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.