Demand-Driven Technologies for Sustainable Maize ... - IITA

233Tableau 4. Tableau d’ANOVA du modèle de régression conjointe sur lesdifférents caractères : X ij = μ + α i + β j + ρ i . β j + ε ijSource ddl FF50 HMP RDTEffet génotype74669***12317**5966***Effet date115670***14369**16167**Interaction G*Dinter.modélisée77748s***10788s***8096s***reste interaction1760305s*4412845s*79423036ns5060ns : non signifi catif à P < 0.05 * : signifi catif à P < 0.05** : signifi catif à P < 0.01 *** : signifi catif à P < 0.001Tableau 5. Ecovalences génotypiques (W i) des différents caractères.GénotypeFF50 HMP RDTCaractèreCimmyt Pool 1Wi 136 1455 777Cimmyt Pool 12Wi 60 1954 837IRAT 143Wi 58 1201 512X 304 CWi 164 1341 969LG 11Wi 135 1275 751HéliosWi 73 1246 1489Early ThaïWi 76 846 667IR 30Wi 79 1579 1215Selon Finlay - Wilkinson (1963), on peut noter :Pour le rendement, les génotypes de plaine précoces à intermédiairesCimmyt Pool 1, LG 11, Early Thaï et IRAT 143 sont les plus stables carayant des écovalences relativement faibles. On observe en général, queles plus fortes interactions (en valeur absolue) sont positives. Par contre,les génotypes Cimmyt Pool 12, X 304 C, Helios et IR 30 ayant desécovalences souvent importantes sont moins stables que la moyenneet ont une adaptabilité dite spécifi que. Ils sont plus productifs quand lesconditions environnementales sont favorables (cf. Tableau 5).Dans l’optique de caractérisation des dates de semis, l’écovalenceenvironnementale W j représentant la participation de chaque milieuj à la somme des carrés des écarts (SCER) du modèle additif a étécalculée. Elle se défi nit de la manière suivante :Wj = Σi(Xij - Xi. - X.j + X..) 2