Comparing simulated crop yields with observed and synthetic weather data

Les générateurs stochastiques de conditions météorologiques ont été utilisés pour élaborer des scénarios climatiques, qui alimentent des modèles de simulation des cultures agricoles évaluant les impacts du climat sur la croissance des cultures et la production agricole. Les données synthétiques obtenues au moyen d’un générateur stochastique ne font qu’imiter les données météorologiques observées. Par conséquent, on constate souvent un écart entre les données météorologiques synthétiques et celles qui sont réellement observées. Par exemple, on constate souvent que la variabilité interannuelle des données synthétiques est souvent moins forte que celle des données observées; il s’agit d’un problème commun de la surdispersion. Nous voulions déterminer si les modèles des impacts climatiques étaient sensibles à ce genre d’écart. À l’aide d’un générateur stochastique de conditions météorologiques (AAFC‑WG), nous avons généré des données météorologiques synthétiques sur 300 ans pour cinq endroits au Canada, en tenant compte des données météorologiques observées pour la période de référence de 1961 à 1990. Le modèle de système de culture DSSAT (Decision Support System for Agrotechnology Transfer), version 4.0, a permis de simuler la croissance et le rendement de cinq principales cultures dans trois principaux types de sols pour chaque endroit choisi, avec des données observées sur 30 ans et des données synthétiques sur 300 ans utilisées comme données météorologiques d’entrée, respectivement. Nous avons effectué des tests statistiques afin de déterminer si les différences (de moyenne et de variance) des rendements culturaux pour les simulations effectuées avec des données météorologiques observées et pour celles effectuées avec des données météorologiques synthétiques, étaient statistiquement significatives ou non. Selon les résultats, les différences des rendements culturaux simulés n’étaient pas statistiquement significatives, lorsque des données synthétiques étaient utilisées à la place des données observées. Les écarts‑types des rendements culturaux et de la biomasse dans les simulations utilisant des données synthétiques étaient, dans 5 à 19 % de tous les cas, respectivement, inférieurs de plus de 20 % par rapport aux écarts-types dans les simulations utilisant des données observées. Toutefois, à une exception près, les différences en matière de variance n’étaient pas statistiquement significatives. Nous avons donc conclu que la combinaison du générateur de conditions météorologiques AAFC‑WG et des modèles de systèmes de culture DSSAT permet d’obtenir des estimations fiables des rendements culturaux dans les sites canadiens étudiés.