ARTICLE
Auteur(s) : Abdoulaye
Ndour1, Moustapha
Gueye1, Gilles
Pereau3, Pierre Martin2,3, Pascal ClouvelPascal
Clouvel3,3
1Société de développement et des fibres textiles
(Sodefitex), Km 4,5, Boulevard du Centenaire de la Commune de
Dakar, BP 3216, Dakar, Sénégal
2Centre de coopération internationale en recherche
agronomique pour le développement (Cirad), 34398 Montpellier cedex
2, France
3ITK, Société de développement et de diffusion de
systèmes d’aide à la décision pour l’agriculture, 5, rue de la
cavalerie, 34000 Montpellier, France
Entre aléas climatiques récurrents, incertitudes sur le prix de
vente des produits et organisation du travail à l’échelle de
l’exploitation agricole, les producteurs africains sont confrontés
à des arbitrages quotidiens en matière de conduite culturale. C’est
le cas en particulier des engrais, le plus souvent disponibles en
quantité limitée du fait de leur coût, et dont l’application fait
l’objet de choix entre cultures, d’une part, et entre parcelles de
la sole cotonnière, d’autre part [1]. Au Sénégal oriental ou en
Casamance par exemple, certains producteurs appliquent l’engrais
ternaire (NPK) sur les parcelles les moins fertiles et réservent
l’urée aux parcelles régulièrement amendées par les troupeaux
bovins [2]. Compte tenu des interactions entre fertilité du sol,
quantité d’engrais apportée, calendrier cultural et conditions
climatiques, les dispositifs expérimentaux classiques ne permettent
pas de quantifier l’effet de ces pratiques sur le rendement de la
culture cotonnière. Le recours aux outils de simulation peut en
revanche les prendre en compte. Pour le cotonnier, la référence en
matière de modèle destiné à la quantification des pratiques à
l’échelle de la parcelle est GOSSYM [3], modèle développé à l’usage
des producteurs nord-américains. De même que PNUTGRO pour
l’arachide [4], GOSSYM appartient à la famille des modèles
complexes dont l’emploi requiert une connaissance précise des
caractéristiques du milieu. Or, dans les pays africains, les
données climatiques requises comme la température de l’air, le
rayonnement et la vitesse du vent sont difficilement accessibles au
pas de temps quotidien et il serait trop onéreux d’envisager le
recours à des analyses physico-chimiques des sols pour l’ensemble
des parcelles. D’autres modèles plus simples à mettre en œuvre
existent à l’exemple des modèles développés sur arachide [5] ou sur
mil [6]. Ces modèles s’adressent toutefois à l’évaluation de la
production à une échelle régionale et ne conviennent donc pas à la
simulation du rendement à l’échelle de la parcelle.S’il est vrai
que les données requises pour lancer une simulation sont difficiles
à réunir, il n’en demeure pas moins que celles-ci, relatives aux
conditions de développement de la culture dans un milieu connu,
font écho à une expertise du technicien. Les questions se posent
alors de la capacité de l’outil de simulation à agréger cette
expertise et à satisfaire à l’attente des techniciens. Ces
questions, à l’interface entre la recherche et le développement,
ont fait l’objet d’une étude conduite au Sénégal par la Société de
développement et des fibres textiles (Sodefitex) en collaboration
entre le Centre de coopération internationale en recherche
agronomique pour le développement (Cirad) et le Centre national
d’études agronomiques des régions chaudes (Cnearc). L’objectif de
l’article est de décrire la démarche utilisée pour mettre au point
l’outil de simulation. Celle-ci comporte trois phases : le
diagnostic sur la demande ; la proposition de solutions
techniques pour mettre au point un outil de simulation adapté aux
conditions de culture sénégalaises et à l’agrégation de
l’expertise ; et le test de la version expérimentale proposée
(COTONS®-Sénégal).
Diagnostic
Cette étape a pour objet de confronter le fonctionnement et la mise
en œuvre de la version standard de COTONS®[7] à son
usage dans le cadre de l’étude. Dans cette version, les fonctions
physiologiques utilisées sont celles de GOSSYM telles que décrites
par Hodges et al. [3]. Ces fonctions comportent des paramètres
destinés à rendre compte de la variabilité de fonctionnement
induite par les caractéristiques génétiques des variétés cultivées.
Comme l’ensemble des modèles de simulations mécanistes, GOSSYM
fonctionne sur la base du bilan entre la demande en carbone des
organes en croissance et l’offre fournie par la photosynthèse. Il
se distingue toutefois des autres modèles par l’emploi d’un modèle
de développement et de morphogenèse pour simuler la demande à
l’échelle de l’organe. Dans COTONS®, cette
fonctionnalité de GOSSYM est utilisée pour construire
l’architecture 3D d’un plant moyen et la visualiser. Grâce à
ces fonctions, l’évaluation d’une simulation ne porte pas
uniquement sur le rendement final mais également sur les états de
croissance observés au cours du cycle : nombre de nœuds de la
tige principale et développement des ramifications secondaires pour
les parties végétatives, nombre et âge des fruits pour les parties
fructifères.
Inventaire des données disponibles
Climat
Le bassin de production cotonnière s’étend au sud du Sénégal entre
12,05° et 14,05° de latitude Nord et 11,2 et 16,1° de longitude
Ouest (( figure
1 )). La pluviosité fait l’objet d’un suivi régulier de la
part de l’encadrement de la Sodefitex, et des enregistrements sont
donc disponibles au niveau de chaque village. Ce n’est
malheureusement pas le cas des autres variables, uniquement
disponibles au niveau des stations météorologiques de Tambacounda
au nord de la zone cotonnière et Kolda au sud pour les années 1950
à 1980.
Durant cette période, la pluviosité a connu une forte tendance à
la baisse sur l’ensemble du bassin cotonnier. Depuis quelques
années, cette tendance s’inverse sensiblement au sud et au centre
de la zone (Velingara) et, dans une moindre mesure, au nord. La
variabilité explorée sur les deux stations de 1950 à 1980 se situe
entre 500 et 1 600 mm de pluviosité annuelle, ce qui permet de
couvrir la gamme actuellement observée sur l’ensemble du bassin
cotonnier sénégalais.
Données agronomiques de référence
Les données proviennent des observations réalisées au cours de six
campagnes d’expérimentation successivement conduites par l’Institut
sénégalais de recherche agronomique (Isra), puis par la Sodefitex
entre 1991 et 2003. Deux variétés sont actuellement
cultivées : Isco PG dans les zones à faible pluviosité, et
Stam 42 dans le reste du bassin cotonnier. Stam 42 et
Stam F qu’elle a remplacée depuis 1995 sont les variétés les
mieux renseignées dans la base de données des résultats
expérimentaux. Pour ces deux variétés, la base de données décrit
175 situations de culture (31 pour Stam 42 et 144 pour
Stam F) dont la gamme de rendement va de 300 à
3 150 kg/ha pour des pluviosités annuelles comprises entre 620
et 1 710 mm. Les dates de semis s’échelonnant du
1er au 30 juillet, alors que la saison des
pluies est déjà bien installée, la base de données permet surtout
d’explorer une variabilité d’alimentation hydrique de la floraison
à la fin du cycle de la culture. Les observations réalisées sont
décrites dans le tableau 1( Tableau 1
).
Tableau 1 Données agronomiques enregistrées dans la
base de données expérimentales.Table 1. Contents of the
experimental database.
|
Variété
|
Site
|
Année
|
Pluie (mm)
|
1re pluie (1)
|
Semis
|
|
|
Suivi (3)
|
Coton-graine (kg/ha)
|
|
Stam 42
|
Koussanar
|
1999
|
936
|
15/6
|
20/7
|
V
|
20
|
P C
|
1 900-2 400
|
|
Dialacoto
|
1999
|
1 010
|
15/6
|
20/7
|
V
|
20
|
P C
|
1 900
|
|
2003
|
1 218
|
8/6
|
4/7
|
F3
|
40
|
P C
|
750-1 000
|
|
2003
|
1 218
|
8/6
|
8/7
|
W
|
20
|
P
|
1 500-1 900
|
|
Dabo
|
1999
|
1 318
|
15/5
|
20/7
|
V
|
50
|
P C
|
850-1 900
|
|
2003
|
1 100
|
8/6
|
27/6
|
F3
|
50
|
P C
|
2 750-3 150
|
|
2003
|
1 100
|
8/6
|
11/7
|
W
|
50
|
C
|
1 400-1 800
|
|
2003
|
1 100
|
8/6
|
1/7
|
V
|
50
|
P
|
1 350
|
|
Stam F
|
- Koussanar
- (Sinthiou Malème)
|
1991
|
621
|
15/6
|
19/7
|
F1
|
0-40
|
C
|
950-1 950
|
|
1992
|
734
|
15/5
|
15-30/7
|
F2
|
0-60
|
C
|
1 300-2 350
|
|
1993
|
645
|
25/5
|
15-30/7
|
F2
|
0-60
|
C
|
950-1 250
|
|
1994
|
933
|
25/5
|
1/7
|
F2
|
0-80
|
C
|
1 200-2 100
|
|
Velingara
|
1991
|
715
|
15/6
|
9/7
|
F1
|
0-40
|
C
|
850-1 700
|
|
1992
|
892
|
10/6
|
20/7
|
F2
|
0-60
|
C
|
300-700
|
|
1993
|
754
|
25/5
|
30/7
|
F2
|
0-60
|
C
|
650-1 100
|
|
1994
|
1 008
|
25/5
|
1-10/7
|
F2
|
0-80
|
C
|
450-1 750
|
|
Kolda
|
1991
|
767
|
15/6
|
20/7
|
F1
|
0-40
|
C
|
550-1 250
|
|
1992
|
1 316
|
15/6
|
25/7
|
F2
|
0-60
|
C
|
400-850
|
|
1993
|
1 126
|
10/6
|
20/7
|
F2
|
0-60
|
C
|
800-1 150
|
|
1994
|
1 149
|
10/6
|
1-5/7
|
F2
|
0-80
|
C
|
700-1 100
|
Options de modélisation
Dans les modèles simples cités en introduction, la biomasse est
distribuée entre types d’organes (feuilles, tiges, racines et
fruits) selon des règles d’allocation évolutives en fonction du
stade de développement de la plante et le sol est considéré comme
un réservoir dans lequel les racines sont distribuées de façon
homogène. Dans COTONS®, le fonctionnement du sol et le
développement des racines sont assurés par le modèle RHIZOS [8] qui
simule la disponibilité spatiale en eau et en azote dans le sol.
Chaque option de modélisation présente des avantages et des
inconvénients par rapport aux usages faits des modèles. L’avantage
de disposer d’une représentation 3D en regard d’observations
réalisées à la parcelle a déjà été signalé précédemment. En
contrepartie, le fonctionnement de RHIZOS requiert une connaissance
précise des caractéristiques du sol et de leur distribution
spatiale que la simple expertise n’est pas en mesure d’apporter.
Dans les modèles simples au contraire, l’accès aux variables de
croissance des parties aériennes n’est pas évident du fait du
regroupement des organes par type. En revanche, la représentation
du sol permet l’exercice d’une expertise sur l’état hydrique de la
culture en relation avec celui du sol et la profondeur
d’enracinement [9].
Domaine de validité de GOSSYM
Développé à l’usage des agriculteurs nord-américains, GOSSYM simule
de façon satisfaisante la croissance de cotonniers cultivés dans en
conditions d’agriculture intensive. Ces conditions diffèrent
sensiblement de celles du Sénégal où les producteurs conduisent la
culture en condition pluviale, à faible densité de peuplement et
utilisent peu d’engrais minéraux. Ce mode de fonctionnement n’est
pas sans incidence sur la modélisation. Ainsi, cultivé à faible
densité, le cotonnier émet des ramifications secondaires
particulières, les branches végétatives, dont la production peut
atteindre 30 % du rendement de la parcelle. Ces ramifications
n’apparaissent pas, ou tardivement, en conditions de forte densité
et participent à la production pour une part négligeable. Leur
développement est mal représenté dans GOSSYM. Par ailleurs, dans
RHIZOS, un des « moteurs » de croissance des racines est
l’azote disponible dans le sol. Or, non seulement la cinétique de
minéralisation de la matière organique (MO) est difficilement
modélisable en conditions tropicales [10], mais dans le cas étudié,
la teneur en MO du sol et sa distribution dans le profil sont
inconnues.
Solutions techniques proposées
Les solutions proposées consistent à développer une version
expérimentale de COTONS® adaptée à une mise en œuvre à
partir de l’expertise mobilisable au Sénégal. Les données
expérimentales ne permettant pas d’explorer l’effet de la densité,
le domaine de validité de cette version expérimentale est
circonscrit à la densité de 5 plants/m2.
Adaptations du modèle
Dans le modèle de morphogenèse décrit en [11], l’émission des
branches végétatives intervient au moment de l’apparition du
premier bouton et leur développement est considéré comme synchrone
de celui de la tige principale. À dire d’expert, cela semble
également être le cas au Sénégal, avec toutefois des différences
marquées sur le nombre de nœuds des branches fructifères selon
qu’elles sont portées par la tige principale ou les branches
végétatives. Dans la version proposée, ces ramifications se
développent comme des tiges principales et participent à la fois à
l’activité photosynthétique et à la demande des organes en
croissance au niveau de la plante entière.
Afin de contourner le problème d’emploi de RHIZOS, une
représentation, empruntée aux modèles simples, considère le sol
comme un réservoir à deux compartiments [12]. La profondeur du
compartiment supérieur augmente avec la progression du front
racinaire selon une fonction linéaire du temps. L’état hydrique du
sol est exprimé en pourcentage de remplissage du réservoir
supérieur ou fraction d’eau transpirable du sol (FTSW, Fraction of
transpirable soil water). Cette variable varie de 0 au point
de flétrissement permanent à 1 à la capacité de rétention au
champ. Les résultats obtenus sur cotonnier, décrits par Lacape et
al. [13], indiquent que la transpiration est affectée par l’état
hydrique du sol dès que la FTSW devient inférieure à 0,3. En
deçà de cette limite, la transpiration diminue de façon linéaire
jusqu’à s’annuler au point de flétrissement permanent. La même
allure est observée pour l’expansion foliaire, mais cette fois pour
des valeurs de FTSW inférieures à 0,7. D’après les travaux
décrits par Gérardeaux [14], les mécanismes d’expansion cellulaire
observés sur les entre-nœuds présentent une allure similaire à
celle observée sur les feuilles. La même relation est donc
appliquée pour moduler la vitesse d’émission (expansion cellulaire
intra-bourgeon) et l’allongement des entre-nœuds en fonction de
l’état hydrique du sol.
Pour l’azote, se posent deux problèmes non réglés par l’adoption
d’une représentation du sol à deux compartiments. Parmi les
fonctions qu’il assure, RHIZOS simule la minéralisation de la
matière organique et l’infiltration de l’eau de pluie dans le sol
et ses conséquences sur la lixiviation de l’azote minéral. Compte
tenu des imprécisions inhérentes à l’information fournie par
expertise, il n’a pas été jugé utile de proposer un autre modèle.
Dans l’option proposée, le modèle de sol à deux compartiments
pilote le fonctionnement hydrique de la plante et en particulier
ses réactions physiologiques en conditions de moindre disponibilité
hydrique, dont l’impact sur la croissance racinaire. Par ce biais,
il conditionne donc également le fonctionnement de RHIZOS pour la
simulation de l’azote disponible dans le sol.
Domaines d’exercice de l’expertise
Paramètres variétaux
Pour décrire le comportement d’une variété particulière, GOSSYM
utilise 33 paramètres. Les modifications apportées sur la
représentation du sol et l’impact de sa teneur en eau sur le
fonctionnement de la plante permettent de désactiver 11 de ces
paramètres. Pour les autres, il est proposé de référer le
comportement de la variété à paramétrer à celui d’un type
approchant déjà renseigné dans COTONS®. Ces types se
distinguent en particulier par le caractère plus ou moins déterminé
de leur croissance, en relation avec la répartition de la biomasse
entre organes dont les feuilles (SLA, Specific leaf area = surface
foliaire spécifique). À l’intérieur d’un type,
11 paramètres ont été considérés comme spécifiques d’une
variété donnée (tableau 2( Tableau
2 )), les autres étant considérés comme invariant à
l’intérieur d’un type.
Tableau 2 Paramètres définissant le comportement
particulier d’une variété au sein d’un type variétal donné.Table 2.
List of parameters used to define a specific genotype behaviour
within a varietal type.
|
Fonction
|
Ajustement
|
N°
|
IRMA 1243
|
STAM 42
|
|
Phénologie
|
Date d’apparition du premier bouton
|
0
|
0.9
|
0,5
|
|
”
|
Durée bouton-fleur
|
11
|
1
|
1,2
|
|
”
|
Durée fleur-déhiscence de la capsule
|
13
|
1,1
|
1,2
|
|
Architecture
|
Longueur des entre-nœuds
|
4
|
2,3
|
1,55
|
|
Rythme
|
Émission des boutons sur les rameaux fructifères
|
6
|
1,5
|
1,9
|
|
”
|
Émission des entre-nœuds de la tige principale
|
14
|
1,3
|
1,25
|
|
Croissance
|
Allocation de biomasse aux feuilles
|
18
|
1,8
|
0,78
|
|
”
|
Allocation de biomasse aux fruits
|
23
|
1,8
|
1,9
|
|
”
|
Masse potentielle de la capsule (g)
|
32
|
6,5
|
6,5
|
|
Physiologie
|
Sénescence foliaire
|
40
|
1
|
1,5
|
|
Stress
|
Stade limite d’abscission des fruits (j)
|
19
|
7
|
9
|
Plante
Compte tenu des incertitudes sur leurs déterminants, les
nombres potentiels de branches végétatives par plant et de nœuds
par branche fructifère sont soumis à l’expertise de l’utilisateur
qui en fixe les valeurs a priori. Pour la vitesse de progression du
front racinaire, les références décrites par Dardanelli et al. [15]
sont adoptées, soit une progression linéaire 1,1 cm par jour à
partir de la levée. La profondeur maximum d’enracinement est
établie par expertise de l’utilisateur.
Sol
COTONS® propose un modèle de pédotransfert [16]
permettant d’accéder à la réserve en eau du sol et à la
conductivité hydraulique à saturation à partir de la texture. La
carte pédologique dressée par Maignien en 1965 donne une idée
générale des types de sols du bassin cotonnier et de leur texture.
À l’échelle de la parcelle, les sols font l’objet d’une
distinction vernaculaire précise selon leurs textures et couleurs
en relation avec leur position topographique et une aptitude à
produire [2]. Dans des conditions comparables, des valeurs moyennes
d’analyse ont pu être établies au Cameroun [17], correspondant à
des sols pauvres, moyennement fertiles et fertiles. À défaut
de données spécifiques au Sénégal, ces valeurs sont proposées pour
caractériser les sols selon trois classes d’aptitude, pour des
cultures « standard » de cotonnier.
Climat
La ( figure 2 )
montre la relation existant entre la température moyenne
journalière et la pluviosité durant la saison des pluies pour les
deux sites confondus entre 1950 et 1980 (R2 =
0,56). Pour valoriser l’interaction entre ces deux variables, il
est proposé de référer la température journalière d’une année non
renseignée à celle d’une année type, homologue sur le plan de la
date d’installation de la saison des pluies et de la pluviosité ((
figure 3 )). Le
rayonnement journalier, calculé à partir de la durée d’insolation
et la vitesse du vent ne présentent pas d’évolution remarquable en
relation avec la pluviosité. Leurs niveaux variant peu en relation
avec la situation géographique et la pluviosité, une valeur médiane
quotidienne de ces variables est adoptée quels que soient les sites
et années.
Test des solutions proposées
Cette partie décrit les modalités de la mise en œuvre des
propositions pour le calibrage des variétés utilisées et les tests
d’aptitude du modèle à simuler les interactions entre fertilisation
azotée et pluviosité. Dans les simulations, les climats ont été
reconstruits comme décrit plus haut et la texture des sols fournie
par la carte de Maignien (1965), la profondeur maximum du front
racinaire est de 100 cm et les nombres potentiels de branches
végétatives par plant et de branches fructifères portées par les
branches végétatives sont respectivement fixés à 3 et 3.
Calibrage variétal
Les paramètres régissant la phénologie et les rythmes de croissance
potentiels sont établis en situation de fonctionnement sans stress
hydrique (pluviosité favorable et bon niveau de rendement). La
variété de référence choisie est IRMA 1243 originaire du
Cameroun, représentant le type communément cultivé en Afrique, à
croissance indéterminée. Le paramétrage de Stam 42 a été
réalisé sur l’essai variétal mené à Dabo en 1999. La pluviosité est
celle observée sur le site et la température celle de l’année de
référence 1964 à Kolda (( figure 3 )). Le sol
correspond à une situation fertile et la teneur en eau initiale du
sol fixée arbitrairement à 80 % de la réserve. La ( figure 4 )
(A2 et A3) montre les résultats de la
simulation à l’issue des ajustements successifs réalisés sur le jeu
réduit de paramètres (tableau 2). Pour approcher du nombre de
capsules/plant observé et alors que la phénologie et les rythmes
d’émission simulés correspondaient avec les observations, il a
fallu procéder à des ajouts virtuels d’azote. Sur la ( figure 4 )-A1,
on constate que l’infléchissement de la croissance intervient alors
que l’indicateur d’état hydrique du sol (FTSW) présente une valeur
supérieure à 0,8. Ce résultat confirme que le paramétrage du
modèle de développement est bien réalisé en conditions
d’alimentation hydrique non limitante. À titre de validation
du paramétrage réalisé en conditions d’alimentation hydrique non
limitante, l’aptitude du modèle à reproduire les observations a été
vérifiée avec succès sur huit situations contrastées couvrant la
gamme de rendements de 750 à 2 750 kg/ha.
La variabilité climatique explorée sur Stam 42 ne
permettant pas de tester le modèle en condition de stress hydrique,
les tests ont dû être réalisés sur Stam F. Les informations
fournies par Bèye [18] permettent d’avancer l’hypothèse d’un
comportement proche de celui de Stam 42, dont elle se
distingue toutefois par la qualité de ses fibres. Le même jeu de
paramètres a donc été adopté pour les deux variétés. La situation
de Vélingara 1992 a été choisie pour tester le comportement du
modèle en situation de stress hydrique. Pour reproduire le nombre
de capsules/plant dans ce cas (( figure 4 )-B3),
le nombre de jours après la floraison à partir duquel un fruit
n’est plus susceptible d’abscission (paramètre 19) a été porté
à 9 jours.
Test de COTONS®-Sénégal
Ce travail a été réalisé à partir de l’ensemble des situations
disponibles sur Stam F (tableau 1). Le comportement des témoins
sans engrais permet d’appréhender l’aptitude du sol à fournir de
l’azote sur chacun des essais. Ces témoins ont donc été utilisés
pour identifier les classes de fertilité convenant le mieux à la
situation simulée entre sols pauvres, moyennement fertiles et
fertiles. Dans les simulations effectuées, il n’a pas été réalisé
d’apport virtuel d’engrais et les résultats traduisent donc bien la
réponse du modèle à la fertilisation azotée pratiquée, en
interaction avec la pluviosité enregistrée. Sur la ( figure 5 ), les résultats
des simulations sont présentés en fonction des observations et les
points de chaque essai reliés par un trait. De manière générale, la
pente des segments s’éloigne peu de 1 et on peut dire qu’en
regard des incertitudes inhérentes à la méthode, le modèle rend
relativement bien compte du résultat des apports d’azote sur le
rendement.
Conclusion et perspectives
Les résultats obtenus montrent que la mise en œuvre de l’expertise
du technicien permet de lever les difficultés d’utilisation des
modèles de simulation de la croissance des cultures dans les
conditions où les données requises pour les faire fonctionner ne
sont pas complètes. Pour ce faire, le modèle « standard »
a dû être adapté au prix d’une mobilisation de connaissances en
écophysiologie et en programmation informatique hors du domaine de
compétences de l’encadrement d’une société de production. En ce
sens, ce document illustre bien la nécessité pour la recherche de
considérer l’usage dans la mise en forme des connaissances sous
forme de modèle. Par rapport à l’objectif de la Sodefitex, ce
travail constitue une étape dans la mise au point d’un outil
destiné au conseil agricole. Ainsi, le modèle expérimental établi
n’a pas été testé en conditions de sécheresse de début de cycle et
reste à valider sur une gamme étendue de densités de peuplements.
Par ailleurs, la diversification prévisible des sources
d’approvisionnement en matière de semences et de variétés conduit à
préciser la notion de type variétal utilisé pour limiter le nombre
de paramètres nécessaires au calibrage d’une variété. Enfin, un
effort de recherche reste à porter sur la construction de
l’expertise concernant l’aptitude des sols à produire en relation
avec les pratiques en matière de fertilisation organique et les
performances de production enregistrées les années précédentes.
Références
1 Dounias I. Modèle d’action et organisation du travail pour la
culture cotonnière : cas des exploitations agricoles du bassin
de la Bénoué au Nord Cameroun. Thèse de doctorat de l’Institut
national agronomique de Paris-Grignon (Ina-PG), Paris, 1998.
2 Pereau G. Modèles de conduite technique et modèle
d’élaboration du rendement, outils pour la conception d’itinéraires
techniques. Cas de la culture cotonnière au Sénégal. AGIR -
Agronomie et innovation en milieu rural. Montpellier : Centre
national d’études agronomiques des régions chaudes (Cnearc),
2005.
3 Hodges HF, Whisler FD, Bridges SM,
Reddy KR, McKinion JM. Simulation in Crop
Management : GOSSYM/COMAX. In : Peart B,
Curry RB, eds. Agricultural systems modeling and simulation.
New York : Marcel Dekker, Inc., 1998.
4 Boote KJ, Jones JW, Hoogenboom G,
Wilkerson GG, Jagtap SS. "PNUTGRO" v. 1.02. Peanut Crop
Growth Simulation Model. User’s Guide. Gainesville (Florida) :
University of Florida, 1989.
5 Hammer GL, Sinclair TR, Boote KJ,
Wright GC, Meinke H, Bell MJ. A Peanut Simulation
Model : 1. Model Development and Testing. Agron J 1995 ;
87 : 1085-93.
6 Sultan B, Baron C, Dingkuhn M, Sarr B,
Janicot S. Agricultural impacts of large-scale variability of
the West African monsoon. Agric For Meteorol 2005 ; 128 :
93-110.
7 Jallas E. Improved model-based decision support by modeling
cotton variability and using evolutionary algorithms. PhD
Dissertation, MSU, Mississippi, 1998.
8 Boone MYL, Porter DO, McKinion JM. (1991). RHIZOS 1991 :
a simulator of row crop rhizospheres. ARS-113. Springfield
(États-Unis) : US Department of Agriculture, Agricultural
Research Service, 1991.
9 Clouvel P, Martin P, Lecoeur J, Mohtar RH. Development of
common language to allow technical exchange among crop model users.
Proceedings of the Beltwide Cotton Conferences, National cotton
council of America, Nashville, 2003.
10 Pansu M, Sallih Z, Bottner P. Modelling of
soil nitrogen forms after organic amendments under controlled
conditions. Soil Biol Biochem 1998 ; 30 : 19-29.
11 Hanan JS, Hearn AB. Linking physiological and
architectural models of cotton. Agric Sys 2003 ; 75 :
47-77.
12 Sarr B, Lecoeur J, Clouvel P. Irrigation
scheduling of confectionary groundnut (Arachis Hypogeaea L.) using
a simple water balance model. Agric Water Manage 2004 ;
67 : 201-20.
13 Lacape MJ, Wery J, Annerose DJM. Relationships
between plant and soil water status in five field-grown cotton
(Gossypium hirsutum L.) cultivars. Field Crops Res 1998 ;
57 : 29-43.
14 Gérardeaux E. Mise au point d’un indicateur a posteriori du
vécu hydrique du cotonnier. DEA de l’Institut national agronomique
de Paris-Grignon (Ina-PG), Paris, 1999.
15 Dardanelli JL, Bachemeier OA, Sereno R,
Gil R. Rooting depth and soil water extraction patterns of
different crop in silty loam halustoll. Field Crops Res 1997 ;
54 : 29-38.
16 Saxton KC. Estimating generalized soil-water
characteristics from texture. Soil Sci Soc Am J 1986 ;
50 : 1031-6.
17 Crétenet M, Martin P, Mohtar RH. Risk assessment in
decision-making using the COTONS model. Proceedings of the world
cotton research conferences-3 : Rustenburg, Afrique du Sud,
ARC-IIC. World Cotton Research Conference. 3, 2003/03/09-13, Cape
Town (Afrique du Sud), 2003.
18 Bèye AM. Programme pluridisciplinaire de recherche sur
le coton. Génétique et amélioration variétale. Rapport annuel,
campagne 1991/1992. Paris : Centre de coopération
internationale en recherche agronomique pour le développement
(Cirad)-Cultures annuelles, 1993.
|
Printable version
Version PDF
