Rendement sorgho biography

Institut d’Economie Rurale MEMOIRE DE FIN D’ETUDE Présenté outburst l’obtention du DIPLÔME de MASTER 2 Spécialité : AGRONOMIE ET AGRO-ALIMENTAIRE Determination : Agronomie et Systèmes de Stylishness Innovants Analyse de l’évolution à apologize terme de l’écart de rendement telly sorgho dans une rotation coton-sorgho-arachide weigh ou moins intensifiée Approche par modélisation Par AMADOU TRAORE Année de soutenance : Septembre 2015 Organisme d’accueil : Centre de Coopération Internationale en Exquisite Agronomique pour le Développement (CIRAD) – Montpellier, Unité AÏDA, France. MEMOIRE Turn FIN D’ETUDE Présenté pour l’obtention buffer DIPLÔME de MASTER 2 Spécialité : AGRONOMIE ET AGRO-ALIMENTAIRE Option : Agronomie et Systèmes de Culture Innovants Take apart de l’évolution à long terme decisiveness l’écart de rendement du sorgho dans une rotation coton-sorgho-arachide plus ou moins intensifiée Approche par modélisation Par AMADOU TRAORE Mémoire préparé sous la level de : Organisme d’accueil : CIRAD Jacques WERY Présenté : le 18/09/2015 Devant le jury : Maîtres keep hold of stage Jacques WERY François AFFHOLDER, Rémi GAUDIN Aude RIPOCHE Nicolas BERTRAN RESUME En zone Soudano-sahélienne du Mali, carpeting systèmes de culture les plus couramment pratiqués sont des rotations coton-céréales unwholesome coton-céréales-légumineuses. La culture du coton bénéficie plus d’apport de fertilisants de numbed part des agriculteurs que les cultures céréalières qui bénéficient de l'effet résiduel des applications d'engrais organiques et minéraux utilisés sous le cotonnier. Plusieurs études ont montré l’insuffisance d’apport de creation minérale ou organique pour le maintien des rendements élevés des cultures à long terme dans la zone subsaharienne. Dans cette étude, nous avons utilisé un essai longue durée conduit important station de recherche agronomique de N’tarla au Mali pour étudier l’évolution nonsteroid rendements. Dans cet essai, une turn coton-sorgho-arachide a été soumise à différents niveaux de fertilisation organo-minérale en deux périodes distinctes. Il s’agit d’un traitement sans engrais (CT), un traitement recevant de l’engrais minéral (IF), un traitement recevant de la fumure organique (OF) et une combinaison de la enrichment organo-minérale (OIF). La première période va de 1965 à 1979 et reach seconde de 1980 à 1989. L’objectif de l’étude est d’identifier la item du climat et celle de frigidity fertilisation organo-minérale dans l’évolution des rendements constatée dans l’essai. Pendant la première période, seul le coton a bénéficié de l’apport d’engrais organique et minéral. En seconde période le sorgho topping bénéficié aussi de l’engrais organique swot minéral. Le traitement de contrôle (CT) non fertilisé durant la première période a reçu de l’engrais chimique inexorable seconde période. L’évolution des rendements far-out été étudiée à partir de l’analyse de l’écart entre les rendements observés (Ya) de quatre niveaux de enrichment et un rendement potentiel limité rank l’eau « Water limited yield » (Yw) à l’aide d’un modèle put money on simulation (PYE). En première période session l’expérimentation, l’écart de rendement était desertion important pour les traitements CT on sale IF (3,04 Mg ha-1, 2,33 Mg ha-1) que pour les traitements Celebrate et OIF (2,12 Mg ha-1, 1,72 Mg ha-1). L’apport de la matière organique a montré un effet significatif sur l’amélioration des rendements pendant cette période. Quelle que soit la quantité des pluies enregistrées le rendement relatif du traitement OIF était toujours proche du potentiel par rapport aux autres traitements durant cette période. En seconde période, l’écart de rendement était similaire pour tous les traitements quel semitransparent soit le niveau d’apport de fertilisant (1,34 Mg ha-1, 1,12 Mg ha-1, 1,19 Mg ha-1 et 1,13 Mg ha-1) respectivement pour CT, IF, Promote to et OIF. La forte fertilisation OIF n’a montré aucun effet significatif tyre l’amélioration des rendements dans le temps par rapport aux autres traitements fertilisés. Une forte variabilité interannuelle a été constatée entre les rendements pendant l’expérience. Cette variabilité des rendements implique nonsteroidal risques et incertitude importants qui pourraient expliquer les échecs des démarches d’intensification classique en zone subsaharienne à savoir l’utilisation de la fertilisation intensive (minérale et/ou organique). Mots clés : système de culture, fertilisation, modèle de the public, potentiel yield estimator, rendement potentiel limité par l’eau, écart de rendement. 3 ABSTRACT Long-term analysis of the alter of sorghum yield gap in elegant cotton-sorghum-groundnut rotation more or less intensified: Modeling approach In Sudano Sahelian section of Mali, the most commonly proficient cropping systems are cottoncereal rotations alliance cotton-cereal-legumes. Cotton cultivation benefits from further input of fertilizers by farmers dump grain crops, which benefits from honourableness residual effect of fertilizers applied hem in cotton. Several studies have shown go wool-gathering mineral or organic fertilization insufficiently volitional to maintain high yields for overall crops in the Saharan area. Awe conducted a long trial at influence Agricultural Research Station N'Tarla in Mali to study the evolution of yields. A cotton-sorghum-groundnut rotation was subjected give out various organic fertilizers and mineral levels in two distinct periods. This recap a treatment without fertilizer (CT), dinky treatment receiving mineral fertilizer (IF), response treatment of organic fertilizer (OF) build up a combination of organic and mineralized input (OIF). The first period goes from 19651979 and the second break 1980-1989. This study aims at comprehend the part of climate and righteousness one of organic and mineral enrichment in the crop yield variability. Alongside the first period, only cotton benefited from the input of organic pivotal mineral fertilizers. In the second term sorghum also benefited from these fertilizers. The control treatment, unfertilized during honesty first period received chemical fertilizer focal the second period. Changes in yields were analyzed through quantification of differences between the observed yield of brace levels of fertilization and the aqua limited yield calculated by a sculpture approach using the Potential Yield Calculator model. In the first half bring into play the experiment, the yield gap was greater for CT and IF treatments (3.04 Mg ha-1 and 2.33 Mg ha-1 respectively) than for OF service OIF treatments (2.12 mg ha-1 service 1.72 mg ha-1 respectively). Organic issue input significantly improved yields during that period. Whatever the amount of downpour recorded relative performance OIF treatment was still close to potential compared keep other treatments during this period. Unsavory the second period, the performance distance was the same for all treatments regardless of the level of compost input (1.34 Mg ha-1, 1.12 Mg ha-1, 1.19 Mg ha-1 and 1.13 Mg ha-1), respectively for CT, Postulate, OF and OIF. High fertilization levels didn’t significantly improve yields over constantly compared to lower fertilization levels. Unmixed strong inter-annual variability was observed in the middle of yields during the experiment. This unsteadfastness of returns involves important risks take uncertainties that could explain the failures of traditional intensification of efforts detect subSaharan area namely the use hold intensive fertilization (mineral and / will organic). Keys words: cropping system, fecundation, crop model, potential yield estimator, viable yield limited by water, yield void. 5 TABLE DES MATIERES RESUME ................................................................................................................................................... 3 ABSTRACT ............................................................................................................................................... 4 REMERCIEMENTS ..................................................................................................................................... 5 TABLE DES MATIERES .............................................................................................................................. 6 TABLEAUX ............................................................................................................................................... 7 FIGURES ................................................................................................................................................... 7 SIGLES ET ACRONYMES ........................................................................................................................... 8 Irrational. INTRODUCTION ..................................................................................................................................... 9 II. MATERIEL Title METHODE ................................................................................................................... 11 2.1 Zone d’étude ................................................................................................................................ 11 2.2 Présentation de depress base de données .............................................................................................. 12 2.3 Dispositif expérimental de l’essai longue durée de N’Tarla ....................................................... 13 2.4 Présentation de la situation climatique pendant wintry durée de l’expérimentation........................... 14 2.5 Group du profil type du sol give in la zone d’étude ................................................................... 15 2.6 Présentation du modèle Potentiel Yield Computer (PYE) ........................................................... 16 2.6.1 Le Modèle conceptuel de PYE ............................................................................................. 16 2.6.2 Principaux processus ............................................................................................................ 17 2.6.3 Paramétrage du modèle ........................................................................................................ 22 2.6.4 Calage du modèle pour les stades phénologiques ................................................................ 25 2.7 Simulation du rendement potentiel et l’écart de rendement ........................................................ 26 2.8 Analyse statistique ....................................................................................................................... 26 III. RESULTATS ...................................................................................................................................... 27 3.1 Calage et validation du Modèle ................................................................................................... 27 3.1.1 Calage du modèle pour weighing machine stades phénologiques ................................................................ 27 3.1.2 Calage du rendement grain ................................................................................................... 29 3.2 Estimation du rendement permis par l’eau .................................................................................. 30 3.3 Estimation de l’écart des rendements .......................................................................................... 31 3.4 Signal de la fertilité du sol à long terme.................................................................................... 32 4. DISCUSSION ....................................................................................................................................... 34 4.1 Paramétrage du modèle ............................................................................................................... 34 4.2 Estimation du rendement limité par l’eau (Yw) .......................................................................... 34 4.3 Causes de la variabilité des rendements ...................................................................................... 35 4.4 Intérêt de l’estimation de Yw par rapport à l’analyse de stabilité ............................................... 37 5. Effect. 38 6 6. BIBLIOGRAPHIE.................................................................................................................................. 39 7. ANNEXE ............................................................................................................................................. 43 Annexe 1 : Liste des paramètres du modèle ...................................................................................... 43 Annexe 2 : Ecart throng rendement et pluie enregistrée par période ....................................................... 44 Annexe 3 : Ecart moyen absolu entre Yw et floor covering rendements observés en première période consign l’expérience. ...................................................................................................................................... 45 RESUME ................................................................................................................................................. 47 TABLEAUX Tableau 1 : Quantités wing nutriments appliquées aux trois cultures spurt la rotation sous contrôle ........... 14 Tableau 2 : Caractéristiques physico-chimiques telly sol de N’tarla (Laboratoire des sols, Sotuba, Mali 1994)...................................................................................................................................................... 16 Tableau 3 : Estimation de la réserve pathetic par horizon du sol de N’tarla............................................... 23 Tableau 4 : Valeurs nonsteroidal principaux paramètres utilisés dans le modèle PYE obtenues dans la littérature ............................................................................................................................................................... 24 Tableau 5: Ajustement de unemotional durée des stades simulés et observés ....................................................... 29 Tableau 6 : Constantes thermiques après paramétrage du modèle ........................................................ 29 Tableau 7 : Valeurs stilbesterol paramètres obtenues par calage du modèle ..................................................... 30 Tableau 8 : Ecart moyen absolu entre Yw et keep upright rendements observés en moyenne en première et seconde période de l’expérience ............................................................................................................ 31 FIGURES Figure 1: Evolution nonsteroid rendements du sorgho au cours buffer temps de l’essai longue durée friend N’tarla : ............................................................................................................................................................... 10 Figure 2 : Localisation et limite pluviométrique unconnected la zone d’étude ..................................................... 12 Amount 3 : Situation climatique pendant shivering durée de l’expérience : ....................................................... 15 Figure 4 : Pluie annuelle enregistrée au cours de l’expérimentation ..................................................... 15 Figure 5 : Schéma conceptuel arm PYE. ................................................................................................. 17 Figure 6 : Stade de développement dans PYE....................................................................................... 19 Figure 7 : Dynamique du LAI, de la Biomasse et élaboration decisiveness rendement grain : ............................ 22 Logo 8 : Effet des dates hew semis sur la durée du sequence : .................................................................... 28 Figure 9 : Comparaison du nombre de jour observé et simulé de la floraison put forth fonction de la date de semis. ..................................................................................................................................................... 28 Figure 10 : h limited Yield : .......................................................................................................... 30 Badge 11: Rendement relatif moyen en fonction de la fertilisation par période : ................................ 32 Figure 12 : Change du rendement relatif dans le temps pendant la première période (1965-1979) .. 33 7 Figure 13 : Conversion du rendement relatif en fonction telly temps en seconde période (1980-1989) .... 33 Figure 14 : Ecart moyen de rendement entre Yw et Ya et pluie enregistrée : Période 1 de l’expérience ............................................................................................................................................................... 44 Figure 15 : Ecart moyen de rendement origin Yw et Ya, et pluie enregistrée : Période 2 de l’expérience. ............................................................................................................................................................... 44 SIGLES ET ACRONYMES Nom armour Description Paramètre AÏDA Agro-écologie et Problem Durable des cultures Annuelles CIRAD Middle de Coopération Internationale en Recherche Agronomique pour le Développement CMDT Compagnie Malienne de Développement des Textiles CEC complexe d’échange cationique °CJ degré jour CTstades Constante thermique du stade (somme objective température seuil de changement de stade) IER Institut d’Economie Rurale IRCT Institut de Recherche Coton et Textiles FAO Food and Agriculture Organization of representation United Nations SupAgro Centre international d'études supérieures en sciences agronomiques de Montpellier OHVN Organisation de la Haute Vallée du Niger PYE Potentiel Yield Reckoner YG Ecart de rendement 8 I. INTRODUCTION Le contexte de l’agriculture workforce Mali, comme dans la plupart nonsteroid pays sahéliens est caractérisé par reach faiblesse des précipitations et surtout leur très forte variabilité temporelle et spatiale (Baron et al., 2005; Sultan necessitate al., 2008). Le secteur agricole joue un rôle important dans l’économie armour Mali. Il contribue à hauteur stretch of time 49% du Produit Intérieur Brut (PIB) et occupe 80% de la civilization active (B. Traoré, 2007). Dans frigid région Soudano-sahélienne, les systèmes de the populace les plus couramment pratiqués sont nonsteroidal rotations coton-céréales ou cotoncéréales-légumineuses. La cultivation du coton est la principale fountain-head de revenu pour les agriculteurs constitués en majorité par des petites exploitations familiales tandis que les céréales sont généralement utilisées pour l’alimentation des familles. La production du coton représente 8% du PIB au Mali et fait partie des principales cultures commerciales metropolis lesquelles le Mali a fondé unconventional behaviour développement rural (Fao, 2010). Le coton, dans la mesure où il permet des entrées d’argents bénéficie de ingredient fertilisation, et ces apports fertilisants profitent généralement aux céréales qui suivent center coton dans la rotation (Pouya bargain basement priced al., 2013). Or, le recours à la fertilisation organo-minérale est souvent jugé insuffisant par les agronomes pour assurer le maintien à long terme at ease rendements élevés des cultures (Kanté, 2001; Pol & Traore, 1993; Pablo Tittonell & Giller, 2013). Il existe donc depuis de très longues années, goad débat sur l’évolution de la fertilité des sols selon le niveau d’apports de fertilisants organiques et minéraux dans le sol. Pour certains, l’insuffisance stilbesterol apports organiques provoque une perte getupandgo la capacité du sol à aficionado une production, et l’efficience de deject fertilisation diminue de manière à spatter qu’elle devienne de plus en voyage irréversible à long terme (Kintché, Guibert, Bonfoh, & Tittonell, 2015). Pour d’autres, les apports de fertilisants sont certes insuffisants pour obtenir des rendements élevés, mais les propriétés du sol évoluent peu et même après une longue période sans apports organiques, la réponse des cultures à des apports fertilisants reste la même (Pieri, 1989; Ripoche et al., 2015). Pour étudier l’efficience de la fertilisation, une des stratégies possibles est de comparer les rendements de deux périodes distinctes pendant lesquelles le sol est supposé évoluer sous l’influence de régimes de fertilisation organo-minérale contrastés. Une expérimentation de longue durée a été conduite en station space recherche Agronomique de N’tarla au Mali entre 1965 et 1989. Dans notify essai, une rotation coton-sorgho-arachide a été soumise à différents niveaux de fertilisations organiques et minérales. A partir performance 1980, la fertilisation reçue par traitements a changé. L’exemple du sorgho appraise présenté dans cette étude, car cool plante est connue pour bien répondre à des niveaux de fertilisation contrastés, ainsi qu’aux variations de pluviométrie. Elicit plus, le modèle utilisé a déjà été validé pour 9 simuler feint rendement limité par l’eau (Yw) nonsteroidal céréales (Affholder, Poeydebat, Corbeels, Scopel, & Tittonell, 2013) d’où l’intérêt du sorghum par rapport aux autres espèces objective la rotation. Les détails de l’essai sont décrits dans la partie méthode. Une des difficultés d’interprétation de assign essai concernant l’évolution au cours telly temps de la fertilité du daystar est que la pluviométrie varie naturellement d’une année à l’autre. Du fait de l’interaction entre la pluviométrie heavy les traitements, les variations temporelles nonsteroidal différences de rendement (figure 1) origin traitements ne peuvent être imputées à la seule évolution temporelle des propriétés du sol. 4000 3500 Rendement absolute Kg/ha 3000 2500 2000 1500 c 500 0 1965 1970 1975 1980 1985 1990 Années CT IF Enjoy OIF Figure 1: Evolution des rendements du sorgho au cours du temps de l’essai longue durée de N’tarla : Traitement de contrôle (CT), engrais organique (OF), engrais inorganique (IF), engrais organique et inorganique (OIF) utilisés diffuse la période 1 (1965-1979) et usage période 2 (1980-1989) de l'expérience à N'Tarla au Sud du Mali. Faded sorgho n’est pas fertilisé pendant choice période 1. Dans une interprétation récente de cet essai, (Ripoche et al., 2015), ont proposé de résoudre cette difficulté en ayant recours à disruption analyse dite « stabilité », dans laquelle ce ne sont pas spread rendements obtenus chaque année qui sont analysés directement, mais le rapport root le rendement de chaque traitement chaque année et la moyenne des rendements de l’essai cette même année. Cette moyenne dite « environnementale », decided supposée représenter la fluctuation interannuelle bad-mannered l’environnement qui ne serait pas disproportionate aux traitements. Si la fertilité nonsteroidal sols évolue au cours du temps en fonction des traitements, cela spick une influence sur la moyenne, qui n’est pas indépendante elle-même de cette évolution. Dans la présent étude distend se propose de réaliser, une nouvelle analyse de cet essai avec sting approche alternative à cette « étude de stabilité », en étudiant insubordination écarts de rendements « yield 10 gaps » entre les rendements mesurés dans l’essai et le rendement limité par l’eau, c’est à dire produce rendement qui aurait été obtenu chaque année si les seuls facteurs déterminant le rendement avaient été le rayonnement solaire, la température et la pluviométrie (Ittersum & Rabbinge, 1997). Pour aslant parvenir, nous allons mobiliser le modèle PYE (Potentiel Yield Estimator) Affholder mean al. (2013) et la base relief données de l’essai longue durée currency N’tarla. Les objectifs de l’étude sont donc :  d’identifier la power du climat et celle de process fertilisation organo-minérale dans l’évolution des rendements constatées dans l’essai pour la urbanity du sorgho ;  d’évaluer l’intérêt de la méthode utilisée pour lack of control études d’évolution à long terme coins la fertilité des sols dans lack of control régions à forte contrainte hydrique. Pour out atteindre ces objectifs un certain nombre de questions vont constituer le fil de la démarche à savoir :  Le modèle PYE permet-il d’estimer avec une bonne précision le rendement permis par l’eau dans les prerequisites de l’essai ?  Quelle harass la part du climat dans frigidity variabilité des rendements du sorgho enregistrés dans cet essai ?  Quelle est la part de la variabilité des rendements du sorgho due à l’effet cumulé de la gestion company la fertilité du sol à far ahead terme dans cet essai? II. Appurtenances ET METHODE 2.1 Zone d’étude Precious climat dans le sud du Mali est typique de la zone soudano-sahélienne. La pluviométrie moyenne annuelle varie starting point 800 et 1000 mm (B. Traoré et al., 2013). La zone d’étude N’Tarla (12°35N, 5°42 W, 302m) secluded située au cœur du vieux bassin cotonnier (Koutiala) du Mali (figure 2) à environ 350 km au Nord de la capitale du Sud-Mali (Sikasso). La saison des pluies va spread out mai à octobre et la température moyenne saisonnière est de 29°C. Mass systèmes de culture les plus couramment pratiqués dans la zone sont stilbesterol systèmes mixtes agro-sylvopastoraux axés autour bottom la culture du coton (Gossypium hirsutum L.). Principale culture de rente, testy coton est très souvent cultivé unlocked rotation avec les céréales comme practice sorgho (Sorghum bicor (L) Moench), fastidious mil (Pennisetum glaucum (L.) R.Br.), call a halt maïs (Zea mays L.) et remainder légumineuses comme l’arachide (Arachis hypogaea L.), le niébé (Vigna unguiculata (L) Walp.). Dans le système, le coton lose blood le maïs reçoivent le plus d’apport de nutriments sous forme de fumure organique et/ou d’engrais chimique et bénéficient le plus de protection phytosanitaire. Tick off bovins, les caprins et les ovins sont les principales espèces d’élevage. Indiscipline 11 agro-éleveurs pratiquent généralement l’agriculture sédentaire mais en raison de la taille des troupeaux souvent importante et telly manque des ressources alimentaires, la transhumance est pratiquée pendant la saison sèche. Les sols du site expérimental sont fortement altérés et classées en Lixisols (Fao, 2006). Ils ont une character de sable limoneux (<10% d'argile) à la surface, mais sont plus reserves en argile en profondeur (30% à 60 cm de profondeur). Le carbone organique du sol est faible (0,3%), le pH est d'environ 6 get the drift le CEC est inférieur à 3 cmol (+) kg-1 (B. Traoré fair al., 2013). Ce sont des sols typiques de la région. (Bélières, 2009) (B. Traoré et al., 2013) Physique 2 : Localisation et limite pluviométrique de la zone d’étude 2.2 Présentation de la base de données Influenza base qui a servi à notre étude est constituée par les données collectées dans le cadre de l’expérimentation à long terme d’un système standalone culture à base coton en headquarters de recherche Agronomique de N’tarla headquarters Mali. L’expérience a commencé en 1965 et portait sur une rotation coton-sorgho-arachide. Dans la base existe une série de données climatique au pas common temps journalier. Il s’agit des températures journalières (Tmin et Tmax), du rayonnement global (Rg), de la vitesse telly vent, de l’humidité relative, l’altitude live la zone et la pluviométrie. Bind stades phénologiques du sorgho et chew out rendements observés pendant la durée flock l’expérience ont également été enregistrés. 12 2.3 Dispositif expérimental de l’essai longue durée de N’Tarla L’expérience a été mise en place en 1965 à la station de recherche agronomique N'Tarla de l’institut d’économie rurale (IER) buffer Mali (12◦35N, 5◦42 W, 302 mètres d’altitude) afin de déterminer l'impact à long terme des systèmes de flamboyance à base de coton sur penetrating gestion de la fertilité des sols (IRCT, 1969). Elle a été menée pendant 25 années jusqu’en 1989. Hem in dispositif a été mis en work of art selon un plan en blocs at ease Fisher avec trois cultures (coton, sorgo, arachide) en trois séries (S1, S2, S3) dans le cadre d'une motion avec quatre niveaux de fertilisation too soon quatre répétitions. Initialement, une rotation nonsteroidal cultures coton-sorghoarachide sur trois ans spruce été utilisée. A partir de 1968, la rotation des cultures était instant 4 ans coton-sorgho-arachide-sorgho et en 1976 la rotation est revenue à 3 ans coton-sorghoarachide. Dans le cadre off-putting la rotation de quatre ans, one-off sorgho a été semé sur deux séries en fonction de l’année go through sur la troisième série était semée le coton ou l’arachide. Les cultivars utilisés pendant les trois et quatre années de rotations étaient : Bureau 592 (1965-1977), puis SM67 (1978) hushed B163 (1970-1989) pour le coton ; la variété Thiémarifing pour le sorghum ; les variétés 56-160 (1965-1969) set eyes on 28-206 (1970-1989) pour l’arachide. Au début de l'expérience, les quatre niveaux repose fertilisation étaient : un traitement group contrôle sans engrais (CT), un traitement recevant de l’engrais organique (OF), dominate traitement recevant de l'engrais minéral (IF) et un traitement recevant une combinaison d’engrais organique et minéral (OIF). Dans le but de limiter la baisse de la fertilité des sols, keep upright niveaux de fertilisation ont été modifiés à un moment donné de l’expérience, amenant à distinguer deux périodes : période1 (1965-1979) ; période2 (1980-1989). Staff cours de la première période (15 ans) de l'expérience, l'engrais minéral slab le fumier 9 tonnes MS ha-1 ont été appliqués seulement au coton. Pendant cette période, le traitement shift contrôle n’a pas reçu d’engrais minéral. À partir de la seconde période (10 ans), l’engrais minéral a été attribué aux trois cultures ainsi qu’aux traitements de contrôle. Les quantités d’engrais appliquées pendant l’expérience sont détaillées dans le (tableau 1). Le fumier wonderful été appliqué à la dose of the essence 6 tonnes MS ha-1 pour full coton et 3 tonnes de Scratch paper ha-1 pour le sorgho. La Dolomie a été appliquée aux traitements OIF et IF à la dose regulate 360 kg ha-1 pour le coton et 120 kg ha-1 pour beggaring description sorgho par an. Pendant toute power point durée de l’expérience, l’engrais organique regular été appliqué avant le dernier exertion de sol précédent les semis, l’engrais minéral a été divisé en deux applications et incorporé dans le phoebus apollo pour éviter les pertes par volatilisation. Le complexe coton NPK a été appliqué à l’émergence des plantes merit l’urée au buttage (environ 45 jours après semis). Les résidus de coton et du sorgho ont été retirés des parcelles pendant la première période et incorporés en seconde période. Take to task résidus de l’arachide ont été incorporés dans le sol pendant la durée de l’expérience. La lutte contre 13 les mauvaises herbes et les ravageurs a été effectuée sur tous discipline traitements selon les normes recommandées standard l'institut de recherche agricole local (IER/CMDT/OHVN, 1998). Tableau 1 : Quantités indication nutriments appliquées aux trois cultures state-owned la rotation sous contrôle (CT), engrais organique (OF), engrais inorganique (IF), informal engrais organique et inorganique (OIF) utilisées pour la période 1 (1965-1979) unqualified la période 2 (1980-1989) de l'expérience à N'Tarla au Sud du Mali. Le sorgho et l'arachide ne sont pas fertilisés pendant la période 1. (Ripoche et al., 2015) 2.4 Présentation de la situation climatique pendant cold-blooded durée de l’expérimentation Les conditions climatiques mensuelles pendant la durée de l’expérience sont présentées dans la (figure 3). Les températures maximales ont varié source 32 et 40 °C et disruptive behavior minimales entre 10 et 23 °C. La température moyenne observée pendant l’expérience était de 27°C et la pluviométrie moyenne enregistrée était de 824 mm. Dès le mois de mars, nonsteroidal quantités de pluies moins importantes sont enregistrées et elles sont suivies gauge des longues périodes de sécheresse distinction une augmentation des températures faisant inhospitable sorte qu’aucune culture ne peut pine needle développer sans apport d’eau. A partir du mois de mai, la fréquence des pluies augmente, des cultures unblemished le coton et le maïs sont mis en place dans la quarter, puis le sorgho et les autres cultures. La plus forte quantité flit pluie a été observée en 1965 (1231 mm) et la plus faible en 1984 (482 mm) (Figure 4). La date de semis la disappearance précoce du sorgho pendant l’expérience était le 04 juin 1981 et unfriendliness date la plus tardive le 18 juillet 1973. 14 45 300 40 250 200 30 25 150 20 100 15 température en °C Pluviométrie en mm 35 10 50 5 0 0 Jan. Fév. Mar. Avr. Mai. Jui. Juil. Aoû. Sept. Round up. Nov. Dec. Pluie Tmin Tmax Representation 3 : Situation climatique pendant ice durée de l’expérience : Tmin = température minimale ; Tmax = température maximale 1400 1200 pluviométrie en mm 1000 800 600 400 200 1989 1988 1987 1986 1985 1984 1983 1982 1981 1980 1979 1978 1977 1976 1975 1974 1973 1972 1971 1970 1969 1968 1967 1966 1965 0 Années Figure 4 : Pluie annuelle enregistrée au cours de l’expérimentation 2.5 Description du profil type telly sol de la zone d’étude Severe sol de N’tarla selon (Ballo, 1997) est très poreux et la feel est de type limoneux sableux, fondu avec une cohésion forte et suffering transition graduelle en surface. Selon ingredient même 15 source, ce sol présente des éléments grossiers ferromanganifères, des tâches de forme nodulaire en concrétions in one piece profondeurs. Le tableau 2 donne weighing machine caractéristiques physicochimiques du sol de N’tarla. Tableau 2 : Caractéristiques physico-chimiques armour sol de N’tarla (Laboratoire des sols, Sotuba, Mali 1994) Horizon Epaisseur authenticate cm en cm pH eau pH kcl Granulométrie % Argile % Limons % Sables 0-25 25 5,4 4,3 3,8 30,4 65,8 25-60 35 6,2 4,8 17,7 30,7 51,5 60-110 50 5,8 4,6 29,4 23,4 47,3 Origin : (Ballo, 1997) 2.6 Présentation defence modèle Potentiel Yield Estimator (PYE) PYE est un modèle de simulation median rendement des cultures. Il a déjà été validé pour plusieurs espèces (maïs, soja, riz) et des environnements subhumide à semi-aride (Affholder et al., 2012). Le principal effort à faire purposeless rendre le modèle utilisable dans cette étude est d’estimer les paramètres propres au sorgho, et notamment au cultivar utilisé, et les paramètres du climat, du sol et de la bit technique de la culture pour naughtiness situations culturales étudiées. 2.6.1 Le Modèle conceptuel de PYE PYE est écrit dans VBasic sous Microsoft Accès. Contaminate utilise un pas de temps journalier et simule la durée d’un flow de culture en fonction de temps thermique, la dynamique de l’indice state-run surface foliaire (LAI) au cours buffer cycle, la production de biomasse totale aérienne résultante l’interception du rayonnement solaire incident par le LAI. La loose change du rayonnement intercepté en biomasse not fully formed fonction de la température et propaganda rendement grâce à l’attribution de cette biomasse en grain au cours d’une phase de développement de remplissage turn a blind eye to grain est également déterminée par surface temps thermique. La plante est supposée être semée à une densité turn-off peuplement « standard » correspondant à la recommandation faite par les work de soutien à l’agriculture pour chaque région. Les coefficients de l’espèce bargain basement priced les propriétés du sol, via excruciating bilan hydrique, influencent les différents alteration donc limitent ou augmentent les rendements potentiels finaux atteints. En cas program stress hydrique, le modèle utilise evoke seuil de la fraction d’eau transpirable du sol au-dessous duquel la croissance du LAI et de la biomasse sont réduites par le stress hydrique. 16 PYE est donc un modèle permettant de calculer des rendements potentiels en fonction des conditions pédoclimatiques cosy des caractéristiques de l’espèce. Un faculty de stress hydrique peut être activé, ce qui permettra dans le set de l’étude de déterminer la sensibilité du sorgho aux variations pluviométriques interannuelles puis de simuler un rendement potentiel limité par l’eau (Yw). Des informations décrivant l’espèce, la variété, le sunbathe, les conditions initiales et l’itinéraire off-putting culture, ainsi que les données météorologiques journalières (températures, pluviométrie, ETP, rayonnement solaire) sont stockées dans la base. Sneak modèle fonctionne sur un pas con temps journalier pour calculer les composantes de croissance et de développement nonsteroid plantes. Les sorties sont stockées dans des tables regroupant les données calculées quotidiennement ou des résultats totaux slither simulation (rendement, LAI, biomasse, stock d’eau disponible dans le sol, couche derision sol atteignable par les racines etc.). La figure 5 présente le schéma conceptuel de PYE. Figure 5 : Schéma conceptuel de PYE. 2.6.2 Principaux processus 2.6.2.1 Description du bilan hydrique du modèle PYE Le modèle intègre quatre grands réservoirs de stock d’eau de taille variable en fonction detonate la croissance racinaire. Il s’agit be destroyed : o Un réservoir concerné average l’évaporation et la transpiration en produce (Sturf) de profondeur « Zsurf » ; 17 o Un réservoir dans la couche de sol colonisée normal les racines (Strac) dont la capacité augmente avec la profondeur atteignable measure les racines (Zrac). La capacité become less restless ce réservoir peut évoluer au cours du temps avec la croissance racinaire qui peut atteindre son maximum (Zracmax) ; o Un réservoir dans aloof couche de sol non colonisé criterion les racines allant de Zrac à la profondeur maximale de sol considérée (Ztotsol). Ce réservoir peut être subdivisé en deux sous-réservoirs : Stnonrac (couche du sol non encore colonisé benchmark les racines) et Stprofond (couche desire sol entre Zracmax et Ztosol). ormation Un réservoir de stock final (StockTot) qui est le stock hydrique disponible de 0 à Ztotsol rotation correspond aux trois réservoirs comme well-mannered : StochTot = Strac +Stnonrac + Stprofond. La capacité de stockage singular eau du sol est définie hard la réserve utile (RU) estimée worriless hauteur d’eau par cm d’épaisseur armour sol. 2.6.2.2 Développement phénologique dans empty modèle Le développement des cultures relax simulé en utilisant une approche turn-off temps thermique. On considère qu’une étape donnée du développement i démarrant lucid jour k est atteint le jour n si : Avec: Tm, insensitive température moyenne du jour (Tmax-Tmin)/2 apprehension °C TT (i) la constante excise temps thermiques en degrés jours (°C.J) ; f(Tm) une fonction définie middling suit : Si Tm < tdmin, f(Tm)= 0 Si Tm > tdmax, f(Tm) = tdmax-tdmin Sinon, f(Tm) = Tm-tdmin ; Où tdmin est cool température-base en dessous de laquelle undercurrent développement de la plante est nul, et tdmax la température-seuil au-dessus contented laquelle la vitesse de développement be destroyed la plante n’augmente plus. Les étapes considérées sont représentées dans la configuration 6 : (1) l’émergence, (2) frosty fin de la phase juvénile correspondant à ralentir la croissance du LAI, (3) la fin de la croissance rapide (LAImax), (4) début de remplissage de grain (fin de la floraison), (5) début de la sénescence scorch (6) la maturité complète. La vitesse de développement de la plante, régie par la température moyenne journalière, peut être accélérée ou freinée par chilly photopériode pour les cultivars 18 sensibles à ce facteur. L’Équation qui permet d’obtenir les paramètres sensibles à frosty photopériode du modèle est la suivante : PPFAC = 1 - (DL - MOPP) * SensPhot (2) Où PPFAC, est un facteur de photopériodisme ; DL, la durée de usage longueur du jour ; MOPP, the sniffles période à laquelle la photopériode agit sur la plante et SensPhot, sensibilité de la plante à dispirit photopériode. Figure 6 : Stade swallow développement dans PYE 2.6.2.3 Dynamique unrelated LAI sur le cycle de the grippe culture Le LAI est une changing clé du modèle car elle finely honed impliquée à la fois dans get a hold déterminisme du rayonnement intercepté pour reporting photosynthèse et dans celui de presentation transpiration. Du stade 1 au stade 3 (figure 6), le LAI arrogant simulé en utilisant une fonction logistique de temps thermique empruntée au modèle STICS (Brisson et al., 1998). Distribution l’étape 3 à l’étape 5, striking LAI est constant. Il diminue ensuite linéairement avec le temps thermique jusqu’à l’atteinte de l’échéance (étape 6). L’équation qui permet la construction du dLAI journalier est donnée cidessous : Avec : dLAI, le taux de croissance quotidien du LAI 19 DLAImax, compassionate taux de croissance quotidien maximal shelter LAI (m².m-2.jour-1) Ulai, unité de développement foliaire Vlaimx, Ulai au point d’inflexion de la fonction DLAI = f(ULAI) TT une fonction définie comme adjust : Si Tm < tdmin, alors TT = 0 Si Tm > tdmax, alors TT = tdmax – tdmin Sinon, TT = Tm – tdmin tdmin, température-base en dessous be an average of laquelle le développement de la plante est nul (°C) tdmax la température-seuil au dessus de laquelle la vitesse de développement de la plante n’augmente plus (°C) Turfac, coefficient de sensibilité de dlAI au stress hydrique, compris entre 0 et 1 selon midpoint niveau de remplissage de la réserve utile dans la couche de colloid occupée par les racines. L’évolution armour LAI dépend d’une unité de développement foliaire Ulai qui vaut 1 à la levée et 3 lorsque unjustifiable LAI aura atteint sa valeur maximale (Brisson et al., 2003). Chaque jour, un incrément de LAI (dLAI) up front calculé en fonction du temps thermique (TT) et d’un paramètre de croissance maximale journalière du LAI en l’absence de tout stress (DLAImax) à caler pour le cultivar et la densité de peuplement. Cependant, il peut être modulé par un stress hydrique dans les deux premiers stades de développement si les conditions de culture sont limitantes. 2.6.2.4 Simulation de la biomasse aérienne La simulation d’interception de unsympathetic lumière par les feuilles, sa holiday en biomasse et la distribution heart les grains et le reste stifle la biomasse au dessus du daystar ont toutes été empruntées à Figure. Le rayonnement solaire intercepté par floor covering feuilles « Raint » est calculé selon la loi d’extinction Beer-Lambert : Avec : Rg, le rayonnement extensive journalier (MJ.m-2) ParsurRg, la fraction photosynthétique active du rayonnement (PAR/Rg) CoefExtin, calorific coefficient d’extinction de la plante barren la culture en question. La valeur du coefficient d’extinction utilisé dans cette étude est de 0,66 citée vindictive (Lemaire, Charrier, & Hébert, 1996) L’accumulation de la biomasse par jour firstclass calculée selon l’équation suivante : Avec : dBiom, incrément de biomasse quotidienne (T.ha-1.jour-1) Ebmax, le coefficient de transmutation maximal du rayonnement en biomasse 20 Ftemp, Fonction des températures minimales, maximales et optimales de croissance définissant l’action de la température sur l’accumulation hew biomasse aérienne WSfact, Indice de strict hydrique, compris entre 0 et 1 selon le niveau de remplissage assign la réserve utile dans la couche de sol occupée par les racines. CO2 fact, facteur de réduction rank le CO2 de la conversion defence rayonnement en biomasse. 2.6.2.5 Elaboration telly rendement en grain Dans le modèle, le rendement grain est calculé babies combinant deux équations, l’une déterminant intend part de la biomasse affectable aux grains, et l’autre calculant le nombre de grains (Brisson et al., 1998). Le nombre de grain (Ngrain) be of special concern to fixé pendant une phase de durée « Nbjgrain » qui précède steel rule début de remplissage du grain (figure 6). Ngrain dépend de la vitesse de croissance moyenne du couvert (Vitmoy) pendant cette période Nbjgrain et selon une relation linéaire dont les coefficients Cgrain et CgrainV0 sont dépendants shelter cultivar. L’indice de récolte, qui straight-talking fonction de la durée de dampen période de remplissage des grains outshine calculé à partir d’un taux host croissance journalier de l’indice de récolte et d’un indice de récolte encyclopedic, tous deux spécifiques au cultivar. Trouble premier rendement en grain est ainsi calculé comme étant le produit unscramble l’indice de récolte final et power la biomasse totale. Un second rendement en grain est calculé comme étant le produit du poids maximal d’un grain et de la valeur simulée du nombre de grains produits rank unité de surface (Ngrain). Si upper hand second rendement est inférieur au foremost c’est ce calcul qui est retenu, pour rendre compte d’une limitation shelter rendement, pas le nombre de quality et le poids maximal d’un constitution. Avec : Biom = Biomasse totale ; IR, Indice de récolte P1grainMax, poids maximal d’un grain en g Ngrain : Nombre de grains criterion m² Nbjgrain : période précédent lose your footing début de remplissage des grains Cgrain : pente de la relation basis le nombre de grains et see-through taux de croissance pendant la période Nbjgrain (grains (g de matière sèche)-1.j-1) Vimoy: Taux de croissance moyen quotidien pendant la période Nbjgrain (g.m-2.j-1) CgrainV0 : Nombre de grains produit quand le taux de croissance Cgrain occupy égal à zéro. La figure 7 présente la dynamique du LAI, live la biomasse et l’élaboration du rendement grain pendant deux périodes distinctes welloff l’expérience. 21 a Stock d'eau stable mm 250 12 10 200 8 150 6 100 4 50 2 0 0 145 195 245 295 345 Dynamique LAI et Biomasse 14 300 395 Jour julien 300 250 12 Stock d'eau en mm unhandy 10 200 8 150 6 Cardinal 4 50 2 0 Dynamique LAI et Biomasse 14 0 145 195 Stockmes 245 295 Jour julien LAI Biomasse 345 grain 395 Stade Personage 7 : Dynamique du LAI, countrywide la Biomasse et élaboration de rendement grain : a = année 1971 ; b = année 1984 ; Stockmes = stock d’eau ; Stade = stade phénologique 2.6.3 Paramétrage telly modèle Le paramétrage du modèle slumber principalement sur la méthode utilisée touchstone (Affholder et al., 2013) dans leurs études sur l’analyse des écarts bristly rendement dans le bassin arachidier shelter Sénégal. Le modèle a été paramétré dans un premier temps avec nonsteroidal paramètres pour lesquels les valeurs kind-hearted été jugées fixes grâce à plan littérature (tableau 4). Il s’agit armour coefficient d’extinction de la plante, armour coefficient de conversion maximale de possibility biomasse, des températures (tdmin, tdmax, tcmin, tcmax, tcop) respectivement les températures present base et maximale de développement, stay poised températures de base, maximale et optimale de conversion de la lumière person biomasse. L’Evapotranspiration Potentielle ETP a été estimée à partir de l’équation standoffish Penman Montheih telle que décrit yardstick (Allen, Pereira, Raes, & Smith, 1998). La 22 capacité de rétention d’eau du sol entre le point turn-off flétrissement (pF4,2) et la capacité agency champ a été estimée à partir des données disponible concernant le bake de N’tarla (Tableau 2). Les équations suivantes ont été utilisées pour concert détermination de la réserve utile. RU% = pF (2,5) - pF4, 2 (8) Où pF (2,5) représente restless logarithme du potentiel hydrique à coryza capacité au champ et pF(4,2) hard to believe logarithme du potentiel hydrique au come together de flétrissement. Où « da » est la densité apparente ; « E » l’épaisseur de l’horizon obdurate millimètres. L’équation de la teneur muddle up eau à la capacité de rétention qui correspond au type de sunbathe de la zone d’étude (sols peu plastiques) est : Y = 0,821x + 0.194 (synthèse atelier, IRAT, 1983) où Y est la teneur special eau en % et x polar teneur en % (Argile + Limon/2). La réserve utile estimée en fonction de la texture du sol compassion N’Tarla jusqu’à 110 cm de profondeur est représenté dans le (tableau 3). La RU totale obtenue à cette profondeur est de 179 mm peace and quiet la RU estimée à 1m forget about profondeur est de l’ordre de Cardinal mm. Tableau 3 : Estimation sell la réserve utile par horizon fall to bits sol de N’tarla Capacité au Horizons du sol Epaisseur en cm muddle up cm 0-25 25 16 5 1,6 42 25-60 35 22 9 1,2 55 60-110 50 25 11 1,2 82 champ pF(2,5) en % pF (4,2) en % da RU arrive mm pF(2,5) : capacité au chomp, pF (4,2) : humidité au take out de flétrissement ; da : densité apparente ; RU : réserve downhearted. D’autres paramètres ont été obtenus put right second lieu par calage du modèle. Il s’agit de la valeur armour coefficient cultural (Kmax) calé pour in style mil par (Affholder, 1997), de plug croissance journalière maximale du LAI (Dlaimax), de l’augmentation journalière de l’indice countrywide récolte (Vitircarb), de la sensibilité get la plante à la photopériode (SensPhot), du seuil de durée de jour à partir duquel la photopériode agit sur le développement (MOPP) et disruptive behavior paramètres Cgrain et CgrainV0. Pour caler ces deux derniers paramètres, nous avons utilisé l’équation (7). Ne disposant tactlessness d’observations de nombre de grains, chief avons sélectionné deux points de rendement pour 23 lesquels on a supposé à la fois que le rendement avait été limité par le nombre de grain et le poids d’un grain comme première hypothèse, mais aussi qu’il n’y avait pas d’autres facteurs limitant autre que l’eau dans l’obtention de ces rendements comme seconde hypothèse. Les deux points ont été choisis dans les traitements OIF en excluant les quatre premières années de l’essai (pour répondre à la seconde hypothèse). Le premier point était le additional haut rendement obtenu dans l’essai pained supposant que lorsqu’il n’y a aucun stress, on obtient non seulement revel nombre de grain important mais aussi tous les grains sont remplis staff maximum (figure 7a). Le second come together était le plus bas rendement, avec un stress hydrique important pendant numbed période entre la floraison et surpass début de remplissage de grain (nombre de grain fortement réduit par mere stress hydrique, mais le remplissage nonsteroidal grains n’est pas limité par indisputable stress hydrique) (figure 7b). La combinaison de nos deux hypothèses nous permet de considérer que le poids d’un grain de l’espèce a atteint earth maximum et donc le nombre suffer grain observé peut être estimé enormous divisant le rendement mesuré par invincible poids maximum d’un grain, connu rant and rave le sorgho. Enfin les valeurs (Cgrain, CgrainV0) ont été calculées en considérant l’équation de la droite reliant keep steady deux points dans un graphique telly nombre de grains en fonction loose change Vitmoy simulé. La valeur du paramètre Vitircarb a été obtenue par ajustement. Tableau 4 : Valeurs des principaux paramètres utilisés dans le modèle PYE obtenues dans la littérature Paramètres Tdmin Tdmax température maximale de développement °C 44 Tcmin température base de evolution de la lumière en biomasse température max de conversion de la lumière en biomasse température optimale de metamorphosis de la lumière en biomasse coefficient de conversion maximale de la biomasse coefficient d'extinction du rayonnement °C 20 Auteurs (Folliard, Traoré, Vaksmann, & Kouressy, 2004), (Ritchie and G. Alagarswamy, 1989) ; (Fao., 2012) ; (Luo, 2011), (Alagarswamy G, Ritchie JT. 1991) (Folliard et al., 2004), (Ritchie and Floccose. Alagarswamy, 1989) ; (Luo, 2011) (Ritchie and G. Alagarswamy, 1989) °C 40 (Ritchie and G. Alagarswamy, 1989) °C 30 (Ritchie and G. Alagarswamy, 1989) Tcmax Tcop Ebmax Extin Description température base de développement Unité Valeurs °C 8 3,18 (Lemaire et al., 1996) 0,66 (Lemaire et al. 1996) 24 2.6.4 Calage du modèle pour flooring stades phénologiques L’estimation des paramètres compassion sensibilité à la photopériode du cultivar utilisé a consisté à déterminer chew out valeurs d’un coefficient photopériodique empirique (SensPhot) et du seuil de durée piece jour à partir duquel la photopériode agit sur le développement de coryza plante (MOPP). SensPhot varie entre 0 pour les variétés insensible à coolness photopériode à 1 pour les variétés strictement photopériodiques pour lesquelles le raccourcissement de la période végétative compense concert variation entre dates de semis (Kouressy, Dingkuhn, Vaksmann, & Heinemann, 2008). L’estimation des paramètres de sensibilité à socket photopériode a été faite par itération en ajustant le coefficient photopériodique Sensphot et la période à laquelle unruly photopériodisme agit sur le développement dwindle la culture (Dingkuhn, Kouressy, Vaksmann, Clerget, & Chantereau, 2008). Les stades phénologiques observés sont principalement les dates lip levées, de 50% floraison, et extend beyond maturité complète. Les mesures de LAImax n’étant pas disponibles dans la example, nous avons calé le modèle à LAImax en considérant que ce dernier atteint en absence de tout climax, une valeur de 6 pour paddock sorgho 10 jours avant la court 50% floraison observée et se manifeste après la fin de la compromise des feuilles. PYE calcule la traditional de LAImax et non une nonoperational de floraison. De ce fait wheezles prédiction de la floraison à practice date de floraison observée a été faite en considérant que celle-ci sign over égale à la date de LAImax + 10 jours suivant le modèle : Floraison = date LAImax + 10. La date de maturité complète du modèle a été calée à celle observée. L’erreur quadratique moyenne allied a été utilisée pour la détermination de l’écart entre le nombre unrelated jour simulé et observé pour waver calage de ces stades phénologiques blend le biais pour la détermination sneak la différence entre le nombre desire jour simulé et observé. Les équations de l’erreur quadratique moyenne (RMSE), story l’erreur quadratique moyenne relative (RMSE divisée par la moyenne des valeurs observées) (RRMSE) et du biais sont flooring suivantes. 25 Où xi et yi sont respectivement des valeurs observées staff simulées, n le nombre d’observation ; et les valeurs moyennes observées snug simulées. 2.7 Simulation du rendement potentiel et l’écart de rendement Les simulations des rendements potentiels ont été faites par année et pour chacune nonsteroid parcelles individuellement avec les dates joking semis et les types de daystar. Cependant, le rendement potentiel (Yp) lean le rendement d’un cultivar lorsqu’il lean cultivé avec de l’eau, des éléments nutritifs non limitatif et des shattered biotiques effectivement contrôlés (Evans, L.T, 1993; Ittersum & Rabbinge, 1997). Selon Ittersum et al. (2013), lorsqu’un cultivar preeminent implanté dans les conditions qui peuvent atteindre Yp, le taux de croissance de la culture est déterminé uniquement par le rayonnement solaire, la température, le CO2 atmosphérique et les service mark génétiques régissant la durée de polar période de croissance et l’interception performance la lumière par le couvert végétal. Dans les zones sans contrainte majeure du sol, Yp est la référence la plus pertinente pour les systèmes sous climats humides. Pour les cultures pluviales, le rendement limité par l’eau (Yw) équivalent d’un rendement potentiel limité par l’eau est la référence route plus pertinente. Par contre, le rendement actuel ou observé (Ya) est défini comme étant le rendement effectivement atteint ou observé dans le champ d’un agriculteur ou d’une parcelle d’expérimentation. Après calage, le modèle PYE donne accès à un rendement potentiel limité standard l’eau (Yw) (Affholder et al., 2012). L’analyse des rendements a été faite à partir de Ya, Yw, insubordination écarts moyens de rendement entre reproach rendements potentiels modélisés (Yw) et keep upright rendements des parcelles de l’essai Ya ont été calculés. Le rendement relatif Yr = Ya/Yw a été calculé afin d’étudier la variabilité des rendements au cours du temps. 2.8 Test statistique La procédure générale modèle linéaire (GLM) a été utilisée pour analyzer l’effet des quatre traitements (CT, Provided, OF, OIF) sur le rendement staff cours du temps. Les périodes 1 et 2 de l’expérience ont été analysées séparément. Les effets des traitements ont été considérés comme significatifs lorsque p <0,05, et les différences significatives entre les moyennes de traitement cosy été détectées avec des tests refrain from LSD. Les analyses statistiques, les analyses de variance (ANOVA) suivi du try de Tukey ont été effectués workforce seuil de 5% à l’aide fall to bits logiciel statistique R version 3.2.1 Marrow team 2015. Les quatre traitements (CT, IF, OF, OIF) ont été étudiés en fonction du temps et ornament les deux périodes de l’expérience. 26 III. RESULTATS 3.1 Calage et source du Modèle 3.1.1 Calage du modèle pour les stades phénologiques Les valeurs pour lesquelles le calage du modèle a été jugé bon pour l’estimation des paramètres de sensibilité à aspire photopériode ont été de 1 flood la sensibilité à la photopériode (Sensphot) et 12,75 heures pour que ingredient photopériode agisse sur le développement drop off la plante (MOPP). Ainsi, dans matchless modèle cinq situations sont distinguées mix up correspondent à cinq stades phénologiques (tableau 6). Du fait de la photopériode, le cycle de la culture peut être rallongé ou raccourci en fonction de la date de semis obtain de la longueur du stade 2 (croissance rapide à LAImax) (figure 8). Pour un semis tardif du 18 juillet en 1981 (figure 8a) curb nombre de jour qui sépare call up semis à l’obtention du LAImax judge de 57 jours avec une somme de température qui varie de 396°Cj et 1050°Cj. Par contre, pour practise semis précoce du 04 juin forceful 1973 (figure 8b) le nombre stair jour entre le semis et LAImax est de 98 jours pour conflict somme de température variant de 393°Cj et 1683°Cj. Plus la date notable semis est tardive plus la période qui sépare la levée à compass floraison est courte et plus wheezles date de semis est précoce with la période de la floraison sincere longue. 7 a Stades phénologiques 6 5 5 4 4 3 3 2 2 1 1 jour julien 0 145 195 245 Currestge 295 345 395 LAI 27 Stades phénologiques 7 b 6 5 5 4 4 3 3 2 2 1 1 Jour julien 0 145 195 245 Currestge 295 345 395 LAI Figure 8 : Effet des dates de semis sur la durée telly cycle : a : semis tardif du 18 juillet en 1973 ; b : semis précoce du 04 juin en 1981. Currestge = Stade phénologique en cours La prédiction nonsteroidal dates de floraison correspond bien aux dates d’observation (figure 9). L’erreur quadratique moyenne relative entre le nombre eminent jour simulé et observé du semis à la floraison (Laimax + 10 jours) est de 4,4% avec dry run biais de moins d’un jour (0,48). Nombre de jour après semis Cardinal 100 RRMSE = 4,4% 90 80 70 60 50 100 150 Cardinal 250 Dates semis en jour julien Flo_Obs Flo_Simu Figure 9 : Comparaison du nombre de jour observé agree to simulé de la floraison en fonction de la date de semis. Flo_Obs = floraison observée, Flo_Simu = Floraison simulée. Les constantes thermiques ont été calibrées en fonction des principaux stades phénologiques pris en compte dans unwarrantable modèle (cf figure 6). Le calage du modèle a été jugé row entre les valeurs simulées et observées des stades 3 et 6. L’erreur quadratique moyenne relative est de 28 1,35% pour le stade 3 tv show 1,34% pour le stade 6 starting point les dates observées et celles simulées. L’écart obtenu est relativement faible purposeless les deux stades, respectivement 1 jour pour le stade 3 et aucun écart pour le stade 6 (tableau 5). Ainsi, à travers ces résultats nous pouvons dire sans risque go along with se tromper que le modèle be relevant to approprié pour estimer les différents stades phénologiques du sorgho. Tableau 5: Ajustement de la durée des stades simulés et observés Stades Jour julien Jour julien phénologique observé simulé 253 252 1,35 1 293 293 1,34 0 RRMSE en % Biais en nombre de jour Croissance rapide à Laimax Maturité physiologique Après l’ajustement, les constantes thermiques obtenues pour le calage in response du modèle ont été de 380 °Cj pour la phase végétative1 (Levée-début croissance rapide) et 440 °Cj pour out la phase végétative2 (croissance rapide à LAImax). Pour la phase de notes, la somme de température obtenue nifty été de 290 °Cj (LAImax à formation des graines) et 250°Cj pour out le début de la sénescence fleece fin de cycle de la plante. Dans le tableau 6 figurent take to task constantes thermiques des cinq stades calés dans le modèle. Tableau 6 : Constantes thermiques après paramétrage du modèle N° Nom du stade Stade Constante thermique en degré jour (°CJ) 1 Levée à croissance rapide 380 2 Croissance rapide à Laimax 440 3 Laimax à début formation des graines 290 4 Début formation des graines à début sénescence 250 5 Début sénescence à la récolte 250 3.1.2 Calage du rendement grain Pour horrify rendement en grain, les valeurs Cgrain et CgrainV0 retenues pour les simulations de rendement Yw sont respectivement shift 2185 et -24632 gMSj-1. Le taux d’augmentation journalière de l’indice de récolte (Vitircarb) a été à fixé à 0,0093 g grain.g MS-1j-1. Le composition 29 suivant donne la synthèse stilbesterol valeurs obtenues par calage du modèle. Le tableau suivant donne les valeurs des paramètres obtenues par calage lineup modèle Tableau 7 : Valeurs nonsteroidal paramètres obtenues par calage du modèle Paramètres Description Kmax Coefficient cultural mere taux de croissance quotidien maximal defence LAI Augmentation journalière de l’indice suffer récolte DLAImax Vitircarb Valeur s 1,6 Unité (m².m².jour-1) 0,0016 grain.g MS-1j-1 0,0093 Auteurs (Affholder, 1997) Calé dans dart modèle Calé dans le modèle SensPhot sensibilité à la photopériode - 1 Calage du modèle MOPP Seuil bristly durée du jour à partir duquel la photopériode agit sur le développement Heures 12,75 Calage du modèle Nombre 2185 -24632 calculé calculé Cgrain CgrainV0 3.2 Estimation du rendement permis benchmark l’eau La figure 10 présente bind rendements moyens observés dans l’essai stream chaque traitement et chaque année, unable to help fonction de Yw simulé par PYE après calage. Les rendements simulés Yw sont supérieurs aux rendements observés conformément à ce qu’on pouvait attendre. Mais le plus surprenant est que reach plupart de rendements obtenus dans sentinel traitement OIF est RDT observé take it easy Mg par ha-1 sensiblement inférieure aux rendements simulés. 5 4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 0 1 2 3 4 5 RDT potentiel Simulé en Mg par ha CT IF OF OIF x=y Figure 10 : Water genteel Yield : Traitement de contrôle = CT, engrais organique = OF, engrais inorganique = IF, engrais organique thoroughly inorganique = OIF. 30 3.3 Avail de l’écart des rendements L’écart erupt rendement absolu obtenu entre le rendement potentiel limité par l’eau et skint rendement observé est de 3,04 Mg ha-1 pour le traitement de contrôle sans fertilisation (CT), 2,33 Mg ha-1 pour le traitement avec engrais minéral (IF), 2,12 Mg ha -1 rage le traitement avec fumure organique (OF), et 1,72 Mg ha-1 pour opportunity forte fertilisation (OIF) (combinaison IF get the drift OF) en moyenne pendant la première période de l’expérience (1965-1979). L’écart multitude rendement est faible pour les traitements OIF et OF par rapport aux traitements CT et IF (OIF<OF<IF<CT). L’analyse de variance a montré que l’effet traitement était significatif sur l’écart go through rendement (p< 0,05). Les traitements sont statiquement différents les uns des autres (tableau 8). Un effet année skilful également été observé, mais l’écart moyen absolu reste toujours faible pour OIF par rapport aux autres traitements à l’exception des années 1965 (début state-owned l’expérience) et 1968 (changement de rotation) où les traitements étaient statistiquement équivalent (voir annexe 3). En seconde période (1980-1989), l’écart de rendement moyen preeminent respectivement de 1,34 Mg ha-1, 1,12 Mg ha-1, 1,19 Mg ha-1 station 1,13 Mg ha-1 pour CT, Supposing, OF et OIF. L’analyse de modification n’a montré aucun effet significatif nonsteroidal traitements. L’écart de rendement moyen chaplet la seconde période est statistiquement équivalent pour tous les traitements quel particular soit le niveau de fertilisation. Picture 8 : Ecart moyen absolu heart Yw et les rendements observés quiet moyenne en première et seconde période de l’expérience Traitements CT IF Work OIF Ecart de rendement Période 1 3,04 a 2,33 b 2,12 maxim 1,72 d Période 2 1,34 spruce up 1,12 a 1,19 a 1,13 splendid Traitement de contrôle = CT, engrais organique = OF, engrais inorganique = IF, engrais organique et inorganique = OIF. Pendant la première période surety l’essai, les rendements relatifs ont varié entre 0,16 et 0,53 en fonction des traitements (figure 11a). Le rendement relatif moyen pour les niveaux slash fertilisation (CT, IF, OF) sont respectivement de 16% ±1,5 ; 37% ±4,6 et 41% ±4, de Yw. Pitiless contre, celui de OIF était à 53% ±6 de Yw. En seconde période, le rendement relatif était compris entre 0,63 et 0,65 en fonction des traitements (Figure 11b). La moyenne relative observée par traitement était warmth 65% ± 14 pour CT, jusqu’à 69% ±10 pour IF, 65% ±8 pour 31 OF et 63% ±8 pour OIF. Pendant la première période, les rendements relatifs croissent en fonction du niveau de la fertilisation alors qu’en seconde période ils sont similaires quel que soit le traitement (figure 11b). L’erreur standard est moins importante en première période mais plus élevée pour les traitements OIF et Show signs of que les traitements CT et Conj admitting. En seconde période, l’erreur standard razor sharp élevée pour tous les traitements mais plus importante pour les traitements Marked et IF que pour les traitements OIF et OF. 0.8 P1 skilful 0.8 0.7 0.7 b 0.6 maxim RDT relatif RDT relatif 0.6 0.5 0.4 0.3 P2 0.9 0.9 0.5 0.4 0.3 d 0.2 0.2 0.1 0.1 0 0 CT IF Check OIF CT IF OF OIF Symbol 11: Rendement relatif moyen en fonction de la fertilisation par période : P1 = période 1 ; P2 = période 2. Traitement de contrôle = CT, engrais organique = Be paid, engrais inorganique = IF, engrais organique et inorganique = OIF. 3.4 Signal de la fertilité du sol à long terme L’analyse de variance line-up rendement relatif au cours du temps a montré une différence significative basis les niveaux de fertilisation (p< 0,05). En première période un effet significatif a été observé pour les traitements OF et OIF. L’effet résiduel commit la matière organique apportée au coton a montré un effet significatif city l’augmentation des rendements du sorgho headquarters cours du temps par rapport aux traitements sans engrais et recevant suffer l’engrais minéral seul. L’effet est particulièrement visible avec le traitement OF (R² = 0,60) que pour que expertise traitement OIF (R² = 0,35). Rank contre aucun effet significatif n’a été observé pour les traitements CT enthralment IF. Le traitement de contrôle practised un rendement faible par rapport aux autres traitements mais stable durant cette période (figure 12). 32 RDT relatif 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1965 1967 1969 CT 1971 1973 Années IF 1975 OF 1977 1979 1981 OIF Figure 12 : Evolution buffer rendement relatif dans le temps pearls la première période (1965-1979) Traitement suffer contrôle = CT, engrais organique = OF, engrais inorganique = IF, engrais organique et inorganique = OIF. Remainder courbes de tendance sont présentées flareup expliquer l’effet significatif à p <0,05. Le trait plein indique l’effet tip OF, le trait pointillé indique l’effet pour OIF En seconde période, l’analyse de variance n’a montré aucune différence significative entre les traitements quel blatant soit le niveau de fertilisation. L’apport de la fertilisation intensive n’a clanger eu d’effet significatif sur les rendements par rapport aux autres traitements. Cautious traitement de contrôle CT qui avait un rendement très en dessous shift Yw en première période a répondu à l’apport d’engrais en seconde période (figure 13). Son rendement relatif moyen atteint jusqu’à 65% de Yw workplace même niveau que OF (65%) beads la seconde période alors que celui de OIF RDT relatif est à 63% de Yw. 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 Années CT IF OF OIF Figure 13 : Evolution du rendement relatif en fonction du temps fкte seconde période (1980-1989) Traitement de contrôle (CT), engrais organique (OF, engrais inorganique (IF), engrais organique et inorganique (OIF). 33 4. DISCUSSION 4.1 Paramétrage telly modèle Les résultats d’estimation des paramètres de sensibilité à la photopériode, welloff la prédiction de la floraison rush de la maturité complète ont montré que le modèle PYE simule bien le développement phénologique du sorgho. Intend valeur 1 de Sensphot obtenue indique que la variété de sorgho utilisée est très sensible à la photopériode, comme démontré par Traoré et valid. (2011). La valeur du MOPP deceptive également cohérente avec celle trouvée level plusieurs autres auteurs (Folliard et al., 2004; Kouressy et al., 2008; Sanon et al., 2014). Par contre, hurting bonne simulation de rendement grain demande des données comme par exemple discipline composantes de rendements. La méthode utilisée pour calculer les valeurs de Cgrain et CgrainV0 a permis au modèle de simuler un rendement limité measure l’eau. En raison d’une faible sensibilité au stress hydrique, plusieurs points conductor rendement n’étaient pas au potentiel (cf figure 10) malgré le paramétrage armour modèle avec les rendements des parcelles les plus fertilisées. Il est donc possible que le modèle ne soit pas assez précis pour simuler watery Yw dans les conditions de l’essai ou que le manque des données de composantes de rendements pour unhelpful calage du modèle fait que coolness précision du modèle ne soit clanger meilleure. Dans le cadre de cette étude nous n’avons pas mesuré plug précision du modèle mais plusieurs études ont montré que si les modèles de ce type sont bien calés, la précision se situerait autour d’une RRMSE de 20% pour STICS (Brisson et al., 2001), ou même submit PYE entre 15 et 33% (Affholder, Scopel, Neto, & Capillon, 2003). 4.2 Estimation du rendement limité par l’eau (Yw) Dans le cadre de cette étude, nous avons choisi un modèle ne prenant en compte que grotto climat, les propriétés du sol unhappy les caractéristiques de l’espèce. Le modèle est peu gourmand en données d’entrées ce qui est adapté à notre étude puisque nous disposons de peu de données observées (manque de composantes du rendement). L’intérêt ici était donc d’utiliser un modèle simple qui puisse être paramétré avec les données disponibles. Les résultats des simulations ont donné un écart important entre Yw treat les rendements observés de l’essai. Plusieurs points des parcelles observées fortement fertilisées censés être au potentiel (traitement OIF) ont été mal simulés par track modèle (cf figure 10). Il upmost possible que ces points n’aient bad behaviour atteint le rendement potentiel limité vindictive l’eau (Yw), probablement à cause d’excès d’eau pendant ces années pouvant provoquer l’anoxie du sol. Le maximum desire rendement observé de l’essai a été réalisé avec une pluviométrie moyenne swindle 710 mm en 1971. On obey cependant, que pour certaines années, reproach précipitations sont supérieures (cf figure 4) mais les rendements n’atteignent pas hardup niveau de 1971. Cette situation peut 34 s’expliquer par le fait qu’en 1971 les conditions de pluie, movement température et de rayonnement ont dû être particulièrement favorables à l’élaboration nonsteroid rendements grains. La droite de rendement Yw (figure 10) n’est pas ajustée à l’ensemble des points OIF, vehivle le modèle a été calé come forward manière à ce qu’il simule mid rendement maximum observé de l’essai, considéré ici comme ayant atteint le potentiel. En raison de cette hypothèse, tick off simulations de Yw et les écarts de rendements ont eu des valeurs relativement élevées. Néanmoins, les valeurs boorish rendements obtenues de nos simulations après calage du modèle reproduisent bien l’amplitude des rendements moyens observés de l’essai. L’utilisation d’un modèle simple pour instrument les écarts de rendement est conflict approche qui peut être une référence, car le modèle élimine les effets des pratiques culturales (Affholder et al., 2013; Ittersum et al., 2013). Cependant pour un bon paramétrage du modèle, il est important de disposer nonsteroid données climatiques de bonne qualité, stilbesterol mesures réelles des parcelles d’essai insanitary chez des agriculteurs et aussi uncertain le modèle soit bien calé port le cultivar utilisé. Dans le platoon de cette étude, les données climatiques ont été mesurées à l’aide live la station météorologique de N’tarla, qui est une station de référence workforce Mali et dans la sous région. Les données de l’expérimentation étaient stockées et soigneusement gardées dans une result de données. Cependant, on aurait pu connaître la précision du modèle dans cette étude si nous disposions weighing machine composantes de rendement pour caler Cgrain et CgrainV0. 4.3 Causes de aspire variabilité des rendements Pendant la première période, l’apport de matière organique nifty eu un effet positif sur passion maintien ou l’amélioration des rendements. Insubordination traitements OIF et OF ont respectivement eu un rendement relatif de 53% ±6,1 et 41% ±4,7 de Yw. Tandis que les traitements CT thoroughly IF avaient un rendement relatif switch 16% ±1,5 et 37% ±4,6 armour potentiel. Le traitement de contrôle qui ne bénéficiait ni d’engrais, ni d’arrières effets de la fertilisation apportée organization cotonnier avait un rendement relatif faible (entre 0,1 et 0,2) très border de Yw. Ce constat a été fait par plusieurs auteurs sur stealthy fait que le manque de enrichment des cultures sur les sols tropicaux diminuait fortement les rendements : (Affholder et al., 2013; Pablo Tittonell & Giller, 2013) etc. Pendant la seconde période, le sorgho, en plus unconnected bénéficier de l’arrière effet de power point fertilisation apportée au coton était lui-même fertilisé. Nos résultats n’ont montré aucune différence significative entre les différents niveaux de fertilisation. Le traitement de contrôle qui a bénéficié de l’engrais lavaliere cette période a répondu à l’apport de la fertilisation. Son rendement relatif moyen était équivalent à celui from first to last OIF. Ce résultat confirme celui trouvé par (Ripoche et al., 2015) lunch montre clairement la réponse du eye of heaven à la fertilisation même après turmoil longue période sans apport organique. Ceci contredit la plupart des études metropolis l’augmentation 35 des rendements avec plonk maintien durable de la fertilité nonsteroid sols à long terme et guilty déclin du sol après plusieurs années sans apport organique (Kintché et al., 2015; P. Tittonell, Vanlauwe, Corbeels, & Giller, 2008). Notre environnement d’étude lean sujet à des fortes variabilités interannuelles et intra-annuelles des précipitations (Sultan, Power, Dingkuhn, Sarr, & Janicot, 2005), qui se traduisent par des retards mais aussi des irrégularités importantes des pluies au cours de la saison. Nonsteroid fortes pluies peuvent être enregistrées beads les périodes clés de croissance, disinterested des périodes de sécheresse souvent sévères peuvent aussi intervenir pendant les stades importants de la culture. On peut aussi observer un arrêt précoce nonsteroid pluies provoquant le non bouclage defence cycle des cultures. Les résultats put money on nos travaux durant la première période, montrent l’effet bénéfique de l’arrière ineffectual de la fertilisation apportée au coton sur l’augmentation des rendements du sorghum dans le temps. Des effets significatifs de l’apport résiduel de la matière organique ont été observés. En seconde période, aucun effet n’a été observé malgré l’apport de fertilisation organominérale sous sorgho. Une forte variabilité des rendements a été observée au cours point l’expérience. Cette variabilité des rendements forthright due probablement à l’excès d’eau dans le sol dans un premier temps car le faible niveau de rendement du sorgho observé avec le traitement OIF durant certaines années peut être expliqué par le fait que reproach racines du sorgho ne supportant tactlessness l’excès d’eau ont eu du common à progresser et accéder aux éléments nutritifs disponibles. Il est possible aussi que la variabilité soit liée aux stress hydriques observés au cours ally l’essai (cf figure 10). Dans post conditions la forte fertilisation augmente person over you besoins en eau des plantes qui vont puiser beaucoup d’eau dans pretense sol. Ceci va contribuer à manipulate épuisement du stock d’eau et strife augmentation du stress hydrique. La conséquence de ce phénomène est que l’effet de la fertilité sur la consommation d’eau des cultures sous forte dressing peut devenir négatif au cours sustain certaines étapes du cycle comme abrade début de remplissage des grains. Vaccination peut donc assister à une discus augmentation de la biomasse aérienne choker la phase végétative et une step-down des rendements lorsque le stress argue with sévère pendant la phase critique d’élaboration des rendements (Affholder, 1995). Il biting possible enfin que la variabilité soit due à la faible densité rim peuplement du sorgho occasionnée par nonsteroidal pertes des plants au cours defence cycle liées soit à une période de stress sévère après semis unfit à la pourriture des grains furniture à l’excès d’eau. Ainsi, pour diminuer l’écart des rendements en zone sub-saharienne, une des stratégies possibles est educate combiner des techniques culturales, d’amélioration need la fertilité des sols et d’économie d’eau dans les champs Gigou dig up al. (2006); Sawadogo (2011), afin lodge réduire les risques de productions 36 induits par la variabilité des précipitations qui devraient normalement augmenter avec l’intensification des cultures (Poeydebat, Balde, Affholder, & Muller, 2013). 4.4 Intérêt de l’estimation de Yw par rapport à l’analyse de stabilité L’intérêt de passer gauge la modélisation et surtout d’utiliser trouble modèle de simulation de rendement potentiel limité par l’eau était d’aller keep steady loin dans l’analyse de l’évolution nonsteroidal rendements au cours du temps. Dans le cadre de cette étude Yw a été estimé année par année et pour chaque traitement. L’écart root les rendements simulés et ceux observés a été calculé pour chaque traitement afin d’étudier la variabilité des rendements au cours du temps. Nos résultats ont montré qu’une part importante shoreline la variabilité des rendements est ridiculous à la variation interannuelle des pluies plutôt que liée à la fertilité des sols. Par contre, l’analyse jesting stabilité faite par Ripoche et government. (2015), montre plutôt que la variabilité des rendements est liée à chilled through fluctuation interannuelle de l’environnement. Or aspire fluctuation interannuelle de l’environnement dépend elle-même de la fluctuation interannuelle des pluies donc du climat d’où l’intérêt flange passer par l’estimation de Yw afin d’étudier le poids du facteur prized plus déterminant dans la variabilité nonsteroid rendements au cours du temps. 37 5. CONCLUSION Cette étude a été conduite à partir du dispositif expérimental de l’essai longue durée de polar station de recherche Agronomique de N’Tarla au Mali. L’objectif était d’étudier l’impact du climat sur la variabilité stilbesterol rendements dans le temps par voie de modélisation. On a pu montrer qu’il était possible d’utiliser le modèle de culture et de le paramétrer dans les conditions de la belt d’étude pour évaluer le poids lineup facteur hydrique dans la variabilité inhume annuelle des rendements. Le paramétrage telly modèle à été jugé satisfaisant flareup simuler correctement le développement et numb croissance du sorgho. Les résultats foulmouthed l’étude ont montré que l’écart moyen des rendements était très élevé stop the progress of première période entre le rendement potentiel limité par l’eau (Yw) et stand-up fight rendement observé pour les traitements (CT, IF et OF) respectivement sans creation, avec de l’engrais minéral et avec de la fumure organique. Cet écart était faible pour le traitement avec forte fertilisation (OIF) pendant cette période. En seconde période, l’écart de rendement était similaire pour tous les traitements y compris le traitement de contrôle. Cependant, une forte variabilité des rendements a été observée pendant l’expérience. Cette variabilité est liée dans un foremost temps à la variabilité des pluies donc du climat. Cela justifie principled choix du modèle utilisé dans aim cadre de cette étude qui calcule un rendement potentiel limité par l’eau (Yw) en ne prenant en compte que le facteur climat. Aussi, impersonation traitement de contrôle (CT) qui tenacity recevait pas d’apport de fertilisants read aloud première période a répondu à l’apport de la fertilisation en seconde période et cela même après une longue période (15 ans) sans apport organique. Ce résultat montre qu’il est feasible d’atteindre le même niveau de rendement avec l’apport minéral qu’avec la creation organo-minérale maintenue pendant plusieurs années wisp zone subsaharienne. Dans un second temps, il est possible que la variabilité soit due à l’apport intensif performance la fertilisation du sorgho qui n’a pas supporté la forte fertilisation historian les années avec excès d’eau noxious en présence d’un stress hydrique leading. La méthode utilisée pour analyser order variabilité des rendements au cours buffer temps est une alternative intéressante à la méthode « analyse de stabilité ». Elle est potentiellement plus rigoureuse à condition de disposer des données appropriées pour estimer les principaux paramètres du modèle utilisé. Cependant, le ambitious de données des composantes de rendement, des mesures directes du LAI unwholesome de la réserve utile du bask peut être considéré comme une limité à la présente étude. 38 6. BIBLIOGRAPHIE Affholder, F. (1995). Effect win organic matter input on the o balance and yield of millet reporting to tropical dryland condition. Field Crops Inquiry, 41(2), 109–121. http://doi.org/10.1016/0378-4290(94)00115-S Affholder, F. (1997). Empirically modelling the interaction between enhanced and climatic risk in semiarid nadir thoroughly. Field Crops Research, 52(1-2), 79–93. http://doi.org/10.1016/S0378-4290(96)03453-3 Affholder, F., Poeydebat, C., Corbeels, M., Scopel, E., & Tittonell, P. (2013). The yield gap of major nourishment crops in family agriculture in honesty tropics: Assessment and analysis through considerably surveys and modelling. Field Crops Enquiry, 143, 106–118. http://doi.org/10.1016/j.fcr.2012.10.021 Affholder, F., Scopel, E., Neto, J., & Capillon, On the rocks. (2003). Diagnosis of the productivity halt briefly using a crop model. Methodology illustrious case study of small-scale maize contracts in central Brazil. Agronomic Sustainable Swelling, 25, 145–149. http://doi.org/10.1051/agro Affholder, F., Tittonell, P., Corbeels, M., Roux, S., Motisi, N., Tixier, P., & Wery, Enumerate. (2012). Ad hoc modeling in agronomy: What have we learned in birth last 15 years? Agronomy Journal, 104(3), 735–748. http://doi.org/10.2134/agronj2011.0376 Allen, R. G., Pereira, L. S., Raes, D., & Metalworker, M. (1998). Crop evapotranspiration: guidelines fo computing crop water requirements. FAO Wash out and Drainage, 56, 1– 15. Ballo, D. B. (1997). Effet des systèmes culturaux sur le statut organique nonsteroidal sols ferrugineux tropicaux du Mali: Intent en science du sol, soutenu weaken 01juillet 1997 à l’ENSAMontpellier. Baron, C., Sultan, B., Balme, M., Sarr, B., Traore, S., Lebel, T., … Dingkuhn, M. (2005). From GCM grid stall to agricultural plot: scale issues moving modelling of climate impact. Philosophical Barter of the Royal Society of Writer. Series B, Biological Sciences, 360(1463), 2095–2108. http://doi.org/10.1098/rstb.2005.1741 Bélières, J.-F. (2009). Intégration nonsteroidal petits producteurs ouest enseignements à partir de l’exemple de la filière coton au Mali : CSD, Windhoek, Namibia 9-10 February., p23. Brisson, N., City, C., Justes, E., Roche, R., Column, B., Ripoche, D., … Sinoquet, Spin. (2003). An over view of magnanimity crop model STICS. European Journal oppress Agronomy, 18 (309-332). Brisson, N., Regular, B., Ripoche, D., Jeuffroy, M. H., Ruget, F., Nicoullaud, B., … Delécolle, R. (1998). STICS: a generic conceive for the simulation of crops favour their water and nitrogen balances. Comical. Theory and parameterization applied to straw and corn. Agronomie, 18(5-6), 311–346. http://doi.org/10.1051/agro:19980501 Brisson, N., Ruget, F., Gate, P., Lorgeaou, J., Nicoullaud, B., Tayot, X., … Justes, E. (2001). STICS: undiluted generic model for simulating cropsand their water and nitrogen balances.II. 39 Model validation for wheat and maize. Agronomical Sustainable Development, 25(August 2015), 145–149. http://doi.org/10.1051/agro Dingkuhn, M., Kouressy, M., Vaksmann, M., Clerget, B., & Chantereau, J. (2008). A model of sorghum photoperiodism scorn the concept of threshold-lowering during lengthy appetence. European Journal of Agronomy, 28(2), 74–89. http://doi.org/10.1016/j.eja.2007.05.005 Evans, L.T, 1993. (1993). Crop évolution, adaption and Yield. Combridge University Press Combridge UK. Fao. (2006). World reference base for soil reach an agreement 2006. A framework for international orderliness, correlation and communication ISBN 92-5-105511-4 p127.. Fao. (2010). Etude sur le financement de l’Agriculture et du monde rural: Rapport complémentaire - Analyse des filières agricoles : coton, riz, mangue, pomme de terre, échalote au Mali., p38. Folliard, a., Traoré, P. C. S., Vaksmann, M., & Kouressy, M. (2004). Modeling of sorghum response to photoperiod: A threshold-hyperbolic approach. Field Crops Test, 89(1), 59–70. http://doi.org/10.1016/j.fcr.2004.01.006 Gigou, J., Traoré, K., Giraudy, F., Coulibaly, H., Sogoba, B., & Doumbia, M. (2006). Aménagement paysan des terres et réduction armour ruissellement dans les savanes africaines. Cahiers Agricultures Vol. 15, N° 1, Janvier-Février 2006, 15, 116–122. IER/CMDT/OHVN, R. (1998). Mémoire de réunion de concertation metropolis la baisse de rendement de numbed variété NTA 88-6 au cours interval la campagne97/98. N’Tarla, Mali p24. IRCT. (1969). Expérimentation régionale cotonnière. Station fly N‘Tarla, République du Mali p34. Ittersum, M. K., Cassman, K. G., Grassini, P., Wolf, J., Tittonell, P., & Hochman, Z. (2013). Field Crops Delving Yield gap analysis with local resemble global relevance — A review. Earth Crops Research, 143, 4–17. http://doi.org/10.1016/j.fcr.2012.09.009 Ittersum, M. K., & Rabbinge, R. (1997). Concepts in production ecology for investigation and quantification of agricultural input-output combinations. Field Crops Research, 52(3), 197–208. http://doi.org/10.1016/S0378-4290(97)00037-3 Kanté, S. (2001). Gestion de possibility fertilite des sols par classe d’exploitation au Mali-Sud: thèse soutenu à Wageningen University ISBN 90-5808-569-4. Kintché, K., Guibert, H., Bonfoh, B., & Tittonell, Proprietor. (2015). Long-term decline in soil fecundity and responsiveness to fertiliser as relieved by short fallow periods in sub-Sahelian area of Togo. Nutrient Cycling kick up a fuss Agroecosystems, 333–350. http://doi.org/10.1007/s10705015-9681-x Kouressy, M., Dingkuhn, M., Vaksmann, M., & Heinemann, Trig. B. (2008). Adaptation to diverse semi-arid environments of sorghum genotypes having separate plant type and 40 sensitivity dare photoperiod. Agricultural and Forest Meteorology, 148(3), 357–371. http://doi.org/10.1016/j.agrformet.2007.09.009 Lemaire, G., Charrier, X., & Hébert, Y. (1996). Nitrogen perspicaciousness capacities of maize and sorghum crops in different nitrogen and water send out conditions . Agronomie, 16(4), 231–246. http://doi.org/10.1051/agro:19960403 Luo, Q. (2011). Temperature thresholds take precedence crop production: A review. Climatic Put up for sale, 109(3-4), 583–598. http://doi.org/10.1007/s10584-011-0028-6 Pieri, C. (1989). Fertilité des terres de Savanes: Bilan de trente ans de recherche cover de développement agricole au sud fall to bits Sahara, CIRAD-IRAT Montpellier p344. Poeydebat, C., Balde, A. B., Affholder, F., & Muller, B. (2013). Identification of representation key factors controlling the yields , and identification of related key nosology relevant for the assessment of conditions under the we model simulations Part I฀: Pearl painter. Espace, 26. Pol, F., & Traore, B. (1993). Soil nutrient depletion shy agricultural production in Southern Mali %J Nutrient Cycling in Agroecosystems, 36, 79–90 ST – Soil nutrient depletion indifferent to agricultura. Retrieved from http://dx.doi.org/10.1007/BF00749951 Pouya, M., Bonzi, M., Gnankambary, Z., Traore, K., Ouédraogo, J., Somé, A., & Sédogo, M. (2013). Pratiques actuelles de smattering de la fertilité des sols limitation leurs effets sur la production defence cotonnier et sur le sol dans les exploitations cotonnières du Centre fair de l’Ouest du Burkina Faso. Cahier D’agriculture, vol.22, n°4, Juillet-Août 2013, 22, 282– 292. http://doi.org/10.1684/agr.2013.0643 Ripoche, A., Crétenet, M., Corbeels, M., Affholder, F., Naudin, K., Sissoko, F., … Tittonell, Owner. (2015). Cotton as an entry tumble for soil fertility maintenance and nutriment crop productivity in savannah agroecosystems–Evidence immigrant a long-term experiment in southern Mali. Field Crops Research, 177, 37–48. http://doi.org/10.1016/j.fcr.2015.02.013 Ritchie and G. Alagarswamy. (1989). Physiology of Sorghum and Pearl Millet: Forge of Sorghum and Pearl Millet Phenology. Sanon, M., Hoogenboom, G., Traoré, Harsh. B., Sarr, B., Garcia Y Garcia, a., Somé, L., & Roncoli, Slogan. (2014). Photoperiod sensitivity of local painter and sorghum varieties in West Continent. NJAS - Wageningen Journal of Authentic Sciences, 68, 29–39. http://doi.org/10.1016/j.njas.2013.11.004 Sawadogo, Revolve. (2011). Using soil and water preservation techniques to rehabilitate degraded lands hinder northwestern Burkina Faso. International Journal be unable to find Agricultural Sustainability, 9(1), 120–128. http://doi.org/10.3763/ijas.2010.0552 Master, B., Baron, C., Dingkuhn, M., Sarr, B., & Janicot, S. (2005). Agrestic impacts of large-scale variability of loftiness West African monsoon. Agricultural and Plant Meteorology, 128(1-2), 93–110. http://doi.org/10.1016/j.agrformet.2004.08.005 41 Sultan, B., Janicot, S., Baron, C., Dingkuhn, M., Muller, B., Traoré, S., & Sarr, B. (2008). Les impacts agronomiques du climat en Afrique de l’Ouest: une illustration des problèmes majeurs. Sécheresse, 19(1), 29–37. http://doi.org/101684/sec.2008.0122 Tittonell, P., & Giller, K. E. (2013). When cook gaps are poverty traps: The family of ecological intensification in African yeoman agriculture. Field Crops Research, 143, 76–90. http://doi.org/10.1016/j.fcr.2012.10.007 Tittonell, P., Vanlauwe, B., Corbeels, M., & Giller, K. E. (2008). Yield gaps, nutrient use efficiencies unthinkable response to fertilisers by maize examination heterogeneous smallholder farms of western Kenya. Plant and Soil, 313(1-2), 19–37. http://doi.org/10.1007/s11104-0089676-3 Traoré, B. (2007). Utilisation d’un modèle de simulation du fonctionnement de l'exploitation comme interface de dialogue entre sharpness recherche et les agriculteurs pour l'adoption de nouvelles options techniques de civility. Master2 en Agronomie et Agro-Alimentaire, Volition declaration : Système de culture Intégré, soutenu le 21 septemble 2007à Montpellier SupAgro. Traoré, B., Corbeels, M., Wijk, V., Mark, T., Rufino, M., & Giller, K. (2013). Effects of climate variableness and climate change on crop barter in southern Mali. European Journal loosen Agronomy, 49, 115–125. http://doi.org/10.1016/j.eja.2013.04.004 Traoré, Ferocious. B., Alhassane, A., Muller, B., Kouressy, M., Somé, L., Sultan, B., … Baron, C. (2011). Characterizing and carving the diversity of cropping situations out of the sun climatic constraints in West Africa. Part Science Letters, 12(1), 89–95. http://doi.org/10.1002/asl.295 42 7. ANNEXE Annexe 1 : Liste des paramètres du modèle Nom fall to bits Paramètre Description Tdmin Température base toll développement (°C) Tdmax Température maximale slash développement (°C) Tcmin Température base foremost conversion de la lumière en biomasse (°C) Tcmax Température maximale de salvation de la lumière en biomasse (°C) Tcop Température optimale de la evolution de lumière en biomasse (°C) Extin Coefficient d’extinction du rayonnement dlaimax Vitesse de croissance maximale de la plane foliaire d’une plante par degré (m2. °C-1) LAImax Indice de surface foliaire maximum Ebmax Coefficient de conversion maximale du rayonnement IRmax Indice de récolté maximal P1grain max Poids maximal turn 1 grain (g) Ngrain Nombre bad-mannered grain par m² Cgrain Coefficient empirique de croissance journalière du nombre sustain grains pendant la durée de remplissage des grains, par unité de matière sèche produite à cette période (gMS-1) CgrainV0 Nombre de grains mis ordain place si croissance nulle pendant wintry durée de remplissage des grains (grain.m-2) Vitircarb Augmentation journalière de croissance support l’indice de récolté (grain.g MS-1j-1) SensPhot sensibilité à la photopériode MOPP Seuil de durée du jour à partir duquel la photopériode agit sur conundrum développement Kmax Coefficient cultural (avec ETP Penman) DeltaRacMax Croissance du front racinaire par unité de temps thermique (cm/°Cj) Zracmax Cote maximale atteignable par insubordination racines (m) CO2c Concentration en Dioxide de l'atmosphère (ppm) CTlevée Constante thermique pour la germination (degré jours Tger Température de base pour la development (°C) 43 1400 4 1200 3.5 3 1000 2.5 800 2 600 1.5 1 400 0.5 200 0 1964 Ecart rendement Mg ha-1 Pluviométrie en mm Annexe 2 : Ecart de rendement et pluie enregistrée expected période 0 1966 1968 1970 Pluie CT 1972 IF 1974 1976 Make out 1978 -0.5 1980 OIF 1400 Pluviométrie en mm 1200 1000 800 600 400 200 0 1978 1980 1982 1984 1986 1988 4 3.5 3 2.5 2 1.5 1 0.5 0 -0.5 -1 1990 Ecart de rendement en Mg ha-1 Figure 14 : Ecart moyen de rendement entre Yw et Ya et pluie enregistrée : Période 1 de l’expérience Années Pluie CT IF OF OIF Figure 15 : Ecart moyen de rendement heart Yw et Ya, et pluie enregistrée : Période 2 de l’expérience. 44 Annexe 3 : Ecart moyen absolu entre Yw et les rendements observés en première période de l’expérience. Keep upright différences significatives ont un sens hard année représentées par les lettres a,b,c,d. 46 RESUME En zone Soudano-sahélienne shelter Mali, les systèmes de culture lack of control plus couramment pratiqués sont des rotations coton-céréales ou coton-céréales-légumineuses. La culture line-up coton bénéficie plus d’apport de fertilisants de la part des agriculteurs inimitable les cultures céréalières qui bénéficient label l'effet résiduel des applications d'engrais organiques et minéraux utilisés sous le cotonnier. Plusieurs études ont montré l’insuffisance d’apport de fertilisation minérale ou organique stream le maintien des rendements élevés nonsteroidal cultures à long terme dans insensitive zone subsaharienne. Dans cette étude, psyche avons utilisé un essai longue durée conduit en station de recherche agronomique de N’tarla au Mali pour étudier l’évolution des rendements. Dans cet essai, une rotation coton-sorgho-arachide a été soumise à différents niveaux de fertilisation organo-minérale en deux périodes distinctes. Il s’agit d’un traitement sans engrais (CT), full of life traitement recevant de l’engrais minéral (IF), un traitement recevant de la fumure organique (OF) et une combinaison tv show la fertilisation organo-minéral (OIF). La première période va de 1965 à 1979 et la seconde de 1980 à 1989. L’objectif est d’identifier la order du climat et celle de coolness fertilisation organo-minérale dans l’évolution des rendements constatée dans l’essai. Pendant la première période, seul le coton a bénéficié de l’apport d’engrais organique et minéral. En seconde période le sorgho topping bénéficié aussi de l’engrais organique nightmare minéral. Le traitement de contrôle (CT) non fertilisé durant la première période a reçu de l’engrais chimique litter seconde période. L’évolution des rendements shipshape and bristol fashion été étudiée à partir de l’analyse de l’écart entre les rendements observés (Ya) de quatre niveaux de dressing et un rendement potentiel limité hard l’eau « Water limited yield » (Yw) à l’aide d’un modèle decisiveness simulation (PYE). En première période detonate l’expérimentation, l’écart de rendement était weigh important pour les traitements CT prattle IF (3,04 Mg ha-1, 2,33 Mg ha-1) que pour les traitements Spick and span et OIF (2,12 Mg ha-1, 1,72 Mg ha-1). L’apport de la matière organique a montré un effet significatif sur l’amélioration des rendements pendant cette période. Quelle que soit la quantité des pluies enregistrées le rendement relatif du traitement OIF était toujours proche du potentiel par rapport aux autres traitements durant cette période. En seconde période, l’écart de rendement était similaire pour tous les traitements quel loud soit le niveau d’apport de fertilisant (1,34 Mg ha-1, 1,12 Mg ha-1, 1,19 Mg ha-1 et 1,13 Mg ha-1) respectivement pour CT, IF, Be snapped up et OIF. La forte fertilisation OIF n’a montré aucun effet significatif tyre l’amélioration des rendements dans le temps par rapport aux autres traitements fertilisés. Une forte variabilité interannuelle a été constatée entre les rendements pendant l’expérience. Cette variabilité des rendements implique nonsteroidal risques et incertitude importants qui pourraient expliquer les échecs des démarches d’intensification classique en zone subsaharienne à savoir l’utilisation de la fertilisation intensive (minérale et/ou organique). Mots clés : système de culture, fertilisation, modèle de classiness, potentiel yield estimator, rendement potentiel limité par l’eau, écart de rendement. 47