En savoir plus

Après avoir regroupé et sélectionné les données brutes, un travail de traduction de ces données a dû être entrepris pour les faire correspondre aux attentes du cahier des charges du modèle, en termes d’échelles qualitatives retenues pour les attributs de base. En effet, les données fournies peuvent être de nature très différente et elles doivent pouvoir être prises en compte dans cette diversité. Par exemple pour le blé d’hiver, une densité de semis peut être enregistrée en nombre de grains par hectare, en kilogramme de semence par hectare ou en valeur ordinale, de type dense, élevée, faible. Les échelles retenues pour quelques attributs de base sont synthétisées sur le tableau joint. Certaines échelles utilisent le terme « favorable », il doit alors être compris comme favorable au bioagresseur, et inversement pour « défavorable ».

Ainsi, soit les données recueillies sont des valeurs qualitatives, ordinales ou nominales. Dans ce cas, les valeurs quantitatives ont déjà été appréciées qualitativement par les expérimentateurs en fonction du contexte régional et on admet alors que leur expertise fait foi.

Soit les données recueillies sont quantitatives et dans ce cas, nous avons appliqué des règles de décision, définies pour les régions représentées dans notre jeu de données et  reposant sur la littérature grise et l’expertise. Ces règles de décision sont regroupées dans un « interface », non directement visible pour l’utilisateur mais tout à fait transparent.

Ces données ont été utilisées par la suite pour évaluer la qualité prédictive du sous-modèle construit en comparant les intensités simulées par le modèle avec les intensités réelles. Plusieurs indicateurs statistiques ont été utilisés comme critères d’évaluation.