Modélisation des pertes de rendement des cultures de blé d’hiver au Grand-Duché de Luxembourg sur base de l’étude des surfaces photosynthétiquement actives

Au Grand-Duché de Luxembourg, le développement de modèles opérationnels pour la prévisiondes rendements se heurte actuellement au problème de la non prise en compte de la diminution de lasurface verte utile et de sa relation avec des processus biotiques et abiotiques incriminés en situationde production. Pourtant, il apparaît que l’élaboration d’un modèle reliant la perte de surface verte à labaisse de rayonnement absorbé est la façon la plus adéquate d’améliorer les prévisions de perte derendement aux champs. De nombreuses manières d’estimer les rendements existent et se basent surdifférentes approches et méthodes. L’objectif de ce travail est de proposer un modèle d’estimation desrendements basé sur l’étude de la dégradation de la surface verte foliaire du blé et du rayonnementintercepté par cette surface tout au long de sa dégradation.L’approche envisagée consiste, dans un premier temps, à utiliser les deux principaux modèlesexistants qui décrivent l’interception du rayonnement par les surfaces foliaires vertes avec desdonnées issues d’expérimentations aux champs, au Grand-Duché de Luxembourg en 2006 et 2007.Différentes méthodes d’obtention des principales données d’entrée de ces modèles ont été comparéeset leurs avantages ont été mis en évidence. Ces données sont le LAI (Leaf Area Index) et lepourcentage de surface foliaire verte. Un LAI de référence, obtenu à l’aide d’une méthode d’analysed’images de feuilles a été validé et comparé à une méthode d’obtention du LAI basée sur la mesuredu rayonnement intercepté par le couvert ainsi qu’à une méthode fournissant la couverture verte dusol à partir d’images aériennes de courte distance. Il a été montré que le LAI issu de la mesure durayonnement intercepté et la couverture verte du sol sont obtenus plus rapidement et pour de plusgrandes surfaces, mais qu’ils ne sont pas suffisamment corrélés au LAI de référence pour être utilisésafin d’obtenir le LAI réel. Le pourcentage de la surface foliaire verte de référence a également étéobtenu à l’aide de la méthode d’analyse d’images de feuilles. La comparaison de celui-ci auxestimations visuelles du pourcentage de surface verte foliaire a montré que cette méthode est plusrapide, mais engendre une surestimation du pourcentage de surface foliaire verte. Une relationlinéaire significative entre la couverture verte du sol par prise d’images aériennes et le pourcentage desurface foliaire verte a été obtenue. Une amélioration de la prise d’images aériennes de courtedistance pourrait mener à une substitution du pourcentage de surface foliaire verte par la couvertureverte du sol sur de grandes surfaces à l’avenir.Les deux principaux modèles décrivant l’interception du rayonnement par les surfaces foliairesvertes ont été utilisés avec le LAI et le pourcentage de surface foliaire verte de référence. Unesimplification de ces modèles par l’utilisation de la dernière ou des deux dernières strates foliaires à laplace des trois dernières pour le pourcentage de surface verte a montré que la simplification ne menaitpas à une amélioration des résultats dans la plupart des cas. D’autre part, une estimation des biaisintroduits en utilisant les pourcentages de surface verte issus de l’estimation visuelle à la place desestimations par l’analyse d’images montre que l’estimation visuelle introduit un biais allant jusqu’à20%. La comparaison des deux modèles testés a mené à la sélection du modèle aux sorties fournissantla meilleure relation avec les rendements. C’est une relation linéaire simple entre les paramètres de lacourbe décrivant l’évolution des sorties du modèle dit du « calcul de la matière sèche » au cours de lasaison de culture et le rendement qui a été retenue.Dans un deuxième temps, le modèle sélectionné a été utilisé avec des données issuesd’expérimentations menées de l’année 2000 à 2005, afin d’obtenir une relation linéaire plus stableentre les rendements et les sorties de ce modèle. La relation obtenue montre des résultats significatifset expliquant plus de 66% des rendements si une variété au comportement atypique est exclue. Uneffet significatif de l’année, du précédent et de la variété sur cette relation a été mis en évidence.Dans un troisième temps, l’aspect prédictif du modèle d’estimation des rendements basé sur larelation linéaire simple retenue a été étudié sur deux années de données extérieures aux annéesutilisées pour la construction de celui-ci. Les données d’entrée nécessaires au fonctionnement dumodèle ont dû être obtenues de manière prédictive, afin de réaliser des estimations du rendement àvenir à partir de la floraison. Le modèle Proculture, basé sur la simulation de l’évolution dessymptômes de la septoriose, a permis d’obtenir des estimations en prévision des pourcentages desurface verte, et le LAI a été considéré comme constant par variété d’une année à l’autre. Le modèled’estimation utilisé a permis d’obtenir des prévisions de rendement ~20% supérieures aux rendementsréels./In the Grand Duchy of Luxembourg, the development of operational models for predictingyields currently runs against the failure to take into account the green leaf area decline and itsrelationship with biotic and non biotic processes involved in a situation of production. Yet itappears that the development of a model linking the loss of green leaf area to lower radiationabsorbed is the most adequate to improve prediction of yield loss in the fields. Many ways toestimate yields exist and are based on different approaches and methods. The objective ofthis work is to propose a model for estimating yields based on the study of the green leaf areadecline of wheat and radiation intercepted by this area throughout the season.The approach is, first, to use the two main existing models that describe the interception ofradiation by green leaf area with data from experiments in the field, in the Grand Duchy ofLuxembourg in 2006 and 2007. Different methods for obtaining key data entry of thesemodels were compared and their benefits have been identified. These data are LAI (LeafArea Index) and the percentage of green leaf area. The reference method, obtained usingimage analysis of leaves has been validated and compared to a method for obtaining LAIbased on the measurement of radiation intercepted by the canopy as well as a method basedon the green cover soil obtained from short distance aerial images. It was shown that the LAIobtained from the measurement of radiation intercepted and the green land cover obtainedfrom short distance aerial images are obtained faster and for larger surfaces, but they are notsufficiently correlated with the LAI from the reference method to be used in place ofreference LAI. The percentage of green leaf area of reference has also been obtained usingthe image analysis of leaves. Comparing it to visual estimates of the percentage of green leafarea has shown that this method is faster and creates an overestimation of the percentage ofgreen leaf area. A significant linear relationship between green land cover from shortdistance aerial images analysis and the percentage of green leaf area was obtained. Animproved short distance aerial image could lead to the substitution of the percentage of greenleaf area by the green land cover over large areas in the future. The two main modelsdescribing the interception of radiation by green leaf area were used with the LAI and thepercentage of green leaf area of reference. A simplification of these models by using only theupper leaf or the two last leaves to emerge in place of the last three leaves to emerge for thepercentage of green area has shown that simplification did not lead to improved results inmost cases. On the other hand, an estimate of bias using the percentage of green leaf areafrom the visual estimate in place of estimates by image analysis shows that visual estimateintroduce an approximate bias of 20%. A comparison of the two models tested led to theselection of the model outputs providing the best relationship with yields. It is a simple linearrelationship between parameters of the curve describing the evolution of model outputs socalled“calculation of dry matter” during the growing season and yield that was chosen.In a second time, the selected model was used with data from experiments conducted from2000 to 2005 to obtain a more stable linear relationship between yields and output of themodel. The relationship obtained shows significant results and explains over 66% yields ifdatas from an atypical variety are excluded. A significant effect of years, precedent andvariety on this relationship was highlighted.In a third time, the predictive aspect of the model to estimate yields based on the simplelinear relationship has been studied on two years of external data used for years to build it.The input data needed to run the model had to be obtained on a predictive way to makeestimates of future performance from flowering. The model Proculture, based on thesimulation of the progression of septoriose disease, allowed obtaining estimates inanticipation of the percentage of green area, and LAI was considered constant variety fromone year to another. The estimation model used resulted in expected future performance ~20% higher than actual yields.