28.06.2013 Views

La communication - Institut National de la Recherche Agronomique

La communication - Institut National de la Recherche Agronomique

La communication - Institut National de la Recherche Agronomique

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

32<br />

MODÈLES DE PRÉDICTION<br />

DU RENDEMENT DU BLÉ ET<br />

SYSTÈME D’ALERTE<br />

PRÉCOCE.<br />

Les modèles agro-climatiques <strong>de</strong> prédiction <strong>de</strong>s<br />

ren<strong>de</strong>ments <strong>de</strong>s cultures, constituent <strong>de</strong>s outils très<br />

importants. Aux niveaux continental et global, <strong>de</strong>s<br />

systèmes <strong>de</strong> prévision existent et fournissent à<br />

temps <strong>de</strong>s estimations <strong>de</strong> ren<strong>de</strong>ment pour les<br />

principales cultures. Cependant, actuellement au<br />

Maroc, il n’existe pas <strong>de</strong> système spécifique. Cette<br />

étu<strong>de</strong> a pour objectif d’é<strong>la</strong>borer <strong>de</strong>s modèles précis<br />

<strong>de</strong> prédiction, basés sur <strong>de</strong>s approches fiables et<br />

<strong>de</strong>s données climatiques disponibles et pouvant<br />

être utilisées <strong>de</strong> manière opérationnelle.<br />

Pour ce faire, quatre méthodologies différentes ont<br />

été testées sur 23 régions du Maroc en utilisant les<br />

données climatiques (<strong>de</strong> 1990 à 2004) <strong>de</strong>s stations<br />

synoptiques <strong>de</strong> <strong>la</strong> Direction <strong>de</strong> <strong>la</strong> Météorologie<br />

<strong>National</strong>e. Ces méthodologies sont :<br />

• Les modèles <strong>de</strong> régression par <strong>la</strong> métho<strong>de</strong><br />

ordinaire <strong>de</strong>s moindres carrés (OLS), en utilisant<br />

<strong>la</strong> pluviométrie saisonnière comme variable<br />

explicative;<br />

• Les modèles OLS, en utilisant <strong>la</strong> pluviométrie, <strong>la</strong><br />

température et l’Indice <strong>de</strong> Végétation par<br />

Différence Normalisée (NDVI) saisonniers<br />

comme variables explicatives ;<br />

• Les réseaux artificiels <strong>de</strong> neurones (ANN), en<br />

utilisant <strong>la</strong> pluviométrie et le NDVI saisonniers<br />

comme entrées ;<br />

• Le modèle AgroMetShell (AMS) basé sur le bi<strong>la</strong>n<br />

hydrique, qui utilise <strong>la</strong> pluviométrie et<br />

l’évapotranspiration potentielle comme entrées.<br />

Quatre indices, le Surplus-Déficit en Eau (WSD), <strong>la</strong><br />

Satisfaction <strong>de</strong>s Besoins en Eau (WRSI), le<br />

Stockage <strong>de</strong> l’Eau dans le Sol (SWS), et WSD qui<br />

est l’intégrale du WSD sur plusieurs déca<strong>de</strong>s à<br />

partir du début <strong>de</strong> novembre ont été choisis pour<br />

l’évaluation.<br />

L’étu<strong>de</strong> <strong>de</strong> ces différents modèles a permis <strong>de</strong><br />

montrer que chacun présente <strong>de</strong>s avantages et <strong>de</strong>s<br />

inconvénients et que le <strong>de</strong>gré <strong>de</strong> précision <strong>de</strong><br />

prédiction du ren<strong>de</strong>ment dépend étroitement du<br />

nombre <strong>de</strong>s indices utilisés. Ainsi, le premier modèle<br />

qui présente l’avantage d’être plus simple, prédit les<br />

ren<strong>de</strong>ment au niveau national avec une erreur <strong>de</strong><br />

11.1% (119 kg ha-1). Par contre le modèle AMS,<br />

bien que plus précis, nécessite plus d’information et<br />

donc un coût plus élevé qui augmente avec le<br />

nombre d’indices utilisés.<br />

UTILISATION DES MODÈLES<br />

DE CROISSANCE DANS LA<br />

GESTION DES RESSOURCES<br />

HYDRIQUES<br />

Le modèle <strong>de</strong> croissance CROPSYST est utilisé dans<br />

cette recherche comme outil d’ai<strong>de</strong> à <strong>la</strong> prise <strong>de</strong><br />

décision en matière <strong>de</strong> p<strong>la</strong>nification et <strong>de</strong> gestion<br />

<strong>de</strong>s cultures. Le modèle <strong>de</strong> simu<strong>la</strong>tion à pas <strong>de</strong><br />

temps quotidien simule le bi<strong>la</strong>n hydrique, le bi<strong>la</strong>n<br />

azoté, <strong>la</strong> croissance du couvert végétal et <strong>de</strong>s<br />

racines, <strong>la</strong> production <strong>de</strong> matière sèche, le<br />

ren<strong>de</strong>ment, <strong>la</strong> production <strong>de</strong>s résidus et leur<br />

décomposition. Les options <strong>de</strong> gestion incluent le<br />

choix <strong>de</strong> <strong>la</strong> variété, <strong>la</strong> rotation, l’irrigation, <strong>la</strong><br />

fertilisation azotée, les opérations <strong>de</strong> <strong>la</strong>bour et <strong>la</strong><br />

gestion <strong>de</strong>s résidus. <strong>La</strong> calibration et <strong>la</strong> validation du<br />

modèle ont été faites dans <strong>la</strong> région du Tad<strong>la</strong>.<br />

Les étu<strong>de</strong>s ont montré que le modèle CROPSYST a<br />

très bien simulé le ren<strong>de</strong>ment grain, le bi<strong>la</strong>n<br />

hydrique ainsi que les sta<strong>de</strong>s phénologiques. Ainsi,<br />

les ren<strong>de</strong>ments observés et simulés ont <strong>de</strong>s valeurs<br />

rapprochées. En effet 92% <strong>de</strong> <strong>la</strong> variation du<br />

ren<strong>de</strong>ment grain simulé est expliquée par <strong>la</strong><br />

variation du ren<strong>de</strong>ment grain observé et 83% <strong>de</strong> <strong>la</strong><br />

variation <strong>de</strong> l'évapotranspiration simulée est<br />

expliquée par <strong>la</strong> variation <strong>de</strong> l'évapotranspiration<br />

observée.<br />

Des scénarios pour les dates <strong>de</strong> semis et d'irrigation<br />

ont également été simulés. Les résultats ont<br />

confirmé l’intérêt <strong>de</strong>s semis précoces et ont montré<br />

que les ren<strong>de</strong>ments simulés et observés<br />

augmentent lorsque le semis est précoce. Ce<br />

résultat est confirmé par ailleurs, dans <strong>la</strong> région <strong>de</strong><br />

<strong>la</strong> Chaouia où <strong>la</strong> simu<strong>la</strong>tion à travers l’utilisation <strong>de</strong><br />

<strong>la</strong> notion <strong>de</strong> première pluie significative (pluie<br />

suffisante pour le déclenchement <strong>de</strong> <strong>la</strong> germination

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!