Modélisation biophysique environnementale (MBE)

L’Unité de Modélisation biophysique environnementale est une unité transversale aux trois autres unités. Elle s’occupe de la description et la représentation mathématique des processus biophysiques et environnementaux. Elle a pour but principal de contribuer à la compréhension et la résolution des problèmes liés à la gestion des eaux et des sols ainsi que de l’environnement pour une production agricole durable. Elle conduit des travaux de recherche en informatique appliquée aux sciences agronomiques et environnementales.

Quelques thématiques de recherche abordées

  • Modélisation des processus hydrologiques et d’hydrodynamique: transfert de l’eau de l’échelle ponctuelle, des champs aux bassins versants
  • Modélisation de la dynamique des ressources en eau (nappe souterraine, eaux de surface y compris basfonds et atmosphérique).
  • Modélisation des cultures : quantification de l’eau absorbée par les cultures et évaluation des bilans hydriques, estimation de la croissance et rendements des cultures sous différents scenarios de changement climatiques et analyse de l’efficience de nouvelles technologies agricoles.
  • Modélisation des processus pédologiques, édaphiques et environnementaux : projections et analyse du climat futur, analyse et simulation des processus physiques de transfert de l’eau, des solutés et de l’énergie dans les sols,
  • Simulation des processus de dégradation et érosion des sols, évaluation de l’efficacité des pratiques et technologies de réhabilitation des sols

Publications clées

  • Tovihoudji, P.G., Akponikpè, P.B.I., Agbossou, E.K. and Bielders, C.L., 2019. Using the DSSAT model to support decision making regarding fertilizer microdosing for maize production in the sub-humid region of Benin. Frontiers in Environmental Science 7(13) pp. 1- 15. https://doi.org/10.3389/fenvs.2019.00013
  • Sissou Zakari, Hui Liu, Huazhong Zhou, (2019). Transport velocities of aniline and nitrobenzene in sandy sediment. Journal of Soils and Sediments 19:2570–2579, https://doi.org/10.1007/s11368-019-02287-6.
  • Jiang Xiaojin, Chunfeng Chen, Zhu Xiai, Sissou Zakari, Singh Ashutosh Kumar, Zhang Wanjun, Zeng Huanhuan, Yuan Zi-Qiang, He Chenggang, Yu Shuiqiang, Liu Wenjie. (2019). Use of dye infiltration experiments and HYDRUS-3D to interpret preferential flow in soil in a rubber-based agroforestry system in Xishuangbanna, China. Catena. 178. https://doi.org/10.1016/j.catena.2019.03.015
  • Tovihoudji, G. P., Akponikpè, P.B.I., Agbossou, E.K., Bielders, C.L. (2019). Using CERES-Maize model to develop decision support tools regarding fertilizer microdosing for maize production in the dry savanna region of Benin. Frontiers in Environmental Science, https://doi.org/10.3389/fenvs.2019.00013
  • Akponikpè P.B.I, Minet, J. Gérard, B., Defourny, P., Bielders, C.L (2011) Spatial fields’ dispersion as  a  farmer  strategy  to  reduce  agro-climatic  risk  at  the  household  level  in  pearl  millet-based systems  in  the  Sahel:  A  modeling  perspective.  Agricultural  and  Forest  Meteorology  151-2,  215-227.http://dx.doi.org/10.1016/j.agrformet.2010.10.007
  • Akponikpè P.B.I, Gérard, B., Michels, K., Bielders, C.L (2010) Use of the APSIM model in long term simulation to support decision making regarding nitrogen management for pearl millet in the Sahel. European Journal of Agronomy, 32. 144-154. http://dx.doi.org/10.1016/j.eja.2009.09.005
  • MacCarthy, D. S., Akponikpè, P. B. I., Narh, S., & Tegbe, R (2015). Modeling the effect of seasonal climate variability on the efficiency of mineral fertilization on maize in the coastal savannah of Ghana. Nutrient Cycling in Agroecosystems 102, 45–64. http://doi: 10.1007/s10705-015-9701-x