Titre :
|
Critères et méthodes utilisés pour évaluer ou comparer des modèles de croissance forestiers
|
Titre original:
|
Criteria and methods used to evaluate and to compare forest growth models
|
Auteurs :
|
T. Perot ;
CEMAGREF NOGENT SUR VERNISSON EFNO
|
Type de document :
|
rapport
|
Année de publication :
|
2007
|
Format :
|
27 p.
|
Note générale :
|
version du 12 novembre 2007
Diffusion tous publics
|
Langues:
|
= Français
|
Mots-clés:
|
FORET
;
PEUPLEMENT FORESTIER
;
MODELE DE CROISSANCE
;
EVALUATION
;
METHODOLOGIE
;
ROBUSTESSE
|
Résumé :
|
L'objectif de ce document est de présenter les critères et méthodes utilisés pour évaluer ou comparer des modèles de croissance forestiers. Il existe de nombreux articles ou ouvrages concernant les procédures d'évaluation des modèles forestiers (Mayer et Butler 1993; Soares et al. 1995; Gourlet-Fleury 1997; Vanclay et Skovsgaard 1997; Huang et al. 2002; Grimm et Railsback 2004; Schmidt et al. 2006). En effet l'évaluation d'un modèle fait partie intégrante de sa construction (Pavé 1994 p. 33). Les travaux traitant spécifiquement de la comparaison de modèles ayant différent niveaux de détail sont beaucoup plus rares. Il existe néanmoins des travaux présentant des exemples de comparaison de modèles ayant différents niveaux de détail (Ek et Monserud 1979; Lett et al. 1999; Picard 1999; Picard et Franc 2001; Matala et al. 2003; Edwards et al. 2005; Gourlet-Fleury et al. 2005; Kokkila et al. 2006; Sanchez-Gonzalez et al. 2006; Verzelen et al. 2006). Parmi les méthodes d'évaluation rencontrées, les représentations graphiques peuvent être très intéressantes mais qu'elles restent subjectives. Les tests et les critères statistiques permettent d'éviter ce problème mais malheureusement ils sont extrêmement nombreux. Il convient donc de choisir ces tests et ces critères statistiques en fonction de l'utilisation future des modèles. Il faut également souligner que ces tests et ces critères sont d'autant plus pertinents lorsque l'on dispose de données d'évaluation indépendantes des données de calibration. L'analyse de sensibilité, l'étude de la robustesse et du cumul d'erreur permettent une analyse poussée des modèles mais elles nécessitent un investissement plus important que le simple calcul de critères statistiques. Si l'on souhaite intégrer les modèles dans des simulateurs, un critère informatique comme la complexité algorithmique peut être important à considérer. Enfin, nous avons abordé la question de l'évaluation des modèles par les utilisateurs. Pour cela nous nous sommes inspirés du concept de modélisation participative.
|