WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Modélisation du coefficient apparent d'utilisation de l'azote issu d'un engrais minéral apporté sur blé tendre d'hiver

( Télécharger le fichier original )
par François Collin
Agrocampus Ouest - Ingénieur agronome 2012
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.3.2 Introduction de variables climatiques et de l'état de nutrition azotée

À plus large échelle, le modèle de Limaux (1999) (notémodèle VC par la suite) a étéconfrontéaux résultats acquis par 38 essais répartis en France conduits par Arvalis - Institut du Végétal couvrant une importante diversitéde conditions pédoclimatiques (Le Souder et al., 2007). Après avoir vérifiéla relation entre VC et CAU, de nouveaux facteurs ont étéintroduits. En effet, le modèle ne convient

pas pour des valeurs de CAU qui deviennent de plus en plus variables pour des apports de plus en plus tardifs. On suppose que les cultures sont exposées àdes conditions de pluviométrie plus variables qu'àla sortie de l'hiver et, étant donnée l'implication de l'eau dans les processus physiques de mise àdisposition de l'azote, on peut penser qu'une variable de régime hydrique influence le CAU (Bouthier, 1997). L'état de nutrition azotée de la culture a également étéintroduit dans un modèle, il est supposétraduire en partie la dynamique d'absorption de l'azote par la culture. Ces premiers résultats suggèrent l'existence d'un lien entre variables climatiques, VC, état de nutrition azotée et CAU. Cependant le travail dissocie les facteurs selon les stades, bien que les stades et VC soient liés, et les relations mises en évidence sont fragiles (variabilitérésiduelle forte).

5

1.4 Problématique de l'étude

La connaissance du raisonnement de la fertilisation amène àconsidérer le CAU comme un indicateur de l'efficacitédes apports d'engrais azotés. Il présente l'avantage d'être mesurable par des dispositifs expérimentaux au champ sans recourir à l'emploi de techniques lourdes de marquage de l'azote. ^Etre capable de prévoir le CAU représenterait une avancée importante en matière de fertilisation puisqu'il s'agit d'une variable déterminante pour le calcul d'une dose prévisionnelle. Ainsi, la détermination des doses techniques optimales pourraient intégrer ce CAU pour rendre compte de manière plus fidèle des pertes d'azote de l'engrais. D'un point de vue pratique, ceci constitue une avancée pour le conseil en fertilisation puisqu'il serait possible de proposer des recommandations qui soient fonction d'un contexte agroclimatique variable pour que l'agriculteur retire la plus grande efficacitédes apports qu'il réalise (et diminuer les pertes qui sont tant une atteinte pour l'environ-nement qu'une pénalisation économique pour l'exploitation). Enfin, cette information, àpartir des facteurs explicatifs du CAU au moment de l'apport, pourrait être intégrée aux modèles dynamiques d'estimation de croissance du couvert auxquels ont recours un nombre croissant d'outils d'aide àla décision, proposés par Arvalis - Institut du Végétal, destinés à l'utilisateur final qu'est l'agriculteur.

Des travaux ont déjàétémenés à ce sujet. Ils supposent l'effet de trois principaux facteurs caractérisant le moment de l'apport : la vitesse de croissance, le régime hydrique et l'état de nutrition azotée de la culture. Fort de ces hypothèses il est important d'affiner les connaissances que l'on a du CAU.

Les objectifs sont donc :

i) d'élaborer un modèle explicatif du CAU d'un point de vue global sur l'ensemble du cycle de croissance du blétendre d'hiver;

ii) d'étudier le domaine de validitéde ce modèle.

6

7

2 Matériel et méthodes

Dans un premier temps il s'agit de construire le jeu de données qui permet d'obtenir les variables d'intérêt pouvant expliquer le CAU. Dans un second temps, il convient d'apprécier la qualitédes données àla fois à travers la détection des individus aberrants mais aussi en assurant que les données sont en adéquation avec les connaissances actuelles. Ensuite, l'exploration des données doit permettre

i) de dissocier l'information utile du bruit liéau hasard, ii) de juger des conséquences de la structure des données sur l'information qu'elle contient. Enfin, ayant construit le jeu de données, et compris sa structure on pourra valoriser l'information par la construction d'un modèle statistique explicatif du CAU.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Ceux qui rêvent de jour ont conscience de bien des choses qui échappent à ceux qui rêvent de nuit"   Edgar Allan Poe