sarrah - teledetection.fr
TRANSCRIPT
Exemple : CEREALES Présentation : Christian Baron
SarraHSarraH
Satisfaction
Eau/Sol
Ressource
Le modèle a besoin de : données de forçages et de paramètres
pour modéliser des processus LOCAUX
Environnement…... Agronomique……. Génotype………… Rayonnement global/Pluie
Date de semis (simulée) Seuil de températures
Eto (demande climatique)
Densité de semis (pb) Sensibilité photopériode
Température de l’air Paquet technique (fertilité, travail sol…)
Coefficient d’extinction
Photopériode Irrigation Paramètre de partition des assimilats
Texture du sol (RU, RUE)
Mulch Potentiel d’efficience du rayonnement
… … Dynamique et potentiel d’enracinement
… … …
Exemples
Calibration en milieu contrôlé : expérimentation 1996 en pluviale stricte
Simulation ef f ec tuée av ec SarraH v 3.0.0.0 - Modèle Cereales
L a i (Cé ré a l e s M i l B a m b e y 9 6 P l u i e ) L a i (Cé ré a l e s M i l B a m b e y 9 6 P l u i e )B i o m a sse A e rie n n e (Cé ré a l e s M i l B a m b e y 9 6 P l u i e ) Rd t(Cé ré a l e s M i l B a m b e y 9 6 P l u ie )B i o m a sse A e rie n n e (Cé ré a l e s M i l B a m b e y 9 6 P l u i e ) Rd t(Cé ré a l e s M i l B a m b e y 9 6 P l u ie )
NbJas9080706050403020100
sans
4
3
2
1
0
Kg/ha
8 000
7 500
7 000
6 500
6 000
5 500
5 000
4 500
4 000
3 500
3 000
2 500
2 000
1 500
1 000
500
0
Robustesse du modèle : climats contrastés et autres céréales
Même modèle céréale, seuls changent les param ètres plantes : C3, C4… vivaces…
Simulation effectuée avec SarraH v3.0.0.0 - Modèle Cereales
BiomasseAerienne(Céréales Blé Alpille 214) Rdt(Céréales Blé Alpille 214)BiomasseAerienne(Céréales Blé Alpille 214) Rdt(Céréales Blé Alpille 214)BiomasseAerienne(Céréales Blé Alpille 101) Rdt(Céréales Blé Alpille 101)BiomasseAerienne(Céréales Blé Alpille 101) Rdt(Céréales Blé Alpille 101)
Date29/06/9730/05/9730/04/9731/03/9701/03/9730/01/9731/12/9601/12/96
Kg/ha
11 000
10 500
10 000
9 500
9 000
8 500
8 000
7 500
7 000
6 500
6 000
5 500
5 000
4 500
4 000
3 500
3 000
2 500
2 000
1 500
1 000
500
0
Simulation effectuée avec SarraH v3.0.0.0 - Modèle Cereales
BiomasseAerienne(Céréales Mil Bambey 98 ETM) Rdt(Céréales Mil Bambey 98 ETM)BiomasseAerienne(Céréales Mil Bambey 98 ETM) Rdt(Céréales Mil Bambey 98 ETM)BiomasseAerienne(Bambey Etm) Rdt(Bambey Etm)BiomasseAerienne(Bambey Etm) Rdt(Bambey Etm)BiomasseAerienne(Céréales Mil Bambey 98 ETM) Rdt(Céréales Mil Bambey 98 ETM)BiomasseAerienne(Céréales Mil Bambey 98 ETM) Rdt(Céréales Mil Bambey 98 ETM)
NbJas908070605040302010
Kg/ha
12 500
12 000
11 500
11 000
10 500
10 000
9 500
9 000
8 500
8 000
7 500
7 000
6 500
6 000
5 500
5 000
4 500
4 000
3 500
3 000
2 500
2 000
1 500
1 000
500
0
Expérimentation,Mil Souna 3, Champs paysans, Blé dur Armet, Sénégal, Bambey (1996, 1998) Avignon, semis en oct. 96 et fév. 97
Objectifs
•• Diagnostic et suiviDiagnostic et suivi
•• SystSystèème dme d’’ alerte pralerte préécoce coce
•• PrPréévisions visions àà court terme, saisonnicourt terme, saisonnièèrere
•• Base de dBase de déécision pour la scision pour la séélection varilection variéétalestales
Il faut dIl faut dééfinir des : finir des :
• ScScéénarios climatiques vs stratnarios climatiques vs stratéégie paysannes gie paysannes (pratiques & vari(pratiques & variééttéés)s)
Mais de quoi parle t’on??
•• Des Des contraintescontraintes socio socio ééconomiquesconomiques((marchmarchééss, , éétatstats……) )
•• des des contraintescontraintesenvironementalesenvironementales(sol, (sol, climatclimat..)..)
•• des des pratiquespratiques agricolesagricoles
••……
Un simple Un simple cumulcumul saisonniersaisonniernene suffitsuffit paspas
1950 – 1969 : bandes grises, 1970 – 1989: traits roug es, 1990 – 2009: traits bleu Présentation Abdu Ali, SMHI, Ouaga 2010
A quelle échelle de temps et d’espace ?
Unesaisondes pluies?
Du Du SudSud au Nord au Nord uneune forte forte variabilitvariabilit éé saisonnisaisonnièèrere, ,
uneune saisonsaisondes des pluiespluies bibi--modalemodaleàà modalemodale,,
maismais aussiaussides des constantesconstantes(Sultan & (Sultan & JanicotJanicot, 200,2003), 200,2003)
Il faut s’adapter
Semis 17 Juin
Même Plante
Semis 17 juillet
Même personne
Semis 17 Aout
Différentes
dates de semis
Donc localiser cette diversité
Donc simulerla biodiversité &
les choixpaysans
Il faut modéliser ces adaptations
Pre-rainy season(unreliable)
Monsoon(reliable)
25-05 15-07 25-09
Potential onsetof wet season End of wet season
PP sensitive
PP insensitive
Monsoon onset
Bad
BadN loss, weeds OK
OK
Time
Dingkuhn & al., Amodel of sorghum photoperiodism using the concept of threshold-lowering during prolonged appetence, 2007
Il faut adapter les échelles
Pour le climat il faut désagréger à des échelles plus
fines :de 62 500 km² à 100 km² à 1 km²…
Pour les cultures/productions il faut agréger à des échelles plus grandes :
parcelle -> village -> région RCM (0.5 x 0.5 °)
RCM (0.1 x 0.1 °)
GCM (2.5 x 2.5 °)
E. Vintrou & al., in JAG, soumis 2011
Elodie Vintrou & Al., 2001, “Crop area mapping in West Africa using landscape stratification of MODIS time series and comparison with existing global land products”
Pour éviter le trop globale !
BAggregated
rainfall
0 1000 2000 3000 4000 5000
Grain yield simultated with aggregated inputs (kg.ha-1)
0
1000
2000
3000
4000
5000
Niamey, Y=2720.8 + 0.35X R2=0.78Bamako, Y=2761.2 + 0.37X R2=0.25Bougouni, Y=80.0 + 0.96X R2=0.97
AAggregated
meteorology
Grain yield simultated with non-aggregated inputs (kg.ha-1)
0 1000 2000 3000 4000 5000
Grain yield simultated with aggregated inputs (kg.ha-1)
0
1000
2000
3000
4000
5000
Niamey, Y=70.5 + 1.07X R2=0.91Bamako, Y=3536.4 + 0.22X R2=0.36Bougouni, Y=4264.9 + 0.04X R2=0.05
B
Frequency of rainy days
0,0 0,2 0,4 0,6 0,8 1,0
Counts
0
1
2
3
4
5
6
C
Rainfall during crop cycle (mm)
0 500 1000 1500 2000
Rainfall efficiency(transpiration.rainfall-1)
0,0
0,1
0,2
0,3
0,4
0,5
0,6
A
Daily rainfall (mm)
0 20 40 60 80
Frequency (log scale)
1e-4
1e-3
1e-2
1e-1
1e+0
2 3 4 51e-1
1e+0
A l’échelle locale, des plantes, la mousson Africaine ressemble à la moussonindonésienne !!!
Baron & al., From GCM to plot, Royal Society, 2005
Les GCM sont calibrés avec des séries historiquesré-analysées sur des grilles dont chaque point représente une surface d’environ 62 500 km²
Au Sénégal sur cette grille nous avons effectué la moyenne journalière des 17 stations climatiquessituées sur ce point GCM (données agrégées).
Les fortes pluies : il y
en a moins et sont plus faibles
Il pleutpresque tous
les jours !
Elles sont plus efficaces pour les
plantes
Faibles pluies : beaucoup plus
Du Nord au Sud les effets ne sont pas les mêmes
SARRAH
Processus de bases simulés par le modèle de culture
DE Sarra : bilan hydrique et rendement empirique (Utilisé en AO, Au Brésil...)
relation empirique en fin de cycle : Rdt = a + b IRESP
à SARRAH
Gestion des dates de semis Gestion des dates de semis fnfn(pluies)(pluies)
Phénologie, photopériodismeElaboration & répartition de la biomasse
LAI fn(biomasse) -> Coef.culturaux (Coef.culturaux (KcKc))
Bilan hydrique (rBilan hydrique (rééservoirsservoirs, Tr & Evap)
Elaboration du rendement
Combiner deux approches de modélisation
Sous le contrôle d’un « moteur »phénologique
Water Use Efficiency (WUE) :
Eau -> biomasse (BH type réservoirs, KC)
Radiation Use Efficiency (RUE) :
Energie radiative -> biomasse
(BC type Sinclair, LAI)
Front racinaire
Front d ’humectation
Pluies
Semis
Réserve
ETo
2 compartimentssimulés
De
SA
RR
A à
HPhPhéénologienologie
((PPismePPisme, temps , temps thermique...thermique...
Dynamique du Kc(fonction de LAI
utilisant la loi de Beer,séparation E et Tr )
Assimilation de C(fonction de ℇa et ℇ b, frein hydrique FAOou Eagleman …)
Répartition de la BM
utilisant des lois d ’allométrie
Boîte à outils : Base de données, traitement de données, graphiques…
TrPot = Kcp * EToEPot = Kce* ETo
SARRAH : BH & BC (WUE x RUE)
Un moteur phénologique, base d’évolution des processus
Bilan hydrique : une dynamique réservoirs
Bilan carboné : une dynamique de la biomasse
Six phases phénologiques
Ger BVP P SP RP R
Remp lissage D essicat io n
M AT U
Ph ase Sen sible :
A nth èse
E p ia ison
In it iationP an iculaire
In it iation p uis émergen cede la feuille drap eau
Sem is
Stades P hénolog iques (céréa les)
�� Les phases Les phases phphéénono. sont d. sont dééfinis par des seuils de somme de finis par des seuils de somme de temptempéératures, elles ratures, elles éévoluent en fonction des degrvoluent en fonction des degréés jourss jours
�� Le photopLe photopéériodisme (PSP) est basriodisme (PSP) est baséé sur la longueur du jour sur la longueur du jour fnfn(latitude , Jour julien)(latitude , Jour julien)
SARRAH : BH & BC (WUEX RUE)
Un moteur phénologique, base d’évolution des processus
Bilan hydrique : une dynamique réservoirs
Bilan carboné : une dynamique de la biomasse
Bilan hydrique :Une dynamique réservoirs - bilan de stocks
Apport d ’eau : pluie - Ruissellement + irrigation netRuissellement : méthode seuilRemplissage : homogènesur l’ensemble du réservoir (surface puis débordement sur le suivant)Drainage : débordement du dernier réservoirEvaporation : sur le réservoir de surface uniquementTranspiration : sur la fraction des réservoirs contenant des racines
PLU + IRR - RUIS - ETR - DR = ∆∆∆∆ S
Evap Transpi
Front dFront d’’humectationhumectation
Prof. Racines Prof. Racines Eau dispo.Eau dispo.
Prof. Max
SurfaceProf.
Bilan hydrique : 2 réservoirs(base SARRA)
Evap
Transpi
Front dFront d’’humectationhumectation
Biomasse
SurfaceProf.
Potentiel Matriciel et Réserve Utile
Pote
nti
el
Pote
nti
elm
atr
icie
lm
atr
icie
l(( log(c
mlo
g(c
m))))
TeneurTeneur en en eaueau (m(m3 mm-3))
SOL SOL ARGILEUXARGILEUX
SOL SABLEUXSOL SABLEUX
0.0 0.1 0.2 0.3 0.4 0.5 0.60.0 0.1 0.2 0.3 0.4 0.5 0.6
0
2
4
0
2
4
66
Limite Limite dd’’absorptionabsorptionracinaireracinaire
Capacité
au champ Capacité
au champ
80 mm/m 200 mm/m
Capacité au champ:
teneur en eau du sol
24 à 48 h après
humectation
complète, notion de
vitesse d ’écoulement
Nota :
humidité volumique
HV = HP * da
avec
da ~ 1.5 pour sableux
1 pour argileux
Pf 4,2Pf 4,2
Processus à l’échelle du champ cultivé
LTR : taux de lumière transmise au sol exp(-kdf * LAI)
kdf indice d’angle foliaire, LAI indice de surface foliaire (0 à 5-6)
Evaporation réservoir sol:EvPot : ETo * LTREv : EvPot * (FESW)²
Transpiration réservoirs ayant des racines:TrPot : ETo * (1-LTR) * KcMaxTr : TrPot * Cstr
• Cstr : fn(FTSW, ETo) Pfactor FAO
SARRAH : BH & BC (WUEX RUE)
Un moteur phénologique, base d’évolution des processus
Bilan hydrique : une dynamique réservoirs
Bilan carboné : une dynamique de la biomasse
Assimilation : quantité de sucre
On simule la quantité totale d’assimilat produite en équivalent sucre.
Assimilats :
PAR * ℇa * ℇ b * Contrainte Hydrique
Avec :PAR : part du rayonnement photosynthétiquement active (~0,5 * RG)
ℇa : Taille du capteur (1- LTR)
LTR : Exp(-kdf * LAI)
ℇ b : Efficience de conversion (génotype, ie C3 (céréales à paille, colza, tournesol, soja...), C4 (sorgho, mil, canne à sucre ou maïs)
Contrainte Hydrique : Tr/TrPot … ou autre indice de bilan hydrique
Dynamique de la biomasse
Deux grandes dynamiques de répartition des assimilats en fonction de deux grandes phases:
Avant floraison : phase végétative et reproductive (élaboration de la biomasse totale et dimensionnement des organes reproducteurs)Après floraison : élaboration du rendement, (phase remplissage et phase dessiccation)
Robustesse basée sur : la relation allométrique
y = -0,0004x + 0,708R2 = 0,9736
y = -0,0004x + 0,7026R2 = 0,981
0
0,2
0,4
0,6
0,8
0 500 1000 1500
Biomasse Aérienne (g/m²)
Bio
m.F
euill
e /
Bio
m.
Aér
ienn
e
Stress hydrique Optimal
Expérimentation en station, B. Sarr, Ceraas, Sénégal, 1996
BM i+1 = BM i + dBM - Rm
Assim = f(RG, εa, εbtot , freins) f(T, BM i)
BM(aér) + BM(rac)
BM(feuil) + BM(tig)
LAI = BM(feuil) x SLA
BM(feu)
BM(aér)
BM(aér)0
1Allom étrie 2
BM(aér)
BM
BM0
1Allom étrie 1
SLA(min)
SLA(max)
Elaboration de l ’indice foliaire (LAI) : concepts originaux
LAI = BM(feuil) x SLA
SLA(min)
SLA(max)
Biomasse feuille et taille du capteur : LAI
Elaboration de la surface spécifique des feuilles (SLA)
Objectif : Simuler le passage masse foliaire => surface foliaire• Chute du SLA = épaississement des feuilles
- échelle feuille (phyllochron)- échelle plante (cycle végétal)
Principe innovant:• Feuille : SLA max , SLAmin, , pente = param ètres génétiques• Couvert : un SLA jour
• Toute nouvelle production foliaire commence par SLA max puis chute• Calcul d’un SLA jour pondéré par…
- nouvelles feuilles = SLA max
- feuilles existantes (SLA entre min et max)Résultat : l’évolution du SLA est une fonction du taux de croissance relative
SLA Feuille
Max
Min
Degré/jour
Dynamique de la surface spécifique des feuilles (SLA)
SLA du Couvert : une grosse Feuille Taux de croissance relative
SLA Plante
Max
Min
Degré/jour
BVP RPRPhases
PSP
Relation trophique : LAI & SLALAI = Biomasse Feuilles * SLA
SLA Fn(dBMFeuilles/BMFeuilles...)
IkLai
Thiès
9080706050403020100
0,004
0,004
0,003
0,003
0,002
0,002
0,001
0,001
0
4
3
2
1
0
Sla
Lai
Croissance exponentielle, dBMf / BMf élevé
Croissance continue
dBMf / BMf décroissant
IkLaiIkLai
Thiès
9080706050403020100
0,005
0,004
0,004
0,003
0,003
0,002
0,002
0,001
0,001
0
4
3
2
1
0
Sla
Lai
Sla
Lai
Contrainte hydriqueSLA
Jours
LAI
Contraintes et dynamiques1 ère Figure
BiomAero(Kali) Rdt(Kali)
NbJas90858075706560555045403530252015105
11 500
11 000
10 500
10 000
9 500
9 000
8 500
8 000
7 500
7 000
6 500
6 000
5 500
5 000
4 500
4 000
3 500
3 000
2 500
2 000
1 500
1 000
500
0
1 ère Figure
BiomAero(Kali) Rdt(Kali)
NbJas90858075706560555045403530252015105
11 500
11 000
10 500
10 000
9 500
9 000
8 500
8 000
7 500
7 000
6 500
6 000
5 500
5 000
4 500
4 000
3 500
3 000
2 500
2 000
1 500
1 000
500
0
1 ère Figure
90858075706560555045403530252015105
11 500
11 000
10 500
10 000
9 500
9 000
8 500
8 000
7 500
7 000
6 500
6 000
5 500
5 000
4 500
4 000
3 500
3 000
2 500
2 000
1 500
1 000
500
0
1 ère Figure
Lai(Kali) Sla(Kali)
NbJas8580757065605550454035302520151050
4
3
2
1
0
0,0060,0060,0060,0060,0060,0050,0050,0050,0050,0050,0040,0040,0040,0040,0040,0030,0030,0030,0030,0030,0020,0020,0020,0020,0020,0010,0010,0010,0010,0010,0000,0000
Faibles contraintesDynamique normale
1 ère Figure
Lai(Kali) Sla(Kali)
NbJas8580757065605550454035302520151050
4
3
2
1
0
0,0060,0060,0060,0060,0060,0050,0050,0050,0050,0050,0040,0040,0040,0040,0040,0030,0030,0030,0030,0030,0020,0020,0020,0020,0020,0010,0010,0010,0010,0010,0000,0000
Forte contrainte initialePlante vivace reprise de la dynamique
1 ère Figure
NbJas8580757065605550454035302520151050
4
3
2
1
0
0,0060,0060,0060,0060,0060,0050,0050,0050,0050,0050,0040,0040,0040,0040,0040,0030,0030,0030,0030,0030,0020,0020,0020,0020,0020,0010,0010,0010,0010,0010,0000,0000
Fortes contraintes sur 2 périodes dynamique totalement perturbée
_LA
I et _S
LA
_B
iomA
eroet
_RD
T
Justification des choix
Contrôle trophique du LAI :• Réalité physiologique, sensibilité aux ressources• Permet la maîtrise de l ’hypersensibilité aux valeurs initiales :
• Grâce au contrôle de la répartition des assimilats par des relations allométriques (concept des courbes de dilution) et NON par le stade phénologique• Facile à paramétrer (mesurable), robuste
Adoption du concept du SLA :• Distinction entre écotypes (=> écologie fonctionnelle)
Dynamique de la biomasse
Deux grandes dynamiques de répartition des assimilats en fonction de deux grandes phases:
Avant floraison : phase végétative et reproductive (élaboration de la biomasse totale et dimensionnement des organes reproducteurs)
Après floraison : élaboration du rendement, (phase remplissage et phase dessiccation)
Elaboration du rendement
Dimensionnement du puits (nbre de grains) lors de la phase reproductive en fonction de l’état de la plante
RPR : initiation des panicules à floraison,Etat : fn(dynamique de la biomasse)
Remplissage des grains, concept source/puit : indice de compétition (IC = Offre/demande)
ie : assimilats net / demande reproductiveRé allocation des feuilles : IC < 1 et sénescence
(réduction de la capacité d’assimilation ℇℇℇℇ b)Réduction de la biomasse verte
Dimensionnement du puit b a m b e y P lu ie
B i o m A e ro (b a m b e y P l u i e ) N u m P h a se (b a m b e y P l u i e ) B i o m A e ro (B a m b e y E t m ) N u m P h a se (B a m b e y E t m )
N b J a s8 07 57 06 56 05 55 04 54 03 53 02 52 01 5
1 3 0 0 0
1 2 0 0 0
1 1 0 0 0
1 0 0 0 0
9 0 0 0
8 0 0 0
7 0 0 0
6 0 0 0
5 0 0 0
4 0 0 0
3 0 0 0
2 0 0 0
1 0 0 0
0
7
6
5
4
3
2
1
0
Biomasse aérienne (kg/Ha) : sans Stress, avec stress
Initiation paniculaire
Floraison
Compétition source/puit (IC)b a m b e y P lu ie
B i o m L e a f (B a m b e y E t m ) R d t (B a m b e y E t m ) N u m P h a se (B a m b e y E t m ) N u m P h a se (B a m b e y E t m )
N b J a s8 07 06 05 04 03 02 01 0
3 6 0 0
3 4 0 0
3 2 0 0
3 0 0 0
2 8 0 0
2 6 0 0
2 4 0 0
2 2 0 0
2 0 0 0
1 8 0 0
1 6 0 0
1 4 0 0
1 2 0 0
1 0 0 0
8 0 0
6 0 0
4 0 0
2 0 0
0
7
6
5
4
3
2
1
0
Ré allocation
Sénescence
RPR
Remplissage
Biomasse Feuilles vertes et Rendement
BVP
Compétition : stresset sansstressbambey Pluie
NbJas8070605040302010
3 600
3 400
3 200
3 000
2 800
2 600
2 400
2 200
2 000
1 800
1 600
1 400
1 200
1 000
800
600
400
200
0
Biomasse Feuilles verteset Rendement
Dimensionnement du puit
Stress HydriqueStress Hydrique
Conclusion•Principes connus et confirmés (SARRA, Sinclair…)
• Originalités (allométries, LAI & SLA fn(dyn. trophique))
• Robustesse (faible sensibilité aux valeurs initiales)
• Applications : • Diagnostic
• Zonage et analyse des risques climatiques
• Optimisation des calendriers culturales, densités...
• Aide à la sélection variétale
Quelques références bibliosur SARRAH
Vintrou, E., Desbrosse A., Traoré P.C.S., Baron C., Lo Seen D., Bégué A. (2011). “Crop area mapping in West Africa using landscape stratification of MODIS time series and comparison with existing global land products”. International Journal of Applied Earth Observation and Geoinformation. JAG-D-10-00244R2Oettli P., Sultan B., Baron C., Vrac M. (2011). “Are regional climate models relevant for crop yield prediction in West Africa”. Environmental Research Letters, Vol 6, pp014008Roudier P., Sultan B., Quirion P., Baron C., Alhassane A., Traoré S.B., B. Muller (2011) “An ex-ante evaluation of seasonal forecastingfor millet growers in SW Niger”. Int. J. Climatol. DOI: 10.1002/joc.2308 Genesio L., Bacci M., Baron C., Diarra B., Di VecchiaA., Alhassane A., Hassane H., Ndiaye M., Philippon N., Tarchiani V., TraoréS.B., (2011) “Early Warning Systems for Food Security in West Africa: Evolution, Achievements and Challenges”. Atmos. Sci. Let., DOI: 10.1002/asl.332.Traoré, S. B., Alhassane, A., Muller, B., Kouressy, M., Somé, L., Sultan, B., Oettli, P., Siéné L., Ambroise C., Sangaré, S., Vaksmann, M., Diop, M., Dingkuhn, M., Baron, C. (2011) “Characterizing and modeling the diversity of cropping situations under climatic constraintsin West Africa”. Atmos. Sci. Let., DOI: 10.1002/asl.332.Marteau R., Sultan B., Moron V., Alhassane A., Baron C., Traoré S.B., (2011) “The onset of the rainy season and farmers’ sowingstrategy for pearl millet cultivation in Southwest Niger”. Agricultural and Forest Meteorology, Ref. No.: AGRFORMET-D-11-00017R2Mishra A., Hansen J.W., Dingkuhn M., Baron C., TraoréS.B., Ndiaye O., Ward M.N. 2008. Sorghum yield prediction from seasonal rainfall forecasts in Burkina Faso. Agricultural and forest meteorology, 148(11) : 1798-1814.[20081024]. http://dx.doi.org/10.1016/j.agrformet.2008.06.007Baron C., Sultan B., Balme M., Sarr B., Traoré S.B., Lebel T., Janicot S., Dingkuhn M. 2005. From GCM grid cell to agricultural plot : Scale issues affecting modelling of climate impact. Philosophical transactions of the Royal Society of London. Biologcial sciences, 360(1463) : 2095-2108.http://dx.doi.org/10.1098/rstb.2005.1741Sultan B., Baron C., Dingkuhn M., Sarr B., Janicot S. 2005. Agricultural impacts of large-scale variability of the West African monsoon. Agricultural and forest meteorology, 128(1-2) : 93-110.http://dx.doi.org/10.1016/j.agrformet.2004.08.005Sultan B., Janicot S., Baron C., Dingkuhn M., Muller B., Traoré S., Sarr B. 2008. Les impacts agronomiques du climat en Afrique de l’Ouest : une illustration des problèmes majeurs = Agronomical impacts of the climate in West Africa: An illustration of the main problems. Sécheresse, 19 (1) : 29-37.