3.1.2. Prévision des rendements du sorgho
Le tableau 6 ci-après présente une recherche des
modèles pour la prévision des rendements du sorgho dans la
province du Passoré.
Tableau 5 : Modèles de prévision des
rendements du sorgho dans le Passoré
|
Numéro d'ordre
|
Classement décroissant suivant la valeur de
R2
|
|
R2
|
Nb.
|
NDVI_M
|
Vert
|
Pluvio_PV
|
|
1
|
0.449497
|
3
|
0.168438
|
0.341345
|
0.248480
|
|
2
|
0.438903
|
2
|
|
0.397460
|
0.339854
|
|
3
|
0.423642
|
2
|
0.319607
|
0.392923
|
|
|
4
|
0.388080
|
2
|
0.328968
|
|
0.337668
|
|
5
|
0.366711
|
1
|
|
0.605566
|
|
|
6
|
0.340163
|
1
|
|
|
0.583235
|
|
7
|
0.337595
|
1
|
0.581029
|
|
|
Source : Données de
l'étude.
En suivant la régression pas à pas, le
modèle N°1 est celui qui présente les meilleurs
caractéristiques. Les indicateurs d'appréciation du modèle
de prévision des rendements après calibration et validation
figurent dans le tableau suivant.
Tableau 6 : Paramètres d'appréciation du
modèle de prévision du rendement du sorgho au Passoré
|
Erreur absolue moyenne (Kg/ha)
|
Root mean square error (RMSE) (Kg/ha)
|
RRMSE (%)
|
R2 de la régression dans
statistica
|
R2p
|
R2 ajusté
|
p
|
|
114.838773
|
129.694506
|
0.20943796
|
0.455314
|
0.4154
|
0.329617
|
0.042487
|
Source : Données de
l'étude.
On constate que les paramètres de la régression
sont significativement différents de la valeur nulle. Cependant, le R2
n'est pas assez satisfaisant car il est inférieur à la valeur
0.5. Dans la province du Passoré aucun modèle de prévision
n'est pertinent pour simuler les rendements agricoles.
3.2. Modèle de prévision dans la Province du
Yatenga
Une représentation de l'évolution des rendements du
mil et du sorgho de la province du Yatenga pour la période 1986 à
2003 se présente comme suit :
Figure 8: Evolution des rendements du mil et du sorgho
dans la province du Yatenga de 1986 à 2003.
Le rendement du sorgho connaît une grande
variabilité interannuelle au cours de la période de
l'étude. En 1989, il est de 165 Kg/ha et de 1 230 Kg/ha en 1997. Les
courbes de mil et de sorgho évoluent de manière assez similaire
sauf en 1988, 2000 et 2001. De plus, le rendement de 1 230 Kg/ha est
supérieur au rendement maximal trouvé en condition
expérimentale (1 000 Kg/ha). Une fois de plus, les valeurs de rendements
agricoles sont à traiter avec une grande prudence.
3.2.1. Prévision des rendements du mil
Le tableau 8 présente une proposition de différents
modèles de prévision des rendements du mil dans la province du
Yatenga. Le classement est fait en fonction de la valeur décroissante du
R2.
Tableau 7 : Modèles de prévision des
rendements du mil au Yatenga
|
Numéro d'ordre
|
Classement décroissant suivant la valeur de
R2
|
|
R2
|
Nb.
|
WEXt
|
"Cr1a"
|
NDVI_PV
|
Cum
|
|
1
|
0.738090
|
4
|
0.774475
|
-0.500183
|
-0.913790
|
0.904874
|
|
2
|
0.669573
|
3
|
0.569705
|
-0.502446
|
|
0.173410
|
|
3
|
0.656972
|
3
|
0.724573
|
-0.585601
|
-0.039264
|
|
|
4
|
0.656413
|
2
|
0.693362
|
-0.572924
|
|
|
|
5
|
0.561384
|
3
|
0.472461
|
|
-0.924452
|
1.241500
|
|
6
|
0.524801
|
3
|
|
-0.264750
|
-0.161680
|
0.751569
|
|
7
|
0.522059
|
2
|
|
-0.279339
|
|
0.595317
|
|
8
|
0.491256
|
2
|
0.263907
|
|
|
0.503003
|
|
9
|
0.468224
|
2
|
|
-0.349218
|
0.532004
|
|
|
10
|
0.464164
|
2
|
|
|
-0.358735
|
1.008562
|
Source : Données de
l'étude
Avec : WEXt : l'excès en eau sur tout le cycle, «
Cr1a » la décade pour laquelle l'indice de satisfaction en eau
(Rangeland index) correspond à 40% de l'évapotranspiration
potentielle, NDVI_PV: le cumul du NDVI pendant la phase de pleine
végétation et Cum : la somme des valeurs de NDVI du début
de la saison agricole à la valeur maximale.
L'application de la régression pas à pas, montre
que le modèle N°4 présente les meilleures
caractéristiques. Les paramètres pris individuellement, ont une
probabilité significative (p<0.05). Les paramètres
d'appréciation de la régression sont consignés dans le
tableau suivant :
Tableau 8 : Paramètres d'appréciation du
modèle de prévision des rendements du mil au Yatenga
|
Erreur absolue moyenne (Kg/ha)
|
Root mean square error (RMSE) (Kg/ha)
|
RRMSE (%)
|
R2 de la régression dans
Statistica
|
R2p
|
R2 ajusté
|
p
|
|
94.91491053
|
132.6992565
|
0.22528516
|
0.65887
|
0.6243
|
0.610137
|
0.000538
|
Source : données de
l'étude.
Pour ce modèle de prévision des rendements du
mil au Yatenga, nous constatons que la probabilité de la
régression est très significative (p<0.01). Le coefficient de
détermination de la régression est de 0.66 et sa valeur
ajustée est de 0.62. Ces deux indicateurs présentent de bonnes
caractéristiques car largement supérieures à 0.5. L'erreur
relative de prédiction des rendements du mil dans la province du Yatenga
à partir de ce modèle est de 22.53%. C'est-à-dire que l'on
commet une erreur estimée à 22.53% sur la valeur réelle
lorsqu'on utilise ce modèle pour faire la prévision des
rendements du mil au Yatenga.
Le graphique suivant montre la relation entre les rendements
observés et ceux produits à partir de ce modèle.
Source : données de
l'étude.
Figure 9 : Relation entre rendements historiques et
rendements simulés du mil au Yatenga.
Ce graphique donne une vue de la qualité de la
prédiction. On constate que les différences importantes sont
observées pour les années 1996 à 1999. Pour le reste des
années, on a une même tendance de l'évolution des
rendements.
| 
