Interprétation des effets des pratiques et des conditions environnementales

3.2.1. Effet des pratiques et des conditions environnementales sur les facteurs abiotiques

Les différences climatiques entre sous-régions ont un effet sur le quotient photothermique avant floraison et la balance hydrique (Tab. 2.II.8.). La plaine de Valence et la plaine de Lyon ont un effet négatif sur ces deux variables qui s’expliquent par le fait que ces deux sous-

Tableau 2.II.9. Valeurs estimées des paramètres, proportion de variance et w+(x) (probabilité qu’une variable explicative apparaisse dans le

modèle avec la meilleur AIC) pour les facteurs limitants biotiques. Pour une variable donnée, « - » indique que la pratique ou la condition environnementale n’a pas été testée.

INN Maladies foliaires Densité d’adventices

Pratique ou condition du milieu

Valeur estimée du paramètre w+(x) Valeur estimée du paramètre w+(x) Valeur estimée du paramètre w+(x) Précoce - - -2.03 1.00 20.60 1.00 Date de semis Tardif - - 10.98 1.00 48.76 1.00 Plaine de Lyon 0.05 0.65 23.04 1.00 12.52 1.00 Sous-région Plaine de Valence 0.06 0.65 18.32 1.00 -7.12 1.00

Quantité d’azote apportée 0.00 0.30 - - 0.40 0.84

Culture d’hiver -0.07 0.79 6.24 0.99 -50.76 1.00

Culture précédente

Culture de printemps -0.09 0.79 -2.53 0.99 -58.08 1.00

Classe de panification (BPS) -0.04 0.64 - - - -

Apport tardif (présence) 0.02 0.39 - - - -

Résistance à la rouille brune - - -0.84 0.66 - -

Résistance à la septoriose - - 0.32 0.71 - -

Type 2 - - - - 12.10 1.00

Système de production

Type 3 - - - - 160.28 1.00

Nombre d’opérations de travail du sol avant semis - - - - 21.03 0.97

régions sont plus sèches et plus chaudes que le Diois tout au long du cycle (voir partie précédente, Tab. 2.I.1.).

Un semis tardif retarde la date de floraison et augmente le nombre de jours potentiels pendant lesquels la température est élevée avant ce stade. Le quotient photothermique étant un ratio du rayonnement sur les températures, cela explique l’effet négatif des semis tardifs sur cette variable (Tab. 2.II.8.). Un semis précoce, au contraire, avance la date de floraison et la période de remplissage des grains, permettant d’éviter des périodes de stress hydrique. Ceci explique l’effet positif des semis précoces sur la balance hydrique (Tab. 2.II.8.). De même, la balance hydrique est diminuée par la précocité à épiaison. Enfin, la balance hydrique est plus importante dans les sols B (sols profonds de type limono-argileux ou argilo-sableux) et C (sols limoneux profonds et calcaires) par rapport au sol D (sols à dominante argileuse sur cailloux calcaires) (Tab. 2.II.8.). Cela s’explique par le fait que les sols B et C ont une plus grande réserve hydrique de ces sols.

3.2.2. Effet des pratiques et des conditions environnementales sur les facteurs biotiques

Les dommages liés aux maladies sur la culture ont été augmentés par une date de semis tardif et diminués par une date précoce (Tab. 2.II.9.). En effet, une date de semis tardive retarde le développement de la culture, qui se trouve alors à un stade plus précoce au moment des attaques et se retrouve exposée plus longtemps à la pression de maladies. De plus, un semis précoce a eu un effet positif sur la densité d’adventices, ce qui est en accord avec les travaux de Rasmussen (2004) qui a montré un effet positif du semis précoce sur la biomasse d’adventices. Un semis tardif augmente aussi la densité de mauvaises herbes (Tab. 2.II.9.), ce qui peut s’expliquer par une émergence de la culture plus lente induisant une plus faible compétitivité du blé vis-à-vis de la population d’adventices (Bond et Grundy, 2001).

Les précédents légumineuses fourragères (e.g. luzerne, sainfoin, trèfle) ont permis d’atteindre des valeurs plus élevées d’INN pour la culture de blé (Tab. 2.II.9.). Ces cultures, grâce à leurs résidus plus riches en azote, permettent de rendre disponible plus d’azote pour la culture suivante. Les maladies foliaires sont plus importantes lorsque les précédents sont des cultures d’hiver (succession blé sur blé par exemple) alors que la pression est moindre dans le cas d’un précédent culture de printemps (maïs ou tournesol par exemple) (Tab. 2.II.9.). L’alternance de cultures d’hiver et de printemps permet en effet de diminuer la pression en maladies (Cooper

et al., 2006). Les précédents cultures de printemps permettent de diminuer la pression en

adventices par rapport aux précédents légumineuses notamment grâce à une forte efficacité du binage (Tab. 2.II.9.). Par ailleurs, ce résultat est cohérent avec des résultats antérieurs, montrant qu’alterner les cultures d’hiver et de printemps permet d’éviter l’établissement d’une flore spécialisée, de maintenir des densités d’adventices faibles pour chaque espèce et de diversifier les types de travail du sol (Bàrberi et Bonari, 1995).

Chapitre 2. Identification des facteurs et des pratiques limitant les performances

56 Les systèmes de production de type 3 (systèmes céréaliers extensifs) ont un effet positif sur la densité d’adventices (Tab. 2.II.9.) car ce sont des systèmes extensifs pour lesquels la population d’adventices est moins contrôlée.

La pression en maladies est plus importante dans la plaine de Lyon et dans la plaine de Valence (Tab. 2.II.9.), probablement en raison de conditions climatiques plus favorables aux maladies dans ces sous-régions (Tab. 2.I.1.). De plus, dans ces zones, on retrouve la fréquence la plus élevée de systèmes céréaliers intensifs (type 2, plus de 70 % des parcelles étudiées dans ces zones), qui conduisent à une augmentation de la densité des parcelles avec des céréales dans le paysage, favorable à un développement des épidémies. Les sous-régions semblent également avoir un effet sur la densité en adventices (Tab. 2.II.9.). L’effet positif de la plaine de Lyon est peut-être dû au fait que toutes les parcelles sélectionnées dans cette zone sont issues de systèmes de production de type 2 ou 3 (céréaliers intensifs ou extensifs), qui eux-mêmes ont un effet positif sur la densité d’adventices. L’effet négatif de la plaine de Valence sur la densité des adventices peut être attribué aux nombreux précédents cultures de printemps et d’hiver dans cette zone dont on a vu l’effet négatif sur la densité d’adventices. Les cultivars BPS ont des valeurs d’INN à floraison plus faibles que les cultivars BAF (Tab. 2.II.9.). Dans notre réseau, l’INN ne dépend pas étroitement de la quantité d’azote apportée (w+(x) = 0.30), ni de la présence d’un apport tardif (w+(x) = 0.39). Cela s’explique par la grande variabilité de l’efficience des apports azotés organiques, dont la minéralisation est lente et demande une disponibilité en eau optimale (Dawson et al., 2008), ce qui n’est pas toujours le cas dans la région d’étude.

Les cultivars les plus résistants à la rouille brune conduisent à limiter la présence de maladies foliaires (Tab. 2.II.9.). Ces résultats mettent en évidence l’intérêt d’utiliser des cultivars résistants à la rouille brune (Mercer, 2006) qui est une des principales maladies présentes dans la région d’après nos observations.

L’augmentation de la quantité d’azote apportée a favorisé l’augmentation de la densité d’adventices (Tab. 2.II.9.). Néanmoins, des études antérieures ont montré que l’effet de l’azote sur les adventices est dépendant des espèces présentes (Zoschke et Quadranti, 2002), le résultat obtenu ici est peut-être très dépendant de la composition floristique observée sur les parcelles. Notons que la densité d’adventices est très peu diminuée par les désherbages mécaniques (-1.68 plantes/m²/passage). De plus, la densité d’adventices observée à floraison augmente lorsque le nombre d’opérations de travail du sol avant semis augmente (Tab. 2.II.9.). Les opérations de travail du sol, et y compris les faux-semis, n’ont pas eu ici un effet limitant sur la population d’adventices contrairement à ce que l’on pouvait attendre. Cela suggère que ces opérations ont peut-être été effectuées à des moments inappropriés, les rendant inefficaces, ou lorsque la pression en adventices était déjà trop forte et donc difficile à maîtriser.

Mean Squared Error relative (RRMSE), and poids-AIC (i.e. probabilité que parmi tous les modèles possibles, le modèle sélectionné par la régression stepwise soit celui qui a le plus petit AIC) obtenus avec la régression stepwise et le mélange de modèles. « - » indique que le critère n’est pas disponible pour la méthode de mélange de modèles.

Critère

Variable Méthode AIC r² RRMSE Poids-AIC Régression stepwise 953.54 0.527 23.20 % 0.163 NG Mélange de modèles - 0.534 23.10 % - Régression stepwise 356.22 0.356 18.00 % 0.060 PMG Mélange de modèles - 0.355 18.20 % -

Chapitre 2. Identification des facteurs et des pratiques limitant les performances

57