Contexte Fonctions Cas d utilisation Perspectives Références Présentation de la plateforme de modélisation VLE+Record P. Casadebaig INRA, UMR AGIR 21 novembre 2011
Contexte Fonctions Cas d utilisation Perspectives Références Contexte Fonctions Modéliser Simuler Observer Cas d utilisation Epidémiologie Agronomie Ressenti Perspectives
Contexte Fonctions Cas d utilisation Perspectives Références Problématique La biologie intégrative concerne l intégration de connaissances entre différentes échelles mais en pratique elle se traduit par l intégration de points de vue entre disciplines. Quel rôle pour les plateformes de simulation? intermédiaire entre le code et la biologie faciliter l implication des thématiciens proposer des outils d aide au développement
Contexte Fonctions Cas d utilisation Perspectives Références Environnement de VLE+Record Un continuum de disciplines maths DEVS, formalisme de spécification des systèmes à événements discrets (Zeigler et al., 2000). informatique VLE, plateforme de simulation (Quesnel et al., 2009). maths app. RECORD, ensemble d outils et de supports orienté agronomie basé sur la plateforme VLE (Chabrier et al., 2007). biologie Agrosystèmes : définition des limites, expérimentation, évaluation...
Contexte Fonctions Cas d utilisation Perspectives Références VLE (Virtual Laboratory Environment) Un projet scientifique Développé au sein deux instituts de recherche : INRA, unité Biométrie et Intelligence Artificielle à Toulouse Université, Laboratoire d Informatique du Littoral à Calais Logiciel libre : exécuter, étudier, redistribuer et modifier Modèle logiciel = plateforme VLE + paquet du modèle Des outils de modélisation et simulation bibliothèques de modélisation DEVS C++ (VFL) simulateur DEVS (VLE) interface graphique de modélisation (GVLE) interfaces logicielles (R, Python, Java)
Contexte Fonctions Cas d utilisation Perspectives Références RECORD REnovation et COoRDination de la modélisation de cultures pour la gestion des agroécosystèmes Organisation Comité stratégique (EA MIA SAE2 PHASE SAD + ICTA) Réseau des utilisateurs (INRA) Équipe opérationnelle (4 IR, 2 CDD) Missions Diffuser et maintenir un logiciel de simulation (VLE) Proposer une bibliothèque de modèles génériques et méthodes Support aux projets scientifiques Participation à l animation de la communauté
Contexte Fonctions Cas d utilisation Perspectives Références Modéliser Simuler Observer Modélisation Orienté vers le couplage de modèles hétérogènes Séparer simulation et contextualisation biologique Différents formalismes sous forme d extensions équations différentielles ordinaires équations aux différences diagrammes d états automates cellulaires structure dynamiques Masquer la complexité de DEVS pour les modélisateurs Proposer une syntaxe adaptée à chaque formalisme
Contexte Fonctions Cas d utilisation Perspectives Références Modéliser Simuler Observer Équations aux différences (module DifferenceEquation) Équations différentielles à pas de temps discret, équations de récurrence conceptuel saine = expansion infection locale infection distante sénescence formel H = E ( τ u I H ) ( E ρ d θ d δi d H ) ( E ρ d θ d S H ) A code // Evolution de la surface saine AreaHealthy = fmax( AreaHealthy(-1) -InitQuantity() +RateAreaExpansion() -(RateAutoDeposition() * AreaInfectious(-1) * AreaHealthy(-1)/AreaExpansion(-1)) * Receptivity() -(InDeposition() * AreaHealthy(-1)/AreaExpansion(-1)) * Receptivity() -(RateAreaSenescence() * AreaHealthy(-1)/AreaActive(-1)),0);
Contexte Fonctions Cas d utilisation Perspectives Références Modéliser Simuler Observer Diagramme d états (module FSA) Modélisation événementielle conceptuel Un méristème qui crée des étages jusqu à la floraison formel t > t_u[n] Unit_1 t > t_u[1.. (n-1)] Unit_p t > t_u[n-1] Unit_n t > t_f Create Unit_1 Create Unit_p Create Unit_n code // Transition et actions entre états (unités) for (unsigned int index = 0; index < P_UnitTTInit.size()-1; ++index) { transition(this, index, index+1) << guard(&pilotefsa::development) << send(&pilotefsa::add); }
Contexte Fonctions Cas d utilisation Perspectives Références Modéliser Simuler Observer Simulation Assurer la traduction fidèle de formalismes mathématiques Coupler les modèles peu importe les formalismes ou pas de temps Gérer des plans d expérience (multi-simulations, clustering)
Contexte Fonctions Cas d utilisation Perspectives Références Modéliser Simuler Observer Observation Produire des sorties numériques (fichiers, SGBD) Théorisation de l observation (observables, vue, sorties) Compliqué mais efficient? Contrôle du simulateur depuis une interface Mettre en forme et résumer Produire des graphiques Permettre l exploration (analyse de sensibilité)
Contexte Fonctions Cas d utilisation Perspectives Références Epidémiologie Agronomie Ressenti ANR Archidemio (2009-2012) Modélisation de l effet de l architecture du couvert sur la dynamique épidémique Méthode de modélisation Modélisateurs maths-appliqués : proposer le cadre de modélisation (modèle conceptuel) proposer des formes d équations (modèle formel) construire l outil d interaction (logiciel + formation) Modélisateurs thématiciens : définir les variables à modéliser ajuster, paramétrer (données ou expertise) les équations proposer des éléments pour la validation qualitative (comportements) et quantitative (données) Analogie avec approches systémiques top-down : observations [modèle partagé] concepts
Contexte Fonctions Cas d utilisation Perspectives Références Epidémiologie Agronomie Ressenti Définir des relations hiérarchiques Unit Structure Climate Network Temperature Crop CropPhenology Crop Construction Functional Unit Grid Stem Phenology Pathogen Crop Climate StressIndex Position LeafArea CropLeafArea Modèle contrôleur (culture) et modèle d individu (unité) Conditions locales différentes (dates d infection, microclimat)
Ajouter variables et dynamiques à chaque modèle Crop Crop Leaf Area C_CropDensity CropAreaActive LAI P_ElongationMax Position Fonctionnal Unit P_ElongationSlope P_ElongationTT RateElongation Elongation Phenology Pathogen ThermalAge E_AlloDeposition OntoResistance E_LatentPeriod E_InfectiousPeriod P_Porosity Porosity AlloDeposition AreaRemovedByDesease E_AutoDeposition AutoDeposition AreaHealthy AreaLatent AreaInfectious AreaRemoved Leaf Area P_ExpansionTT RateAreaExpansion AreaExpansion AreaActive P_AreaMax RateAreaSenescence AreaSenescence ScoreArea P_ExpansionSlope P_SenescenceSlope Field Climate HR TempMax P_TempBase TempMean Crop Phenology TempEff ThermalTime PhenoStage P_SenescenceTT FieldClimate TempMin ETP Fonctionnal Unit Construction Stem Rain P_InitiationTT UnitNb Rad P_ReproductiveTT Grid E_GridMatrix E_GridNumber Crop Climate Stress Index M_TempOpt ActionTemp
Contexte Fonctions Cas d utilisation Perspectives Références Epidémiologie Agronomie Ressenti Simuler et analyser Variabilité Sensibilité Senescence 0,8 Receptivity Porosity Optimal T 0,6 Local transmission Crop disease score 0,4 Network transmission Latency period Init time 0,2 Init quantity Infectious period 0,1 0,2 0,3 0,4 0,5 0,0 20 40 60 80 100 120 140 time climate Mediterranean Oceanic sensitivity indexes first total
Contexte Fonctions Cas d utilisation Perspectives Références Epidémiologie Agronomie Ressenti Évaluation variétale et modélisation Evaluation Génotypes virtuels 1 2 3 4 5 1 2 3 4 5 Simulated yield (t/ha) 4.0 3.5 3.0 2.5 2.0 1.5 4.0 3.5 3.0 2.5 2.0 1.5 OUC.00 RMSE = 0.54 rk = 0.36 LEV.00 RMSE = 0.44 rk = 0.54 FLE.01 RMSE = 0.38 rk = 0.32 AUZ.00 RMSE = 0.33 rk = 0.61 PLR.01 RMSE = 0.53 rk = 0.37 LON.00 RMSE = 0.36 rk = 0.49 GAL.00 RMSE = 0.31 rk = 0.23 AUZ.01 RMSE = 0.54 rk = 0.67 RUF.01 RMSE = 0.52 rk = 0.33 LUS.00 RMSE = 0.39 rk = 0.41 GAL.01 RMSE = 0.43 rk = 0.37 BGY.00 RMSE = 0.45 rk = 0.57 SAV.00 RMSE = 0.43 rk = 0.56 MON.00 RMSE = 0.5 rk = 0.54 LEM.01 RMSE = 0.33 rk = 0.48 CAY.00 RMSE = 0.65 rk = 0.42 4.0 3.5 3.0 2.5 2.0 1.5 4.0 3.5 3.0 2.5 2.0 1.5 PC 2 (4.3 %) LSL AVI.S3 ESL LUS.S3 0.5 LUS.S2 LSE AUZ.S3 VER.S2 LME 0.0 EML VER.S1 ESE AVI.S2 LUS.S1 EME LLE AUZ.S2 ELL ELE 0.5 AVI.S1 AUZ.S1 LML LLL VER.S3 1 2 3 4 5 1 2 3 4 5 Observed yield (t/ha) 1 0 1 2 PC 1 (92.3 %)
Contexte Fonctions Cas d utilisation Perspectives Références Epidémiologie Agronomie Ressenti Un support efficace Formations annuelles, e-learning Réseau d utilisateurs (mailing-list, chat) Centré sur les sciences de simulation Absence d interface de (multi)-simulation Meilleure intégration des méthodes d exploration Prendre en compte les méthodes d évaluation et gestion de données observées Quelles quantité de compétence d ingénierie informatique pour les utilisateurs thématiciens?
Contexte Fonctions Cas d utilisation Perspectives Références De nombreuses plateformes... Paris scientifiques EA 2012 : interactions OpenAlea - RECORD Plus généralement : partager des modèles autrement? code : explicite, mais difficile à exploiter langage normé : difficile dans le cas des agro-systèmes publications : impossible de reconstruire un modèle informatique
Contexte Fonctions Cas d utilisation Perspectives Références Equipes de recherche Agrosystèmes et Agricultures, Gestion de ressources, Innovations et Ruralités (AGIR) - INRA EA, Toulouse Biometrie et Intelligence Artificielle (BIA) - INRA MIA, Toulouse Bibliography P. Chabrier, F. Garcia, R. Martin-Clouaire, G. Quesnel, and H. Raynal. Toward a simulation modeling platform for studying cropping systems management : the Record project. In International Congress on Modelling and Simulation, MODSIM 10-13 déc. 2007, New Zealand., 2007. G. Quesnel, R. Duboz, and E. Ramat. The Virtual Laboratory Environment An operational framework for multi-modelling, simulation and analysis of complex dynamical systems. Simulation Modelling Practice and Theory, 17 :641 653, April 2009. B. Zeigler, H. Praehofer, and T. Kim. Theory of modeling and simulation : Integrating discrete event and continuous complex dynamic systems, volume 100. Academic press New York, 2000.