Évaluation de l'effet de la perturbation du sol de l'entre-rang sur la répartition des mauvaises herbes chez le maïs et le soya

ÉVALUATION DE L’EFFET DE LA PERTURBATION

DU SOL DE L’ENTRE-RANG SUR LA RÉPARTITION

DES MAUVAISES HERBES CHEZ LE

MAÏS ET LE SOYA

Mémoire

CORINNE TARDIF-PARADIS

Maîtrise en biologie végétale

Maître ès sciences (M.Sc.)

Québec, Canada

Résumé

La détection des mauvaises herbes en temps réel permettrait de faire des économies d’herbicides. Actuellement, les technologies de détection en temps réel ne permettent pas de différencier les mauvaises herbes de la culture de façon rapide et précise. Il serait cependant possible d’utiliser l’entre-rang, là où la culture est absente, dans le maïs et dans le soya pour estimer les mauvaises herbes. L’objectif de cette recherche est de vérifier si le recouvrement, la biomasse et le dénombrement des mauvaises herbes sur l’entre-rang sont représentatifs de ceux sur le rang suite à une perturbation. Les perturbations testées incluaient le passage du semoir, de la roue de tracteur, d’une roue plombeuse et d’une dent. Dans le maïs, le couvert de mauvaises herbes est inférieur sur l’entre-rang alors que dans le soya il est légèrement supérieur dans l’entre-rang. L’entre-rang non perturbé lors du semis dans le soya et l’entre-rang perturbé par la roue de tracteur dans le maïs pourraient être utilisés pour détecter le couvert de mauvaises herbes sans générer de biais par rapport au rang.

Abstract

Site-specific weed management using real time detection can reduce herbicide use. At present, this technology is not able to discriminate weeds and crop plants with enough precision and speed to be implemented. However, in corn and soybean, the inter-row, where there is no crop, could be use to detect weeds. The goal of this research is to determine if weed cover, biomass and density on rows and interrows are equivalent after different disturbances. Tested disturbances included planter, tractor wheel, press wheel and tooth. In corn, there are fewer weeds in the undisturbed inter-row than on the row while the opposite is observed in soybean. The undisturbed inter-row in soybean and the tracked interrow in corn could be used to detect weeds without underestimating weed cover.

Avant-propos

Ce projet s’insère dans le cadre de l’initiative des Systèmes environnementaux pour une agriculture durable (SEAD) du gouvernement du Canada. Les résultats de cette recherche pourront profiter aux fermiers dans leur démarche pour faire face aux défis environnementaux de façon économiquement durable. C’est grâce à Agriculture et Agroalimentaire Canada (AAC) avec l’appui de l’Université Laval que ce projet a pu être réalisé. Dre Marie-Josée Simard, chercheur scientifique en malherbologie au Centre de Recherche et de Développement sur les Sols et les Grandes Cultures d’AAC à Québec, responsable du projet, a pris la relève d’une recherche visant la réduction de l’utilisation des pesticides grâce à l’application localisée d’herbicides. Elle m’a permis de mener à terme ce mémoire et je lui en suis très reconnaissante. La technologie de détection des mauvaises herbes en temps réel a été développée par l’équipe du chercheur Dr Bernard Panneton du centre de recherche d’AAC à St-Jean-sur-Richelieu. L’objectif de mon projet étant d’évaluer la répartition des mauvaises herbes pour permettre l’utilisation de la technologie développée par le Dr Panneton, le Dr Gilles Leroux, professeur de malherbologie au Département de phytologie de l’Université Laval, était tout indiqué pour être mon directeur de maîtrise. Son support a été précieux. Je veux souligner aussi l’appui de Geneviève Bégin et de Susanne Buhler, professionnelles de recherches qui a été essentiel à la réussite de ce projet. Aussi, la participation de nombreux étudiants travailleurs saisonniers a été fortement appréciée.

À ma fille et à mon garçon qui m’ont donné de la motivation, à mon conjoint et à mes parents pour leur support,

Table des matières

Résumé ... iii

Abstract ... v

Avant-propos ... vii

Table des matières ... xi

Liste des figures ... xii

Liste des tableaux ... xiii

Liste des équations ... xiv

1. Introduction ... 1

1.1 Préoccupations environnementales, de santé et d’économie ... 2

1.2 Herbicides et résistance ... 3

1.3 Doses réduites ... 3

1.4 Herbicides vs maïs et soya RR® ... 4

1.5 La gestion des mauvaises herbes en agriculture de précision ... 5

1.5.1 Détection des mauvaises herbes ... 6

1.5.1.1 Cartes ... 7

1.5.1.2 Détection en temps réel ... 8

Réflectance ... 8

Fluorescence ... 9

Imagerie numérique ... 10

Images numériques : distinction par la couleur ... 10

Images numériques : distinction par la forme ... 11

1.6 Hypothèse et Objectifs ... 13

2. Méthodologie ... 15

2.1 Localisation et caractéristiques édaphiques des sites expérimentaux ... 15

2.2 Régie de culture des parcelles expérimentales ... 15

2.3 Les traitements et le dispositif expérimental ... 18

2.4 La prise de photographies ... 19

2.5 Biomasse des mauvaises herbes ... 21

2.6 Analyses statistiques ... 22

3. Résultats ... 25

3.1 Volet 1 : Effet de la présence d’une culture sur le rang sur la répartition des mauvaises herbes ... 29

3.1.1 Effet de la présence d’une culture sur le rang ... 33

3.2 Volet 2 : Comparaison de l’effet de la roue de tracteur et du semoir sur la répartition des mauvaises herbes ... 34

3.2.1 Effet des traitements ... 34

3.2.2 Effet du type de culture ... 35

3.2.3 Interaction significative ... 36

3.3 Volet 3 : Validation de l’effet de la perturbation du sol par des instruments aratoires sur la répartition des mauvaises herbes ... 37

3.3.1 Années 2010 et 2011 ... 37

3.3.1.1 Effet des traitements et de la culture ... 38

3.3.2 Année 2011 ... 40

3.4 Utilisation de l’entre-rang comme guide pour la détection des mauvaises herbes 44

3.4.1 Effet des traitements ... 44

4 Discussion ... 47

4.1 Effet de la présence d’une culture sur l’émergence des mauvaises herbes sur le rang ... 47

4.2 Effet du semoir sur l’émergence des mauvaises herbes, rang vs entre-rang .. 48

4.3 Effet de la roue de tracteur sur l’émergence des mauvaises herbes ... 49

4.4 Utilisation de l’entre-rang comme guide de détection des mauvaises herbes 52 5 Conclusion ... 55

5.1 La répartition des mauvaises herbes en présence ou non de la culture ... 55

5.2 La répartition des mauvaises herbes entre le rang et l’entre-rang suite au passage d’un instrument aratoire ... 55

5.3 Utilisation de l’entre-rang pour faire la détection des mauvaises herbes dans le maïs et le soya ... 56

Bibliographie ... 57

Annexe 1 ... 63

Liste des figures

Figure 2 : Outils utilisés pour l’application des traitements dans l’entre-rang ... 19

Figure 3 : Schéma d’un bloc du dispositif expérimental ... 19

Figure 4 : Tente pyramidale utilisée pour la prise de photographies ... 20

Figure 5 : Densité et biomasse sèche des graminées et des dicotylédones pour le maïs dans les quatres champs échantillonnés (no. 19, 34, 40 et 64) au cours des années 2010 et 2011 ... 27

Figure 6 : Densité et biomasse sèche des graminées et des dicotylédones pour le soya dans les quatres champs échantillonnés (no. 19, 34, 40 et 64) au cours des années 2010 et 2011. Les moyennes sont reliées par une droite. ... 28

Figure 7 : Pourcentage moyen des mauvaises herbes présentes sur l’entre-rang (% MHE) pour les traitements du rang semé et du rang non semé correspondant. Les erreurs types sont représentées par des barres. ... 31

Figure 8 : Recouvrement des mauvaises herbes, biomasse sèche des graminées et densité des graminées mesurés dans les quadrats placés sur le rang non semé et le rang semé correspondant dans les cultures de maïs et de soya. Les moyennes sont reliées par une droite. ... 32

Figure 9 : Moyenne du % MHE pour les variables mesurées de la biomasse sèche des dicotylédones (dico) et des graminées (gram), la densité des dicotylédones et des graminées pour chaque traitement (TRAC, RNS et T). Les erreurs types sont représentées par des barres. ... 35

Figure 10 : Moyenne du % MHE pour les traitements TRAC, RNS et T pour les variables de biomasse sèche et de dénombrement des graminées. Les erreurs types sont représentées par des barres. ... 36

Figure 11 : Moyenne du % MHE pour le recouvrement des mauvaises herbes dans le soya et le maïs pour les traitements TRAC, RNS et C. Les erreurs types sont représentées par des barres. ... 36 Figure 12 : Moyenne du % MHE pour le recouvrement des mauvaises herbes, la biomasse

sèche et le dénombrement des mauvaises herbes du groupe des graminées et des dicotylédones pour les traitements suivants; T, D, RP et RP+D. Les erreurs types sont représentées par des barres. ... 39 Figure 13 : Recouvrement, biomasse sèche et densité des mauvaises herbes mesurés dans

les quadrats sur le rang et l’entre-rang (E=entre-rang et R=rang) pour les différents traitements (T, RP, D+RP et TRAC) dans le maïs ... 41 Figure 14 : Recouvrement, biomasse sèche et densité des mauvaises herbes mesurés dans

les quadrats sur le rang et l’entre-rang (E=entre-rang et R= rang) pour les différents traitements (T, RP, D+RP et TRAC) dans le soya... 42 Figure 15 : Moyenne du % MHE pour le recouvrement des mauvaises herbes, la biomasse

sèche et le dénombrement des graminées pour les traitements suivants; T , D, RP et TRAC, pour l’année 2011. Les erreurs types sont représentées par des barres. ... 43 Figure 16 : Moyenne du % MHE du recouvrement des mauvaises herbes, de la biomasse

sèche et du dénombrement des mauvaises herbes pour les traitements T , RP et TRAC dans le maïs et le soya.*Différence significative de 50 % si p<0,05 ... 46 Figure 17 : Plan d’expérience à Saint-Jean-sur-Richelieu (Acadie) et à

Saint-Augustin-de-Desmaures ... 63 Figure 18 : Plan des traitements ... 64

Liste des tableaux

Tableau 1 : Caractéristiques des sols à Saint-Augustin-de-Desmaures et à Saint-Jean-sur-Richelieu, Québec ... 15 Tableau 2 : Fertilisation (dose, formulation) pour les différents cultivars semés dans les

parcelles expérimentales à Saint-Augustin-de-Desmaures et à Saint-Jean-sur-Richelieu ... 16 Tableau 3 : Dates de semis (application des traitements), dates des prises de photos

(moment de l’application d’herbicide), degré jours de croissance, unité thermique maïs et précipitation pour la durée de l’expérimentation pour les deux sites dans le maïs et le soya ... 17 Tableau 4 : Ajustement des paramètres de l’appareil photo numérique Nikon D100 RGB . 21 Tableau 5 : Moyennes des données mesurées dans le champ no. 40 pour le traitement

témoin (T) ... 23 Tableau 6: Abondance relative des espèces de mauvaises herbes rencontrées dans les

champs d’expérimentation ... 26 Tableau 7 : Valeur de p des effets fixes du modèle d’analyse pour la comparaison des

traitements RNS et RNS_C... 33 Tableau 8 : Valeurs de P obtenues lors du test statistique pour évaluer les effets fixes lors

Tableau 9 : Valeurs de P obtenues lors du test statistique pour évaluer les effets fixes lors de l’analyse des quatre traitements (RP, D, RP+D et T) faite sur les deux années (2010 et 2011) ... 37 Tableau 10 : Valeurs de p obtenues lors du test statistique de Tukey pour évaluer les effets

fixes lors de l’analyse des cinq traitements (RP, D, RP+D, T et TRAC) faite en 2011 ... 40 Tableau 11: Probabilité que le % MHE soit différent de 50 % pour le traitement témoin (la

valeur de T est déterminée avec le test de Student) ... 45 Tableau 12 : Probabilité que le % MHE soit différent de 50 % pour le traitement du passage

de la roue de tracteur (TRAC) et de la roue plombeuse (RP) (la valeur de T est

déterminée avec le test de Student ... 45

Liste des équations

Équation 1 : Ratio (%) des mauvaises herbes dans l’entre-rang ... 22 Équation 2 : Comparaison de moyenne pour un seul échantillon à l’aide d’une statistique de

1. Introduction

Selon une étude réalisé au Canada (McNeil et al., 2010), la population canadienne se préoccupe de plus en plus des questions environnementales. De nombreux défis se présentent à nous pour trouver une façon de concilier notre mode de vie avec l’environnement qui nous entoure. L’agriculture joue un rôle très important en ce qui a trait à la pression que nous exerçons sur l’environnement et par le fait même sur nous. L’usage des pesticides est l’un des aspects de la pratique agricole qui soulève un questionnement dans la population sur leurs impacts sur l’environnement et la santé. Les autorités tentent de diminuer l’utilisation de ces substances chimiques pour réduire les risques qui leur sont associés (Anonyme, 2011). Dans la région de Saint-Hyacinthe, les enfants d’âge préscolaire ont plus de molécules de pesticides du groupe des organophosphorés dans leur urine que les autres enfants étudiés ailleurs (Valcke et al., 2006). On ne sait pas exactement en quoi cette soupe de molécules de synthèse peut influencer notre santé et celle de l’environnement, mais la prévention est de mise. Plus de 3 297 383 kg de substances actives ont été vendus en 2008 pour le secteur agricole au Québec. Autour de 60 % de ces pesticides sont des herbicides qui sont utilisés pour la majorité en agriculture (Gorse et Rivard, 2011). Lorsque ces herbicides sont appliqués sur les champs, ils se retrouveront indéniablement dans l’environnement soit par lessivage, par ruissellement (solubilisation dans la solution du sol ou l’eau de surface), par volatilisation ou dérive des gouttelettes de pesticides lors de l’application. Ce qui n’est pas perdu dans l’environnement est absorbé par les plantes ou adsorbé par les particules de sol puis dégradé par les micro-organismes du sol. Les pertes sont d’autant plus grandes dans les cultures en rang (ex. : maïs et soya) puisque la quantité d’herbicides captée par le feuillage est moindre étant donné que le sol n’est pas totalement recouvert lors de l’application d’herbicide (Jensen et Spliid, 2003).

L’objectif global de ce mémoire est d’explorer une avenue permettant de diminuer l’utilisation des herbicides en agriculture et ainsi réduire les risques pour l’environnement et la santé publique tout en atteignant les objectifs économiques de lutte aux mauvaises herbes.

1.1 Préoccupations environnementales, de santé et d’économie

Depuis les années 1970, les gens s’interrogent sur les effets non intentionnels des herbicides. Les progrès de la science ont permis de détecter la présence dans l’environnement des molécules qui composent ces herbicides (Carter, 2000; Kudsk et Streibig, 2003). Elles se retrouvent principalement dans les eaux de ruissellement et dans les eaux souterraines. Près de 50 % de la population mondiale boit à même des sources d’eau souterraine et lorsqu’il est possible de décontaminer cette eau, les coûts de la décontamination sont très élevés (Carter, 2000; Pimentel, 2009). D’autant plus que dans les nappes d’eau souterraine, l’eau se régénère lentement et que très peu de micro-organismes peuvent dégrader ces molécules herbicides (Pimentel, 2009).

L’étude de Pimentel (2009) dresse la liste des nombreux coûts reliés aux pesticides tels que les cas d’empoisonnement, de cancer ou de maladies chroniques, les résidus de pesticides dans la nourriture, les pertes de rendements des cultures (lorsque mal utilisés, dose trop élevée par exemple), perte de la faune et la flore aquatique, effet sur les micro-organismes qui vivent dans le sol ou les coûts reliés à la règlementation. D’un point de vue agronomique, l’apparition de résistance représente aussi un coût puisque plus de pesticides doivent être alors utilisés. De plus, il peut y avoir des pertes de rendements causées par les herbicides lorsque la culture traitée est sensible à l’herbicide appliqué. L’expérience réalisée par Gerhards et al. (2012) a démontré que l’application d’herbicide en présence de mauvaises herbes a effectivement permis d’augmenter les rendements, mais que l’application d’une même dose d’herbicides sur une surface où il y avait un faible recouvrement de mauvaises herbes diminuait les rendements de la culture. Réduire l’utilisation des herbicides en éliminant l’application là où la pression de mauvaises herbes ne le justifie pas se traduirait généralement par une économie d’herbicide et pourrait même améliorer les rendements lorsque la culture est sensible à l’herbicide utilisé.

1.2 Herbicides et résistance

La lutte aux mauvaises herbes est un incontournable en agriculture. La présence des mauvaises herbes dans un champ réduit les rendements et la qualité des récoltes. La chimie des herbicides sélectifs a été une révolution dans la lutte aux mauvaises herbes. En effet, cela a permis d’augmenter les rendements en plus de diminuer le besoin de main-d’œuvre (Kudsk et Streibig, 2003). Depuis les années 1980, peu de nouvelles molécules herbicides ont été découvertes et ce, dû à la difficulté de trouver de nouveaux sites d’action. Ces sites d’action sont, pour la plupart des sites biochimiques dans les plantes qui sont affecté par l’herbicide. Depuis, plusieurs espèces sont maintenant résistantes à plusieurs herbicides. À certains endroits et pour certaines cultures, l’efficacité des herbicides a beaucoup diminué en raison de ces résistances et la recherche de nouveaux sites d’action pour les molécules herbicides est plus lente que l’apparition de résistance chez les mauvaises herbes (Beckie, 2006). Ainsi, les producteurs agricoles devront trouver d’autres moyens de luttes pour retarder ou contrer la résistance aux herbicides. La rapidité de l’apparition de ces mauvaises herbes résistantes provient entre autres du fait que des herbicides avec le même mode d’action sont utilisés à répétition (Kudsk et Streibig, 2003; Green, 2012). L’utilisation des herbicides est d’ailleurs la méthode de gestion des mauvaises herbes qui domine dans les pays occidentaux (Beckie, 2006). La réduction de l’utilisation des herbicides permettrait de ralentir l’apparition de mauvaises herbes résistantes en diminuant la pression de sélection dans l’environnement.

Trois approches sont mises de l’avant pour ralentir l’apparition de résistance tout en diminuant l’utilisation des molécules herbicides dans les champs. D’abord, l’application de doses réduites, la technologie des organismes génétiquement modifiés pour la tolérance à un herbicide permettant l’utilisation d’herbicides plus efficaces et finalement l’application localisée en agriculture de précision.

1.3 Doses réduites

Par définition, une dose réduite est une dose plus faible que la dose minimale recommandée sur une étiquette d’herbicide pour un usage donné (Thibault, 2012). Les recommandations des fabricants sont déterminées de façon à ce que la répression soit de l’ordre de 80 %, et ce pour un large spectre de conditions climatiques et édaphiques dans

des conditions de champs fortement infestés. Dans des conditions optimales, dans des champs peu infestés et avec la combinaison d’autres moyens de lutte contre les mauvaises herbes, une dose réduite peut être aussi efficace que la dose recommandée sur l’étiquette. La dose d’application des herbicides peut donc varier sans qu’il y ait des pertes de rendement (Hamill et al., 2004). L’application de doses réduites a déjà été plusieurs fois expérimentée. Cette pratique comporte cependant plusieurs risques que les fabricants d’herbicides ne garantissent pas. Pour cette raison un agronome ne peut recommander l’application de doses réduites. En effet, l’application d’une dose réduite peut mener à des pertes de rendements si les mauvaises herbes ne sont pas maîtrisées. De plus, il peut y avoir une augmentation de la banque de graines de mauvaises herbes du sol qui contribue à rendre la lutte aux mauvaises herbes plus difficile les années suivant l’application de doses réduites (Hamill et al., 2004; Simard et al., 2009). De plus, l’expérience de Manalil et al. (2011) montre que l’application d’une dose réduite de diclofop sur du raygrass (espèce allogame) mène à l’apparition rapide de résistance multigénique. Les doses réduites présentent donc un intérêt limité puisqu’elles ne préviennent pas à coup sûr l’apparition de résistance et qu’elles doivent être utilisées avec vigilance.

1.4 Herbicides vs maïs et soya RR®

Avec les avancées de la science, plus particulièrement du génie génétique, il est maintenant possible d’insérer un ou plusieurs gènes de différentes origines dans le génome d’une plante. Cette méthode permet d’obtenir des organismes génétiquement modifiés (OGM) qui possèdent ensuite un caractère nouveau comme la tolérance à un herbicide. Ainsi, des herbicides non sélectifs peuvent être utilisés avec une culture OGM ayant une tolérance à cet herbicide. C’est le cas du maïs et du soya Roundup Ready (RR®) qui sont des cultures tolérantes au glyphosate. Cette technologie offre aux producteurs un outil supplémentaire et efficace de lutte aux mauvaises herbes qui permet d’ailleurs de réduire l’utilisation des herbicides (Green, 2012).

Dans son mémoire, Chouinard (2004) a fait la comparaison entre un système de désherbage dans le maïs et le soya tolérant aux herbicides et un système de désherbage conventionnel. Elle a constaté que le désherbage était meilleur avec le glyphosate quoique cet herbicide n’est pas résiduel et nécessite parfois plus d’une application. Gulden et al.

(2009) ont fait le même constat; les OGM offrent généralement une meilleure répression des mauvaises herbes. Dans le maïs et le soya, cette technologie présente aussi des avantages agronomiques tels que la réduction du coût des intrants, une période d’application des herbicides plus flexible, un large champ d’activité pour la répression des adventices, une lutte constante sous diverses conditions environnementales et finalement la réduction des risques environnementaux en comparaison avec les méthodes conventionnelles. Selon Vialou et al. (2008), les cultures OGM auraient diminué le poids total des matières actives appliquées sur les champs des producteurs américains. Cependant, un usage répété du même herbicide dans une même année, et ce, pour plusieurs années successives augmente la pression de sélection d’espèces résistantes à cet herbicide.

La technologie OGM a fait son apparition dans un contexte agricole où plusieurs mauvaises herbes étaient résistantes à différents herbicides sélectifs conventionnels, où la taille des fermes augmentait et où le nombre de travailleurs agricoles diminuait (Green, 2012). Elle a donc connu un succès rapide auprès des producteurs nord-américains et l’usage du glyphosate est devenu très répandu. Cet outil, très apprécié des producteurs, pourrait être en péril au fur et à mesure que les mauvaises herbes développeront une résistance au glyphosate. Au Canada, quatre espèces de mauvaises herbes ont des biotypes qui ont été déclarées résistants à cet herbicide (Conyza canadensis, Kochia scoparia,

Ambrosia trifida et Ambrosia artemisiifolia). Cependant, aux États-Unis, 14 espèces de

mauvaises herbes ont un biotype reconnu résistant (Heap, 2013).

1.5 La gestion des mauvaises herbes en agriculture de précision

Maintenant, une autre approche est mise de l’avant pour réduire l’utilisation des herbicides : l’agriculture de précision. Avec l’avancée des technologies informatiques, les scientifiques se sont penchés sur la possibilité de les utiliser dans le milieu agricole ce qui a donné naissance à l’agriculture de précision. Cette façon de voir l’agriculture prend en compte la variabilité intrinsèque qui existe à l’intérieur d’un champ et requiert une grande quantité d’information. Il serait donc possible d’appliquer les herbicides seulement là où il y a des mauvaises herbes, limitant ainsi la perte de ceux-ci dans l’environnement (Owen, 2003; Longchamps et al., 2010). En effet, lorsque les herbicides sont appliqués sur un sol nu, non recouvert par le feuillage, les herbicides se retrouvent à la surface du sol et sont

ainsi plus sujet au lessivage (Jensen et Spliid, 2003). De plus, plusieurs articles font mention du fait que les mauvaises herbes poussent de façon regroupée dans les champs (Wallinga et al., 1998; Walter et al., 2002; Wyse-Pester et al., 2002; Gerhards et Christensen, 2003; Gerhards et al., 2012) permettant ainsi de faire des économies d’herbicide. En appliquant les herbicides là où c’est nécessaire uniquement, leur usage pourrait être réduit de 20 à 80 %, et ce, pour plusieurs cultures telles que les céréales, la betterave à sucre, le maïs et le soya (Timmermann et al., 2003; Bongiovanni et Lowenberg-Deboer, 2004; Wiles, 2009).

1.5.1 Détection des mauvaises herbes

Trois paramètres doivent être considérés pour faire de la gestion localisée des mauvaises herbes. Ces paramètres sont déterminants pour la rentabilité de cette technologie et l’économie possible d’herbicides. Premièrement, il faut localiser et identifier les mauvaises herbes et la culture. Ensuite, il faut établir un seuil d’application prenant en compte tous les paramètres pour la prise de décision d’appliquer ou non un herbicide. Finalement, le pulvérisateur devra être en mesure d’appliquer les herbicides de façon précise (Christensen et al., 2009). Déjà, les scientifiques ont développé un pulvérisateur permettant l’application localisée (Goudy et al., 2001; Gerhards et Christensen, 2003; Gerhards et al., 2012). Les seuils d’application eux doivent être déterminés selon les cultures et les mauvaises herbes (Slaughter et al., 2008; Christensen et al., 2009). Pour que la gestion des mauvaises herbes soit possible en agriculture de précision, l’acquisition d’un grand nombre de données précises est essentielle. Plus la connaissance du champ est précise plus les interventions pourront être ciblées (Srinivasan, 2006). Ainsi, un élément clef de cette façon de faire de l’agriculture est l’acquisition de connaissances, dans ce cas précis, la détection des mauvaises herbes. Les différentes recherches qui ont été faites en ce sens n’ont cependant pas encore abouti à un outil pouvant être commercialisé parce que cette technologie rencontre de nombreux défis (Slaughter et al., 2008).

La détection des mauvaises herbes doit répondre à certains critères pour que l’application localisée soit utilisée par les producteurs. La détection doit permettre de distinguer la culture des mauvaises herbes voire même de distinguer les mauvaises herbes

entre elles. Elle doit être assez précise pour faire une économie d’herbicide de façon substantielle et finalement, les coûts de la détection ne doivent pas dépasser les bénéfices reliés à l’économie d’herbicides. La détection peut se faire soit avant l’application de l’herbicide à l’aide de cartes ou pendant l’application avec un appareil permettant de faire la détection en temps réel.

1.5.1.1 Cartes

Plusieurs chercheurs ont tenté d’établir des paramètres permettant de prédire la répartition des mauvaises herbes dans un champ. La grande diversité de conditions environnementales et d’espèces de mauvaises herbes, ainsi que les différentes pratiques culturales, rendent l’évaluation de ces paramètres ardue. Les mauvaises herbes sont des espèces de début de succession qui ont des caractéristiques leur permettant de proliférer dans un habitat constamment perturbé, et ce malgré les nombreux efforts pour les éliminer (Buhler, 1995). Il est cependant reconnu que les mauvaises herbes poussent de façon regroupée dans les champs (Chang et al., 2004). L’identification des caractéristiques fiables permettant de connaître la distribution de la population de mauvaises herbes pourrait mener au développement d’un programme d’échantillonnage pour l’élaboration de cartes. À l’aide de ces cartes, les herbicides pourront être appliqués localement. Cependant, le coût élevé de l’échantillonnage est un obstacle à l’utilisation de cette méthode de dépistage (Wyse-Pester et al., 2002; Timmermann et al., 2003). Dans 86% des cas, il y a une bonne corrélation entre la densité d’un échantillon de mauvaises herbes avec ce qui l’entoure lorsque la distance, dans toutes les directions, se retrouve entre 5m et 100m (Wyse-Pester et al., 2002). D’autres études montrent qu’une dépendance spatiale des mauvaises herbes se situe entre 4,5 m et 80 m (Johnson et al., 1996; Cardina et al., 1997). Les chercheurs en sont venus à la conclusion qu’une grande quantité d’échantillons sont nécessaires pour établir une carte précise de la distribution des mauvaises herbes (Wyse-Pester et al., 2002; Chang et al., 2004). En effet, les bénéfices de la pulvérisation d’herbicides là où les mauvaises herbes sont détectées risquent de diminuer avec l’augmentation de l’échelle de la carte de distribution de celles-ci (Day et al., 1996). L’imagerie satellite et la prise de photos par avion offrent aussi un potentiel intéressant pour faire des cartes, mais cette technologie est coûteuse et sujette aux conditions environnementales comme l’absence de nuages

(LÓPez-Granados, 2011). L’élaboration de cartes de mauvaises herbes permettrait aussi éventuellement d’appliquer les herbicides en prélevée des mauvaises herbes. Cependant, le risque de prédire de façon inexacte les populations de mauvaises herbes est grand (Owen, 2003). Par contre, l’utilisation de capteurs optoélectroniques ou d’appareils d’imagerie numérique pour détecter les plantes indésirables permettrait de faire l’acquisition d’un grand nombre de données et élaborer des cartes précises (Gerhards et Oebel, 2006). Ces capteurs offrent aussi un potentiel pour faire de la détection en temps réel. L’information sur les mauvaises herbes serait lue, analysée et le traitement herbicide serait appliqué lors d’une seule opération (Srinivasan, 2006).

1.5.1.2 Détection en temps réel

La détection des mauvaises herbes en temps réel permettrait d’obtenir une résolution plus précise ainsi qu’une information en temps réel. Cette avenue est donc prometteuse en ce qui a trait à l’économie d’herbicide. Dans leur revue de littérature, Slaughter et al. (2008) présentent les différentes caractéristiques explorées pour l’identification des mauvaises herbes dans les champs soit; la morphologie des plantes, les caractéristiques spectrales et les textures visuelles. Ces caractéristiques ont été mesurées avec des capteurs d’image (ex. : caméra numérique) ou des capteurs de flux i.e. de réflectance (ex. WeedSeeker® technology NTech Industries, Inc. CA, U.S.A.).

Réflectance

Les caractéristiques de réflectance ont été explorées par les scientifiques pour faire l’identification des mauvaises herbes depuis plusieurs années (Blackshaw et al., 1998; Chang et al., 2004; Andújar et al., 2011). Il existe sur le marché un capteur de flux mesurant la réflectance des mauvaises herbes (WeedSeeker® technology NTech Industries, Inc. CA, U.S.A.) et permettant la détection de celles-ci. Cet outil peut être utilisé dans les champs, mais il présente des limites. La réflectance ne permet pas de distinguer les mauvaises herbes entre elles ni de les distinguer de la culture. De plus, ce capteur optoélectronique n’est pas assez précis pour détecter les mauvaises herbes au stade plantule. La taille minimum des mauvaises herbes que ces capteurs peuvent détecter dépend des espèces. Cependant, Blackshaw et al. (1998) ont déterminé que, pour être détecté de façon efficace, les espèces de mauvaises herbes à feuille larges doivent être au minimum au

stade 3 ou 4 feuilles et les graminées, quant à elles, au stade 5 ou 6 feuilles. Il doit être utilisé 70 à 80 minutes après le coucher du soleil pour obtenir de meilleurs résultats puisque la réflectance est influencée par l’angle du soleil (Blackshaw et al., 1998; Andújar et al., 2011). Ce capteur peut être utilisé dans les contextes suivants : en prélevée de la culture avec un herbicide à large champ d’action et avec un herbicide total sur une culture tolérante à celui-ci (Andújar et al., 2011). Le Weedseeker® permet l’application d’herbicides de façon localisé comme le montre le shcéma de fonctionnement de l’appareil à la figure 1.

Figure 1 : Schéma du système de fonctionnement utilisé par le WeedSeeker® technology NTech Industries, Inc. CA, U.S.A.

Tirée du site http://www.ntechindustries.com/demo.html

Fluorescence

La fluorescence est une autre caractéristique des plantes qui laisse une empreinte unique et qui pourrait être utilisée pour faire l’identification des mauvaises herbes. De plus, contrairement à la réflectance, elle n’est pas influencée par l’angle du soleil. Longchamps et al. (2010) ont exploré cette avenue en effectuant une expérience en serre. Ils ont conclu que cette technologie permet de distinguer les mauvaises herbes par grands groupes, monocotylédones et dicotylédones, avec précision, mais la précision diminue lorsque vient le temps de distinguer les mauvaises herbes d’un même grand groupe. Par exemple, le maïs et les mauvaises herbes du groupe des monocotylédones sont difficiles à distinguer avec cette méthode. De plus, cette technologie n’a pas été testée sur le terrain.

Imagerie numérique

Les appareils photo numériques ont acquis une grande popularité ces dernières années et leur prix est maintenant abordable, rendant cette technologie facilement accessible. L’utilisation de ces appareils pour faire de la détection en temps réel serait une avenue intéressante pour les producteurs. Les appareils d’imagerie numérique permettent de faire la détection des mauvaises herbes au stade plantule. Cette technologie représente donc un potentiel plus grand puisqu’elle permettrait de faire la détection des mauvaises dans la période critique d’intervention, soit environ au stade 3-4 feuilles du maïs et au stade 2-3 feuilles trifoliolées du soya (Page et al., 2009; Green-Tracewicz et al., 2012). La période critique d’intervention en gestion des mauvaises herbes est la période où les mauvaises herbes ne doivent pas être présentes avec la culture pour ne pas être en compétition avec la culture et causer des pertes de rendements (Knezevic et al., 2002). Les chercheurs se sont penchés sur deux types d’informations que les photos peuvent fournir pour permettre l’identification des mauvaises herbes, soit la couleur et la forme.

Images numériques : distinction par la couleur

Les appareils d’imagerie numérique (caméra et appareil photo) enregistrent seulement les longueurs d’onde qui font partie du visible. Pour ce faire, elles utilisent trois couleurs, le rouge, le vert et le bleu. Les chercheurs d’Agriculture et Agroalimentaire Canada (AAC) ont développé une façon de segmenter les couleurs des photos prises avec ces appareils pour permettre de faire la distinction entre les mauvaises herbes et le sol (Panneton et Brouillard, 2009). D’autres chercheurs ont aussi développé des techniques semblables (Schuster et al., 2007; Burgos-Artizzu et al., 2009; Lati et al., 2010). La segmentation de couleur permet de distinguer les plantes vertes du sol, mais ne permet pas de distinguer les plantes entre elles. Cependant, cette façon de détecter les mauvaises herbes offre l’avantage d’avoir un temps d’analyse rapide. En effet, la vitesse d’analyse des images joue aussi un rôle important dans la précision de l’acquisition de l’information sur les mauvaises herbes. Avec une vitesse de tracteur de 7 km/h et un temps de 5 secondes entre la prise de photo et la réponse du pulvérisateur, les photos doivent représenter le recouvrement de mauvaises herbes sur une distance d’environ 10 m

((7*1000m)/60*60 s)*5 s =9.72 m). Le temps de réponse doit donc être rapide pour augmenter la précision de l’information (Berge et al., 2008).

Images numériques : distinction par la forme

Une base de données contenant les différentes possibilités de formes de feuilles que l’on rencontre dans un champ a été élaborée (Gerhards et al., 2002; Gerhards et Christensen, 2003; Onyango et Marchant, 2003; Gerhards et al., 2012). Cette méthode permet de distinguer les mauvaises herbes avec succès, mais ralentit le temps de réponse de l’ordinateur. Les données sont donc prises dans le champ avant l’application d’herbicides et ensuite extrapolées pour faire l’élaboration de cartes précises qui serviront pendant l’application d’herbicide.

Les capteurs optoélectroniques et les appareils d’imagerie numérique se retrouvent maintenant confrontés au même problème : comment distinguer la culture des mauvaises herbes rapidement pour permettre la détection en temps réel. L’identification à l’aide de la forme permet de résoudre ce problème, mais requiert un temps de réponse qui augmente l’échelle de résolution et diminue le potentiel d’économie d’herbicide. Andújar et al. (2011) ont proposé, dans leur expérimentation, de contourner le problème dans les cultures semées en rang espacé (ex. : maïs) en détectant les mauvaises herbes là où il n’y a pas de culture soit dans l’entre-rang. Ainsi, avec le Weedseeker®, ils ont été en mesure d’identifier les zones à plus haut ou à moindres risques d’enherbement. Dans cette étude la détection a été faite au stade BBCH 14-16 du maïs (Lancashire et al., 1991) soit environ au stade 5 à 8 feuilles du maïs. Cependant, pour plus de précision et pour éviter d’augmenter la banque de graines de mauvaises herbes dans les sols, il faut s’assurer que le recouvrement des mauvaises herbes présentes dans le rang soit représentatif de celui sur le rang. Longchamps et al. (2012) ont démontré que le recouvrement des mauvaises herbes est significativement plus bas sur l’entre-rang par rapport au rang et que là où la roue de tracteur est passée il n’est pas significativement différent de celui sur le rang dans la culture de maïs. Ces résultats laissent croire que l’entre-rang ne pourrait être utilisé pour détecter les mauvaises herbes dans le maïs sans qu’il y ait une sous-estimation de la pression des mauvaises herbes sauf dans les entre-rangs où le sol a été perturbé par la roue de tracteur. Une

sous-estimation du recouvrement des mauvaises herbes pourrait avoir des conséquences sur le rendement et à moyen et à long terme, sur le degré d’infestation d’un champ (Simard et al., 2009). Certaines plantes pourraient survivre, causer des pertes de rendements et contribuer à augmenter la banque de graines du sol tout en rendant l’application localisée inutile les années suivantes s’il y a trop de mauvaises herbes. D’ailleurs, les économies d’herbicides sont plus prometteuses dans des champs où les mauvaises herbes sont fortement regroupées et non réparties uniformément (Timmermann et al., 2003). Une surestimation, quant à elle, diminuerait les bénéfices potentiels de l’application localisée et de réduction des quantités d’herbicides appliquées.

Différents facteurs peuvent potentiellement modifier la distribution des mauvaises herbes sur le rang et l’entre-rang. Le passage de l’unité de semis perturbe le sol sur le rang. Une dent ouvre le rang puis des disques recouvrent les semences et enfin le passage d’une roue plombeuse favorise le contact de la graine avec le sol. De façon générale, la perturbation du sol favorise la germination des mauvaises herbes (Froud-Williams et al., 1984; Scopel et al., 1994; Ominski et Entz, 2001; Myers et al., 2005). Aussi, l’ajout d’engrais sur le rang favorise la germination de certaines mauvaises herbes (Steinbauer et Grigsby, 1957). La compétition entre la culture et les mauvaises herbes est aussi plus forte sur le rang que sur l’entre-rang vu la plus grande proximité entre les plants.

Lors du semis, les entre-rangs ne subissent aucune perturbation du sol sauf là où la roue du tracteur est passée. Jurik et Zhang (1999) ont observé qu’il y avait plus de mauvaises herbes sur l’entre-rang où la roue de tracteur était passée, et ce, durant les six premières semaines après le semis en comparaison avec l’entre-rang non perturbé dans les cultures de maïs et de soya. Longchamps et al. (2012) ont aussi observé, en début de culture du maïs, une augmentation du recouvrement des mauvaises herbes sur les entre-rangs où la roue de tracteur est passée par rapport à l’entre-rang non perturbé. Ils ont aussi comparé le couvert de mauvaises herbes de l’entre-rang avec celui du rang. Dans plusieurs champs, le couvert de mauvaises herbes du rang n’était pas différent significativement au couvert de mauvaises herbes de l’entre-rang où la roue de tracteur était passée.

1.6 Hypothèse et Objectifs

Le but de cette recherche est d’étudier la répartition des mauvaises herbes entre le rang et l’entre-rang selon différents traitements dans la perspective d’utiliser l’entre-rang comme guide pour faire de la détection de mauvaises herbes en temps réel dans les cultures de soya et le maïs. De plus, elle tentera de valider les résultats obtenus par Longchamps et al. (2012). Dans cette dernière étude, le recouvrement des mauvaises herbes avait été évalué dans un seul type de culture (le maïs) et aucune mesures de dénombrement ou de biomasse n’avaient été prises. Sans compter qu’aucune distinction entre les monocotylédones et les dicotylédones n’avait été faite.

Les objectifs spécifiques de cette étude sont les suivants : 1) séparer l’effet du semoir de celui de la culture (Volet 1), 2) comparer l’effet du passage de la roue de tracteur avec le passage du semoir (Volet 2) et 3) déterminer quel (s) outil (s) pourrait servir à perturber le sol de l’entre-rang pour permettre la détection des mauvaises herbes par l’entre-rang (Volet 3).

Dans les cultures conventionnelles de maïs et de soya, les hypothèses de départ sont : 1) il y a plus de mauvaises herbes sur le rang que sur l’entre-rang; 2) la compétition causée par la présence de la culture n’a pas d’effet sur la levée ou la biomasse des mauvaises herbes en début de saison (avant la première application d’herbicide); 3) il y a plus de mauvaises herbes dans l’entre-rang perturbé par la roue de tracteur et 4) le passage d’un instrument aratoire (dent, roue plombeuse) favorise la levée et la biomasse des mauvaises herbes.

2. Méthodologie

2.1 Localisation et caractéristiques édaphiques des sites expérimentaux

L’expérimentation a eu lieu en 2010 et en 2011 à la ferme expérimentale de l’Université Laval à Saint-Augustin-de-Desmaures (46.44 N, 71.27 W) et à la ferme expérimentale d’Agriculture et Agroalimentaire Canada à St-Jean-sur-Richelieu (45.30 N, 73.34 W). Pour l’année 2010, deux champs par site ont été sélectionnés. Pour chaque site, un champ a été choisi pour avoir une texture de sol lourde et un autre pour avoir une texture de sol plus légère (selon la variabilité des sols de chaque ferme).

Tableau 1 : Caractéristiques des sols à Saint-Augustin-de-Desmaures et à Saint-Jean-sur-Richelieu, Québec

Saint-Augustin-de-Desmaures Saint-Jean-sur-Richelieu

Champ 40-N-O Champ 64 Champ 19 Champ 34

Texture série de sol Loam sableux Série de Tilly Loam Série de Joly Loam argileux Sabrevoix St-Blaise Laprairie Loam Ste-Brigide Boitreau St-Blaise

2.2 Régie de culture des parcelles expérimentales

La régie de culture a été établie selon les pratiques culturales les plus couramment utilisées au Québec et en Ontario. Les champs sélectionnés pour l’expérimentation ont été labourés à l’automne. Chaque champ a été séparé en deux sections. Une première section a été semée en maïs et l’autre en soya et vice versa pour l’année subséquente (rotation maïs-soya). Les cultivars de maïs et de soya étaient tous les deux tolérants au glyphosate (voir tableau 2). L’écartement entre les rangs était de 75 cm avec une densité de semis de 83 000 graines/ha pour le maïs et 500 000 graines/ha pour le soya. Cet écartement est le même pour les deux cultures pour faciliter l’expérimentation et pour éliminer cette variable de l’étude. En 2011, lors du semis de maïs dans le champ no. 64 à Saint-Augustin, le maïs a

été semé deux fois plus dense par erreur. Pour corriger la situation, un plant sur deux a été éliminé avec l’application manuelle de l’herbicide quizalofop P-éthyle à une concentration de 10 % à l’aide d’une seringue, environ 2 gouttes par plant. Cette application a été faite lorsque les plants étaient à peine pointés, au stade une à deux feuilles.

Les dates de semis et les dates d’application de l’herbicide pour toutes les parcelles expérimentales sont présentées dans le tableau 3. Dans ce tableau, il y a les degrés jours de croissance, les unités thermiques maïs et les précipitations accumulées pour chaque champ et chaque culture sont aussi présentées.

La fertilisation a aussi été faite selon les pratiques culturales conventionnelles au Québec. Les cultivars semés, les doses et les formulations d’engrais minéraux appliquées sont présentés au tableau 2.

Tableau 2 : Fertilisation (dose, formulation) pour les différents cultivars semés dans les parcelles expérimentales à Saint-Augustin-de-Desmaures et à Saint-Jean-sur-Richelieu

site année culture Dose Formulation

S aint -August in -de -De sm aur es 2010 Maïs Hybride DKC 26-78 RR 45 kg/ha d’azote 280 kg/ha de 16-15-11 Soya Variété : DKB00-99 -- -- 2011 Maïs Hybride Pioneer 39D97 RR/LL 40 kg/ha d’azote 206 kg/ha de 19-17-13 Soya Variété: DKB26-11RY -- -- S aint -Je an -sur -R ich eli eu ₂₀₁₀ Maïs Hybride 38M58 RR 46,5 kg/ha d’azote 250kg/ha de19-19-19 Soya Variété : Pionner 91M01 -- -- 2011 Maïs Hybride 9623 HR RR 46,5 kg/ha d’azote 300kg/ha de 15-15-15 Soya Variété : Pionner 91M01 30 kg/ha d’azote 110 kg/ha de 27-0-0

Tableau 3 : Dates de semis (application des traitements), dates des prises de photos (moment de l’application d’herbicide), degré jours de croissance, unité thermique maïs et précipitation pour la durée de l’expérimentation pour les deux sites dans le maïs et le soya

Sai nt -A ugu st in -de -D esm au res m aï s Année 2010 Année 2011 champ 40 64 40 64

Date de semis 12 mai 18 mai 25 mai 3 juin

Date de la prise de photos 8 juin 15 juin 20 juin 4 juillet

*Degré jours de croissance 265 320 294 385

*Unité thermique maïs 414 509 463 616

*Précipitation (mm) 78,5 76,8 92 81,6

soya

champ

Année 2010 Année 2011

40 64 40 64

Date de semis 25 mai 25 mai 25 mai 3 juin

Date de la prise de photos 22 juin 29 juin 4 juillet 7juillet

*Degré jours de croissance 348 437 478 528

*Unité thermique maïs 552 698 758 836

*Précipitation (mm) 80,6 117,4 137,4 147,8 Sai nt -J ea n-su r-R iche li eu, m aï s champ Année 2010 Année 2011 19 34 19 34

Date de semis 7 mai 7 mai 25 mai 25 mai

Date de la prise de photos 9 juin 9 juin 16 juin 16 juin

*Degré jours de croissance 342 342 289 289

*Unité thermique maïs 531 531 458 458

*Précipitation (mm) 97,6 97,6 63,3 63,3

soya

champ

Année 2010 Année 2011

19 34 19 34

Date de semis 20 mai 20 mai 25 mai 25 mai

Date de la prise de photos 21 juin 21 juin 5 juillet 5 juillet

*Degré jours de croissance 410 410 574 574

*Unité thermique maïs 650 650 911 911

*Précipitation (mm) 137,9 137,9 134,1 134,1

2.3 Les traitements et le dispositif expérimental

Le dispositif comprend deux sites, deux champs par site, deux années d’expérimentation (2010 et 2011) et deux cultures en rotation (maïs et soya). Chaque champ est séparé en deux cultures soit le maïs et le soya. Chaque culture est divisée en quatre blocs complets aléatoires à l’intérieur desquels sont disposés quatre à sept traitements. Pour chaque traitement, il y a deux quadrats sur le rang et deux autres sur l’entre-rang. Les deux quadrats (Q1 et Q2) de 15 cm de largeur x 75 cm de longueur parallèle aux rangs sont positionnés l’un vis-à-vis de l’autre, l’un sur le rang et l’autre sur l’entre-rang. La largeur des quadrtas a été choisie pour s’assurer que les données prises sont bien dans la zone d’influence de la perturbation (ex. unité de semis) effectuée et ne se chevauche pas. Ils ont été disposés aléatoirement le long des rangs en conservant une distance de trois mètres des extrémités des rangs pour éviter l’effet de bordure. Tous les traitements ont été appliqués lors du semis. Un plan de l’expérience est présenté en annexe 1.

Les traitements appliqués sont les suivants : 1) le passage de la roue de tracteur dans l’entre-rang (une passe seulement)(TRAC), 2) un rang non semé (passage du semoir sans semences)(RNS), 3) un rang semé (passage du semoir avec semences vis-à-vis le rang non semé)(RNS_C), 4) le passage d’une roue plombeuse lourde (RP), 5) le passage d’une dent avec une roue plombeuse lourde (D+RP), 6) le passage d’une dent seule (D) et 7) un témoin (T). La dent travaille à une profondeur de 5 cm. Trois traitements (no 1, 2 et 3) n’ont cependant été effectués qu’en 2011.

Figure 2 : Outils utilisés pour l’application des traitements dans l’entre-rang

Figure 3 : Schéma d’un bloc du dispositif expérimental

2.4 La prise de photographies

Les photos ont été prises environ une à deux journées avant l’application du traitement herbicide de glyphosate, soit au stade 3-4 feuilles du maïs et 2-3 feuilles trifoliolées du soya. Le choix de la date de la prise de photo tenait compte du stade de la culture et du recouvrement des mauvaises herbes tel que l’aurait fait un agriculteur pour déterminer le moment de l’application du premier traitement d’herbicide.

Dent

L’appareil photo a été installé sous une tente mobile. Cette tente, faite d’une structure en aluminium, était recouverte d’une toile opaque (figure 6). Elle permet d’obtenir des photos ayant une luminosité constante avec l’aide de deux flashs de forte intensité et de réflecteurs. Ainsi, il n’y a pas de saturation des pixels souvent causée par la luminosité naturelle. L’appareil est positionné au sommet de la tente, pointé vers le sol à une distance du sol d’environ 2,5 m. La surface couverte par la photo est de 3 m par 2 m, soit 4 rangs avec un espacement de 75 cm. Un opérateur dirige la tente à l’avant de celle-ci et contrôle la vitesse. Un appareil photo numérique de marque Nikon D100 RGB a été utilisé. Chaque photo contient environ 6 millions de pixels (3008 x 2000) ce qui donne une résolution d’environ 1 pixel/mm2. Les photos ont été enregistrées sur une carte mémoire CF (CompactFlash) de 4 GB (Gigabytes) dans le format de fichier JPEG (Joint Photographic Experts Group). Ces photos ont ensuite été transférées sur un disque dur.

Tableau 4 : Ajustement des paramètres de l’appareil photo numérique Nikon D100 RGB

Vitesse 1/200 s

Qualité d’image jpeg, fine

Ouverture F/8

Sensibilité ISO 400

Résolution élevée

Balance des blancs flash

Exposition manuelle

Espace de couleur sRGB (mode III) Dimension image 3008 x 2000 Toutes les autres fonctions sont désactivées (noise réduction, sharpening, etc.)

Les photos ont ensuite été analysées à l’aide d’un algorithme utilisant la segmentation des couleurs d’une image et de cette façon il a été possible de distinguer la végétation du sol. Selon la méthode élaborée par Onyango et Marchant (2001), les pixels verts ont été convertis en blanc et les autres pixels (sol, résidus de culture…) en noir. On obtient donc de cette façon une image en noir et blanc. Le pourcentage de recouvrement de mauvaises herbes a été estimé par le décompte des pixels blancs de la photo à l’aide d’un logiciel sous MatlabTM (2007 b, Mathworks, Natick, MA, USA) développé par les chercheurs d’AAC (Panneton et Brouillard, 2009). En 2010, le couvert végétal de la culture était soustrait du couvert de mauvaises herbes lors de l’analyse des photos. Étant donné que cette façon de faire est très exigeante en temps, les plants de maïs et de soya à l’intérieur des quadrats ont été coupés et enlevés avant la prise de photo en 2011.

2.5 Biomasse des mauvaises herbes

Le dénombrement et la biomasse sèche des mauvaises herbes sur les rangs et les entre-rangs ont été analysées le même jour que la prise de photo. Le dénombrement des mauvaises herbes a été fait à l’intérieur de chaque quadrat selon quatre grands groupes soit : 1) les graminées annuelles; 2) les dicotylédones annuelles; 3) les graminées vivaces; et 4) les dicotylédones vivaces. La biomasse aérienne a été prélevée et séchée pendant cinq

jours à une température de 105 °C. Il est à noter que les sections de feuilles des plants enracinés dans le quadrat qui dépassaient celui-ci n’ont pas été conservées. Les sections de feuilles de plants enracinés à l’extérieur du quadrat qui étaient à l’intérieur de celui-ci ont été quant à elles prélevées. De cette façon, la biomasse pesée correspond au recouvrement des mauvaises herbes estimé à l’aide de l’analyse des photos.

Pour avoir un aperçu des espèces présentes dans chaque champ, l’identification des mauvaises herbes a été faite à l’espèce dans au moins une unité expérimentale par bloc.

2.6 Analyses statistiques

Les données ont été transformées pour que les mesures prises dans l’entre-rang soient indissociables de celles prises dans le rang vis-à-vis. Avant d’être analysées, les données (dénombrement, biomasse et recouvrement des mauvaises herbes) ont été transformées sous la forme de pourcentages selon l’équation suivante :

Équation 1 : Ratio (%) des mauvaises herbes dans l’entre-rang % MHE= Proportion de mauvaises herbes dans l’entre-rang E= mauvaises herbes présentes dans le quadrat de l’entre-rang R= mauvaises herbes présentes dans le quadrat du rang

Le % MHE a été calculé après avoir fait une moyenne des données mesurées dans les quadrats (Q1 et Q2) sur le rang et une moyenne des données mesurées dans les quadrats de l’entre-rang (Q1 et Q2). Ainsi, avec les quatre quadrats par traitement on obtient une seule variable réponse sous forme de pourcentage (voir tableau 5). Toutes les analyses statistiques ont été faites à l’aide de la proportion obtenue avec les données appariées.

Tableau 5 : Moyennes des données mesurées dans le champ no. 40 pour le traitement témoin (T)

Culture Variables Position Mesure % MHE

maïs

Recouvrement des

mauvaises herbes (%) Rang Entre-rang 22,21 15,42 41 Biomasse sèche des

dicotylédones (g)

Rang 1,34 47

Entre-rang 1,20

Biomasse sèche des graminées (g)

Rang 0,16 41

Entre-rang 0,11

Dénombrement des

dicotylédones Rang Entre-rang 40 36 47

Dénombrement des graminées Rang 20 47 Entre-rang 18 soya Recouvrement des

mauvaises herbes (%) Rang Entre-rang 23,63 34,92 60 Biomasse sèche des

dicotylédones (g) Rang Entre-rang 1,81 2,58 59 Biomasse sèche des

graminées (g) Rang 0,57 56 Entre-rang 0,74 Dénombrement des dicotylédones Rang 27 48 Entre-rang 25 Dénombrement des graminées Rang 24 45 Entre-rang 20

L’analyse statistique a été faite à l’aide du logiciel SAS 9,2 avec un modèle mixte où les traitements de perturbation du sol et de la culture mise en place sont les effets fixes. Les effets aléatoires sont les sites, les champs, les années et les blocs. Les champs sont emboîtés dans les sites et les blocs sont quant à eux emboîtés dans la combinaison de la culture, de l’année et des champs dans les sites. Les comparaisons multiples pour déterminer les différences significatives entre les niveaux des facteurs ont été ajustées selon la méthode de Tukey ou méthode HSD (Honestly Significant Difference). Les postulats de normalité et d’homogénéité de la variance des résidus ont été validés pour les valeurs obtenues suite au pairage des données (% MHE) et aucune transformation supplémentaire n’a été nécessaire. Les variables suivantes ont été analysées séparément : 1-recouvrement des mauvaises herbes, 2-dénombrement des mauvaises herbes , 3- biomasse sèche totale

des mauvaises, 4- dénombrement des monotylédones, 5- biomasse sèche des graminées, 6- dénombrement des dicotylédones et finalement 7- biomasse sèche des dicotylédones.

Le % MHE a été comparé avec une valeur de 50 % pour laquelle il y a autant de mauvaises herbes sur le rang que sur l’entre-rang. La comparaison des moyennes pour un seul échantillon à l’aide d’une statistique de Student a été faite à l’aide de la formule suivante;

√

⁄

Équation 2 : Comparaison de moyenne pour un seul échantillon à l’aide d’une statistique de Student

U = moyenne des observations

µ= la valeur fixe à laquelle on veut comparer la moyenne des observations s= écart type des données

n= nombre d’observations utilisées pour calculer la moyenne T= valeur de T

Les valeurs de T obtenues à l’aide de cette formule sont ensuite comparées à une loi de Student à n-1 degrés de liberté. Un seuil de 5 % a été établi pour déterminer les différences significatives des moyennes avec la valeur choisie. Ce test a été fait avec les traitements suivants : le passage de la roue de tracteur (TRAC), de la roue plombeuse (RP) et le traitement témoin (T). Les variables testées sont le recouvrement des mauvaises herbes, la biomasse totale et le dénombrement total.

3. Résultats

Près de 51 espèces de mauvaises herbes ont été répertoriées dans les champs à l’étude (voir tableau 6). La diversité et l’abondance des espèces de mauvaises herbes varient entre les champs. Les champs no. 19 et no. 34 ont une prédominance d’espèces de mauvaises herbes faisant partie du groupe des monocotylédones. Dans le champ no. 19, on y retrouvait beaucoup de Echinochloa crus-galli et de Panicum capillare. Dans le champ no. 34, on y retrouvait aussi abondamment ces deux espèces ainsi que les deux sétaires, Setaria glauca et Setaria viridis. Le champ no. 40 est celui des quatre qui était le plus riche en mauvaises herbes. Les espèces qui prédominaient dans ce champ était l’herbe à poux, Ambrosia artemisiifolia, l’amarante, Amaranthus retroflexus, deux espèces de chénopode, Chenopodium album et Chenopodium ficifolium, et la sétaire verte. Le champ no. 64, contenait beaucoup de plantules de pissenlit, Taraxacum officinale, de sétaire verte, de chénopode et de pied-de-coq.

Tableau 6: Abondance relative des espèces de mauvaises herbes rencontrées dans les champs d’expérimentation Champ Espèces rencontrées 19 34 40 64 Abutilon threophrasti + Acalypha + ++ + Amaranthus retroflexus + + +++ + Ambrosia artemisiifolia ++ ++ ++++ + Asclepias syriaca + + + Brassica kaber + Capsella burssa-pastoris + + + Chenopodium album + + ++++ + Chenopodium ficifolium + + +++ +++ Chrysanthenum leuc. + + + + Cirsium arvense + Equisetum arvense + + + ++ Erysimum cheiranthoides + + Euphorbia helioscapia +

Galeopsis tetrahit (ortie) +

Galinsoga ciliata + + ++ Gnaphalium + + ++ Lactuca scariola + Matricairia sp + + Oxalis stricta + + Plantago major + + + + Polygonum aviculare + ++ + + Polygonum convolvulus + +++ Polygonum persicaria + + + + Polygonum scabrum + + Portulaca oleracea + + + + Rorippa inslandica ++ Senecio vulgaris ++ + Sonchus Arvensis + + Sonchus asper + + + Sonchus oleraceus + ++ Spergula arvensis + + Stellaria media + + + Taraxacum officinale +++ ++ ++ +++ Thlaspi arvense ++ + + +++ Tragopogon pratensis + Trifolium repens + + Vicia cracca + + + Tussilago farfara + + Agropyron repens ++ +++ + Digitaria ischaemum + Digitaria sanguinalis ++ + Echinochloa crusgalli +++ ++ ++ + Panicum capillare +++ +++ ++ +++ Panicum dichotomiflorum ++ ++ ++ + Poa sp + + ++ + Setaria glauca + ++++ ++ ++ Setaria viridis ++ +++ ++++ +++ Solanum lycopersicum + +++ +

2010 2011 Densit é de s g ramin é es ( p lant /m 2 ) Densit é de s d icot ylé d o n es ( p lant /m 2 ) (p lant /m 2 ) Bio mass e s èc h e d es g ramin é es ( g /m 2 ) Bio mass e s èc h e d es d icot ylé d o n es ( g /m 2 )

Figure 5 : Densité et biomasse sèche des graminées et des dicotylédones pour le maïs dans les quatres champs échantillonnés (no. 19, 34, 40 et 64) au cours des années 2010 et 2011

de ns ité g ra m 0 200 400 600 800 19 34 40 64 Champ de ns ité g ra m 0 200 400 600 800 19 34 40 64 Champ de ns ité d ic o 0 200 400 600 800 19 34 40 64 Champ de ns ité d ic o 0 200 400 600 800 19 34 40 64 Champ bi om as se g ra m 0 10 20 30 40 50 19 34 40 64 Champ bi om as se g ra m 0 10 20 30 40 50 19 34 40 64 Champ bi om as se d ic o 0 10 20 30 40 50 19 34 40 64 Champ bi om as se d ic o 0 10 20 30 40 50 19 34 40 64 Champ

2010 2011 Densit é de s g ramin é es (p lant /m 2 ) Densit é de s d icot ylé d o n es ( p lant /m 2 ) Bio mass e de s gra m inée s (g /m 2 ) Bio mass e de s d icot ylé d o n es ( g /m 2 )

Figure 6 : Densité et biomasse sèche des graminées et des dicotylédones pour le soya dans les quatres champs échantillonnés (no. 19, 34, 40 et 64) au cours des années 2010 et 2011. Les moyennes sont reliées par une droite.

de ns ité g ra m 0 200 400 600 800 19 34 40 64 Champ de ns ité g ra m 0 200 400 600 800 19 34 40 64 Champ de ns ité d ic o 0 200 400 600 800 19 34 40 64 Champ de ns ité d ic o 0 200 400 600 800 19 34 40 64 Champ bi om as se g ra m 0 10 20 30 40 50 19 34 40 64 Champ bi om as se g ra m 0 10 20 30 40 50 19 34 40 64 Champ bi om as se d ic o 0 10 20 30 40 50 19 34 40 64 Champ bi om as se d ic o 0 10 20 30 40 50 19 34 40 64 Champ

En observant les mauvaises herbes mesurées dans les parcelles du traitement témoin (rang et entre-rang combinés), il est possible de mettre en évidence les différences entre les populations de mauvaises herbes dans les champs utilisés pour l’étude. Les figures 5 et 6 présentent la biomasse sèche et la densité des mauvaises herbes par culture (maïs figure 5 et soya figure 6), par grand groupe de mauvaises herbes, par champ (no 19, 34, 40 et 64) et par année (2010 et 2011). Ces figures permettent de mettre en évidence qu’une section du champ no 40 a une forte présence des dicotylédones. En effet, on observe une abondance particulièrement plus élevée des dicotylédones dans ce champ que dans les autres champs dans le maïs en 2010 et dans le soya en 2011. Comme les cultures ont été inter changées en 2011 on peut conclure qu’une section du champ no. 40 avait une pression forte de dicotylédones.

Aussi, lorsque les figures 5 et 6 sont mises côte-à-côte, on remarque des différences entre les cultures et la présence des mauvaises herbes par grand groupe. Comme aucune analyse statistique n’a été faite sur ces données on ne peut parler que d’allure générale des données. Dans le soya, la pression des graminées a une plus grande variabilité et les moyennes de densité et de biomasse sèche des graminées sont plus élevées que dans le maïs.

3.1 Volet 1 : Effet de la présence d’une culture sur le rang

sur la répartition des mauvaises herbes

Le rang non semé et son témoin semé vis-à-vis ont été analysés pour séparer l’effet de la culture et du semoir sur la levée des mauvaises herbes en début de saison. Ainsi, l’effet de la culture sur la levée des mauvaises herbes pourra être observé. Les valeurs de p calculées (probabilités) sur les effets fixes de l’analyse statistique (la culture et les traitements) montrent qu’il existe une interaction entre les cultures et les traitements pour toutes les variables mesurées sauf en ce qui concerne la biomasse sèche et la dénombrement des mauvaises herbes dicotylédones (voir tableau 7). Pour ces deux variables, il n’y a pas de différence significative entre les cultures et entre les traitements. Pour ce qui est des autres variables, il existe une interaction entre la culture et le traitement et l’analyse doit donc se faire pour chaque culture séparément comme présenté à la figure 7. La figure 8

présente les données mesurées sur le rang non semé et celui vis-à-vis semé avant qu’ils soient mis en pourcentage. Ainsi on observe que le comportement des mauvaises herbes n’est pas le même dans le maïs que dans le soya.

Figure 7 : Pourcentage moyen des mauvaises herbes présentes sur l’entre-rang (% MHE) pour les traitements du rang semé et du rang non semé correspondant. Les erreurs types sont représentées par des barres.

20 30 40 50 60 70 80

rang semé rang non semé

% M H E p o u r le r e co u vr e m e n t d e s m au vai ses h e rb e s soya maïs 20 30 40 50 60 70 80

rang semé rang non semé

% M H E p o u r la b io m asse sèc h e d e s gr am in é e s soya maïs 20 30 40 50 60 70 80

rang semé rang non semé

% M H E p o u r le d é n o m b re m e n t d e s gr am in é e s soya maïs