Cartographie de la réponse du sorgho à la fertilisation microdose au Burkina Faso sur base de données géospatiales en vue de définir des zones de recommandation

Details

Supervisors

Bielders, Charles ; Ouedraogo, Yacouba

Faculty

Faculté des bioingénieurs

Degree label

Master [120] : bioingénieur en sciences et technologies de l'environnement, à finalité spécialisée

Abstract

Dans l’optique d’améliorer les rendements agricoles des pays en développement, la fertilisation microdose (FM), consistant à appliquer de petites doses d’engrais au pied des plantules, a été développée en Afrique subsaharienne. Il a été démontré que la réponse des cultures à cette technologie, à l’instar de nombreuses nouvelles technologies agricoles, peut être extrêmement variable, avec pour conséquence de freiner le développement de celle-ci. Dans le but de caractériser cette variabilité, plusieurs méthodes ont pu être testées. Cependant, les résultats ne permettent une compréhension qu’à très petite échelle à l’heure actuelle (de l’ordre de la parcelle), rendant ainsi les résultats difficilement extrapolables. Dès lors, l’utilisation de données géospatiales apparait comme intéressante du fait de l’uniformité, de la répétabilité et du caractère systématique et synoptique des observations. L’objectif de ce mémoire est donc de définir sur base de données géospatiales des domaines de recommandations biophysiques pour que les performances de la FM en matière de rendement et de rentabilité économique soient acceptables et ce pour la province de l’Oubritenga (Burkina Faso). Pour ce faire, 86 variables matricielles susceptibles d’expliquer la réponse du sorgho à la FM ont été extraites et des statistiques (valeurs moyennes, médianes et moyennes rééchantillonées) ont été calculées pour chacune des parcelles pour lesquelles des données de réponses de rendement sont disponibles. Ces dernières proviennent d'essais agronomiques antérieurs conduits sur 178 parcelles durant trois ans. Ces statistiques et les données de réponses de rendement ont été compilées pour construire des modèles de régression linéaire multiple ainsi que de régression Random Forest. Au final, l’indice ferreux, la densité de carbone organique et la masse volumique du sol ont été retenus pour construire le meilleur modèle (menant au BIC le plus faible) via une régression linéaire basée sur les valeurs médianes. Cependant, seule 16% de la variance est expliquée par ce modèle. De plus, celui-ci n'est pas sensible aux extrêmes. Les valeurs prédites par le modèle se situant en dessous de 400 kg ha-1 et au-dessus de 800 kg ha-1 risquent par conséquent d’être particulièrement biaisées. Concernant les modèles de régression Random Forest, aucun d'eux n’a montré une performance suffisante, qui justifierait leur utilisation. Le "meilleur" modèle a cependant permis de créer une carte de domaines de recommandation pour la province de l'Oubritenga. En conclusion, ces résultats nécessitent d'être approfondis en travaillant avec d’autres données géospatiales et/ou d’autres méthodes de prédiction.