Annexe IX : Résultats détaillés de
l'ACP sur variables pluviométriques
Valeurs propres :
comp 1 comp 2 comp 3 comp 4 comp 5 comp 6 comp 7 comp 8
eigenvalue
|
percentage of variance
|
cumulative percentage of variance
|
|
5,51
|
68,90
|
68,90
|
|
1,12
|
13,98
|
82,89
|
|
0,87
|
10,91
|
93,80
|
|
0,30
|
3,78
|
97,58
|
|
0,18
|
2,22
|
99,80
|
|
0,01
|
0,12
|
99,92
|
|
0,01
|
0,06
|
99,98
|
|
0,00
|
0,02
|
100,00
|
x
Coordonnées des variables :
Dim.1 Dim.2
|
pluvio.J5
|
0,80
|
-0,56
|
|
pluvio.J10
|
0,88
|
-0,32
|
|
pluvio.J15
|
0,85
|
-0,04
|
|
pluvio.J20
|
0,80
|
0,08
|
|
pluieEff.J5
|
0,84
|
-0,28
|
|
pluieEff.J10
|
0,88
|
0,08
|
|
pluieEff.J15
|
0,83
|
0,47
|
|
pluieEff.J20
|
0,75
|
0,62
|
Contribution des variables :
Dim.1 Dim.2
|
pluvio.J5
|
11,63
|
27,54
|
|
pluvio.J10
|
13,94
|
9,38
|
|
pluvio.J15
|
13,19
|
0,11
|
|
pluvio.J20
|
11,53
|
0,58
|
|
pluieEff.J5
|
12,78
|
7,17
|
|
pluieEff.J10
|
14,15
|
0,58
|
|
pluieEff.J15
|
12,57
|
19,98
|
|
pluieEff.J20
|
10,21
|
34,65
|
Loadings :
|
comp 1
|
comp 2
|
|
pluvio.J5
|
0,34
|
-0,52
|
|
pluvio.J10
|
0,37
|
-0,31
|
|
pluvio.J15
|
0,36
|
-0,03
|
|
pluvio.J20
|
0,34
|
0,08
|
|
pluieEff.J5
|
0,36
|
-0,27
|
|
pluieEff.J10
|
0,38
|
0,08
|
|
pluieEff.J15
|
0,35
|
0,45
|
|
pluieEff.J20
|
0,32
|
0,59
|
xi
Annexe X : Catégorisation des groupes issues d'une
classification ascendante hiérarchique
>
load("../../../RoutputsV2/tables/analysesModeleVC/lsHCPC.Rda") >
lsHCPC$HCPC$desc.var
$test.chi2
p.value df
precocite 0,03649405 2
annee 0,09044460 4
$category
$category$`1` NULL
$category$`2`
Cla/Mod Mod/Cla Global p.value v.test
precocite=tardif
52,94118 81,81818 50,00000 0,02550983 2,233594
annee=2006 71,42857 45,45455 20,58824 0,04752830
1,981562
precocite=precoce 11,76471 18,18182 50,00000 0,02550983
-2,233594
$category$`3` NULL
$quanti.var
Eta2 P-value
(Intercept) 0,7046974 6,153793e-09
pl 0,5053773 1,824934e-05
CEC 0,1992899 3,190564e-02
$quanti $quanti$`1`
v.test Mean in category Overall mean sd in category Overall sd
longitude -1,97590 1,130244 2,648291e+00 2,962962 2,448134
pl -4,03478 -4,298241 6,452763e-15 2,340266
3,394581
p.value
longitude 4,816607e-02
pl 5,465349e-05
$quanti$`2`
v.test Mean in category Overall mean sd in category Overall sd
pl 2,130394 1,820358 6,452763e-15 2,6454204 3,3945814
pH 1,831482 7,609091 7,270588e+00 0,7597303 0,7342581
latitude 1,743900 48,690307 4,818540e+01 1,0359882 1,1502074
CEC -2,340972 9,563636 1,271059e+01 2,0920945 5,3405160
(Intercept) -3,673128 -10,342040 -9,748985e-14 6,0222612
11,1856060
p.value
pl 0,033139066
pH 0,067028569
latitude 0,081176544
CEC 0,019233595
(Intercept) 0,000239599
$quanti$`3`
v.test Mean in category Overall mean sd in category Overall sd
(Intercept) 4,722153 10,34841 -9,748985e-14 5,394961 11,185606
CEC 2,264556 15,08000 1,271059e+01 5,656996
5,340516
p.value
(Intercept) 2,333612e-06
CEC 2,353992e-02
attr(,"class")
[1] "catdes" "list "
Résumé
Le contexte économique et les risques de transfert dans
l'environnement amènent à limiter le recours aux engrais
azotés de synthèse. Pour maintenir les niveaux de productions
actuelles, l'amélioration de l'efficacitédes apports d'engrais
azotés apparaît comme une solution tangible. Le Coefficient
Apparent d`Utilisation de l'engrais (CAU) est la grandeur adéquate pour
quantifier l'efficacitéde l'apport. Des travaux antérieurs
suggèrent que le CAU estiméàla récolte est
déterminédès le moment de l'apport par : la vitesse de
croissance de la culture (VC), la pluviométrie, l'Indice de Nutrition
Azotée (INN) et la forme du fertilisant ((Limaux, 1999; Recous et al.,
1997; Le Souder et al., 2007)). A partir de ces hypothèses, on souhaite
établir un modèle explicatif du CAU. 38 essais ont
étéconduits par Arvalis - Institut du Végétal de
2004 à2006, répartis en France, semés en blétendre
d'hiver (Triticum aestivum) et exposés àdes
modalités de fertilisation variables. Par le suivi de l'évolution
de la biomasse et de la teneur en azote des tissus végétaux il
est possible de déterminer : les CAU, la VC à partir d'ajustement
des cinétiques de croissance, l'INN, et des variables
pluviométriques. La construction d'un modèle explicatif met en
évidence le rôle prépondérant de la forme du
fertilisant. La pluviométrie, par la modulation de la mise en solution
de l'azote de l'engrais, explique le CAU en interaction avec la VC et l'INN. La
variabilitédes résultats entre essais àgrande
échelle diminue le pouvoir prédictif de la relation obtenue et
souligne la nécessitécaractériser davantage le milieu dans
de prochaines expérimentations.
The economic context and environmental transfer hazard lead to
limit using of synthetic N fertilizer. To maintain current production levels,
improving the fertilizer efficiency appears as a tangible solution. Nitrogen
Use Efficiency (NUE) is the right indicator to quantify the fertilization
effectiveness. Previous works suggest the harvest stage NUE is determined at
fertilization application date by : the growth rate of the culture (GR),
rainfall, Nitrogen Nutrition Index (NNI) and the fertilizer form (Limaux 1999,
Recous 1997, Souder et al., 2007). From these assumptions, we need to establish
an explanatory model of NUE. 38 trials were conducted by Arvalis - Institut du
végétal from 2004 to 2006, located in France, sown with winter
wheat (Triticum aestivum) and exposed to variable fertilization application.
Following the biomass evolution and plant nitrogen content it is possible to
determine : NUE, the GR from growth kinetics adjustments, NNI, and rainfall.
The explanatory model adjustment highlights the fertilizer form role. Rainfall,
by modulating the dissolution of nitrogen fertilizer in interaction with the GR
and NNI explain NUE. The results variability within large-scale trials reduces
the predictive power of the relationship and underline the requirement to
characterize the environment in future experimentations.
|
Diplôme : Ingénieur Agronome
Spécialité : Statistiques appliquées
Enseignant référent : Julie JOSSE
|
|
|
Auteur : François COLLIN
Date de naissance : 2 avril 1989
|
Organisme d'accueil : Arvalis - Institut du
végétal
Adresse :
Station Expérimentale de la Jaillière
44 370 LA CHAPELLE SAINT SAUVEUR
Maître de stage : Jean-Pierre COHAN
|
|
Nb pages : 48 Annexes : 10
|
|
Année de soutenance : 2012
|
|
Titre français :
Modélisation du coefficient apparent d'utilisation de
l'azote
issu d'un engrais minéral apporté sur blé
tendre d'hiver
Titre anglais :
Modelling the Nitrogen Use Efficiency of a inorganic nitrogen
fertilizer
application on winter wheat
|
|
Résumé
Le contexte économique et les risques de transfert dans
l'environnement amènent à limiter le recours aux engrais
azotés de synthèse. Pour maintenir les niveaux de productions
actuelles, l'amélioration de l'efficacité des apports d'engrais
azotés apparaît comme une solution tangible. Le Coefficient
Apparent d`Utilisation de l'engrais (CAU) est la grandeur adéquate pour
quantifier l'efficacité de l'apport. Des travaux antérieurs
suggèrent que le CAU estimé à la récolte est
déterminé dès le moment de l'apport par : la vitesse de
croissance de la culture (VC), la pluviométrie, l'Indice de Nutrition
Azotée (INN) et la forme du fertilisant (Limaux 1999, Recous 1997, Le
Souder et al., 2007). A partir de ces hypothèses, on souhaite
établir un modèle explicatif du CAU. 38 essais ont
été conduits par Arvalis - Institut du végétal de
2004 à 2006, répartis en France, semés en blé
tendre d'hiver (Triticum aestivum) et exposés à des
modalités de fertilisation variables. Par le suivi de l'évolution
de la biomasse et de la teneur en azote des tissus végétaux il
est possible de déterminer : les CAU, la VC à partir d'ajustement
des cinétiques de croissance, l'INN, et des variables
pluviométriques. La construction d'un modèle explicatif met en
évidence le rôle prépondérant de la forme du
fertilisant. La pluviométrie, par la modulation de la mise en solution
de l'azote de l'engrais, explique le CAU en interaction avec la VC et l'INN. La
variabilité des résultats entre essais à grande
échelle diminue le pouvoir prédictif de la relation obtenue et
souligne la nécessité caractériser davantage le milieu
dans de prochaines expérimentations.
|
|
Abstract
The economic context and environmental transfer hazard lead to
limit using of synthetic N fertilizer. To maintain current production levels,
improving the fertilizer efficiency appears as a tangible solution. Nitrogen
Use Efficiency (NUE) is the right indicator to quantify the fertilization
effectiveness. Previous works suggest the harvest stage NUE is determined at
fertilization application date by: the growth rate of the culture (GR),
rainfall, Nitrogen Nutrition Index (NNI) and the fertilizer form (Limaux 1999,
Recous 1997, Souder et al., 2007). From these assumptions, we need to establish
an explanatory model of NUE. 38 trials were conducted by Arvalis - Institut du
végétal from 2004 to 2006, located in France, sown with winter
wheat (Triticum aestivum) and exposed to variable fertilization
application. Following the biomass evolution and plant nitrogen content it is
possible to determine: NUE, the GR from growth kinetics adjustments, NNI, and
rainfall. The explanatory model adjustment highlights the fertilizer form role.
Rainfall, by modulating the dissolution of nitrogen fertilizer in interaction
with the GR and NNI explain NUE. The results variability within large-scale
trials reduces the predictive power of the relationship and underline the
requirement to characterize the environment in future experimentations.
|
|
Mots-clés :
Fertilisation, CAU, blé tendre d'hiver, cinétique,
vitesse de croissance, INN
|
|
|
