Thèse Ndo - Montpellier SupAgro

Effet de l’ombrage et distribution spatiale de la phaeoramulariose
5.1.4.2 Analyses de variance
L’analyse des données s’est faite avec le logiciel SAS version 9.2. L’analyse de variance a été
effectuée en utilisant la procédure GLM (modèle linéaire général). Pour comparer les
différentes moyennes de sévérité de phaeoramulariose sur agrumes en fonction du type
d’ombrage et pour chaque série d’observation, le test de Student-Newman-Keuls au seuil de
probabilité 5% a été utilisé. A Foumbot, les pomélos mis sous manguiers ont été comparés à
ceux placés sous avocatiers et en pleine lumière pendant les 2 séries d’observation. A Bokito,
les mandariniers en pleine lumière ont été comparés à ceux sous ombrage des arbres forestiers
pendant 4 séries d’observation.
Une deuxième analyse de variance a été effectuée sur les données de Foumbot avec le logiciel
R version 2.13.1 en utilisant le package gstat. Elle a permis de mettre en évidence la part de la
variance due aux effets testés (ombrage, date d’observation, interaction).
5.1.4.3 Cartographie des variables de sévérité de la phaeoramulariose
et de l’ombrage
Elle a permis d’illustrer l’intensité de la phaeoramulariose à travers les 3 variables (nles,
nlesm, pom). Cette cartographie s’est faite sur des cartes à bulles réalisées avec le logiciel R
version 2.13.1 à travers les packages, lattice et lattice Extra. La taille de chaque bulle est
proportionnelle à l’importance de la maladie. Sur un deuxième graphique, qui illustrait la
position des arbres d’ombrage ainsi que l’importance de l’ombrage a aussi été réalisé selon la
même méthode.
5.1.4.4 Analyse des résidus
L’explication de la part de variance non expliquée par l’ombrage, la date d’observation et de
l’interaction a été faite à travers une analyse de résidus. L’analyse des résidus a été effectuée
avec le logiciel R version 2.13.1. Elle nous a permis de mettre en évidence, en dehors des
facteurs testés, un autre facteur de variabilité des différentes moyennes. L’importance des
résidus a été représentée sur des graphiques selon le même principe qu’au paragraphe
précédent. Lors de l’analyse des résidus, l’hypothèse émise était que la part de variance non
expliquée par le modèle serait due à la structure spatiale de la maladie. Pour vérifier cette
hypothèse, une analyse spatiale des résidus a été effectuée.
5.1.4.5 Analyse spatiale
L’analyse spatiale s’est faite sur les résidus. Elle a ainsi permis après avoir annulé les effets de
l’ombrage, de la date d’observation et de l’interaction (s’il y en avait) de déceler si la
répartition de la maladie se faisait de façon aléatoire ou selon un modèle spatial particulier.
Elle a été réalisée à l’aide de l’analyse des semi-variogrammes du logiciel GS+ (version 9 ;
Robertson, 2008). Le principe de cette analyse est de mesurer la dépendance spatiale qui
existe entre les points (arbres) mesurés ; les semi-variogrammes représentent les écarts
quadratiques moyens entre les points xi et yj en fonction des distances qui séparent ces points.
La semi-variance est donnée par l’équation :
130