5.7 Analyse des données
Les données mesurées ont fait l'objet d'une
analyse de variance par site et combinée sur tous les différents
sites pour analyser l'interaction génotype x environnement (G x L). Ces
analyses ont été réalisées avec le logiciel
CropStat 7.2 (2008) [127]. La plus petite différence significative
(Ppds) au seuil de 5% de probabilité a été utilisée
pour comparer les moyennes variétales et environnementales.
Suite à la multitude des réponses des
génotypes à la variation du milieu, les données ont
été traitées par la technique de la régression
conjointe selon le modèle de FINLY et WILKINSON (1963) [11] qui estime
la régression du rendement de chaque variété par rapport
à l'indice du milieu (I) qui est l'écart de la moyenne des
génotypes dans un lieu (Y.j) déduite de la grande moyenne (Y..).
L'équation de la régression est :
63
Elle décrit une relation linéaire entre I,
variable indépendante (indice du milieu) et Yij variable
dépendante représentant le rendement moyen du génotype i
dans l'environnement j. a est l'ordonnée à l'origine et b la
pente de la droite, ou coefficient de régression.
Une valeur de b significativement inférieure à 1
est indicatrice d'une adaptation spécifique aux environnements
défavorables tandis que des valeurs supérieures à 1
caractérisent une adaptation spécifique aux environnements
favorables. Une valeur de b égale à l'unité est indicative
d'une large adaptation. Cette méthode permet de calculer la droite de
régression du rendement moyen du génotype en fonction du
rendement moyen de tous les environnements [11].
La méthode des effets principaux additifs et de
l'interaction multiplicative (AMMI) a été aussi utilisée,
pour étudier l'interaction génotype x environnement. Cette
technique associe l'analyse de variance de modèle additif à
l'analyse en composantes principales des interactions. Elle sépare les
effets dus au comportement génotypique (pattern) des effets dus à
l'erreur dit bruit de fond (bruit =noise) [13].
Une étude des corrélations a été
réalisée, pour déceler les liens éventuels entre
les caractères mesurés. La connaissance des relations entre
caractères permet d'identifier ceux qui contribuent directement ou
indirectement au rendement, pour leurs utilisations comme critères
directes ou indirectes de sélection pour le rendement.
Le degré de similitudes des différents sites est
mesuré par le coefficient de corrélation de rang de Spearman
(rs) qui a été calculé selon la
procédure décrite par STEEL et TORRIE (1980) [128]. La
signification statistique du coefficient de rang de Spearman rs est
testée par comparaison du t de Student calculé avec le t de table
au seuil de 5% de probabilité.
64
Le t de Student est calculé selon STEEL et TORRIE, (1980)
[128] par :
tobs = rs
Où n= nombre de génotype et rs est le
coefficient de rang de Spearman. Le t de table a n-1 degrés de
libertés.
Le rendement nominal de chaque génotype a
été estimé par la somme de l'effet principal du
génotype plus l'interaction génotype x environnement. Cette
dernière est égale au produit des scores du génotype
(GIPCA1) et du site considérés (LIPCA1). Le rendement nominal
permet d'identifier les génotypes qui se partagent le même domaine
de recommandations.
L'indice I (reliability index) est calculé selon la
procédure décrite par ANNICHIARICO (2002) [129]. Cet indice donne
le plus faible rendement du génotype considéré dans les
plus mauvaises conditions (risque). Il a la forme :
Ii = Yi. - Zpó
Où Yi. L'effet moyen génotype,
ó est l'écart type de la variance inter sites et Zp est
égale à 1.645, suite à la forte fréquence des
mauvaises campagnes qui caractérisent la céréaliculture
algérienne.
65
ns, *, **, et *** = effet non significatif et
significatif au seuil de 5 et 1% respectivement.
| 
