Utilisation de l'indicateur chlorophyllien au SPAD pour un ... · Normes CND pour la pomme de terre...
75
Utilisation de l’indicateur chlorophyllien au SPAD pour un diagnostic de précision de l’état d’équilibre nutritif d’un champ de pommes de terre au Québec Mémoire Nasr Khaireddine Maîtrise en sols et environnement Maître ès sciences (M.Sc.) © Nasr Khaireddine, 2016
Transcript of Utilisation de l'indicateur chlorophyllien au SPAD pour un ... · Normes CND pour la pomme de terre...
Utilisation de l’indicateur chlorophyllien au SPAD pour un diagnostic de précision de l’état d’équilibre nutritif d’un champ de pommes de terre au Québec
Mémoire
Nasr Khaireddine
Maîtrise en sols et environnement
Maître ès sciences (M.Sc.)
© Nasr Khaireddine, 2016
ii
Utilisation de l’indicateur chlorophyllien au SPAD pour un diagnostic de précision de l’état d’équilibre nutritif d’un champ de pommes de terre au Québec
Mémoire
Nasr Khaireddine
Sous la direction de :
Lotfi Khiari, directeur de recherche
Athyna Cambouris, co-directrice de recherche
iii
RÉSUMÉ
La pomme de terre est l'une des cultures les plus exigeantes en engrais et elle se cultive
généralement sur des sols légers ayant de faibles réserves en N, P, K, Ca et Mg. Ces
cinq éléments sont essentiels à la croissance des plants, à l'atteinte des bons rendements
et à l'obtention de bonne qualité des tubercules de pomme de terre à la récolte et à
l'entreposage. La recherche d'un équilibre entre ces cinq éléments constitue l'un des
défis de pratiques agricoles de précision. La collecte de 168 échantillons de feuilles de
pommes de terre selon une grille de 40 m × 60 m (densité d’échantillonnage de 2,9
échantillons ha-1) dans un champ de pommes de terre de 54 ha au Saguenay-Lac-Saint-
Jean et la détermination de leur teneur en N, P, K, Ca et Mg au stade début floraison,
jumelée à une lecture de l’indice de chlorophylle avec SPAD-502, a permis d’établir
les faits suivants : parmi tous les indicateurs de diagnostic foliaire selon les 3 approches
connues VMC, DRIS et CND, le contraste logarithmique entre les deux éléments
nutritifs type anioniques (N et P) vs les trois éléments type cationiques (K, Ca et Mg),
noté ilr (log ratio isométrique) du coda (Compositional Data Analysis) est l'indicateur
le plus fortement relié à la lecture SPAD-502 (r=0,77). L'étude géostatique spatiale
appliquée au Coda a montré une grande similitude entre le CND-ilr (anions vs cations)
et la lecture SPAD-502. Ce CND-ilr devrait être interprété en termes de fertilisation de
démarrage (N+P), en lien avec les apports des cations sous forme d'engrais (K, Ca et
Mg) ou d'amendement (Ca et Mg).
iv
Table des matières
RÉSUMÉ ........................................................................................................................................ III
TABLE DES MATIÈRES .............................................................................................................. IV
LISTE DES TABLEAUX ............................................................................................................... VI
LISTE DES FIGURES .................................................................................................................. VII
LISTE DES ABRÉVIATIONS ....................................................................................................... IX
DÉDICACE ..................................................................................................................................... X
REMERCIEMENTS ............................................................................................................................. XI
INTRODUCTION GÉNÉRALE ..................................................................................................... 1
CHAPITRE 1. REVUE DE LITTÉRATURE .............................................................................. 3
1.1. INTRODUCTION ............................................................................................................................. 3
1.2. MESURE DE L’AMPLITUDE DE LA VARIABILITÉ DES INDICATEURS DE FERTILITÉ ..................... 3
1.3. LA VARIABILITÉ SPATIALE DES INDICATEURS DE FERTILITÉ DES SOLS .................................... 4
1.4. L’INDICATEUR CHLOROPHYLLIEN AU SPAD .......................................................................... 8
1.5. LES SYSTÈMES DE DIAGNOSTIC FOLIAIRE ............................................................................. 12
1.5.1. Système de la valeur minimale critique....................................................................... 13
1.5.2. Système DRIS .............................................................................................................. 15
1.5.3. Système CND .............................................................................................................. 18
1.5.4. Système CND-ilr ......................................................................................................... 22
1.6. LES PROCÉDURES GÉOSTATISTIQUES DE TRAITEMENT DES DONNÉES .................................... 23
1.6.1. Échantillonnage géo référencé ................................................................................... 28
HYPOTHÈSES ET OBJECTIFS .................................................................................................. 29
Hypothèses.................................................................................................................................... 29
Objectifs ....................................................................................................................................... 29
CHAPITRE 2. MATÉRIELS ET MÉTHODES ........................................................................... 30
2.1. DESCRIPTION ET LOCALISATION DU SITE EXPÉRIMENTAL .................................. 30
2.2. APERÇU SUR LES CONDITIONS CLIMATIQUES DURANT LA SAISON CULTURALE ........................... 30
2.3. GRILLE D’ÉCHANTILLONNAGE DES SOLS ET DES PLANTS ............................................................ 31
2.4. CONDUITE DE LA CULTURE ......................................................................................................... 31
2.5. ÉCHANTILLONNAGE DE PRÉCISION DANS LE CHAMP D’ÉTUDE .................................................... 32
v
2.6. PRÉPARATION DES FEUILLES ET ANALYSE AU LABORATOIRE ...................................................... 34
2.7. CARACTÉRISATION DU CHAMP D’ÉTUDE ..................................................................................... 34
2.8. ANALYSES STATISTIQUES ........................................................................................................... 34
CHAPITRE 3. RÉSULTATS ET DISCUSSIONS ........................................................................ 37
3.1. LES CONDITIONS CLIMATIQUES DURANT LA SAISON CULTURALE DE 2007 .................................. 37
3.2. CARACTÉRISATION PHYSICO-CHIMIQUE DU CHAMP ÉTUDIÉ ........................................................ 39
3.3. LA LECTURE AU CHLOROPHYLLE-MÈTRE (SPAD-502) ............................................................... 40
53.4. L’ANALYSE FOLIAIRE ET LES INDICES NUTRITIONNELS ............................................................. 41
3.5. LES CORRÉLATIONS ENTRE LES LECTURES AU SPAD ET LES INDICES NUTRITIONNELS ............... 42
3.5.1. Corrélation entre les concentrations foliaires des éléments nutritifs majeurs et les lectures
SPAD ............................................................................................................................................ 42
3.5.2. Corrélation entre la lecture SPAD et les indices DRIS ...................................................... 43
3.5.3. Corrélation entre la lecture SPAD et les indices CND-clr ................................................. 44
3.5.4. Corrélation entre les lectures SPAD et les indices CND-ilr ............................................... 45
3.5.5. Conclusion de l’étude des coefficients de corrélation entre les lectures SPAD et les indices
nutritionnels.................................................................................................................................. 45
3.6. ÉTUDE VARIOGRAPHIQUE DU SPAD ET DE L'INDICE CND-ILR1 .................................................. 46
3.6.1. Étude variographique des lectures SPAD .......................................................................... 46
3.6.2. Étude variographique de l’indice CND-ilr1 ....................................................................... 50
3.7. CONCORDANCE SPATIALE ENTRE SPAD ET CND-ILR1 ............................................................... 54
CONCLUSION .............................................................................................................................. 56
RÉFÉRENCES BIBLIOGRAPHIQUES ...................................................................................... 58
vi
Liste des tableaux
Tableau 1. Interprétation de l’amplitude de la variabilité des propriétés des sols selon Wilding et Drees (1983). ....................................................................................... 4
Tableau 2. Variabilité intra parcellaire de quelques propriétés des sols selon six recherches. ............................................................................................................. 5
Tableau 3. Propriétés physiques et chimiques d’un champ en culture conventionnelle sur une profondeur de 15 cm. (Cambardella et al., 1994). .................................... 8
Tableau 4. Comparaisons des valeurs moyennes de SPAD mesurées à trois niveaux de feuilles et deux stades différents de développement de la pomme de terre à Salaqi, Chine en 2009 (Li et al., 2012). .......................................................................... 11
Tableau 5. Grilles d’interprétations des analyses de jeunes feuilles de pomme de terre en Californie selon le système VMC (Hochmuth et al., 2004). .......................... 15
Tableau 6. Grille d’interprétation des analyses de feuilles de pomme de terre au Québec selon le système VMC (adapté de Khiari et Lagha, 2010). ................... 15
Tableau 7. Les normes DRIS pour la population à haut rendement de pomme de terre (≥ 34,1 t ha-1) selon Khiari et al., (2001a). .......................................................... 16
Tableau 8. Normes CND pour la pomme de terre cv. ‘Superior’ (Khiari et al., 2001a). ............................................................................................................................. 20
Tableau 9. Statistiques descriptives des propriétés physico-chimiques ponctuelles (n=168 points d’échantillonnage) du champ étudié. ........................................... 40
Tableau 10. Statistiques descriptives (n = 168) des éléments nutritifs majeurs et des lectures chlorophylliennes à l’aide du SPAD-502 dans les feuilles de pommes de terre au stade début floraison. ............................................................................. 42
Tableau 11. Matrice de corrélation entre les cinq éléments nutritifs majeurs et les lectures chlorophylliennes au SPAD dans les feuilles de pomme de terre au stade début floraison. .................................................................................................... 43
Tableau 12. Statistiques descriptives des lectures SPAD. ......................................... 47
Tableau 13. Statistiques descriptives de l’indice nutritionnel CND-ilr1 (N*P vs K*Ca*Mg) du diagnostic foliaire au stade début floraison dans le champ d’étude de 54 ha. .............................................................................................................. 50
vii
Liste des figures
Figure 1. Variation de trois indicateurs de fertilité : A) Corganique, B) PMehlich-III, et C) Nminéral et des recommandations en P et en N de pâturages de chiendent à Burneyville en Oklahoma selon Raun et al. (1998). ............................................. 6
Figure 2. Relation entre la teneur totale en chlorophylle et la lecture SPAD de 391 observations sur 13 espèces d’arbres tropicaux (Coste et al., 2010). .................... 9
Figure 3. Variation de la concentration réelle de la chlorophylle dans les feuilles de trois espèces (bouleau, blé et pomme de terre) en fonction de l’indice chlorophyllien au SPAD (Uddling et al., 2007). ................................................. 10
Figure 4. Relations entre les valeurs SPAD mesurées sur la quatrième feuille des variétés de pommes de terre : Atlantic (A), Agata (B), Monalisa (C) et Astérix (D) et les quantités d’azote à 21 jours après l’émergence des plantes (Busato et al., 2010). .................................................................................................................. 12
Figure 5. Allure de la courbe de croissance ou de rendement des plantes en fonction de la concentration foliaire en élément fertilisant (Adapté de Halvin et al., 1999). ............................................................................................................................. 13
Figure 6. Courbe de croissance d’une culture en fonction de la concentration d’un nutriment dans l’échantillon du tissu de diagnostic (adapté de Hochmuth et al., 2004). .................................................................................................................. 14
Figure 7. Graphique de partition des rendements en tubercules de pommes de terre en fonction de l’indice de déséquilibre nutritif global (IDN) selon le système de diagnostic DRIS (Khiari et al., 2001a). (37,8 t ha-1, 23,7 valeurs critiques séparant la population productive de la population moins productive selon la procédure de Cate-Nelson). ...................................................................................................... 18
Figure 8. Graphique de partition des rendements en tubercules de pommes de terre en fonction de l’indice de déséquilibre nutritif global CNDr2 selon le système de diagnostic CND (Khiari et al., 2001a). ............................................................... 22
Figure 9. Exemple de semi-variogramme; modèle sphérique (adapté de Bohling, 2005). .................................................................................................................. 25
Figure 10. Semi-variogrammes expérimentaux (points noirs) et théoriques (lignes) de (a) N (modèle sphérique); (b) P (modèle sphérique); (c) K (modèle sphérique); (d) B (modèle sphérique); et (e) Fe (modèle pépitique) dans un champ de 30 ha au sud de l’Espagne (López –Granados et al., 2004). .............................................. 27
Figure 11. Étude pédologique du terrain (Source : Raymond et al., 1965). (Carré rouge pour la localisation du champ étudié) ................................................................. 30
Figure 12. Répartition spatiale des points d’échantillonnage géo référencés selon une grille régulière de 50 m ×60 m au champ à l’étude. ........................................... 31
Figure 13. Équipements utilisés lors de l’échantillonnage de précision. (Crédit photo : Professeur Lotfi Khiari, FSSA, Université Laval). ............................................. 33
Figure 14. Positions d’échantillonnage de la quatrième feuille (A) et lecture au chlorophylle-mètre SPAD sur le feuillet adjacent à la foliole terminale de la plus jeune feuille entièrement déployée. (A : Adapté de Zebath et al., 2007; B : adapté de Guénette, 2003). ............................................................................................. 33
Figure 15. Schéma de traitement des données compositionnelles et spatiales du champ de pommes de terre étudié................................................................................... 36
viii
Figure 16. (A) Précipitations mensuelles et (B) Températures moyennes durant la saison culturale de 2007, comparées aux normales de 30 ans (1970-2000) de la station météorologique de Normandin, Québec (http://climat.meteo.gc.ca/climate_normals/results_f.html?stnID=5926&proxSubmit=go&radius=25&proxSearchType=station&coordsStn=49.066667|-72.6|HEMON&dCode= ; visité le 14 novembre 2015). ..................................... 38
Figure 17. Corrélations entre les lectures chlorophylliennes au SPAD et les indices DRIS. ................................................................................................................... 44
Figure 18. Coefficient de corrélation entre les lectures chlorophylliennes au SPAD et les indices CND-clr ............................................................................................. 44
Figure 19. Coefficient de corrélation entre les lectures chlorophylliennes au SPAD et les indices CND-ilr. ............................................................................................. 45
Figure 20. Courbe de régression entre les lectures chlorophylliennes au SPAD et l'indice de la balance nutritionnelle CND-ilr1 de (N*P) vs (K*Ca*Mg). ........... 46
Figure 21. Courbe de la distribution des fréquences des lectures SPAD. .................. 47
Figure 22. Semi-variogrammes expérimental et théorique des lectures SPAD mesurées sur la quatrième feuille des plants de pommes de terre au stade début floraison dans un champ de 54 hectares. ............................................................................ 48
Figure 23. Modèle de la validation croisée de l’étude variographique du SPAD reliant les 168 lectures mesurées au champ d’étude de 54 ha et celles estimées par Krigeage. ............................................................................................................. 49
Figure 24. Carte thématique de répartition de la lecture SPAD sur la quatrième feuille des plants de pommes de terre au stade début floraison dans le champ d’étude de 54 h selon la méthode géostatistique d’interpolation par krigeage ordinaire...... 50
Figure 25. Courbe de la distribution des fréquences de l’indice nutritionnel CND-ilr1 traduisant le contraste orthogonal entre les éléments (N*P) vs (K*Ca*Mg) du diagnostic foliaire de pomme de terre au stade début floraison dans le champ d’étude de 54 ha. ................................................................................................. 51
Figure 26. Semi-variogrammes expérimental et théorique de l’indice CND-ilr1 traduisant le contraste orthogonal entre les éléments foliaires (N*P) vs (K*Ca*Mg) du diagnostic foliaire de pommes de terre au stade début floraison dans le champ d’étude de 54 h. ........................................................................... 51
Figure 27. Modèle de la validation croisée de l’étude variographique de l’indice CND-ilr1 (N*P) vs (K*Ca*Mg) reliant les 168 lectures mesurées au champ d’étude de 54 ha et celles estimées par Krigeage. ................................................................ 52
Figure 28. Carte thématique de répartition de l’indice CND-ilr1 traduisant le contraste orthogonal entre les éléments (N*P) vs (K*Ca*Mg) du diagnostic foliaire de pomme de terre au stade début floraison dans le champ d’étude de 54 ha selon la méthode géostatistique d’interpolation par krigeage ordinaire. .......................... 54
ix
Liste des abréviations
Ca : Calcium. CND-clr : Compositional Nutrient Diagnosis- log ratio centré. CND-ilr : Compositionnal Nutrient Diagnosis-log ratio isométrique. CV : coefficient de variation. DAP : phosphates bi-ammoniacales. DRIS : Diagnosis and Recommendation Integrated System. GPS : Global Positioning System. Ha : hectare IGDN : Indice Global de Déséquilibre Nutritif. JAP : jours après la plantation. K : Potassium. MAP : Phosphates mono-ammoniacales. MO : Matière organique. Mg : Magnésium. MIII : méthode Mehlich III. N : Azote. P : Phosphore. VMC : Valeurs Minimales Critiques.
x
Dédicace
Je dédie ce mémoire à la mémoire de ma mère Om Essâad. Elle m'a toujours
encouragé et motivé à avancer dans les voies des savoirs et aurait aimé en
faire tout autant.
Je ne peux oublier mon père Ali, qui ne cesse de me suivre de loin et veille
à ma réussite comme d’habitude !
À mon épouse et mes trois enfants, mes compagnons de route vers le nord !
À mes sœurs qui me soutiennent moralement, je ne vous oublierai jamais !
À mon frère …
xi
Remerciements
La réalisation de ce travail de recherche est le fruit de l’implication de nombreuses
personnes. C'est pourquoi j'aimerais remercier mon directeur de recherche, monsieur
Lotfi Khiari, professeur au Département des sols et de génie agroalimentaire pour la
confiance qu’il m’a accordée et ses conseils et son temps précieux qu’il m’a alloués.
Mes remerciements les plus distingués s’adressent à ma codirectrice de recherche
madame Athyna Cambouris, chercheure en sol à la Direction générale des Sciences et
des Technologies, Centre de recherche et de développement de Québec d’Agriculture
et Agroalimentaire Canada pour son accueil, sa disponibilité, et ses précieuses
remarques qui m’ont aidé à m’améliorer.
Je tiens à remercier également messieurs : Antoine Karam et Léon-Étienne Parent pour
les discussions et les conseils reçus, ainsi que toutes les personnes qui se sont
impliquées de près ou de loin dans les différentes phases de ce projet.
Je pense entre autres à messieurs Samuel Morissette et Hicham Trabelsi, merci
beaucoup pour votre lègue.
Je remercie énormément les évaluateurs de ce mémoire.
À tous ceux qui ne sont pas cités et qui ont apporté leur contribution à un moment ou
à un autre à ce travail : un grand merci du fond de mon cœur.
1
Introduction générale
La pomme de terre, une culture exigeante en éléments fertilisants, est généralement
cultivée dans des sols sablonneux sensibles au lessivage et généralement faiblement
fertiles. Il est donc important d’améliorer la gestion des engrais en prenant en
considération les besoins actuels du producteur de même que les exigences de la
société, et ce, tout en réduisant les coûts de la production, en conservant les ressources
naturelles et en minimisant les impacts environnementaux négatifs possibles. Ces
objectifs peuvent être atteints en adoptant une gestion optimale des apports d’engrais
et/ou d’amendements organiques et minéraux (Hochmuth et al., 2012).
L'évaluation de la disponibilité des éléments nutritifs dans le sol en pré semis de la
culture en se servant des résultats d’analyse d’un seul échantillon composite est
l'approche la plus utilisée pour subvenir aux besoins ultérieurs de la culture (Schröder
et al., 2000). Cependant cette façon de faire risque d’ignorer des facteurs importants de
variation de production à savoir, la microtopographie, la variabilité spatiale des
propriétés physiques, chimiques et biologiques du sol à l’intérieur du même champ, et
la variabilité spatiotemporelle de rétention en eau et de vitesse d’écoulement suite à des
évènements pluvieux. En considérant le rôle essentiel de la plante dans la relation sol-
plante-atmosphère; cette dernière présente un bon indicateur du statut environnemental
du fait qu’elle intègre les effets du sol, du climat et des pratiques culturales d’une façon
cumulative durant la saison de culture.
Pour atteindre les objectifs qualitatifs, quantitatifs, économiques et environnementaux,
le diagnostic de précision de l'état nutritionnel des plants peut permettre de déterminer
l’état de l’équilibre entre les éléments nutritifs. C'est pourquoi l'analyse des tissus
végétaux représente un outil supplémentaire à utiliser pour diagnostiquer précocement
l’état nutritionnel de la culture et corriger certains déséquilibres entre les éléments
fertilisants pour garantir de meilleures performances (rendement et qualité de récolte).
Il existe plusieurs approches de diagnostic quantitatif pour interpréter les résultats
d'analyse au laboratoire des tissus végétaux, à savoir l’approche simpliste de VMC
(valeurs minimales critiques), ou les approches complexes tenant compte de
2
l’interaction positive (synergie) ou négative (antagonisme) comme les systèmes DRIS
(Diagnosis and Recommendation Integrated System), CND-clr (Compositional
Nutrient Diagnosis- log ratio centré) et CND-ilr (Compositional Nutrient Diagnosis-
log ratio isométrique) identifiant tous un indice global de déséquilibre nutritif (IGDN).
Or le prélèvement des échantillons de feuilles, leur préparation et leur analyse au
laboratoire sont des processus lents et coûteux. Pour pallier à cet inconvénient, des
outils de télédétection rapprochée et de mesures instantanées sur les plantes en
croissance au champ ont été développés. La lecture de l'activité chlorophyllienne à
l'aide de chlorophylle-mètre (SPAD-502) sur les feuilles vivantes des plantes peut nous
renseigner sur le statut nutritionnel au démarrage de la culture. Cet indicateur semi-
quantitatif de SPAD-502 mérite d’être relié aux différents indicateurs quantitatifs
VMC, DRIS, CND-clr et CND-ilr à des fins de diagnostic spatial de précision.
L’étude réalisée vise en premier temps à établir des corrélations entre les lectures
SPAD-502 et les indices nutritionnels des données compositionnelles provenant des
transformations DRIS, CND-clr et CND-ilr. Cette étude vise en second lieu à
caractériser la variabilité spatiale des lectures SPAD-502 et des indices de la balance
nutritionnelle et à vérifier leur correspondance et leur superposition spatiales. Ce
mémoire de maîtrise présente dans l’ordre :
1. Une revue de littérature appuyant les principaux concepts de diagnostic de
précision;
2. Les objectifs et les hypothèses de recherche;
3. Le matériel utilisé et les méthodes employées;
4. La présentation, l’interprétation et la discussion des résultats obtenus; et
5. une conclusion.
3
Chapitre 1. Revue de littérature
1.1. Introduction
Les producteurs agricoles, essentiellement ceux exploitant de vastes domaines parfois
en monocultures, sont confrontés à des contraintes réglementaires, environnementales
et économiques. Également, ces producteurs ont introduit de nouveaux outils de mesure
et modes opératoires en pratiquant l’agriculture de précision couplée avec l’apparition
de nouveaux systèmes de globalisation et d’interprétation des données
compositionnelles. Par conséquent, ils se sont confrontés à l’optimisation de ces
nouvelles pratiques qui demandent un meilleur diagnostic de l’état nutritionnel des
plantes et une meilleure précision dans leurs interventions et dans la gestion des intrants
agricoles. Pour atteindre ces objectifs, il est important des maitriser les six aspects
suivants extraits d’une revue de littérature nationale et internationale :
• La mesure de l’amplitude de la variabilité des indicateurs de fertilité;
• La variabilité spatiale des indicateurs de fertilité;
• L’indicateur chlorophyllien au SPAD;
• Les systèmes de diagnostic foliaire; et
• la procédure géostatistique et les outils d’agriculture de précision appliqués aux
champs de pommes de terre.
1.2. Mesure de l’amplitude de la variabilité des indicateurs de fertilité
L’amplitude de la variation des indicateurs de fertilité est souvent mesurée par le
coefficient de variation (CV), défini comme étant le pourcentage de la distorsion des
données de la même population. Ce CV est donc exprimé comme étant le rapport de
l’écart type sur la moyenne de l’indicateur de cette population (Tableau 1). Cameron
et al., (1971) ont rapporté que la variation des indicateurs de fertilité des sols est
observée dans toutes les échelles de la couverture pédologique (délimitation
cartographique, unité cartographique, pédopaysage, écodistrict, écorégion, écozone,
bassin versant, ferme, champ, parcelle et même au niveau des petites unités
4
expérimentales) et dans toutes les dimensions : horizontale, verticale (horizon, couche)
et temporelle. Wilding et Drees (1983) ont rapporté que le CV est de modéré à élevé,
modéré et faible respectivement pour des échelles d’étude de l’unité cartographique,
de la série du sol et du pédon.
Tableau 1. Interprétation de l’amplitude de la variabilité des propriétés des sols selon Wilding et Drees (1983).
1.3. La variabilité spatiale des indicateurs de fertilité des sols
Le microrelief et l’épandage irrégulier des effluents d’élevage (fumier et lisier) et des
amendements calciques et magnésiens sont les principales causes de la variabilité
spatiale des éléments nutritifs dans le même champ agricole (Petersen et al., 1956).
Plusieurs chercheurs ont constaté que les valeurs des analyses de sol sont très variables
à travers un champ. À titre d’exemple l’élément phosphore a présenté un CV variant
entre 17 et 102 % à travers six différentes études menées par six équipes de recherches
(Tableau 2). Il est tout à fait normal que le CV le plus faible est celui du pH des sols
puisqu’il s’agit d’une mesure exprimée sur une base logarithmique.
Classe de variabilité Valeurs de CV (%)
Faible
Modérée
Élevée
Très élevée
Extrêmement élevée
<15
15-35
35-50
50-100
>100
5
Tableau 2. Variabilité intra parcellaire de quelques propriétés des sols selon six recherches.
Variable
Coefficient de variation (%)
Arrouays et al., 1997
Mueller et al., 2001
Donohue, 2002
Tarr et al.,
2003 Cambouris et al., 2006
Kariuki et al., 2009
pH 8,4 9,0 1,0 4,7 8,8 4,6 N- NO3 - - - 33,2 46,1 P 49,5 102,0 17,0 57,9 40,4 27,4 K 55,1 52,0 4,0 26,9 29,1 33,0 Mg - 52,0 - - 26,6 - Ca - 48,0 - - 32,4 - MO - - - 41,6 34,8 31,0 CEaz - 17,0 - 3,4 25,3 -
z CEa: conductivité électrique apparente du sol
Pour quantifier et apprécier la variabilité horizontale à petite échelle, Raun et al. (1998)
ont étudié la microvariabilité des résultats des analyses de sol sur de très petites
superficies en deux localités dans l’état d’Oklahoma (Burney-ville et Efaw). Ils ont
obtenu des variations de pH de 4,37 à 6,29 à Burney-ville et de 5,37 à 6,34 à Efaw et
des variations significatives des indicateurs de fertilité comme le Corganique, le P extrait
au Mehlich III et les concentrations des sols en Nminéral sur des faibles portées de moins
de 25 m (Figure 1).
6
A)
B)
C)
Figure 1. Variation de trois indicateurs de fertilité : A) Corganique, B) PMehlich-III, et C) Nminéral et des recommandations en P et en N de pâturages de chiendent à Burneyville en Oklahoma selon Raun et al. (1998).
Plusieurs auteurs (Peck et Melsted, 1973; Franzen et Peck, 1995; Mallarino et Wittry,
2004) ont observé des grandes variabilités spatiales du phosphore bio-disponible au
sein des mêmes champs agricoles qui semblaient uniformes. L’application à taux fixe
7
de l’engrais phosphaté sur ces champs peut s’avérer inefficace, du fait qu’on risque de
surfertiliser par endroit et de sous-fertiliser dans d’autres endroits du même champ; ce
qui peut engendrer une perte du phosphore dans les eaux de surface pour les zones
riches ou un manque de nutriment pour les zones pauvres en phosphore. Les niveaux
des analyses de sol pour P et K peuvent varier considérablement à travers les champs.
Cahn et al. (1994) suggèrent une réduction des intervalles d’échantillonnage de 50 m à
1 m pour réduire l’amplitude de la variation des indicateurs de fertilité azotés,
phosphatés et potassiques de 25, 64 et 58 % respectivement. Dans leur recherche,
Cambardella et al. (1994) ont décrit l’échelle de distributions au champ et les tendances
spatiales pour 28 différents paramètres des sols sur deux sites. Cette étude a été menée
sur deux champs d'agriculteurs-exploitants situés à l'extrémité nord-ouest du bassin
versant de Walnut Creek, dans le sud du comté de Boone, Iowa. Il s’agit d’un champ
labouré et d’un champ non labouré. Dans le champ labouré, le sol a été échantillonné
dans un carré de 250 par 250 m (6,25 ha) en grilles systématiques avec des points
séparés de 25 m puis deux, cinq et dix mètres d’intervalles donnant un total de 241
échantillons sur une profondeur de 15 cm. Ils ont rapporté des variations des analyses
de sol pour le phosphore, le potassium et l’azote respectivement de 43 %, 35 % et 68 %
(Tableau 3).
8
Tableau 3. Propriétés physiques et chimiques d’un champ en culture conventionnelle sur une profondeur de 15 cm. (Cambardella et al., 1994).
z :CO : Carbone organique; N-Total : Azote total; P: Bray P1; CE= Conductivité électrique; D= Densité apparente; CV= Coefficient de Variation.
1.4. L’indicateur chlorophyllien au SPAD
L’indicateur chlorophyllien est obtenu instantanément par une simple action de
pincement non destructif des feuilles par un appareil léger et portatif appelé SPAD-502
(Minolta SPAD-502, Spectrum Technologies Inc., Plainfield, IL). Cet appareil mesure
la transmission de la lumière à travers la feuille de la plante aux longueurs d’onde de
650 nm, correspondant au pic d’absorption de la chlorophylle, et de 940 nm pour
mesurer les autres composantes de la feuille. L’appareil fait le rapport des
transmittances et le convertit en une valeur de SPAD qui est sans unité. Coste et al.
(2010) ont observé une bonne corrélation (r2= 0.89) entre les lectures SPAD et les
teneurs en chlorophylle mesurées sur les feuilles de 13 espèces d’arbres tropicaux
(Figure 2).
Caractéristiquesz Nombre Moyenne Écart-type CV
(%) Médiane
CO (g m-2)
N-Total (g m-2)
N-NO3 (g m-2)
241
241
241
5377
454
4,95
1646
134
3,37
31
30
68
5207
431
3,9
P (g m-2) 241 25 11 43 26
K (g m-2) 241 37 13 35 33
Mg (g m-2)2 241 94 70 74 84
Ca (g m-2) 241 666 327 49 599
pH [log(H+)] 241 6,25 0,78 13 6,01
CE (µS cm-1)
D (g m-3)
241
121
145
1,32
74
0,18
51
14
131
1,33
Sable (%) 241 33 12 37 33
Limon (%) 241 34 13 37 31
Argile (%) 241 33 13 39 31
Macroporosité (%) 241 59 9 15 59
9
Figure 2. Relation entre la teneur totale en chlorophylle et la lecture SPAD de 391 observations sur 13 espèces d’arbres tropicaux (Coste et al., 2010).
Pour la culture de la pomme de terre, Vos et Bom (1993) ont conduit une
expérimentation de fertilisation azotée sur un champ de pommes de terre formé de sol
léger sableux près de Wageningen aux Pays-Bas. Ils ont trouvé que les lectures SPAD-
502 sont bien corrélées avec les mesures au laboratoire des quantités de chlorophylle
et de l’azote dans les feuilles de pomme de terre (R2 = 0,95). En compilant des séries
de données collectées durant différentes années et avec différentes répétitions, Uddling
et al., (2007) de l’université de Göterborg au Suède ont rapporté de grands écarts de
lectures chlorophylliennes aussi bien dans les feuilles des espèces pérennes comme le
bouleau que dans les feuilles des espèces annuelles comme le blé de printemps et la
pomme de terre . Ces variations sont de 1 à 46 pour le bouleau, de 8 à 49 pour le blé et
de 6 à 40 pour la pomme de terre. Également, ils ont déterminé les relations entre la
concentration en chlorophylle dans les feuilles exprimées par rapport à la surface
foliaire et les valeurs des lectures SPAD-502. À la suite de cette analyse, ils ont
rapporté des relations exponentielles fortes pour le bouleau et le blé (r2=0,93 et r2=0,89
10
respectivement) tel qu’illustré dans la Figure 3. Par contre, pour la culture de pomme
de terre cette relation était beaucoup plus faible (r2=0,46).
Figure 3. Variation de la concentration réelle de la chlorophylle dans les feuilles de trois espèces (bouleau, blé et pomme de terre) en fonction de l’indice chlorophyllien au SPAD (Uddling et al., 2007).
La mesure SPAD présente des inconvénients. Ces mesures peuvent être influencées par
le stade physiologique de la plante, de sa teneur en eau lors de la prise de mesure, de
l’irradiance, du moment de la journée durant lequel les mesures sont prises, du choix
de la partie de la feuille à pincer par le SPAD (Martinez et Guiamet, 2004). Les valeurs
SPAD des feuilles plus âgées peuvent être inférieures à celles des plus jeunes (Schröder
et al., 2000). Li et al. (2012) ont étudié l’impact de l’âge de la feuille sur la lecture
SPAD dans une culture de pomme de terre menée à Salaqi (40° 55´N, 110° 52´E), une
importante région de production de pomme de terre au nord de la Chine. Ils ont
comparé les lectures SPAD sur la troisième, quatrième et cinquième feuille composée
à partir de l’apex. Ils ont rapporté que les valeurs SPAD mesurées sur la troisième
feuille étaient supérieures à celles de la 4ème et 5ème feuille au stade initiation de
tubérisation. Mais au stade grossissement des tubercules, les valeurs SPAD de la 3ème
et 4ème feuille ont été un peu plus élevées que celles de la 5ème feuille. Par ailleurs, les
11
valeurs SPAD de toutes les feuilles baissent significativement au cours de la
tubérisation (Tableau 4). Dans le même sens, Minotti et al. (1994) ont montré une
diminution significative de l’indice chlorophyllien mesuré avec le SPAD durant le
cycle végétatif de la pomme de terre pour les cultivars Allegany, Castille, Kathadin et
Superior.
Tableau 4. Comparaisons des valeurs moyennes de SPAD mesurées à trois niveaux de feuilles et deux stades différents de développement de la pomme de terre à Salaqi, Chine en 2009 (Li et al., 2012).
Stade de développement Niveau de la feuille composée Lectures SPAD
Initiation tubérisation
3ème 52,9 a*
4ème 52,4 b
5ème 51,3 c
Grossissement des
tubercules
3ème 49,4 a
4ème 49,4 a
5ème 49,3 b
*: Les valeurs suivies de la même lettre dénotent qu’il n’y a pas de différence significative au seuil P=0,05 (test-Duncan)
La lecture SPAD est d’autant plus importante qu’elle est prise tôt dans la saison,
idéalement avant le buttage de la culture. À ce stade le diagnostic du végétal pourrait
nous renseigner sur le statut nutritionnel juste à temps, et ce, pour pouvoir corriger avec
une fertilisation minérale en cas de besoin. En faisant varier la dose d’azote sur
plusieurs cultivars de pomme de terre, Minotti et al. (1994) ont obtenu des valeurs de
SPAD variant de 49 à 56 en début de croissance, soit entre 29 à 37 jours après la
plantation (JAP), en fonction de l’année, du cultivar et de la localité. La variation de la
lecture SPAD en fonction du cultivar est essentiellement expliquée par leur précocité
(Minotti et al., 1994). Ce même constat a été rapporté par Busato et al. (2010) en
essayant de déterminer les seuils critiques des lectures SPAD en fonction des valeurs
d’azote dans les feuilles de pomme de terre au Brésil (Figure 4).
12
** : significatif à 1 % de probabilité avec le test-t
Figure 4. Relations entre les valeurs SPAD mesurées sur la quatrième feuille des variétés de pommes de terre : Atlantic (A), Agata (B), Monalisa (C) et Astérix (D) et les quantités d’azote à 21 jours après l’émergence des plantes (Busato et al., 2010).
1.5. Les systèmes de diagnostic foliaire
Le diagnostic tissulaire porte essentiellement sur les cinq éléments majeurs les plus
limitatifs pour la plupart des cultures soit N, P, K, Ca et Mg. Plusieurs systèmes de
diagnostic sont appliqués pour vérifier si la recommandation en engrais du printemps
était suffisante, insuffisante ou excessive. Le diagnostic quantitatif vise donc à
confirmer le diagnostic visuel, à identifier une carence cachée, à confirmer l'efficacité
des fertilisants ajoutés, à identifier les effets antagonistes ou synergiques des
traitements, à identifier une balance et à quantifier un déséquilibre nutritif entre les
éléments fertilisants. Les systèmes les plus couramment rencontrés dans la littérature
sont :
13
• Le système VMC (valeur minimale critique);
• Le système DRIS (Diagnosis and Recommendation Integrated System);
• Le système log-ratio centré; noté CND-clr; et
• Le système log-ratio-isometrique; noté CND-ilr.
1.5.1. Système de la valeur minimale critique
Les valeurs minimales critiques (VMC) sont obtenues des références régionales ou
provinciales issues des courbes de rendements de la culture (rapportés sur l’axe des
Y) en fonction des concentrations foliaires d’un élément nutritif (rapportées sur l’axe
des X). Le patron de ces courbes montre généralement 3 zones (Figure 5) : Carence
ou insuffisance nutritive (partie ascendante de la courbe), suffisance nutritive (palier
de la courbe) et excès nutritif (partie descendante de la courbe). Ces trois portions de
la courbe sont séparées par la VMC au-delà de laquelle le rendement plafonne et la
valeur critique d’excès (VCE) au-delà de laquelle le rendement chute à nouveau. Ces
deux valeurs critiques forment l’intervalle critique de suffisance. D’autres auteurs
(Hochmuth et al., 2004) ont proposé une courbe de la relation nutriment - croissance
plus divisée (Figure 6).
Figure 5. Allure de la courbe de croissance ou de rendement des plantes en fonction de la concentration foliaire en élément fertilisant (Adapté de Halvin et al., 1999).
14
Figure 6. Courbe de croissance d’une culture en fonction de la concentration d’un nutriment dans l’échantillon du tissu de diagnostic (adapté de Hochmuth et al., 2004).
Malgré les nombreuses sources d’erreurs d’interprétation des résultats tissulaires par
le système VMC (tributaire des conditions agropédoclimatiques, du stade
phénologique, de la position du tissu échantillonné, de l’interaction entre les
éléments, du cultivar), il est toujours le plus couramment utilisé. En Californie (États-
Unis), Huchmoth et al. (2004) ont établi une relation entre la croissance de la plante
et la concentration d’un nutriment dans un échantillon du tissu végétal à
diagnostiquer. Les valeurs considérées pour des jeunes feuilles de pommes de terre
pour les éléments majeurs sont consignées dans le Tableau 5. Au Québec les normes
d’analyse tissulaires pour la culture de la pomme de terre sont résumées dans le
Tableau 6. Les niveaux d’interprétation sont plus élevés que ceux appliqués en
Californie, ce qui pourrait être attribué aux différences pédoclimatiques des deux
régions.
15
Tableau 5. Grilles d’interprétations des analyses de jeunes feuilles de pomme de terre en Californie selon le système VMC (Hochmuth et al., 2004).
Stade Statut nutritif N P K Ca Mg S
% % % % % % P
rem
ière
jeun
e
feui
lle
mat
ure Déficient <3,0 0,2 3,0 0,6 0,25 0,2
Adéquat 3,0 0,2 3,0 0,6 0,25 0,2
Moyen 4,0 0,5 5,0 2,0 0,6 0,5
Élevé >4,0 0,5 5,0 2,0 0,6 0,5
Tableau 6. Grille d’interprétation des analyses de feuilles de pomme de terre au Québec selon le système VMC (adapté de Khiari et Lagha, 2010).
Diagnostic N P K Ca Mg S B Cu Zn Fe Mn
% % % % % % mg/kg mg/kg mg/kg mg/kg mg/kg
VMC 5,0 0,3 4,5 1,0 0,3 0,3 20 5 20 50 40
VCE 6,0 0,5 6,0 1,7 0,5 0,6 50 20 50 150 400
VMC : valeur minimale critique ; VCE : valeur critique d’excès.
1.5.2. Système DRIS
Le DRIS transforme les concentrations tissulaires en indices nutritifs pour tenir compte
de l’interaction entre les éléments fertilisants les plus limitatifs aux rendements. Ce
système a été développé par le Sud-Africain Beaufils (1973) et a trouvé un terrain
d’application, grâce à Jones (1981) et Sumner (1982) dans plusieurs états américains
(Walworth et Sumner, 1987). Ce système est basé sur le calcul de différents rapports
nutritifs ce qui a pour effet de rendre le DRIS moins influencé que l'approche VMC par
la variation saisonnière des concentrations tissulaires. Ainsi, le DRIS a permis de
réduire significativement le biais relié au stade phénologique de la culture.
1.5.2.1. Les normes DRIS
Les normes DRIS se résument en deux paramètres statistiques décrivant la sous-
population à performance élevée, soit la moyenne (µ) et le coefficient de variation (CV)
16
de différents rapports nutritifs. Les normes DRIS peuvent être exprimées selon un
rapport entre deux éléments essentiels (par ex. N/P) ou son inverse (P/N), selon la
forme d'expression la plus discriminante dans la population inventoriée. Des normes
DRIS ont été développées et testées au Québec pour la culture de la pomme de terre
(Khiari et al. 2001a) et sont regroupés dans le Tableau 7.
Tableau 7. Les normes DRIS pour la population à haut rendement de pomme de terre (≥ 34,1 t ha-1) selon Khiari et al., (2001a).
Rapports nutritifs Moyenne CV
n/p 16,08 18,00 n/k 1,06 16,70 ca/n 0,19 37,35 mg/n 0,10 22,24 k/p 15,47 22,32 ca/p 3,00 41,57 mg/p 1,63 28,92 ca/k 0,20 41,32 mg/k 0,11 25,36 ca/mg 1,85 32,99
CV= coefficient de Variation en %
1.5.2.2. Calcul des fonctions DRIS
Pour faciliter la représentation des fonctions DRIS, nous désignons par N, P, K, Ca,
Mg en majuscule pour les concentrations tissulaires de l’échantillon à diagnostiquer et
n, p, k, ca, mg en minuscule, les éléments intervenant dans les rapports des normes
DRIS (Tableau 7). Pour le premier rapport N/P la fonction DRIS est calculée comme
suit :
• Si le rapport N/P de l’échantillon est supérieur à la norme DRIS (n/p = 16,08)
f(N/P) = [(N/P)/(n/p) - 1]1000/CV,
• Et si le rapport N/P de l’échantillon est inférieur à la norme DRIS (n/p = 16,08)
f(N/P) = [1 - (n/p)/(N/P)]1000/CV,
n/p et CV sont les normes DRIS représentant la moyenne et le coefficient de variation
du rapport azote/phosphore dans la sous-population à hauts rendements (Tableau 7) et
1000 est un multiplicateur pratique servant à éviter de générer des valeurs trop petites.
La procédure est identique pour le calcul des neuf autres fonctions DRIS. On calcule
de la même façon les 9 autres fonctions f(N/K), f(Ca/N), f(Mg/N), f(K/P), f(Ca/P),
f(Mg/P), f(Ca/K), f(Mg/K) et f(Ca/Mg). Ces fonctions DRIS sont positives si l’élément
17
diagnostiqué est le numérateur du rapport nutritif. Ces fonctions DRIS sont négatives
si l’élément diagnostiqué est le dénominateur du rapport nutritif. Ces fonctions sont
symétriques, car f(X/Y) = -f(Y/X).
1.5.2.3. Calcul des indices DRIS
L'indice DRIS pour un élément nutritif X est la somme des fonctions DRIS contenant
l’élément X. Pour l’exemple de diagnostic des cinq éléments majeurs N, P, K, Ca et
Mg combinés dans 10 rapports N/P, N/K, Ca/N, Mg/N, K/P, Ca/P, Mg/P, Ca/K, Mg/K
et Ca/Mg, on définit cinq indices nutritifs IX. Chacun de ces indices nutritifs intègre
quatre fonctions comme suit :
• IN = [f(N/P) + f(N/K) + f(N/Ca) + f(N/Mg)]/4 (1)
• IP = [-f(N/P) + f(P/K) + f(P/Ca) + f(P/Mg)]/4 (2)
• IK = [-f(N/K) - f(P/K) + f(K/Ca) + f(K/Mg)]/4 (3)
• ICa = [-f(N/Ca) - f(P/Ca) - f(K/Ca) + f(Ca/Mg)]/4 (4)
• IMg = [-f(N/Mg)-f(P/Mg)-f(K/Mg)-f(Ca/Mg)]/4 (5)
Comme f(X/Y) = - f(Y/X), la somme des indices doit être égale à zéro.
IN +IP+IK+Ica+IMg = 0 (6)
Plus un indice IX est négatif, plus la carence relative est prononcée ; plus IX est
positif, plus l'excès relatif est important.
1.5.2.4. Calcul de l’indice de déséquilibre global IDN (DRIS)
L’IDN est tout simplement la somme des indices en valeur absolue :
IDN(DRIS) = │IN│ +│IP│+│IK│+│Ica│+│IMg│ (7)
Plus l'IDN est élevé, plus la plante est déséquilibrée et les rendements risquent de
baisser significativement. Khiari et al. (2001 a) ont établi une valeur IDN critique de
18
23,7 au-delà de laquelle les plants de pommes de terre sont considérés en déséquilibre
nutritif (Figure 7).
Figure 7. Graphique de partition des rendements en tubercules de pommes de terre en fonction de l’indice de déséquilibre nutritif global (IDN) selon le système de diagnostic DRIS (Khiari et al., 2001a). (37,8 t ha-1, 23,7 valeurs critiques séparant la population productive de la population moins productive selon la procédure de Cate-Nelson).
1.5.3. Système CND
Comme le système DRIS, le CND a été développé pour tenir compte des
différentes interactions entre les éléments nutritifs. Khiari et al., (2001b) ont démontré
que ce système CND est plus précis que celui du VMC et de DRIS pour diagnostiquer
l'état nutritionnel des éléments majeurs (N, P, K, Ca et Mg) dans la culture de la pomme
de terre au Québec. Ce CND, noté aussi CND-clr se résume en quatre étapes
successives :
Le calcul des variables CND
Les normes CND
Le calcul des indices nutritifs CND
19
Calcul de l’indice de déséquilibre global CNDr2
Interprétation des résultats de diagnostic CND
1.5.3.1. Le calcul des variables CND
Le tissu foliaire est considéré comme un système clos à 100 % formé de
composantes connues exprimées en pourcentage (N %, P %, K %, Ca %, Mg %) et de
composantes inconnues toutes intégrées dans un seul terme dit de remplissage, noté R
et obtenu par différence entre 100 % et la somme des composantes connues (Éq. 8)
R = 100 % - N % - P % - K % - Ca % - Mg % (8)
Cette valeur R contient de l'information inconnue sur le soufre, les oligo-éléments, les
hydrates de carbone, et d'autres composantes non déterminées. Le diagnostic CND ne
porte toutefois que sur les composantes connues. Comme la valeur R est dépendante
des résultats analytiques, elle varie d'un tissu à un autre et doit être incorporée dans la
procédure de calcul pour fins diagnostiques.
Pour étudier les interactions possibles entre les composantes connues et inconnues du
système tissulaire, on condense l’information numérique dans un terme général, noté
G, il s’agit de la moyenne géométrique de ces composantes (Éq. 9) :
G = (N x P x K x Ca x Mg x R)1/6. (9)
Pour exprimer chaque composante par rapport à toutes les autres (étude d’interaction),
il suffit de définir de nouvelles variables V dites logarithmiques centrées (Éq. 10-15) :
• VN = ln(N/G) ; (10)
• VP = ln(P/G) ; (11)
• VK = ln(K/G) ; (12)
• VCa = ln(Ca/G) ; (13)
• VMg = ln(Mg/G) ; (14)
• VR =ln(R/G). (15)
20
On peut vérifier que la somme de ces valeurs log centrés est nulle (Éq. 16)
VN + VP + VK + VCa + VMg + VR = 0 (16)
1.5.3.2. Les normes CND
Les normes multinutritives du diagnostic CND sont générées à partir d’une population
inventoriée et une sous population de tête (ou de haute performance agronomique) et
se résument en :
• Six données de tendance centrale : soit les moyennes des valeurs
logarithmiques centrées :VN*, VP*, VK*, VCa*, VMg*, et VR* de la population
de tête ou de haute performance;
• Six données de dispersion : soit les écarts-types des valeurs logarithmiques
centrées : σN, σP, σK, σCa, σMg et σR de la population inventoriée;
• Six intervalles critiques des indices nutritifs : IN, IP, IK, ICa, IMg, et IR; et
• Un indice global d’équilibre nutritif critique, noté CNDr2.
Toutes ces normes sont issues de plusieurs étapes d’inférences et de validations
statistiques, commençant par la sélection d’une sous population de tête jusqu’à
l’élaboration de la valeur critique de l’indice CNDr2. Pour de plus amples détails sur
l’extraction des normes multi nutritives, consulter les travaux de Khiari et al. (2001a,
b et c). Voici des exemples de normes élaborées pour la culture de la pomme de terre
au Québec (Tableau 8).
Tableau 8. Normes CND pour la pomme de terre cv. ‘Superior’ (Khiari et al., 2001a).
Normes CND
VN* VP* VK* VCa* VMg* VR*
Moyenne 0,683 -2,079 0,635 -1,073 -1,633 3,468
Écart-type(σ) 0,100 0,191 0,148 0,310 0,168 0,137
Indice IN IP IK ICa IMg IR
Intervalle critique -0,82 à 0,82 -0,80 à 0,80 -0,67 à 0,67 -0,92 à 0,92 -0,91 à 0,91 -0,87 à 0,87
CNDr2 critique 4,2
21
1.5.3.3. Le calcul des indices CND
Des six variables logarithmiques centrées d’un échantillon et des normes de tendance
centrale (VX*) et de dispersion (σX), on déduits les indices CND par une procédure
statistique dite de standardisation (transformation des valeurs logarithmiques centrées
en variables centrées réduites) (Éq. 17-22):
IN = (VN - VN*)/σN* (17)
IP = (VP – VP*)/σP* (18)
IK = (VK – VK*)/σK* (19)
ICa = (VCa – VCa*)/σCa* (20)
IMg = (VMg – VMg*)/σMg* (21)
IR = (VR – VR*)/σR* (22)
1.5.3.4. Calcul de l’indice de déséquilibre global CNDr2
L’équilibre nutritif est matérialisé par une hypersphère d’équilibre de rayon r, ce rayon
élevé au carrée, constitue l’indice de déséquilibre nutritif global, noté CNDr2 et calculé
comme suit pour un espace euclidien à 6 composantes principales (Éq. 23):
CNDr2 = IN2 + IP
2 + IK2 + ICa
2+ IMg2 + IR
2 (23)
1.5.3.5. Interprétation des résultats de diagnostic CND
La première interprétation est un diagnostic sur l’état général de la plante. On dit
qu’elle est équilibrée si le diagnostic multi nutritif fait sur un échantillon de feuille se
trouve à l’intérieur de l’hypersphère d’équilibre, autrement dit le CNDr2 de
l’échantillon est inférieur ou égal au CNDr2 critique de la norme (de 4,2 pour la pomme
de terre) selon le Tableau 8. Au-dessus du CNDr2 de la norme, la culture est déclarée
déséquilibrée. Plus la valeur du CNDr2 de l’échantillon à diagnostiquer est élevée, plus
la plante est déséquilibrée (Figure 8) et plus la culture est susceptible de répondre aux
engrais (Khiari et al., 2001a).
22
Figure 8. Graphique de partition des rendements en tubercules de pommes de terre en fonction de l’indice de déséquilibre nutritif global CNDr2 selon le système de diagnostic CND (Khiari et al., 2001a).
Une fois la plante déclarée déséquilibrée, la deuxième interprétation porterait sur les
indices nutritifs IN, IP, IK, ICa, IMg, et IR. Plus l’indice est négatif et plus petit que la borne
inférieure de l’intervalle de suffisance de la norme CND (Tableau 8) plus la carence
relative est forte. À l’opposé, plus l’indice est positif et plus grand que la borne
supérieure de l’intervalle de suffisance de la norme CND (Tableau 8) plus l'excès relatif
est important. L'ordre des besoins nutritifs est donc l'inverse de l'ordre des indices. En
d’autres termes les indices les plus faibles ou les plus négatifs correspondent aux
besoins nutritifs relatifs les plus élevés.
1.5.4. Système CND-ilr
Avec la transformation CND-clr, on génère D variables, ce qui produit une matrice
singulière et requiert l’élimination d’une variable, ce qui entraine une perte
d’informations lorsqu’on effectue l’analyse multivariée (Parent, 2011). Pour pallier à
ce problème, Egozcue et al. (2003) ont proposé la transformation log ratio isométrique,
noté ilr (isometric log ratio). La transformation ilr consiste à calculer D-1 balances
entre deux groupes de composantes. Afin d’atteindre cet objectif, Egozcue et al. (2003)
ont essayé le concept des comparaisons orthogonales qui limite à D-1 le nombre de
comparaisons entre D variables. L’orthogonalité assure qu’il y aura D-1 variables dans
l’analyse statistique et que l’angle entre les vecteurs de ces variables sera de 90°. Les
23
ilr sont donc des coordonnées dans un espace euclidien, ce qui leur confère une
géométrie familière. Egozcue et Pawlowsky-Glahn (2005) ont suggéré que ces D-1
balances soient élaborées selon une partition binaire séquentielle propre au système
étudié.
Il y a quelques façons de définir les bases orthonormées dans le simplex. Le critère
principal pour le choix d'une base orthonormée est qu'il améliore les possibilités
d'interprétation de la représentation en coordonnées.
La coordonnée ilr est un contraste logarithmique entre deux groupes de composantes
avec des signes plus (+), composantes au numérateur; et des signes moins (-),
composantes au dénominateur (Egozcue et Pawlowsky-Glahn, 2006) comme suit :
ilr = ln (Eq. 24) où:
- r est le nombre de composantes dans le groupe +,
- s est le nombre de composantes dans le groupe _,
- g(x+)= 1 ∗ 2 ∗. ……∗ / ; est la moyenne géométrique des
composantes dans le groupe x+,
- et g(x-)= 1 ∗ 2 ∗.…… .∗ / ; est la moyenne géométrique des
composantes dans le groupe x-.
Le choix des comparaisons entre les éléments pour construire des ilr doit améliorer les
possibilités d’interprétation des balances nutritives. Ces balances sont construites en
fonction des comparaisons d’interaction qu’on veut vérifier et de l’orthogonalité entre
elles. Il s’agit d’appliquer le log ratio normalisé de la moyenne géométrique de chaque
groupe d'éléments.
1.6. Les procédures géostatistiques de traitement des données
La modélisation de la variation spatiale du rendement dans le même champ et la
recherche des facteurs qui causent ces variations sont les prérequis de la gestion de
précision des cultures intensives (Coelho et al., 1999). L’Institut de la qualité des sols
(SQI, 1998) a cité cinq facteurs de causalité (pratiques culturales, qualité des sols,
topographie, méthodes de lutte contre les adventices et microclimat)
24
Le diagnostic classique au moyen d’un seul échantillon composite pour le même champ
quelle que soit sa dimension et quelle que soit la variation de ses indicateurs de fertilité
peut être considéré insuffisant pour apporter les bons correctifs. Il peut avoir un impact
négatif sur plusieurs pratiques de production et aussi sur l’environnement pour le cas
de l’azote (Lofton et al., 2010). Quant au diagnostic de précision, il s’agit d’une
approche de gestion par unité homogène et des recommandations d’engrais et
d’amendements basées sur l'analyse des patrons de variation des caractéristiques d'un
champ. Les apports d’engrais et d’amendements sont donc modulés en fonction de la
variabilité spatiale pour chaque élément fertilisant étudié dans le but de mieux contrôler
la variabilité. Les patrons spatiaux qui en découlent sont basés sur la théorie des
variables régionalisées (Matheron, 1967). Il s’agit d‘un ensemble de techniques
statistiques (semi-variogrammes, autocorrélogramme, cartes variographiques, cartes
d’anisotropie, interpolation par krigeage ou co-krigeage, discrétisation des variables et
élaboration des cartes iso lignes, etc.) regroupées sous le terme géostatistiques. Pour
Trangmar et al., (1986), ces nouvelles théories statistiques ont permis d’établir des
relations spatiales entre des points échantillonnés et quantifiés et qui seront utilisés
pour l’interpolation des valeurs à des endroits non échantillonnés. L’analyse
géostatistique de la variabilité spatiale est appliquée dans l'estimation des réserves de
minerais dans l'industrie minière, la recherche dans le domaine des ressources en eau,
la science du sol, et l'archéologie.
Les techniques géostatistiques permettent de distinguer deux comportements spatiaux :
un comportement systématique et un comportement aléatoire. L’outil le plus utilisé
pour modéliser et mettre en commun ces deux comportements est le semi-
variogramme, un graphique traduisant l’évolution de la semi- variance γ(h) d’une
propriété du sol ou de la plante en fonction de la distance h qui séparent les observations
(Figure 9). Le semi-variogramme est calculé à l’aide de l’équation suivante pour les
n(h) points xi et yi séparés par une distance h= | xi - yi | (Éq. 25):
(25)
25
Un semi-variogramme expérimental est formé par les points auxquels on ajuste à l’aide
de la méthode des moindres carrés un modèle ou une fonction analytique continue
appelée semi-variogramme théorique γ(h) (Figure 9).
Figure 9. Exemple de semi-variogramme; modèle sphérique (adapté de Bohling, 2005).
Ce semi-variogramme n’est défini que s’il respecte l’hypothèse intrinsèque
stipulant que :
i) L’espérance mathématique existe et est constante quel que soit le point
observé et
ii) La covariance est finie et qu’elle ne dépend que de la distance h qui
sépare les observations (stationnarité du second ordre).
Les progiciels de géostatistique proposent plusieurs types de semi-variogrammes
théoriques : exponentiel, gaussien, sphérique, linéaire-plateau, linéaire ou pépitique.
(Isaaks et Srivastava, 1989). Plusieurs paramètres géostatistiques sont optimisés pour
choisir le modèle théorique qui s’adapte le mieux à la nature du phénomène mesuré.
Les quatre premiers modèles de γ(h) théorique prennent souvent une allure d’une
partie ascendante et un plateau qu’on appelle « palier ». Leur intersection marque la
portée, définie comme étant la distance au-delà de laquelle le degré de dissemblance
26
entre les observations devient constant donc aléatoire. Pour h=0, la semi-variance
existe et égale à C0, qu’on appelle constante pépitique ou effet de pépite due à des
erreurs de localisation, d’échantillonnage, de préparation ou de mesure de
l’échantillon. Pour une meilleure discrimination entre les deux effets aléatoire et
structural continu, on se sert du rapport C0/(C0+C). López-Granados et al. (2004) ont
étudié la variation spatiale des contenus des feuilles d’olivier et ont observé une
continuité spatiale pour N, P, K et B et un effet complètement pépitique pour Fe
(Figure 10).
27
Figure 10. Semi-variogrammes expérimentaux (points noirs) et théoriques (lignes) de (a) N (modèle sphérique); (b) P (modèle sphérique); (c) K (modèle sphérique); (d) B (modèle sphérique); et (e) Fe (modèle pépitique) dans un champ de 30 ha au sud de l’Espagne (López –Granados et al., 2004).
L’étude variographique est souvent suivie d’une interpolation par krigeage, une
méthode d’estimation linéaire optimale par construction mathématique et non biaisée.
Le krigeage utilise le modèle théorique du semi-variogramme pour estimer la valeur de
la variable régionalisée dans des points non-échantillonnés. Le krigeage permet aussi
d’évaluer l’erreur ou l’incertitude d’estimation.
28
1.6.1. Échantillonnage géo référencé
Le GPS, ou Global Positioning System, est un système de navigation radio situé dans
l'espace. Il est constitué d'un segment spatial, de 24 satellites pour le système américain,
d'un segment de contrôle terrestre et d'un segment utilisateur. Ce système de guidage a
vu le jour aux États-Unis en 1973. Il est aujourd'hui utilisé par les militaires et les civils
pour se déplacer et s'orienter. Il donne la position en longitude, latitude et altitude (les
3 coordonnées spatiales), seconde par seconde, à travers le monde. Sa précision est
généralement de plus ou moins 50 mètres en déplacement, mais elle peut varier de 20
à 300 mètres. Aujourd’hui, il existe des GPS très précis qui peuvent donner notre
position géographique en temps réel avec une précision variant du centimètre à
quelques mètres.
1.6.1.1. Les applications du GPS dans l’agriculture de précision
Les coordonnées spatiales acquises par le GPS sont utilisées dans différentes
applications (télécommunication, transport terrestre, maritime ou aérien, activité
minière, agriculture, recherche). Le GPS est considéré comme l’une des nouvelles
technologies des dernières décennies ayant contribué significativement au
développement et au perfectionnement de l’agriculture de précision. Ces coordonnées
sont jumelées avec plusieurs mesures portant aussi bien sur les propriétés biologiques,
chimiques et physiques des sols comme le pH, la salinité, la conductivité électrique, la
microtopographie, le drainage, l’humidité, la texture, la structure ou la compaction. Ces
coordonnées sont aussi jumelées à des pratiques culturales ou à des critères de
performances des peuplements végétaux ou de pratiques agronomiques comme le
rendement des cultures, le statut nutritionnel en azote des plantes, leurs états sanitaires
et parasitaires, les occupations des sols et l’assolement, les semis et les plantations, le
travail du sol, etc. Les coordonnées GPS couplées avec la géostatistique et le système
d’information géographique permettaient de cartographier toutes les informations
spatiales. La superposition des différents paramètres mesurés permettait de faire
ressortir la variabilité entre les champs et au sein du même champ et de déterminer les
zones homogènes pour tel ou tel paramètre et de visualiser sur une carte les zones à
problèmes. Ainsi, avec le développement et le perfectionnement de différents capteurs
29
et le perfectionnement de la technique de surveillance, le GPS est devenu
incontournable dans l’agriculture de précision.
Hypothèses et objectifs
Hypothèses
1. Dans un grand champ de plus de 50 ha, il existe une corrélation linéaire entre
les indices nutritionnels issus des analyses des sols ou des feuilles et les lectures
SPAD-502 au stade début floraison chez la culture de la pomme de terre.
2. Il existe des relations spatiales entre la lecture SPAD en début floraison et les
indices nutritifs issus de l’analyse des sols ou des feuilles.
3. Il existe une correspondance spatiale entre les lectures SPAD-502 et les indices
nutritionnels.
Objectifs
1. Établir les corrélations entre les lectures SPAD et les indices nutritionnels des
données compositionnelles issus des transformations DRIS, CND-clr et CND-
ilr.
2. Caractériser la variabilité spatiale des lectures SPAD et des indices de la
balance nutritionnelle et vérifier leur correspondance spatiale.
30
Chapitre 2. Matériels et méthodes
2.1. Description et localisation du site expérimental
Cette expérimentation s'est déroulée dans un champ en production commerciale de
pommes de terre (48°80'44.9300 N 72°24'56.3700 O) durant la saison de croissance
2007. Ce site appartient à l'entreprise « Bolduc et fils Inc. » et il est localisé dans la
municipalité de Dolbeau-Mistassini. Le champ étudié a une superficie de 54 ha. Les
caractéristiques pédologiques globales sont résumées dans la carte pédologique de la
région (Figure 11). Le champ étudié renferme deux types de sol à savoir la série Parent
et la série Dolbeau et appartiennent au grand groupe Podzol. Ils sont formés sur des
dépôts de sable fin et très fin (Raymond et al., 1965). Ils présentent tous les deux une
topographie légèrement ondulée, un bon drainage. Leurs pH sont de l’ordre de 5,1 et
4,9 respectivement. Le taux de matière organique est de 2,5 % en moyenne. Ils
appartiennent respectivement aux classes de drainage 5 et 4. La partie du champ
appartenant à la série Dolbeau est très riche en limon.
Figure 11. Étude pédologique du terrain (Source : Raymond et al., 1965). (Carré rouge pour la localisation du champ étudié)
2.2. Aperçu sur les conditions climatiques durant la saison culturale
Les données climatiques recueillies durant la période d'expérimentation, soit du mois
d'avril au mois d'octobre 2007, proviennent de la station climatique d'Environnement
31
Canada située aux environs du site d'étude, soit la station de Normandin (48°50'30.000
N 72°32'49.000 O).
2.3. Grille d’échantillonnage des sols et des plants
L’échantillonnage des sols et des plantes a été réalisé selon une grille régulière
rectangulaire de 50 m par 60 m. Chacun de ces 168 points a été géoréférencé et marqué
par un drapeau comme le montre la Figure 12.
Figure 12. Répartition spatiale des points d’échantillonnage géo référencés selon une grille régulière de 50 m ×60 m au champ à l’étude.
2.4. Conduite de la culture
Au printemps 2007, au site expérimental, quatre cultivars de pomme de terre (Reba,
Andover, NY115 et Yukon) ont été plantés le 26 mai 2007 avec un planteur commercial
de quatre rangs. Le précédent cultural était une culture de ray-grass (2006). La culture
est conduite sous le régime pluvial sans apport d'un complément d'eau d'irrigation. Les
tubercules de pommes de terre sont plantés selon un espacement de 0,3 m au sein du
32
même sillon et de 0,915 entre les sillons. Toutes les opérations culturales au champ ont
suivi les meilleures pratiques de gestion élaborées par l'agriculteur au cours de
plusieurs années de production de pommes de terre.
2.5. Échantillonnage de précision dans le champ d’étude
L’échantillonnage géo référencé des sols a été réalisé au printemps, deux semaines
avant la plantation des tubercules (Figure 13). À une distance de 3 mètres de chacun
des 168 points géo référencés, douze sous-échantillons de sol ont été prélevés à une
profondeur de 17 cm pour former un échantillon composite à l’aide d’une tarière
Okfield à bout ouvert ayant un diamètre de deux centimètres. Chaque composite a été
bien mélangé et environ 300 g ont été retirés pour préparation et analyse au laboratoire.
Le 19 juillet 2007, soit au stade début floraison, un échantillonnage foliaire intensif a
été effectué sur les plants de pommes de terre selon la même grille de 168 points. Un
échantillon foliaire composite de 12 feuilles (soit la 4e ou la 5e sous le point de
croissance) a été prélevé dans un rayon de 3 m autour du point d’échantillonnage.
Les lectures de l'activité chlorophyllienne ont été estimées avec un chlorophylle-mètre
Minolta SPAD-502 sur la 4ème feuille entièrement déployée à partir du haut de la plante.
Ces lectures ont été prises le 19 juillet 2007, soit 52 JAP. Pour plus de constance de
manipulation, les lectures SPAD ont été toujours prises sur la foliole distale à la foliole
terminale. Douze lectures, soit une lecture sur chacun des douze plants qui ont servi
pour l’échantillonnage foliaire, ont été considérées pour calculer une moyenne
automatiquement par le SPAD-502 (Figure 14). Cette opération a été répétée 168 fois
pour couvrir tous les points géo référencés du champ considéré dans cette étude.
33
Figure 13. Équipements utilisés lors de l’échantillonnage de précision. (Crédit photo : Professeur Lotfi Khiari, FSSA, Université Laval).
Figure 14. Positions d’échantillonnage de la quatrième feuille (A) et lecture au chlorophylle-mètre SPAD sur le feuillet adjacent à la foliole terminale de la plus jeune feuille entièrement déployée. (A : Adapté de Zebath et al., 2007; B : adapté de Guénette, 2003).
34
2.6. Préparation des feuilles et analyse au laboratoire
L’ensemble des 168 échantillons composites des feuilles a été rapidement ramené au
laboratoire pour subir un léger lavage à l’eau déminéralisée puis un séchage à 65˚C et
ensuite un broyage à 0,5 mm. Les éléments nutritifs majeurs (P, K, Ca, Mg) ont été
extraits par digestion à l’acide perchlorique et nitrique (Barnishel et Bertsch, 1982) et
dosés ensuite selon la méthode au vanado-molybdate (Tandon et al., 1967) pour le
phosphore et par spectrophotométrie d’absorption atomique ou émission dans la
flamme pour les éléments (K, Ca, Mg). L’azote a été déterminé par combustion à l’aide
d’un analyseur LECO CNS-2000 (LECO Corporation).
2.7. Caractérisation du champ d’étude
Les indicateurs de la fertilité chimique du champ (P, K, Ca, Mg, Cu, Al, Fe, Zn, Mn)
ont été extraits selon la méthode Mehlich III, notée MIII (Mehlich, 1984). Le phosphore
a été dosé par colorimétrie et les autres éléments par spectrophotométrie d’absorption
atomique ou émission dans la flamme (Ziadi et Tran, 2006a). Le taux de matière
organique a été déterminé par la méthode Walkley-Black (Black, 1965; CPVQ, 1988a).
La conductivité électrique du sol CE1 :2 a été déterminé au laboratoire avec un rapport
sol-eau déminéralisée de 1 : 2 (CPVQ., 1988b). Le pH1 :1 du sol a été mesuré selon un
rapport sol-eau déminéralisée de 1:1 (Thomas, 1996). Le pH tampon a été mesuré selon
la méthode développée par Shoemaker et al., (1961) et décrite par Ziadi et Tran,
(2006b).
2.8. Analyses statistiques
Pour chaque point de la grille systématique, les données des coordonnées spatiales ainsi
que les analyses au laboratoire des échantillons de sol et des feuilles ainsi que les
lectures SPAD-52 ont été structurées dans un fichier dans le tableur Microsoft Office
Excel 2007 (© Microsoft 2009). Les analyses statistiques des données recueillies ont
été menées en sept étapes :
(i) Examens des distributions des fréquences et réalisation des tests de
normalité;
35
(ii) Calculs des différents indices nutritionnels et réalisation des
transformations pour déterminer les indices DRIS, CND-clr et CND-ilr
(Khiari et al., 2001c, Parents, 2011);
(iii) Calculs des coefficients de corrélation linéaire entre les valeurs des
lectures au SPAD-502, les valeurs des différents indices nutritionnels et
les mesures des niveaux de N, P, K, Ca et Mg foliaires;
(iv) Analyses et choix des indices nutritionnels qui ont présenté des
coefficients de corrélation élevés avec les lectures SPAD-502;
(v) Évaluations des semi-variances et choix des semi-variogrammes et
l'examen des différents paramètres du semi-variogramme à savoir la
constante pépitique (C0), la semi-variance totale (C0+C) et la portée (a0)
pour chacune des variables étudiées;
(vi) Interpolation spatiale par krigeage pour les lectures SPAD-502 et les
indices foliaires; et
(vii) La production de cartes thématiques de représentation spatiale.
Dans le but d’établir la relation des lectures SPAD des feuilles de pommes de terre au
stade début floraison en fonction de la balance nutritionnelle de la culture, nous avons
étudié les différentes corrélations entre cet indicateur SPAD (pris toujours comme
variable dépendante et comme critère de performance de la culture) et les variables
indépendantes des indicateurs de diagnostic foliaire quantitatif. Toutes les relations
entre les lectures SPAD d’une part et les différents indicateurs de diagnostic foliaire
d’autre part ont été étudiées. Ces indicateurs sont soit des concentrations foliaires des
éléments nutritifs majeurs N, P, K, Mg et Ca ou des indices transformés selon les 3
approches de DRIS, CND-clr et CND-ilr.
Le logiciel Office Excel 2007 (© Microsoft 2009) a servi pour les calculs des indices
nutritionnels et les réalisations les différentes transformations; de même que la
détermination des coefficients de corrélation. Le logiciel de géostatistique (GS+ 5.0;
Gamma Software Design, LLC., Plainwell, MI) a été utilisé pour analyser la structure
spatiale des données et pour définir les semi-variogrammes. La semi-variance a été
calculée sans transformer les données. Les paramètres statistiques descriptives :
moyenne, écart-type, coefficient de variation, coefficient d’aplatissement, coefficient
36
d’asymétrie, et le test de normalité ont été obtenus avec ce même logiciel GS+. Une
représentation schématique des étapes des analyses et des calculs effectués est
présentée dans la Figure 15.
Figure 15. Schéma de traitement des données compositionnelles et spatiales du champ de pommes de terre étudié.
37
Chapitre 3. Résultats et Discussions
3.1. Les conditions climatiques durant la saison culturale de 2007
Les précipitations ont été similaires à la normale de 30 ans pour le mois d’avril. Les
mois de mai, juin et juillet n'ont reçu respectivement que 15%, 66% et 83% des
précipitations normales. Les mois d'août, septembre et octobre ont reçu des
précipitations de 104%, 110% et 146% par rapport à la normale de 30 ans (Figure 16).
Les précipitations cumulées enregistrées durant la saison culturale de 2007 étaient à 88
% de la normale de 30 ans, entre 1970 et 2000 (Figure 16). La température moyenne
de la saison 2007 a été similaire ou légèrement supérieure à la normale de 30 ans. En
conclusion, la saison de culture 2007 était peu favorable pour la culture de pommes de
terre, essentiellement durant les mois de juin et de juillet vu le manque relatif de
précipitation.
38
Figure 16. (A) Précipitations mensuelles et (B) Températures moyennes durant la saison culturale de 2007, comparées aux normales de 30 ans (1970-2000) de la station météorologique de Normandin, Québec (http://climat.meteo.gc.ca/climate_normals/results_f.html?stnID=5926&proxSubmit=go&radius=25&proxSearchType=station&coordsStn=49.066667|-72.6|HEMON&dCode= ; visité le 14 novembre 2015).
58
8478
108
9487
6660
13
52
9098 96 97
0
20
40
60
80
100
120
Avril Mai Juin Juillet Aout Septembre Octobre
Pré
cip
ita
tio
n (
en
mm
)( A )
Précip.moy. 30 ans Précip.2007
39
3.2. Caractérisation physico-chimique du champ étudié
Le Tableau 9 présente les statistiques descriptives des résultats de caractérisation
physico-chimique du champ étudié. Le coefficient de variation (CV), couramment
utilisé pour décrire et comparer les propriétés du sol entre ou au sein des mêmes unités
spatiales (Cambouris et al., 2006) était faibles selon les critères de Wilding et Drees
(1983) pour pHSMP, CE, AlMIII et pHeau avec des valeurs respectives de 2,2 %, 2,3 %,
4,6 % et 5,8 %.
En ce qui concerne le pHeau et malgré son CV faible, il a montré une variation
considérable de l’appréciation de l’acidité des sols, vu qu’il est exprimé sur une base
logarithmique ; son CV est considéré important quand il dépasse 3 % (CEAEQ, 2014).
Pour Wollenhaupt et al. (1997), le pH du sol présente une variation spatiale avec un
coefficient de variation (CV) typique d'environ 10 %.
Les CV modérés (entre 15 et 35%) sont observés pour les teneurs en nitrates, PMIII,
KMIII, MgMIII et l’ISP. Seulement le CaMIII a présenté un coefficient de variation de 37,2
% et qui est considéré élevé selon la classification de Wilding et Dress (1983). Par
ailleurs, Cambouris et al., (2006) ont rapporté un coefficient de variation plus élevé
pour le phosphore (40,4 %) et une variabilité plutôt moyenne pour le calcium (32,4 %).
Le champ étudié montre une faible salinité, mais des teneurs moyennes en phosphore
assimilable PMIII et en calcium échangeable au-dessus des valeurs critiques
agronomiques pour plusieurs cultures au Québec (Pellerin, 2010). Cependant, la teneur
en magnésium échangeable extrait selon la méthode Mehlich III a montré une moyenne
plus faible que la valeur de 100 kg MgMIII ha-1, en dessous de laquelle on considère que
la fertilité magnésienne du sol est faible et qu’un amendement ou une fertilisation en
Mg est nécessaire, quelle que soit la culture (Rivest et al., 2010). L’indice de saturation
en phosphore (ISP)MIII est nettement en dessous de la valeur critique environnementale
de 15 % établie par Khiari et al., (2000) pour les sols de texture grossière de pommes
de terre. Tous ces éléments de diagnostic agronomique sont variables au sein du même
champ et cette variabilité est expliquée par les pratiques de fertilisation (azotée,
phosphatée ou potassique) et d’amendement calcique et magnésien.
40
Tableau 9. Statistiques descriptives des propriétés physico-chimiques ponctuelles (n=168 points d’échantillonnage) du champ étudié.
Propriété Unité n Minimum Maximum Moyenne Écart-type
CV (%)
CEz Nitrate-N
dS cm-1 kg ha-1
168 168
0,778 41
0,905 175
0,861 98
0,021 23,9
2,3 24,4
PMIII kg ha-1 168 65 416 234 70,3 30,0 KMIII kg ha-1 168 72 292 182 40,5 22,2 MgMIII kg ha-1 168 29 168 85 22,8 26,8 CaMIII kg ha-1 168 448 3031 1091 406,1 37,2 AlMIII kg ha-1 168 3927 4850 4365 201,6 4,6 (P/Al) MIII % 168 1,5 9,6 5,4 1,7 31,4 pHeau - 168 5,8 6,7 6,3 0,1 5,8 pHSMP - 168 4,4 6,0 5,1 0,3 2,2
z : CE : conductivité électrique du sol, MIII, éléments extraits au MehlichIII
3.3. La lecture au chlorophylle-mètre (SPAD-502)
Les lectures chlorophylliennes au SPAD effectuées sur les quatrièmes feuilles matures
de pommes de terre au stade début floraison ont présenté une moyenne de 44,4 avec un
CV de 5,46 % (Tableau 10). Comme pour le pH, le faible CV des lectures
chlorophylliennes pourrait ne pas montrer l’ampleur de la variation du statut
nutritionnel des plantes, car les lectures SPAD sont des rapports de transmittance
exprimée aussi sur une base logarithmique. Li et al. (2012) ont rapporté des valeurs de
lectures SPAD de 52,4 et 49,4 prises au niveau de la quatrième feuille à partir de l’apex
des plantes de pommes de terre respectivement aux stades initiation puis grossissement
des tubercules. Minotti et al. (1994) ont rapporté des valeurs critiques SPAD allant de
49 à 56 à 29 et 37 JAP, en fonction de l'année, le cultivar, et la localité. Gil et al. (2002)
ont trouvé que la valeur SPAD de 44,9 peut être considérée comme le seuil à cibler
pour le cultivar ‘Monalisa’. Busato et al. (2010) ont rapporté une variation des valeurs
seuils SPAD dans les feuilles de pommes de terre entre 35,76 à 52,22 et ont indiqué la
nécessité d'une normalisation selon le cultivar, l'âge de la plante et la position de la
feuille lors de la lecture des valeurs SPAD pour diagnostiquer le statut nutritionnel de
l'azote pour la culture de pommes de terre. Cependant, Guénette (2003) a rapporté que
le cultivar de pommes de terre ne semble pas avoir eu d’influence sur la lecture SPAD.
Dans notre cas d’étude, on assume que l’effet cultivar sur la lecture SPAD n’était pas
significatif. Cependant une prise espacée des lectures SPAD durant toutes les phases
de croissance des plants de pommes de terre aurait pu mieux valider ce constat.
41
53.4. L’analyse foliaire et les indices nutritionnels
Les statistiques descriptives des pourcentages de N, P, K, Ca et Mg sont présentées
dans le Tableau 10. Selon l’approche des intervalles critiques de suffisance du CRAAQ
(2010), on constate en moyenne un excès d’azote et de magnésium dans les feuilles
puisque leurs moyennes générales respectives de 6,7 % N, et de 0,59 % Mg sont
supérieures aux valeurs critiques d’excès (VCE) de 6 % N, et de 0,50 % Mg pour la
culture de pommes de terre. Cette même approche montre une carence générale du
champ en phosphore et en potassium, leurs concentrations foliaires respectives de
0,23 % P et de 3,88 % K sont inférieures aux valeurs minimales critiques (VMC)
adoptées au Québec et qui sont de 0,30 % P et 4,5 % K (Tableau 6). Le seul élément
de diagnostic foliaire qui reste dans son intervalle de suffisance est le calcium avec une
concentration foliaire générale de 1,42 % comprise entre 1,0 et 1,7 %. La tendance
centrale du champ montre donc un déséquilibre global entre les 5 éléments de
diagnostic foliaire avec des dispersions considérables de 13,5 à 20 % de variation
relative (Tableau 10). Pour vérifier la correspondance entre les variations mesurées sur
les indicateurs de diagnostic des sols et les variations sur les indicateurs foliaires, il est
important d’étudier leurs corrélations et leurs patrons de distribution spatiale.
42
Tableau 10. Statistiques descriptives (n = 168) des éléments nutritifs majeurs et des lectures chlorophylliennes à l’aide du SPAD-502 dans les feuilles de pommes de terre au stade début floraison.
Propriété Unité Minimum Maximum Moyenne Écart-type CV (%) Nz % 4,30 8,10 6,47 0,93 14,5
Py % 0,23 0,29 0,23 0,03 13,5
Ky % 2,83 5,65 3,88 0,62 16
Mgy % 0,33 0,88 0,59 0,11 20
Cay % 0,93 2,02 1,41 0,22 16
Lecture SPAD-502 - 40,4 50,4 44,3 2,42 5,5
z : N déterminé par la méthode (LECO, CNS2000). Y : P, K, Ca, Mg : extraits et dosés selon Barnishel et Bertsch (1982)
3.5. Les corrélations entre les lectures au SPAD et les indices nutritionnels
3.5.1. Corrélation entre les concentrations foliaires des éléments nutritifs
majeurs et les lectures SPAD
Les corrélations les plus élevées du SPAD sont observées quand on les relie aux deux
éléments foliaires P et N avec des coefficients de corrélation r respectivement de 0,613
et 0,517 (Tableau 11). Ces corrélations positives démontrent que les plantes de pommes
de terre sont d’autant plus vertes et plus photosynthétiques qu’ils sont bien alimentés
en N et en P. À ce stade, la culture manifeste un besoin plus accru en ces deux éléments.
On les appelle d’ailleurs éléments nutritifs de démarrage des cultures. Ils sont aussi
corrélés positivement entre eux (r=0,578), ce qui signifie une synergie entre N et P.
Pour répondre à ce besoin du début des cycles végétatifs, les engrais les plus utilisés
sont binaires à la fois azotés et phosphatés comme le MAP (phosphates mono
ammoniacales) et le DAP (phosphates bi ammoniacales), reconnus par leur effet de
démarrage surtout dans les régions nordiques à printemps froids.
La concentration de chlorophylle dans les feuilles est un important paramètre
fréquemment mesuré et considéré comme un indicateur de développement des
chloroplastes, de capacité photosynthétique et de concentration de l’azote dans des
feuilles.
43
Les trois autres éléments K, Ca et Mg ont présenté des coefficients de corrélation
faibles et négatifs avec les lectures SPAD (Tableau 11). Ce résultat fait croire en
l’existence d’un antagonisme entre les éléments de démarrage végétatif (N et P) et le
reste des éléments (K, Ca et Mg). C’est pourquoi il y a de l’intérêt à un diagnostic avec
des systèmes qui tiennent compte des interactions entre les éléments nutritifs dans les
échantillons de tissus comme le DRIS, le CND-clr et le CND-ilr.
À notre connaissance, seule la relation entre l’azote foliaire et le SPAD a été étudiée
par différents chercheurs. Toutefois, l’idée de considérer le SPAD pour analyser les
changements physiologiques des plantes est déjà suggérée par deux groupes de
chercheurs (Hawkins et al., 2009; Coste et al., 2010).
Tableau 11. Matrice de corrélation entre les cinq éléments nutritifs majeurs et les lectures chlorophylliennes au SPAD dans les feuilles de pomme de terre au stade début floraison.
Élément P K Ca Mg R SPAD N 0,578 0,283 -0,164 -0,050 -0,850 0,517 P -0,122 -0,042 -0,013 -0,379 0,613 K -0,075 0,085 -0,687 -0,316 Ca 0,053 -0,072 -0,225 Mg Rx
-0,199 -0,418 -0,160
X, R= 100 % - (N + P + K + Ca + Mg) %
3.5.2. Corrélation entre la lecture SPAD et les indices DRIS
Les plus fortes corrélations aux lectures SPAD sont observées avec les rapports
nutritifs (N/K), (Ca/K), (K/P), (Ca/P) et (Mg/P) démontrant que l’activité
photosynthétique dépend de l’interaction entre les éléments nutritifs majeurs (Figure
17). Quant aux indices nutritifs DRIS, la plus forte corrélation aux lectures SPAD est
observée avec l’indice IP qu’on peut interpréter comme une forte interaction entre le P
d’une part et les 4 autres éléments majeurs (N, K, Ca et Mg) dans l’activité
photosynthétique des plants de pommes de terre au début de leur cycle végétatif. Dans
ce sens, Coste et al. (2010) ont avancé qu’il serait possible d’utiliser le SPAD comme
outil pour évaluer les changements physiologiques dans le temps.
44
Figure 17. Corrélations entre les lectures chlorophylliennes au SPAD et les indices DRIS.
3.5.3. Corrélation entre la lecture SPAD et les indices CND-clr
Des valeurs positives sont enregistrées pour VN et VP (0,611 et 0,706 respectivement);
cependant les indices des trois cations ont présenté des valeurs négatives (-0,323; -
0,257 et -0,516 respectivement pour VK, VCa et VMg) (Figure 18). L’indice de
déséquilibre global CNDr2 a présenté une très faible corrélation positive de 0,26, ne
permettant pas aux lectures SPAD d’apporter un jugement fiable sur l’équilibre nutritif
global au démarrage de la culture de pommes de terre.
Figure 18. Coefficient de corrélation entre les lectures chlorophylliennes au SPAD et les indices CND-clr
-1
-0,5
0
0,5
1
Ca
/K
K/P
ca/P
Mg
/P
Img
Mg
/N IK Ica
Ca
/Mg
IGN
Mg
/K IN IP
N/K
Co
eff
icie
nt
de
co
rré
lati
on
Indice DRIS
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0,8
VMg IMg VK IK VCa VR5 IR5 ICa r2 VN IN VP IP
Co
eff
icie
nt
de
co
rré
lati
on
Indices CND-clr
45
3.5.4. Corrélation entre les lectures SPAD et les indices CND-ilr
Le plus fort lien relationnel aux lectures SPAD est observé avec l’indice CND-ilr qui
a mis en contraste les anions (N et P) versus les cations (K, Ca et Mg) avec un
coefficient de corrélation positive (0,77) et hautement significatif (p<0,01). Cette
procédure de CND-ilr est particulièrement intéressante dans le sens qu’elle a enlevé
toute sorte de redondance entre les comparaisons en imposant des contrastes
orthogonaux complètement indépendants. C’est ainsi qu’on a pu atteindre le plus fort
lien avec l’indicateur SPAD. Les autres ilr : ilr2 (N vs P), ilr3 (K vs Ca et Mg), et ilr4
(Ca vs Mg) étaient faiblement corrélés à l'indice SPAD (Figure 19) et ne permettant
pas un diagnostic fiable au démarrage de la culture, comme l’ilr1.
Figure 19. Coefficient de corrélation entre les lectures chlorophylliennes au SPAD et les indices CND-ilr.
3.5.5. Conclusion de l’étude des coefficients de corrélation entre les lectures
SPAD et les indices nutritionnels
L’étude des coefficients de corrélation entre les lectures SPAD et les différents indices
nutritionnels foliaires selon les quatre approches VMC, DRIS, CND-clr et CND-ilr a
révélé que le coefficient les plus élevé est obtenu avec l’approche CND-ilr en mettant
en contraste les anions versus les cations (N*P vs K*Ca*Mg), noté balance
nutritionnelle CND-ilr1 (Figure 20).
-0,05
0,06
0,30
0,77
-0,1
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
ilr(N/P) ilr(K/Ca*Mg) ilr(Ca/Mg) ilr(N*P/K*Ca*Mg)
Co
eff
icie
nt
de
co
rré
lati
on
(S
PA
D/i
lr)
Indices-ilr
46
Figure 20. Courbe de régression entre les lectures chlorophylliennes au SPAD et l'indice de la balance nutritionnelle CND-ilr1 de (N*P) vs (K*Ca*Mg).
Cette notion de balance statistiquement robuste, nous permet un meilleur diagnostic de
l’état nutritionnel des plants de pommes de terre à un stade végétatif où il est encore
possible d’intervenir avec une fertilisation de correction. Cette plus forte concordance
statistique entre l’indice SPAD et le CND-ilr1 doit faire l’objet d’une étude spatiale
pour montrer la fiabilité de l’indice SPAD dans la détection de déséquilibre nutritif des
plants dans un grand champ de pommes de terre.
3.6. Étude variographique du SPAD et de l'indice CND-ilr1
3.6.1. Étude variographique des lectures SPAD
L’étendue des SPAD est relativement faible entre 40,4 et 50,4 avec un coefficient de
variation aussi faible (5,4 %) témoignant d’une faible sensibilité de la lecture
chlorophyllienne (Tableau 12). L’histogramme de distribution des fréquences des
lectures SPAD (Figure 21) montre un décalage entre le mode et la moyenne affectant
ainsi la normalité de cette distribution. Aucune transformation n’a permis d’améliorer
la normalité du SPAD.
y = 9,5547x + 46,348
R² = 0,5901
y = 5,5824x2 + 11,761x + 46,354
R² = 0,6006
36,0
38,0
40,0
42,0
44,0
46,0
48,0
50,0
52,0
-0,80 -0,40 0,00 0,40
Lect
ure
s S
PA
D
Indice CND-ilr1 ((N*P vs K*Ca*Mg)
47
Tableau 12. Statistiques descriptives des lectures SPAD.
Élément Nombre observation
Minimum Maximum Moyenne Écart-Type
Coefficient Variation (%)
Coefficient d’aplatissement (Kurtosis)
Coefficient de symétrie (Skewness)
SPAD 163 40,4 50,4 44,4 2,4 5,4 -0,81(0,38) 0,44(0,19)
Figure 21. Courbe de la distribution des fréquences des lectures SPAD.
Le modèle topoprobabiliste théorique sphérique qui découle de l’analyse
variographique est bien ajusté au semi-variogramme expérimental (Figure 22). Il y a
un grand écart entre le palier exprimé par la semivraiance totale (C0 + C=6,859) et
l’effet de pépite (C0=0,01); démontrant une variabilité régionalisée beaucoup plus
marquée que celle due à l’erreur des lectures au SPAD. Ce modèle de la Figure 22
démontre une corrélation spatiale jusqu’à une grande portée de 280 m, en dessous de
laquelle l’interpolation spatiale est précise pour aboutir à des cartes fiables de gestion
de la fertilité du champ. D’ailleurs, l’étape de la validation croisée suivante permettra
de confirmer l’utilité du modèle spatial.
48
Figure 22. Semi-variogrammes expérimental et théorique des lectures SPAD mesurées sur la quatrième feuille des plants de pommes de terre au stade début floraison dans un champ de 54 hectares.
3.6.1.1. Validation croisée
Cette étape de la validation croisée traduisant la qualité de la régression entre les
valeurs réelles des lectures chlorophylliennes au SPAD mesurées au champ et celles
estimées par le modèle variographique démontre une assez grande fiabilité
d’estimation des lectures SPAD (Figure 23). Ainsi les points sont étalés autour de la
première bissectrice dont le coefficient de régression est de 1,015, très proche de 1, une
ordonnée à l’origine de -0,671 proche de 0 et un coefficient de détermination assez
élevé de 0,71. Cette bonne précision prédictive du modèle spatial nous permet d’obtenir
une image fidèle de la répartition spatiale des lectures chlorophylliennes dans le champ
de pommes de terre, pour conduire à un diagnostic de précision.
49
Figure 23. Modèle de la validation croisée de l’étude variographique du SPAD reliant les 168 lectures mesurées au champ d’étude de 54 ha et celles estimées par Krigeage.
3.6.1.2. Krigeage et interpolation spatiale des lectures SPAD
Partant d’un modèle spatial robuste (Figure 22), l’interpolation spatiale par krigeage
ordinaire a conduit à la carte de répartition des lectures SPAD sur l’ensemble du champ
de 54 ha de pommes de terre aussi bien dans les points mesurés que dans le reste du
champ. Les plus fortes concentrations chlorophylliennes sont observées dans une bande
d’une largeur approximative de 120 m (correspondante à trois pas d’échantillonnage),
de la partie médiane du champ longeant la diagonale nord-ouest (Figure 24). De part et
d’autre de cette bande, les lectures SPAD enregistrent des plus faibles valeurs, donc
des concentrations plus faibles en chlorophylle et une activité photosynthétique moins
prononcée. Ce patron chlorophyllien montre une très grande hétérogénéité spatiale du
comportement des plants de pommes de terre au sein du même champ. L’étude des
corrélations (Figure 20) propose d’investiguer la concordance spatiale entre la carte
SPAD et la carte CND-ilr1.
50
Figure 24. Carte thématique de répartition de la lecture SPAD sur la quatrième feuille des plants de pommes de terre au stade début floraison dans le champ d’étude de 54 h selon la méthode géostatistique d’interpolation par krigeage ordinaire.
3.6.2. Étude variographique de l’indice CND-ilr1
L’étendue des CND-ilr1 est entre -0,67 et 0,23 avec un coefficient de variation très
élevé (109,5% en valeur absolue) témoignant d’une grande sensibilité de cet indice
(Tableau 13). L’histogramme de distribution des fréquences des indices CND-ilr1 est
représenté dans la Figure 25. Par essais et erreurs, différentes transformations ont été
entreprises tels que la racine carrée, la racine cubique, le log normal et plusieurs autres
et aucune n’a donné une aussi bonne performance par rapport à la normalité que les
valeurs brutes non transformées du CND-ilr1. Il s’agit du premier postulat de l’étude
variographique se reposant sur la normalité de la population étudiée.
Tableau 13. Statistiques descriptives de l’indice nutritionnel CND-ilr1 (N*P vs K*Ca*Mg) du diagnostic foliaire au stade début floraison dans le champ d’étude de 54 ha.
Élément Nombre observation
Mini-mum
Maxi-mum
Moyenne Écart-Type
Coefficient Variation (%)
Coefficient d’aplatissement (Kurtosis)
Coefficient de symétrie (Skewness)
CND-ilr1 (N*P/K*Ca*Mg)
166 -0,67 +0,23 -0,21 0,23 (-109,5) -0,57(0,37) 0,12(0,19)
51
Figure 25. Courbe de la distribution des fréquences de l’indice nutritionnel CND-ilr1 traduisant le contraste orthogonal entre les éléments (N*P) vs (K*Ca*Mg) du diagnostic foliaire de pomme de terre au stade début floraison dans le champ d’étude de 54 ha.
Le modèle topoprobabiliste théorique sphérique qui découle de l’analyse
variographique est bien ajusté au semi-variogramme expérimental (Figure 26). Il y a
un grand écart entre le palier exprimé (C0 + C=0,0456) et l’effet de pépite (C0=0,0001);
démontrant une variabilité régionalisée beaucoup plus marquée que celle due à l’erreur
de l’indice CND-ilr1.
Figure 26. Semi-variogrammes expérimental et théorique de l’indice CND-ilr1 traduisant le contraste orthogonal entre les éléments foliaires (N*P) vs (K*Ca*Mg) du diagnostic foliaire de pommes de terre au stade début floraison dans le champ d’étude de 54 h.
52
Ce modèle de la Figure 26 démontre une corrélation spatiale jusqu’à une grande portée
de 270 m, en dessous de laquelle l’interpolation spatiale est précise pour aboutir à des
cartes fiables de gestion de la fertilité du champ. D’ailleurs, l’étape de la validation
croisée suivante permettra de confirmer la fiabilité du modèle spatial.
3.6.2.1. Validation croisée
Cette étape de la validation croisée, traduisant la qualité de la régression entre les
valeurs réelles des indices CND-ilr1 et ceux estimés par le modèle variographique,
démontre une assez grande fiabilité d’estimation des indices CND-ilr1 (Figure 27).
Ainsi, les points sont étalés autour de la première bissectrice dont le coefficient de
régression est de 1,009, très proche de 1, une ordonnée à l’origine de -0,68 proche de
0 et un coefficient de détermination assez élevé de 0,694. Cette bonne précision
prédictive du modèle spatial nous permet d’obtenir une image fidèle de la répartition
spatiale des indices CND-ilr1 dans le champ de pommes de terre, pour conduire à un
diagnostic de précision.
Figure 27. Modèle de la validation croisée de l’étude variographique de l’indice CND-ilr1 (N*P) vs (K*Ca*Mg) reliant les 168 lectures mesurées au champ d’étude de 54 ha et celles estimées par Krigeage.
53
3.6.2.2. Krigeage et interpolation spatiale
Partant d’un modèle spatial robuste (Figures 26 et 27), l’interpolation spatiale par
krigeage ordinaire a conduit à la carte de répartition des indices CND-ilr1 sur
l’ensemble du champ de 54 ha de pommes de terre aussi bien dans les points mesurés
que dans le reste du champ. Les indices CND-ilr1 les plus élevés sont observés dans la
même bande médiane du champ (Figure 28). De part et d’autre de cette bande, les
indices CND-ilr1 enregistrent de plus faibles valeurs, donc des combinaisons
d’antagonismes entre les éléments nutritifs majeurs exprimées par la relation entre les
anions et les cations. Ce patron de l’indice CND-ilr1 exprimant les relations de synergie
ou d’antagonisme entre les éléments N, P, K, Ca et Mg montre une très grande
hétérogénéité spatiale du comportement des plants de pommes de terre au sein du
même champ. Comme on peut le constater, la similitude entre ces deux indicateurs
SPAD et CND-ilr1 est très grande depuis l’analyse de la normalité, la vaiographie
expérimentale et théorique, la validation croisée jusqu’à l’élaboration des cartes
isolignes par krigeage. D’ailleurs, l’étude des corrélations entre SPAD et la carte CND-
ilr1 (Figure 20) et les deux cartes d’interpolation spatiale (Figures 24 et 28) propose
d’investiguer la concordance spatiale entre la carte SPAD et la carte CND-ilr1.
54
Figure 28. Carte thématique de répartition de l’indice CND-ilr1 traduisant le contraste orthogonal entre les éléments (N*P) vs (K*Ca*Mg) du diagnostic foliaire de pomme de terre au stade début floraison dans le champ d’étude de 54 ha selon la méthode géostatistique d’interpolation par krigeage ordinaire.
3.7. Concordance spatiale entre SPAD et CND-ilr1
Le premier postulat de l’étude variographique reposant sur la normalité de la population
étudiée a été vérifié. Il a été démontré que le CND-ilr1 a une meilleure normalité que
la lecture SPAD. Tandis qu’au niveau des deux semi-variogrammes, le SPAD et le
CND-ilr1 présentent une grande ressemblance de l’allure des modèles théorique avec
des portées très proches de 280 m et des coefficients d’ajustement proche de 1. L’étape
de la validation croisée a donné sensiblement les mêmes valeurs des paramètres du
pouvoir prédictif de répartition spatiale : même coefficient de régression et même
coefficient de déterminations pour SPAD que pour CND-ilr1.
Donc tous les paramètres variographiques choisis pour effectuer la comparaison ont
montré une parfaite ressemblance entre SPAD et CND-ilr1. Cette ressemblance s’est
illustrée par une presque parfaite transposition des deux cartes thématiques des
répartitions spatiales des lectures chlorophylliennes au SPAD (Figure 24) et celle de
l’indice CND-ilr1 du diagnostic foliaire quantitatif (Figure 28).
55
D’après ces deux cartes, on peut remarquer qu’il y a une grande hétérogénéité exprimée
au niveau du SPAD par des valeurs variant de 40 à 50. La bande médiane du champ
hautement chlorotique (SPAD élevé) a donné des indices CND-ilr1 élevés.
Malgré l’existence d’une grande variabilité dans le champ, les paramètres des semi-
variogrammes, des interpolations par krigeage et des modèles des validations croisées
nous ont permis de constater une grande correspondance et une grande concordance
spatiale entre l’indicateur semi-quantitatif des lectures SPAD et l’indice de la balance
nutritionnelle CND-ilr1 du diagnostic foliaire quantitatif dans le champ d’étude de 54
ha de pommes de terre.
56
Conclusion
Dans un champ de 54 ha en culture commerciale de pommes de terre échantillonné
intensivement selon une grille régulière, les analyses de plusieurs approches de
diagnostic spatial et compositionnel sur le sol et sur le statut nutritif des plants de
pommes de terre ont révélé les faits suivants :
• Les plants de pommes de terre sont d’autant plus verts et plus photosynthétiques
qu’ils sont bien alimentés en N et en P au démarrage de la culture. Il s’agit des
meilleures corrélations des concentrations foliaires en azote et en phosphore
avec l’indicateur chlorophyllien.
• Parmi cinq approches de diagnostic foliaire (VMC, CND-alr, CND-clr, CND-
ilr et DRIS), le contraste logarithmique entre les deux éléments nutritifs type
anioniques (N et P) versus les trois éléments type cationiques (K, Ca et Mg),
noté ilr1 est l'indicateur le plus fortement relié à la lecture SPAD (r = 0,77).
• L'étude géostatistique spatiale appliquée à l’indicateur CND-ilr1 a montré une
grande similitude entre le CND-ilr1 (traduisant le contraste entre les anions N
et P vs les cations K, Ca et Mg) et la lecture chlorophyllienne au SPAD. Ainsi,
les paramètres géostatistiques de semi-variogrammes (portée, C+C0, etc.), des
paramètres de la validation croisée et ceux du krigeage, ont révélé des grandes
concordances spatiales entre eux.
• L’indice nutritionnel CND-ilr1, régissant le ratio logarithmique entre les anions
(N et P) et les cations (K, Ca et Mg) a permis de révéler les zones où il y a eu
une bonne synergie entre ces éléments et les zones où s’est manifesté un
antagonisme.
• La superposition des deux cartes est quasi parfaite et démontre une procédure
fiable de diagnostic de précision permettant de distinguer entre les différentes
zones de démarrage végétatif allant d’une activité chlorophyllienne intense
(zone d’équilibre nutritif entre éléments de diagnostic N, P, K, Ca et Mg) à des
activités très faibles (zone de déséquilibre nutritif) au sein du même champ de
pommes de terre.
57
L’hypothèse de départ mentionnant que l’indicateur chlorophyllien de la lecture SPAD
permet un diagnostic rapide de l’état nutritif d’un champ de pommes de terre et son
hétérogénéité spatiale est confirmée. Cet indicateur SPAD de mesure facile et rapide
permet donc un diagnostic hâtif de démarrage de la culture de pommes de terre, où les
interventions de correction de débalancement entre les éléments fertilisants sont encore
possibles au stade de démarrage de la culture. Cette approche de diagnostic hâtif au
SPAD peut être préconisée pour moduler les apports des engrais de démarrage (N et P)
en fonction de l’hétérogénéité des champs.
58
Références bibliographiques
Arrouays, D., Vion, I., Jolivet C., Guyon, D., Couturier, A. et Wilbert, J. 1997. Variabilité interparcellaire de quelques propriétés des sols sableux de Landes de Gascogne (France). Conséquences sur la stratégie d’échantillonnage agronomique. Étude et Gestion des Sols, 4, 1, 1997, pages 5 16.
Barnishel, R. et Bertsh, P.M. 1982. Digestion with perchoric-nitric acids. Pages 279-280 dans Meth. S. Anal., C.A. Black (éd) Madison Wisconsin. Agronomy No. 9, Part 2.
Beaufils, E.R. 1973. Diagnosis and recommendation integrated system (DRIS): a general scheme of experimentation and calibration based on principles developed from research in plant nutrition. Pietermaritzburg, University of Natal. 132 pages (Soil Science Bulletin, 1)
Black, C.A. 1965. Methods of soil analysis, C.A. Black Ed. Madison Wisconsin. Agronomy No. 9, Part 2, Pages 1374-1375.
Bohling, G. 2005. Introduction to geostatistics and variogram analysis. Kansas Geological Survey. http://people.ku.edu/~gbohling/cpe940/Variograms.pdf (visité le 22 novembre 2015).
Busato, C., Fontes, P.C.R., Braun, H. et Cecon, P.R. 2010. Seasonal variation and threshold values for chlorophyll meter readings on leaves of potato cultivars. J. P. Nut., 33 : 2148–2156. Copyright C_ Taylor & Francis Group, LLC ISSN: 0190-4167 print / 1532-4087 online DOI: 10.1080/01904167.2010.519087. http://www.nutricaodeplantas.agr.br/site/downloads/clorofilometro_batata.pdf (visité le 28 décembre 2015).
Cahn, M.D., Hummel, J.W. et Brouer, B.H. 1994. Spatial analysis of soil fertility site-specific crop management. Soil Sci. Soc. Am. J.. 58: 1240-1248.
Cambardella, C.A., Moorman, T.B. Novak, J.M. Parkin, T.B. Karlen, D.L. Turco R.F. et Konopka A.E., 1994. Field-scale variability of soil properties in central Iowa soils. Soil Sci. Soc. Am. J., 58: 1501-1511.
Cambouris, A.N., Nolin, M.C., Zebarth, B.J. et Laverdière, M.R. 2006. Soil management zones delineated by electrical conductivity to characterize spatial and temporal variations in potato yield and in soil properties. Am. J. Potato Res. 83:381- 395.
Cameron, D.R., Nyborg, M., Toogood, J.A. et Laverty, D.H. 1971. Accuracy of field sampling for soil tests. Can. J.S. Sci. 51, 165-175.
Centre d’expertise en analyse environnementale du Québec (CEAEQ) 2014. Programme d’accréditation des laboratoires d’analyse, DR-12-SCA-02 Édition : 21 mars 2014. (http://www.ceaeq.gouv.qc.ca/accreditation/pala/dr12sca02_lignes_dir_micro.pdf, visité le 05/03/2016).
59
Centre de référence en agriculture et agroalimentaire du Québec (CRAAQ) 2010. Guide de référence en fertilisation, 2e édition. Code du produit : PSOL0101. Pages : 473 pages. ISBN : 978-2-7649-0231-8.
Coelho, A.M., Doran, J.W. et Schepers, J.A. 1999. Irrigated corn yield as related to spatial variability of selected soil properties. p. 441- 5-451. Dans: Proceedings of the Fourth International Conference on Precision Agriculture. ASA-CSSA-SSSA, 677 South Segoe Road, Madison, WI 53711, USA.
Conseil des Productions Végétales du Québec (CPVQ) 1988a. Détermination de la matière organique par incinération. Méthode MA-2. p1. Dans Méthodes d’analyse des sols, des fumiers et des tissus végétaux. AGDEX 533. Mise à jour 1993. Québec.
Conseil des Productions Végétales du Québec (CPVQ) 1988b. Détermination de la conductance d’un sol. Méthode CO-1. p1. Dans Méthodes d’analyse des sols, des fumiers et des tissus végétaux. AGDEX 533. Mise à jour 1993. Québec.
Corwin, D.L., Lesch, S.M., Shouse, P.J., Soppe, R. et Ayars, J.E. 2003. Identifying soil properties that influence cotton yield using soil sampling directed by apparent soil electrical conductivity. Agron. J. 95:352–364.
Coste, S., Baraloto, C., Leroy, C., Marcon É., Renaud A., Richardson A.D., Roggy J.C., Schimann H., Uddling J., Hérault B. 2010. Assessing foliar chlorophyll contents with the SPAD-502 chlorophyll meter: a calibration test with thirteen tree species of tropical rainforest in French Guiana. Ann. For. Sci. 67.
Donohue, S.J. 2002. Evaluation of soil nutrient variability for development of turfgrass soil test sampling methods. Communications in S. Sci. and P. Analysis vol. 33, n°. 15–18, pp. 3335–3345.
Egozcue, J.J. et Pawlowsky-Glahn, V. 2006. Simplicial geometry for compositional data. Pages 145-159 dans Buccianti, A. ; Mateu-Figueras, G. ; Pawlowsky-Glahn, V. (éd.). Compositional data analysis in the geosciences: from theory to practice. London: Geological Society (Special Publication, 264).
Egozcue, J.J. et Pawlowsky-Glahn, V. 2005. Groups of parts and their balances in compositional data analysis. Mathematical Geology, New York, v. 37, p. 795-828, 2005.
Egozcue, J.J., Pawlowsky-Glahn, V., Mateu-Figueras, G. et Barceló-Vidal, C. 2003. Isometric log-ration transformations for compositional data analysis. Mathematical Geology, New York, v. 35, p. 279-300.
Fageria N.K., and C.A. Jones. 2011. Growth and Mineral Nutrition of Field Crops. Virupax C. Baligar Hardcover, 536 Pages, Published in 2011, Third Edition. ISBN-10: 1-4398-1695-6/1439816956. ISBN-12: 978-1-4398-1695-0/9781439816950.
Fageria, N.K. 2009. The Use of Nutrients in Crop Plants. CRC. Press,. New.York. (http://caab.ctu.edu.vn/dabg/images/Tai_Lieu/TiengAnh/Use_of_Nutrients_in_Crop_plant.pdf ; visité le 07 février 2016).
60
FAO, 2007. Pertes et gaspillages alimentaires dans le monde (source-http://www.fao.org/docrep/016/i2697f/i2697f02.pdf). http://www.fpptq.qc.ca/modele.htm
Franzen, W.D. et T.R. Peck. 1995. Field soil sampling density for variable rate fertilization. J. Prod. Agric. 8:568–574.
Fu, W.J., Zhao. K., Jiang, P., Ye, Z. et Tunney, H. et Zhang, C. 2013. Field-scale variability of soil test phosphorus and other nutrients in grasslands under long-term agricultural managements. S. Res. 51, 503–512. (http://dx.doi.org/10.1071/SR13027)
Gamma Design Software, 2000. GS+ version 5.1, Plainwell, Ml .
Gianquinto, G., Goffart, J.P., Olivier, M., Guarda, G., Colauzzi, M., Dalla Costa, L., Delle Vedove, G., Vos, J. et MacKerron, D.K.L. 2004. The use of hand-held chlorophyll meters as a tool to assess the nitrogen status and to guide nitrogen fertilization of potato crop. Potato Res., 47, 35-80.
Gianquinto, G., Francesco Orsini F., Sambo P. et Paine D’Urzo, M. 2011.The use of diagnostic optical tools to assess nitrogen status and to guide fertilization of vegetables. Communication in HortTechnology June 2011 (21) 3. (http://horttech.ashspublications.org/content/21/3/287.full.pdf; revisité le 06 février 2016).
Gil, P. T., Fontes, P. C. R., Cecon, P. R. et Ferreira, F. A. 2002. SPAD index for nitrogen status diagnosis and potato yield prognosis. Horticultura Brasileira 20: 611–615.
Goffart, J.P., Abras M. et Ben Abdallah, F. 2013. Gestion de la fertilisation azotée des cultures de plein champ. Perspectives d’amélioration de l’efficience d’utilisation de l’azote sur base du suivi du statut azoté de la biomasse aérienne. Biotechnologie, Agronomie, Société et Environnement. Volume 17(2013). ISSN: 1370-6233. E-ISSN: 1780-4507 (http://popups.ulg.ac.be/1780-4507/index.php?id=9703, visité le 9 Novembre 2014).
Guénette, C. 2003. Évaluation du potentiel de l’infrarouge spectral pour la détection hâtive du stress nutritif chez les végétaux de grandes cultures. Application à la culture de pomme de terre. Programme de maîtrise en sciences géomatiques. Faculté de foresterie et de géomatique. Université Laval, Québec. 95 Pages. (http://theses.ulaval.ca/archimede/fichiers/21037/21037.html, visité le 06 février 2016).
Halvin, J.L., Beaton, J.D., Tisdale, S.L. et Nelson, W.L. 1999. Soil Fertility and Fertilizers. An introduction to nutrient management, 6th ed, New Jersey.
Hawkins T.S., Gardiner E.S., et Comer G.S., 2009. Modeling the relationship between extractable chlorophyll and SPAD-502 readings for endangered plant species research. J. Nat. Conserv. 17: 123–127.
Hernandez-Caraballo, E.A., Rod- Riguez-Rodriguez, O. et Rodriguez-Perez, V. 2008. Evaluation of the Boltzmann equation as an alternative model in the selection of the high-yield subsample within the framework of the compositional nutrient diagnosis system. Environmental & Experimental Botany, Elmsford, v. 64, n. 3, p. 225- 231.
61
Hochmuth, G., Maynard, D., Vavrina, C. et Simonne, E. 2004. Plant tissue analysis and interpretation for vegetable crops in Florida [Online]. Available by University of Florida, IFAS extension http://edis.ifas.ufl.edu/EP081 (consulté le 31-01-2016).
Hochmuth, G., Rice, R., et Simonne, E. 2012. Phosphorus management for vegetable production in Florida. HS105. http://edis.ifas.ufl.edu/hs105 (visité 05/04/2015)
Isaaks, E. H. et Srivastava, R. M. 1989. An Introduction to Applied Geostatistics. Oxford University Press. New New York, 561 pages. ISBN 0-19-505012-6, ISBN 0-19-505013-4.
Jones, W.W. 1981. Proposed modifications of the diagnosis and recommendation integrated system (DRIS) for interpreting plant analyses. Communications in S. Sci. P. Anal., New York, v. 12, p. 785-794.
Kariuki, S. K., Zhang, H. L., Shroder, J. L., Hanks, T., Payton, M. et Morris, T. 2009. Spatial variability and soil sampling. Communication in S. Sci. P. Anal., 40:9-10, 1674-1687.
Khiari, L., L.E. Parent, A. Pellerin, A.R.A. Alimi, C. Tremblay, R.R. Simard, et J. Fortin. 2000. An agri-environmental phosphorus saturation index for acid coarse-textured soils. J. Environ. Qual. 29 : 1561-1567.
Khiari, L., Parent, L.E. et Tremblay, N. 2001a. Selecting the high-yield subpopulation for diagnosing nutrient imbalance in crops. Agron. J. Madison, 93: 802-808.
Khiari, L., Parent, L.E. et Tremblay, N. 2001b. Critical compositional nutrient indexes for sweet corn at early growth stage. . Agron. J. 93: 809-814.
Khiari, L., Parent, E. P. et Tremblay, N. 2001c. The Phosphorus Compositional Nutrient Diagnosis Range for Potato. Agron. J. 93:815–819,
Khiari, L. et Lagha, H. (2010). L’analyse des plantes comme outil de gestion des fertilisants. Centre de référence en agriculture et agroalimentaire du Québec (CRAAQ). Guide de référence en fertilisation, 2e édition. Code du produit : PSOL0101. p. 219-249. ISBN : 978-2-7649-0231-8
Li, L., Yonglin, Q., Yanchun, L., Yuncai, H. et Mingshou, F. 2012. Leaf Positions of Potato Suitable for Determination of Nitrogen Content with a SPAD Meter. P. Prod. Sci., 15:4, 317-322. (http://dx.doi.org/10.1626/pps.15.317; Site visité le 17 janvier 2016).
Lofton, J., Weindorf, D.C., Haggard, B. et Tubana, B. 2010. Nitrogen Variability: A Need for Precision Agriculture. Agricultural Journal 5 (1): 6-11. ISSN: 1816-9155.
López-Granados, F., Jurado-Expósito, M., Álamo, S. et Garc´ıa-Torres, L. 2004. Leaf nutrient spatial variability and site-specific fertilization maps within olive (Olea europaea L.) orchards. Europ. J. Agronomy 21 (2004) 209–222. (http://gggj.ujaen.es/docs/eja2004Alamo.pdf).
Mallarino, A.P. et Wittry, D.J. 2004. Efficacy of grid and zone soil sampling approaches for site-specific assessment of phosphorus, potassium, pH, and organic matter. Precis. Agric. 5:131–144.
62
Martinez, D.E. et Guiamet, J.J. 2004. Distortion of the SPAD 502 chlorophyll meter readings by changes in irradiance and leaf water status. Agronomie 24 (2004) 41–46. © INRA, EDP Sciences, 2004 DOI: 10.1051/agro:2003060 (https://hal.archives-ouvertes.fr/file/index/docid/886241/filename/hal-00886241.pdf).
Matheron, G., 1967. Les variables régionalisées et leur estimation. Masson, Paris 600 pages.
Mehlich, A. 1984. Mehlich 3 soil extractant: A modification of Mehlich 2 extractant. Communications in S. Sci. P. Anal. 15:1409–1416.
Minotti, P.L., Halseth P.E. et Sieczka J.B.. 1994. Field chlorophyll measurements to assess the nitrogen status of potato varieties. HortScience 29:1497-1500.
Mueller, T.G., Pierce, F.J., Schabenberger, O. et Warncke, D.D. 2001. Map quality for Site-specific fertility management. Soil Sci. Soc. Am. J. 65:1547–1558.
Parent, L.E. 2011. Diagnosis of the nutrient compositional space of fruit crops. Rev. Bras. Frutic., Jaboticabal - SP, v. 33, n. 1, p. 321-334.
Parent L.E. et Dhafir M. 1992. A theoretical concept of compositional nutrient diagnosis. Jour‐ nal of the American Society for Horticultura Science 117: 239-242.
Pêches et Oceans Canada. 2000. (http://www.ccg-gcc.gc.ca/fra/GCC/ALN_Introduction_gps; site consulté le 08 Novembre 2015)
Peck, T.R. et Melsted, S.W. 1973. Field sampling for soil testing. Pages 67–75. dans L.M.Walsh and J.D. Beaton (éd.) Soil testing and plant analysis. (rev.) SSSA, Madison, WI.
Pellerin, A. 2010. Les grilles de référence. Chapitre 12, pages : 426-430. Centre de référence en agriculture et agroalimentaire du Québec (CRAAQ) 2010. Guide de référence en fertilisation, 2e édition. Code du produit : PSOL0101. Pages : 473 pages. ISBN : 978-2-7649-0231-8
Petersen, R. G., Lucas, H.L. et Woodhouse, W.W. 1956. The distribution of excreta by freely grazing cattle and its effect on pasture fertility, I: Excretol distribution. Agron. J. 48:440–444.
Raun, W. R., Solie, J. B., Johnson, G. V., Stone, M. L., Whitney, R. W., Lees, H. L, Sembiring, H. et Philips, S. B. 1998. Micro-variability in soil test, plant nutrient and yield parameters. S. Sci. Soc. Am. J. 62:683-690.
Raymond, R., Mailloux, A. et Dubé, A. 1965. Pédologie de la region du Lac-Saint-Jean. Ministère de l’agriculture et de la colonisation. Bulletin technique N° 6.
Rivest, R., Giroux, M., Guertin, S.P., Roy, D., Couture, C., Coulombe, J., caron, C., Leblanc, M. et Ferland, P. 2010. Le potassium, le calcium, le soufre, les éléments mineurs et les éléments traces métalliques. Chapitre 7, pages : 187-218. Centre de référence en agriculture et agroalimentaire du Québec (CRAAQ) 2010. Guide de référence en fertilisation, 2e édition. Code du produit : PSOL0101. Pages : 473 pages. ISBN : 978-2-7649-0231-8.
63
Schröder, J.J., Neeteson J.J., Oenema O. et Struik P.C., 2000. Does the crop or the soil indicate how to save nitrogen in maize production. Reviewing the state of the art. Field Crop Res. 66 : 151-164.
Shoemaker, H.E., McLean, E.O. et Pratt, P.F. 1961. Buffer methods for determining lime requirement of soils with appreciable amounts of extractable aluminum. Soil Sci. Soc. Am. Proc. 25:274-277.
Soil Quality Institute (SQI). 1998. Soil quality test kit guide. United States Department of Agriculture, Agricultural Research Service, Natural Resources Conservation service, Washington, D.C.
Sumner, M.E. 1982. The Diagnosis and Recommendation Integrated System (DRIS). Council on Soil Testing and Plant Analysis, Anaheim, CA.
Tandon, H.L.S., Cescas, M.P. et Tyner, E.H. 1967. An acid-free Vanadate-molybdate reagent for the determination of total phosphorus in soils. Soil Sci. Soc. Am. Proc. 32: 48-51.
Tarr, A.B., Moore, K.J., Dixon, P.M., Lee Burras, C. et Wiendenhoeft, M.H. 2003. Use of soil electroconductivity in a multistage soil-sampling scheme. Plant Management Network. (http://lib.dr.iastate.edu/cgi/viewcontent.cgi?article=1059&context=agron_pubs , consulté le 5 avril 2016).
Thomas, G.W. 1996. Soil pH and soil acidity. In Methods of soil analysis, part 3: Chemical methods. Madison, Wisc.: SSSA.
Trangmar, B.B., Yost, R.S. et Uehara, G. 1986. Application of geostatistics to spatial studies of soil properties. Adv. Agron. 38: 45–94.
Uddling, J., Gelang-Alfredsson, J., Piikki, K. et Pleijel H. 2007. Evaluating the relationship between leaf chlorophyll concentration and SPAD-502 chlorophyll meter readings. Photosynth. Res. 91: 37–46.
Vos, J. et Bom, M. 1993. Hand-held chlorophyll meter: a promising tool to assess the nitrogen status of potato foliage. Potato Res.. Volume 36, Issue 4, pp 301-308.
Walworth, J.L. et Sumner M.E., 1987. The diagnosis and recommendation integrated system (DRIS). Adv. S. Sci. 6: 149-188.
Wilding, L.P. et Drees, L.R.1983. Spatial Variability and Pedology. Pages 83-116 dans L.P. Wilding, N.E. Smeck et G.F. Hall, (éd.). Pedogenesis and soil taxonomy. I. Concepts and Interactions. Elsevier, Amsterdam.
Wollenhaupt, N.C., Mulla, D.J. et Gotway Crawford, C.A., 1997. Soil sampling and interpolation techniques for mapping spatial variability of soil properties. In: The State of Site-Specific Management for Agriculture, ASA-CSSA-SSSA, Madison, Wisconsin, USA, pp. 19-53.
Zebarth, B., Gilles Moreau, G. et Karemangingo C. 2007. Gestion de l'azote dans la pomme de terre : Analyse de la teneur en nitrate du pétiole. Fiche technique produite par l'équipe en charge du programme des gaz à effets de serre (GES).
64
(http://www.soilcc.ca/ggmp_fact_sheets/pdf/Potato_pnit_f.pdf; visité le 24 Avril 2016).
Ziadi, N. et Sen Tran. T. 2006a. Mehlich 3 Extractables Elements. Chapitre 7. p. 107-114. Soil Sampling and Methods of Analysis. Edited by M.R. Carter et E.G. Gregorich. Can. Soc. S. Sci.. 1262 pages. ISBN 9780849335860- CAT# 3586.
Ziadi, N. et Sen Tran. T. 2006b. Lime Requirement. Chapitre 12. p. 155-160. Soil Sampling and Methods of Analysis. Edited by M.R. Carter et E.G. Gregorich. Can. Soc. S. Sci.. 1262 pages. ISBN 9780849335860- CAT# 3586.
