Publications

 

Publications

2017

Gauchi J.-P. , Bensadoun A., Colas F., Colbach N, 2017. Metamodeling and global sensitivity analysis for computer models
with correlated inputs: A practical approach tested with a 3D light interception computer model. Environmental Modelling & Software, 92, 40-56.

2016

Casadebaig P.,  Zheng B.,  Chapman S.,  Huth N.,  Faivre R., Chenu K. 2016. Assessment of the potential impacts of plant traits across environments by combining global sensitivity analysis and dynamic modeling in wheat. http://dx.doi.org/doi:10.1371/journal.pone.0146385

2015

Wang J., Faivre R., Richard H. and Monod H., 2015. mtk: A General-Purpose and Extensible R Environment for Uncertainty and Sensitivity Analyses of Numerical Experiments. https://journal.r-project.org/archive/2015-2/, 206-226.

2014

Da Silva D., Han L., Faivre R., Costes E., 2014. Influence of the variation of geometrical and topological traits on light interception efficiency of apple trees: sensitivity analysis and metamodelling for ideotype definition. Annals of Botany 114: 739–752, 2014. doi: 10.1093/aob/mcu034

Faivre R., Jeuffroy M.-H., Monod H., Trépos R., 2014. Les méthodes génériques pour la conception d'idéotypes : apports des mathématiques appliquées. In: Philippe Debaeke, Bénédicte Quilot-Turion, dir.,  Conception d’idéotypes de plantes pour une agriculture durable.  Ecole-chercheurs INRA, FormaSciences, FPN, INRA-CIRAD (ISBN 2-7380-1347-3), pp 185-217.

 

2013

Jabot F.,  Faure T., Dumoulin N. (2013). EasyABC: Performing efficient approximate Bayesian computation sampling schemes using R. Methods in Ecology and Evolution 4 (7), 20. (doi)

Lenormand M., Jabot F.,  Deffuant G. (2013. Adaptive approximate Bayesian computation for complex models. Computational Statistics Volume 28, Issue 6, pp 2777-2796 (doi)
Gasche, L., Mahévas, S., et Marchal, P. 2013. Supporting fisheries management by means of complex models: can we point out isles of robustness in a sea of uncertainty ? Plos One, 8(10).

Lehuta, S., Mahévas, S., Le Floc’h, P. 2013. Simulation-based bio-economic indicators of management impact: assessing relevance and robustness for the pelagic fishery of the Bay of Biscay. Canadian Journal of Fisheries and Aquatic Sciences, 70:1741–1756.

Lehuta, S., Petitgas, P., Mahévas, S., Vermard, Y., Huret, M, Uriarte, A and Record, N.R. 2013. Selection and validation of a complex fishery model using an uncertainty hierarchy. Fisheries Research, 143,57-66.

Faivre R., Iooss B., Mahévas S., Makowski D., Monod H., editors (2013). Analyse de sensibilité et exploration de modèles. Applications aux modèles environnementaux. Editions Quae, 2013.(http://www.quae.com/fr/r2142-analyse-de-sensibilite-et-exploration-de-mo...)

2012

Han L., Da Silva D., Boudon F., Cokelaer T., Pradal C., Faivre R., Costes E. (2012). Investigating the Influence of Geometrical Traits on Light Interception Efficiency of Apple Trees: a Modelling Study with MAppleT . In: Kang M., Dumont Y., Guo Y., eds. Proceedings PMA’12 - Plant growth Modeling, simulation, visualization and their Applications. IEEE Press, pp 152-159.
 
Lenormand M. (2012). Initialize and calibrate a dynamic stochastic microsimulation model: Application to the SimVillages model. Doctorat Informatique, Université Blaise-Pascal Clermont-Ferrand (tel)

2011

Carpani M., Bergez J.-E., Monod H. (2011). Sensitivity analysis of a hierarchical qualitative model for sustainability assessment of cropping systems - the case of MASC. Environmental Modelling & Software, 27-28, 15-22. (doi)

Courcoul A., Monod H., Nielen M., Klinkenberg D., Hogerwerf L., Beaudeau F., Vergu E. (2011). Modelling the effect of heterogeneity of shedding on the within herd Coxiella burnetii spread and identification of key parameters by sensitivity analysis. Journal of Theoretical Biology, 284, 130-141. (doi)

Lamboni M., Monod H., Makowski D. (2011). Multivariate sensitivity analysis to measure global contribution of input factors in dynamic models. Reliability Engineering and System Safety, 96: 450-459. (doi)

Lamboni M., Makowski D., Monod H. (2011). Indices de sensibilité, sélection de paramètres et erreur quadratique de prédiction: des liaisons dangereuses? Journal de la Société Française de Statistique, 152, 26-48.

2010

Ellouze M., Gauchi J.P., Augustin J. (2010). Global sensitivity analysis applied to a contamination assessment model of listeria monocytogenes in cold smoked salmon at consumption. Risk Analysis, 30(5): 841-852.
 

Ellouze M., Gauchi J.P., Augustin J. (2010). Use of global sensitivity analysis in quantitative microbial risk assessment: application to the evaluation of a biological time temperature integrator as a quality and safety indicator for cold smoked salmon. Journal Food Microbiology, 2010. on line.

Lehuta, S., Mahévas, S., Petitgas, P. et Pelletier, D., 2010. 'Combining sensitivity and uncertainty analysis to evaluate the impact of management measures with ISIS–Fish: marine protected areas for the Bay of Biscay anchovy(Engraulis encrasicolus) fishery. ICES journal of Marine science67:1063-1075.

2009

Lamboni M., Makowski D., Lehuger S., Gabrielle B., Monod H. (2009). Multivariate global sensitivity analysis for dynamic crop models. Fields Crop Research, Vol. 113, pp. 312-320. (doi)

Lurette, A., Touzeau, S., Lamboni, M., Monod, H. (2009). Sensitivity analysis to identify key parameters influencing Salmonella infection dynamics in a pig batch. J. Theor. Biol., Vol. 258(1), pp. 43-52. (doi)

2008

Viaud, V., Monod, H., Lavigne, C., Angevin, F., Adamczyk, K. (2008). Spatial sensitivity of maize gene-flow to landscape pattern: a simulation approach. Landscape Ecology, Vol. 23, pp. 1067-1079. (doi)
 

2007

Ginot, V., Monod, H. (2007). Exploring Models by Simulation. In: Amblard, F., Phan, D. (eds.) Agent-based modelling and simulation in the social and human sciences, Chapter 3, pp. 63-91. Bardwell Press.

2006

Ginot, V., Monod, H., 2006. Explorer les modèles par simulation: application aux analyses de sensibilité. In: Amblard, F., Phan, D. (eds.) Modélisation et Simulation Multi agents, applications pour les Sciences
de l'Homme et de la Société
, Chapitre 3, pp. 75-100. Lavoisier (Hermès Science), Paris.
 

Ginot, V., Gaba, S., Beaudouin, R., Aries, F., Monod, H. (2006). Combined use of local and ANOVA-based global sensitivity analyses for the investigation of a stochastic dynamic model: Application to the case study of an individual-based model of a fish population. Ecological Modelling, 193, pp. 479-491.


Makowski, D., Naud, C., Monod, H., Jeuffroy, M.-H., Barbottin, A. (2006). Global sensitivity analysis for calculating the contribution of genetic parameters to the variance of crop model prediction. Reliability Engineering and System Safety, Vol. 91(10), pp. 1142-1147.
 

Monod, H., Naud, C. Makowski, D., 2006. Uncertainty and sensitivity analysis for crop models. In: Wallach, D., Makowski, D., Jones, J. W. (eds.) Working with Dynamic Crop Models: Evaluation, Analysis, Parameterization, and Applications, Chapter 4. Elsevier, pp. 55-100.

 

Thèses
 
Lamboni M., 2009. Analyse de sensibilité pour les modèles dynamiques utilisés en agronomie et environnement. Thèse de Doctorat de l'Ecole Doctorale ABIES, champ disciplinaire: statistique. (pdf)
 
 
 
 
Stages/Rapports
 
2016
 
Analyse de sensibilité sur des modèles à sorties dynamiques -  R. Narci (Université Paris Sud). Maîtres de stage: Marie-Luce Taupin, Hervé Monod, Caroline Bidot (MaIAGE)
 
2015

Méthodes d'analyse de sensibilité de modèles pour entrées climatiques -  F. Boizard (Ingénieur Institut Supérieur des Sciences Agronomiques, Agroalimentaires, Horticoles et du Paysage). Maîtres de stage: R. Faivre et Ronan Trépos (MIAT)

2014
 

Optimisation de variétés de tournesol sous incertitude climatique - B.Poublan (Master 2 MSID Université de Pau et des Pays de l'Adour) . Maîtres de stage:  Victor Picheny et Ronan Trépos (MIAT)

Génération stochastique de données météorologiques- P. Ithurralde (Master 2 MSID Université de Pau et des Pays de l'Adour) . Maîtres de stage: Ronan Trépos (MIAT) et Denis Allard (unité BioSP Avignon)

 
2013
 
Coustaroux M., 2013. Analyse de sensibilité et planification d'expériences. Stage de 4ème année - Génie Mathématiques et Modélisation option Statistiques, INSA Toulouse. (pdf)
 
Garcia M., 2013. Conception et développement informatique d’une interface de couplage sous R. Stage de fin de licence 3 statistique et informatique décisionnelle (SID), Université Toulouse III. (pdf)
 
2012

Bizouard G. (2012). Métamodélisation : état de l'art et application. Rapport de stage de Master  MIGS (Mathématiques pour l’Informatique Graphique et les Statistiques) de l'Université de Bourgogne (UFR Sciences et techniques), réalisé à l'INRA, UR 875 Biométrie et Intelligence Artificielle, France encadré par R. Faivre, H. Raynal, R. Trépos, S. Couture. (pdf)

2008
Lamboni, M., Makowski, D., Monod, H. (2008). Multivariate global sensitivity analysis for discrete-time models. Technical Report 2008-3. INRA, UR341 Mathématiques et Informatique Appliquées, Jouy en Josas, France. (pdf)

2005
Amigues, J.-P., Brunet, Y., Clément, F., Courtois, F., Valle, G.D., Piotro, L.D., Duru, M., Faivre, R., Faverdin, P., Fourichon, C., Franc, A., Ginot, V., Godon, J.-J., Goffinet, B., Hospital, F., Lardon, S., Martin-Clouaire, R., Monod, H., Seegers, H., Sinoquet, H., Traas, J., Trystram, G., Vila, J.-P., Wallach, D. (2005). La modélisation à l'INRA : alimentation, agriculture, environnement. INRA, Département MIA, Paris et Toulouse.
 

 

Fichier attachéTaille
08_Multiv_Global_SA_Lamboni_et_al.pdf128.97 Ko
Rapport_final_et_complements.pdf1.02 Mo
RapportMaevagarcia.pdf902.77 Ko
Marjory_Coustaroux_rapport_de_stage.pdf2.01 Mo
Rapport_Stage_Romain_NARCI.pdf4.77 Mo