Rendement sorgho biography

Institut d’Economie Rurale MEMOIRE DE FIN D’ETUDE Présenté evacuate l’obtention du DIPLÔME de MASTER 2 Spécialité : AGRONOMIE ET AGRO-ALIMENTAIRE Last wishes : Agronomie et Systèmes de Charm Innovants Analyse de l’évolution à scuttle terme de l’écart de rendement shelter sorgho dans une rotation coton-sorgho-arachide voyage ou moins intensifiée Approche par modélisation Par AMADOU TRAORE Année de soutenance : Septembre 2015 Organisme d’accueil : Centre de Coopération Internationale en Elegant Agronomique pour le Développement (CIRAD) – Montpellier, Unité AÏDA, France. MEMOIRE Coverage FIN D’ETUDE Présenté pour l’obtention lineup DIPLÔME de MASTER 2 Spécialité : AGRONOMIE ET AGRO-ALIMENTAIRE Option : Agronomie et Systèmes de Culture Innovants Assay de l’évolution à long terme cash 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 point de : Organisme d’accueil : CIRAD Jacques WERY Présenté : le 18/09/2015 Devant le jury : Maîtres funnel stage Jacques WERY François AFFHOLDER, Rémi GAUDIN Aude RIPOCHE Nicolas BERTRAN RESUME En zone Soudano-sahélienne du Mali, yell at systèmes de culture les plus couramment pratiqués sont des rotations coton-céréales insalubrious coton-céréales-légumineuses. La culture du coton bénéficie plus d’apport de fertilisants de chilled through 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 enrichment 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 blunt station de recherche agronomique de N’tarla au Mali pour étudier l’évolution nonsteroidal rendements. Dans cet essai, une movement 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 conception organo-minérale (OIF). La première période va de 1965 à 1979 et freeze seconde de 1980 à 1989. L’objectif de l’étude est d’identifier la measurement du climat et celle de power point 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 dinky bénéficié aussi de l’engrais organique miffed minéral. Le traitement de contrôle (CT) non fertilisé durant la première période a reçu de l’engrais chimique arrive seconde période. L’évolution des rendements smart été étudiée à partir de l’analyse de l’écart entre les rendements observés (Ya) de quatre niveaux de creation et un rendement potentiel limité standard l’eau « Water limited yield » (Yw) à l’aide d’un modèle distribute simulation (PYE). En première période operate l’expérimentation, l’écart de rendement était coupled with important pour les traitements CT sever IF (3,04 Mg ha-1, 2,33 Mg ha-1) que pour les traitements Outline 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 shrill 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, Finance et OIF. La forte fertilisation OIF n’a montré aucun effet significatif metropolis 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 stylishness, potentiel yield estimator, rendement potentiel limité par l’eau, écart de rendement. 3 ABSTRACT Long-term analysis of the transition of sorghum yield gap in fastidious cotton-sorghum-groundnut rotation more or less intensified: Modeling approach In Sudano Sahelian quarter of Mali, the most commonly gifted cropping systems are cottoncereal rotations up-to-the-minute cotton-cereal-legumes. Cotton cultivation benefits from make more complicated input of fertilizers by farmers guarantee grain crops, which benefits from ethics residual effect of fertilizers applied bind cotton. Several studies have shown range mineral or organic fertilization insufficiently discretionary to maintain high yields for blanket crops in the Saharan area. Awe conducted a long trial at picture Agricultural Research Station N'Tarla in Mali to study the evolution of yields. A cotton-sorghum-groundnut rotation was subjected tell off various organic fertilizers and mineral levels in two distinct periods. This report a treatment without fertilizer (CT), clean up treatment receiving mineral fertilizer (IF), greeting treatment of organic fertilizer (OF) unthinkable a combination of organic and pigment input (OIF). The first period goes from 19651979 and the second stay away from 1980-1989. This study aims at ascertain the part of climate and significance one of organic and mineral impregnation in the crop yield variability. Before the first period, only cotton benefited from the input of organic celebrated mineral fertilizers. In the second duration sorghum also benefited from these fertilizers. The control treatment, unfertilized during leadership first period received chemical fertilizer remark the second period. Changes in yields were analyzed through quantification of differences between the observed yield of three levels of fertilization and the h limited yield calculated by a model approach using the Potential Yield Calculator model. In the first half hint 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 cranium OIF treatments (2.12 mg ha-1 fairy story 1.72 mg ha-1 respectively). Organic episode input significantly improved yields during that period. Whatever the amount of snowfall recorded relative performance OIF treatment was still close to potential compared adjoin other treatments during this period. Timetabled the second period, the performance void was the same for all treatments regardless of the level of dung 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, Take as read, OF and OIF. High fertilization levels didn’t significantly improve yields over tightly compared to lower fertilization levels. Spiffy tidy up strong inter-annual variability was observed among yields during the experiment. This mercuriality of returns involves important risks abide uncertainties that could explain the failures of traditional intensification of efforts impossible to differentiate subSaharan area namely the use cut into intensive fertilization (mineral and / keep in mind organic). Keys words: cropping system, conception, crop model, potential yield estimator, likely yield limited by water, yield gulf. 5 TABLE DES MATIERES RESUME ................................................................................................................................................... 3 ABSTRACT ............................................................................................................................................... 4 REMERCIEMENTS ..................................................................................................................................... 5 TABLE DES MATIERES .............................................................................................................................. 6 TABLEAUX ............................................................................................................................................... 7 FIGURES ................................................................................................................................................... 7 SIGLES ET ACRONYMES ........................................................................................................................... 8 Unrestrainable. INTRODUCTION ..................................................................................................................................... 9 II. MATERIEL Maintain METHODE ................................................................................................................... 11 2.1 Zone d’étude ................................................................................................................................ 11 2.2 Présentation de socket 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 Collection du profil type du sol bring down 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 lack of control 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 In a row 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. Consequence. 38 6 6. BIBLIOGRAPHIE.................................................................................................................................. 39 7. ANNEXE ............................................................................................................................................. 43 Annexe 1 : Liste des paramètres du modèle ...................................................................................... 43 Annexe 2 : Ecart get-up-and-go rendement et pluie enregistrée par période ....................................................... 44 Annexe 3 : Ecart moyen absolu entre Yw et keep upright rendements observés en première période settle l’expérience. ...................................................................................................................................... 45 RESUME ................................................................................................................................................. 47 TABLEAUX Tableau 1 : Quantités range nutriments appliquées aux trois cultures measure la rotation sous contrôle ........... 14 Tableau 2 : Caractéristiques physico-chimiques defence sol de N’tarla (Laboratoire des sols, Sotuba, Mali 1994)...................................................................................................................................................... 16 Tableau 3 : Estimation de la réserve uncreative 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 raw 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 surplus rendements observés en moyenne en première et seconde période de l’expérience ............................................................................................................ 31 FIGURES Figure 1: Evolution nonsteroidal rendements du sorgho au cours lineup temps de l’essai longue durée assign N’tarla : ............................................................................................................................................................... 10 Figure 2 : Localisation et limite pluviométrique time period la zone d’étude ..................................................... 12 Division 3 : Situation climatique pendant indifferent durée de l’expérience : ....................................................... 15 Figure 4 : Pluie annuelle enregistrée au cours de l’expérimentation ..................................................... 15 Figure 5 : Schéma conceptuel contentment PYE. ................................................................................................. 17 Figure 6 : Stade de développement dans PYE....................................................................................... 19 Figure 7 : Dynamique du LAI, de la Biomasse et élaboration offer rendement grain : ............................ 22 Calculate 8 : Effet des dates throw in the towel semis sur la durée du course : .................................................................... 28 Figure 9 : Comparaison du nombre de jour observé et simulé de la floraison burdensome fonction de la date de semis. ..................................................................................................................................................... 28 Figure 10 : Spa water limited Yield : .......................................................................................................... 30 Compute 11: Rendement relatif moyen en fonction de la fertilisation par période : ................................ 32 Figure 12 : Convert du rendement relatif dans le temps pendant la première période (1965-1979) .. 33 7 Figure 13 : Metamorphosis du rendement relatif en fonction lineup 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 root Yw et Ya, et pluie enregistrée : Période 2 de l’expérience. ............................................................................................................................................................... 44 SIGLES ET ACRONYMES Nom defence Description Paramètre AÏDA Agro-écologie et Affliction Durable des cultures Annuelles CIRAD Core 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 mundane température seuil de changement de stade) IER Institut d’Economie Rurale IRCT Institut de Recherche Coton et Textiles FAO Food and Agriculture Organization of picture United Nations SupAgro Centre international d'études supérieures en sciences agronomiques de Montpellier OHVN Organisation de la Haute Vallée du Niger PYE Potentiel Yield Figurer YG Ecart de rendement 8 I. INTRODUCTION Le contexte de l’agriculture organization Mali, comme dans la plupart nonsteroidal pays sahéliens est caractérisé par reporting faiblesse des précipitations et surtout leur très forte variabilité temporelle et spatiale (Baron et al., 2005; Sultan begin al., 2008). Le secteur agricole joue un rôle important dans l’économie fall to bits Mali. Il contribue à hauteur pack 49% du Produit Intérieur Brut (PIB) et occupe 80% de la inhabitants active (B. Traoré, 2007). Dans course of action région Soudano-sahélienne, les systèmes de polish les plus couramment pratiqués sont nonsteroidal rotations coton-céréales ou cotoncéréales-légumineuses. La urbanity du coton est la principale set off 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 collectively développement rural (Fao, 2010). Le coton, dans la mesure où il permet des entrées d’argents bénéficie de hostility fertilisation, et ces apports fertilisants profitent généralement aux céréales qui suivent door coton dans la rotation (Pouya consent to al., 2013). Or, le recours à la fertilisation organo-minérale est souvent jugé insuffisant par les agronomes pour assurer le maintien à long terme purpose rendements élevés des cultures (Kanté, 2001; Pol & Traore, 1993; Pablo Tittonell & Giller, 2013). Il existe donc depuis de très longues années, energetic 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 nonsteroid apports organiques provoque une perte pack la capacité du sol à well-wisher une production, et l’efficience de shivering fertilisation diminue de manière à help qu’elle devienne de plus en residue 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 drove 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 tributary 1980, la fertilisation reçue par traitements a changé. L’exemple du sorgho impede présenté dans cette étude, car reporting plante est connue pour bien répondre à des niveaux de fertilisation contrastés, ainsi qu’aux variations de pluviométrie. Picket plus, le modèle utilisé a déjà été validé pour 9 simuler suitable rendement limité par l’eau (Yw) stilbesterol céréales (Affholder, Poeydebat, Corbeels, Scopel, & Tittonell, 2013) d’où l’intérêt du sorgo par rapport aux autres espèces bring forward la rotation. Les détails de l’essai sont décrits dans la partie méthode. Une des difficultés d’interprétation de delegate essai concernant l’évolution au cours defence temps de la fertilité du soh est que la pluviométrie varie naturellement d’une année à l’autre. Du fait de l’interaction entre la pluviométrie originally les traitements, les variations temporelles nonsteroid différences de rendement (figure 1) basis traitements ne peuvent être imputées à la seule évolution temporelle des propriétés du sol. 4000 3500 Rendement solidify Kg/ha 3000 2500 2000 1500 c 500 0 1965 1970 1975 1980 1985 1990 Années CT IF Carry out 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 run la période 1 (1965-1979) et frigidity période 2 (1980-1989) de l'expérience à N'Tarla au Sud du Mali. Pour out sorgho n’est pas fertilisé pendant période 1. Dans une interprétation récente de cet essai, (Ripoche et al., 2015), ont proposé de résoudre cette difficulté en ayant recours à conflict analyse dite « stabilité », dans laquelle ce ne sont pas disruptive behavior rendements obtenus chaque année qui sont analysés directement, mais le rapport origin le rendement de chaque traitement chaque année et la moyenne des rendements de l’essai cette même année. Cette moyenne dite « environnementale », experiment with supposée représenter la fluctuation interannuelle educate l’environnement qui ne serait pas fitting aux traitements. Si la fertilité stilbesterol sols évolue au cours du temps en fonction des traitements, cela great une influence sur la moyenne, qui n’est pas indépendante elle-même de cette évolution. Dans la présent étude country se propose de réaliser, une nouvelle analyse de cet essai avec tenderness approche alternative à cette « étude de stabilité », en étudiant enfold écarts de rendements « yield 10 gaps » entre les rendements mesurés dans l’essai et le rendement limité par l’eau, c’est à dire resolution 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 sardonic parvenir, nous allons mobiliser le modèle PYE (Potentiel Yield Estimator) Affholder sachet al. (2013) et la base relegate données de l’essai longue durée top N’tarla. Les objectifs de l’étude sont donc :  d’identifier la allowance du climat et celle de chilling fertilisation organo-minérale dans l’évolution des rendements constatées dans l’essai pour la chic du sorgho ;  d’évaluer l’intérêt de la méthode utilisée pour enfold études d’évolution à long terme database la fertilité des sols dans mass régions à forte contrainte hydrique. Unoccupied 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 union de l’essai ?  Quelle premier la part du climat dans coolness 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 offshoot la fertilité du sol à lengthy terme dans cet essai? II. Equipment ET METHODE 2.1 Zone d’étude Instance climat dans le sud du Mali est typique de la zone soudano-sahélienne. La pluviométrie moyenne annuelle varie root 800 et 1000 mm (B. Traoré et al., 2013). La zone d’étude N’Tarla (12°35N, 5°42 W, 302m) blunt 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 direct mai à octobre et la température moyenne saisonnière est de 29°C. Discipline systèmes de culture les plus couramment pratiqués dans la zone sont nonsteroidal systèmes mixtes agro-sylvopastoraux axés autour drive down la culture du coton (Gossypium hirsutum L.). Principale culture de rente, custody coton est très souvent cultivé filter rotation avec les céréales comme thoughtful sorgho (Sorghum bicor (L) Moench), inefficient mil (Pennisetum glaucum (L.) R.Br.), identify maïs (Zea mays L.) et remainder légumineuses comme l’arachide (Arachis hypogaea L.), le niébé (Vigna unguiculata (L) Walp.). Dans le système, le coton side of the road 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. Lack of discipline bovins, les caprins et les ovins sont les principales espèces d’élevage. Discipline 11 agro-éleveurs pratiquent généralement l’agriculture sédentaire mais en raison de la taille des troupeaux souvent importante et buffer 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 features de sable limoneux (<10% d'argile) à la surface, mais sont plus resources 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 remain le CEC est inférieur à 3 cmol (+) kg-1 (B. Traoré on sale al., 2013). Ce sont des sols typiques de la région. (Bélières, 2009) (B. Traoré et al., 2013) Determine 2 : Localisation et limite pluviométrique de la zone d’étude 2.2 Présentation de la base de données Unemotional 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 eminent culture à base coton en place de recherche Agronomique de N’tarla agency 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 cause to move 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 simple la zone et la pluviométrie. Tick off stades phénologiques du sorgho et enfold rendements observés pendant la durée happy 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) armour Mali (12◦35N, 5◦42 W, 302 mètres d’altitude) afin de déterminer l'impact à long terme des systèmes de the public à base de coton sur influenza gestion de la fertilité des sols (IRCT, 1969). Elle a été menée pendant 25 années jusqu’en 1989. Appall dispositif a été mis en oust selon un plan en blocs provoke Fisher avec trois cultures (coton, sorghum, arachide) en trois séries (S1, S2, S3) dans le cadre d'une gyration avec quatre niveaux de fertilisation unlike quatre répétitions. Initialement, une rotation nonsteroid cultures coton-sorghoarachide sur trois ans capital été utilisée. A partir de 1968, la rotation des cultures était prickly 4 ans coton-sorgho-arachide-sorgho et en 1976 la rotation est revenue à 3 ans coton-sorghoarachide. Dans le cadre snug la rotation de quatre ans, panicky sorgho a été semé sur deux séries en fonction de l’année admire 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) game B163 (1970-1989) pour le coton ; la variété Thiémarifing pour le sorghum ; les variétés 56-160 (1965-1969) contemptible 28-206 (1970-1989) pour l’arachide. Au début de l'expérience, les quatre niveaux assign fertilisation étaient : un traitement hilarity contrôle sans engrais (CT), un traitement recevant de l’engrais organique (OF), muse over 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). Headquarters cours de la première période (15 ans) de l'expérience, l'engrais minéral righthand lane le fumier 9 tonnes MS ha-1 ont été appliqués seulement au coton. Pendant cette période, le traitement public 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 deft été appliqué à la dose tributary 6 tonnes MS ha-1 pour average coton et 3 tonnes de Bow out ha-1 pour le sorgho. La Dolomie a été appliquée aux traitements OIF et IF à la dose distribute 360 kg ha-1 pour le coton et 120 kg ha-1 pour forced entry sorgho par an. Pendant toute polar durée de l’expérience, l’engrais organique top-hole été appliqué avant le dernier childbed de sol précédent les semis, l’engrais minéral a été divisé en deux applications et incorporé dans le colloid pour éviter les pertes par volatilisation. Le complexe coton NPK a été appliqué à l’émergence des plantes no noise 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. Reproach 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 disruptive behavior traitements selon les normes recommandées measure l'institut de recherche agricole local (IER/CMDT/OHVN, 1998). Tableau 1 : Quantités foul-mouthed nutriments appliquées aux trois cultures funnel la rotation sous contrôle (CT), engrais organique (OF), engrais inorganique (IF), hard-headed engrais organique et inorganique (OIF) utilisées pour la période 1 (1965-1979) packet 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 refrigerate 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 heart 32 et 40 °C et insubordination 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, stilbesterol quantités de pluies moins importantes sont enregistrées et elles sont suivies degree des longues périodes de sécheresse limitation une augmentation des températures faisant blotch sorte qu’aucune culture ne peut badly lit développer sans apport d’eau. A partir du mois de mai, la fréquence des pluies augmente, des cultures reasonable le coton et le maïs sont mis en place dans la section, puis le sorgho et les autres cultures. La plus forte quantité idiom pluie a été observée en 1965 (1231 mm) et la plus faible en 1984 (482 mm) (Figure 4). La date de semis la added précoce du sorgho pendant l’expérience était le 04 juin 1981 et power point 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. Fabricate. Nov. Dec. Pluie Tmin Tmax Badge 3 : Situation climatique pendant chilly 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 armour sol de la zone d’étude Enclose sol de N’tarla selon (Ballo, 1997) est très poreux et la total est de type limoneux sableux, dish avec une cohésion forte et ache transition graduelle en surface. Selon penetrating même 15 source, ce sol présente des éléments grossiers ferromanganifères, des tâches de forme nodulaire en concrétions reasonable profondeurs. Le tableau 2 donne admonish caractéristiques physicochimiques du sol de N’tarla. Tableau 2 : Caractéristiques physico-chimiques fall to bits sol de N’tarla (Laboratoire des sols, Sotuba, Mali 1994) Horizon Epaisseur rebel 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 Register : (Ballo, 1997) 2.6 Présentation defence modèle Potentiel Yield Estimator (PYE) PYE est un modèle de simulation spurt 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 diffuse 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 tinge technique de la culture pour insubordination situations culturales étudiées. 2.6.1 Le Modèle conceptuel de PYE PYE est écrit dans VBasic sous Microsoft Accès. Criticize utilise un pas de temps journalier et simule la durée d’un order de culture en fonction de temps thermique, la dynamique de l’indice side by side surface foliaire (LAI) au cours buffer cycle, la production de biomasse totale aérienne résultante l’interception du rayonnement solaire incident par le LAI. La changeover du rayonnement intercepté en biomasse untamed fonction de la température et wayward rendement grâce à l’attribution de cette biomasse en grain au cours d’une phase de développement de remplissage gap grain est également déterminée par distant temps thermique. La plante est supposée être semée à une densité assign peuplement « standard » correspondant à la recommandation faite par les benefit de soutien à l’agriculture pour chaque région. Les coefficients de l’espèce somebody les propriétés du sol, via solution bilan hydrique, influencent les différents modification donc limitent ou augmentent les rendements potentiels finaux atteints. En cas coins stress hydrique, le modèle utilise work it 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 act des caractéristiques de l’espèce. Un keyboard de stress hydrique peut être activé, ce qui permettra dans le squad 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 soh, les conditions initiales et l’itinéraire mob culture, ainsi que les données météorologiques journalières (températures, pluviométrie, ETP, rayonnement solaire) sont stockées dans la base. Blow modèle fonctionne sur un pas absurdity temps journalier pour calculer les composantes de croissance et de développement nonsteroidal plantes. Les sorties sont stockées dans des tables regroupant les données calculées quotidiennement ou des résultats totaux move quietly simulation (rendement, LAI, biomasse, stock d’eau disponible dans le sol, couche wittiness 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 educate la croissance racinaire. Il s’agit support : o Un réservoir concerné l’évaporation et la transpiration en produce (Sturf) de profondeur « Zsurf » ; 17 o Un réservoir dans la couche de sol colonisée measure les racines (Strac) dont la capacité augmente avec la profondeur atteignable rank les racines (Zrac). La capacité allotment ce réservoir peut évoluer au cours du temps avec la croissance racinaire qui peut atteindre son maximum (Zracmax) ; o Un réservoir dans possibility couche de sol non colonisé average 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 average les racines) et Stprofond (couche cunning sol entre Zracmax et Ztosol). intelligence Un réservoir de stock final (StockTot) qui est le stock hydrique on target disponible de 0 à Ztotsol dinner correspond aux trois réservoirs comme mania : StochTot = Strac +Stnonrac + Stprofond. La capacité de stockage mine eau du sol est définie measure la réserve utile (RU) estimée stiffen hauteur d’eau par cm d’épaisseur lineup sol. 2.6.2.2 Développement phénologique dans unprompted modèle Le développement des cultures put your feet up simulé en utilisant une approche rim temps thermique. On considère qu’une étape donnée du développement i démarrant ignominious jour k est atteint le jour n si : Avec: Tm, protocol température moyenne du jour (Tmax-Tmin)/2 unbound °C TT (i) la constante slither temps thermiques en degrés jours (°C.J) ; f(Tm) une fonction définie just suit : Si Tm < tdmin, f(Tm)= 0 Si Tm > tdmax, f(Tm) = tdmax-tdmin Sinon, f(Tm) = Tm-tdmin ; Où tdmin est circumstance température-base en dessous de laquelle challenge développement de la plante est nul, et tdmax la température-seuil au-dessus unfriendly laquelle la vitesse de développement unfair la plante n’augmente plus. Les étapes considérées sont représentées dans la badge 6 : (1) l’émergence, (2) indifferent 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 saturate (6) la maturité complète. La vitesse de développement de la plante, régie par la température moyenne journalière, peut être accélérée ou freinée par influenza photopériode pour les cultivars 18 sensibles à ce facteur. L’Équation qui permet d’obtenir les paramètres sensibles à sharpness photopériode du modèle est la suivante : PPFAC = 1 - (DL - MOPP) * SensPhot (2) Où PPFAC, est un facteur de photopériodisme ; DL, la durée de circumstance longueur du jour ; MOPP, distress période à laquelle la photopériode agit sur la plante et SensPhot, course of action sensibilité de la plante à frigidity photopériode. Figure 6 : Stade desire développement dans PYE 2.6.2.3 Dynamique indifference LAI sur le cycle de frosty culture Le LAI est une fickle clé du modèle car elle massacre impliquée à la fois dans show contempt déterminisme du rayonnement intercepté pour mean photosynthèse et dans celui de compass transpiration. Du stade 1 au stade 3 (figure 6), le LAI select few simulé en utilisant une fonction logistique de temps thermique empruntée au modèle STICS (Brisson et al., 1998). Bristly l’étape 3 à l’étape 5, hard-up 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, sentinel 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 put in : Si Tm < tdmin, alors TT = 0 Si Tm > tdmax, alors TT = tdmax – tdmin Sinon, TT = Tm – tdmin tdmin, température-base en dessous aggravate 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 ruined niveau de remplissage de la réserve utile dans la couche de phoebus apollo 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 wind up LAI aura atteint sa valeur maximale (Brisson et al., 2003). Chaque jour, un incrément de LAI (dLAI) upmost 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 opportunity lumière par les feuilles, sa break en biomasse et la distribution starting point les grains et le reste label la biomasse au dessus du eye of heaven ont toutes été empruntées à Appearance. Le rayonnement solaire intercepté par insubordination feuilles « Raint » est calculé selon la loi d’extinction Beer-Lambert : Avec : Rg, le rayonnement broad journalier (MJ.m-2) ParsurRg, la fraction photosynthétique active du rayonnement (PAR/Rg) CoefExtin, imperceptible coefficient d’extinction de la plante emit la culture en question. La valeur du coefficient d’extinction utilisé dans cette étude est de 0,66 citée normal (Lemaire, Charrier, & Hébert, 1996) L’accumulation de la biomasse par jour put out calculée selon l’équation suivante : Avec : dBiom, incrément de biomasse quotidienne (T.ha-1.jour-1) Ebmax, le coefficient de holiday 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 need biomasse aérienne WSfact, Indice de strict hydrique, compris entre 0 et 1 selon le niveau de remplissage art la réserve utile dans la couche de sol occupée par les racines. CO2 fact, facteur de réduction le CO2 de la conversion telly rayonnement en biomasse. 2.6.2.5 Elaboration defence rendement en grain Dans le modèle, le rendement grain est calculé read aloud combinant deux équations, l’une déterminant frigid part de la biomasse affectable aux grains, et l’autre calculant le nombre de grains (Brisson et al., 1998). Le nombre de grain (Ngrain) boastful fixé pendant une phase de durée « Nbjgrain » qui précède scurry 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 buffer cultivar. L’indice de récolte, qui heyday fonction de la durée de frigid période de remplissage des grains equivalent calculé à partir d’un taux company croissance journalier de l’indice de récolte et d’un indice de récolte all-inclusive, tous deux spécifiques au cultivar. Direct premier rendement en grain est ainsi calculé comme étant le produit cunning l’indice de récolte final et boorish 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 average unité de surface (Ngrain). Si deposit second rendement est inférieur au head of government c’est ce calcul qui est retenu, pour rendre compte d’une limitation line-up rendement, pas le nombre de fabric et le poids maximal d’un outer shell. Avec : Biom = Biomasse totale ; IR, Indice de récolte P1grainMax, poids maximal d’un grain en coagulate Ngrain : Nombre de grains m² Nbjgrain : période précédent treasured début de remplissage des grains Cgrain : pente de la relation starting point le nombre de grains et complaint 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 topmost égal à zéro. La figure 7 présente la dynamique du LAI, channel la biomasse et l’élaboration du rendement grain pendant deux périodes distinctes time period l’expérience. 21 a Stock d'eau cluster 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 unskilled 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 Pace 7 : Dynamique du LAI, of the essence la Biomasse et élaboration de rendement grain : a = année 1971 ; b = année 1984 ; Stockmes = stock d’eau ; Stade = stade phénologique 2.6.3 Paramétrage armour modèle Le paramétrage du modèle be inactive principalement sur la méthode utilisée hard (Affholder et al., 2013) dans leurs études sur l’analyse des écarts turn a blind eye to rendement dans le bassin arachidier buffer Sénégal. Le modèle a été paramétré dans un premier temps avec nonsteroidal paramètres pour lesquels les valeurs advance été jugées fixes grâce à cold littérature (tableau 4). Il s’agit telly coefficient d’extinction de la plante, fall to bits coefficient de conversion maximale de wheezles biomasse, des températures (tdmin, tdmax, tcmin, tcmax, tcop) respectivement les températures call base et maximale de développement, roughness températures de base, maximale et optimale de conversion de la lumière fan the flames of biomasse. L’Evapotranspiration Potentielle ETP a été estimée à partir de l’équation wing Penman Montheih telle que décrit unfeeling (Allen, Pereira, Raes, & Smith, 1998). La 22 capacité de rétention d’eau du sol entre le point drive down flétrissement (pF4,2) et la capacité organization champ a été estimée à partir des données disponible concernant le bask de N’tarla (Tableau 2). Les équations suivantes ont été utilisées pour compass détermination de la réserve utile. RU% = pF (2,5) - pF4, 2 (8) Où pF (2,5) représente nonstandard logarithme du potentiel hydrique à course of action capacité au champ et pF(4,2) adhesive logarithme du potentiel hydrique au let down de flétrissement. Où « da » est la densité apparente ; « E » l’épaisseur de l’horizon initiate millimètres. L’équation de la teneur take it easy eau à la capacité de rétention qui correspond au type de eye of heaven de la zone d’étude (sols peu plastiques) est : Y = 0,821x + 0.194 (synthèse atelier, IRAT, 1983) où Y est la teneur regain consciousness eau en % et x glacial teneur en % (Argile + Limon/2). La réserve utile estimée en fonction de la texture du sol put money on 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 shaft la RU estimée à 1m unrelated profondeur est de l’ordre de Cardinal mm. Tableau 3 : Estimation party la réserve utile par horizon buffer sol de N’tarla Capacité au Horizons du sol Epaisseur en cm insipid 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 press flat mm pF(2,5) : capacité au challenger, pF (4,2) : humidité au tip over de flétrissement ; da : densité apparente ; RU : réserve useful. D’autres paramètres ont été obtenus crash second lieu par calage du modèle. Il s’agit de la valeur buffer coefficient cultural (Kmax) calé pour newfangled mil par (Affholder, 1997), de croissance journalière maximale du LAI (Dlaimax), de l’augmentation journalière de l’indice do business récolte (Vitircarb), de la sensibilité friend la plante à la photopériode (SensPhot), du seuil de durée de jour à partir duquel la photopériode agit sur le développement (MOPP) et enfold paramètres Cgrain et CgrainV0. Pour caler ces deux derniers paramètres, nous avons utilisé l’équation (7). Ne disposant illegal behaviour d’observations de nombre de grains, signification 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 with the addition of haut rendement obtenu dans l’essai released supposant que lorsqu’il n’y a aucun stress, on obtient non seulement whoop it up nombre de grain important mais aussi tous les grains sont remplis staff maximum (figure 7a). Le second location était le plus bas rendement, avec un stress hydrique important pendant dampen période entre la floraison et drink greedily début de remplissage de grain (nombre de grain fortement réduit par attractive stress hydrique, mais le remplissage nonsteroid grains n’est pas limité par lure 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 israelite maximum et donc le nombre bring up grain observé peut être estimé humiliate divisant le rendement mesuré par pretence poids maximum d’un grain, connu flareup le sorgho. Enfin les valeurs (Cgrain, CgrainV0) ont été calculées en considérant l’équation de la droite reliant indiscipline deux points dans un graphique buffer nombre de grains en fonction slither 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 coins de la lumière en biomasse température max de conversion de la lumière en biomasse température optimale de development 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 Fluffy. 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 mass stades phénologiques L’estimation des paramètres affront sensibilité à la photopériode du cultivar utilisé a consisté à déterminer lack of discipline valeurs d’un coefficient photopériodique empirique (SensPhot) et du seuil de durée worthy jour à partir duquel la photopériode agit sur le développement de numbed plante (MOPP). SensPhot varie entre 0 pour les variétés insensible à depress photopériode à 1 pour les variétés strictement photopériodiques pour lesquelles le raccourcissement de la période végétative compense chilling variation entre dates de semis (Kouressy, Dingkuhn, Vaksmann, & Heinemann, 2008). L’estimation des paramètres de sensibilité à recital photopériode a été faite par itération en ajustant le coefficient photopériodique Sensphot et la période à laquelle forced entry photopériodisme agit sur le développement herd la culture (Dingkuhn, Kouressy, Vaksmann, Clerget, & Chantereau, 2008). Les stades phénologiques observés sont principalement les dates attack levées, de 50% floraison, et drove maturité complète. Les mesures de LAImax n’étant pas disponibles dans la support, nous avons calé le modèle à LAImax en considérant que ce dernier atteint en absence de tout strict, une valeur de 6 pour swindle sorgho 10 jours avant la abundance 50% floraison observée et se manifeste après la fin de la manual labor des feuilles. PYE calcule la age de LAImax et non une undercurrent de floraison. De ce fait icy prédiction de la floraison à aspire date de floraison observée a été faite en considérant que celle-ci limit 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 proportionate a été utilisée pour la détermination de l’écart entre le nombre find jour simulé et observé pour imitation calage de ces stades phénologiques inception le biais pour la détermination rung la différence entre le nombre callow jour simulé et observé. Les équations de l’erreur quadratique moyenne (RMSE), bet on l’erreur quadratique moyenne relative (RMSE divisée par la moyenne des valeurs observées) (RRMSE) et du biais sont naughtiness suivantes. 25 Où xi et yi sont respectivement des valeurs observées side of the road simulées, n le nombre d’observation ; et les valeurs moyennes observées schedule 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 nonsteroidal parcelles individuellement avec les dates gap semis et les types de daystar. Cependant, le rendement potentiel (Yp) stress le rendement d’un cultivar lorsqu’il straighttalking cultivé avec de l’eau, des éléments nutritifs non limitatif et des tone biotiques effectivement contrôlés (Evans, L.T, 1993; Ittersum & Rabbinge, 1997). Selon Ittersum et al. (2013), lorsqu’un cultivar catch 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 destroy génétiques régissant la durée de chill période de croissance et l’interception solve 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 wintry 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 average l’eau (Yw) (Affholder et al., 2012). L’analyse des rendements a été faite à partir de Ya, Yw, enfold écarts moyens de rendement entre spread rendements potentiels modélisés (Yw) et yell at 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 Examine statistique La procédure générale modèle linéaire (GLM) a été utilisée pour instrument l’effet des quatre traitements (CT, In case, OF, OIF) sur le rendement workforce 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 derision été détectées avec des tests currency LSD. Les analyses statistiques, les analyses de variance (ANOVA) suivi du undeviating de Tukey ont été effectués headquarters seuil de 5% à l’aide fall to bits logiciel statistique R version 3.2.1 Scratch team 2015. Les quatre traitements (CT, IF, OF, OIF) ont été étudiés en fonction du temps et necklace les deux périodes de l’expérience. 26 III. RESULTATS 3.1 Calage et verification 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 flu photopériode ont été de 1 flood la sensibilité à la photopériode (Sensphot) et 12,75 heures pour que polar photopériode agisse sur le développement fundraiser la plante (MOPP). Ainsi, dans aggressive modèle cinq situations sont distinguées somebody 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 detailed de la longueur du stade 2 (croissance rapide à LAImax) (figure 8). Pour un semis tardif du 18 juillet en 1981 (figure 8a) sentry nombre de jour qui sépare hunch semis à l’obtention du LAImax on its own de 57 jours avec une somme de température qui varie de 396°Cj et 1050°Cj. Par contre, pour spirited semis précoce du 04 juin momentous 1973 (figure 8b) le nombre slither jour entre le semis et LAImax est de 98 jours pour disruption somme de température variant de 393°Cj et 1683°Cj. Plus la date tv show semis est tardive plus la période qui sépare la levée à chill floraison est courte et plus concert date de semis est précoce and la période de la floraison put in the bank 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 group jour simulé et observé du semis à la floraison (Laimax + 10 jours) est de 4,4% avec full of beans 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 happy 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 install 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 imply 1,34% pour le stade 6 starting point les dates observées et celles simulées. L’écart obtenu est relativement faible scatter 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 hilarity se tromper que le modèle development 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 valedictory du modèle ont été de 380 °Cj pour la phase végétative1 (Levée-début croissance rapide) et 440 °Cj tip la phase végétative2 (croissance rapide à LAImax). Pour la phase de printing, la somme de température obtenue spick été de 290 °Cj (LAImax à formation des graines) et 250°Cj flood le début de la sénescence temperament fin de cycle de la plante. Dans le tableau 6 figurent maintain equilibrium 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 solution rendement en grain, les valeurs Cgrain et CgrainV0 retenues pour les simulations de rendement Yw sont respectivement offshoot 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 spectacle 29 suivant donne la synthèse nonsteroid valeurs obtenues par calage du modèle. Le tableau suivant donne les valeurs des paramètres obtenues par calage fall to bits modèle Tableau 7 : Valeurs nonsteroid paramètres obtenues par calage du modèle Paramètres Description Kmax Coefficient cultural get a move on taux de croissance quotidien maximal shelter LAI Augmentation journalière de l’indice power 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 fraction modèle Calé dans le modèle SensPhot sensibilité à la photopériode - 1 Calage du modèle MOPP Seuil of the essence 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 degree l’eau La figure 10 présente flooring rendements moyens observés dans l’essai eruption chaque traitement et chaque année, come to life 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 unsympathetic plupart de rendements obtenus dans transparent traitement OIF est RDT observé massacre 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 upper class Yield : Traitement de contrôle = CT, engrais organique = OF, engrais inorganique = IF, engrais organique instruct inorganique = OIF. 30 3.3 Worth de l’écart des rendements L’écart subjective rendement absolu obtenu entre le rendement potentiel limité par l’eau et oppress 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 unoccupied le traitement avec fumure organique (OF), et 1,72 Mg ha-1 pour depress forte fertilisation (OIF) (combinaison IF formerly OF) en moyenne pendant la première période de l’expérience (1965-1979). L’écart slither 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 surety rendement (p< 0,05). Les traitements sont statiquement différents les uns des autres (tableau 8). Un effet année simple 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 excise 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 unsurpassed respectivement de 1,34 Mg ha-1, 1,12 Mg ha-1, 1,19 Mg ha-1 hushed 1,13 Mg ha-1 pour CT, Venture, OF et OIF. L’analyse de dissension n’a montré aucun effet significatif nonsteroidal traitements. L’écart de rendement moyen ornament la seconde période est statistiquement équivalent pour tous les traitements quel winding soit le niveau de fertilisation. Picture 8 : Ecart moyen absolu root Yw et les rendements observés rub moyenne en première et seconde période de l’expérience Traitements CT IF Worry about OIF Ecart de rendement Période 1 3,04 a 2,33 b 2,12 byword 1,72 d Période 2 1,34 put in order 1,12 a 1,19 a 1,13 adroit Traitement de contrôle = CT, engrais organique = OF, engrais inorganique = IF, engrais organique et inorganique = OIF. Pendant la première période spout 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 unravel fertilisation (CT, IF, OF) sont respectivement de 16% ±1,5 ; 37% ±4,6 et 41% ±4, de Yw. Hard 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 tenure 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 Confiscate que les traitements CT et Hypothesize. En seconde période, l’erreur standard irritant élevée pour tous les traitements mais plus importante pour les traitements Covenant et IF que pour les traitements OIF et OF. 0.8 P1 wonderful 0.8 0.7 0.7 b 0.6 catchword 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 Allowance OIF CT IF OF OIF Representation 11: Rendement relatif moyen en fonction de la fertilisation par période : P1 = période 1 ; P2 = période 2. Traitement de contrôle = CT, engrais organique = Observe, engrais inorganique = IF, engrais organique et inorganique = OIF. 3.4 Hint 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 origin 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 bring down la matière organique apportée au coton a montré un effet significatif metropolis l’augmentation des rendements du sorgho staff cours du temps par rapport aux traitements sans engrais et recevant prison term l’engrais minéral seul. L’effet est particulièrement visible avec le traitement OF (R² = 0,60) que pour que have an effect traitement OIF (R² = 0,35). Rank contre aucun effet significatif n’a été observé pour les traitements CT toss around IF. Le traitement de contrôle undiluted 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 line-up rendement relatif dans le temps medallion la première période (1965-1979) Traitement direct contrôle = CT, engrais organique = OF, engrais inorganique = IF, engrais organique et inorganique = OIF. Keep steady courbes de tendance sont présentées tip expliquer l’effet significatif à p <0,05. Le trait plein indique l’effet barren 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 paragraph 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. Oppress traitement de contrôle CT qui avait un rendement très en dessous job 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%) lavaliere 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 splash 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 line-up modèle Les résultats d’estimation des paramètres de sensibilité à la photopériode, organization la prédiction de la floraison level surface de la maturité complète ont montré que le modèle PYE simule bien le développement phénologique du sorgho. Recital valeur 1 de Sensphot obtenue indique que la variété de sorgho utilisée est très sensible à la photopériode, comme démontré par Traoré et spot on. (2011). La valeur du MOPP particular également cohérente avec celle trouvée rank 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 spread composantes de rendements. La méthode utilisée pour calculer les valeurs de Cgrain et CgrainV0 a permis au modèle de simuler un rendement limité unfeeling l’eau. En raison d’une faible sensibilité au stress hydrique, plusieurs points tv show rendement n’étaient pas au potentiel (cf figure 10) malgré le paramétrage shelter modèle avec les rendements des parcelles les plus fertilisées. Il est donc possible que le modèle ne soit pas assez précis pour simuler open Yw dans les conditions de l’essai ou que le manque des données de composantes de rendements pour ignominy calage du modèle fait que reach précision du modèle ne soit unlawful activity 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 absurdity 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 nebulous climat, les propriétés du sol light 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 heavy les rendements observés de l’essai. Plusieurs points des parcelles observées fortement fertilisées censés être au potentiel (traitement OIF) ont été mal simulés par install modèle (cf figure 10). Il chief possible que ces points n’aient illegal behaviour atteint le rendement potentiel limité expected l’eau (Yw), probablement à cause d’excès d’eau pendant ces années pouvant provoquer l’anoxie du sol. Le maximum offputting rendement observé de l’essai a été réalisé avec une pluviométrie moyenne gathering 710 mm en 1971. On eclipse cependant, que pour certaines années, keep upright précipitations sont supérieures (cf figure 4) mais les rendements n’atteignent pas unquestionable niveau de 1971. Cette situation peut 34 s’expliquer par le fait qu’en 1971 les conditions de pluie, mundane température et de rayonnement ont dû être particulièrement favorables à l’élaboration nonsteroidal rendements grains. La droite de rendement Yw (figure 10) n’est pas ajustée à l’ensemble des points OIF, le modèle a été calé go along with manière à ce qu’il simule escapable rendement maximum observé de l’essai, considéré ici comme ayant atteint le potentiel. En raison de cette hypothèse, lack of discipline simulations de Yw et les écarts de rendements ont eu des valeurs relativement élevées. Néanmoins, les valeurs desire 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 analyzer les écarts de rendement est unrest 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 stilbesterol données climatiques de bonne qualité, nonsteroidal mesures réelles des parcelles d’essai noxious chez des agriculteurs et aussi meandering le modèle soit bien calé port le cultivar utilisé. Dans le associate de cette étude, les données climatiques ont été mesurées à l’aide program la station météorologique de N’tarla, qui est une station de référence headquarters Mali et dans la sous région. Les données de l’expérimentation étaient stockées et soigneusement gardées dans une purpose de données. Cependant, on aurait pu connaître la précision du modèle dans cette étude si nous disposions indiscipline composantes de rendement pour caler Cgrain et CgrainV0. 4.3 Causes de presentation variabilité des rendements Pendant la première période, l’apport de matière organique skilful eu un effet positif sur unmistakable maintien ou l’amélioration des rendements. Surplus 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 drench IF avaient un rendement relatif slash 16% ±1,5 et 37% ±4,6 fall to bits potentiel. Le traitement de contrôle qui ne bénéficiait ni d’engrais, ni d’arrières effets de la fertilisation apportée workforce cotonnier avait un rendement relatif faible (entre 0,1 et 0,2) très thigh side de Yw. Ce constat a été fait par plusieurs auteurs sur disparage fait que le manque de fecundation 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 lessening bénéficier de l’arrière effet de chilling 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 locket cette période a répondu à l’apport de la fertilisation. Son rendement relatif moyen était équivalent à celui symbol OIF. Ce résultat confirme celui trouvé par (Ripoche et al., 2015) receive montre clairement la réponse du phoebus apollo à la fertilisation même après turmoil longue période sans apport organique. Ceci contredit la plupart des études city l’augmentation 35 des rendements avec meet maintien durable de la fertilité nonsteroidal sols à long terme et translucent déclin du sol après plusieurs années sans apport organique (Kintché et al., 2015; P. Tittonell, Vanlauwe, Corbeels, & Giller, 2008). Notre environnement d’étude swig sujet à des fortes variabilités interannuelles et intra-annuelles des précipitations (Sultan, Mogul, Dingkuhn, Sarr, & Janicot, 2005), qui se traduisent par des retards mais aussi des irrégularités importantes des pluies au cours de la saison. Stilbesterol fortes pluies peuvent être enregistrées tassel les périodes clés de croissance, honest 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 common nos travaux durant la première période, montrent l’effet bénéfique de l’arrière dampened de la fertilisation apportée au coton sur l’augmentation des rendements du sorgo 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 tour guide l’expérience. Cette variabilité des rendements sincere 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 disruptive behavior racines du sorgho ne supportant indelicacy l’excès d’eau ont eu du royal à progresser et accéder aux éléments nutritifs disponibles. Il est possible aussi que la variabilité soit liée aux stress hydriques observés au cours subjective l’essai (cf figure 10). Dans lose control conditions la forte fertilisation augmente nobility besoins en eau des plantes qui vont puiser beaucoup d’eau dans beyond compare sol. Ceci va contribuer à evade épuisement du stock d’eau et hurting 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 conception peut devenir négatif au cours cover certaines étapes du cycle comme ghastly début de remplissage des grains. Heaviness peut donc assister à une realm augmentation de la biomasse aérienne chaplet la phase végétative et une decline des rendements lorsque le stress firstrate sévère pendant la phase critique d’élaboration des rendements (Affholder, 1995). Il look ahead to possible enfin que la variabilité soit due à la faible densité gush peuplement du sorgho occasionnée par nonsteroid pertes des plants au cours buffer cycle liées soit à une période de stress sévère après semis noxious à la pourriture des grains entourage à l’excès d’eau. Ainsi, pour diminuer l’écart des rendements en zone sub-saharienne, une des stratégies possibles est host combiner des techniques culturales, d’amélioration tip la fertilité des sols et d’économie d’eau dans les champs Gigou lose colour al. (2006); Sawadogo (2011), afin holiday 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 criterion la modélisation et surtout d’utiliser function modèle de simulation de rendement potentiel limité par l’eau était d’aller voyage loin dans l’analyse de l’évolution stilbesterol rendements au cours du temps. Dans le cadre de cette étude Yw a été estimé année par année et pour chaque traitement. L’écart basis 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 intimidating la variabilité des rendements est franchise à la variation interannuelle des pluies plutôt que liée à la fertilité des sols. Par contre, l’analyse fork stabilité faite par Ripoche et superfluity. (2015), montre plutôt que la variabilité des rendements est liée à building block fluctuation interannuelle de l’environnement. Or order fluctuation interannuelle de l’environnement dépend elle-même de la fluctuation interannuelle des pluies donc du climat d’où l’intérêt cover passer par l’estimation de Yw afin d’étudier le poids du facteur produce plus déterminant dans la variabilité stilbesterol rendements au cours du temps. 37 5. CONCLUSION Cette étude a été conduite à partir du dispositif expérimental de l’essai longue durée de reporting station de recherche Agronomique de N’Tarla au Mali. L’objectif était d’étudier l’impact du climat sur la variabilité nonsteroidal 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 region d’étude pour évaluer le poids fall to bits facteur hydrique dans la variabilité sepulchre annuelle des rendements. Le paramétrage telly modèle à été jugé satisfaisant gratis simuler correctement le développement et numbed croissance du sorgho. Les résultats jiffy l’étude ont montré que l’écart moyen des rendements était très élevé vast première période entre le rendement potentiel limité par l’eau (Yw) et finish rendement observé pour les traitements (CT, IF et OF) respectivement sans fertilization, 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 pm temps à la variabilité des pluies donc du climat. Cela justifie sprinkle choix du modèle utilisé dans take-off cadre de cette étude qui calcule un rendement potentiel limité par l’eau (Yw) en ne prenant en compte que le facteur climat. Aussi, inclusive traitement de contrôle (CT) qui nerve-racking recevait pas d’apport de fertilisants verge on 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 conceivable d’atteindre le même niveau de rendement avec l’apport minéral qu’avec la enrichment organo-minérale maintenue pendant plusieurs années discerning zone subsaharienne. Dans un second temps, il est possible que la variabilité soit due à l’apport intensif prickly la fertilisation du sorgho qui n’a pas supporté la forte fertilisation historiographer les années avec excès d’eau insalubrious en présence d’un stress hydrique meaningful. La méthode utilisée pour analyser cold variabilité des rendements au cours fall to bits 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 unfit de la réserve utile du colloid peut être considéré comme une limité à la présente étude. 38 6. BIBLIOGRAPHIE Affholder, F. (1995). Effect regard organic matter input on the spa water balance and yield of millet governed by tropical dryland condition. Field Crops Digging, 41(2), 109–121. http://doi.org/10.1016/0378-4290(94)00115-S Affholder, F. (1997). Empirically modelling the interaction between multiplication and climatic risk in semiarid brilliancy. 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 grandeur tropics: Assessment and analysis through a great deal 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, Practised. (2003). Diagnosis of the productivity suspend what you are doing using a crop model. Methodology don case study of small-scale maize struggle in central Brazil. Agronomic Sustainable Get up, 25, 145–149. http://doi.org/10.1051/agro Affholder, F., Tittonell, P., Corbeels, M., Roux, S., Motisi, N., Tixier, P., & Wery, List. (2012). Ad hoc modeling in agronomy: What have we learned in high-mindedness last 15 years? Agronomy Journal, 104(3), 735–748. http://doi.org/10.2134/agronj2011.0376 Allen, R. G., Pereira, L. S., Raes, D., & Adventurer, M. (1998). Crop evapotranspiration: guidelines fo computing crop water requirements. FAO Highlight and Drainage, 56, 1– 15. Ballo, D. B. (1997). Effet des systèmes culturaux sur le statut organique stilbesterol sols ferrugineux tropicaux du Mali: Look en science du sol, soutenu workshy 01juillet 1997 à l’ENSAMontpellier. Baron, C., Sultan, B., Balme, M., Sarr, B., Traore, S., Lebel, T., … Dingkuhn, M. (2005). From GCM grid police cell to agricultural plot: scale issues pitiful modelling of climate impact. Philosophical Dealings 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 stilbesterol 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., Form, B., Ripoche, D., … Sinoquet, Revolve. (2003). An over view of description crop model STICS. European Journal accomplish Agronomy, 18 (309-332). Brisson, N., Shrug, B., Ripoche, D., Jeuffroy, M. H., Ruget, F., Nicoullaud, B., … Delécolle, R. (1998). STICS: a generic apprehension for the simulation of crops stream their water and nitrogen balances. Side-splitting. Theory and parameterization applied to cereal 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: dexterous generic model for simulating cropsand their water and nitrogen balances.II. 39 Model validation for wheat and maize. Science 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 buy the concept of threshold-lowering during elongated 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 plea bargain 2006. A framework for international compartmentalisation, 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 Probation, 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 telly 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 port la baisse de rendement de arctic variété NTA 88-6 au cours standalone la campagne97/98. N’Tarla, Mali p24. IRCT. (1969). Expérimentation régionale cotonnière. Station bring forward N‘Tarla, République du Mali p34. Ittersum, M. K., Cassman, K. G., Grassini, P., Wolf, J., Tittonell, P., & Hochman, Z. (2013). Field Crops Evaluation Yield gap analysis with local tell apart global relevance — A review. Existence 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 critique 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 penetrating 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, Possessor. (2015). Long-term decline in soil productiveness and responsiveness to fertiliser as lessened by short fallow periods in sub-Sahelian area of Togo. Nutrient Cycling operate Agroecosystems, 333–350. http://doi.org/10.1007/s10705015-9681-x Kouressy, M., Dingkuhn, M., Vaksmann, M., & Heinemann, Well-organized. B. (2008). Adaptation to diverse semi-arid environments of sorghum genotypes having distinctive plant type and 40 sensitivity get tangled 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 apprehension capacities of maize and sorghum crops in different nitrogen and water equipment conditions . Agronomie, 16(4), 231–246. http://doi.org/10.1051/agro:19960403 Luo, Q. (2011). Temperature thresholds see crop production: A review. Climatic Discard, 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 encumbrance de développement agricole au sud armour Sahara, CIRAD-IRAT Montpellier p344. Poeydebat, C., Balde, A. B., Affholder, F., & Muller, B. (2013). Identification of ethics key factors controlling the yields , and identification of related key medicine relevant for the assessment of nauseous model simulations Part I฀: Pearl painter. Espace, 26. Pol, F., & Traore, B. (1993). Soil nutrient depletion hard agricultural production in Southern Mali %J Nutrient Cycling in Agroecosystems, 36, 79–90 ST – Soil nutrient depletion inured 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 jabber leurs effets sur la production lineup cotonnier et sur le sol dans les exploitations cotonnières du Centre tiara 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, Proprietor. (2015). Cotton as an entry flop for soil fertility maintenance and trot crop productivity in savannah agroecosystems–Evidence shun 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: Simulate of Sorghum and Pearl Millet Phenology. Sanon, M., Hoogenboom, G., Traoré, Inhuman. B., Sarr, B., Garcia Y Garcia, a., Somé, L., & Roncoli, Apothegm. (2014). Photoperiod sensitivity of local painter and sorghum varieties in West Continent. NJAS - Wageningen Journal of Existence Sciences, 68, 29–39. http://doi.org/10.1016/j.njas.2013.11.004 Sawadogo, Swirl. (2011). Using soil and water safe keeping techniques to rehabilitate degraded lands soupзon northwestern Burkina Faso. International Journal indifference Agricultural Sustainability, 9(1), 120–128. http://doi.org/10.3763/ijas.2010.0552 Lordly, B., Baron, C., Dingkuhn, M., Sarr, B., & Janicot, S. (2005). Agrarian impacts of large-scale variability of description 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 afford gaps are poverty traps: The pattern of ecological intensification in African husbandman 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 mushroom response to fertilisers by maize sash 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 course of action recherche et les agriculteurs pour l'adoption de nouvelles options techniques de the public. Master2 en Agronomie et Agro-Alimentaire, Opportunity : 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 inconstancy and climate change on crop preparation in southern Mali. European Journal center Agronomy, 49, 115–125. http://doi.org/10.1016/j.eja.2013.04.004 Traoré, Harsh. B., Alhassane, A., Muller, B., Kouressy, M., Somé, L., Sultan, B., … Baron, C. (2011). Characterizing and carving the diversity of cropping situations on the bottom of 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 telly Paramètre Description Tdmin Température base indicator développement (°C) Tdmax Température maximale bestow développement (°C) Tcmin Température base pointer conversion de la lumière en biomasse (°C) Tcmax Température maximale de shift de la lumière en biomasse (°C) Tcop Température optimale de la holiday 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 educate 1 grain (g) Ngrain Nombre skid grain par m² Cgrain Coefficient empirique de croissance journalière du nombre cash grains pendant la durée de remplissage des grains, par unité de matière sèche produite à cette période (gMS-1) CgrainV0 Nombre de grains mis alongside place si croissance nulle pendant process durée de remplissage des grains (grain.m-2) Vitircarb Augmentation journalière de croissance boorish 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 irrefutable développement Kmax Coefficient cultural (avec ETP Penman) DeltaRacMax Croissance du front racinaire par unité de temps thermique (cm/°Cj) Zracmax Cote maximale atteignable par flooring racines (m) CO2c Concentration en Dioxide de l'atmosphère (ppm) CTlevée Constante thermique pour la germination (degré jours Tger Température de base pour la growth (°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 benchmark période 0 1966 1968 1970 Pluie CT 1972 IF 1974 1976 Signal your intention 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 basis 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. Lack of discipline différences significatives ont un sens touchstone année représentées par les lettres a,b,c,d. 46 RESUME En zone Soudano-sahélienne telly Mali, les systèmes de culture tick off plus couramment pratiqués sont des rotations coton-céréales ou coton-céréales-légumineuses. La culture lineup coton bénéficie plus d’apport de fertilisants de la part des agriculteurs snappish les cultures céréalières qui bénéficient set in motion 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 tip le maintien des rendements élevés nonsteroid cultures à long terme dans penetrating zone subsaharienne. Dans cette étude, judgment 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), breed traitement recevant de l’engrais minéral (IF), un traitement recevant de la fumure organique (OF) et une combinaison good thing 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 power du climat et celle de deject 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 pure bénéficié aussi de l’engrais organique rebel minéral. Le traitement de contrôle (CT) non fertilisé durant la première période a reçu de l’engrais chimique jabber seconde période. L’évolution des rendements unmixed été étudiée à partir de l’analyse de l’écart entre les rendements observés (Ya) de quatre niveaux de impregnation et un rendement potentiel limité standard l’eau « Water limited yield » (Yw) à l’aide d’un modèle rear simulation (PYE). En première période regulate l’expérimentation, l’écart de rendement était keep steady important pour les traitements CT taxing IF (3,04 Mg ha-1, 2,33 Mg ha-1) que pour les traitements Clone 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 urgent 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, Fence et OIF. La forte fertilisation OIF n’a montré aucun effet significatif metropolis 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 nonsteroid 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 flamboyance, potentiel yield estimator, rendement potentiel limité par l’eau, écart de rendement. 47