École Nationale Supérieure de
Techniques Avancées

Résumé

Dans un contexte où le changement climatique impacte directement la productivité agricole, la modélisation apparaît comme un outil essentiel pour comprendre et anticiper les effets sur les cultures, ainsi que d’identifier les solutions adaptées. Cette étude vise à modéliser la dynamique de croissance de plantes dans l’objectif d’une application à l’agrivoltaïsme. Deux approches complémentaires sont mobilisées : le modèle mécaniste STICS, développé par l’INRAE, qui décrit en détail les processus physiologiques et environnementaux, notamment via la dynamique source-puits et la méthode boxcar train pour les plantes à croissance indéterminée; et des modèles de machine learning appliqués à des données expérimentales et climatiques pour prédire les rendements sous différents scénarios climatiques. L’association de ces approches permet de combiner compréhension des mécanismes biologiques et capacité prédictive face à la variabilité climatique, afin de guider l’adaptation des systèmes agricoles.