WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Evaluation des caractères agro-morphologiques chez 45 génotypes de riz dans les conditions de riziculture pluviale à  la station de recherche agronomique de Longorola (Sikasso)


par Ibrahima BERTHE
Institut Polytechnique Rural de Formation et de Recherche Appliquée (IPR/IFRA) de Katibougou - Ingénieur d'Agriculture avec grade de master 2021
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

5.1.10. Variation du poids de mille grains

L'analyse de variance des données sur le poids de 1000 grains a montré une différence hautement significative pour l'effet génotype et une différence non statistiquement significative pour les effets combinés répétitions-blocs.

Tableau 14: Analyse de variance du poids de 1000 grains

Somme des Moyenne

Source

DDL

carrés

des carrés

F

Pr > F

Signification

Génotype

44

1329,082

30,206

4,930

< 0,0001

THS

Rep*BLOCK

26

239,916

9,228

1,506

0,094

NS

Erreur

64

392,112

6,127

 
 
 

Total corrigé

134

2340,950

 
 
 
 

DDL : degré de liberté, NS : non significative, THS : très hautement significative

36

5.1.11. Variation du Rendement gramme/plant

L'analyse de variance des données du rendement a montré une différence très hautement significative pour la source de variation répétitions-blocs et une différence non significative pour l'effet génotypes.

Tableau 15: Analyse de variance du rendement gramme par plant

 
 

Somme des Moyenne

 
 
 

Source

DDL

carrés

des carrés

F

Pr > F

Signification

Génotype

44

1220,569

27,740

1,448

0,087

NS

Rep*BLOCK

26

2009,561

77,291

4,035

< 0,0001

THS

Erreur

64

1225,879

19,154

 
 
 

Total corrigé

134

5257,917

 
 
 
 

DDL : degré de liberté, NS : non significative, THS : très hautement significative

5.1.12. Corrélation de Pearson :

Les résultats de la matrice de corrélation (tableau 16) relèvent les types de relations existantes entre les différents caractères quantitatifs mesurés. Ainsi la corrélation la plus élevée a été observée entre le nombre total de talles à la maturité et le nombre de talles fertiles avec un coefficient de corrélation r= 0,763. La hauteur des plantes a montré une forte corrélation positive avec la longueur des panicules (r=0,575) et avec le nombre de grain par panicule (r=0,394). Le rendement par plant était corrélé de manière positive avec tous les caractères étudiés exceptés les cycles de floraison, de maturité et la longueur des panicules. Les deux cycles étaient positivement corrélés entre eux (r=0,417). Par ailleurs, le cycle de floraison a montré des corrélations négatives avec le nombre de talles (r= -0,206) et le nombre de talles fertiles (r= -0,185). Une corrélation négative a également été observée entre le poids de milles grains et le nombre de grains par panicules (r= -0,430).

Tableau 16: Matrice de corrélation des différents paramètres étudiés

Variables

HTM

NTM

NTF

CSF

CSM

LP

Ngp

PMG

Rdt g/p

HTM

1

 
 
 
 
 
 
 
 

NTM

-0,130

1

 
 
 
 
 
 
 

NTF

0,076

0,763

1

 
 
 
 
 
 

CSF

0,167

-0,206

-0,185

1

 
 
 
 
 

CSM

-0,105

-0,051

-0,017

0,417

1

 
 
 
 

LP

0,575

-0,116

-0,071

0,406

0,067

1

 
 
 

Ngp

0,394

-0,069

-0,080

0,065

-0,066

0,376

1

 
 

PMG

-0,051

0,109

0,051

0,020

0,059

-0,157

-0,430

1

 

Rdt g/p

0,272

0,288

0,374

-0,158

-0,051

0,055

0,208

0,280

1

37

5.1.13. Régression Linéaire :

Le coefficient de détermination r2 le plus élevé a été observé entre le nombre de talles à la maturité et le nombre de talles fertiles 0,582. Cela signifie qu'il y a une corrélation assez forte entre ces deux paramètres (Figure 16). Donc 58% des variations du nombre de talles fertiles est expliqué par les variations du nombre de talles à la maturité.

NTM

18

16

14

12

10

4

2

8

6

0

0 2 4 6 8 10 12 14

NTF

Echantillon d'apprentissage Modèle(NTM)

Int. de conf. (Moyenne 95%) Int. de conf. (Obs 95%)

Figure 12: Régression linéaire du nombre de talles à la maturité par le nombre de talles fertiles La régression linéaire du nombre de talles fertiles par le rendement (Figure 17) avec r2=0,140 signifie que 14% des variations du rendement est expliqué par les variations du nombre de talles fertiles, ce qui est faible comme pourcentage. On peut dire qu'il n'y a pas une forte corrélation entre le rendement et le nombre de talles fertiles.

NTF

12

10

4

2

8

6

0

0 5 10 15 20 25 30 35 40 45 50

Rdt g/p

Echantillon d'apprentissage Modèle(NTF)

Int. de conf. (Moyenne 95%) Int. de conf. (Obs 95%)

Figure 13: Régression linéaire du nombre de talles fertiles par le rendement g/plt

38

5.1.14. Classification Ascendante Hiérarchique (CAH)

Pour mieux apprécier la diversité agro-morphologique des génotypes de riz, une classification ascendante hiérarchique a été effectuée sur la base des 8 paramètres quantitatifs évalués. La CAB a permis d'avoir un dendrogramme (Figure 18) qui regroupe les lignées en des groupes statistiquement homogènes. L'analyse du dendrogramme a montré trois grands groupes.

Ces différents groupes sont les suivants :

v Groupe 1 : Il était constitué de 40% des individus. Les génotypes de ce groupe avaient le poids de 1000 grains le plus élevé (28,260 g), le plus grand nombre de talles fertiles (5) et a renfermé les individus les plus courts (105,074 cm) ;

v Groupe 2 : Il contenait 48,88% des génotypes et comportait les individus de grande taille avec une hauteur moyenne de 118,709 cm ; les plus tardifs soit 97 jours de cycle semis-maturité et les individus ayant le rendement le plus élevé 18,130 g/plant.

v Groupe 3 : Ce dernier représentait 11,11% des individus et comportait les individus qui ont le nombre de panicules le plus bas (4,68) et le rendement le plus bas 16,78 g/plant.

Obs24

Obs26

Obs17

Obs32

Obs3

Obs18

Obs1

Obs39

Obs21

Obs41

Obs40

Obs45

Obs2

Obs19

Obs11

Obs25

Obs7

Obs30

Obs13

Obs14

Obs10

Obs29

Obs38

Obs35

Obs42

Obs37

Obs43

Obs12

Obs15

Obs23

Obs44

Obs31

Obs4

Obs8

Obs22

Obs34

Obs16

Obs20

Obs5

Obs27

Obs33

Obs28

Obs36

Obs6

Obs9

Dissimilarité

35000

30000

25000

20000

15000

10000

5000

0

Groupe 1

Groupe 3

Groupe 2

Figure 14: Classification des groupes selon le dendrogramme

39

5.1.15. Sélection des génotypes les plus performants :

La sélection des meilleurs génotypes a été faite sur le critère rendement grain/plant.

La matrice de corrélation a révélé que le coefficient de corrélation du rendement est le plus élevé avec le nombre de talles fertiles (r=0,374) d'où le coefficient de détermination r2=0,140. Ce qui signifie que 14% seulement des variations du rendement sont expliqués par les variations du nombre de talles fertiles. Cette valeur du coefficient de détermination ne permet pas de faire du nombre de talle un critère de sélection.

Grâce au test de la PPDS au seuil de 5% du rendement qui est égale à 2,62 (Tableau 7), 5 individus se sont démarqués des autres. Il s'agit de: ARICA 5, ART35-49-D1-2, ART27-58-7-1-2-4-2-2, PCT-11\0\0\2_Bo\2\1>44-M-4-3-M, ART35-114-1-6N-2. Ces individus pourraient être utilisés comme parents à haut potentiel de rendement pour les croisements futurs.

Les 35 meilleurs génotypes en termes de rendement moyen ont été choisis pour la conduite d'un essai PET (Essai participatif de rendement) la saison prochaine.

40

Tableau 17: Génotypes sélectionnés pour le PET

 

Traitement

Génotype

RDT g/plt

1

T29

ARICA 5

27,7333333

2

T7

ART27-58-8-1-1-4

26,2

3

T23

ART35-49-D1-2

24,1333333

4

T13

ART34-79-D2-2

24,0666667

5

T25

PCT-4\SA\5\1>1754-5-1-3-2-2-M

23

6

T27

ARD3-9-2-B

22

7

T15

ART34-113-3-2-B-1

21,6666667

8

T43

NERICA 7

21,6666667

9

T6

ART27-58-7-1-2-4-2-2

21,1333333

10

T22

ART35-49-D1-1

21

11

T12

ART35-52-2-7N-2

20,9333333

12

T41

NERICA 1

20,3333333

13

T42

DKA-M53

20,0666667

14

T33

PCT-11\0\0\2_Bo\2\1>746-1-5-2-2-2-M

19,2666667

15

T3

ART27-190-6-4-2-1-1

19,0666667

16

T34

PCT-11\0\0\2_Bo\2\1>487-1-6-2-3-3-M

18,8666667

17

T24

ART35-88-D1-1

18,8

18

T11

ART35-272-1-2-B-1

18,7333333

19

T39

BRS PRIMAVERA

18,5333333

20

T36

PCT-11\0\0\2_Bo\2\1>44-M-4-3-M

18,2

21

T10

ART35-200-2-2-B-1

18,0666667

22

T28

ARICA 4

17,8

23

T44

NERICA 15

17,3333333

24

T4

ART27-58-6-2-1-1-3-2

17,2666667

25

T17

ART27-190-7-3-2-4-3-1

17,2666667

26

T30

PCT-11\0\0\2_Bo\2\1>82-3-1-1-3-2-M

16,8666667

27

T32

PCT-11\0\0\2_Bo\2\1>82-3-1-1-3-1-M

16,8

28

T31

PCT-11\0\0\2_Bo\2\1>82-3-1-1-3-3-M

16,4666667

29

T35

PCT-11\0\0\2_Bo\2\1>46-M-3-4-3-2-M

15,9333333

30

T40

NERICA 4

15,7333333

31

T8

ART35-114-1-6N-2

15,4

32

T14

ART35-49-1-7D-1

14,8

33

T20

ART34-79-D1-1

14,5333333

34

T9

ART34-88-1-2-B-1

14,5333333

35

T21

ART35-40-1-2-B-1

14,4666667

 

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Aux âmes bien nées, la valeur n'attend point le nombre des années"   Corneille