Search
Feedback
About UniCat 
Help
News
| Listing 1 - 3 of 3 |
Sort by
|
Dissertation
Year: 1989
Abstract | Keywords | Export | Availability | Bookmark
Loading...Choose an application
- Reference Manager
- EndNote
- RefWorks (Direct export to RefWorks)
design --- Meteorology --- Modele agrometeorologique --- Variable explicative --- Hassan ii --- Modele agrometeorologique --- Variable explicative --- Hassan ii
Dissertation
Year: 2017 Publisher: Liège Université de Liège (ULiège)
Abstract | Keywords | Export | Availability | Bookmark
Loading...Choose an application
- Reference Manager
- EndNote
- RefWorks (Direct export to RefWorks)
ABSTRACT Worldwide, agricultural lands located in arid and semi-arid areas such as Morocco are strongly dependent on weather for the rainfall agriculture. In fact, 80 percent of yield losses are explained by climatic variation which were mainly recorded as a crucial lack of rainfall. Heretofore, cereal yields forecasts are estimated based on meteorological variables and satellites (vegetation monitoring) by CGMS (Crop Growth Monitoring System - Morocco). Three variables, selected according to their level of performance, are plotted into a multiple regression equation to predict the cereal crop yield. This study was designed to estimate performance in grain of soft wheat (Triticum aestivum) using a different model : AquaCop developed by FAO (Food and Agriculture Organization - United Nations). Based on the transfer of water among soil, plant and the atmosphere, it requires a set of meteorological, phenological and soil data. The model was set up, calibrated and validated for prediction of yields, in the province of Meknes (North - West of the country) on a database between 1998-2016. Firstly, simulations were conducted across the all grid (space entity of 20.25 km²) contained in Meknes province, secondly aggregated at the provincial level. The grid results displayed coefficient of determination (R²) of 0.47 and a root mean square error (RMSE) of 0.82 T/ha. For the province, the results are R² = 0.74 et le RMSE = 0.56 T/ha Suggestions for improvement of the input data have been proposed in order to achieve more precise results. In addition, in order to improve the control on soft wheat cultures, other output software could also be calibrated and validated such as the growth of the biomass, the evolution of water content in the soil or even the root growth in the crop year.
Dissertation
Year: 2020 Publisher: Liège Université de Liège (ULiège)
Abstract | Keywords | Export | Availability | Bookmark
Loading...Choose an application
- Reference Manager
- EndNote
- RefWorks (Direct export to RefWorks)
Le présent mémoire a pour but d’analyser la performance de l’analyse de similarité dans l’outil BAMS (Belgian Agromet Monitoring System) en comparant les résultats de ce modèle avec les valeurs observées. Des calculs du RMSE ont été réalisés afin de comparer les performances avec des modèles connus. Les comparaisons ont été réalisées entre les estimations de rendements mécanistes réalisées par le Website agrométéorologique http://b-cgms.cra.wallonie.be/ et les données réelles ainsi qu’entre les estimations de rendement réalisées via une analyse de similarité et les données réelles. Les comparaisons ont été réalisées sur les cultures de froment d’hiver et l’orge d’hiver de 2002 à 2015 dans les régions agricoles du Condroz, la région Herbagère (Liège) et la région Limoneuse. De plus, une recherche de la variable la plus significative a été réalisée entre 5 variables (ETo, Pluviométrie, LAI, FCOVER et FAPAR) sur les rendements du froment d’hiver dans la région Herbagère (Liège) et la région Limoneuse sur 6 années. Les résultats obtenus montrent un RMSE de 487 kg/ha pour la méthode d’estimation mécaniste utilisée dans les bulletins agrométéorologiques contre un RMSE de 625kg/ha pour l’estimation réalisée avec l’analyse de similarité sur les 5 années historiques les plus similaires par rapport aux données de rendement réelles. Les variables les plus pertinentes sont les variables satellitaires, bien qu’elles n’aient pas donné de résultats probants lors des années exceptionnelles (Sécheresse, dégâts causés par les pluies). Dans le cas des sécheresses, la variable la plus pertinente est l’évapotranspiration. Le modèle d’analyse de similarité comme méthode d’estimation de rendement est donc moins précis que les approches mécanistiques mais très simple d’utilisation et améliorable.
Monitoring System --- Monitoring Tool --- Similarity Analysis --- Analyse de similarité --- BAMS --- B-CGMS --- Sciences du vivant > Sciences de l'environnement & écologie
| Listing 1 - 3 of 3 |
Sort by
|