La méthode APLAT peut être vue comme un outil
d'aide à la décision pour la sélection au Sahel. Dans
l'exemple où un sélectionneur doit tester plusieurs
génotypes dans un nouvel environnement, cette méthode lui
permettra d'écarter d'emblée certains génotypes qui
donneront une production faible, en lieu et place d'essais multilocaux ou
pluriannuels dans ces environnements contrastés ou d'une tentative de
paramétrisation d'un modèle de simulation de cultures qui
implique un coût élevé. Son attention sera portée
par la suite sur l'ensemble restreint des génotypes retenus avec APLAT,
où il pourra appliquer les schémas classiques de
sélection.
Cette nouvelle approche semble prometteuse, mais il faut des
études supplémentaires. Notamment disposer de données
agronomiques plus conséquentes pour l'éprouver.
Nous remercions Danièle Clavel pour les données
de l'étude et Jean-Claude Combres pour toutes les discussions autour du
modèle SarraH.
[1] AGRHYMET, Bulletins décadaires et mensuels de suivi
de la campagne agricole pluviale, Niamey, 1991.
[2] FAO, IRSIS, Irrigation scheduling information system, Rome,
1987.
[3] C. Baron, Modèle de bilan hydrique et de croissance
des plantes céréales : Mil Sorgho et Arachide, Cirad, 2002.
[4] M. Vargas, J. Crossa, F.v. Eeuwijk, K.D. Sayre, M.P.
Reynolds, Interpreting treatment × environment interaction in agronomy
trials, Agron. J. 93 (2001) 949-960.
[5] J.-B. Denis, P. Vincourt, Panorama des méthodes
statistiques d'analyse des interactions génotype × milieu,
Agronomie 2 (1982) 219-230.
[6] S.A. Eberhart, W.A. Russel, Stability parameters for
comparing varieties, Crop Sci. 6 (1966) 36-40.
[7] M. Tenenhaus, La Régression PLS : théorie et
pratique, Technip, Paris, 1998.
[8] B. Efron, Bootstrap methods: another look at the jackknife,
Ann. Stat. 7 (1979) 1-26.
[9] S. Aji, S. Tavolaro, F. Lantz, A. Faraj, Apport du
bootstrap à la régression PLS : application à la
prédiction de la qualité des gazoles, Oil Gas Sci. Technol.-Rev.
IFP 58 (2003) 599-608.
[10] D. Wallach, B. Goffinet, Mean squared error of
prediction in models for studying ecological and agronomic systems, Biometrics
43 (1987) 561-573.
[11] J. Colson, D. Wallach, A. Bouniols, J. Denis, J. Jones,
Mean squared error of yield prediction by SOYGRO, Agron. J. 87 (1995)
397-407.
[12] R Development Core Team, R: A language and environment
for statistical computing, R Foundation for Statistical Computing, Vienna,
Austria, ISBN 3-900051-07-0, 2004, URL
http://www.R-project.org.
[13] J.-F. Durand, Calcul matriciel et analyse factorielle des
données, université Montpellier-2, Montpellier, France, 2002.
