• Aucun résultat trouvé

Modélisation des pertes de rendement des cultures de blé d’hiver au Grand-Duché de Luxembourg sur base de l’étude des surfaces photosynthétiquement actives.

N/A
N/A
Protected

Academic year: 2022

Partager "Modélisation des pertes de rendement des cultures de blé d’hiver au Grand-Duché de Luxembourg sur base de l’étude des surfaces photosynthétiquement actives."

Copied!
151
0
0

Texte intégral

(1)

Thèse présentée en vue de l’obtention du grade de Docteur en sciences et gestion de l’environnement

par

Christophe MACKELS

Jury :

Pr.C.Périlleux Université de Liège, sciences de la vie Président Pr.L.Hoffmann CRP Gabriel Lippmann, Environnement et agro-biotechnologies Rapporteur Dr.P.Delfosse CRP Gabriel Lippmann, Environnement et agro-biotechnologies Rapporteur Dr.M.O. Bancal Institut National Agronomique de Paris-Grignon Examinateur Dr.B.Tychon Université de Liège, sciences et gestion de l’environnement Examinateur Dr.M.El Jarroudi Université de Liège, sciences et gestion de l’environnement Examinateur Département des Sciences et

Gestion de l’Environnement

Modélisation des pertes de rendement des cultures de blé d’hiver au Grand-Duché de Luxembourg sur base de l’étude des surfaces

photosynthétiquement actives.

(2)

2

SOMMAIRE

INTRODUCTION GENERALE ... 4

Historique de la quantification et de la modélisation des pertes de récoltes. ... 6

Effets des pathogènes foliaires sur la photosynthèse à l’échelle de la feuille. ... 8

Historique des études concernant la relation entre la surface verte et le rendement ... 10

Effets des fongicides sur la surface verte et gains en rendement. ... 14

Elaboration des rendements et cycles des pathogènes présents sur les feuilles de blé au Grand-Duché de Luxembourg... 15

PROBLÉMATIQUE ET APPROCHE ENVISAGÉE. ... 19

Hypothèses de travail. ... 19

Approche envisagée. ... 20

Structure du travail... 21

PARTIE I : METHODOLOGIE D’ACQUISITION DES SURFACES ET DES SURFACES FOLIAIRES VERTES. ... 22

CHAPITRE I : Acquisition des surfaces ... 24

I.1. Acquisition des surfaces par l’analyse d’images et validation de la méthode. ... 24

Matériel et méthodes... 24

Résultats et discussion. ... 33

I.2. Acquisition du pourcentage de surface verte par la méthode d’estimation visuelle et corrélations avec les données issues de la méthode d’estimation par l’analyse d’images... 39

Introduction... 39

Matériel et méthodes... 41

Résultats et discussion ... 41

CHAPITRE II : Obtention du LAI. ... 45

II.1. Obtention et validation d’un modèle de détermination du LAI à partir de valeurs de PAI obtenues à l’aide d’une méthode indirecte... 45

Introduction... 45

Matériel et méthodes... 47

Résultats et discussion ... 51

II.2. Estimation de la relation existant entre la fraction du sol couverte par la canopée verte, le LAI et la surface verte foliaire des trois dernières feuilles du blé d’hiver. ... 54

Introduction... 54

Matériel et méthodes... 55

Résultats et discussion ... 56

Conclusion générale de la partie I ... 62

PARTIE II : MODELISATION DES PERTES DE RENDEMENT. ... 64

CHAPITRE I : Validation d’un modèle d’estimation des rendements du blé d’hiver au Grand Duché de Luxembourg. ... 66

I.1. Validation du modèle de calcul du HAA. ... 66

Matériel et méthodes. ... 66

Résultats et discussion... 69

I.2. Validation du modèle de calcul de la matière sèche. ... 75

Matériel et méthodes. ... 75

Résultats et discussion... 78

(3)

3

CHAPITRE II : Simplification et amélioration d’un modèle d’estimation des rendements du blé d’hiver au

Grand Duché de Luxembourg. ... 85

II.1. Simplification du modèle du calcul du HAA. ... 85

II.2. Simplification du modèle de calcul de la matière sèche... 86

II.3. Analyse des biais introduits par l’utilisation des estimations visuelles du pourcentage de surface verte... 87

Matériel et méthodes. ... 88

Résultats et discussion... 88

II.4. Amélioration de l’application du modèle de la matière sèche à la culture du blé d’hiver sur le site expérimental d’Everlange. ... 93

Matériel et méthodes. ... 93

Résultats et discussion... 97

Conclusion ... 105

Conclusion générale de la partie II ... 109

PARTIE III : APPLICATION DU MODELE EN CONDITIONS REELLES... 111

Matériel et méthodes... 112

Résultats et discussion. ... 116

Conclusion. ... 126

DISCUSSION GENERALE ET PERSPECTIVES ... 129

Contexte et domaine de l’étude... 130

Approches envisagées aux différentes étapes. ... 130

Validité de l’étude... 132

Synthèse des résultats issus de l’acquisition des données. ... 133

Synthèse des résultats issus de la validation, la simplification et l’amélioration d’un modèle d’estimation des rendements. ... 135

Synthèse des résultats issus de la proposition d’un modèle de simulation des risques de perte de rendement. ... 136

Conclusion et perspectives... 137

BIBLIOGRAPHIE ... 142

(4)

4

INTRODUCTION GENERALE

La politique agricole commune (PAC) et celle du Luxembourg ont pour principaux objectifs d'accroître la productivité de l'agriculture, d'assurer un niveau de vie équitable à la population agricole, de stabiliser les marchés, de garantir la sécurité des approvisionnements et d’assurer des prix raisonnables aux consommateurs.

L'Union européenne s'attache ainsi à promouvoir une agriculture de qualité, respectueuse de l'environnement et des normes sanitaires1.

Dans ce contexte, l’estimation des pertes de récoltes pour différents scenarii (selon les variétés, les précédents culturaux, les traitements phytosanitaires, les accidents climatiques) en cours de saison agricole est intéressante car elle permettrait d’appliquer des produits phytosanitaires de manière plus raisonnée, de façon à améliorer à la fois le rendement économique des cultures et la préservation de l’environnement.

Sur de grands territoires, la prévision des rendements avant les récoltes intéresse également les agences gouvernementales, les entreprises et les producteurs, de manière à anticiper leurs actions (Boote et al., 1996). Les informations précoces sur les rendements et les volumes de production peuvent aider ces institutions dans la planification des activités de transport, le marketing des produits agricoles ou la planification des importations de denrées alimentaires.

A l’échelle mondiale, les prix des marchés agricoles sont influencés par l’information sur l’offre ou la consommation de denrées alimentaires (Marcus and Heitkemper, 1994). L’ajustement des prix du marché ou les changements de l’offre agricole dans un coin du monde provoquent souvent un ajustement des prix dans d’autres territoires éloignés. A l’échelle Européenne, c’est la Direction Générale de l’Agriculture (DG Agri) de l’Union Européenne qui est responsable de la mise en œuvre et du contrôle des différentes politiques en agriculture. Pour gérer ces politiques, la DG Agri a besoin d’informations détaillées sur les surfaces cultivées, les rendements des cultures et les volumes de production (De Winne, 1994). Pour aider la DG Agri dans l’estimation des rendements attendus, un modèle de croissance des cultures a été combiné à une carte détaillée des sols, des paramètres pour les différentes cultures et des informations spatialisées sur les cultures pour créer le Crop Growth Simulation System (CGMS). Ce système, comprend le modèle WOFOST qui utilise des observations météorologiques pour estimer les statuts des cultures (par ex. stress hydrique, production de biomasse, etc…) au cours de la saison de croissance et le rendement à la fin de la saison. D’autres approches ont également été envisagées, au niveau européen, pour

1 Site « europa » de la Commission européenne ; http://euramis.net/pol/agr/index_fr.htm.

(5)

5

effectuer des estimations du rendement. L’étude de la tendance statistique des rendements des années passées est par exemple prise en compte au dernier niveau des sorties de CGMS2. D’autre part, la télédétection est également mise au service d’un suivi de l’agriculture et complémente le modèle CGMS dans son estimation des rendements au travers du projet MARS (Monitoring Agriculture with Remote Sensing techniques).

Parallèlement au travail de recherche mené par l’Union Européenne, des équipes de chercheurs explorent d’autres approches pour l’estimation et la prévision des rendements sur certaines cultures dans leur pays. Plus particulièrement, certaines approches sont issues d’équipes étudiant la relation existant entre les pertes de rendement et le développement des principales maladies et pestes affectant une culture. Dans le cas présent, la culture étudiée est le blé d’hiver, et les principales maladies affectant son rendement sont la septoriose, causée par la forme conidienne Septoria tritici [Robbins et Desmazières], téléomorphe Mycosphaerella graminicola [Fuckel et Schroeter], et la rouille brune causée par Puccinia triticina (forme asexuée). Ces maladies s’attaquent aux surfaces foliaires et affectent le rendement au travers des effets qu’elles ont sur la cinétique de dégradation des surfaces photosynthétiques (Shaw et Royle, 1989b ; Scholes, 1992).

Le Modèle Proculture, validé pour la culture du blé tendre d’hiver au Grand-Duché de Luxembourg (El Jarroudi et al., 2002) permet de faire des avertissements concernant l’application de produits phytosanitaires par un suivi et une prévision du développement de la septoriose au cours de la saison de culture. Ce modèle ne présente pas de module adapté à l’estimation des rendements, or l’estimation des rendements pourrait contribuer à la construction d’un indicateur plus solide de déclenchement des traitements. Un module « rendement » basé sur une connaissance des risques de pertes de rendement en fonction du nombre de traitements motiverait l’agriculteur dans son choix d’appliquer un ou deux traitements.

Ce travail vise à compléter le modèle Proculture par un module d’estimation des pertes de rendement. Pour atteindre cet objectif, l’impact des stress biotiques et abiotiques sur l’interception du rayonnement photosynthétiquement actif par les surfaces foliaires vertes du blé tendre d’hiver au Grand-Duché de Luxembourg va être étudié. L’étude des surfaces vertes et du rayonnement intercepté par celles-ci pour expliquer et estimer les risques de pertes de rendement est une démarche qui a été choisie sur base de la connaissance de l’évolution des recherches dans le domaine de la modélisation des pertes de rendement en présence de pathosystèmes.

2 site officiel : http://agrifish.jrc.it/marsstat/Crop_Yield_Forecasting/cgms.htm

(6)

6

Au cours de cette introduction, un bref historique des études dans le domaine de la quantification et de la modélisation des pertes de récoltes montre le cheminement de la recherche, les différentes voies explorées, leur comparaison et l’intérêt de certaines par rapport à d’autres dans un premier volet. Ce premier volet nous amène à l’apparition des premières recherches posant les fondements de l’approche qui a été envisagée. Les quatre volets introductifs suivants exposent l’évolution des connaissances dans des domaines formant les piliers de l’approche de ce travail. La problématique ainsi que la structure et la logique qui animent ce travail seront ensuite exposées au travers du dernier volet introductif.

Historique de la quantification et de la modélisation des pertes de récoltes.

Zadoks (1987) définit 3 périodes dans l’histoire de la recherche sur les pertes de récoltes : la période exploratoire, d’urgence et d’implantation.

La période exploratoire est caractérisée par un intérêt pour les pertes de récoltes initiées par des épidémies sévères comme celle du mildiou dans les années 1940. Des concepts et des méthodologies standardisées de recherche ont alors vu le jour.

La période d’urgence couvre les deux guerres mondiales, période qui a vu paraître un grand nombre de travaux sur les méthodes pour estimer les pertes de récoltes des aliments de base tels que la pomme de terre et le blé (Large, 1993 ; Luo et al.,1993).

La FAO (Food and Agriculture Organisation) (Chiarappa, 1971 ;Chiarappa, 1981) a ensuite initié les premiers efforts pour standardiser les concepts, les méthodes et les estimations des pertes de rendement (potentiel3, accessible4 et réel5), en réponse à des contraintes (maladies, insectes, environnement physique, physiologie et génétique). Il a également été fait la promotion de l’utilisation de modèles mathématiques simples et empiriques pour des études quantitatives (Zadoks et Schein, 1979). James (1974) expose les modèles à « points critiques 6», « points multiples7 » et les modèles utilisant l’AUDPC8 (Area Under Disease Progress Curve).

3 Rendement dépendant du rayonnement, de la température et du génotype. Sans ravageurs et sans carence hydrique ou nutritive.

4 Rendement tenant compte des ressources hydriques et minérales de la situation de culture.

5 Rendement obtenu avec toutes les contraintes des conditions de culture (ravageurs inclus)

6 Relie la sévérité de la maladie à un stade déterminé aux pertes de rendement. Le stade choisi étant celui pour lequel la sévérité présente la meilleure relation avec les pertes de rendement.

7 Idem points critiques, mais plusieurs stades sont choisis.

8 Relie les pertes de rendement à l’aire sous la courbe de progression de la maladie obtenue à partir de la sévérité observée à plusieurs stades au cours du développement de la culture.

(7)

7

Ces modèles permettent de définir des seuils qui correspondent aux premiers dégâts causés par le pathogène (seuil de dommage), au seuil à partir duquel l’agriculteur doit agir s’il ne veut aucune perte due au pathogène (seuil d’action), ou au seuil à partir duquel l’agriculteur doit se préparer à traiter (seuil d’avertissement).

L’apparition d’ordinateurs de bureau puissants dans les années 80 a permis d’explorer ces concepts avec cependant la nécessité d’une meilleure coopération interdisciplinaire pour comprendre comment les rendements sont affectés par des facteurs biotiques et abiotiques durant la période de formation des rendements (Savary et al., 2006).

Ainsi, la théorie des seuils est basée sur des modèles qui ne prennent pas en compte des paramètres tels que le rayonnement reçu en fonction de la surface verte, la température ou la variété. Pour ces raisons, ces modèles sont utiles mais en théorie non transposables d’une situation à une autre (Rossing, 1991).

C’est également au cours des années 80 que la focalisation de la recherche est passée du pathogène (symptômes), avec la plante hôte comme propriété secondaire, à un intérêt pour la croissance de la plante et de son développement comme variable prioritaire. L’effet des maladies sur la morphologie et la physiologie des plantes a alors été pris en compte en fonction de chaque pathogène (Boote et al., 1983 ; Kropff et al., 1995 ; Rabbinge et Rijsdijk, 1983). Une étude de Bryson et al. (1995) sur les pertes de rendement causées par la rouille jaune illustre bien cette nouvelle orientation des recherches. Ce travail montre que le rendement est prédit de façon stable sur deux années à partir du cumul des radiations interceptées par les tissus verts alors que la relation entre les symptômes de la rouille jaune et le rendement diffère d’une année à l’autre.

L’identification, la quantification et la traduction en un certain nombre d’équations des effets potentiels des maladies sur les plantes (par exemple réduction de la surface verte, réduction du rythme de la photosynthèse) ont ensuite permis d’estimer la baisse de croissance et de rendement des peuplements malades (par exemple Bastiaans, 1991 ; Bassanezi et al., 2001 ; Robert et al., 2006).

Les études ayant pour objectif d’identifier et de comprendre au niveau moléculaire les perturbations physiologiques engendrées par des maladies ne quantifient pas ces perturbations à l’échelle de la plante ou du couvert. Ceci explique pourquoi elles ne sont pas abordées ici.

L’identification et la quantification des perturbations engendrées par les complexes parasitaires foliaires à l’échelle de la feuille, de la plante et du couvert concernent de près notre démarche.

Pour cette raison, l’évolution des connaissances dans ces domaines sera plus détaillée au travers des trois chapitres qui suivent.

(8)

8

Comme l’a énoncé Bastiaans et al. (1994), la détermination des effets d’une maladie sur la physiologie des feuilles prises individuellement est le premier pas vers la compréhension des dommages causés par les pathogènes dans une culture.

En accord avec cette remarque de Bastiaans, les connaissances accumulées sur les effets causés par des pathogènes foliaires sur la photosynthèse de la surface encore verte de la feuille sont abordées dans la partie introductive suivante.

Effets des pathogènes foliaires sur la photosynthèse à l’échelle de la feuille.

Afin de déterminer les effets des parasites sur les rendements, il est nécessaire de quantifier les effets des parasites sur le fonctionnement des feuilles malades (Bastiaans, 1991).

Pour atteindre cet objectif, Bastiaans (1991) propose un modèle pour estimer les perturbations de la photosynthèse des feuilles atteintes par un parasite. Il met en relation dans son modèle la photosynthèse d’une feuille saine (PS0)avec celle présentant les symptômes d’une maladie (PSx).

Un paramètre β permet de prendre en compte un effet de la maladie sur la photosynthèse qui est égal (β=1) ou supérieur (β>1) à la surface couverte par les symptômes (x) :

PSx / PS0 = (1 – x)β

Selon ce modèle, les maladies foliaires ont un effet sur la photosynthèse égal, supérieur ou inférieur à la surface couverte par les symptômes. Quand l’effet est égal, la photosynthèse de la surface foliaire non couverte par les symptômes n’est pas affectée alors que la surface couverte par les symptômes ne photosynthétise plus. Lorsque l’effet est supérieur à la surface couverte par les symptômes, le parasite affecte aussi la photosynthèse de la surface ne présentant pas de symptômes. Bastiaans (1991) propose plusieurs hypothèses pour expliquer ce dernier cas.

Le pathogène peut secréter des enzymes ou d’autres composés phytotoxiques qui diffusent ou sont emportés par le flux transpiratoire dans les parties non colonisées de la feuille. La croissance du mycélium à l’intérieur des feuilles peut entraîner des perturbations dans les flux d’eau et la destruction des chloroplastes. Dans certains cas, l’effet du parasite sur la photosynthèse est inférieur à la surface couverte par les symptômes. Le parasite ne perturbe alors pas complètement le fonctionnement de la photosynthèse de la surface présentant les symptômes. Ou encore, une augmentation de la photosynthèse autour des lésions est provoquée par celles-ci.

(9)

9

Au Grand-Duché de Luxembourg et dans les régions du nord de la France, c’est principalement la septoriose et la rouille brune qui affectent la culture du blé d’hiver (El Jarroudi, 2005 ; Bancal et al., 2007). Concernant la septoriose, le paramètre β de Bastiaans reste globalement proche de un (Robert et al., 2006), contrairement à certaines valeurs élevées de ce paramètre calculées pour d’autres pathogènes nécrotrophes (Bassanezi et al., 2001). La septoriose affecterait donc peu la photosynthèse des feuilles infectées au-delà de la surface couverte par les symptômes.

Cela semble en accord avec les effets physiologiques immédiats de la septoriose sur les cellules foliaires de l’hôte. La septoriose agit sur les tissus de l’hôte en détruisant les cellules, soit lorsque le mycélium pénètre dans celles-ci, soit par l’intermédiaire d’enzymes pectolytiques et cellulolytiques. Elles perdent alors toute capacité à photosynthétiser ou à transpirer (Shtienberg, 1992). La septoriose n’affecte donc pas directement la photosynthèse des surfaces foliaires vertes.

Cependant, selon les études de Magboul et al. (1992) et de Robert et al. (2006), elle accélère la sénescence des feuilles qu’elle colonise.

Les effets physiologiques de la rouille brune entraînent une baisse de la photosynthèse des tissus infectés. Le rapport chlorophylle a / chlorophylle b diminue au fur et à mesure que la maladie se développe (McGrath et Pënnypacker, 1990). L’effet de la rouille brune sur la photosynthèse de l’orge a montré que l’assimilation nette de la partie infectée est diminuée, mais que la photosynthèse totale peut être augmentée (Scholes et Farrar, 1986). Le comportement de puits du champignon et l’intensification de la respiration seraient à l’origine d’une demande très forte en carbone, ce qui entraînerait une augmentation locale de la photosynthèse. La stimulation locale de la photosynthèse permettrait à la plante de compenser en partie la perte d’activité photosynthétique des tissus infectés. Les études sur la quantification des perturbations de la photosynthèse par la rouille brune sont assez contradictoires. Shtienberg (1992) obtient des diminutions de 20% à 40%

de la photosynthèse dans un couvert atteint par la rouille brune, et calcule un β=3. A l’échelle foliaire, le β a été évalué à ~ 1,26 (Spitters et al., 1990 ; Bastiaans, 1991). Une autre étude montre qu’une feuille de blé infectée à 9% par Puccinia recondita a une réduction de 60% de l’activité photosynthétique, ce qui suggère un β de 10 (Mac Grath et Pennypacker,1990). Ces études tiennent peu en compte l’effet de compensation possible entre zones infectées et non infectées, au sein d’une même feuille ou entre étages foliaires.

Enfin, il a été confirmé récemment par une étude de 5 années menée sur des couverts de blé attaqués par la rouille brune et la septoriose (Bancal et al., 2007) que ces deux maladies n’affectent pas l’efficacité d’utilisation du rayonnement par les parties vertes du couvert. Leur travail suggère

(10)

10

que la valeur de β=1 peut-être utilisée pour la septoriose et la rouille brune, seules ou en complexe, pour des couverts soumis à différentes pratiques culturales.

D’autre part, Lopes (2001) a également déterminé le paramètre β du formalisme de Bastiaans pour deux maladies du haricot. Il suggère d’utiliser, au moyen du formalisme de Bastiaans, la portion exacte de feuille fonctionnant comme une feuille saine pour le calcul du HAD9 et du HAA10, qui sont des prédicteurs robustes du rendement pour cette culture. La même année, Bassanezi et al.

(2001) ont obtenu, sur la même plante et pour les mêmes maladies, un HAD et un HAA qui tient compte de l’effet des maladies sur la proportion de surfaces foliaires vertes adjacentes aux surfaces foliaires couvertes par les symptômes. Ces nouveaux indices qui tiennent compte des effets des maladies sur le fonctionnement des surfaces foliaires non couvertes par les symptômes sont mieux corrélés au rendement que les HAD et HAA anciennement calculés pour ces pathosystèmes (Bergamin Filho et al., 1997 ; Gianasi, 1999 ; Lopes, 2001). Ceci est d’autant plus vrai que le β de Bastiaans et la sévérité des maladies sont élevés.

Cette brève synthèse nous suggère que la rouille brune et la septoriose n’ont que peu d’impact sur la photosynthèse des surfaces asymptomatiques des feuilles malades. Sachant cela, l’historique des études concernant la relation entre la proportion de surface verte foliaire et le rendement peut être abordé afin de s’informer des connaissances actuelles se rapprochant du sujet traité.

Historique des études concernant la relation entre la surface verte et le rendement

De nombreuses études ont déjà illustré le lien existant entre la croissance, ou le rendement, et le rayonnement intercepté par diverses cultures (Watson, 1947 ; Bergamin Filho et al., 1997 ; Bryson et al., 1997 ; De Jesus Junior et al., 2001 ; Robert et al., 2004 ).

En 1947, Watson a suggéré que le rendement est une fonction de l’aire foliaire d’une face des feuilles présentes dans un volume contenu au-dessus d’une unité de surface horizontale au sol (LAI pour Leaf Area Index) intégrée sur la saison de croissance. Monteith (1977) a ensuite suggéré que le rendement en matière sèche produit est une fonction du rayonnement intercepté par la canopée durant une période de croissance. Le concept fut adapté par Waggoner et Berger (1987)

9 Le HAD ou Healthy Leaf Area Duration est la somme de la proportion de tissus foliaires sains journalier pour toute la saison de croissance.

10 Le HAA ou Healthy Leaf Area Absorption est la somme du rayonnement journalier intercepté par la proportion de tissus foliaires sains journalier pour toute la saison de croissance.

(11)

11

pour une utilisation sur des couverts malades en prenant en compte la proportion de surface foliaire saine (HLAI=LAI(1-X) où X est la sévérité de la maladie exprimée en pourcentage de surface foliaire couverte par les symptômes) pour chaque jour de mesure, et en l’intégrant sur la saison de culture (HAD pour healthy leaf area duration). Dans cette étude, ces chercheurs calculèrent également le rayonnement intercepté par la proportion de tissus sains (HRI pour Healthy Radiation Interception), en tenant compte du HLAI et du rayonnement incident intercepté chaque jour (Ii). La loi de Beer Lambert a été utilisée pour calculer le rayonnement intercepté. Ils obtinrent alors le rayonnement intercepté par la proportion de l’aire foliaire saine au cours de la période de croissance (HAA pour Healthy leaf Area Absorption) en intégrant le HRI sur la saison avec des données récoltées chaque semaine. La formule se présente comme suit :

HAA= Ii

(

{%SVi[1-e(-kLAIi)]+%SVi+1[1-e(-kLAIi+1)] }/2

)(

ti+1-t

)

où Ii est le rayonnement reçu par m2 par jour i (MJ.m-2.jour-1) dans la gamme du Rayonnement Photosynthétiquement Actif (R.P.A., longueur d’onde de 400 à 800 nm). %SVi est le pourcentage de surface verte foliaire du jour i, k le coefficient d’extinction des strates foliaires considérées et t le temps en jours. Le HAA est calculé sur toute la saison de croissance, avec i=1 pour le premier jour.

Ces approches-ci présentent l’avantage de ne pas devoir prendre chaque maladie ou stress physique individuellement dans l’étude des pertes de rendement. En effet, les variables utilisées intègrent les différents facteurs jouant sur le rendement via la dégradation de la surface verte.

Relier le rendement à la sévérité de plusieurs maladies avait déjà causé beaucoup de problèmes auparavant à cause des interactions qu’elles ont entre elles et avec la plante hôte (James et Teng, 1991).

Par la suite un certain nombre de travaux (Aquino et al., 1992 ; Ferrandino et Elmer, 1992 ; Johnson et al., 1992 ; Rossing et al., 1992 ; Wright et Gaunt, 1992 ; Bastiaans, 1993 ; Bastiaans et Kropff, 1993 ; Bastiaans et al., 1994 ; Madeira et al., 1994 ; Bryson et al., 1995 ; Nutter et al., 1996) établirent une relation directe entre le rendement et la proportion de tissus sains plutôt que indirectement sur base de la proportion de tissus malades. Dans leur étude de 1997 sur la maladie foliaire Phaeoisariopsis griseola de Phaseolus vulgaris L. , Bergamin Filho et al. comparent l’approche basée sur le rayonnement intercepté par les tissus foliaires sains durant la saison de culture à l’approche basée sur la relation qui lie la sévérité de la maladie au rendement. Cette recherche met en évidence une relation linéaire stable, pour deux années de données obtenues

= 1

1 n

i

(12)

12

chaque fois sur deux sites, entre le rayonnement intercepté par la surface foliaire saine au cours de la saison (HRI) et le rendement. La comparaison montre également la supériorité de la corrélation entre le rendement et le HRI par rapport à celle entre le rendement et la progression de la maladie au cours de la saison (AUDPC pour Area Under Desease Progress Curve). En outre, le HAD et le HAA qui ont été calculés montrent également une relation linéaire avec le rendement dans respectivement cinq et quatre cas sur cinq. La même conclusion a été obtenue par Bryson pour la rouille jaune sur blé d’hiver (Bryson et al., 1997). De plus, Bryson montre qu’il n’y a pas eu de différence, entre deux années de mesures, du rapport poids sec en grain sur quantité de rayonnement incident intercepté par les tissus verts à partir de la floraison (R.U.E.11 de 1,4 g / MJ).

Cela indique la présence d’une relation directe entre la quantité de rayonnement intercepté par la proportion de surfaces foliaires vertes et le rendement en grains obtenu.

En 2000, Gooding et al. montrent, dans une étude exhaustive menée sur dix-sept années et comparant différents cultivars de blé traités ou non par des fongicides, que l’effet des fongicides sur le rendement en grain et le poids moyen est étroitement lié à la durée de la surface verte de la dernière feuille. Le rayonnement intercepté n’est pas pris en compte, mais l’effet sur les rendements de la durée pendant laquelle la surface verte foliaire est maintenue, ainsi que l’augmentation de cette durée par les fongicides sont estimés.

Dimmock et Gooding (2002) montrent également que lorsque la durée de vie de la surface verte de la dernière feuille augmente, la durée de remplissage des grains et le rendement augmentent également, et cela pour plusieurs années, cultivars et traitements fongicides.

Ces relations varient cependant en fonction du cultivar. En effet, deux variétés peuvent avoir un remplissage des grains synchrone mais des cinétiques de sénescence foliaire différentes. Par ailleurs, une même augmentation de la durée de vie des feuilles (LAD pour Leaf area duration) pour deux variétés après l’application de fongicides peut se produire à différents stades du remplissage des grains. Si la LAD survient plus tard, la surface verte restante et le rendement sont alors moins importants. Il a également été mis en évidence la possibilité de ne pas obtenir d’augmentation de rendement pour une augmentation de la LAD entre des parcelles témoins et des parcelles traitées. En effet, certaines variétés atteignent une limite physiologique qui détermine la taille des grains, liée au contenu en eau des grains au moment des divisions des cellules de l’endosperme (Schnyder et Baum, 1992 ; Macbeth et al., 1996). Dès lors, une augmentation de la

11 Le R.U.E. ou Radiation Use Efficiency indique le rythme auquel le rayonnement intercepté par le couvert est utilisé pour produire de la biomasse au travers des processus de photosynthèse. Il est variable au cours du temps, mais a été utilisé avec succès sous forme de valeur constante sur la saison (Madden et al., 2007).

(13)

13

durée de la surface verte des feuilles ne permet plus d’obtenir de gains supplémentaires lorsque la culture de ce type de variété est traitée.

Pepler et al. (2005) déterminent une limite potentielle à l’association entre la durée de la surface verte de la dernière feuille et le rendement en grain. L’analyse de deux années de données sur 6 cultivars et plusieurs traitements fongicides combinés à la ré-analyse des deux années de données de Dimmock et Gooding (2002a) les amènent à la conclusion que toute augmentation de la durée de la surface verte au-delà de 700°C jours après la floraison ne se traduit pas par une augmentation de rendement. La relative constance de ce seuil de 700°C jours suggère que la relation entre la durée de la surface verte et le rendement en grains dépend du stade de développement du blé.

Ils montrent également sur ces quatre années que la limite de l’association entre durée de vie de la canopée et gain en rendement est plus étroitement reliée aux stades de développement en °C jours de la culture que la limite estimée en jours.

Récemment, un modèle permettant de calculer la matière sèche journalière aux stades qui correspondent à la période de remplissage du grain et la croissance du couvert ainsi que son rendement a été mis au point pour le blé d’hiver par l’unité Environnement et Grandes Cultures de l’INRA Paris Grignon. Ce modèle utilise le formalisme de Bastiaans (Robert et al., 2004 ; Bastiaans, 1991) et l’approche de Monteith (Monteith, 1972) et tient compte de la mobilisation des sucres accumulés dans les tiges durant la période préfloraison pour le remplissage des grains. Le rayonnement intercepté par la surface verte pour chaque jour de remplissage des grains, de la floraison à la maturité complète est également pris en compte (Bancal et al., 2007).

L’étude, qui a été menée sur 5 années de données issues d’expérimentations aux champs, montre clairement qu’un modèle simple entre croissance et rendement impliquant du blé d’hiver attaqué par la rouille brune et la septoriose peut être dérivé :

a) d’une estimation du R.U.E. des cultures saines qui prennent en compte d’autres stress.

b) d’une simple relation entre croissance et rendement, quelle que soit l’épidémie, pourvu qu’une constante quantité de réserves pré-floraison soit remobilisée aux grains pour une variété donnée.

c) d’une estimation correcte du aPAR (Rayonnement photosynthétiquement actif absorbé ou absorb Photosynthetic Active Radiation) par traitement, en utilisant la somme du rayonnement intercepté par surface verte journalière de chaque strate.

Autrement dit, les résultats de cette étude suggèrent fortement qu’un modèle simple basé sur la surface verte foliaire par strate et les réserves de préfloraison peuvent prédire à la fois la croissance

(14)

14

et les rendements du blé tendre d’hiver. Et ceci pour des cultures atteintes d’épidémies tardives de maladies foliaires sur une variation de pratiques culturales.

Un certains nombre de facteurs ont un impact sur le maintien de la surface foliaire verte et le lien qu’elle a avec le rendement. Parmi ces facteurs, les fongicides ont été abordés à plusieurs reprises dans la littérature.

Afin de mieux comprendre l’influence du facteur « fongicide » sur les surfaces vertes et le rendement, le volet suivant développe plus particulièrement les connaissances présentes sur le sujet dans la littérature.

Effets des fongicides sur la surface verte et gains en rendement.

En 2000, Gooding et al. publient une étude qui s’étend sur dix-sept années de données. L’étude porte sur la décroissance de la surface verte du blé d’hiver au cours de la saison, avec ou sans fongicides. Dans ces travaux, il est montré que l’effet des fongicides sur le rendement en grains et le poids moyen est étroitement lié à leur effet sur la durée de la surface verte de la dernière feuille.

Les fongicides retardent la diminution de la surface verte plutôt qu’ils en réduisent la vitesse de dégradation, une fois celle-ci commencée. L’importance de ces effets varie grandement suivant les expériences et les cultivars.

Les groupes de fongicides qui contrôlent les pathogènes par l’inhibition de la respiration mitochondriale, comme les strobilurines ont montré des effets de prolongation de la durée de la surface verte de la dernière feuille et d’augmentation du poids moyen en grain (Gooding et al.

2000). Cette augmentation est significativement plus importante que celle provoquée par leurs prédécesseurs comme les triazoles et les morpholines (Bayles et Hilton, 2000 ; Bryson et al. 2000).

Cependant, augmenter la durée de la surface verte n’augmente pas toujours la taille des grains (Davis et al., 1984). Schnyder et Baum (1992) et Macbeth et al. (1996) proposent que le poids final du grain soit limité par le contenu maximum en eau du grain. Ils firent cette proposition après avoir constaté que le nombre de cellules de l’albumen est positivement corrélé au poids du grain à maturité et que durant la division des cellules de l’endosperme il y a une rapide augmentation du contenu en eau du grain qui cesse à la fin des divisions cellulaires. La taille physique du grain à ce stade impose, selon eux, une limitation spatiale de développement du grain. Cette limitation pourrait dès lors imposer une restriction sur le gain de poids final du grain obtenu en retardant la sénescence des dernières feuilles. Cette hypothèse est confirmée par Dimmock et Gooding (2002a)

(15)

15

qui trouvent que le poids final du grain est corrélé au contenu maximum en eau atteint durant le développement de celui-ci. Dans leur expérience, ils démontrent sur plusieurs années, cultivars et position de grains sur l’épi, que les traitements fongicides prolongent souvent la durée de remplissage des grains de blé sans modifier le rythme de croissance des grains.

En effet, le poids maximum en grains peut être substantiellement augmenté en prolongeant la durée de remplissage des grains par une augmentation de la durée de la surface verte de la dernière feuille émergée. A l’exception des cultivars pour lesquels la limite maximale de contenu en eau est déjà atteinte dans les parcelles non traitées. Ceci suggère que les augmentations de LAD après avoir atteint le contenu maximum en eau du grain sont moins utiles que les augmentations effectuées avant le contenu maximum en eau du grain, pour augmenter le remplissage du grain ou le rendement et le poids spécifique.

En conclusion, les travaux de Dimmock et Gooding montrent que les différents types de fongicides ont des effets qui confirment la relation qui lie la durée de la surface verte et le rendement.

Ils montrent également qu’une augmentation de la durée de la surface verte due à des fongicides peut ne pas être accompagnée par une augmentation de rendement pour certains cultivars qui atteignent déjà un maximum physiologique de remplissage du grain dans les parcelles non traitées.

Elaboration des rendements et cycles des pathogènes présents sur les feuilles de blé au Grand-Duché de Luxembourg.

La fécondation des fleurs de blé marque le début de la formation et du remplissage des grains.

Pour cette raison, de nombreux travaux considèrent que le remplissage des grains de blé commence à la floraison. Ces recherches utilisent les degrés jour à partir de ce stade pour calculer la durée de remplissage des grains (Pepler et al., 2006; Wiegand et Cuellar, 1981; Calderini et al., 2001). Comme cela a été cité plus haut, la durée de remplissage des grains des céréales a été associée à la durée de la surface verte de la canopée, et plus particulièrement celle de la dernière feuille émergée en considérant l’effet de différents traitements phytosanitaires (Dimmock et Gooding, 2002), différents cultivars (Hanft et Wych, 1982), et la sécheresse (Egli, 1998).

La durée de remplissage des grains se détermine donc en cumulant les degrés jours de la période s’étendant de la floraison à la maturité, stade auquel est observée la sénescence partielle ou complète des dernières feuilles émergées. Cette durée de remplissage est calculée en cumulant les degrés jours jusqu’à la sénescence complète des trois dernières feuilles, dans le cas où celle-ci survient avant la maturité des grains. Pepler et al. (2005) ont montré que la durée de remplissage

(16)

16

des grains atteint une limite située à un cumul de 700°C jours après la floraison. Par conséquent, la présence de surfaces foliaires vertes au-delà de ce seuil n’est pas suivie d’une augmentation de rendement correspondante.

La vitesse de sénescence des dernières feuilles à la période post-floraison dépend aussi des maladies présentes. Les maladies foliaires du blé concernent de nombreuses maladies dont la présence et l’importance relative peut varier d’une région à l’autre. Dans notre cas, la sénescence induite est provoquée principalement par la rouille brune et la septoriose (El Jarroudi, 2005). La rouille brune (Puccinia triticina) provoque une diminution des surfaces foliaires vertes approximativement égale à celle des surfaces couvertes par les lésions de l’épiderme dues à la sporulation du pathogène (Bancal et al., 2007). Par contre, la septoriose (causée par Mycosphaerella graminicola) induit une sénescence accélérée (Magboul et al., 1992).

Le remplissage des grains est dépendant de la cinétique de dégradation de la surface verte des dernières feuilles émergées. Cette cinétique est en partie dépendante du développement et de l’apparition des symptômes de la rouille brune et de la septoriose, ainsi que de l’apparition de leurs symptômes. Par conséquent, une connaissance du cycle de ces pathogènes par rapport à la période de remplissage des grains est importante pour la compréhension de l’implication de ces deux maladies sur la cinétique de dégradation de la surface verte des dernières feuilles durant cette période.

Le cycle de la rouille brune (Puccinia triticina) par rapport à la période de remplissage des grains.

La rouille brune appartient à la classe des Basidiomycètes, ordre des urédinales, famille des Pucciniacées. C’est un champignon biotrophe dont seule la forme asexuée est observée dans nos régions. A la moisson du blé en été, les urédospores de ce parasite obligatoire sont dispersées par le vent mais ne trouvent plus de blé pour se développer. Elles se développent alors sur les graminées adventices jusqu’à l’automne, période à laquelle la rouille brune retrouve son hôte préférentiel. Elle hiverne sous forme de mycélium sur les repousses de céréales ou sur les semis d’automne. Le mycélium, engagé dans un monocycle (latence - apparition des pustules à la surface des feuilles –sporulation - dissémination par le vent – germination - pénétration) est stoppé en hiver et reprend au printemps. Les monocycles s’enchainent alors en une phase épidémique selon les conditions climatiques (vent, température et humidité)

Les urédospores, issues de la reproduction asexuée, peuvent être disséminées sur de grandes distances par le vent. Les spores déposées sur le couvert de blé nécessitent une température optimale de 15°C, et maximale de 35°C, en présence d’eau pour germer (Clifford et Harris, 1981).

(17)

17

Une durée minimale d’humectation de 4h est nécessaire à l’infection en conditions optimales, et la mort du parasite est observée si une période de sècheresse survient entre la germination et la pénétration (De vallavieille-Pope et al., 1995). Les cycles d’infection au sein du couvert, avec dissémination verticale et horizontale dépendent de la température et du vent.

Dans les régions où cette maladie est importante, l’agriculteur peut diminuer le développement de la maladie par l’application d’un semis tardif, le labour après récolte pour supprimer les graminées et repousses sur le champ à l’automne, l’utilisation de variétés résistantes et l’obtention d’un couvert peu dense afin d’éviter la présence d’une humidité stagnante. L’agriculteur évitera aussi l’application d’une fumure azotée non équilibrée qui favorise le développement de la maladie.

A la floraison, début de la période de remplissage des grains, la présence de la maladie et l’état d’avancement de l’épidémie dépendent donc de nombreux facteurs tels que la présence de l’inoculum sur place, les choix de l’agriculteur (variété, date de semis, fumure, traitements phytosanitaires et la densité de semis) et les conditions climatiques.

Une étude de 4 années (2000 à 2003) sur 4 variétés, menée sur le site d’essai utilisé dans ce travail montre que cette maladie ne s’est développée que les 2 premières années, avec une apparition des premiers symptômes à l’épiaison (El Jarroudi, 2005). Pour les années pendant lesquelles elle a été présente, elle intervient dans la dégradation de la surface verte des dernières strates foliaires qui a lieu durant la période de remplissage des grains car elle est déjà présente à l’épiaison.

Le cycle de la septoriose (Septoria tritici) par rapport à la période de remplissage des grains.

Septoria tritici appartient aux Dothideomycètes. Mycosphaerella graminicola est la forme sexuée de S. tritici. Ce champignon nécrotrophe présente deux formes de reproduction qui génèrent deux types de cycles infectieux permettant le développement de la maladie.

A l’automne, les ascospores (forme sexuée) produit par la forme sexuée sont véhiculées dans l’air, ce qui expliquerait une répartition homogène des symptômes observés dès la fin de l’automne et pendant l’hiver sur les cultures de blé (Thomas et al., 1989 ; Lovell et al., 2002).

S. tritici ne peut jouer le rôle d’inoculum primaire qu’à partir de pycnidiospores présents sur les déchets de culture. Ceux-ci sont lourds et ne peuvent être disséminés que par les gouttes de pluie sur quelques décimètres. Une infection primaire par S. tritici n’est donc possible que sur la culture d’un deuxième blé ou sur une succession de céréales sensibles. On peut observer les pycnides de S.

tritici dès l’automne et pendant tout l’hiver, ce qui suggère l’accomplissement de premiers cycles asexués dès l’apparition des premières feuilles. Au printemps, les pycnidiospores sont formés dans les pycnides édifiés dans les parties nécrosées des feuilles. Avec l’humidité ambiante, les pycnides se resserrent et les spores sont expulsées au sein d’une gelée (cirrhe). Ces cirrhes sont alors

(18)

18

projetés vers les étages foliaires supérieurs par les éclaboussures créées par les gouttes de pluie.

Les spores disséminées germent et un tube germinatif pénètre au sein de la feuille par les stomates.

S’ensuit une période de latence pendant laquelle le mycélium de S. tritici progresse au sein des espaces intercellulaires du mésophylle. Après 15 à 20 jours, la croissance du mycélium s’amplifie et détruit les parois des cellules. Les symptômes apparaissent et des pycnides se forment au niveau des stomates. La mort des cellules de l’hôte devient importante avec l’apparition des pycnides (Jorgensen et Smedegaard-Peterson, 1999).

Le déroulement des cycles successifs menant à l’infection des étages foliaires supérieurs dépend des conditions d’humidité et de température. Pour germer, les spores ont besoin d’eau libre sur les feuilles. Les conditions précises nécessaires à l’infection ont été détaillées par Lemaire et al.

(2003) : Une heure avec au moins 0,1 mm de pluie, suivie d’une heure avec au moins 0,5 mm de pluie. Ces pluies doivent ensuite être suivies par au moins 16 heures avec au moins 60%

d’humidité relative. La température doit être supérieure à 4°C durant 24 heures à partir de la première heure de pluie à 0,1 mm.

L’agriculteur peut diminuer le développement de la maladie par l’enfouissement des résidus de culture après récolte, l’utilisation de variétés résistantes et les traitements phytosanitaires.

Une étude de 4 années (2000 à 2003) sur 4 variétés, menée sur le site d’essai utilisé dans ce travail montre que cette maladie est présente chaque année bien avant la floraison (El Jarroudi, 2005). La cinétique de dégradation de la surface verte durant la période de remplissage des grains est influencée par l’évolution de cette maladie car celle-ci détruit les cellules de l’hôte.

(19)

19

Problématique et approche envisagée.

Hypothèses de travail.

L’objectif de ce travail est de déterminer la validité d’un modèle prévisionnel de simulation des risques de pertes de rendement basé sur l’étude des surfaces photosynthétiquement actives (surfaces vertes). L’objectif à terme étant d’estimer les pertes de récoltes à venir au cours de la saison de culture.

Pour atteindre cet objectif, nous devons tout d’abord obtenir un modèle d’estimation des rendements validé pour le blé d’hiver au Grand-Duché de Luxembourg. La démarche de ce travail consiste à modéliser la dégradation de la surface verte du couvert et du rayonnement intercepté par celle-ci au cours de la période de remplissage des grains et d’établir un lien entre celle-ci et le rendement. L’aspect prévisionnel sera évalué grâce à l’utilisation de données de rayonnement des années passées et des pourcentages de surface verte estimés à l’aide du modèle Proculture pour ces mêmes années.

Les hypothèses de travail auxquelles ce travail sera amené à répondre pour atteindre ces objectifs sont les suivantes :

La cinétique de dégradation de la surface verte foliaire d’un couvert malade ou sain et le rayonnement intercepté par cette surface sont-ils des variables suffisantes pour estimer le rendement ?

L’estimation du rendement à partir des variables précitées permet-elle d’obtenir un modèle prenant en compte l’effet variétal, l’année et les traitements ?

La perte de surface verte potentielle prédite par Proculture, couplée à un modèle simple d’estimation des rendements, peuvent-ils aider à gérer les fongicides de manière plus respectueuse de l’environnement ?

(20)

20

Approche envisagée.

L’approche envisagée est issue de l’étude de la bibliographie concernant notre sujet.

La littérature met en évidence deux principaux modèles d’estimation des rendements basés sur la cinétique des surfaces vertes et sur l’interception du rayonnement par celles-ci. Ce travail prend en compte trois échelles (Feuille – plante – couvert) au travers des méthodes d’acquisition des données et des deux principaux modèles d’estimation des rendements qui seront testés.

La variété du blé, l’ensemble des paramètres climatiques ainsi que les maladies foliaires ayant une incidence sur la dégradation de la surface verte des trois dernières feuilles sont pris en compte au travers de la dégradation de celle-ci (1-fig.1). Le rayonnement photosynthétiquement actif journalier intercepté par la surface verte est comptabilisé pour chaque strate foliaire (2-fig.1). Un passage à l’échelle du couvert est effectué en tenant compte ou pas, selon le modèle, de la densité de semis et des brins moyens (3-fig.1). Deux modèles issus de la littérature sont testés. Une relation est ensuite effectuée entre les sorties des deux modèles et le rendement.

Le modèle le plus adéquat sera finalement utilisé pour tester son aspect prévisionnel.

Pour cette dernière étape, sera utilisée la dégradation de la surface verte foliaire des trois dernières feuilles estimée à partir de données issues de plusieurs années passées à l’aide du modèle épidémiologique Proculture. Le rayonnement incident utilisé en prévisionnel sera également issu de l’utilisation de données historiques.

Figure 1 : Schéma des principaux facteurs intervenant dans les modèles d’estimations des pertes de rendements basé sur l’étude de la surface verte.

Maladies foliaires

Climat

Variété 1

1

Surface Verte F1,2 et 3

Sénescence

1

Techniques culturales

1

+ Rayonnement

2

Rendement Interception du

couvert.

Interception par strate.

3

(21)

21

Structure du travail.

Ce travail est organisé en trois grands Chapitres. Chacun de ces chapitres fournira des données ou des informations nécessaires à l’élaboration du chapitre suivant.

Ils sont disposés dans un ordre logique qui va de l’acquisition des données (PARTIE 1) à l’utilisation de celles-ci comme données d’entrée des modèles qui feront l’objet du chapitre sur la validation, la simplification et l’amélioration d’un modèle d’estimation des rendements (PARTIE II). Le modèle estimé comme étant le plus adéquat des deux testés pour l’estimation des rendements sur nos données sera utilisé pour effectuer une simulation des risques de pertes de rendement (PARTIE III) à l’aide de données estimées de façon prévisionnelle et issues de l’exploitation du modèle PROCULTURE. L’utilisation de ce modèle étant possible grâce à sa validation au Grand-Duché de Luxembourg par Moussa El Jarroudi durant les années de sa thèse et du projet MACRY. Un schéma détaillé de la structure de ce travail est présenté en Annexe I.

(22)

22

PARTIE I

METHODOLOGIE D’ACQUISITION DES SURFACES ET DES SURFACES

FOLIAIRES VERTES.

(23)

23

Note préalable

Cette première partie expose en détail et valide les méthodes utilisées pour obtenir les données d’entrée les plus déterminantes et difficiles à obtenir des modèles qui seront testés dans la PARTIE II. Ces données sont les surfaces foliaires vertes ou les pourcentages de surfaces foliaires vertes et le LAI (Leaf Area Index).

La détermination des méthodes les plus précises, exactes et automatisables est présentée dans le CHAPITRE I pour l’obtention des surfaces foliaires et des surfaces foliaires vertes, et dans le CHAPITRE II pour l’obtention du LAI.

(24)

24

CHAPITRE I : Acquisition des surfaces foliaires

L’acquisition des surfaces comprend ici les surfaces foliaires, qui seront utilisées par après pour l’obtention du LAI, des surfaces vertes ou du pourcentage de surface verte. Deux méthodes ont été testées ici.

Une première méthode passe par la prise d’images de feuilles et l’analyse de celles-ci (I.1.). Cette méthode fournit la surface foliaire et la surface verte en cm². Elle a pour caractéristiques de permettre, avec d’autres données, d’obtenir également le pourcentage de surface verte foliaire et le LAI. Elle est très lente en raison du temps nécessaire pour prendre et analyser une image, mais elle fournit des valeurs proches des valeurs réelles. La validation de celle-ci a été effectuée au moyen d’une autre méthode qui semble encore plus fiable afin de s’assurer de la réelle fiabilité de la méthode d’analyse d’images.

Une seconde méthode consiste à estimer visuellement le pourcentage de surface verte foliaire.

Cette méthode présente l’avantage d’être plus rapide pour l’obtention du pourcentage de surface verte foliaire. Elle doit cependant être validée avant d’être utilisée pour l’estimation d’un pourcentage de surface verte pris en compte dans un modèle d’estimation des rendements. La validité de ces estimations va être abordée en étudiant à quel point elles sont corrélées aux valeurs obtenues avec la méthode d’estimation par l’analyse d’images (I.2.).

I.1. Acquisition des surfaces par l’analyse d’images et validation de la méthode.

Matériel et méthodes.

Les expérimentations effectuées en 2006 et 2007 ont eu lieu sur des parcelles expérimentales de culture mises en place au Grand-Duché de Luxembourg, à Everlange (Latitude N49°47’08.91’’ ; Longitude E 5°58’01.36’’ ; Altitude 274 m), dans le cadre du projet MACRY coordonné par le CRP-GL (Centre de Recherche Public Gabriel Lippmann) en collaboration avec le Département des Sciences et Gestion de l’Environnement de l’Université de Liège. La mise en place de ces essais a été possible grâce au support technique du Lycée Technique Agricole d’Ettelbrück et de la Chambre d’Agriculture du Grand-Duché de Luxembourg. Ce site est situé sur un plateau, comme la plupart des cultures de blé au Grand-Duché de Luxembourg. Everlange est donc représentatif de la région céréalière Redange-sur-Attert (16 790 ha de surface agricole utilisée). Le sol est de texture argilo-sableuse (El Jarroudi, 2005. ppI.5 – I.11). Une station météorologique horaire de

(25)

25

l’ASTA (Administration des Services Techniques de l’Agriculture du Grand-Duché de Luxembourg) est située à proximité du site d’essai (Station d’Useldange), condition nécessaire à l’utilisation des données dans le modèle d’avertissement PROCULTURE.

Les images numériques des trois dernières feuilles ont été prises à l’aide d’un appareil photo numérique Canon 7MG pixels. Dans un premier temps, il a été utilisé un support de fond blanc (moitié des images de 2006) sur lequel la feuille était maintenue, de façon non destructive, à l’aide d’une languette en plexiglas transparent le temps de la prise de photo. Une autre partie des mesures a été effectuée en prenant des images à l’aide d’un support de fond bleu. La feuille y a été maintenue temporairement à plat sur la planche, de manière non destructive, à l’aide de papier collant double face. L’appareil photo est maintenu à une distance de 39 cm du support à fond bleu, sur une latte en aluminium, de façon à prendre des photographies à la perpendiculaire de la feuille de blé dans son entièreté (Figure 2). Cette méthode s’est avérée plus rapide. De plus le fond bleu facilite après l’analyse d’image.

Figure 2 : Image du dispositif de prise de photos numériques de feuilles de blé d’hiver.

Seules les trois dernières feuilles de blé ont été suivies (F1, F2, F3). Le choix de suivre uniquement les trois dernières feuilles a été fait sur base d’un certain nombre d’études telles que celle de Lupton (1972) et celle de Gooding et al. (2000). En effet, bien que la matière sèche du grain puisse être accumulée d’assimilas provenant de la photosynthèse des épis, des tiges et des feuilles basses, aussi bien que des dernières feuilles, Lupton a montré qu’il pouvait être estimé que 45 % des

(26)

26

carbohydrates du grain sont dérivés de la photosynthèse de la dernière feuille. D’autres études montrent par la suite la forte relation existant entre la dégradation de la surface verte de la dernière feuille (F1) et le rendement (Gooding et al., 2000 ; Dimmock et Gooding, 2002a), bien qu’il ait également été montré la participation non négligeable des réserves des tiges, accumulées durant la préfloraison, au remplissage des grains (Bancal et al., 2007). Il est considéré ici que le suivi des trois dernières feuilles constitue un bon indicateur de l’état des processus photosynthétiques opérant pour le remplissage des grains. D’autre part, l’intérêt de prendre en compte les trois dernières feuilles plutôt que seulement la F1 sera testé dans l’utilisation des modèles d’estimation des rendements.

Les images des 3 dernières feuilles de 5 plantes marquées de repères par répétition sur 4 répétitions par variante ont été prises de façon hebdomadaire ou une fois toutes les deux semaines à partir de l’émergence de la dernière feuille, entre le stade GS 37 et GS 39 (stades phénologiques de ZADOKS et al. , 1974. voir Annexe II). Chaque répétition (parcelle) mesure 1,5m sur 7,5m et est séparée des parcelles qui l’entourent par un couloir de 1 m de largeur. Les 5 plantes suivies sont marquées d’un repère et ont été choisies de manière aléatoire au sein de chaque répétition. La disposition des répétitions est également aléatoire et a été mise en place dans le cadre du projet MACRY (Tableau 1 , 2 et 3). Afin de déterminer si le nombre de prise d’images servant à l’obtention de la surface foliaire et de la surface verte par répétition est suffisant, un test de comparaison des variances par répétition a été effectué. Les résultats du test montrent des variances par répétition non significativement différentes, ce qui valide le nombre de mesures utilisées par répétition.

(27)

27

Tableau 1 : Dispositif expérimental 2005-2006 installé pour chaque combinaison variété/précédent cultural.

GS31+

GS59

GS45 GS37 GS31 Triple

traitement (GS31-37-59)

GS59 Témoin GS39

Témoin GS59 GS39 GS45 GS37 GS31 Triple

traitement (GS31-37-59)

GS31+GS59

GS31 GS37 Triple traitement (GS31-37-59)

Témoin GS39 GS31+

GS59

GS45 GS59

GS39 GS31+

GS59

Témoin GS59 GS45 GS37 GS31 Triple

traitement (GS31-37-59) ( stades phénologiques de ZADOKS et al. , 1974, signification en Annexe II).

Légende des traitements phytosanitaires effectués aux différents stades : GS31 : 1,6 l/ha Input pro set + 1l/ ha Bravo

GS37 : 1,6 l/ha Input pro set + 1l/ ha Bravo GS39 : 1,6 l/ha Input pro set + 1l/ ha Bravo GS45 : 1,6 l/ha Input pro set + 1l/ ha Bravo GS59 : 1,6 l/ha Input pro set + 1l/ ha Bravo

GS31+59 : 0,75l/ha Opus team + 1l/ha Bravo ; GS59 =1,6 l/ha Input pro set + 1l/ ha Bravo

GS31-37-59 : GS31=0,7l/ha de Stereo +1l/ha Bravo, GS37=1,6 l/ha Input pro set + 1l/ ha Bravo et GS 59 = : 0,75l/ha Opus team + 1l/ha Bravo

(28)

28 Tableau 3: Plan expérimental de Akteur

précédent pois à Everlange en 2006- 2007.

GS 39 GS31 Témoin GS31 +

GS 59 GS 31 +

GS 59

GS 37 GS 59 GS 45

Témoin GS 31 + GS 37 + GS 59

GS 39 GS 37

GS 59 Témoin GS 45 GS 31

GS 45 GS 39 GS 37 GS 31 +

GS 37 + GS59 GS 37 GS 31 +

GS 59

GS 31 GS59

GS 31 GS 45 GS 31 +

GS 37 + GS 59

Témoin

GS 31 + GS 37 + GS 59

GS 59 GS 31 + GS 59

GS 39

Légende :

Témoin : pas de traitement fongicide

GS31 (premier nœud) : 1.6 l/ha Input pro set + 1l/ha Bravo

GS37 (apparition dernière feuille) : 1.6 l/ha Input pro set + 1l/ha Bravo GS39 (ligule de l’épis visible) :1.6 l/ha Input pro set + 1l/ha Bravo GS45 (gaine de l’épis éclatée) :1.6 l/ha Input pro set + 1l/ha Bravo GS59 (épis dégagé) :1.6 l/ha Input pro set + 1l/ha Bravo

GS31+GS59 :GS31: 0.75l/ha Opus team + 1l/ha Bravo et GS59:1.6 l/ha Input pro set + 1l/ha Bravo

GS31+GS37+GS59 : GS31: 0.7l/ha Stereo + 1l/ha Bravo, GS37: 1.6 l/ha Input pro set + 1l/ha Bravo et GS59:

0.75l/ha Opus team + 1l/ha Bravo.

Matières actives :

Input®pro set : prothioconazole 250g/l + spiroxamine 500 g/l

Bravo : chlorothalonil 500g/l

Opus team : époxiconazole 84g/l + fenpropimorphe 250g/l

Stereo : cyprodinil 250g/l + propiconazole 62.5g/l

Tableau 2: Plan expérimental de Flair et Achat précédent pois ainsi que Achat précédent blé deux années à Everlange en 2006-2007.

GS 31 + GS 37 + GS 59

Témoin GS 37-39 GS 31 + GS 59

GS 31 + GS 59

GS 31 + GS 37 + GS 59

Témoin GS 37-39

GS 37-39 GS 31 + GS 59

GS 31 + GS 37 + GS 59

Témoin

Témoin GS 37-39 GS 31 + GS 59

GS 31 + GS 37 + GS 59

Références

Documents relatifs

Cette allocation prend toutefois principalement en compte des critères de population pondérée (population, superficie, dispersion, insularité, population protégée, plus de

L’Arrangement administratif pour l'application de la Convention de sécurité sociale entre le Gouvernement du Grand-Duché de Luxembourg et le Gouvernement de la République populaire

31° Sur demande introduite conformément à l’article 23, paragraphe 1 er , lettre q), de la loi précitée du 19 décembre 2008, le membre du Gouvernement ayant la Gestion de

Au-delà de l’application de la fiction légale des décisions implicites en raison du silence de l’administration, dans l’hypothèse où aucun dé- lai pour agir n’est prévu dans

» fait référence aux autres espèces appartenant à ce genre qui n’ont pas été spécifiquement incluses dans la liste, mais qui sont connus pour être pathogènes chez l’homme..

la confusion qui peut être faite, lors de la déclaration, entre les rési- dences secondaires modestes et les chalets loués aux touristes, nous amène à envisager

Quant aux autres États, même l'ancien pays suzerain, la Hollande, ils n'ont dans le Luxembourg qu'un nombre insignifiant de sujets, Les divers éléments étrangers sont surtout,

A l’article 1 er , point 13, de la loi modifiée du 30 juillet 2015 portant création d’un Institut de formation de l’éducation nationale, les termes « Centre de psychologie