Développement d’indicateurs de performance pour la caractérisation d’espace d’agriculture en environnement contrôlé à l’aide de modèles numériques
Notice bibliographique
Résumé
La production serricole au Québec, soutenue par des politiques visant une plus grande autonomie alimentaire, pose des défis majeurs en matière de performance énergétique. Or, la littérature scientifique dans ce domaine reste morcelée : les indicateurs de performance (IDP) utilisés sont souvent hétérogènes, centrés sur des aspects agronomiques ou énergétiques, et rarement adaptés aux conditions nordiques. De plus, peu d’approches offrent une méthode structurée pour relier les sorties de modèles numériques à des indicateurs réellement utiles pour l’analyse et la prise de décision en agriculture en environnement contrôlé (AEC). Ce mémoire vise à développer un cadre d’évaluation standardisé pour analyser la performance thermique, radiative et énergétique des espaces AEC à l’aide d’indicateurs de performance. Pour ce faire, deux approches de modélisation sont utilisées : un modèle quasi-statique simplifié, intégré à un chiffrier Excel, et un modèle dynamique détaillé, simulé sous TRNSYS. L’objectif est d’identifier, tester et comparer des IDP, tout en évaluant la capacité des deux outils à produire des résultats fiables, reproductibles et utiles dans divers contextes québécois. L’analyse a permis de sélectionner 10 indicateurs parmi un corpus initial de 16 issus de la littérature, en privilégiant ceux qui sont à la fois représentatifs, non redondants et applicables à différents types d’espace AEC. Ces indicateurs thermiques, radiatifs et énergétiques ont été évalués selon trois climats du Québec, afin de tester leur application. À la suite de l’analyse de leurs avantages et limites, deux nouveaux indicateurs ont été proposés : la saison de croissance thermique limite (TGSLLimit), qui combine les contraintes de température et d’éclairage pour estimer la période réellement favorable à la culture sans apport énergétique externe. Ce dernier a permis de révéler une saison de croissance plus courte d’un à deux mois que celle estimée à partir d’indicateurs traditionnels. Ce travail propose ainsi une méthode complète, flexible et reproductible pour l’évaluation de la performance des espaces AEC. En combinant modélisation numérique et sélection rigoureuse d’indicateurs, il fournit un outil concret pour améliorer la conception, la planification énergétique et les stratégies culturales en environnement contrôlé. Cette approche contribue à une agriculture plus durable, résiliente et adaptée aux conditions climatiques du Québec.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».