controlled epidemics more effectively in situations in which within-field infections or infections from the reservoir were frequent and (ii) they fulfilled the epidemiological and evolutionary perspectives.

Sustainable management of agricultural landscapes is a strong social, ecological and economic challenge. Favouring the different ecosystem services provided by these complex systems, characterized by a strong patio-temporal variability linked to human activity, is by now crucial. The work developed in this thesis has focused on pest population regulation services, by developing spatialized models in order to identify the interactions between the landscape and populations in the context of an integrated management of the agricultural landscape. The conceptual approach we used is based on careful selection of the levels of organization and spatio-temporal scales which lead to the development of two embedded models: an agricultural landscape simulator (ATLAS) reproducing the spatial-temporal variability of habitats and a cellular automaton describing the pluriannual dynamics of a cereal aphid: Rhopalosiphum padi. A statistical analysis of the results highlighted the effects of different landscape parameters (composition and climate) on aphid densities at different spatial scales throughout the seasons. The potential effects of plausible management scenarios were also evaluated. Amongst our results, we identify the replacement of corn by sorghum in the south-western part of France to potentially lead to higher aphid densities within the landscape in spring, which is a season specifically sensible to infestations. We replace this work in the larger context of favouring ecosystem services and propose new ideas for a sustainable management of agricultural landscapes., La gestion agroécologique durable des paysages agricoles constitue un très fort enjeu social, écologique et économique. Favoriser les différents services écosystémiques que fournissent ces systèmes complexes, caractérisés par une forte variabilité spatio-temporelle liée aux activités anthropiques, est désormais crucial. Le travail développé dans cette thèse s’est focalisé sur les services de régulation des populations de ravageurs, en développant des modèles spatialisés destinés à identifier les interactions entre paysage et populations dans l’optique d’une gestion intégrée du paysage agricole. L’approche conceptuelle utilisée s’est appuyée sur une réflexion sur les choix de niveaux d’organisation et d’échelles spatio-temporelles pertinentes qui a conduit au développement de deux modèles imbriqués: un simulateur de paysages agricoles (ATLAS) reproduisant la variabilité spatio-temporelle des habitats et un automate cellulaire décrivant les dynamiques pluriannuelles d’un puceron des céréales: Rhopalosiphum padi. Une analyse statistique des résultats a permis d’identifier l’effet des différents paramètres du paysage (composition et climat) sur les densités de pucerons à différentes échelles spatiales au cours des saisons. Ont également été évalués les effets potentiels de différents scénarios de gestion plausibles au sein du paysage agricole étudié. Parmi nos résultats, nous identifions que le remplacement du maïs par le sorgho dans le sud-ouest de la France pourrait conduire à une augmentation des densités de R.padi au sein du paysage au printemps, période particulièrement sensible aux infestations. Nous replaçons ce travail dans le cadre plus large de la favorisation des services écosystémiques et apportons des premiers éléments de réflexion pour une gestion durable du paysage agricole.

International audience

Le modèle spatio-temporel de gestion durable des résistances variétales au phoma SIPPOM-WOSR a été amélioré, en particulier au niveau temps de calcul. Ceci a permis, en collaboration avec des acteurs de terrain, de procéder à des simulations de plusieurs centaines de scénarios. Une synthèse de la démarche et des résultats obtenus en matière d’évolution des populations virulentes avrlm7 de L.maculans est présentée., The spatio-temporal model SIPPOM-WOSR, designed for a durable management of plant resistance to blackleg, has been improved, especially concerning execution time. In collaboration with stakeholders, this allowed the elaboration of several hundred of scenarios, their simulation with the model, and their eventual evaluation with the stakeholders. The approach and the results relative to the evolution of virulent avrlm7 Leptosphaeria maculans population are presented.

Variance-based global sensitivity analysis is used to study how the variability of the output of a numerical model can be apportioned to different sources of uncertainty in its inputs. It is an essential component of model building as it helps to identify model inputs that account for most of the model output variance. However, this approach is seldom applied in Earth and Environmental Sciences, partly because most of the numerical models developed in this field include spatially distributed inputs or outputs . Our research work aims to show how global sensitivity analysis can be adapted to such spatial models, and more precisely how to cope with the following two issues: i) the presence of spatial auto-correlation in the model inputs, and ii) the scaling issues. We base our research on the detailed study of the numerical code NOE, which is a spatial model for cost-benefit analysis of flood risk management plans. We first investigate how variance-based sensitivity indices can be computed for spatially distributed model inputs. We focus on the "map labelling" approach, which allows to handle any complex spatial structure of uncertainty in the model inputs and to assess its effect on the model output. Next, we offer to explore how scaling issues interact with the sensitivity analysis of a spatial model. We define "block sensitivity indices" and "site sensitivity indices" to account for the role of the spatial support of model output. We establish the properties of these sensitivity indices under some specific conditions. In particular, we show that the relative contribution of an uncertain spatially distributed model input to the variance of the model output increases with its correlation length and decreases with the size of the spatial support considered for model output aggregation. By applying our results to the NOE modelling chain, we also draw a number of lessons to better deal with uncertainties in flood damage modelling and cost-benefit analysis of flood risk management plans.; L'analyse de sensibilité globale basée sur la variance permet de hiérarchiser les sources d'incertitude présentes dans un modèle numérique et d'identifier celles qui contribuent le plus à la variabilité de la sortie du modèle. Ce type d'analyse peine à se développer dans les sciences de la Terre et de l'Environnement, en partie à cause de la dimension spatiale de nombreux modèles numériques, dont les variables d'entrée et/ou de sortie peuvent être des données distribuées dans l'espace. Le travail de thèse réalisé a pour ambition de montrer comment l'analyse de sensibilité globale peut être adaptée pour tenir compte des spécificités de ces modèles numériques spatialisés, notamment la dépendance spatiale dans les données d'entrée et les questions liées au changement d'échelle spatiale. Ce travail s'appuie sur une étude de cas approfondie du code NOE, qui est un modèle numérique spatialisé d'analyse coût-bénéfice de projets de prévention du risque d'inondation. On s'intéresse dans un premier temps à l'estimation d'indices de sensibilité associés à des variables d'entrée spatialisées. L'approche retenue du " map labelling " permet de rendre compte de l'auto-corrélation spatiale de ces variables et d'étudier son impact sur la sortie du modèle. On explore ensuite le lien entre la notion d'" échelle " et l'analyse de sensibilité de modèles spatialisés. On propose de définir les indices de sensibilité " zonaux " et " ponctuels " pour mettre en évidence l'impact du support spatial de la sortie d'un modèle sur la hiérarchisation des sources d'incertitude. On établit ensuite, sous certaines conditions, des propriétés formelles de ces indices de sensibilité. Ces résultats montrent notamment que l'indice de sensibilité zonal d'une variable d'entrée spatialisée diminue à mesure que s'agrandit le support spatial sur lequel est agrégée la sortie du modèle. L'application au modèle NOE des méthodologies développées se révèle riche en enseignements pour une meilleure prise en compte des incertitudes dans les modèles d'analyse coût-bénéfice des projets de prévention du risque d'inondation. Variance-based global sensitivity analysis is used to study how the variability of the output of a numerical model can be apportioned to different sources of uncertainty in its inputs. It is an essential component of model building as it helps to identify model inputs that account for most of the model output variance. However, this approach is seldom applied in Earth and Environmental Sciences, partly because most of the numerical models developed in this field include spatially distributed inputs or outputs . Our research work aims to show how global sensitivity analysis can be adapted to such spatial models, and more precisely how to cope with the following two issues: i) the presence of spatial auto-correlation in the model inputs, and ii) the scaling issues. We base our research on the detailed study of the numerical code NOE, which is a spatial model for cost-benefit analysis of flood risk management plans. We first investigate how variance-based sensitivity indices can be computed for spatially distributed model inputs. We focus on the "map labelling" approach, which allows to handle any complex spatial structure of uncertainty in the model inputs and to assess its effect on the model output. Next, we offer to explore how scaling issues interact with the sensitivity analysis of a spatial model. We define "block sensitivity indices" and "site sensitivity indices" to account for the role of the spatial support of model output. We establish the properties of these sensitivity indices under some specific conditions. In particular, we show that the relative contribution of an uncertain spatially distributed model input to the variance of the model output increases with its correlation length and decreases with the size of the spatial support considered for model output aggregation. By applying our results to the NOE modelling chain, we also draw a number of lessons to better deal with uncertainties in flood damage modelling and cost-benefit analysis of flood risk management plans.

L'analyse de sensibilité globale basée sur la variance permet de hiérarchiser les sources d'incertitude présentes dans un modèle numérique et d'identifier celles qui contribuent le plus à la variabilité de la sortie du modèle. Ce type d'analyse peine à se développer dans les sciences de la Terre et de l'Environnement, en partie à cause de la dimension spatiale de nombreux modèles numériques, dont les variables d'entrée et/ou de sortie peuvent être des données distribuées dans l'espace. Le travail de thèse réalisé a pour ambition de montrer comment l'analyse de sensibilité globale peut être adaptée pour tenir compte des spécificités de ces modèles numériques spatialisés, notamment la dépendance spatiale dans les données d'entrée et les questions liées au changement d'échelle spatiale. Ce travail s'appuie sur une étude de cas approfondie du code NOE, qui est un modèle numérique spatialisé d'analyse coût-bénéfice de projets de prévention du risque d'inondation. On s'intéresse dans un premier temps à l'estimation d'indices de sensibilité associés à des variables d'entrée spatialisées. L'approche retenue du " map labelling " permet de rendre compte de l'auto-corrélation spatiale de ces variables et d'étudier son impact sur la sortie du modèle. On explore ensuite le lien entre la notion d'" échelle " et l'analyse de sensibilité de modèles spatialisés. On propose de définir les indices de sensibilité " zonaux " et " ponctuels " pour mettre en évidence l'impact du support spatial de la sortie d'un modèle sur la hiérarchisation des sources d'incertitude. On établit ensuite, sous certaines conditions, des propriétés formelles de ces indices de sensibilité. Ces résultats montrent notamment que l'indice de sensibilité zonal d'une variable d'entrée spatialisée diminue à mesure que s'agrandit le support spatial sur lequel est agrégée la sortie du modèle. L'application au modèle NOE des méthodologies développées se révèle riche en enseignements pour une meilleure prise en compte des incertitudes dans les modèles d'analyse coût-bénéfice des projets de prévention du risque d'inondation. Variance-based global sensitivity analysis is used to study how the variability of the output of a numerical model can be apportioned to different sources of uncertainty in its inputs. It is an essential component of model building as it helps to identify model inputs that account for most of the model output variance. However, this approach is seldom applied in Earth and Environmental Sciences, partly because most of the numerical models developed in this field include spatially distributed inputs or outputs . Our research work aims to show how global sensitivity analysis can be adapted to such spatial models, and more precisely how to cope with the following two issues: i) the presence of spatial auto-correlation in the model inputs, and ii) the scaling issues. We base our research on the detailed study of the numerical code NOE, which is a spatial model for cost-benefit analysis of flood risk management plans. We first investigate how variance-based sensitivity indices can be computed for spatially distributed model inputs. We focus on the "map labelling" approach, which allows to handle any complex spatial structure of uncertainty in the model inputs and to assess its effect on the model output. Next, we offer to explore how scaling issues interact with the sensitivity analysis of a spatial model. We define "block sensitivity indices" and "site sensitivity indices" to account for the role of the spatial support of model output. We establish the properties of these sensitivity indices under some specific conditions. In particular, we show that the relative contribution of an uncertain spatially distributed model input to the variance of the model output increases with its correlation length and decreases with the size of the spatial support considered for model output aggregation. By applying our results to the NOE modelling chain, we also draw a number of lessons to better deal with uncertainties in flood damage modelling and cost-benefit analysis of flood risk management plans., Variance-based global sensitivity analysis is used to study how the variability of the output of a numerical model can be apportioned to different sources of uncertainty in its inputs. It is an essential component of model building as it helps to identify model inputs that account for most of the model output variance. However, this approach is seldom applied in Earth and Environmental Sciences, partly because most of the numerical models developed in this field include spatially distributed inputs or outputs . Our research work aims to show how global sensitivity analysis can be adapted to such spatial models, and more precisely how to cope with the following two issues: i) the presence of spatial auto-correlation in the model inputs, and ii) the scaling issues. We base our research on the detailed study of the numerical code NOE, which is a spatial model for cost-benefit analysis of flood risk management plans. We first investigate how variance-based sensitivity indices can be computed for spatially distributed model inputs. We focus on the "map labelling" approach, which allows to handle any complex spatial structure of uncertainty in the model inputs and to assess its effect on the model output. Next, we offer to explore how scaling issues interact with the sensitivity analysis of a spatial model. We define "block sensitivity indices" and "site sensitivity indices" to account for the role of the spatial support of model output. We establish the properties of these sensitivity indices under some specific conditions. In particular, we show that the relative contribution of an uncertain spatially distributed model input to the variance of the model output increases with its correlation length and decreases with the size of the spatial support considered for model output aggregation. By applying our results to the NOE modelling chain, we also draw a number of lessons to better deal with uncertainties in flood damage modelling and cost-benefit analysis of flood risk management plans.

National audience; Plusieurs publications proposent des méthodes permettant d'intégrer dans une analyse de sensibilité de Sobol des facteurs d'entrée Xi ou des sorties Y distribués spatialement. Dans cette présentation, on explore les propriétés analytiques des indices de Sobol estimés dans un tel cadre. On met en évidence des propriétés liées à la nature spatialisée des entrées et sorties d'un modèle : influence des changements d'échelle, de l'auto-corrélation spatiale dans les facteurs d'entrée Xi, de la représentation de l'espace sur une grille discrète. Ces développements confirment l'intérêt de l'analyse de Sobol pour aborder la complexité de modèle environnementaux spatialisés. Une application sur un modèle d'évaluation économique du risque d'inondation est proposée.

The biology of European hake has been largely studied, however some specific processes of its biology, especially growth and migration, are still poorly known. Those uncertainties have consequences on the quality of the stock assessments and on the stock management by limiting the possibility to assess the effect of spatial management measures. Therefore, we develop an integrated length-structured and spatialised model of population dynamics aiming at improving the estimation of unknown parameters of the population dynamic. The model relies on a state model describing the dynamics of the population and the fishing activity, and on an observation model describing the observation processes and providing a likelihood function. A review of the literature shows that modelling growth is a key point in length-structured model. Consequently, we develop a method to assess the impact of several assumptions of time and length discretisation and growth increments distribution in a length-structured population growth model. The method relies (i) on the construction of a design of experiments and (ii) on its analysis using linear models and multivariate regression trees. This generic approach is useful to assess the impact of any discretisation processes in a discret model. In our case, it shows that a quartertly time step, 1cm wide length classes and a gamma distribution of growth increments are appropriate for the Northern stock of hake. A specific attention to the likelihood function has been necessary during the development of the model to provide a robust function and to be consistent with the observation processes. A quasi-Newton algorithm has been selected among several optimisation algorithms to maximize the likelihood function. Estimations of migration and growth rates are obtained by fitting the model to available data. Migration rates are consistent with previous analysis while estimated growth rates are slightly lower than estimates obtained from tagging data. The diagnostic on the spawning stock biomass provided by the model is quite close to current diagnostics obtained from other assessments conducted by ICES. Some parameters of the model are still not identifiable. This, however, does not concerned parameters of interest., Bien que le merlu de l'Atlantique Nord-Est ait été largement étudié, certaines caractéristiques de sa biologie sont encore assez mal connues. C'est en particulier le cas de ses migrations saisonnières et de sa croissance, dont une campagne récente de marquage montre qu'elle était probablement largement sous-estimée. Ces incertitudes ont plusieurs conséquences tant sur la qualité des diagnostics établis à l'aide des modèles de dynamique des populations usuels, que sur la gestion en limitant notamment les possibilités d'évaluation de mesures de gestions spatialisées. Pour améliorer l'estimation des paramètres de ces processus, nous avons développé un modèle de dynamique de population intégré spatialisé et structuré en longueur reposant sur un modèle d'états décrivant la dynamique de la population et de l'activité de pêche, et sur un modèle décrivant les processus d'observation, permettant l'écriture d'une fonction de vraisemblance. Une revue bibliographique des modèles structurés en longueur existants a mis en évidence le rôle clé de la modélisation du processus de croissance dans ce type de modèles. Pour s'assurer de la robustesse des hypothèses du modèle liées à la discrétisation de ce processus continu et à la variabilité individuelle de croissance, nous avons réalisé une analyse de sensibilité du modèle de croissance. Cette méthode d'exploration numérique du modèle repose sur (i) le développement de plans d'expériences et (ii) l'ajustement de modèles statistiques aux sorties du modèle pour quantifier l'impact de ces hypothèses. Cette démarche générique est transposable à toute analyse de sensibilité d'un modèle discret décrivant un processus continu. Dans notre cas, elle a permis de mettre en évidence que pour le merlu de l'Atlantique Nord-Est il était préférable de choisir un pas de temps trimestriel, des classes de 1 cm, une distribution gamma des incréments de croissance et une distribution uniforme des individus au sein des classes. Au cours du développement du modèle, une attention particulière a été portée à l'écriture de la fonction de vraisemblance afin qu'elle soit robuste et cohérente avec les processus d'observation. Différents algorithmes ont également été testés pour réaliser l'optimisation numérique de cette fonction, le choix se portant finalement vers un algorithme de type quasi-Newton. L'ajustement du modèle de dynamique de population aux observations disponibles a permis l'estimation des taux de migration et du taux de croissance, plus faible que celui estimé à partir des données de marquage. Il a permis également d'établir un diagnostic en terme d'évolution de la biomasse féconde cohérent avec les diagnostics préalablement établis à l'aide du modèle actuel d'évaluation. Cependant, du fait de sa complexité et très certainement de la mauvaise qualité de certaines observations, l'ajustement du modèle est difficile. Le modèle souffre de certains problèmes d'identifiabilité même si les paramètres de migration et de croissance ne semblent pas concernés.

La Bretagne étant une région où l'élevage prédomine dans le paysage agricole, de nombreuses entreprises en amont et en aval des filières de productions animales s'y sont implantées. Plus particulièrement, on peut citer les usines d'alimentation du bétail qui sont un secteur à faible valeur ajoutée où une bonne gestion de la logistique est primordiale. C'est, entre autres, pour répondre à ce besoin que le modèle FEEDSIM a été mis au point à l'INRA de Rennes. C'est par une modélisation des flux de matières premières agricoles et des aliments composés que ce modèle permet de répondre à la demande. Une des limites de ce modèle réside dans l'exogénéité de la production agricole. Ainsi, ce rapport présente une méthode permettant d'endogénéiser la production agricole tout en la spatialisant à une échelle cantonale. Celle-ci est appliquée aux seules exploitations de grandes cultures d'Ille-et-Vilaine. La principale difficulté pour mettre en œuvre la démarche est qu'il existe très peu de données disponibles à l'échelle cantonale. De ce fait, c'est grâce à des exploitations fictives rendues représentatives à l'échelle cantonale que cette modélisation est rendue possible. Cette originalité s'appuie sur l'utilisation de deux outils majeurs: la programmation linéaire et la Programmation Mathématique Positive (PMP). Cette combinaison d'outils permet d'aboutir à un modèle qui est constitué, d'une part, de fonctions linéaires : contraintes sur les surfaces, les rotations culturales, etc. et d'autre part, d'une fonction objectif non linéaire qui maximise la marge brute de l'exploitation agricole tout en évitant la formation de solutions en coin. La méthode mise au point a fait l'objet de tests (de robustesse et de sensibilité) et d'une application dans le contexte de la réforme de la Politique Agricole Commune de 2003 et de la flambée des prix des céréales. Cependant cette méthode présente un certain nombre de limites dont la plupart sont dues au recours à la PMP., The high proportion of livestock farming in the agriculture in Brittany results in many animal feed factories establishing in this area. The fact that animal feed gets a low valued-added has led to establish an appropriate management of logistic. The FEEDSIM model was developed at the INRA of Rennes among other things to help these professionals in their decisions. The FEEDSIM model establishes the flows of raw materials and the ones of animal food in the west part of France. One of the limits of this model is caused by the exogeneity of the farming production. Thus, this report presents a method thanks to which the farming production gets endogenous and spatialized into a cantonal scale. The main problem to put in place this method, which is only applied to the major crops farms of Ille-et-Vilaine, is the lack of data available on a cantonal scale. To avoid this problem, fictive farms are created and made representative on a cantonal scale. This originality of this method comes from the use of two major tools: linear programming and Positive Mathematical Programming (PMP). This combination of tools creates a model which is made, on the one hand, of linear functions of constraints on farming surfaces, rotations, etc. and on the other hand, of a nonlinear objective function. Many tests (of robustness and sensitivity) have been realized in order to evaluate the good performance of this method. An application has also been realized, in the context of the reform of the Common agricultural policy of 2003 and the rise of the prices of cereals. However this method presents some limits whose are, for most of them, due to the use of the PMP.

The management and protection of water resources require a good knowledge of hydrological processes at the catchment scale. This issue is crucial in the Antilles where agricultural practices have caused water and soil resources chronic pollutions.This thesis aims to characterize the hydrological behaviour of a small catchment situated in a volcanic tropical region mainly planted with banana. The study site is the Féfé catchment (17.8 ha), located on the Basse-Terre island in Guadeloupe (FWI), which has been monitored between 2003 and 2006. Two complementary approaches were used.First of all, the experimental approach, combining geology, hydrology, hydrogeology and pesticide tracer, was used to characterize the structure, the water balance and the hydrological processes of a small catchment. A global behaviour scheme has been established, and the main characteristics are: high water fluxes (annual rainfall > 4 000 mm), an important recharge of groundwater (60% of the annual effective rainfall), and a predominance of Hortonian overland flow. A lumped model based on this scheme allowed to correctly simulate surface and groundwater flows. These studies have led to identify the main mechanisms of contamination of soils and waters by a nematicide used in banana plantations (cadusafos).Then, the modelling approach using the distributed model MHYDAS highlighted the impact of land use and ditch network on flood generation. This approach has taken into account the specificities of the cultivated tropical environment that is the rainfall partitioning by vegetation (stemflow of banana plant) and aquifer/ditch exchanges. The application of the model at the three scales of the plot, the sub-catchment and the catchment, has led to better characterize the spatial and temporal variability of hydrological processes.Both approaches are an appropriate way to measure the environmental impact of pesticide applications on the field, to characterize up-scaling, and to test the impact of land use.; La gestion et la protection des ressources en eau nécessitent une bonne connaissance des processus hydrologiques à l'échelle du bassin versant. Le problème se pose en particulier aux Antilles où l'activité agricole est à l'origine de pollutions chroniques des ressources en eau et des sols.L'objectif de cette thèse est de caractériser le fonctionnement hydrologique d'un petit bassin versant volcanique en climat tropical, dans un contexte cultivé principalement en banane. Le site d'étude est le bassin de Féfé (17,8 ha), sur l'île de la Basse-Terre en Guadeloupe, qui a été instrumenté entre 2003 et 2006. Deux approches complémentaires ont été utilisées.Premièrement, l'approche expérimentale combinant géologie, hydrologie, hydrogéologie et traçage (pesticide) a permis de caractériser la structure, le bilan et les processus hydrologiques d'un petit bassin versant. Un schéma de fonctionnement global a été établi avec comme caractéristiques principales des flux hydriques élevés (pluie annuelle > 4 000 mm), une importante recharge des nappes (60 % de la pluie efficace annuelle), et une prédominance du ruissellement hortonien. Un modèle global à réservoirs basé sur ce schéma conceptuel a permis de reproduire correctement les flux de surface et souterrains. Ces études nous ont permis d'identifier les principaux mécanismes de contamination des sols et des eaux de surface et de nappes par un nématicide utilisé en bananeraies (le cadusafos).Deuxièmement, l'approche de modélisation à l'aide du modèle distribué MHYDAS, a permis de rendre compte de l'incidence de l'occupation du sol et du réseau de fossés sur la genèse des crues. Cette approche intègre les spécificités du milieu cultivé tropical que sont la redistribution de la pluie par la plante (stemflow du bananier) et les échanges nappe-fossé. L'application du modèle aux échelles de la parcelle, du sous-bassin et du bassin versant, a permis de mieux caractériser les variabilités spatiale et temporelle des processus hydrologiques.Ces deux approches constituent une voie pertinente pour évaluer l'impact environnemental des épandages agricoles, caractériser les changements d'échelle, et tester l'impact de l'occupation du sol.

ATHYS représente un environnement convivial à vocation hydrologique, destiné à l'analyse et à l'application de modèles spatialisés. Il comprend un module de traitement et de visualisation de données hydro-pluviométriques, un module de traitement et de visualisation de données géographiques et un catalogue de modèles. ATHYS est développé avec le langage Tcl/Tk et le générateur Xf, pour fonctionner sur station de travail. Au terme d'une première année consacrée à construire un outil opérationnel sur la base de l'existant, ATHYS devrait rapidement évoluer vers une structure plus modulaire et plus puissante, notamment en ce qui concerne l'intégration des modèles hydrologiques. (Résumé d'auteur)

ATHYS est un logiciel à vocation hydrologique, regroupant dans un environnement homogène les diverses opérations nécessaires à la mise en oeuvre des modèles hydrologiques spatialisés : traitement et visualisation des données hydro-pluviométriques et des données géographiques, catalogue de modèles spatialisés. (Résumé d'auteur)