6.2.2 Liaisons inter sites
L'évaluation multi sites des génotypes vise
l'indentification des sites qui sont similaires, nécessitant une
sélection à large adaptation et ceux qui sont distinctifs
nécessitant une sélection spécifique. Dans ce contexte le
degré de ressemblance entre sites pour une même variable
mesurée est important à déterminer. Il permet de grouper
les sites qui se ressemblent et de ne garder pour l'évaluation future
que le site le plus discriminant, et d'identifier les sites spécifiques
[129].
L'analyse des coefficients de corrélation de rang de
Sperman est utilisée pour étudier la ressemblance entre sites
pour une variable donnée. FALCONER (1982) [161] mentionne, à ce
sujet, qu'un caractère mesuré sur deux sites peut être
considéré comme deux caractères différents si la
corrélation entre sites pour ce caractère est non significative.
Dans ce cas la sélection sur la base de ce caractère sur un site
n'engendre pas de réponse corrélative significative sur l'autre
site. Si la corrélation est significative, il y a une réponse
corrélative positive.
L'étude des coefficients de corrélation de rang
de Sperman indique que la durée de la phase végétative, la
hauteur de plante et le poids de mille grains montrent un degré de
ressemblance entre les sites OSM et KHR significatif, un degré de
ressemblance significatif est aussi noté entre les sites de OSM et TRT
concernant la variable nombre d'épi/m2 (Tableau 6.10). Les
deux sites SET et TRT sont similaires pour les deux variables, nombre de grains
par épi et poids de mille grains (Tableau 6.10).
Le reste des variables montrent peu de ressembles entre sites.
Ceci indique que le classement des génotypes pour un caractère
donné sur un site ne suit pas fidèlement le classement du
même caractère sur les autres sites. Ces résultats mettent
en évidence la spécificité des sites d'évaluation
étudiés et suggèrent la présence d'interaction
génotype x milieu pour l'ensemble des variables mesurées.
93
Cette interaction génotype x milieu représente
un des problèmes les plus importants que l'améliorateur doit
résoudre. Si cette interaction est très accentuée il sera
recommandé de créer des variétés
spécifiquement adaptées à chaque type de milieu [11];
[12]; [162].
Tableau 6.10 : Coefficient de corrélation des rangs de
Sperman de la même variable mesurée sur les différents
sites (en gras coefficients statistiquement significatifs)
|
Variables
|
Sites
|
KHR
|
SET
|
TRT
|
|
DVP
|
OSM
|
0.470
|
0.303
|
0.127
|
|
KHR
|
|
0.027
|
0.252
|
|
SET
|
|
|
0.006
|
|
HT
|
OSM
|
0.717
|
0.038
|
0.145
|
|
KHR
|
|
0.098
|
-0.010
|
|
SET
|
|
|
0.336
|
|
TLL
|
OSM
|
0.316
|
-0.206
|
-0.006
|
|
KHR
|
|
-0.064
|
-0.338
|
|
SET
|
|
|
-0.059
|
|
NE
|
OSM
|
0.306
|
0.213
|
0.472
|
|
KHR
|
|
0.316
|
0.103
|
|
SET
|
|
|
0.252
|
|
LE
|
OSM
|
0.222
|
-0.286
|
-0.291
|
|
KHR
|
|
0.127
|
-0.497
|
|
SET
|
|
|
0.118
|
|
NGE
|
OSM
|
0.093
|
-0.134
|
-0.010
|
|
KHR
|
|
-0.071
|
-0.227
|
|
SET
|
|
|
0.580
|
|
PMG
|
OSM
|
0.549
|
-0.394
|
-0.377
|
|
KHR
|
|
-0.155
|
-0.344
|
|
SET
|
|
|
0.487
|
|
RDT
|
OSM
|
0.119
|
-0.129
|
-0.034
|
|
KHR
|
|
0.161
|
-0.035
|
|
SET
|
|
|
0.175
|
Diverses méthodes, paramétriques et non
paramétriques, sont proposées dans la littérature pour
approcher de telles situations. Parmi les méthodes non
paramétriques figurent la méthode de la somme des classements du
caractère d'intérêt dans les différents sites [163].
Parmi les méthodes paramétriques figure la technique de la
régression conjointe et l'approche AMMI (Additive Main effect and
Multiplicative Interaction) [13].
94
Dans ce qui suit, nous concentrons sur l'analyse du rendement
en grains qui est l'objectif principal de la sélection. Nous appliquons
la méthode non paramétrique pour identifier les génotypes
les plus stables et les plus performants. Puis nous utilisons l'analyse AMMI
dans le même sens, tout en décrivant l'architecture des meilleurs
génotypes identifiés (Winner).
6.3 Etude de l'interaction génotype x
environnement du rendement en grains
| 
