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

 > 

Estimation des besoins en N, P et K du basilic (Ocimum basilicum L.) par le module DSSB et gestion optimale de N dans la Région Maritime du Togo

( Télécharger le fichier original )
par Ayi Koffi ADDEN
Université de Lomé - Diplôme d'Ingénieur Agronome 2005
  

précédent sommaire suivant

2.3.3 Mesures et analyses

Sur le terrain, la production en matière fraîche et la verdure des feuilles de basilic ont été mesurées. La verdure a été mesurée à l'aide du chlorophylle -mètre (Photo 2) qui est un appareil capable de mesurer la verdure d'une feuille proportionnellement à sa teneur en chlorophylle et donc en azote. Les mesures doivent être prises dans des conditions particulières décrites par Murdock (1997). Il est effectué six (6) coupes suivies de la récolte de la biomasse résiduelle extérieure au sol. Au laboratoire, on a déterminé (i) le taux d'humidité et (ii) le rendement en matière sèche. Des échantillons des feuilles fraîches sont collectés pour chaque traitement pour cette fin. Le taux d'humidité est obtenu après un séchage à l'étuve des échantillons de feuilles collectés pendant 3 à 4 jours à une température de 70 oC.

L'analyse de la variance des rendements en feuilles fraîches de basilic et le T-test ont été effectué avec le logiciel STATISTICA tandis que le test de Duncan (pour la ségrégation des moyennes) est fait avec le MSTAT. Les analyses sont faites au seuil de 5%.

Photo 2 : Le chlorophylle-mètre (en usage sur les feuilles de basilic)

2.3.4 Test de la performance du module

Pour le test de la performance du module, nous avons utilisé, à l'instar d'Addiscott et Whitmore (1987), Loague et Green (1991), de Jemisson et al. (1994a et 1994b) et Sogbédji et al. (200 1b), une méthode incluant une évaluation graphique et une évaluation statistique. Les tests de performance ont utilisé les données des sites D2, D3-3 et de Gbodjomé.

2.3.4.1 Les variables pour le test

L'évaluation était faite de manière indirecte. Le module calcule des be soins en engrais, mais nous avions évalué l'effet des engrais sur le terrain pour ainsi évaluer les doses d'engrais appliquées.

Cette évaluation s'effectuera sur la base des rendements (variable dépendante) d'autant plus que c'est la finalité de l'apport de doses d'engrais (variable indépendante) que calcule le module. Le rendement rend mieux compte, d'abord de l'interaction entre les nutriments apportés, ensuite entre les nutriments et le sol de culture et enfin prend en compte les variabilités environnementales. Du point de vue d'une approche système, le rendement en feuille fraîche de basilic constitue une résultante économique intéressante du système solclimat-basilic.

En faisant varier dans le module le rendement ciblé, nous avons déterminé les besoins prédits correspondants aux différents traitements appliqués au cours des essais. Pour P et K appliqués, nous avons quatre combinaisons de N sur chaque site : 0, 100, 150 et 200 pour les sites argileux et 0, 200, 250 et 300 pour les sites sableux. Ces doses de N vont correspondre à différents rendements ciblés prédéterminés (input du module) et sont donc des variables dépendantes prédites. Les différentes doses d'azote appliquées au cours des essais vont donner des rendements réellement observés. Ainsi, nous avons sur chaque site, 4 couples de rendements prédits contre observés (n) à associer.

2.3.4.2 Evaluation statistique

Au niveau de l'évaluation statistique, le RMSE (Root Mean Square Error / carré moyen principal de l'erreur) (Loague et Green, 199 1), le MD (Mean Difference / différence des moyennes) (Jemisson et al, 1994) et l'indice d (Willmott's index of agreement / Indice d'acceptation de Willmott) (Willmott, 1981) sont utilisés pour mesurer la coïncidence entre les rendements observés et ceux prédits (ciblés). Ces paramètres se calculent de la manière suivante (Oi = valeur observée, Om = valeur moyenne des observations, Pi = valeur prédite, n = nombre d'observation) :

1. MD =
· (Oi - Pi)/n
(Jemisson et al., 1994ab)

Le t-test sera utilisé pour déterminer si le MD est significativement différente de zéro (alpha à 5%)

2. RMSE = [
· (Oi - Pi)2 /n]1/2
(Sogbédji et al., 200 1a)

Nous l'avons utilisé sous sa forme relative (RRMSE : relative root mean square Error) qui se calcule de la manière suivante :

RRMSE = RMSE x (100/ Om)

Le RRMSE estime la déviation moyenne entre les valeurs prédites et les valeurs observées. C'est comme un coefficient de variation qui s'exprime en pourcentage et doit être faible (< 20% pour les essais aux champs) (Lengnick et Fox, 1994)

3. d = 1 - [
· (Oi - Pi)2/ (
· /Pi - Om/ + /Oi - Om/ )2 ]
(Frei, 2003)

La valeur de d reflète la précision avec laquelle le module estime les valeurs observées et sa valeur est égale à 1 lorsque les estimations coïncident parfaitement avec les observations (Sogbédji et McIsaac, 2002).

2.3.4.3 Evaluation graphique

Au niveau de l'évaluation graphique, nous avons utilisé la régression linéaire pour déterminer le degré d'association des rendements prédits et ceux observés. L'analyse de la pente et de l'inter cepte nous a été utiles (à comparer statistiquement à 1 et 0 respectivement). L'évaluation graphique est effectuée par la représentation à l'échelle 1:1 des valeurs prédites et celles observées.

Comme critère d'acceptation des prédictions du module, nous avions utilisé le plus grand coefficient de corrélation positif significatif et la moindre différence non significative entre les valeurs prédites et les valeurs observées (Addiscott et Whitmore, 1994)

2.3.4.4 Analyse de la sensibilité

En marge du test de la performance, une analyse approfondie est effectuée pour les prédictions du module par rapport aux résultats des essais. Cette analyse a concerné le site de Goumoukopé où nous avons calculé les indices de l'efficacité interne (IEI) des traitements.

IEI trt = (EI trt - LA) / (LD - LA) (Janssen, 1998)

Où trt = traitement, IEI = indice de l'efficacité interne, LD= limite de dilution et LA = limite d'accumulation.

A partir des absorptions obtenues sur ce site, nous avons déterminé le ratio N:P:K de chaque traitement. En comparant l'indice IEI de ces traitements avec celui optimal du module (50%) ainsi que leurs ratios d'absorption N:P:K à celui du module, nous avons vérifié la sensibilité des prédictions du module.

précédent sommaire suivant