ARTICLE
Auteur(s) : Michel Crétenet1,
Rabi H Mohtar2,
Ali Angokaï
Moussa3
1Centre de coopération internationale en recherche
agronomique pour le développement (Cirad), Unité de recherche
« Systèmes cotonniers en petit paysannat », TA 72/09,
Avenue Agropolis, 34398 Montpellier cedex 5
2Agricultural and Biological Engineering Department,
Purdue University, West Lafayette IN 47906 États-Unis
3Institut de recherche agricole pour le développement
(Irad), Centre de Maroua, BP 33, Maroua Cameroun
Le risque dans la prise de décision
Les décisions prises par les paysans africains producteurs de coton
sont d’ordre stratégique lorsque se posent en début de campagne
agricole les questions relatives à la définition de l’assolement, à
l’affectation des différentes cultures sur les différentes
parcelles de l’exploitation, à l’ordre de leur mise en place ou à
la prévision des itinéraires techniques propres à chacune d’entre
elles. À chacun de ces choix correspond une prise de risques
sur la capacité du système de production à subvenir aux besoins
alimentaires et monétaires de la famille vivant sur l’exploitation.
Ces risques sont très difficiles à évaluer et fortement déterminés
par les aléas pluviométriques durant la campagne agricole à venir.
L’aide proposée au paysan dans ses prises de décision d’ordre
stratégique se limite au conseil fondé sur de trop rares études
fréquentielles de la pluviométrie.
Les décisions d’ordre tactique que le paysan est ensuite amené à
prendre en cours de campagne concernent des techniques culturales
telles que le travail du sol, la date et la densité de semis,
l’application d’engrais (date, type et dose), le déclenchement d’un
traitement insecticide, etc. Les effets sur le rendement des
différentes techniques culturales retenues dans les décisions
successives au cours de la saison de culture sont en partie
déterminés par les événements pluviométriques qui interviendront
après ces choix. L’aide proposée par la recherche à ces prises de
décisions de type tactique, se réfère à de multiples
expérimentations multilocales et pluriannuelles. L’évaluation du
risque pris lors de ces choix techniques est essentiellement
intégrée dans les critères de l’analyse statistique classique des
résultats de ces expérimentations : risques de première et
seconde espèce à considérer telle technique supérieure à telle
autre dans telle zone. Cependant cette évaluation du risque ne peut
être appliquée à un site spécifique à cause d’un nombre à
l’évidence trop limité de résultats expérimentaux relatifs à chaque
situation culturale particulière, rendant inapplicables les outils
statistiques.
Nous proposons ici une approche méthodologique fondée sur
l’utilisation de COTONS®[1], un modèle mécaniste de
simulation de la croissance et du développement du cotonnier, pour
évaluer le risque lié à l’aléa pluviométrique dans la prise de
décision d’ordre tactique en culture cotonnière.
Un système générateur d’expérimentations
« virtuelles »
Le modèle COTONS®, dérivé du modèle américain GOSSYM
[2], simule à partir de données climatiques journalières
(rayonnement, températures, pluviométrie et vitesse du vent) et de
caractéristiques du sol (texture, teneurs en carbone et en azote),
la croissance et le développement du cotonnier en fonction de
l’itinéraire technique défini par la variété, la date et la densité
de semis et la fertilisation azotée. Ce modèle « plante »
est couplé à un modèle « insecte » SIMBAD [3, 4] qui
simule les dégâts de populations de chenilles carpophages définies
par l’espèce (cycle de développement, voracité et préférences
alimentaires) et les effectifs des chenilles à un moment du cycle.
Le système couplé COTONS-SIMBAD permet ainsi de simuler les
répercussions sur le rendement d’une « attaque » de
chenilles.
Quatre objets sont en comparaison dans les essais virtuels
simulés ; ils se définissent à partir d’un itinéraire
technique de référence (ITR) : variété MID correspondant à une
variété américaine de durée de cycle intermédiaire, semis précoce,
densité de semis 62 500 plants/ha (0,80 m interlignes et
0,20 m interplants), fertilisation azotée de 44 N/ha au
semis et 23 N/ha au 45e jour après la levée
(JAL), aucun traitement de contrôle de 3 attaques
d’Helicoverpa armigera (100 000 chenilles/ha au
1er stade larvaire) respectivement au
71e, 86e et 102e JAL. Le
deuxième itinéraire technique correspond à un apport supplémentaire
d’azote (ITR + N) de 25 N/ha au 64e JAL. Le
troisième objet de cette expérimentation virtuelle correspond à un
contrôle des attaques parasitaires (applications insecticides à
partir du 71e JAL) correspondant à une protection
phytosanitaire de la culture (ITR + PP). Le quatrième et dernier
objet associe complément azoté et protection phytosanitaire (ITR +
N + PP).
Ces quatre itinéraires techniques sont simulés pour chacune des
33 années climatiques enregistrées à Bobo Dioulasso de 1950 à
1985 (sauf années 1981, 1982 et 1983) et sur quatre types de sols
correspondant à différentes teneurs en argiles et sables
(tableau 1( Tableau 1 )) combinés à
trois niveaux de fertilité du sol correspondant respectivement pour
le sol peu fertile et très fertile à 0,5 et 1,5 fois les teneurs en
matière organique du sol (MOS) et en azote
(N_NO3- et N_NH4+)
retenues pour le sol à un niveau de « fertilité normale »
(tableau 2( Tableau 2 )). Ce sont
ainsi 396 « essais virtuels » (33 années*4
sols*3 niveaux de fertilité) comparant les quatre itinéraires
techniques décrits qui sont simulés dans cet exercice. Il s’agit
d’évaluer la sensibilité de la « réponse » du cotonnier
exprimée par les rendements, à la variabilité des conditions
édaphiques, climatiques et parasitaires imposées dans le
« dispositif expérimental virtuel ».
Tableau 1 Texture et caractéristiques hydrodynamiques
des quatre types de sols retenus dans l’analyse.Table 1.
Characteristics of the four soil textural types used in the
analysis.
|
S_16
|
S_25
|
S_34
|
S_42
|
|
Argile %
|
10
|
20
|
30
|
40
|
|
Sable %
|
60
|
50
|
40
|
20
|
|
Ksat cm/h a
|
63,6
|
18,8
|
8,2
|
6,4
|
|
Densité apparente a
|
1,55
|
1,43
|
1,35
|
1,27
|
|
% H2O à pF1 a
|
41,6
|
46,2
|
49,1
|
52,2
|
|
% H2O à pF2 a
|
31,1
|
35,4
|
39,4
|
450
|
|
% H2O à pF2.5 a
|
25,8
|
30,0
|
34,5
|
41,5
|
|
% H2O à pF3 a
|
20,5
|
24,6
|
29,6
|
37,9
|
|
% H2O à pF4.2 a
|
8,9
|
12,6
|
16,8
|
22,2
|
aEstimations par le modèle de Saxton [5].
Tableau 2 Teneurs initiales du sol utilisées dans les
simulations avec COTONS®.Table 2. Soil initial
conditions used in COTONS® simulations.
|
Niveau de fertilité « normale »
|
|
|
|
|
|
0-15 cm
|
19,18
|
2,13
|
0,62
|
80
|
|
15-30 cm
|
14,58
|
1,57
|
0,48
|
50
|
|
30-45 cm
|
14,14
|
1,57
|
0,46
|
50
|
|
45-60 cm
|
11,44
|
1,23
|
0,42
|
40
|
|
60-75 cm
|
9,76
|
1,12
|
0,37
|
40
|
|
75-90 cm
|
8,30
|
0,90
|
0,31
|
40
|
|
90-105 cm
|
6,84
|
0,79
|
0,25
|
30
|
Le risque de ne pas atteindre l’objectif de rendement
prévu
Dans l’application qui est faite ici de l’approche NAPRA (NAtional
Pesticide Risk Assessment) de l’United States Department of
Agriculture (USDA) [6, 7], le risque correspond à la probabilité de
ne pas atteindre un objectif de rendement fixé a priori.
Ainsi, pour chacun des quatre itinéraires techniques retenus, la
probabilité p de dépasser un rendement fixé correspond au rang de
ce rendement divisé par le nombre de simulations (n = 396), et le
risque évoqué vaut (1 – p). La ( figure 1 ) représente
la probabilité p pour chacun des quatre itinéraires techniques
définis dans le dispositif expérimental virtuel. Ainsi, pour un
objectif de rendement de 1 500 kg/ha par exemple, la
probabilité de dépasser ce niveau de rendement est pour ITR, ITR +
PP, ITR + N et ITR + N + PP respectivement de 0,60, 0,63, 0,72 et
0,90 ; ce qui, exprimé en terme de risque de ne pas atteindre
l’objectif de rendement fixé, correspond à respectivement
40 %, 37 %, 28 % et 10 %. Ainsi, pour
l’objectif de rendement retenu de 1 500 kg/ha, l’apport d’un
complément azoté permet de réduire le risque de ne pas atteindre
l’objectif de 12 %, la protection phytosanitaire seule ne
réduit le risque que de 3 %, alors que les deux interventions
culturales réalisées simultanément portent la réduction du risque à
30 %.
Les effets attendus d’un apport complémentaire d’azote
impliquent essentiellement le processus de croissance et concernent
donc principalement la composante « poids moyen
capsulaire » du rendement. La protection phytosanitaire cible
principalement les jeunes organes fructifères (boutons floraux et
jeunes capsules) qui sont préférentiellement attaqués ; de ce
fait les effets attendus d’une protection phytosanitaire concernent
principalement la composante nombre de capsules par plant. La
moindre efficacité de la protection phytosanitaire par rapport à
celle du complément azoté enregistrée en année climatique
« défavorable » (situations pour lesquelles le rendement
est inférieur à 1 500 kg/ha), suggère que, dans ces conditions
climatiques défavorables, la plante n’a pas le temps de
« compenser » la perte des jeunes fruits, alors que les
effets de l’azote sur la taille des capsules peuvent, eux,
s’exprimer avec des effets plus importants sur le rendement.
Construction de règles de décision antialéatoires
On se propose ici d’identifier au moment où doit se prendre une
décision d’ordre technique dans la conduite de la culture, quelles
« conditions » permettraient de présager un effet positif
« intéressant » de la technique culturale concernée. Les
variables d’état de la culture sont considérées dans la démarche
comme les critères potentiels pour la prise de décision. Les effets
attendus d’un apport complémentaire d’azote ou d’un programme de
traitements phytosanitaires sont une réduction du risque de ne pas
atteindre un objectif de rendement fixé a priori.
La nature des critères sur lesquels repose la décision résulte
de l’analyse des relations entre (i) les différentes variables
d’état de la culture au moment où est prise la décision
(64e JAL pour le complément azoté,
71e JAL pour le traitement insecticide) et (ii) les
rendements obtenus avec l’itinéraire technique de référence (ITR).
Ainsi comme l’indique le tableau 3( Tableau
3 ), les deux variables les mieux corrélées au rendement au
64e JAL, la hauteur des plants et le nombre de
sites fructifères par plant, seront retenus comme critères de la
décision pour l’apport d’un complément azoté. Pour le déclenchement
du programme de protection phytosanitaire, c’est le nombre de
capsules vertes au 71e JAL qui sera retenu comme la
variable la mieux corrélée au rendement.
Les figures 2,3 et 4 représentent sous forme de nuages de
points les régressions linéaires entre les variables d’états
« intermédiaires » retenues comme critères de décision et
le rendement final. Ces relations statistiques illustrent à un
moment donné du cycle de la culture, le processus d’élaboration du
rendement avec ses deux composantes : le poids moyen d’une
capsule comme résultante d’un phénomène de croissance et le nombre
de capsules par plant comme résultante d’un processus de
développement. L’apport complémentaire d’urée vise à améliorer
prioritairement le poids moyen capsulaire et la protection
phytosanitaire à augmenter le nombre de capsules par plant.
Les seuils pour ces critères, sur lesquels sont décidées les
interventions culturales sont dépendants de l’objectif de rendement
fixé a priori. Ainsi, pour un objectif de rendement visé de
1 500 kg/ha, tel que représenté sur les figures 2 et 3,
on retiendra comme valeurs en deçà desquelles un complément d’azote
est apporté 50 cm pour la hauteur des plants et 22 pour le
nombre de sites fructifères par plant. De la même façon (( figure 4 )), le
programme de traitements phytosanitaires sera déclenché au
71e JAL si le nombre de capsules vertes par plant
est inférieur à 4 à cette date.
La ( figure 5 ) illustre
les conséquences de l’application de ces règles de décision (RDD)
en termes de limitation des risques de ne pas atteindre l’objectif
de rendement fixé (1 500 kg/ha). Ainsi, le risque de ne pas
atteindre l’objectif passe de 40 % avec l’ITR à 34 % en
appliquant la RDD relative au complément azoté et à 20 %
lorsque l’on applique les 2 RDD. Les effets de l’application des
RDD sur la réduction des risques varient en fonction des niveaux de
rendement effectivement atteints que l’on peut qualifier
d’« objectifs de rendement a posteriori ». Cette
réduction du risque est maximale pour un rendement objectif
a posteriori de 1 400 kg/ha, avec un risque qui
passe de 37 % pour ITR à 24 % (réduction de 13 %) et
13 % (réduction de 24 %) respectivement avec
l’application de la RDD relative à l’azote et l’application des 2
RDD.
Tableau 3 Coefficients de corrélation entre variables
d’état de la culture à différentes dates (64e et
71e JAL) et rendement final.Table 3. Correlation
coefficients between final yield and selected crop state variables
used for the decision rules.
|
64e JAL
|
71e JAL
|
|
Hauteur des plants
|
0,88
|
0,79
|
|
Nombre de nœuds de la tige principale
|
0,81
|
0,75
|
|
Surface foliaire par plant
|
0,87
|
0,76
|
|
NAWF (Node Above White Flower)
|
0,80
|
0,69
|
|
Nombre de feuilles
|
0,86
|
0,78
|
|
Nombre de sites fructifères
|
0,88
|
0,80
|
|
Nombre de boutons floraux
|
0,87
|
0,71
|
|
Nombre de capsules vertes
|
0,81
|
0,81
|
|
Nombre de sites « abscissés »
|
0,88
|
0,62
|
Coût du risque
Si l’on assume la représentativité du jeu de variables en entrée
des modèles utilisés, notamment l’équiprobabilité de chaque
situation culturale (sol, climat, parasitisme), il devient possible
(i) d’évaluer le coût de la mise en œuvre, au niveau de la zone de
production, de chaque RDD à partir de la fréquence de déclenchement
des différentes RDD et (ii) de mettre en rapport ces coûts avec les
effets sur l’espérance de rendement et sur le risque de ne pas
atteindre un objectif de rendement. Ainsi, comme l’indique le
tableau 4( Tableau 4 ), l’apport
d’un complément azoté systématique seul (ITR + N) ou combiné à la
protection phytosanitaire (ITR + N + PP), laisse espérer des gains
de rendement (relativement à ITR) très nettement supérieurs à ceux
d’un apport azoté (ITR + RDD1) et d’une protection
phytosanitaire (ITR + RDD1+2), conditionnés par les
règles de décision. L’application de règles de décisions se traduit
en revanche par des écarts type plus faibles que l’on peut mettre
en relation avec une plus grande résilience des itinéraires
techniques correspondants. Le tableau 5( Tableau 5 ) présente l’évolution du risque de ne
pas atteindre l’objectif de rendement de 1 500 kg/ha, avec un
« coût » de mise en œuvre de la RDD relative au
complément azoté de (0,30 x coût de l’apport de
25 N/ha) du fait que 30 % des 396 situations
culturales répondent aux critères de la mise en œuvre de la
RDD1. De la même façon, le tableau 5 indique, pour
un « coût » de mise en œuvre successive des 2 RDD, à
savoir 0,30 N + 0,38 PP (38 % des situations sont
redevables de la mise en œuvre de la RDD relative à la protection
phytosanitaire), l’évolution des risques de ne pas atteindre les
différents objectifs de rendement a posteriori. Ces niveaux de
risques et les coûts associés aux RDD sont encadrés par ceux
obtenus sur l’ITR sans complément azoté ni protection
phytosanitaire et sur l’ITR + N + PP pour lequel le complément
azoté et la protection phytosanitaire sont systématiquement
appliqués. Il devient ainsi possible de décider d’une option
stratégique sur la conduite de la culture cotonnière en
connaissance des effets sur l’espérance de rendement, du coût de
l’option retenue et des risques de ne pas atteindre un objectif de
rendement donné.
Tableau 4 Espérance et écart type du rendement associés
aux RDD introduites dans l’itinéraire technique.Table 4. Yield
average and standard deviation according to crop management
sequences and decision rules application.
|
Rendement (kg/ha)
|
ITR
|
ITR + RDD1
|
ITR + N
|
ITR + RDD1+2
|
ITR + N + PP
|
|
Espérance
|
1 623
|
1 719
|
1 940
|
1 770
|
2 076
|
|
Écart type
|
486
|
391
|
504
|
347
|
462
|
Tableau 5 Évaluation des risques et des coûts associés,
de ne pas atteindre un objectif de rendement en fonction de
l’itinéraire technique et de l’application des règles de
décision.Table 5. Probability of exceedence for different yield
targets and the four crop management sequences along with
associated cost.
|
Risque de ne pas atteindre le rendement objectif
|
|
Rendement objectif
|
ITR
|
ITR + RDD1
|
ITR + RDD1+2
|
ITR + N + PP
|
|
1 500 kg/ha
|
40 %
|
34 %
|
20 %
|
10 %
|
|
1 400 kg/ha
|
37 %
|
24 %
|
13 %
|
3 %
|
|
1 300 kg/ha
|
23 %
|
13 %
|
5 %
|
1 %
|
|
1 200 kg/ha
|
19 %
|
7 %
|
3 %
|
0 %
|
|
« Coûts associés »
|
0
|
0,3 N
|
0,3 N + 0,38 PP
|
N + PP
|
En guise de conclusion
La méthode fréquentielle proposée pour évaluer le risque de ne pas
atteindre un objectif de rendement donné fait appel à un modèle
mécaniste capable de simuler la croissance et le développement du
cotonnier et à un modèle de simulation des dégâts occasionnés par
des attaques de chenilles du cotonnier, sous différents itinéraires
techniques et dans différentes conditions environnementales (sol,
climat). L’évaluation du risque porte sur des interventions
culturales dont la mise en œuvre est systématique ou conditionnée
par l’application de règles de décision fondées sur des états de la
culture. L’aide à la décision prend en compte aussi bien
l’espérance de rendement que le risque de ne pas atteindre un
objectif de rendement et le coût des différentes alternatives.
D’importants efforts de caractérisation des zones de production
cotonnière d’Afrique sur les conditions environnementales (sols,
climat, parasitisme) méritent d’être consentis, en complément aux
travaux de paramétrage et de validation des modèles utilisés, pour
rendre opérationnelle et fiable la démarche proposée.
Références
1 Jallas E, Cretenet M, Sequeira R, et al.
COTONS, une nouvelle génération de modèles de simulation des
cultures. Agric Dev 1999 ; 22 : 35-46.
2 Baulch PW, et al. GOSSYM-COMAX User’s Manual.
Starkville (Mississippi) : USDA-ES GOSSYM-COMAX Information
Unit, 1993.
3 Nibouche S, Martin P, Cretenet M,
Jallas E, Turner S. CotonSimbad System : modeling
feeding behavior of cotton bollworms for evaluation of crop pest
interactions. Proceedings Beltwide Cotton Conferences. Nashville,
TN. Memphis (Tennessee) : National Cotton Council, 2003.
4 Nibouche S, Beyo J, Brévault T, et al.
Cotton bollworm economic injury level based on crop model
predictions : another use for COTONS Model. Proceedings World
Cotton Research Conference – 3, March 9-13, 2003, Cape Town, South
Africa. Washington (DC) : International Cotton Advisory
Committee (ICAC), 2003.
5 Saxton KE, et al. Estimating generalized soil-water
characteristics from texture. Soil Sci Soc Am J 1986 ;
50 : 1031-6.
6 Bagdon JK, Plotkin S, Hesketh ES. NAPRA
Technology Transfer Overviews : Introduction. USDA Report.
Washington (DC) : United States Department of Agriculture
(USDA), 1994.
7 Engel B, Managuerra H. A www-based hydrologic and
pesticide movement risk analysis system. Proceedings of the
International Conference on Geospatial Information in Agriculture
and Forestry, Lake Buena Vista, Florida. 1998.
|
Printable version
Version PDF
