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

1. Collaboration INRIA/INRA sur les transferts de polluants diffus en bassin versant agricole : Éléments de contexte et projet SACADEAU

2. 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

3. Un paysage cultivé : cultures, parcelles, bâtiments espaces interstitiels Des activités agricoles : Systèmes de production, de culture, itk. Courtesy J.E. Olesen Un milieu physique : roche, sol, air, eau Un système complexe, extrêmement hétérogène Des données d’observations très partielles, très incertaines

4. < 6 mois parcelle drainée cours d’eau NO3 zone non saturée nappe fossés N2 zone dénitrifiante zone connectée à la zone dénitrifiante écoulement concentré NO3 2 eau riche en nitrate N2 écoulement diffus lixiviation prélèvement biologique stockage dénitrification 3 NO3 eau appauvrie en nitrate NO3 stockage écoulement profond > 5 ans Diversité des temps caractéristiques, importance des patterns spatiaux N rivière = 40-95% S(Nparcelles)

5. 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

6. Projet SACADEAUSystème d’Acquisition de Connaissances pour l’Aide à la Décision sur la qualité de l’EAU INRA Rennes UMR SAS C. Gascuel, P.AurousseauP. Durand IRISA-Univ Rennes 1 M.O. Cordier, V.Masson INRA Toulouse BIAF. Garcia Chambres d’Agriculture 56 et 35 + 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 qualitatif Cadre : AIP « Aide à la décision – Comment articuler connaissances et actions en agriculture, agroalimentaire et dans l’espace rural »

7. 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

8. Modèle décisionnel Règles obtenues par apprentissage Architecture de SACADEAU SACADEAU Langage de scénario Co-construction Co-construction Simulateur Décideur local Gestionnaire de bassin versant Expert terrain Accès aux résultats de simulation Co-construction Modèle biophysique Retour sur l ’expertise Décideur local ou Décideur public Accès aux règles et Recommandation d’actions

9. 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 Caractéristiques de l’outil souhaité

10. Spatialisation des cultures Aménagement Stratégies de désherbage Climat Scénarios Apprentissage extraites de base de données ou construites par expert Itinéraires techniques de désherbage Chroniques climatiques Configurations spatiales Données Simulateur Positions parcelles dans l ’exploitation et le bassin versant Pluviométrie, température évapotranspiration Modèle décisionnel Date et mode de travail du sol Dates et doses des applications Modèle de transfert Ruissellement Nappe superficielle Arbre d’exutoires de parcelles Indice topographique Flux et concentrations journalières de pesticides Typologie des chroniques de qualité de l ’eau

11. Représentation d’un bassin versant à l’aide d’arbres d’exutoires arbres d’exutoires racines transfert par subsurface transfert par ruissellement réseau hydrographique arbre de drainage maillé arbre d’exutoires exutoire maïs exutoire autre qtite pest ruisselée à la racine de l’arbre arbre d’exutoire

12. 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)

13. Quelques motifs d’arbre obtenus transfert_faible transfert_important transfert_faible transfert_important

14. Quelques règles basées sur des attributs d’agrégats SI la surface totale de l'arbre < 7,36 ha ET surface de l'exutoire maïs le plus grand > 1,1 ha ALORS classe = transfert_important support=32,confiance=1 SI la surface de l'arbre > 0.18 ha ET la proportion de surface en dispositif tampon > 0.24 ALORS classe = transfert_faible support=32,confiance=1 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 < 0,8 ALORS classe = transfert_important support=66,confiance=1

16. 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 Que faire pour améliorer ma situation ? règles: … … … … système d’apprentissage données

17. 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

18. Bilan 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.» 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, 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» • 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

19. 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)