La communication - Institut National de la Recherche Agronomique
La communication - Institut National de la Recherche Agronomique
La communication - Institut National de la Recherche Agronomique
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