C. Hypothèses retenues
Suite à ce bilan, nous pouvons identifier un ensemble
d'hypothèses. Parmi ces hypothèses nous distinguons les
hypothèses selon la manière dont nous pouvons les confirmer
(figure 20). De plus un niveau de confiance est attribué à chaque
hypothèse. Il évoluera suite à l'étape de
consolidation (figure 21). Les parcelles sur lesquelles a été
émise m'hypothèse sont répertoriées. De même
pour celles qui infirment la dite hypothèse.
1) Hypothèses valables à l'échelle du
réseau
Une hypothèse est valable à l'échelle du
réseau lorsqu'elle ne porte pas sur un contexte particulier. Pour les
hypothèses valables à l'échelle du réseau, les
variables explicatives correspondantes sont identifiées afin de
préparer le travail de modélisation qui suivra. La
synthèse est représentée en tableau 11.
Pour distinguer les apports d'azote selon leur effet (cf
période d'absorption et rôle de l'azote absorbé), deux
catégories sont créées :
- selon la période d'apport (avant juin exclus,
après juin inclus et avant octobre inclus) ; - selon le type (organique
ou minéral).
MORGANE FOURNIER
MEMOIRE DE FIN D'ETUDE - AGROPARISTECH
Laurence Albert
Figure 23 : Interrang de P61. A gauche
l'interrang est tondu.
A droite l'interrang est couvert par une bande
fleurie.
56
Figure 24 : Teneur foliaire en azote (%MS) de la
parcelle P50
Les reliquats sont considérés satisfaisants
comme suit [CA Tarn et Garonne, 2010] :
Sortie hiver : 20-30kg/ha F2+60j. : 30-40 kg/ha avant
récolte : 40-60 kg/ha
Les unités d'azote sont calculées
en multipliant la quantité d'azote de l'engrais par le coefficient
de
minéralisation.
Figure 25 : Reliquats azotés et fertilisation au
sol (P50)
57
MORGANE FOURNIER
MEMOIRE DE FIN D'ETUDE - AGROPARISTECH
2) Hypothèses valables à l'échelle d'un
groupe de parcelles
Ces hypothèses portent sur un contexte particulier.
L'ensemble des parcelles sur lesquelles l'hypothèse porte sont
indiquées dans « Parcelles concernées ».
HYPOTHESE
|
NIVEAU DE
CONFIANCE
|
PARCELLES
CONCERNEES
|
1) L'apport de fumier à la plantation permet de
garantir un certain niveau
de reliquat...
|
P50 (2012-2013
pour apport en
2010)
|
P27 P35 P50 P35bis P53
|
2) et une certaine croissance...
|
P35 (2012-2013-
2014 pour
apport en 2011)
|
|
P27 (2012-2013-
2014 pour
apport en 2012)
|
|
P14 (2012)
|
P14 - P76
|
|
Apports de fumier : P27 : 60T/ha de fumier ovin
(0.7/0.5/1.5)
P35 : 35T/ha de fumier de porc composté
(0.76/1.02/1.47)
P50 : 9T/ha fumier de porc (2.43/2.58/1.98)
(1) Cette hypothèse a été
confirmée par des essais de la Chambre d'Agriculture de Normandie
[CA
Normandie 2013].
Tableau 12 : Hypothèse retenues pour un groupe de
parcelles, à partir des analyses
individuelles
3) Hypothèses ne pouvant pas être
confirmées dans le réseau
|
HYPOTHESE
|
PARCELLES CONCERNEES
|
|
Une bande fleurie montée à fleur sur
l'interrang consomme plus qu'un gazon
tondu ras.
|
P76
P61
P14
|
|
Cette concurrence est accrue en cas de rang couvert
(bâche plastique ou
tissée)...
|
P27 (2012-2013-2014)
P50 (2012-2013)
|
|
... ou de sol peu profond.
|
P61
|
Tableau 13 : Hypothèse ne pouvant être
confirmée dans le réseau (1)
Cette concurrence est très difficile à
mettre en évidence. Cette hypothèse est émise
lorsque malgré une bonne fertilisation et/ou de bons reliquats, l'arbre
est mal nourri en azote (figure 23 et 24). Néanmoins cette malnutrition
peut être due à un défaut d'absorption ou d'assimilation.
Comme les variables permettant de faire la part entre ces
phénomènes ne sont pas disponibles voire même ne sont pas
identifiées, ces hypothèses ne peuvent pas être
confirmées en situation. Pour cela des profils de sol seront
réalisés et deux expérimentations factorielles,
présentées en IV., ont été mises en place.
|
HYPOTHESE
|
PARCELLES CONCERNEES
|
|
Les problèmes d'alimentation azotée
impactant la floraison interviennent au débourrement ou lors de
l'induction florale l'année précédente, et sont dus
à
|
P14 (2014)
|
|
une période de disponibilité
différente suivant le type d'engrais ou
d'amendement
apporté.
|
P27 (2013-2014)
|
Tableau 14 : Hypothèse ne pouvant être
confirmée dans le réseau (2)
La disponibilité de l'azote dans les deux parcelles
concernées ne peut pas être considérée comme
équivalente entre ECO et PROD : dans les deux cas le rang
est couvert dans une des deux modalités.
MORGANE FOURNIER
MEMOIRE DE FIN D'ETUDE - AGROPARISTECH
58
Figure 26 : Etape de la méthodologie
59
MORGANE FOURNIER
MEMOIRE DE FIN D'ETUDE - AGROPARISTECH
|
HYPOTHESE
|
PARCELLES CONCERNEES
|
|
L'ajout de mycorhizes n'a pas d'effets sur la
mycorhisation des racines de
l'arbre
|
P27 (2012-2013-2014)
|
Tableau 15 : Hypothèse ne pouvant être
confirmée dans le réseau (3)
L'ajout se fait lors de la plantation. La seule recommandation
reste donc d'étudier la bibliographie
mais aussi de suivre l'expérimentation en cours
à la station d'expérimentation de Sées,
débutée en 2015, pour étudier différentes
couvertures du rang.
|
HYPOTHESE
|
PARCELLES CONCERNEES
|
|
La fertilisation organique est moins efficace sur sol
à faible RFU et calcaire.
|
P61
|
Tableau 16 : Hypothèse ne pouvant être
confirmée dans le réseau (4) Seule la P61
présente ce type de sol.
|
HYPOTHESE
|
PARCELLES CONCERNEES
|
|
En parcelle humide, le magnésium se lessive et
est donc moins disponible
pour l'arbre.
|
P14
|
Tableau 17 : Hypothèse ne pouvant être
confirmée dans le réseau (5) Seule la P14
présente ce problème sur la parcelle entière.
Après avoir identifié les différentes
hypothèses, il s'agit de confirmer/invalider ces hypothèses
à l'aide de tests choisis en fonction de l'échelle de
validité de chaque hypothèse (dans tout le réseau, dans un
groupe restreint de parcelles, ne pouvant être confirmée dans le
réseau). A chaque hypothèse a été attribuée
une méthode de test. Les deux méthodes développées
ci-après sont :
- pour les hypothèses valables à l'échelle
du réseau, test d'effet des variables à l'échelle du
réseau en modélisant la variable de sortie au moyen d'une
modélisation linéaire ;
- pour les hypothèses ne pouvant être
confirmées dans le réseau, expériences factorielles pour
approfondir la compétition du rang et de l'interrang.
Pour les hypothèses valables à l'échelle
d'un groupe, certaines pistes de confirmations sont proposées dans la
discussion.
IV. Tests des hypothèses de fonctionnement
à l'échelle du réseau : modélisation
linéaire
A. Matériel et méthode 1)
Méthode générale
L'objectif est de vérifier que la ou les
variable(s) concernées ont bien un effet sur la variable de sortie
concernée. Pour cela les variables de sortie sont
modélisées en prenant comme variables explicatives les variables
identifiées précédemment (tableau 10 p46). En nous
inspirant de la méthode utilisé par Savary et al [2000a], nous
étudions les variables afin d'en réduire le nombre tout en
conservant une cohérence agronomique afin de pouvoir exploiter
les résultats : 1) étude de l'effet parcelle (sol et
climat), 2) analyse de toutes les variables explicatives quantitatives ; 3)
analyse des variables explicatives qualitatives. A la suite de cette
étude une régression linéaire multiple est
réalisée.
MORGANE FOURNIER
60
MEMOIRE DE FIN D'ETUDE - AGROPARISTECH
61
MORGANE FOURNIER
MEMOIRE DE FIN D'ETUDE - AGROPARISTECH
Pour des raisons statistiques, nous ne pouvons tester chaque
hypothèse séparément. C'est pourquoi il nous faut signaler
que cette méthode ne permet que de confirmer certaines
hypothèses, mais non pas d'invalider les autres hypothèses. Les
hypothèses confirmées sont celles valables pour le plus grand
nombre. Dans le cas où des individus extrêmes sont
identifiés, ils sont retirés de l'analyse et
étudiés. Ainsi ces individus déterminent un contexte dans
lequel cette relation n'est pas vraie. Les individus ayant permis la validation
de l'hypothèse détermine le contexte où la dite
hypothèse est vérifiée.
Les variables explicatives relatives aux hypothèses
testées sont les suivantes :
Teneur foliaire en azote (année n et n-1),
magnésium (année n et n-1) et potassium (année
n)
Reliquats avant récolte (année n-1), sortie hiver
et F2+60 jours
Fertilisation azotée au sol minérale/organique,
apportée au printemps/en été
Fertilisation foliaire en azote
Charge année n-1 ou année n
Caractérisation du sol
Pour la suite de l'étude statistique, un
individu correspond à une (parcelle ; modalité ; une
année). En effet les itinéraires techniques changent
d'une année sur l'autre : on peut donc considérer que chaque
année est un individu. Cependant le pommier est une culture
pérenne, il ne faut donc pas oublier de prendre en compte les effets des
années précédentes, comme vu dans les
hypothèses.
2) Méthodes statistiques
Quel que soit le test, la valeur maximale de p-value
acceptée est 5%. L'erreur est spécifiée pour chaque
test.
Tous les résultats sont donnés dans l'Annexe 6.
a) Corrélation
La corrélation est estimée en calculant le
coefficient linéaire de Pearson. Deux variables sont
dites corrélées lorsque le coefficient est supérieur
à 0.8. Ce coefficient est choisi arbitrairement afin de qualifier de
« corrélées » des variables assez pour conserver un
sens agronomique.
b) Analyse en Composantes Principales
(ACP)
L'analyse en composantes principales (fonction pca package
FactomineR) permet de visualiser les données et d'identifier de
potentielles relations entre variables [Dray et Dufour 2007, Savary et
al 2000]. L'ACP cherche à représenter des individus dans de
nouveaux espaces générés par les variables, en conservant
un maximum de différences entre individus.
Le cos2 de chaque variable sur les axes retenus (deux
premiers) permet de déterminer lesquels sont bien
représentés. La norme retenue est supérieure à 0.8
afin de conserver une grande explication. Les coordonnées des variables
sur les axes qui les représentent amènent à la
construction de variables agrégées le cas
échéant.
c) Modélisation
Suivant le type de données, la modélisation
appliquée est de type :
- modèle linéaire avec test de
l'effet global par un test de Fisher (plus d'une variable explicative), puis
test des effets particuliers un par rapport à tous (test de Fisher,
Anova type II). Le pourcentage de variation expliqué par le
modèle est estimé par le R2 :
SOMME DES CARRES DES RESIDUS
R2 = 1 - SOMME DES CARRES DES CARRES
TOTAUX
MORGANE FOURNIER
Cos2 des variables
> res.pca2$var$cos2[,1:2]
Dim.1 Dim.2
pH 0.5174670 0.31362380
CEC 0.8022436 0.08941151
Taux de saturation 0.8532240 0.08100753
K_Sat 0.1283939 0.08143322
Mg_Sat 0.1615955 0.65217670
CaO_Sat 0.8279750 0.11255131
MO 0.3181032 0.24001015
Coordonnées de variables
> res.pca2$var$coord[,1:2]
Dim.1 Dim.2
pH 0.7193518 -0.5600212
CEC 0.8956805 0.2990176
Taux de saturation 0.9237013 -0.2846182
K_Sat -0.3583210 -0.2853651
Mg_Sat 0.4019894 0.8075746
CaO_Sat 0.9099313 -0.3354867
MO 0.5640064 0.4899083
MEMOIRE DE FIN D'ETUDE - AGROPARISTECH
Représentation des variables dans l'espace (1
;2)
Les deux premiers axes représentent 73% de la
variabilité.
62
Tableau 18 : Résultats de l'ACP
Figure 27 : Représentation des individus dans
l'espace (1;2)
63
MORGANE FOURNIER
MEMOIRE DE FIN D'ETUDE - AGROPARISTECH
- modèle linéaire
généralisé dont la loi est
déterminée en fonction des données. Ici seule des
variables de type comptage ont été identifiées, donc une
loi de poisson. Le test est du rapport de vraisemblance (fonction Anova type
II).
d) Méthode de sélection de
variables
La fonction stepwise, qui sélectionne les variables une
à une en minimisant le critère d'Akaike, est utilisée pour
automatiser la sélection de variables dans un modèle
linéaire :
AIC = 2k - 21n(L)
K : nombre de paramètres à estimer du
modèle L : maximum de vraisemblance
| 
