MAHHA, Y

ROYAUME DU MAROC
INSTITUT AGRONOMIQUE ET VETERINAIRE HASSAN II

RABAT
MEMOIRE DE TROISIEME CYCLE

Pour l’obtention du Diplôme d’Ingénieur d’Etat en Agronomie
Option : Science du Sol
Application du modèle DSSATv4 par un essai densité de semis * variétés d’automne de blé
et d’orge dans la région semi- aride du Maroc (Settat)
Présenté et soutenu publiquement

Par
Mr. Mahha Younes
Devant le jury composé de :
Pr. M. Tayaa (IAV Hassan II) Président

Pr. M. NAIMI (International Fertiliser Development Rapporteur
Center)
Pr. T. AMEZIANE (IAV Hassan II) Examinateur
Mr. H. Boulal INRA (Settat) Examinateur
Le 23 septembre 2005
Institut Agronomique et Vétérinaire Hassan II

B.P. 6202-Institut, 10101 Rabat
Tél : 037 77 58/59/45 ou 77 07 92 Fax : 037 77 81 35 ou 77 58 38
Sommaire 2004 /2005
REMERCIEMENT
Qu’il me soit permis d’exprimer ma profonde gratitude à

Monsieur le professeur MUSTAPHA NAIMI, je vous remercie
pour tout l’intérêt que vous avez porté à mon travail, votre
présence, vos conseils avisés et votre gentillesse.
J’exprime aussi ma reconnaissance à Mr M. BOUTFIRASS et Mr

H. BOULAL pour leurs conseils et leurs recommandations qui
m’ont été fructueux.
A Mr.Bouziane, et à travers vous, tous le personnel de la

station expérimentale de Sidi El Aidi
Je remercie également Pr.M.Tayaa qui préside cette

soutenance ainsi j’exprime ma gratitude à tous les membres
de jury qui m’ont honoré en acceptant de juger ce travail.
A tous ceux qui ont contribué de près ou de loin à la
réalisation de ce travail.
2
Sommaire 2004 /2005
Résumé
Dans cette étude nous avons essayé d’appliquer et valider le modèle DSSAT v4 par
un essai interaction densité de semis et quelques variétés de blé et d’orge. Pour réaliser cet
objectif trois densités de semis : (250 graines/m², 350 graines/m², 450 graines/m²) ont été
testé sur deux variétés de blé tendre (Achtar, Rajae), deux variétés de blé dur
(Karim,Tomouh), et deux variétés d’orge (Massine, Oussama).
Pour le rendement et ses composantes, l’analyse statistique des données a montré
que ces dernières n’ont pas été affectés par les densités de semis utilisés dans cette essai
sauf le nombre de pieds par m² alors que les variétés ont affectés significativement le
nombre d’épis /m² et le rendement grain dans le cas du blé dur, en effet la variété
Tomouh a augmenté le rendement grain de 25% par rapport à la variété Karim. Dans le
cas du blé tendre la croissance s’est arrêtée au stade début épiaison à cause de la
sécheresse. Ces résultats peuvent être biaisé à cause des conditions climatiques très
sévères qu’a connu cette campagne agricole.
En ce qui concerne le modèle DSSATv4, ce dernier a tendance à sous-estimer la
biomasse aérienne et à surestimer le rendement grain. Pour les composantes de
rendements le modèle à surestimer le nombre de grains par m² dans le cas du blé dur et à
sous estimer le Poids de milles grains dans le cas de l’orge, par contre dans le cas du blé
dur le modèle à surestimer le poids de mille grains. Quant à la prédiction des stades
phénologiques, dans le cas du blé dur le modèle a retardé de 15 jour la date de l’anthèse,
et de 8 jours la réalisation de la maturité physiologiques. Par contre Dans le cas de l’orge
le modèle a eu une déviation de l’anthèse de 7 jours, par contre le modèle a enregistré une
grande déviation de la maturité physiologique de l’ordre de 27 jours. Concernant l’indice
foliaire le modèle à soue estimer considérablement ce paramètre pour le blé et l’orge.
Mots -Clés : Densité de semis, Variétés de céréales, DSSAT, Rendement, Simulation.
3
Sommaire 2004 /2005
Abstract:
In this survey we tried to apply and validate the DSSAT v4 model by a test interaction
density of seedling and some varieties of wheat and barley. to achieve this objective three
densities of seedling: (250 graines/m²s, 350 graines/m²s, 450 graines/m²s) have been
tested on two varieties of tender wheat (Achtar, Rajae), two varieties of hard wheat
(Karim,Tomouh), and two varieties of barley (Massine, Oussama).
For the grain yield and his components, the statistical analysis of data showed that these
last have not been affected by densities of seedling except the number of feet by m²
whereas varieties affected the number of ears /m² and also the grain yield. Indeed in the
case of the durum wheat the Tomouh variety increased the grain yield of 25% in relation
to the Karim variety, In the case of tender wheat the growth stopped in the beginning
stadium of spiklet. These results can be wrong because of the very stern climatic
conditions that knew this agricultural year.
With regard to the DSSATv4 model, this last has tendency to underestimate the aerial
biomass and to overestimate the grain yield. For the components of yield the model
overestimate the number of grains by m² in the case of the durum wheat, and appraise the
weight of 1000 grains in the case of barley, on the other hand in the case of the durum
wheat the model overestimate the one thousand grain weight. As for the prediction of
phonological stadiums in the case of the hard wheat the models delayed of 15 day the date
of anthesis, and 8 days the realization of the physiological maturity. On the other hand In
the case of barley the model has a deviation of anthesis about 7 days on the other hand the
model recorded a big deviation of the physiological maturity about 27 days. Concerning
the leaf index area the models underestimate this parameter considerably for wheat and
barley.
KEYS-WORDS: Density of seedling, Varieties of cereals, DSSAT, Output,
Simulation
4
Sommaire 2004 /2005
RESUME
ABTRACT
REMERCIEMENT
liste des figures : .............................................................................................................................1
Liste des tableaux :.........................................................................................................................2
Introduction générale : ..................................................................................................................3
I- Elaboration du rendement des céréales d’automne ................................................................5
I .1 -LE CYCLE DE DEVELOPPEMENT DU BLE : ................................................................................................ 5
1-1. Les principales phases du développement de blé :…………………………………… 6
A- La période végétative………………………………………………………..............6
B- La période reproductive……………………………………………………………...7
C- La période de maturation. ……………………………………………………………7
1-2 Les composantes de rendement du blé……………………………………… …......7
1.2-1- Le nombre d’épis par m². ........................................................................................................................................9
1.2-2 -Le nombre de grains par épi :.................................................................................................................................10
1.2-3-le poids de mille grains. ..........................................................................................................................................10
1.2- 4- Le nombre de grains par m². .................................................................................................................................10
II- Effets de la densité de semis sur le rendement du blé : .......................................................10

II-1 Notion de densité optimale :................................................................................................10
II-2 Effet de la densité de semis sur le rendement grain : ..........................................................11
II-3 Effet des densités de semis sur les composantes de rendements.........................................12
III- Impact du déficit hydrique sur l’élaboration du rendement.............................................14
III-1L’effet de la contrainte hydrique sur la plante et rendement……………………………… 15
III-1 Effet sur les composantes du rendement……………………………………………………16
III-1-1 : SUR LE NOMBRE DE PLANTE/M² (LEVEE)………………………………………………………………… 16
III-1-2 : SUR LE NOMBRE D’EPIS /M² :…………………………………………………………………………… 16
III.1-3 : SUR LE NOMBRE DE GRAINS PAR EPI :…………………………………………………………………… 17
III-1.4. SUR LE POIDS DU GRAIN :……………………………………………………………………………… 17
IV- Effet du stress thermique sur les céréales…………………………………… 18

IV-1. L’effet du froid sur le développement et la croissance des céréales …………………… 18.
IV-2 L’effet des hautes températures sur la croissance et le développement des céréales. …… 18
2-1 Impact des températures élevées sur les rendements des céréales………………………19
2-2 Effet du stress thermique sur les composantes du rendement …………………………..20
.2 -1 EFFETS SUR LE POIDS DES GRAINS ……………………………………………………………………...20
2-2 EFFETS SUR LE NOMBRE D’EPIS…………………………………………………………………………..21
V- Les modèles de cultures :........................................................................................................21

V-1-Principe général des modèles de fonctionnement des cultures :.........................................22
5
Sommaire 2004 /2005
V-2-Les approches de conception des modèles de cultures:......................................................23

V-3. La construction et le développement des modèles de simulation : ....................................23
V. 4- Les contraintes d’utilisation des modèles de cultures :.....................................................24
V-5 Les différents types de modèles :........................................................................................24
1) Le modèle CERES .......................................................................................................................................................26
2) Le modèle SIMITAG : .................................................................................................................................................28
V .6 - L’évolution des modèles mécanistes: ..............................................................................29
V. 7-L’intégration des SIG dans les modèles de cultures : ........................................................30
VI- Présentation générale du DSSAT : (Decision Support System for Agrotechnology
Transfer). ......................................................................................................................................32
VI-1.Introduction : .....................................................................................................................32
VI.2- La version DSSATv4 :......................................................................................................32
VI 3- données d’entrée du modèle : ...........................................................................................34
V) Les composantes du CSM (Crroping System Model) intégré dans le DSSAT :................36
Matériels........................................................................................................................................40
&.....................................................................................................................................................40
Méthodes .......................................................................................................................................40
I- Objectifs de l’étude ..................................................................................................................41
II- Présentation de la région d’études .......................................................................................41
II-1 SITUATION GEOGRAPHIQUE :............................................................................................................................. 41
II-2 CARACTERISATION AGRO CLIMATIQUE DE LA REGION D’ETUDE:....................................................................... 41
III- caractéristiques pédologiques et matière végétale : ...........................................................41
IV- Le plan expérimental de l’essai :..........................................................................................42
IV-1 LES PLANS EXPERIMENTALES DE L’ESSAI DENSITE DE SEMIS : ......................................................................... 43
V- Les opérations Effectuées ......................................................................................................45
VI- Les données expérimentales .................................................................................................46
VI-1ITINERAIRE TECHNIQUE : .................................................................................................................................. 46
VII-2 LES DONNEES CLIMATIQUES : ......................................................................................................................... 48
VII-3 LES DONNEES RELATIVES AU SOL : ................................................................................................................. 48
VII-4 MESURES ET OBSERVATIONS SUR LA CULTURE : ............................................................................................. 48
VIII : Le traitement statistique ..................................................................................................49
IX- validation du modèle DSSATv4 .........................................................................................49
RESULTATS & DISCUSSIONS
I- Analyse climatique de la campagne agricole 2004-2005 : (Station INRA de Sidi El Aidi) 52
I-1 LES PRECIPITATIONS :......................................................................................................................................... 52
I-2 LES TEMPERATURES : ......................................................................................................................................... 52
II- Cas du blé dur :.......................................................................................................................54
II-1 EFFETS DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR LE RENDEMENT ET SES COMPOSANTES:...................... 54
II-2 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR LA PRODUCTION DE BIOMASSE AERIENNE…………….60
6
Sommaire 2004 /2005
II-3 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR L’INDICE DE RECOLTE : I. R…………………… …… 63

II-4 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR LA PRODUCTION DE TALLES …………………… … ...65
II-5 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR LAI AU STADE DEBUT MONTAISON ............................. 72
II-6 PREDICTION DES STADES PHENOLOGIQUES :...................................................................................................... 74
III- Cas de l’orge ..........................................................................................................................75
III-1 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR L’INDICE FOLIAIRE AU STADE MONTAISON ................. 75
III-2 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR LA PRODUCTION DE TALLES/M² .................................. 76
III-3 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR LA BIOMASSE AERIENNE : ........................................... 80
III- 4 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR LE RENDEMENTS GRAINS……………………………87
III- 5 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR LE RENDEMENTS GRAINS…………………………...90
III-6 PREDICTION DES STADES PHENOLOGIQUES :..................................................................................................... 93
IV Cas du blé tendre : ..................................................................................................................94
IV-1 SIMULATION PAR LE MODELE DE LAI:............................................................................................................. 95
IV-2 SIMULATION PAR LE MODELE DE LA BIOMASSE AERIENNE :............................................................................. 96
IV-3 SIMULATION DU NOMBRE DE TALLES/M² :....................................................................................................... 97
V - Conclusion générale :.............................................................................................................99
7
Sommaire 2004 /2005
LISTE DES FIGURES.
Fig 1: Relation entre la densité de semis et le rendement (Benaouda, 1991) ................................20

Fig 2 : effet des densités sur le rendement grain (El Mourid et al (1991). ...................................21
Fig 3 : Relation entre l’ETR et le rendement grain (zone de Sidi El Aidi)....................................31
Fig 4 : Relation entre l’ETR et le rendement grain (zone de Settat)..............................................31
Fig 5 : plans de l’essais densité de semis blé tendre et blé dur ......................................................43
Fig 6 : Plan de l’essai densité de semis orge..................................................................................44
Fig 7 : le T max et T min ainsi que la T journalière, ainsi que les précipitations par décade
enregistrées à la station de L’INRA Sidi El Aidi (04-05) .....................................................53
Fig. 9 : Comparaison entre le poids de 1000 grains simulés et observés.......................................59
Fig 10 : Comparaison entre le Rdt grain simulé et observé ...........................................................62
Fig 11: Evolution de la biomasse aérienne en fonction de la densité de semis (Var Karim). .......64
Fig 13 : Comparaison entre la biomasse aérienne produite par les deux variétés (Karim et
Tomouh) .................................................................................................................................65
Fig 14 : Comparaison entre la biomasse aérienne simulés et observés .........................................65
Fig 16: Régression du nombre de talles produites/m² chez la Var Karim en fonction du densité de
semis.......................................................................................................................................70
Fig 17: Régression du nombre de talles produites/m² chez la Var Tomouh en fonction des
densités de semis ....................................................................................................................70
Fig18 : Comparaison entre le nombre de talles/m² simulés et observés ........................................71
Fig 19 : Comparaison entre LAI simulés et observés ....................................................................73
Fig20 : comparaison entre les dates observés et simulés par le modèle ........................................74
Fig 22: Régression du nombre de talles/m² produire par la Var Oussama. ...................................78
Fig 23: Régression du nombre de talles/m² produire par la Var Oussama ....................................78
Fig 25: Evolution de la biomasse aérienne de la Var Oussama en fonction des densités de semis.
................................................................................................................................................81
Fig26 : Comparaison entre la biomasse aérienne produite par la Var Oussama et Massine .........81
Fig 27 : Evolution de la biomasse aérienne en fonction de la densité de semis (Var Massine). ...82
Fig 28: Comparaison entre la biomasse aérienne simulés et observés ..........................................82
Fig 29 : Comparaison entre le nombre de graines/m² observés et simulés....................................86
Fig32 : Comparaison entre l’indice de récolte observé et simulés ................................................92
Fig 32 : Comparaison entre les dates simulés et observés .............................................................93
Fig33 : Comparaison entre le LAI observé et simulé ....................................................................95
Fig 34 : Comparaison entre la biomasse aérienne simulés et observés. ........................................96
Fig35 : Comparaison entre le nombre de talles/m² simulés et observés ........................................97
8
Revue bibliographique 2004 /2005
Liste des tableaux :

Tab1 : * Les modèles de cultures incluent dans le DSSAT : (DSSAT Overview, Paul W.
Wilkens , 2003). .....................................................................................................................34
Tab 2: Récapitulatif des fichiers de sortie du modèle DSSAT : (DSSAT Overview, Paul W.
Wilkens , 2003). .....................................................................................................................36
Tab 3: Récapitulatif des principaux modules contenus dans le CSM- DSSAT et de leur
fonctionnement. (DSSAT Overview , Paul W. Wilkens , 2003). ..........................................37
Tab 4 : Propriétés physico-chimiques du sol : Domaine de Sidi El Aidi (INRA Settat-2004) ......42
Tab 6 : Récapitulatif des opérations effectués : .............................................................................46
Tab7 : effet de la densité de semis et de la variété sur le nombre de pieds par m² ........................54
Tab 8 : Effet de la variété et de la densité de semis sur le nombre d’épis par m² ..........................55
Tab9 : effet de la densité de semis et de la variété sur le nombre de grains par m². ......................56
Tab 12 : effet de la variété et de la densité de semis sur le poids de mille grains..........................58
Tab14 : effet de la densité de semis et de la variété sur le RDT grains .........................................60
Tab 15 : corrélation entre le rendement et ses composantes ..........................................................61
Tab 16 : Comparaison entre le Rdt grain et simulés ......................................................................61
Tab 17: Effet de la densité de semis et de la variété sur la biomasse totale à la récolte ................63
Tab 18 : Comparaison entre la Biomasse aérienne simulés et observés ........................................66
Tab 19 : effet de la variété et de la densité de semis sur l’indice de récolte. .................................67
Tab 21 : Effet de la densité de semis et de la variété sur le nombre de talles produites au stade
début montaison .....................................................................................................................69
Tab 22 : Effet de la densité de semis et de la variété sur le nombre de talles produits à la floraison
................................................................................................................................................69
Tab 24 : Effet de la densité de semis et de la variété sur LAI qu stade Montaison .......................72
Tab 25 : Comparaison entre LAI simulés et observés ...................................................................73
Tab 26 : Comparaison entre les dates observés et simulés ............................................................74
Tab 27 : effet de la densité de semis et de la variété sur LAI au stade début montaison...............75
Tab 28 : Comparaison entre les valeurs de LAI simulés et observés.............................................75
Tab 29 : effet de la densité de semis et de la variété sur le nombre de talles produites au stade
début montaison .....................................................................................................................77
Tab 30 : Effet de la densité de semis et la variété sur le nombre de talles produites à la flora 77
Tab 32 : effet de la densité de semis et de la variété sur la biomasse totale à la récolte................80
Tab 34 : Effet de la densité de semis et de la variété sur le nombre de pieds par m².....................84
Tab 35: effet de la densité de semis sur le nombre d’épis au m² ...................................................84
Tab 36 : Effet de la densité de semis et de la variété sur le nombre de grains /m² ........................85
Tab 38 : effet de la densité de semis et de la variété sur le nombre de grains par épi ...................87
Tab 39 : Effet de la densité de semis et de la variété sur le poids de 1000 grains ........................88
Tab 41 : effet de la densité de semis sur le rendement grain qx /ha...............................................89
Tab42: Coefficient de corrélation entre les composantes de rendements et le RDT grain. ...........90
Tab 44 : Effet de la densité de semis et de la variété sur l’indice de récolte .................................92
Tab 45 : Comparaison entre l’indice de récolte simulé et observé ................................................94
Tab 48 : Comparaison entre le nombre de talles/m² simulés et observés ......................................97
1
REVUE
BIBLIOGRAPHIQUE
2
Introduction générale :
La surface emblavée de blé représente approximativement 17% des terres arables

dans le monde, le blé tendre occupe la majorité de ces terres, depuis 1950 le rendement
grains du blé a augmenté considérablement Cette progression est due au développement
de la génétique et à l’amélioration des techniques de production. Dans les pays
producteurs de blé, ce rendement oscille entre 1 t /ha et 7 t/ha (Slafer et Andrade. 1994),
cette différence est expliquée par la variabilité des conditions edapho -climatiques et du
niveau technique entre ces pays.
Au Maroc la céréaliculture occupe une place très importante au sein de
l’agriculture, la superficie emblavé de céréales a enregistré une augmentation, en effet
cette dernière représente sur une moyenne des dix derniers années de 1994- 2004 presque
69, 45% de la SAU, cependant le rendement grains calculé sur ces années n’est que de
12.6 qx / ha pour le blé tendre, 9.9 qx/ha pour blé dur, et 8.3 qx /ha pour l’orge
(MARA,2004), ceci montre que les rendements moyens restent assez faibles et
connaissent de grandes fluctuations temporelles et spatiales, car d’une part environ 60 %
de la superficie réservée aux céréales est située en zones arides et semi-arides (200-400
mm) et d’autres part ces régions couvrent 87 % des terres arables du pays (el Mourid et
al, 1991). Elles sont caractérisées par une faiblesse, une forte irrégularité des
précipitations, et de fortes températures sur une grande partie de l’année. D’autre part les
travaux réalisés au Maroc sur les céréales depuis les années 1970 font apparaître des
limitations à l’augmentation du rendement au niveau de différentes composantes à savoir :
- les poids de 1000 grains sont généralement faibles, ceci est dû à des déficits hydriques
en fin de cycle.
- les peuplements épis sont insuffisants, souvent inférieurs à 300 épis/m².
La densité de semis est aussi un facteur très important dans l’élaboration du
rendement des céréales, les études menées au département d’agronomie (IAV) ont montré
une corrélation significative entre la densité de semis et les composantes de rendements
(Mossadaq, 1980).
3
C’est dans le sens d’augmenter la production nationale que la modélisation peut

jouer un rôle crucial à la fois pour synthétiser l’ensemble des informations sur la culture
des céréales et de les mettre en œuvre pour concevoir la conduite de cette culture.
Le modèle DSSAT (Desicion Support System for Agrotechnology Transfer) objet
de cette étude est un modèle de simulation dynamique des cultures, il intègre les effets des
composantes climatiques, du sol, et des pratiques culturales sur le développement et le
rendement des cultures.
La validation d’un modèle de culture consiste à la comparaison des résultats et
bilans obtenus par ce dernier à ceux observés dans le champ. Le comportement du modèle
doit être en conformité avec les expériences réalisées, cependant la validation des
modèles de cultures est souvent entravée par le manque de base de données adéquate à
ces derniers et c’est l’une des raisons qui limite leurs utilisations à l’échelle nationale.
Ainsi ce travail a pour objectif :
-D’évaluer l’effet de la densité de semis sur plusieurs variétés de blé tendre, blé dur et
d’orge cultivées dans la région de la Chouia.
-Valider le modèle DSSAT, et tester ces performances quant à la prédiction des stades
phénologiques, de la biomasse et du rendement grain. Pour réaliser ces objectifs un essai
densité de semis a été installé dans le domaine expérimental de Sidi El Aidi (INRA -
Settat),
4
I- Elaboration du rendement des céréales d’automne

I .1 -le cycle de développement du blé
Les stades de développement des céréales marquent l’apparition de nouveaux

organes. L’ensemble de ces phases constitue le cycle de développement qui s’échelonne
de la germination à la maturité physiologique. En l’absence de conditions limitantes, les
dates de réalisation des stades de développement du blé dépendent essentiellement, pour
une variété donnée de la somme de températures et des photopériodes subies par le
végétal depuis sa germination (Meynard, 1994). En effet un plant de céréale se développe
suivant trois périodes différentes :
-La période végétative s’étend du début de la germination à la période d’allongement de

la tige principale jusqu’à début de montaison ;
-La période reproductive va du début de la montaison à la fécondation ;
-La période de maturation va de la fécondation à la maturité complète du grain.
La connaissance et l’identification de chaque stade constituent un repère pour

prévenir les aléas climatiques, décider les dates d’intervention culturales et identifier les
phases d’élaboration des composantes du rendement.
1-1. Les principales phases du développement de blé :
A- La période végétative.
Celle-ci comprend trois phases :
- a) la phase semis à levée ;
- b) la phase levée à début tallage ;
-c) la phase début tallage à début montaison.
5
-a) La phase semée – levée :

La germination du grain se traduit par la sortie des racines séminales de la
coléorhyze, elle dure entre 13 et 21 jours pendant lesquels le coléorhize sort de
l'enveloppe du grain et donne une radicule d'où sont émis des racines primitives (André et
St Pierre 1982). La coléoptile sort du grain et forme un étui protégeant les premières
feuilles. L'axe portant le bourgeon terminal se développe en un rhizome (tige souterraine)
dont la croissance s'arrête à 2 cm en -dessous de la surface du sol. La réalisation de la
phase semis à levée est sous dépendance de deux groupes de facteurs :
-Facteurs intrinsèques : la valeur biologique de la semence est caractérisée d’abord
par sa faculté et son énergie germinative. Elle l’est aussi par la constitution génétique de
la semence.
-Chaque espèce possède son seuil critique d’humidité du sol au dessous duquel la
levée est mauvaise et tend à s’annuler. Le blé demande de 35 à 40 % de la capacité de
rétention du sol tandis que l’avoine exige de 40 à 50 %.( Chaussat, 1985).
-b) La phase levée à début tallage :

Dés que la première feuille a percé l’extrémité de la coléoptile celui-ci cesse de
croître et peu à peu se dessèche. La première feuille fonctionnelle s’allonge, puis
apparaissent une deuxième, une troisième et une quatrième feuille. Chacune d’elles est
imbriqué dans la précédente et elles partent toutes du plateau de tallage. Celui ceci est
formé de 4 à 5 nœuds et sa hauteur ne dépasse pas 4mm.
Pendant cette phase, la vitesse de croissance des feuilles dépend essentiellement de
la température, par ailleurs sur le plan nutritif, la plantule dépend uniquement de son
système primaire de racines et de ses réserves. (Chaussat, 1985).
-c) La phase début tallage à début montaison :
Le tallage est caractérisé par l’entrée en croissance de bourgeons différenciés à

l’aisselle de chacune des premiers feuilles : il s’agit donc d’un simple processus de
ramification. Il est marqué par l'apparition d'une tige secondaire, une talle, à la base de la
6
première feuille. Les autres feuilles poussent elles aussi leurs talles vertes. Au moment du
plein tallage la plante est étalée.
B- La période reproductive.
La période reproductrice débute par la différenciation des pièces florales et

l’élongation des entre-nœuds de la tige principale. Celle-ci comporte trois phases
principales :
- a) La phase de formation des primordia d’épillets ;
- b) La phase de spécialisation florale ;
-c) La phase méiose à fécondation.
a) La phase de formation des primordia d’épillets :
Dans la zone des tissus méristématiques constituant l’apex apparaît une puis deux
bandes plus claires formées en cellules orientées en files longitudinale. Ce stade de
formation des primordia d’épillets a aussi été appelé stade d’initiation florale. Par la suite
les primordia plus petit des épillets appariassent successivement pour donner d’autres
épillets. Puis deux renflements latéraux apparaissent sur un épillet pour donner naissance
aux ébauches de glumes, selon (Simon et al, 1989) ce stade se situe à 16 à 40 jours après
le stade de primordia d’épillets, les entres – nœuds caulinaires ont commencé à s’allonger
très lentement, au stade de formation des glumes, la jeune inflorescence est d’environ à 1
cm au dessus du plateau du tallage.
b) La phase de spécialisation florale :
Cette phase est caractérisée par la différenciation des pièces florales. Ce sont
d’abord les glumelles inférieures, puis supérieures, les organes sexuels, étamines et
stigmates, et finalement la méiose pollinique qui annonce la phase suivante.
Parallèlement, la tige principale et l’inflorescence s’allongent rapidement mais de façon
7
asynchrone, les apex des talles différencient également des ébauches d’épillets. Puis des
pièces florales qui parallèlement montent. Cependant, seules les 3 ou 4 premiers talles
donneront des épis, constituent ce qu’on appellera le tallage- épi. (André et St Pierre
1982).
c) La phase de méiose à la fécondation
Peu a après la méiose, l’inflorescence sort de la gaine de la dernière feuille : c’est

l’épiaison. Le fait qu’elle soit facile a observé et sa spécificité propre à chaque cultivar en
fait un stade très important sur le plan agronomique. L’anthèse et la fécondation suivent
de quelques jours l’épiaison. La durée de la phase méiose à fécondation dépend de
l’espèce, du cultivar et du climat. Chez le blé, cette phase dure 10 à 12 jours à 14°C et 4 à
5 jours à 18°C. (Rawson et Slafer, 1994).
C- La période de maturation.
Durant cette période, les substances du réserve s’élaborent et migrent dans

l’endosperme et l’embryon se forme, selon (Simon et al, 1989) elle dure 50 à 55 jours
pour le blé et comprend trois phases principales
a) La phase de multiplication cellulaire intense ;
b) La phase d’enrichissement en glucides et en protides ;
c) La phase de dessication.
a) La phase de multiplication cellulaire intense :
Cette phase dure 12 à 15 jours chez le blé où il y’ a accroissement du poids d’eau

et matière sèche dans le grain (Spiertz. 1984) .A la fin de cette phase, l’amande encore
verte a pris sa forme définitive. A ce stade l’albumen est devenu laiteux.
8
b) La phase d’enrichissement en glucides et en protides
Selon Spiertz. (1984) Cette phase dure chez le blé entre 10 à 12 jours au cours de
la quelle le poids d’eau dans le grain demeure sensiblement constant, à la fin de cette
phase, l’amande s’est colorée en roux pale ; ses enveloppes résistent bien à la pression du
doigts mais se déchirent à l’ongle c’est le stade pâteux, ce dernier marque la fin de la
migration des réserves, c’est le temps de la récolte sous forme de grain humide ou de
l’endainage pour récolte ultérieure.
c) La phase de dessication :
C’est durant cette dernière phase que survient une diminution rapide du poids
d’eau. Le grain devient alors successivement demi- dur Puis dur et à surmaturité il devient
cassant. C’est le stade propice au battage immédiat avec une moissonneuse – batteuse. En
perdant ainsi son eau le grain devient plus petit. (André et St. pierre, 1982).
1-2 .Les composantes de rendement du blé.

Le rendement est la résultante d’un ensemble de composantes dont chacune est
élaborée à un stade bien défini. Cependant, toutes les composantes dépendent de la
réussite de la levée qui donne le nombre de pieds initial. L’analyse des composantes du
rendement des céréales est considérée comme un outil de diagnostic pour l’amélioration
des systèmes de cultures (Meynard et Sebillotte, 1993). L’analyse du rendement passe par
sa répartition en ses différentes composantes à savoir le nombre de grains par m² et le
PMG.
1.2-1- Le nombre d’épis par m².
C’est la principale composante à réussir dans les milieux où il y’a un déficit
hydrique, dans la zone de Sidi El Aidi, cette composante varie entre 188 et 360 épi/m²
(Merdas 95).
9
1.2-2 -Le nombre de grains par épi

Cette composante traduit la fertilité de l’épi, elle s’élabore en deux périodes du
cycle de la culture à savoir : la période pendant laquelle se détermine le nombre potentiel
d’épillets par épi (phase A - B) et la phase floraison durant laquelle le nombre de grains
par épi est instauré définitivement, le nombre de grains par épi est gouverné
principalement par les facteurs et conditions de croissance pendant sa phase de formation
(Meynard ,1994). Dans la zone de Sidi El Aidi cette composante varie entre 18 et 35
grains par épi avec un coefficient de variation de 20%.(Merdas, 1995).
1.2-3-le poids de mille grains.

Deux processus physiologique contribue à la croissance du grain après la
floraison : la photosynthèse et la remobilisation des assimilas accumulées avant la
floraison. D’après l’étude mené par (Merdas ,1995) dans la région de Sidi El Aidi cette
composante varie 26 et 49 grammes.
1.2- 4- Le nombre de grains par m².

C’est le produit du nombre d’épis par m² par la nombre de grains par épi .la plus
grande variabilité de rendement est expliqué chez le blé et l’orge par le nombre d’épis par
m² et le poids de mille grains (Boulal, 1988 ; El Mourid, 1988).en zone semi-aride du
Maroc, (Boutfirass, 1990) a conclu qu’il existe une corrélation positive entre le nombre
de grains par m² et le rendement grains chez le blé
.
II- Effets de la densité de semis sur le rendement du blé.
II-1 Notion de densité optimale.
La densité optimale se définit par le niveau du peuplement permettant d’accéder au
meilleur rendement avec le plus de régularité entre les années. Les facteurs qui
déterminent le nombre optimum de plantes à rechercher au m² sont : le contexte
climatique, l’époque de semis, et le type de sol. (Gate, 1995).
10
Avec une densité de semis plus élevée, les plantes cultivées se font également
davantage concurrence entre elles. Dans une parcelle dense, les plantes risquent de faire
moins de talles et de produire un nombre inférieur de grains par plant que celles qui
poussent dans un peuplement plus clairsemé. Cet effet de compensation peut signifier
qu’une densité de semis supérieure aux recommandations ne donne pas de meilleurs
rendements. Cependant, un tallage moins important peut permettre à la récolte de mûrir
plus tôt, et plus uniformément. Lorsque la densité de semis est plus élevée, les plantes
peuvent mûrir plus rapidement, mais elles risquent aussi de manquer de ressources plus
rapidement lorsqu’elles sont limitées. Le poids et le taux de protéines du grain risquent
d'être inférieurs (Buyser, 1990)
II-2 Effet de la densité de semis sur le rendement grain

De nombreux chercheurs se sont intéressés à l’effet des densités de semis sur le
rendement grain et ses composantes (El mourid, 1976, Oknider., 1981.Hull & Backer,
1990). Il ressort de leurs travaux l’existence d’une fourchette de densités de semis
correspondant au rendement maximal. Pour les densités de semis supérieures à cet
intervalle, la chute du rendement est due à la compétition qui s’installe à l’intérieur du
couvert végétal pour l’eau, les éléments fertilisants et la lumière alors avec des densités de
semis faible on risque de ne pas bien exploiter le milieu et par conséquent les rendements
réalisés seront inférieurs au potentiel.
(Hull et Backer 1990) ont travaillé sur des densités de semis entre 40 graines par
m² et 640 graines par m², ils ont rapporté que les meilleurs rendements ont été obtenus par
des densités de semis comprises entre 320 graines/m² et 640 graines/m².
Dans les conditions Marocaines, les essais menés depuis 1978 ont montré que dans
de bonnes conditions de culture, les densités de semis qui ont données les meilleurs
rendements varient entre 100 et 500 grains/m². Dans le même sens (Charafi ,1988) et (El
Mourid ,1976) ont trouvés respectivement des densités de semis optimales de 300graines
/m² dans la région de Meknès et de 350 graines/m² dans la région de Marchouch.
11
Après une enquête réalisé auprès des agriculteurs de la région de Chaouia

(Benhaouda. 1991). (Fig1) a conclu que la densité optimale qui a permis les meilleurs
rendements se situe autour de 500 graines/m², ces fortes densités utilisées par les
agriculteurs sont justifiés par le fait que la compensation par le tallage est difficile et
incertains dans les conditions semi-aride, en plus des pertes en semence à l’installation de
la culture, et en pieds au cours du cycle. Toutes ces contraintes font qu’une forte dose
reste justifiée dans ces conditions.
Dans la region de Jmaa Shim , (El Mourid et al. 1991), en se basant sur des
résultats simulées par le modèle SIMITAG ont essayé de comparer des densités de semis
croissantes allant de 250 à 650 graines/m² pour deux époques de semis. (Fig2), les
résultats ont montré la supériorité des rendements dans les cas des moyennes et fortes
dose de semis. Ce qu’est en contradiction avec les recherches menées en stations
expérimentales durant les années de sécheresse entre 1982 et 1985. Cependant, dans la
région de Meknès, (Marzouk ,1983), a rapporté que la densité de semis n’a pas d’effet sur
le rendement, il a expliqué ce résultat par la compensation qui s’établit entre les
composantes du rendement.
II-3 Effet des densités de semis sur les composantes de rendements.

La densité de semis influence le rendement à travers son effet sur les différentes
composantes. L’augmentation de la densité de semis s’accompagne par l’augmentation du
peuplement épis mais également par la diminution du nombre de grains par épi et celle du
poids du grain (Ouknider, 1981).
II.3-1 Effet sur le peuplement épi :

Le peuplement épis est la composante du rendement la plus affecté par les densités
de semis (Nerson, 1980 ; Johnson et Kamasu, 1988). Un nombre maximal d’épis par unité
de surface est obtenu d’autant plus que la de densité de semis est élevée. La corrélation
positive est également rapporté par plusieurs auteurs (El Mourid, 1976 ; Ouknider, 1981).
12
Dans la région semi aride d’Argentine, (Gallez et al. 1984) ont trouvé que
l’augmentation de la densité de semis s’accompagne par l’augmentation du nombre d’épis
par unité de surface. Cependant ils n’ont pas observé d’effet sur le rendement grain.
Au Maroc (Mossadaq, 1980 ; Ouknider, 1981) ont rapporté que l’option pour un
peuplement épis élevé à partir d’une forte densité de semis n’est pas nécessairement la
meilleure solution pour augmenter le rendement.
II.3-2 Effet sur le nombre de grains par m² :

Cette composante de rendement est la résultante de deux autres composantes à
savoir, le nombre de grain par épi et le nombre d’épis par unité de surface.
(Hull & Backer 1990) affirment qu’à forte densité de semis les caractéristiques de l’épi se
modifient : le nombre d’épillets fertiles diminue et de nombreuses fleurs avortent à la
floraison. Des résultats similaires ont été également rapportés par (Gallez et Mockel
.1984) cependant ils n’ont pas observé d’effet de la densité de semis sur le nombre de
grains par épillet. (Meynard, 1980) a expliqué la diminution du nombre de grains par
épillet à forte densité de semis par la compétition pour la lumière.
II 3-3 Effet sur le poids du grain :

Plusieurs auteurs ont rapporté que l’effet de la densité de semis sur le poids du
grain est minime (Ouknider , 1981, Mossadaq, 1980, Charafi, 1988). Le poids du grain est
surtout affecté par ce qui peut altérer le fonctionnement photosynthétique et le manque
d’alimentation (Boiffin et al 1981). En revanche (El mourid, 1976, Mossadaq, 1980) ont
trouvé que le poids du grain diminue à forte densité de semis. Cependant, (Fredrick et
Marshal, 1985) ont observé une tendance du poids du grain à augmenter avec les densités
les plus élevées, ils ont expliqué ce résultat par la dominance des talles primaires dans les
peuplements forts.
13
III- Impact du déficit hydrique sur l’élaboration du rendement.

III-1L’effet de la contrainte hydrique sur la plante et rendement
Le stress hydrique affecte les fonctions vitales de la plante. En effet, les fonctions
physiologiques liées à la réduction de la turgescence sont les premiers à être touchées par
le stress hydrique, en plus il affecte l’élasticité cellulaire en induisant ainsi une réduction
de la croissance, de l’indice foliaire et une accélération de la sénescence (Hans et al.
1995).
Les conséquences d’une sécheresse sur le rendement dépendent du stade de
développement où s’est produit le déficit hydrique, ainsi que l’intensité et la durée de
cette contrainte, il existe trois stades critiques où le stress hydrique peut affecter
largement la productivité chez le blé en agissant sur les différentes composantes du
rendement :
-Stade montaison : L’installation d’un déficit hydrique à la fin du tallage et au début de la
montaison se traduit par une réduction du nombres de talles qui montent en épi , le
nombre d’épillet par épi et enfin le nombre potentiel de grains par épillet. En effet, la
chute du rendement face à un stress hydrique pendant cette phase peut être de l’ordre de
50%. (Mamadou, 1991).
- Epiaison – début floraison : Selon Martininiello et Stanca, (1987), cette phase représente
le stade le plus critique envers un déficit hydrique. En plus, l’intensité du stress se traduit
par une stérilité du pollen et par la réduction du nombre de grains par épi.
- Formation du grain : la présence d’un déficit hydrique au cours de cette période réduit
l’activité photosynthétique, dans ce cas le poids du grains est la composante la plus
affectée. La chute du rendement peut atteindre 20 à 30 % (karma, 1984).
L’eau est le principal facteur limitant la production des céréales en zone arides et
semi- arides, la pénalisation du rendement par le déficit hydrique est due principalement à
son effet sur ses principales composantes.
14
III-2 Effet sur les composantes du rendement.

2-1 : Sur le nombre de plante/m² (levée) :
Le déficit hydrique a pour seule conséquence de retarder la date de la levée tant
que la graine n’a pas été imbibée. Une fois imbibée il devient très sensible au manque
d’eau.
2-2 : Sur le nombre d’épis /m² :

Lors de la période du tallage herbacé, le déficit hydrique diminue la vitesse
d’émissions des talles et si ce déficit s’accroît sévèrement il y’a arrêt définitive du tallage.
Si il intervient au début de la montaison, le stress hydrique accentue très sensiblement le
taux de régression des talles. (Gate ,1987), Cependant, un déficit hydrique intervenant au
stade 3 nœuds n’aura pas d’effet significatif à la récolte sur le nombre d’épis/m². La
comparaison du nombre d’épis par m² en deux régimes irrigués et sec a montré que ce
dernier produit un nombre d’épis par m² plus faible que le régime irrigué. (Chaouch,
1990)
2-3 : Sur le nombre de grains par épi :

Dans les zones semi aride, une sécheresse importante survenant pendant la période
d’émissions des épillets soit approximativement de la mi-tallage au stade 1-2 nœuds
limite leur nombre final. Selon (Karrou et el Mourid 1993) un stress hydrique à la
montaison réduit le nombre de grains par épi, cependant le nombre de grains par plante et
le rendement ne sont pas affectés. Ceci peut être expliqué par le fait que la chute du
nombre de grains par épi est compensée par une légère amélioration du nombre d’épis par
plante et du poids de 1000 grains.
2-4. Sur le Poids du grain :

Un déficit hydrique pendant la phase du remplissage des grains affecte
principalement le poids du grain. Les déficits hydriques s’installant après la floraison ont
15
une action préjudiciable sur les deux opérations qui déterminent la quantité de matière
sèche accumulée dans les grains :
-diminution de la taille de l’enveloppe du grain
-réduction de l’activité et de la durée du fonctionnement des organes sources, du fait que
le déficit hydrique affecte la photosynthèse et accélère la sénescence des feuilles. (Gate,
1995).
IV- Effet du stress thermique sur les céréales.
IV-1. L’effet du froid sur le développement et la croissance des céréales.
En étudiant la relation entre la vitesse de croissance et les pressions croissantes de
turgescence, (Pritchard et al, 1989) indiquent que la réduction de croissance sous l’effet
des basses températures est due chez le blé à une augmentation du seuil du rendement
L’augmentation de la biomasse de la plante est étroitement liée à la température.
C’est ainsi que (Lawlor et Ward. 1989) ont déclaré que le céréale telle que le blé , l’orge
et le seigle peuvent supporter le gel et sont capable de croître et d’accumuler la matière
sèche à des températures légèrement supérieurs à 0. Toutefois, le taux de croissance
foliaire, la photo – assimilation du CO2 et la réduction des ions nitrates sont ralentis. Par
conséquent, la production de matières sèche est ralentie dans les conditions de froid même
si l’énergie lumineuse est disponible, ceci entraîne une réduction du rendement.
Couvreur et Gate (1993) ont montré que la sensibilité au froid est variable au cours
du cycle de développement. D’une manière générale, les organes jeunes possèdent une
forte concentration en sucre, sont plus résistants aux plus âgés, à conditions qu’ils
contiennent une quantité suffisante de chlorophylle. Ainsi au stade coléoptile, les
plantules sont particulièrement sensibles à cause de la déficience en chlorophylle.
Au début montaison, la culture redevient sensible aux basses températures. Suite
au démarrage de la croissance des tiges et des futurs épis. A ce stade, les températures de
-4 °C peuvent causer des dégâts considérables (Blouet et al, 1984).
Single (1989) a conclu que des températures de l’ordre de -2 °C pendant l’anthèse
engendre une stérilité plus au moins importante et provoque par la suite une réduction de
16
la productivité du blé . Selon le même auteur, les feuilles et les tiges sont souvent
affectées de nécroses localisées.
IV-2 L’effet des hautes températures sur la croissance et le développement des
céréales.
L’effet de la température sur la croissance du blé est notable, (Tab 1) la réponse du
blé aux températures élevées se manifeste par l’accélération du développement de la
plante et la réduction de sa taille. En effet, les hautes températures agissent sur
l’accélération de la sénescence, la réduction de la photosynthèse, l’augmentation de la
respiration et l’inhibition de la synthèse d’amidon dans les grains, ainsi que la vitesse et la
durée de croissance du grain (Blum, 1986).
Il faut signaler que sous les conditions de hautes températures, les variétés
tolérantes maintiennent relativement plus de grains par épi que les variétés sensibles,
sachant que le nombre de grains par épi est la composante la plus importante qui affecte la
variation du rendement grain entre les variétés . (Shipler et Blum, 1991).
Tableau 2. Réponse des stades de développement à la température. (Rawson. 1986).
Phase de développement Température

Semis- levée ++++/+++++ *
levée- double ride +++/+++++
Double ride- épillet terminal +/+++
épillet terminal- épiaison +++/+++++
épiaison- anthèse +++/+++++
Anthèse- maturité +++/+++++
*
Quand les effets sont forts (+++++), modérées (+++) ou faibles (+).
IV -Impact des températures élevées sur les rendements des céréales.
La manifestation de forte température à n’importe quel moment du cycle de
développement peut occasionner des pertes de rendement (Gate, 1995), la différence de
température (Tc-Ta) détermine en post – anthèse et pré-anthése explique respectivement
35% et 79% de la variabilité du rendement–grains chez le blé. (El Mourid et al, 1991)
17
(Rawson, 1986) a conclu que les rendements des céréales pourraient diminuer sous
l’effet des hautes températures même en condition hydrique non limitante. Selon le même
auteur chez les céréales, deux stades apparaissent comme particulièrement sensibles aux
températures élevées : la méiose et la floraison. Dans les deux cas, c’est la même
composante du rendement, le nombre de grains par épi qui est affectée.
Les travaux de Tashiro et de Wardlaw (1990) révèlent chez le blé l’existence
d’une très courte période extrêmement sensible aux températures élevées. Des
températures de 30 °C survenant 2à3 jours avant l’anthèse induisent un taux de stérilité de
l’ordre de 50%, alors que Lorsque le grain commence à se développer, (1à2 jours après
l’anthèse) les fortes températures provoquent au maximum un taux d’avortement de 4%
(Gate, 1995).
IV-1Effet du stress thermique sur les composantes du rendement :

1-1 Effets sur le nombre d’épis:
Durant la phase végétative, le nombre de talles peut être affecté par les
températures élevées (Midmore et al, 1984). Pendant la phase levée double ride des
températures élevées inhibent le tallage et accentue la mortalité des talles.
Entre la phase comprise entre le stade double ride et l’anthèse, des températures élevées
réduisent le nombre d’épillets par épi, le nombre de fleurs par épillets, le nombre d’épis
par plante et le nombre de grains (Jhonson et al, 1993).
1.2 - Effets sur le poids des grains :

Cette composante du rendement est la dernière à se constituer. Sur l’ensemble de la
phase du remplissage, l’optimum thermique se situe vers 14°C (Stopper et Fisher, 1990),
une élévation de température a pour conséquence de diminuer le nombre de jour de
remplissage (Gate, 1995), ainsi le poids du grain sera affecté.
La réduction de poids du grain due au stress de chaleur peut être expliquée presque
entièrement par les effets de température sur la vitesse et la durée de croissance du grain.
(Jenner, et al 1991) ont conclu q’ une hausse des températures de 15/10°C à 21/16°C, la
18
durée de remplissage des grains fut réduite de 60 à 36 jours et la vitesse de croissance du

grain a augmenté de 0,73 à 1,49 mg/grain/jour avec une influence minimale sur le poids
de grain à maturité. selon ces mêmes auteurs en augmentant encore les températures de
21/16°C à 30/25 °C, le remplissage des grains tombe de 36 à 22 jours avec une hausse
minimale de la vitesse de croissance de 1,49 à 1,51 mg/grain/jour. Donc, le poids de grain
mûr diminua significativement à la température la plus élevée.
19
Fig 1: Relation entre la densité de semis et le rendement (Benaouda, 1991)
20
Fig 2 : effet des densités sur le rendement grain (El Mourid et al (1991).
V- Les modèles de cultures
21
les modèle se définissent comme étant une représentation simplifiée, sous une
forme physique ou mathématique d’un système complexe, dans lequel les réponses
produites par des sollicitations externes sont difficilement prévisibles à cause du très
grand nombre de facteurs mis en jeu (Limas. 1986).
Ces modèles ont les potentialités d’intégrer au sein d’un système cohérent
l’ensemble des réponses agronomiques (rendement et ses composantes), ou
physiologiques (ajustement osmotique, température de surface) et les interactions
génotype* milieu (Brisson et Delcolle. 1993).
En fait, un modèle de culture ne peut pas caractériser tous les facteurs du système
sol – plante - atmosphère et leurs interactions, généralement, ces modèles représentent
une simplification des systèmes, ils incarnent nécessairement des suppositions.
V-1-Principe général des modèles de fonctionnement des cultures

La plupart des modèles de simulation des cultures sont le plus souvent organisées
en quatre modules :
a- Un module phrénologique :
Ce module se consacre à la chronologie d’apparition des stades de développement
qui régissent la priorité de croissance des organes mis en place, les variables nécessaires
au fonctionnement de ce module sont d’ordre climatique (température et durée du jour) et
variétal(besoins en vernalisation et photopériode).
b- Un module de production de biomasse :
Ce module fait intervenir les phénomènes liés à la photosynthèse : interception du
rayonnement solaire par le couvert végétal (LAI) puis conversion du rayonnement
intercepté en matière végétale.
c- Un module de répartition et de redistribution de la biomasse produite :
Ce module est régi par les priorités de croissance des différents organes établies
par le module phénologique.
d- Un module de contraintes (facteurs limitants)
22
Ce module modifie les principales fonctions du modèle de croissance avec des

effets différents selon les stades de développement. Généralement, ces contraintes sont
hydriques, thermique, azotée et phytosanitaire. (Gate, 1995).
V-2-Les approches de conception des modèles de cultures

Dès l’apparition des modèles de simulation des cultures se sont opposées deux
approches de la modélisation. l’une dite mécaniste : prétendait construire les modèles sur
la base exclusive des équations décrivant la physique des phénomènes, tandis que l’autre,
dite fonctionnelle, cherchait à répondre rapidement à des questions pratiques en utilisant
de nombreuses lois empiriques . L’inconvénient principal de la première approche est la
très faible disponibilité des paramètres d’entrée, parfois inaccessibles à la mesure, tandis
que celui de la seconde est la nécessité de caler les fonctions empiriques et d’en inclure de
nouvelles pour chaque situation à étudier (Affholder, 2001).
V-3. La construction et le développement des modèles de simulation

Selon Limas (1986) le processus de développement d'un modèle s'engage par la
conception du modèle, suivie de son élaboration et se termine par son évaluation et son
application. Les compétences ainsi que les exigences informatiques et techniques
diffèrent selon la phase de développement dans laquelle on se trouve, mais il est reconnu
que la démarche de la modélisation obéit à un processus général celui-ci s’exprime en
fonction des étapes à franchir avec succès et assurer une certaine rigueur au modèle, ce
processus s’exprime selon cinq phases :
1-La définition des objets.
2- la définition du système
3- la formalisation.
4- la validation
5- l’application du modèle.
A l’intérieur de ces phases, des étapes de vérification, calibration et validation sont
exigés. Elles sont nécessaires pour le bon déroulement du processus de la modélisation.
23
V. 4- Les contraintes d’utilisation des modèles de cultures

V.4-1 les Contraintes liées aux informations exigées :
Les modélisateurs exigent des entrées pour leurs modèles qui sont dans la majorité
des cas indisponible. Le manque de données exige que quelques modèles doivent être
adaptés à des niveaux inférieurs où les données demandées par les modèles sont
disponibles, ainsi ces modèles perdent de leur précision. Par exemple, quelques modèles
exigent des données climatiques à pas d’heure, mais à cette échelle les données
climatiques ne sont pas disponibles alors on est obligé d’utiliser des données climatiques
journalières (Affholder, 2001).
V-4.2Les contraintes liés à l’applicabilité et à l’universalité de ces modèles:

Un modèle écrit en référence à un certain ensemble de techniques agricoles
caractéristiques d’une certaine région de production, pourra se montrer inutilisable en
l’état dans un contexte technique différent (Cretenet, 1995). En effet L’utilisation d’un
modèle de cultures n’aboutira pas nécessairement à des résultats qui seront applicable au
contexte local, surtout quand le modèle est appliqué dans des conditions dont il n’était pas
testé et aussi quand il y’ a une différence des systèmes d’agricultures ou des conditions
climatiques. Par exemple une loi empirique telle que la fonction de ruissellement
contenue dans le modèle EPIC (Erosion Productivity Impact Calculator) (Williams et al.
1984)) mise au point sur certains types de sols, peut se révéler inadéquate sur d’autres.
V-5 Les différents types de modèles

V-5.1- Les modèles statistiques :
Ce sont des modèles construits à partir des lois statistiques, ils essayent d’expliquer
les différentes valeurs prises par une variable d’état (la date d’apparition d’un stade, le
rendement) à partir de méthodes statistiques ou mathématiques. En agronomie, L’outil le
plus utilisé pour construire un modèle statistique est la régression linéaire ou non linéaire
à une ou plusieurs variables explicatives.
24
a- les avantages :
Ce sont en générale des outils simples à manipuler dans la mesure où des logiciels
de programmes généraux existent, ils permettent d’identifier rapidement les variables
explicatives les plus déterminantes.
b- Les inconvénients :
Le principal inconvénient de ces modèles sont c’est le fait qu’ils sont statiques,
leur utilisation dans l’espace et dans le temps ne peut dépasser le niveau de variabilité
introduite, ils estiment la variable à expliquer sans passer par des étapes intermédiaires.
Ils n’offrent pas donc un véritable recalage dans le temps ou dans l’espace (Gate, 1995).
c- Exemple d’utilisation :
Relations rendements –ETR (région de la basse Chouia)
Dans une étude menée par le CRTS dont le but était l’élaboration des modèles de
prévision du rendement de blé sur la base de la consommation hydrique et de mettre en
évidence les relations possibles entre le rendement et les variables relatives à la
consommation en eau de cette culture. Pour réaliser cet objectif 80 parcelles de blé tendre
et de blé dur ont été suivies (rendement, ETR) dans la basse Chaouia durant la compagne
agricole 94-95.
Les meilleures relations qui ont été dégagée entre le rendement et la consommation
en eau ETR sont du type linéaire avec des coefficients de corrélations hautement
significatifs. (Fig3, 4)
Les relations dégagées entre le rendement grain (qx/ha) et ETR totale (mm) sont:
Rendement grain = 0.15*ETR-14.13 avec un R²=0.87 Sidi El Aidi

Rendement grain =0.16*ETR-20.02 avec un R²=0.90 Settat
Ces résultats montrent que la variabilité de la consommation en eau par la culture

de blé explique 70 à plus de 80 % la variabilité du rendement réalisé , alors que les autres
facteurs de production n’explique que 20 à 30% de la variabilité des rendements réalisés.
Ceci montre que les modèles qui sont basés sur la consommation hydrique peuvent
25
prédire le rendement mieux que ceux incorporant tous les autres facteurs de production
(Merdas, 1995).
V-5-2 Les modèles mécanistes :
Les modèles mécanistes sont des modèles intégrateurs qui tentent de reproduire de
manière dynamique, à partir des lois et des fonctions physiologiques connues, les
réactions de la plante ou de la culture. Les paramètres exigés par ces modèles sont
d’origine interne (propriété génétique, physiologique…), et d’origine externe (les
facteurs de l’environnement d’ordre climatique, pedologique..) ainsi que les fonctions
d’interactions qui contrôlent ou modifient les mécanismes (Gate, 95).
a -Les avantages :
Ce sont des modèles intégrateurs prenant en compte de manière dynamique, le plus
souvent à pas de jour, l’action des différents opérateurs et leur interaction. Cette
quantification journalière permet d’estimer en continu les états de sortie. Ces états de
sortie sont dans la plupart mesurables ou observables (production de biomasse, date
d’apparition d’un stade phénologique .. …) et autorisent donc en théorie des possibilités
de validation au cours du cycle de la plante. Ils constituent donc un véritable outil de
recherche.
b-Les inconvénients :
Le fonctionnement de la plante implique très souvent l’emploi de paramètres multiples et
sophistiqués. Par faute de disponibilité d’entrée et par la difficulté de vérifier certain état
intermédiaire de sortie, ces modèles restent en général plus difficiles à valider globalement et à
utiliser. (Gate, 1995).
V-5.3 Exemples de modèles mécanistes :
1) Le modèle CERES : ( Crop Estimation trought Ressource and Environment Synthesis)
Le modèle CERES constitue une famille de modèles mécanistes développés aux
états unis pour un grand nombre d’espèces cultivées à travers le monde : Le blé, le mais,
le sorgho, le millet, l’orge et le riz (IBSNAT, 1986).
Le modèle fonctionne à pas de temps journalier. Le cycle de croissance de la
culture est divisé en plusieurs phases successives de développement. Les stades de
26
développement sont simulés à partir de l’apparition des feuilles du maître- brin en

intégrant certaines caractéristiques variétales. L’estimation du rendement prend également
en compte l’aspect variétal sous forme de coefficient : tolérance au froid, nombre de
grains par épi potentiel, vitesses potentielle de remplissage du grain et production de
tiges.
-Les entrées et les sorties du modèle CERES :
Les entrées du modèle :
Le modèle intègre quatre types de données
a- Les données climatiques :
- Température maximale (°C).
- Température minimale (°C).
- Radiation solaire (MJ/m2).
- Précipitation (mm).
b - Les données pédologiques :
- Albédo (SALB)
- Nombre de la courbe de ruissellement (CN2)
- Constante d'évaporation à la fin du stade A (mm) (U)
- Facteur de drainage (mm/mm) (SWCON)
Ainsi que les informations concernant chaque horizon de sol:
- Epaisseur de l'horizon (mm) (DLAYR)
- stock initial en eau (mm) (SW)
- Limite inférieure de l'eau extractible par la plante (mm3/mm 3) (LL)
- Limite supérieure de drainage (mm3/mm3) (DUL)
- stock d'eau à la saturation (mm3/mm3) (SAT)
-Facteur de préférence des racines pour l'horizon L (WR)
- Quantité initiale des nitrates présents dans I’horizon L (mg/kg) (NO3-)
- Quantité initiale d’ammoniums présents dans l’horizon L (mg/kg) (NH4+)
c - Les données génétiques
- Sensibilité à la photopériode. (PID)
27
- Sensibilité à la vernalisation. (PlV)

- Temps photothermique (d°C j) depuis l'anthèse jusqu'à la maturité. (P5)
- Taux d'apparition des feuilles. (PHINT)
- Coefficient génétique spécifique au taux de croissance végétative durant le stade A (G1).
- Coefficient génétique spécifique au nombre de grains produits (G2).
- Coefficient génétique spécifique au taux de remplissage du grain (mg/jour). (G3).
d - Les données culturales
- Variété.
- Date de semis.
- Densité de semis. (Plants/m2)
- Profondeur de semis (mm).
- Date et dose d'irrigation.
- Date d'apport de l'azote.
- Dose apportée d'azote (kg/ha).
- Profondeur d'incorporation, (DEPTH)
- Nature de l'azote apporté, (SOURCE).
Les sorties du modèle :
Les principales sorties du modèle concernent:
-Le rendement et ces composantes.
- L'utilisation de l'eau, de l'humidité du sol et du bilan hydrique.
- L'utilisation de l'azote par la plante et le bilan de l'azote.
Des résultats intermédiaires peuvent être obtenus en ce qui concerne la croissance
et le développement des feuilles et des talles, tels que: le poids par plant du système
racinaire, des tiges, des grains et des feuilles, on peut aussi simuler la surface foliaire, la
profondeur et la densité du système racinaire, ainsi que les effets de la photopériode sur le
développement phrénologique.
2) Le modèle SIMITAG :
28
Le modèle SIMITAG (Simulation of Triticum Astivum Genotypes) a été

développé par l’ICARDA dans le nord de la Syrie en utilisant les données expérimentales
de ce pays puis validé en Australie et en Syrie. Ces conditions climatiques de type
méditerranéennes (300-500mm) rend ce modèle adapté aux zones semi –aride du
Maroc.
C’est l’un des modèles mécanistes actuels qui essaie d’expliquer le plus précisément
possible l’aspect variétal au niveau du développement et du mode d’élaboration du
rendement. En ce qui concerne les entrées et les sorties de ce modèle, elles sont
généralement similaires à ceux du modèle CERES – Blé. Sous climat méditerranéen ce
modèle a deux principales limites, d’une part il ne contient pas une fonction déterminant
la chute du peuplement à cause de la sécheresse, et d’autre part ce modèle ne prend pas en
compte les effets de la gelée sur le rendement.
Selon (El Mourid, 1988) l’utilisation de ce modèle permet :
-La prédiction de la croissance, du développement et la productivité du blé.
-La définition des stratégies de choix des variétés et d’amélioration génétique sous déficit
hydrique.
-La définition de stratégies de conduite du blé en conditions de déficits hydriques et
d’aléas climatiques.
-l’estimation de l’évolution des réserves hydriques et de leur utilisation par les plantes.
-L’analyse du risque et l’orientation des décisions des agriculteurs.
-la définition des besoins en recherche.
V .6 - L’évolution des modèles mécanistes:
La plupart des premiers modèles de culture simulaient seulement la photosynthèse
et le bilan du carbone, d’autre processus ont été ajoutés ultérieurement comme le
développement végétatif et reproductif de la plante ainsi que le bilan hydrique. (Van
Keulen, 1982).
D’après (Bouman et al 1996). Il existe quatre étapes ou niveau d’évolution des
modèles de cultures.
29
La phase 1 : La température et la radiation solaire sont utilisées comme des inputs pour
simuler la croissance végétale et la production potentielle, à cette étape les modèle se
basaient seulement sur le bilan du carbone de la plante.
La Phase 2 : Les précipitations et l’irrigation sont ajoutés comme des inputs et le bilan
hydrique du sol et de la plante se trouvent alors simulés.
La Phase 3 : L’azote du sol est ajouté à la liste des intrants pour simuler la croissance et
le développement ainsi que le bilan hydrique du sol , la contrainte de la nutrition azotés
de la plante est ainsi simulée.
La Phase 4 : Dans cette phase d’autres éléments nutritifs du sol ainsi que l’effet des
maladies , des mauvais herbes et des ravageurs de cultures ont été ajouté à la liste des
inputs, dans cette phase le système plant – sol - atmosphère et ses interactions avec les
différentes facteurs environnementaux est simulé.).
V. 7-L’intégration des SIG dans les modèles de cultures

Les modèles des cultures produisent une grande quantité d’informations, surtout
quand les essais menés contiennent plusieurs traitements et répétitions sur plusieurs
années. Le fait de combiner les systèmes d’informations géographiques (SIG) avec les
modèles de cultures permet l’étude des phénomènes temporels et spatiaux. (G
Hoogenboom ,1999). L’utilisation du SIG permet la visualisation des résultats sur des
cartes ce qui contribue à leurs interprétation et à leurs compréhension, cette opération
nécessite un programme informatique pour :
1-Organiser les données.
2-Définir et représenter géographiquement les pratiques d’occupation des terres.
3-Simuler les résultats des pratiques agricoles alternatives.
4-Analyser et représenter les résultats simulés.
La combinaison du SIG avec les bases de données météorologiques et les
modèles de cultures représentent un outil d’analyse très puissant. (Thorton et al ; 1997).
30
Fig 3 : Relation entre l’ETR et le rendement grain (zone de Sidi El Aidi)
Fig 4 : Relation entre l’ETR et le rendement grain (zone de Settat)
31
VI- Présentation générale du DSSAT : (Decision Support System for

Agrotechnology Transfer).
VI-1.Introduction
Le DSSAT est un modèle informatique de simulation dynamique des cultures, il
permet à l’utilisateur de simuler la croissance végétative, les rendements et les besoins en
eau et en azote d’une culture en fonction du type de sol et du climat. Il offre l’opportunité
à l’utilisateur d’envisager plusieurs scénarios de management des cultures et de les
simuler sur ordinateur. (Gerrit Hoogenboom & Paul W. Wilkens, 2003)
Ce modèle informatique a été développé à travers une collaboration entre des
scientifiques de l'Université de Floride, l'Université de Géorgie, Université de Guelph,
Université de Hawaï, le Centre International pour la Fertilité des Sol et du
Développement Agricole(IFDC), Université de Iowa , et autres scientifiques associés
avec ICASA. (Consortium International pour les Applications des Systèmes Agricoles),
ce modèle a été utilisé pendant 15 années par les chercheurs dans plus de 100 pays à
travers le monde.
VI.2- La version DSSATv4

DSSAT v4.0 est une amélioration de DSSAT v3.5 qui a été réalisé en 1999, cette
nouvelle version incorpore des changements dans l’interface ainsi que dans les
programmes utilitaires et d’analyses. Le changement principal est sa mise sous l’interface
Windows du modèle. Les programmes d’application, les entrées du modèle et les outils
d’analyse ont été améliorés pour être compatible avec Windows. De plus tous les modèles
de cultures ont été incorporé dans un seul système : le CSM (système des modèles de
culture), ce système a été conçu suivant une approche modulaire, il utilise une seul série
de code pour la simulation de l’eau du sol, de la dynamiques d’azote du carbone. Alors
que la croissance et le développement des cultures sont simulés avec les modèles CERES,
CROPGRO, CROPSIM et SUBSTOR.
Dans cette nouvelle version on trouve :
32
-Le CSM (système des modèles de culture) capable de simuler plus que 18 cultures
différentes, y compris le Maïs, le Blé, le Riz, l’Orge, le Sorgho, le Millet, graine de Soja,
la fève sèche, le P ois chiche, la Fève, la Pomme de terre, la Tomate, le Poivron, les
Chou, et la Jachère nue.
-Un module de sols identiques à celui contenue dans la version DSSAT v3.5 pour la
simulation de l'eau du sol, de l’azote et du bilan de carbone.
- L’outil XBuild pour entrer et éditer les données expérimental
- L’outil SBuild pour entrer et éditer les données du sol.
- Un nouveau gestionnaire de données climatiques, Weatherman pour entrer, analyser et
régénérer les données climatiques.
- L’outil ATCreate pour entrer et éditer les données détaillées de croissance, de
développement et de rendement.
- Le programme Graphique GBuild pour la représentation graphique des données
simulées et expérimentales.
- Un programme d’analyse saisonnière pour analyser les données biophysique et
économique pour une seule saison.
- Un programme d’analyses séquentielles pour analyser les données biophysiques et
économiques pour des systèmes de rotation de cultures et pour des expériences multi
saison.
.- Un programme d’évaluation et de diagnostic STATS pour l’analyse statistique des
données simulées et mesurées
- Un programme graphique simple Easy Grapher, pour représenter les données simulées.
33
Tab1 : * Les modèles de cultures incluent dans le DSSAT : (DSSAT Overview, Paul W.
Wilkens, et al 2003).
Culture Modèle Références

Céréales
Orge CERES-orge Otter-Nacke et al. 1991
Mais CERES-mais Richie et al. 1989
Millet CEREA-millet Singh et al. 1991
Riz CEREA-riz Singh et al. 1993
Sorgho CEREA-sorgho Alargarswamy & Richie. 1991
Blé CEREA-blé Godwin et al. 1989
Légumineuses à grain
Haricot sec BEANGRO Hoogenboom et al. 1994
Cacahuète PNUTGRO Boote et al. 1989b
Soja SOYGRO Jones et al. 1989
Racines et tubercules
Aroids SUBSTOR-aroids Prasad et al. 1991
Manioc GUMCAS Matthews & Hunt. 1994
Pomme de terre SUBSTOR-pdt Griffin et al. 1993
VI 3- données d’entrée du modèle
VI.3-1 Les dossiers :

Les dossiers d'entrée et de sortie du modèle développé à l’ IBNAST possèdent un
format similaire. Par conséquent les dossiers d'entrée qui sont génériques, comme ceux
décrivant les conditions climatiques et les caractéristiques physiques et chimiques du sol,
peuvent être utilisés par tous les modèles. De plus tous les fichiers d’entrée et de sortie du
modèle ont une structure ASCII, et peuvent être imprimés directement par un point–
matrice ou une imprimante laser.
VI.3-2) Les données climatiques :

Le minimum de données climatiques demandé pour exécuter le modèle DSSAT:
-La latitude et la longitude de la station climatique.
34
-les valeurs journalières de la radiation solaire (MJ/m²-jour).

-la température journalière maximale et minimale en (ºC).
- les précipitations journalières en (mm).
On peut aussi inclure les températures de l'ampoule sèches et mouillées et la vitesse du
vent comme données facultatives.
VI.3-3) Les données du sol:

Les données relatives au sol demandé par le modèle DSSAT sont la classification
du sol (SCS), la pente en surface, la couleur, la perméabilité, et la classe de l'écoulement.
Les données par horizons du sol sont :
-les profondeurs de l'horizon supérieures et inférieures en (centimètre).
-le pourcentage en sable, en argile et en en limon.
-la densité apparente à1/3.
-le carbone organique.
-le pH dans l'eau.
-la saturation en aluminium.
VI.3-4) les données sur le mode de conduite de la culture :

Les données relatives à la conduite de la culture comprennent les informations sur
les dates de semis, les données du sol avant la plantation de la culture, la densité de semis,
la distance entre les lignes, la profondeur de semis, le génotype,l’irrigation, et l’apport
d’engrais. L’ensemble de ces données sert à la fois pour la validation du modèle et à
l’évaluation des stratégies adoptées.
3-5) Les données génétiques :
Ce sont des paramètres qui définissent les caractéristiques de croissance et de
développement pour chaque variété. Il s’agit de variable décrivant le nombre de jours ou
unités degré jour entre l'émergence et la floraison. On trouve aussi des paramètres qui
caractérisent la sensibilité de la variété à la photopériode. Le nombre des paramètres peut
35
être différents pour chaque type de culture, le nombre de paramètres varie aussi entre les
modèles.
Les coefficients génétiques (cas du blé) : (DSSAT Overview, Paul W. Wilkens , 2003).
Coefficients Significations
P1V -sensibilité à la vernalisation

P1D -sensibilité à la photopériode
P5 -temps photo thermique (d°j) de l’anthèse à la maturité
G1 -nombre de grain par poids d’une tige à l’anthèse (1/g).
G2 -poids des grains sous les conditions optimales (mg)
G3 -poids sec de la tige plus le poids de l’épi à la maturité
PHINT - taux d’apparition des feuilles
VI.4-Les sorties du modèle

Pour chaque modèle les fichiers de sortie ont un format similaire, pendant chaque
opération de simulation, plusieurs fichiers sont créés.
Tab 2: Récapitulatif des fichiers de sortie du modèle DSSAT (DSSAT Overview, Paul W.
Wilkens , 2003).
Fichier Données du fichier
1 - les informations qui figurent sur le moniteur pendant la simulation.
- les variables qui prédisent la croissance et d’autres variables qui
2 concernent l’équilibre du carbone en fonction du temps
- les variables climatiques et des variables de simulation de l’équilibre
3 hydrique en fonction du temps
4 -la variation de l’azote du sol et de la plante en fonction du temps.
V) Les composantes du CSM (Crroping System Model) intégré dans le DSSAT :

Ce système contient plusieurs programmes dont les plus importants sont :
-Le programme principal qui contrôle le temps pour chaque opération de simulation
-le module de l’unité de la terre qui dirige toutes les processus de simulation affectant
une unité de terre.
36
-les modules fondamentaux qui simulent séparément plusieurs processus affectant

l’unité de terre y compris le climat, la croissance de la plante,le sol, l’interaction sol
plante- atmosphère et les pratiques de management de la culture. L’ensemble de ces
composantes contribue à la simulation dans le temps des changements au niveau du sol
et de la plante se produisant sur une unité de terre homogène.
Tab 3: Récapitulatif des principaux modules contenus dans le CSM- DSSAT et de leur
T
fonctionnement. (DSSAT Overview , Paul W. Wilkens , 2003).
Les modules Les sous Fonctionnement

primaires Modèles
Commande les boucles, contrôle l’empreint de tous les

modules, il détermine lequel des modules utilisés pour
effectuer des changements dans les inputs.
Le programme principal lit l’information de l’expérience à

partir de dossier (FILEX) de DSSAT qui décrit une
expérience particulière ou situation qui doit être simulé (Hunt
et al. 2001) et un ensemble de variables pour contrôler les
Le programme simulations.
principal
DSSAT-CSM Le programme principal alors débute une boucle du temps de
la saison de la culture et fait appel au module de l'unité de la
Terre pour initialiser les variables qui doivent être mises au
début de chaque saison. Le programme principal contrôle les
opérations pour plusieurs modes de simulation et fournit le
timing et les variables du contrôle de la simulation à tous les
modules.
Il met dans un format approprié les informations des inputs
dans un dossier provisoire appelés DSSAT4.0INP
Fournit une interface contrôlant le fonctionnement de CSM
et les systèmes d’application. il représente un groupement
pour toutes les composantes qui réagissent réciproquement
sur une zone homogène de terre. Au début de chaque
nouvelle simulation, il obtient les informations sur les
Unité de
pratiques de la gestion à partir du fichier input de DSSAT. Il
terrain
relie le programme principal aux modules fondamentaux et
aux sub-modules.
37
Etudie et génère les paramètres climatiques journalières

utilisé par les modélisateurs ajoutant aussi si nécessaire des
valeurs journalières et il calcule les valeurs de variables à
pas d’heures.
Climat Ce module produit des données du temps journalières qui
utilisent le WGEN (Richardson, 1981 ,1985) ou SIMMETEO
(Geng et al., 1986, 1988) qui sont des générateurs des
données climatiques.
Calcule, par horizon du sol les paramètres de structure du sol,
Dynamique du il est horizontalement homogène et tient compte de plusieurs
sol couches du sol.Le module du sol intègre de l'information de
quatre sous modules à savoir : l’eau du sol, la température du
sol, le carbone et l’azote du sol, et la dynamique du sol.
Pour chaque couche du sol ce module calcule les processus
Sol
Module de l’eau que subit l’eau du sol, y compris l’infiltration, l’accumulation
du sol et l’effondrement de la neige, le flux de saturation et le
tableau de profondeur, le volume de l’eau dans le sol est
actualisé à pas de jour .
Caractérise les processus d’azote et du carbone, il tient
compte des fertilisants organiques, inorganiques, du
Module d’azote placement des résidus, du taux de décomposition, du flux de
et du carbone du nutriments entre les différentes les couches du sol.
sol la concentration de l’amonuim et du nitrate sont actualisée à
pas de jour pour chaque couche du sol
Ce module calcule par horizon la température du sol.
Module de la
température du
sol
Simule la compétition sur les ressources dans le système sol

Sol – plante- plante atmosphère ; il estime le partage de l’énergie entre
atmosphére l’évapotranspiration, la transpiration, et l’extraction de l’eau
par les racines.
Calcule la croissance de la culture en tenant compte de la
phénologie, la photosynthèse, le besoin d’azote et du carbone
de la plante les stades de croissances ainsi que les dégâts
GROPGRO causées par les ravageurs et les maladies des cultures.
GROP
template
L'approche du template -module fournit un moyen générique
module
pour modeler les cultures. Un seul code de source peut être
utilisé pour simuler la croissance de plusieurs cultures et ceci
en utilisant les caractéristiques de l'espèce définie dans un
38
dossier externe relatif à chaque espèce.
CERES Mais
Module de CERES blé
croissance CERES Orge
indépendante CERES Riz
CERES Sorgho
CERES Millet
Substor Potato
Module de
gestions de la Plantations Détermine la date de plantation
culture
La récolte Détermine la date de la récolte

Irrigation Détermine l’irrigation quotidienne
Fertilisation Détermine l’amendement fertilisant
Résidus L’application du résidu et de matériel organique (plante,
animale)
39
Matériel et méthode 2004 /2005
Matériels
&
Méthodes
40
I- Objectifs de l’étude
Cette étude a pour objectif d’élucider l’effet de la densité de semis sur plusieurs
variétés de blé tendre, blé dur et d’orge cultivés dans la région du chouia, Les données
collectées tout au long du cycle de la culture serviront à la validation du modèle DSSAT
4. Afin d’atteindre ce but trois densité de semis: 250 graines/m², 350 graines/m²,
450graines/m² ont été testés sur deux variétés de blé dur, deux variétés de blé tendre et
deux variétés d’orge.
II- Présentation de la région d’études

II-1 Situation géographique :
L’expérimentation a été conduite au domaine expérimental de Sidi El Aidi se
trouvant sur la route principale N° 7 à 12 Km au nord de Settat.
II-2 Caractérisation agro climatique de la région d’étude:
La région d’étude est à climat semi–aride avec un régime pluviométrique très
variable en quantité et en distribution. La moyenne annuelle des précipitations, calculé sur
67 ans, est de 386 mm avec un coefficient de variation de 33% (Watts et El Mourid,
1988) avec des extrêmes de 200 à 750 mm. En année médiane, la pluviométrie décadaire
augmente régulièrement jusqu’à la première décade de Novembre, oscille autour d’une
moyenne de 10 mm jusqu’à la dernière décade du mois d’avril (Baidada, 1989). Les mois
de Juin, Juillet, Août, et Septembre sont pratiquement secs.
III- caractéristiques pédologiques et matière végétale

Le sol du domaine expérimental de Sidi El Aidi est calcimagnésique, brun calcaire
à texture argileuse, avec un pourcentage d’argile variant entre 51% et 60%, le taux de
CaCO3 augmente avec la profondeur, il passe de 18.9% dans l’horizon 0-10 cm à 37.4 %
dans l’horizon 90-120 cm .Ce type de sol est peu humifère en surface (2% de matière
organique) et se fissure avec le dessèchement. Sa densité apparente s’élève avec la
profondeur, il passe de1.19 dans l’horizon 0-10 cm à1.56 g/cm3 dans l’horizon 90- 120
41
cm. Les caractéristiques hydriques du sol sont de l’ordre de 30% pour la capacité au
champ (Hcc) et de 16% pour l’humidité au point de flétrissement (HpFp).
Tab 4 : Propriétés physico-chimiques du sol , Domaine de Sidi El Aidi (INRA Settat-

2004)
profondeur Texture Densité
cm argile% limon% sable% matière Hcc HpFp pH Apparente
organique% CaCO3% % % g /cm3
0-10 51 24 25 2.4 18.9 32 16 8.2 1.19
10-20 55 27 18 2.2 19.2 31 16 8.3 1.26
20-30 56 26 18 2.2 19.8 34 16 8.3 1.32
30-60 58 23 19 2.0 28.9 30 16 8.4 1.44
60-90 59 25 16 0.7 36 26 16 8.3 1.54
90-120 60 23 17 0.72 37.4 25 16 8.5 1.65
IV- Le plan expérimental de l’essai

Le dispositif expérimental désigné à cet essai est un Split Splot de quatre
répétitions ou Blocs. Les deux facteurs étudiées sont d’une part la densité de semis avec
trois niveau de variations (250, 350,450 graines/m²) et d’autres part les variétés d’orge
(Oussama et Massine), de blé dur (Karim et Tomouh), et les deux variétés de blé tendre
(Achtar et Rajae). (Voir le plan d’essai). Le facteur en parcelle principale est la densité de semis,
alors que le facteur subsidiaire est la variété, ce dernier a été distribué aléatoirement sur chaque
parcelle principale.
42
IV-1 Les plans expérimentales de l’essai densité de semis :
Direction de semis
I II III IV I II III IV
6m 2m
V3 V5 V5 V5 V1 V1 V2 V1
4m
V5 V3 V3 V3 V2 V2 V1 V2
V3 V3 V5 V3 V2 V1 V2 V2 24m
V5 V5 V3 V5 V1 V2 V1 V1
V3 V5 V5 V3 V1 V2 V1 V2
V5 V3 V3 V5 V2 V1 V2 V1
4m
64m
Essai densité de semis blé tendre Essai densité de semis blé dur
Fig 5 : plans de l’essais densité de semis blé tendre et blé dur
43
24m
↓direction
4m de semis
IV
6m V1 V3 V3 V1 V1 V3
30m
III V3 V1 V1 V3 V3 V1
II V1 V3 V1 V3 V1 V3
I V1 V3 V3 V1 V3 V1
Essai densité de semis orge
Fig 6 : Plan de l’essai densité de semis orge
Légende :
densité de semis 3 : 450 graines/m²
44
Superficies des parcelles :
-Superficie de la parcelle 5 : 1536 m²= 0.15ha

-Superficie de la parcelle 19 : 720m²= 0.07 ha
-parcelle élémentaire : 6*4= 24 m²
Les variétés utilisés:
Blé tendre:
V3- Achtar
V5-Rajae
Blé dur :
V1-Karim
V2-Tamouh
Orge :
V1-Oussama
V2-Massine
Précèdent cultural :
Parcelle Précédent cultural

Blé tendre et blé dur Jachère
Orge Légumineuses
V- Les opérations Effectuées

Le semis a été effectué avec un semoir mécanique, l’écartement entre les lignes est
de 20 cm avec une profondeur de semis de 4cm. La parcelle de l’essais densité de semis
blé tendre et blé dur a comme précèdent culturale une jachère, alors que la parcelle de
l’essai densité de semis orge a comme précèdent culturale une parcelle de légumineuse.
45
Tab 6 : Récapitulatif des opérations culturales effectués :
La date Les opérations

19-11-2004 -Cover-croppage des parcelles.
-épandage des engrais de fond.
25-11-2004 -hersage
-prélèvement des échantillons du sol pour l’analyse de
l’humidité et l’azote
-découpage des parcelles suivant le dispositif expérimental.
-semis de l’essai densité de semis.
14-12-2004 -délimitation des parcelles (passage du motoculteur).
-la mise en place des quadrats de comptage (piquetage des
essais).
08-01-2005 -désherbage chimique. (utilisation du Granstar)
12-13/01/2005 Délimitation des parcelles (passage du motoculteur dans les
allées).
17/02/05 Désherbage manuel
02-03-2005 -épandage des engrais de couverture.
09-03-2005 -traitement phytosanitaire. (utilisation du Tilt)
04/04/05 Désherbage manuel.
VI- Les données expérimentales
VI-1Itinéraire technique :
1-1 Préparation du sol :
Opération Date Outil

Labour profond 19-11-2004 Cover crop
Préparation du lit de semence. 25-11-2004 Herse+ cover crop
1.2-Semis
Densité de Ecartement Profondeur Nbre de

Date de Mode de Nbre de
semis entre les de semis lignes /
semis semis passages
(graines/m2) lignes (cm) (cm) passage
250 25/11/2004 20 4 Mécanique 3 6
46
graines/m²
350 25/11/2004 20 4 Mécanique 3 6
graines/m²
450 25/11/2004 20 4 Mécanique 3 6
graines /m²
NB :
Le nombre de ligne par parcelle élémentaire est de 18, les six lignes se trouvant au centre de la
parcelle ont été destiné au comptage des composantes de rendements, alors que les autres lignes,
six ont été désignés à la coupe de la biomasse aérienne, et les six autres lignes ont été destinés à la
récolte afin de déterminer le rendement réel.
1.3-Fertilisation :
3-1) Application des engrais de fond
Date Type Quantité (kg/ha) Observation

19-11-2004 TSP (45%) 100 Epandage à la volée
Sulfate d’amonuim
19-11-2004 200 Epandage à la volée
(21%)
3-2) Application des engrais de couverture :
Date Type Quantité (kg/ha) Observation

Epandage à la volée
02-03-2005 Urée 46% 100 Epandage après une
semaine pluvieuse
1.4-Désherbage :
Date d’application Type Quantité Observation

08-01-2005 Granstar (chimique) 12.5 gr/ha antidécotylédone
17-02-2005 Manuel
Abondance d’avoine
04-04-2005 Manuel
1.5-Traitements phytosanitaires :
Date d’application Produit Quantité Observation

Retard dans
09-03-2005 Tilt 0.5 l/ha l’application à cause du
stress hydrique.
47
VII-2 les données climatiques :

Les données climatiques ont été enregistrées par une station automatique de type
Campell se trouvant au domaine expérimental de Sidi El Aidi, (INRA - Settat). Dans
cette étude on s’est intéressé essentiellement à la température journalière minimale et
maximale ainsi qu’au rayonnement solaire et aux précipitations journalières.
VII-3 les données relatives au sol :
3-1 L’humidité du sol :
L’humidité du sol a été déterminé deux fois, le premier prélèvement était destiné à
la mesure de l’humidité initial du sol, il a été effectué le 25/11/2004 au moment du semis
par une tarière hydraulique, alors que le deuxième prélèvement n’a été effectué qu’à la
récolte afin de déterminer l’humidité final du sol, l’analyse des échantillons a été réalisé
au laboratoire du centre de l’INRA de Settat , et elle a consisté sur l’étude des horizons de
0 à 20 cm, 2O à 40 cm, 40 à 60 cm, 60 à 80 cm, 80 à 100 cm, et 100 à 120 cm.
VII-4 mesures et observations sur la culture :
4.1- La biomasse aérienne :

Sur chaque parcelle élémentaire, six lignes ont été désigné pour déterminer la
biomasse aérienne, sur ces lignes des coupes de 1m linéaire ont été effectué aux stades 3
feuilles, au stade plein tallage, à la montaison, à l’épiaison, à la floraison, une semaine
après la floraison,à la maturité physiologique, et lors de la récolte.
4.2- Le nombre de talles :
Le nombre de talle a été calculé sur dix plantes choisies aléatoirement au niveau de
chaque parcelle élémentaire, il a été déterminé à deux stades du cycle de la culture à
savoir début montaison et au début floraison.
4.3 - Les composantes de rendements :
*Nombre de pieds par m² :
Au centre de chaque parcelle élémentaire, des quadrats fixes de 1m² ont été
Installés, sur celles-ci nous avons effectué le comptage du nombre de pieds par m².
48
*Nombre d’épis par m² :

Dans chaque parcelle élémentaire, nous avons calculé le nombre d’épis produits sur
des quadrats de 1m².
*Nombre de grains par épi et le PMG :
En ce qui concerne le nombre de grains par épi et le poids de mille grains ils ont été
déterminés sur un échantillon de 50 épis choisis aléatoirement sur chaque parcelle
élémentaire.
*Le rendement grain :
Pour déterminer le rendement grain, six lignes de chaque parcelle élémentaire ont
été récoltées et pesées.
4.4- Notation des stades phrénologiques :
La notation avait pour objectif de déterminer les dates de réalisation des stades
phénologiques des variétés testées dans cet essai en fonction des densités de semis
utilisées. La notation consistait sur l’ensemble des stades phrénologiques à savoir: la
levée, le début tallage, la montaison, le gonflement, l’épiaison, la floraison, stade laiteux,
laiteux - pâteux, pâteux, et la maturité physiologique, nous considérons qu’un stade a été
réalisé quand 50% de la parcelle élémentaire réalise ce stade.
4-5 Mesure de l’indice foliaire :
En ce qui concerne l’indice foliaire, la mesure de ce paramètre a été effectuée à
l’aide d’un planimètre, cette opération a été effectuée deux fois.
VIII Le traitement statistique :
Le traitement statistique des données a été fait par le modèle S.A.S, en utilisant le
procédé GLM (General Linear Model).le mode opératoire adopté est le suivant, nous
avons le mode qui représente la densité avec trois niveaux de variations, la variété avec
deux niveaux de variations, et les répétitions qui sont quatre pour chaque traitement.
IX- validation du modèle DSSATv4 :

Toutes les données expérimentales collectés durant toute la campagne agricole
serviront à la validation et à l’évaluation du modèle DSSATV4, les valeurs observées
49
seront comparées aux données fournies par le modèle et permettront ainsi son évaluation
quant à la prédiction des stades phrénologiques, de la production de biomasse, du
rendements et de ces composantes.
50
Synthèse et conclusion 2004 /2005
Résultats
&
Conclusions
51
I- Analyse climatique de la campagne agricole 2004-2005 : (Station INRA de Sidi El

Aidi)
I-1 Les précipitations :
Le total des précipitations enregistré durant cette campagne agricole est de 202
mm, cette quantité de pluie est très inférieure à la moyenne enregistrée dans cette région
qui est de 386 mm. D’après la (fig 7), on remarque que la grande partie des précipitations
a été enregistré au début de la campagne agricole, cependant la période entre Janvier et
Avril a connu une sécheresse intense ce qui a endommagé le couvert végétale.
I-2 Les températures :
Cette année a été caractérisée essentiellement par une sévère période de gelée au
milieu du cycle où les températures minimales ont été en dessous de 0°C, en effet le
mois de Janvier a enregistré des températures minimales de l’ordre de -4°C. D’autre part
en fin de cycle de la culture (début avril) les températures maximales ont dépassé les
35°C. Ces conditions climatiques ont eu des effets néfastes sur la croissance et le
développement de la culture du blé, ce qui explique les faibles rendements réalisés
pendant cette année.
52
quantité de pluie en mm par décade(Station de Sidi El Aidi(Campagne 04-

05)
80
70
60
50
quantité de pluie en mm par
40
décade
30
20
10
0
0
2
/1
/1
/1
/1
/0
/0
/0
/1
10
30
30
20
10
30
20
10
à
à
1à
2à
0
2
/1
/1
/1
/1
/1
/0
/0
/0
10
01
01
20
20
10
01
20
Fig 7 : le T max et T min ainsi que la T journalière, ainsi que les précipitations par décade
enregistrées à la station de L’INRA Sidi El Aidi (04-05)
53
II- Cas du blé dur :
II-1 Effets de la densité de semis et de la variété sur le rendement et ses

composantes:
1-1 Nombre de pieds /m²
L’analyse de variance (Tab7) a montré l’existence d’un effet significatif de la
densité de semis sur le nombre de pieds/m². En effet l’augmentation de la densité de
semis s’est accompagnée par une augmentation du nombre de pieds/m², ce résultat
concorde avec ceux trouvé par Ouknider (1981) et Hull et Backer (1990). En revanche la
variété n’a pas eu d’effet significatif sur le nombre de pieds /m², les deux variétés testées
dans cette expérimentations ont donné pratiquement le même peuplements pied par m².
Par ailleurs, on constate que les taux de levée enregistrés sont inférieurs au taux de
levée potentiel des variétés, ce qui confirment les pertes en semences à l’installation de la
culture, ce résultat confirme celui trouvé par Benouada (1991).
L’interaction entre la densité de semis et la variété n’a pas affecté le nombre de
pieds produits au m².
Tab7 : Effet de la densité de semis et de la variété sur le nombre de pieds par m²
Densité Densité 1 Densité 2 Densité 3 Moyenne
Variété
Karim 182 234 332 249 A
Tomouh 175 247 308 243 A
Moyenne 178 A 240 B 320 C 246
C.V= 8.14
54
1-2 Peuplements épis/m²
D’après le tableau d’analyse de la variance (Tab8) , on constate que la densité de semis

n’a pas eu d’effet significatif sur le nombre d’épis /m², les trois densités utilisées dans cette
expérience ont donné un peuplement épi au alentours de 165 épis /m², ce résultats obtenu est
contradictoire avec ceux trouvé par Nerson ( 1980 ) ; et Johnson et al , (1988) ces derniers ont
trouvé qu’un nombre maximal d’épis est obtenues d’autant plus que la densité de semis est
élevée, la corrélation positive est également rapporté par plusieurs autres auteurs El mourid
(1976 ) , Ouknider, (1981) , et Mossadeq (1989) . Cependant la variété a eu un effet significatif
sur le nombre d’épis par m², la variété Tomouh a donné un peuplement épis plus élevés que la
variété Karim montre la différence génétique entre ces deux variétés. L’interaction entre la
densité de semis et la variété n’a pas affecté significativement le nombre de pieds /m².
Tab 8 : Effet de la variété et de la densité de semis sur le nombre d’épis par m²

Variété
Karim 149 142 162 151 A
Tomouh 171 187 186 181 B
Moyenne 160 A 164A 174A 246
C .V=16.7
1. 3 Nombre de grains /m² :

1.3-1 Analyse de la variance :
Le tableau d’analyse de la variance (Tab9) montre que le nombre de grains /m² n’a
pas été affecté par la densité de semis, les trois densités de semis utilisées dans cet essai
ont donné un nombre de grains /m² au environ de 1600 grain /m², ce résultat est
contradictoire avec celui trouvé par Maddahi, (1992) et Benouada (1990). Ces deux
derniers ont trouvé que le nombre de grains par m² est positivement corrélé à la densité de
semis. La variété aussi n’a pas eu d’effet significatif sur ce paramètre, les deux variétés
55
de cette expérience ont donné un nombre de grains par m² en moyenne de 1600 graines
/m². L’interaction entre la densité de semis et les variétés testées lors de cette étude n’ pas
affecté le nombre de grains /m².
Tab9 : effet de la densité de semis et de la variété sur le nombre de grains par m².

Variété
Karim 1592 1416 1219 1409A
Tomouh 1852 1884 1667 1800A
Moyenne 1722A 1650A 1443 A 1604
C. V=29.06
1.3-2 Simulation par la modèle DSSAT :
Fig 8 : Comparaison entre les résultats simulés et observés du nombre de graines/m²
56
Tab10: Comparaison entre les résultats simulés et observés.
Moyenne
Variable Observé Simulé Ratio Diff.Moy
Nombre de graines/m² 1532 1816 1.21 283
La comparaison des résultats observées et simulées relatifs au nombre de

grains par m² montre qu’il y ‘a une grande déviation entre les valeurs simulés par rapport
à ceux observé, en effet le modèle a donné un nombre de grains /m² de 1816 graines, alors
que le nombre de graines par m² observé au niveau du champ est de 1532 graines, le
modèle a donc surestimer le nombre de graines/m² avec un ratio entre les valeurs simulés
et observés de 1.21et avec une différence moyenne de 283 graines/m². (fig.8), et le (Tab
10).
1- 4 Nombre de grains par épi :
D’ après le tableau d’analyse de la variance (Tab 11), on constate que la densité de

semis a eu un effet significatif sur le nombre de grains par épi, ces résultats concordent
avec ceux trouvées par Hull et Backer (1990). ces derniers affirment qu’à forte densité de
semis les caractéristiques de l’épi se modifient, le nombre d’épillets fertiles diminue et de
nombreuses fleurs avortent à la floraison, des résultats similaires ont été trouvé par
Gallez et al (1985) , cependant ils n’ont pas observé d’effet de la densité de semis sur le
nombre de grains par épillet., en revanche la variété n’a pas affecté significativement le
nombre de grains par épi, les deux variétés utilisées à savoir Karim et Tomouh ont donné
un nombre de grains par épi de l’ordre de 10 graine par épi, on révèle aussi que pour tous
les traitements le nombre de grains/épis est trop faible ceci est du essentiellement à la
sécheresse en milieu et en fin de cycle. L’interaction entre la densité de semis et la variété
n’a pas eu d’effet significatifs sur le nombre de grains /épi
57
Tab 11 : Effet de la densité de semis sur le nombre de grains par épi
Densité
Densité 1 Densité 2 Densité 3 Moyenne
Variété
Karim 10 10 7 9A
Tomouh 11 10 8 10A
Moyenne 11A 10AB 8B 9
C.V=25.28
1-5 Poids de 1000 grains :

1.5-1 Analyse de la variance :
D’après le tableau d’analyse (Tab 12), on peut conclure que la densité de semis n’a pas eu
d’effet significatif sur le poids du grains, ce résultat confirme celui trouvé par Ouknider, (1981).
Ce dernier a rapporté que la densité de semis n’a eu qu’un effet minime sur le poids du grains,
par contre El mourid (1976) et Mossadaq (1980) ont trouvé que le poids du grain diminue à forte
densité de semis, dans notre étude les trois densités de semis utilisées ont donné un poids de 1000
grains proche 29 gramme, la variété aussi n’a pas eu d’effet significatif sur le poids du grains, les
deux variétés ont donné un poids de 1000 grains aux alentours de 29 gramme, ce qui est
nettement inférieurs au PMG potentiel des variétés de blé dur utilisées qui est de 56 g pour Karim
et de 47g pour Tomouh. Le faible PMG obtenus pour l’ensemble des traitements est du à la
sécheresse de fin de cycle ce qui a pénalisé le remplissage des grains. L’interaction entre la
densité de semis et la variété n’a pas eu effets significatifs sur le poids de mille grains.
Tab 12 : effet de la variété et de la densité de semis sur le poids de mille grains

Densité
Variété
Karim 30 30 29 30 A
Tomouh 28 27 30 28 A
Moyenne 29A 29A 29A 29 A
C.V=8.8
58
1.5.2-Simulation par le modèle du poids de mille Grains :
Fig. 9 : Comparaison entre le poids de 1000 grains simulés et observés
Tab13: Comparaison entre le poids de 1000 grains simulés et observés
Moyenne
Variable Observé Simulé Ratio Diff.Moyenne
Poids de 1000 grains en g 28 38 1.34 10
59
La comparaison du poids de mille grains simulés et observés montre que le modèle a une
tendance à surestimer cette composante de rendement, en effet une différence moyenne
de 10g a été enregistré pour les six traitements de cette expérience, le poids de mille
grains simulé étant de 38 alors que le poids de mille grains observés ni que de 28 g le
ratio enregistré est de 1.34. (fig 9) .
2-6 Rendements grains :
Le rendements grains réalisés dans cette campagne agricole sont nettement trop faible et
témoigne des effets des facteurs climatiques qui ont sévit cette année et qui se résument dans la
gelée en milieu du cycle et de la sécheresse en fin de cycle, les rendements grains obtenue sont
inférieurs pour tous les traitements à 5 qx/ha, d’après le tableau (14), on constate que le
rendement grain n’a pas été affecté significativement par les densités de semis utilisées dans cet
essai. Par contre la variété a eu un effet significatif sur le rendement grain, en effet la variété
Tomouh a permis une augmentation de rendement grain de 25 % par rapport à la variété Karim.
Ce résultat peut être expliqué par la précocité de cette variété, et montre la résistance de cette
variété à la sécheresse. Concernant l’interaction entre la densité de semis et la variété, l’analyse
statistique montre qu’il n’a pas eu d’effet significatifs sur le rendement grain.
Tab14 : effet de la densité de semis et de la variété sur le RDT grains
Densité
Variété
Karim 3.8 3.6 3.5 5 qx /ha A
Tomouh 5.6 4.9 4.6 3, 64qx/ha B
Moyenne 4.72 A 4.29 A 4.05 A 4.32 qx/ha
C .V=24.44
60
1-6-1 Relations entre le rendement grain et ses composantes :

Par ailleurs pour dégager la contribution de chaque composante de rendement dans
la variation du rendement grain, nous avons établi des régressions linéaires simples entre
le rendement grain et chacune de ces composantes.
Les deux composantes nombre de grains/m² et le poids des milles grains
présentent une corrélation hautement significative avec le rendement grain, ceci montre
que tout stress hydriques en fin de cycle pouvant affecter le remplissage du grain et ainsi
peut réduire le rendement final. D’autre part on peut dégager du tableau (13) que le
coefficient de corrélation du rendement grain au nombre d’épis est Significatif, ceci
montre l’importance du peuplement épis dans l’élaboration du rendement final.
Tab 15 : corrélation entre le rendement et ses composantes
Composantes de rendements Rendements grain

Nbre d’épis/m² R=0.67
Grains/épi R=0.58
NGR/m² R=0.89
PMG R=0.88
1.6.2 Simulation par le modèle du rendement grain :

Tab 16 : Comparaison entre le Rdt grain et simulés
Moyenne
Variable Observé Simulé Ratio Diff. Moyenne
Rdt grain Kg/ha 431 696 1.70 265
61
Fig 10 : Comparaison entre le Rdt grain simulé et observé
Les résultats relatifs à la confrontation du rendement grain simulés et observés

(Fig10) montrent que le modèle a tendance à surestimer légèrement le rendement grain,
en effet le DSSAT.v4 a donné un rendement simulés de 696 Kg/ha, alors que le
rendement réel n’est que de 431 Kg/ha, la différence moyenne entre les valeurs simulées
et observés est de 256 Kg /ha avec un ratio de déviation standard entre les valeurs
simulées et observées de 1.7 (Tab 16)
II-2 Effet de la densité de semis et de la variété sur la production de biomasse
aérienne.
2-1 Etude de la biomasse totale à la récolte :
D’après le tableau d’analyse (17), il n’existe aucune différence significative de la
biomasse totale à la récolte en fonction des densités de semis et des variétés testées dans cet essai.
62
Il faut noter par ailleurs que l’augmentation de la densité de semis a amélioré

sensiblement la production de biomasse aérienne, alors que la variété Tomouh a donné une
meilleure biomasse que la variété Karim sans que cette différence entre ces deux variétés soient
significatives. L’interaction entre les deux facteurs testés dans cette étude n’a pas eu effet
significatif sur la biomasse totale produite à la récolte.
Tab 17: Effet de la densité de semis et de la variété sur la biomasse totale à la récolte
Densité
Variété Densité 1 Densité 2 Densité 3 Moyenne
Karim 270 287 286 281 g/m²
Tomouh 290 297 307 298 g/m²
Moyenne 280 293 297 289.5g/m²
C.V= 12.99
2-3 Evolution de la biomasse aérienne produite au cours du cycle de la culture
D’après les figures (11,12 ,13) on constate d’une part que la biomasse aérienne
produite a eu une allure croissante jusqu’a arrivé à un plateau, en effet la valeur de la
biomasse a passé de 40 g/m² jusqu’à se stabilisé autour de la valeur 300 g/m², ce qui
représente l’équivalent de 3 t/ha, et que la densité de semis n’a pas affecté la quantité de
biomasse produite. D’autre part les deux variétés utilisées dans cet essai à savoir Karim et
Tomouh ont produit pratiquement la même quantité de biomasse aérienne.
63
biomasse produite g/m² Evolution de la biomasse aérienne
350
300
250 Karim * densité 1
200
Karim* densité 2
150
100 Karim* densité 3
50
0
t
n
x
-p x
²
x
on
om son
m age
en
m
to teu
u
eu
go iso
ite aite
om as
g/
m
at
i
ll
ta
pa
ra
ta
i
le
le
ép
on
l
flo
nf
ta
ux
bi
la
bi
Fig 11: Evolution de la biomasse aérienne en fonction de la densité de semis (Var

Karim).
Tomouh*densité1
Tomouh* densite 2
Tomouh*densité 3
400
biomasse produite g/m²
350
300
250
200
150
100
50
0
t
on
ux
ux
ge
n
n
²
en
m
eu
so
iso
te
is
ite
lla
g/
at
ia
ra
ta
pa
ta
la
le
le
ép
-p
on
flo
nf
ta
om
ux
m
go
to
om
ite
bi
la
bi
Fig12: Evolution de la biomasse en fonction de la densité de semis (Var Tomouh)
64
400
biomasse aérienne g/m²
350
300
250
Var Karim
200
Var Tomouh
150
100
50
0
x
t
ux
ux
ge
n
n
²
en
m
u
so
o
o
te
ite
te
ll a
is
is
g/
m
ia
pa
pa
ra
ta
la
ta
le
lte
ép
flo
on
-
nf
n
ux
co
ei
go
tm
ite
ré
pl
bu
la
la
de
à
Fig 13 : Comparaison entre la biomasse aérienne produite par les deux variétés
(Karim et Tomouh)
2-3 Simulation par le modèle de la biomasse aérienne produite :
Fig 14 : Comparaison entre la biomasse aérienne simulés et observés
65
Tab 18 : Comparaison entre la Biomasse aérienne simulés et observés
Moyenne
Variable Observé Simulé Ratio Diff. Moyenne
Biomasse aérienne Kg/ha 1916 768 0.53 -1148
En comparant la production de la biomasse aérienne prédite par le modèle et les résultats

observés au champ, on trouve que le DSSAT a sous-estimer la production de la biomasse
à ce stade, la moyenne des résultats simulés par le modèle n’est que 861 Kg/ha alors que
la moyenne des résultats observés sur le champs est de 1590 Kg/ha (Tab18).
En ce qui concerne l’évolution de la biomasse aérienne simulée par le modèle, d’ après la
(fig 20) on peut constater que la densité de semis et la variété n’ont pas affecté la quantité
de biomasse produite, ce qui confirment les résultats obtenus dans le champ.
II-3 effet de la densité de semis et de la variété sur l’indice de récolte : I. R
3-1 Analyse de la variance :
En ce qui concerne l’indice de récolte, le tableau d’analyse (19) montre que ce

paramètre n’a pas été influencé significativement par les deux traitements de cet essai à
savoir les densités et les variétés utilisées. Ce résultat peut être expliqué par le phénomène
de compensation qui s’établit entre les différentes composantes de rendement, à noter par
ailleurs que nous avons trouvé que l’indice de récolte est corrélé négativement avec la
densité de semis.
Les indices de récolte réalisée à la cour de cette campagne pour tous les traitements sont
très faible et témoigne de la faible répartition des assimilats entre la source (biomasse
66
végétative et les puits les grains). L’interaction entre la densité de semis et la variété n’ont
pas eu d’effets significatifs sur l’indice de récolte.
Tab 19 : effet de la variété et de la densité de semis sur l’indice de récolte.

Densité
Variété
Karim 15 12.5 12.24 25A
Tomouh 19 16.5 15 20A
Moyenne 26A 22A 20A 22.5
C .V=12.05
3.2- Simulation par le modèle de l’indice de récolte :
Fig15 : Comparaison entre l’indice de récolte observés et simulés par le modèle
67
Tab 20 : comparatif de l’indice de récolte observé et simulé
Moyenne
Variable Observé Simulé Ratio Diff. Moy
Indice de Récolte 14.89 69.8 4.94 55
Concernant l’indice de récolte, la comparaison des résultats observés à ceux

simulées montre que le modèle surestime considérablement ce paramètre (Fig 11). En
effet le modèle a donné un indice de récolte de l’ordre de 70 % alors que dans le champ
ce paramètre n’a pas dépassé les 15 %. Cette grande différence entre l’indice de récolte
simulé et observé peut être expliqué par la sous-estimation de la biomasse et la
surestimation de rendements grain par le modèle (Tab 20).
II-4 Effet de la densité de semis et de la variété sur la production de talles :

4-1 au début Montaison :
D’après le tableau d’analyse (21), on peut conclure que le nombre de talles a été
significativement affecté par la densité de semis, le coefficient de tallage herbacé est de 2,
ce faible coefficient est expliqué par la sécheresse qui a limité le potentiel de tallage des
variétés testées. En revanche la variété n’a pas affecté le nombre de talles produites, les
deux variétés testées ont donné un nombre de talle avoisinant les 730 talles par m².
4-2 à la Floraison
Le tableau d’analyse (22) montre que le nombre de talles produites pendant la
floraison n’a’ pas été significativement affecté par les variétés utilisées, en effet la variété
Tomouh a donné une augmentation du nombre de talles produites de 9 % par rapport à la
variété Karim Cependant contrairement à la montaison la densité de semis a eu un effet
significatif sur le nombre de talles produites.
68
Tab 21 : Effet de la densité de semis et de la variété sur le nombre de talles produites au

stade début montaison
Densité
Variété
Karim 622 667 871 722A
Tomouh 500 781 911 731A
Moyenne 564A 724A 891A 726
C. V= 18.32
Tab 22 : Effet de la densité de semis et de la variété sur le nombre de talles produits à la

floraison
Densité
Variété
Karim 240 218 349 269A
Tomouh 188 352 345 295A
Moyenne 214A 285B 347C 282
C .V= 13.32
69
1000
900
800
700
600 Nbre de Talle/m²au début
montaison
500
Nbre de talles/m² à la
400 floraison
300
200
100
0
Densité 1 Densité 2 Densité 3
Fig 16: Régression du nombre de talles produites/m² chez la Var Karim en fonction du
densité de semis
1000
900
800
700 Nbre de talles
600 produite/m²au stade début
montaison
500
Nbre de talles/m² produites
400 à la floraison
300
200
100
0
Densité 1 Densité 2 Densité 3
Fig 17: Régression du nombre de talles produites/m² chez la Var Tomouh en fonction
des densités de semis
70
4-3 Simulation par le modèle du nombre de talles produites/m² :
Tab23 : Comparaison entre le nombre de talles/m² simulés et observés.
Moyenne
no de talles/m2 ( Run 1) 512 520 1.0 -10
no de talles/m2 ( Run 2) 492 629 1.4 136
no de talles/m2 ( Run 3) 507 763 1.7 256
no de talles/m2 ( Run 4) 510 1133 2.2 623
no de talles/m2 ( Run 5) 553 1380 2.6 827
no de talles/m2 ( Run 6) 632 2076 4.3 1444
Fig18 : Comparaison entre le nombre de talles/m² simulés et observés
71
La confrontation entre le nombre de talles produits/m² et ceux simulées montre que

le modèle a tendance a sous estimer ce paramètre, la différence entre les valeurs
observées et simulées est de 213. D’après la (Fig 18) on peut constater que le nombre de
talles produites a été significativement affecté par la densité de semis, ce résultat confirme
celui trouvé dans le champ.
II-5 Effet de la densité de semis et de la variété sur LAI au stade début Montaison
5-1 analyse de la variance :
D’après le tableau d’analyse (24), on constate que la densité de semis n’a pas eu
d’effet significatif sur l’indice foliaire. Par contre la variété a affecté significativement la
production du couvert végétale, ce qui montre que LAI est corrélé significativement à la
variété. Concernant l’interaction entre les deux facteurs testés lors de cette étude, d’après
l’analyse statistique on peut constater qu’il y a un effet significatif de ce dernier sur
l’indice de récolte.
Tab 24 : Effet de la densité de semis et de la variété sur LAI qu stade Montaison
Densité
Variété
Karim 2.08 1.91 1.78 1.92A
Tomouh 1.44 1.93 1.69 1.68B
Moyenne 1.76 A 1.92A 1.74A 1.8
C. V=13.51
72
5-2 Simulation par le modèle de LAI :
Fig 19 : Comparaison entre LAI simulés et observés
Tab 25 : Comparaison entre LAI simulés et observés
Moyenne
LAI 1.39 0.5 0.41 -0.9
La comparaison entre les valeurs de LAI mesuré dans le champ et ceux simulé par
le modèle révèle que ce paramètre a été sous estimer par le modèle, en effet le modèle a
donné des valeurs de LAI de l’ordre de 0.4 alors que les valeurs mesuré au niveau du
champ avoisine le 1.4. Par ailleurs d’après la (fig.19) le modèle montre qu’il n’y’ pas de
différence significatifs de LAI entre les deux variétés testés dans cet essai.
73
II-6 Prédiction des stades phénologiques :
Fig20 : comparaison entre les dates observés et simulés par le modèle

Tab 26 : Comparaison entre les dates observés et simulés
Moyenne
Variable Observé Simulé Ratio Moy. Diff
Anthèse 117 132 1.124 15
Maturité 143 151 1.051 8
On va tester la bonne prédiction des stades phénologiques par le modèle en effectuant la

différence en jour entre les dates observées et simulés , dans notre étude nous sommes
intéressé aux stades phénologiques suivant l’anthèse, et la maturité physiologique,(Fig20).
la confrontation entre les dates simulés par le modèle et ceux observé dans les essais
révèle une déviation de l’ordre de 15 jours pour la date de la réalisation de l’anthèse, alors
que la date de la réalisation de la maturité physiologique a été dévié 8 jours.(Tab 26).
74
III- Cas de l’orge

III-1 Effet de la densité de semis et de la variété sur l’indice foliaire au stade
montaison
1-1 Analyse de la variance
D’après le tableau d’analyse de l’analyse (27), on peut conclure que la variété a
eu un effet significatif sur la production du couvert végétale, ainsi la variété Massine a
donné un indice foliaire plus élevé que la variété Oussama, ce qui confirme que ce
paramètre est corrélé à la variété, par ailleurs la densité de semis a eu un effet significatif
sur la production du couvert végétale, ainsi pour les trois densités utilisées on y trouve
deux groupes distincts d’indices foliaires. L’interaction entre la densité de semis et la
variété n’a pas eu d’effet significatif sur l’indice foliaire.
Tab 27 : effet de la densité de semis et de la variété sur LAI au stade début montaison
Densité
Variété
Oussama 2.55 2.74 3.01 2.77A
Massine 2.77 3.44 3.45 3.22B
Moyenne 2.66A 3.09AB 3.23B 2.99
C .V= 17.42
1-2 Simulation par le modèle :

Tab 28 : Comparaison entre les valeurs de LAI simulés et observés
MOYENNE
LAI ( Run 1) 2.13 1.0 0.5 -1.09
LAI ( Run 2) 2.32 1.0 0.4 -1.32
LAI ( Run 3) 2.47 1.0 0.4 -1.50
LAI ( Run 4) 2.29 0.4 0.2 -1.88
LAI ( Run 5) 2.64 0.4 0.2 -2.23
LAI ( Run 6) 2.79 0.4 0.1 -2.40
75
Fig21 : Comparaison entre les valeurs de LAI simulés et observés
La comparaison des valeurs de LAI donnée par le modèle et ceux mesuré dans le champ
montre que le modèle sous estime la valeur de l’indice foliaire, en effet le modèle nous a
donné une valeur moyenne de l’indice foliaire avoisinant le 1 par contre les valeurs
mesurées dans le champ sont de l’ordre de 3, cette différence peut être expliqué par la
faiblesse du couvert végétale à cause de la gelée et du déficit hydrique qu’a subi la
culture pendant cette campagne agricole
III-2 Effet de la densité de semis et de la variété sur la production de talles/m²
2.1 Au stade début montaison
D’après le tableau d’analyse (29), on constate que la densité de semis a eu un effet significatif sur
la production de talles. Une corrélation positive a été enregistrée entre les densités de semis
utilisées et le nombre de talles produits, ceci veut dire que l’augmentation de la densité de semis
s’accompagne par l’augmentation du nombre de talles produites par m². Cependant la variété n’a
pas eu d’effets significatifs sur le nombre de talles produites. Ce résultat peut être expliqué par
76
l’effet de la sécheresse qui a limité considérablement le phénomène du tallage, ainsi les

variétés utilisées n’ont pas pu développé leur tallage potentiel, ces résultats confirment
ceux trouvés dans le cas du blé dur.
Tab 29 : effet de la densité de semis et de la variété sur le nombre de talles produites au

stade début montaison
Densité
Variété
Oussama 609 682 709 666
Massine 450 730 939 734
Moyenne 570 706 824 700
C .V=14.1
2-2 Au stade floraison :

On constate d’après les tableau (30) que la variété n’a pas eu d’effet sur le nombre
de talles produites à la floraison, cependant la densité de semis a affecté ce paramètre, à
noter aussi que nous avons enregistré une régression du nombre de talles de l’ordre de
50%, alors que le coefficient de tallage épi est entre 0.9 et 1.2 ce qui montre que nous
avons eu des pertes de pieds à cause de la sévère sécheresse arrivé pendant cette
campagne agricole.
Tab 30 : Effet de la densité de semis et la variété sur le nombre de talles produites à la
floraison
Densité
Variété
Oussama 421 302 304 340
Massine 207 376 596 395
Moyenne 314 339 450 700
C V= 19.26
77
800
700
600
500
Nbre de talles/m²au stade
début montaison
400
Nbre de talles/m²à la
floraison
300
200
100
0
Fig 22: Régression du nombre de talles/m² produire par la Var Oussama.
1000
900
800
700
600 Nbre de talles/m²produites au
début montaison Var Massine
500
Nbre de talles /m² produites à
400 la floraison Var Massine
300
200
100
0
Fig 23: Régression du nombre de talles/m² produire par la Var Oussama
78
Fig24 : Comparaison du nombre de talles/m² simulés et observés
Tab31 : Comparaison du nombre de talles/m² simulés et observés

MOYENNE
no de talles /m2 ( Run 1) 512 520 1.0 -10
no de talles /m2 ( Run 2) 492 629 1.4 136
no de talles /m2 ( Run 3) 507 763 1.7 256
no de talles /m2 ( Run 4) 510 1133 2.2 623
no de talles /m2 ( Run 5) 553 1380 2.6 827
no de talles /m2 ( Run 6) 632 2076 4.3 1444
D’après la (fig.24), on peut conclure que le modèle a tendance à sous estimer le nombre
de talles par m², il a prédit ce paramètre avec une différence moyenne pour les six
traitements de cet essai de 493 talles par m².
79
III-3 Effet de la densité de semis et de la variété sur la biomasse aérienne :
3-1 : Etude de la biomasse totale à la récolte

Le tableaux d’analyse (32) montre que la variété n’a pas affecté significativement la
quantité de biomasse produite, cependant il faut noter que la variété Oussama a donné une
quantité de biomasse plus importante que la variété Massine, on peut aussi conclure que
les trois densités de semis utilisées lors de cet essai n’ont pas affecté significativement la
biomasse à ce stade , ces résultats confirment les résultats obtenues dans le cas du blé dur
où la densité de semis et la variété n’ont pas affecté la production de biomasse totale à la
récolte. Concernant l’interaction entre les deux facteurs étudiés lors de cette étude,
l’analyse statistique montre qu’il n’a pas eu d’effet significatif sur la biomasse aérienne.
Tab 32 : effet de la densité de semis et de la variété sur la biomasse totale à la récolte

Densité
Densité 1 Densité 2 Densité 3 Moyenne (g/m²)
Variété
Oussama 521 549 550 340A
Massine 512 535 511 395A
Moyenne 517A 542A 530A 700
C .V= 16.645
3-2 Evolution de la biomasse aérienne

D’après les figures, on remarque que la densité de semis n’a pas affecté
significativement la production de biomasse, et que les deux variétés d’orge utilisées dans
cet essai ont produit pratiquement la même quantité de biomasse aérienne ( Fig ), cette
dernière a suivi une courbe croissante jusqu’à atteindre la valeur 550 g/m², en effet la
biomasse a passé de 60 g/m² au stade de tallage jusqu’à arrivé à 550 g/m² en biomasse
totale. Par ailleurs en comparant la quantité de biomasse produite par l’orge et le blé dur
on trouve que l’orge a produit une quantité de biomasse aérienne plus importante que le
blé dur , l’orge a donné une augmentation en biomasse aérienne de 50% par rapport au blé
80
dur . Ce résultat peut expliqué par le fait que l’orge a été installée sur une parcelle qui a
comme antécédent culturale une parcelle de légumineuse.
Evolution de la biomasse
aérienne Oussama * densité1
Oussama* densité2
biomasse produite g/m²
Oussama * densité 3
600
500
400
300
200
100
0 x
ux
²
ux
ge
n
t
n
m
eu
en
so
iso
iso
te
g/
ite
l la
at
ia
pa
ta
ra
ta
la
le
-p
le
ép
on
ta
f lo
nf
ux
om
to
go
m
it e
om
bi
la
bi
Fig 25: Evolution de la biomasse aérienne de la Var Oussama en fonction des densités de
semis.
600
500
Biomasse g/m²
400
VAR Oussama
300
Var Massine
200
100
0
x
t
ux
ux
ge
on
n
²
en
m
u
so
o
te
ite
te
ll a
is
is
g/
m
ia
pa
pa
ra
ta
la
ta
le
lte
ép
flo
on
-
nf
n
ux
co
ei
go
tm
ite
ré
pl
bu
la
la
de
Fig26 : Comparaison entre la biomasse aérienne produite par la Var Oussama et Massine
81
Evolution de la biomasse Aérienne
600
Massine*densité1
500
Massine * densité 2
biomasse g/m²
400 Massine * densite 3
300
200
100
0
ge
x
n
ux
ux
om on
²
ép t
go ison
en
m
eu
om aso
te
ite
lla
is
g/
m
at
ta
ra
pa
ta
la
i
le
le
-p
on
fl o
nf
ta
ux
m
to
ite
bi
la
bi
Fig 27 : Evolution de la biomasse aérienne en fonction de la densité de semis (Var

Massine).
3-3 Simulation par le modèle de la biomasse aérienne :
Fig 28: Comparaison entre la biomasse aérienne simulés et observés
82
Tab 33 : Comparaison entre la biomasse aérienne observés et simulés

Moyenne
Biomasse aérienne kg/ha ( Run 1) 3043 2332 0.87 -712
La confrontation des résultats de biomasse aérienne observé et simulé montre que le

modèle a tendance à sous-estimer la biomasse aérienne pour les six traitements de notre
essai (Fig 30). Dans le champ nous avons eu une moyenne de biomasse à la maturité
physiologique est de l’ordre 5237 kg/ha alors que le modèle a donné une moyenne de
biomasse à ce stade de l’ordre de 2471 Kg/ha., ce résultats confirme ceux obtenues dans
le cas du blé dur. le ration entre les valeurs observés et simulés pour les différentes de
notre étude varie entre 0.66 et 0.87 pour le premier traitement
Par ailleurs la (fig, 32) montre que la variété et la densité de semis n’ont pas eu
d’effet significatif sur la production de biomasse aérienne, ce qui concorde avec les
résultats obtenus dans le champ.
III-4 Etude des composantes de rendements
4-1 Effet de la variété et de la densité de semis sur le nombre de pieds par m²

D’après les tableau (34), on constate que les trois densités de semis utilisées ont eu
un effet significatif sur le nombre de pieds par m², cependant le taux de levée a été
négativement corrélé à la densité de semis car le densité 3 à savoir 450 graines / m² a
donné un taux de levée de 65% alors que la densité 1 à savoir 250 graines / m² a donné un
taux de levée de 82%, ce résultat montre l’importance des pertes en semences pendant
l’installation de la culture. Par contre la variété n’a pas affecté le nombre de pieds par m².
Les deux variétés utilisées à savoir Oussama et Massine ont donné un peuplement pieds
au m² avoisinant le 240 pieds/m².
83
Tab 34 : Effet de la densité de semis et de la variété sur le nombre de pieds par m².
Densité
Variété
Oussama 205 239 305 340A
Massine 208 235 282 395A
Moyenne 206A 237B 293C 367
C. V= 9.91
4 -2 Effet de la variété et la densité de semis sur le nombre d’épis par m² :
D’après le tableau d’analyse (35), on constate que la densité de semis n’a pas eu d’effet
significatif sur le nombre d’épis par m² cependant la densité 450 graines/m² a donné un
peuplements épis plus élevés, ce résultat s’explique par le fait que le tallage épi a été réduit à
cause de la sévère sécheresse. Les variétés utilisées dans cette expérience n’ont pas affecté le
nombre d’épis par m², ces deux dernières ont donné un nombre d’épis avoisinant le 190 épis/m².
L’interaction entre les facteurs étudiés n’a pas eu d’effet significatif sur le nombre d’épis/m².
Tab 35: effet de la densité de semis sur le nombre d’épis au m²

Densité
Variété
Oussama 205 239 199 340A
Massine 208 235 188 395A
Moyenne 188 A 183A 210A 367
C .V=19.76
4- 3 Effet de la densité de semis et de la variété sur le nombre de grains par m²

4.3.1- Analyse de la variance
On constate d’après les tableau d’analyse (36), que les deux traitements testés lors
de cette étude à savoir la densité de semis et la variété n’ont pas affecté le nombre de
grains produits par m², ce résultas est contradictoire avec celui trouvé dans le cas du blé
84
dur où la variété a affecté significativement le nombre de grains par m². Concernant

l’interaction entre les deux facteurs de l’essai, d’après l’analyse statistique il n’a pas eu
d’effet significatifs sur le nombre de grains /m².
Tab 36 : Effet de la densité de semis et de la variété sur le nombre de grains /m²
Densité
Variété
Oussama 2623 2397 2539 2522 A
Massine 2329 2295 2941 2520 A
Moyenne 2476 A 2346 A 2740 A 2521
C .V=20.13

Tab37 : Comparaison entre le nombre de graines/m² observés et simulés
Moyenne
Grain no /m2 ( Run 1) 2329 9066 3.89 6737
Grain no /m2 ( Run 2) 2295 8749 3.81 6454
Grain no /m2 ( Run 3) 2491 8678 3.48 6187
Grain no /m2 ( Run 4) 2623 5708 2.18 3085
Grain no /m2 ( Run 5) 2397 5870 2.45 3473
Grain no /m2 ( Run 6) 2539 5926 2.33 3387
85
Fig 29 : Comparaison entre le nombre de graines/m² observés et simulés
En ce qui concerne le nombre de grains par m², la confrontation des résultats simulées et
observées montre que le modèle surestime cette composante de rendements, en effet le modèle a
donné un nombre simulé de graines par m² variant de 9006 pour le traitement 1 c'est-à-dire la
variété Massine* 250graines/m² à 5780 pour la variété Massine*250graines/m², alors que le
nombre de graines par m² comptés dans le champ n’est que 2591 graines/m².
86
4 - 4 Effet de la densité de semis et de la variété sur le nombre de grains par épi
D’après le tableau d’analyse (38), on constate que la densité de semis n’a pas eu d’effet
significatif sur le nombre de grains par épi, les trois testées dans cette essai ont donné un
nombre de grains par épi de 13, la variété aussi n’a pas affecté le nombre de grains par
épi, en tenant en compte les potentialités des variétés Oussama et Massine en zone semi -
aride, il s’avère que le nombre de grains réalisé pendant cette campagne agricole est
nettement inférieurs habituelle dans cette zone , ceci peut être justifié par la gelée en
milieu de cycle qui a pénalisé la formation de l’épis et en plus de la sécheresse en fin de
cycle qui a pénalisé le remplissage du grain. Concernant l’interaction entre les facteurs de
l’essai, d’après l’analyse statistique on constate qu’il n’a pas eu d’effets significatifs sur le
nombre de grains par épi.
Tab 38 : effet de la densité de semis et de la variété sur le nombre de grains par épi
Densité
Variété
Oussama 13.7 13.64 13.91 13.54A
Massine 13.34 14.35 12.94 13.25A
Moyenne 12.74A 14A 13.4A 13.38
C.V=20.13
4-5 Effet de la densité de semis et de la variété sur le poids de 1000 grains

On constate d’ après le tableau d’analyse que le poids de mille grains n’a pas subi l’effet
de la densité de semis, les trois densités utilisées ont tous donné un poids de 1000 grains
avoisinant les 30 gramme, ce qui confirme le résultats obtenu dans le cas du blé dur. En
ce qui concerne la variété elle n’a pas différencié significativement le poids de 1000
87
grains produits. L’interaction entre les deux facteurs de l’essai n’a pas eu d’effet
significatif sur le poids de mille grains.
Tab 39 : Effet de la densité de semis et de la variété sur le poids de 1000 grains
Densité
Variété
Oussama 31.7 30.37 31.73 31.1A
Massine 30.24 31.73 31.42 31.2A
Moyenne 30.9A 31A 31.57A 31.15A
C. V=6.41
5-2 Simulation par le modèle du poids de milles grains :
Fig 30: Comparaison entre le nombre de grains/m² observé et simulé
88
Tab 40: Comparaison entre le PMG observés et simulés

Moyenne
PMG en (g) ( Run 1) 30 25 0.8 -5
PMG en (g) ( Run 2) 31 25 0.8 -6
PMG en (g) ( Run 3) 31 25 0.8 -6
PMG en (g) ( Run 4) 31 15 0.5 -16
PMG en (g) ( Run 5) 31 15 0.5 -16
PMG en (g) ( Run 5) 31 15 0.5 -16
L’étude des résultats relatifs aux poids des grains montre que le modèle a tendance à sous
estimer le poids des grains, en effet le pois de mille grains mesuré dans le champ est de 30
gramme alors que le modèle n’a donné qu’un poids de mille grains moyen pour les six
traitements de 20 gramme. le ratio entre les valeurs simulés et observés va de 0.5 pour la variété
Massine à 0.8 pour la variété Oussama.
4- 6 Effet de la densité de semis et de la variété sur le Rendements grains
Le tableau d’analyse (41) montre que le rendement n’a pas été influencé
significativement par les deux traitements utilisés dans cet essai à savoir la densité de
semis et la variété. Les rendements grains réalisés sont nettement inférieurs aux potentiels
des variétés ceci est expliqué la sévère sécheresse en fin de cycle qu’a connu cette
campagne agricole. par contre l’interaction entre les deux facteurs de l’essai a eu un effet
significatif sur le rendements grains produits, à signaler d’autre part que ces résultats
peuvent être biaisé à cause des conditions climatiques cités précédemment
Tab 41 : effet de la densité de semis sur le rendement grain qx /ha.

Densité
Variété Densité 1 Densité 2 Densité 3 Moyenne qx/ha
Oussama 8.85 7.37 9.58 9.5
Massine 9.81 10.91 7.78 8.6

Moyenne 9.33 9.14 8.68 9.05
C .V=27.99
89
Par ailleurs pour dégager l’apport de chaque composante dans l’élaboration du

rendement grains, nous avons établi des régressions linéaires simples entre le rendement
grain et ses composantes.
Tab42: Coefficient de corrélation entre les composantes de rendements et le RDT grain.
Composantes de rendements Rendements grains
Nombre d’épis/m² R²=0.26
Nombre de grains par épis R²=0.47
PMG en g R²=0.33
Nombre de grains /m² R²=0.55
D’après le tableau (42), on remarque que les coefficients de corrélation ne sont pas
hautement significatifs comme dans le cas du blé dur, en effet tous les composantes de
rendements ont eu un coefficient de corrélation avec le rendement grain inférieurs à 50%,
à part le nombre de grains par m², ce dernier paramètre a eu un coefficient de corrélation
de l’ordre de 0.55 ce qui montre l’importance de cette composante dans l’élaboration du
rendement grain.
6-2 Simulation par le modèle du rendement grain :
Tab 43 : Comparaison entre le rendement grain simulé et observé
Moyenne
Variable Observé Simulé Ratio Diff. MOy
Rdt grain kg/ha 905 1822 2.02 917
90
Fig 31 : Comparaison entre le rendement grain simulés et observés.

Les résultats relatifs à la confrontation du rendement grain simulé et observé montre que
le modèle a tendance à surestimer le rendement grains, en effet le modèle a donné un
rendement grain simulé de 1822 kg /ha, alors que le rendement dans le champ n’est que
de 905 kg /ha, le modèle a donc largement surestimer le rendement avec un ratio entre les
valeurs simulés et observés de l’ordre de 2 .ce résultat confirme celui trouvé dans le cas
du blé dur (Fig 31).
III-5 L’indice de récolte :

5-1 Analyse de la variance
D’après les tableaux d’analyses (43) on constate que la densité de semis et la
variété n’ont pas eu d’effet significatifs sur l’indice de récolte, ainsi pour tous les
91
traitements utilisées lors de cette expérience nous avons eu un indice de récolte de l’ordre
de 16 %. Ceci témoigne d’une très faible répartition entre la matière végétative et les
grains .Concernant l’effet de l’interaction entre les facteurs étudiés, on constate d’après
l’analyse statistique que qu’il n’a pas eu d’effets significatifs sur l’indice de récolte.
Tab 44 : Effet de la densité de semis et de la variété sur l’indice de récolte

Densité
Densité 1 Densité 2 Densité 3 Moyenne qx/ha
Variété
Oussama 14.1 13.5 19.3 17A
Massine 16.4 20.5 14.2 15.7A
Moyenne 15.3A 17.07A 16.8A 16.35
C .V= 78.23
5-2 Simulation par le modèle de l’indice de récolte :
Fig32 : Comparaison entre l’indice de récolte observé et simulés
92
Moyenne
Variable Observé Simulé Ratio Diff . Moy
Indice de Récolte 17.3 65.9 3.9 48.6
En ce qui concerne l’indice de récolte, nous avons trouvé qu’il y a une grande
différence entre la valeur de l’indice de récolte simulé et observé, en effet le modèle a
donné un indice de récolte avoisinant les 66% alors que l’indice de récolte réalisé au
niveau du champ n’est que de 17% (fig 31). Cette grande différence entre les valeurs
simulées et observés peut être expliqué par le fait que le modèle sous estime la biomasse
totale produite et sur estime le rendement grain.
II-6 Prédiction des stades phénologiques :
Fig 32 : Comparaison entre les dates simulés et observés
93
Tab 45 : Comparaison entre l’indice de récolte simulé et observé
MOYENNE
Variable Observé Simulé Ratio Diff.MOY
Anthèse 122 129 1.06 7
Maturité 140 177 1.27 37
Pour la prédiction des stades phrénologiques, on s’est intéressé à la comparaison

entre les dates de réalisation des stades phrénologiques observées dans le champ avec
ceux simulées par le modèle, dans le cas de l’orge le modèle a enregistre une faible
déviation par rapport au cas du blé dur, en effet la différence de jours entre la dates
simulés et observées est de 7 jours pour la réalisation de l’anthèse et de 37 jours pour la
réalisation du stade de la maturité physiologique.
IV Cas du blé tendre :
Pour le cas du blé tendre la croissance et le développement se sont arrêtés au

stade début épiaison, la sortie des épis a coïncidée avec une période de température
élevée, ce qui a causé la déformation et la sénescence des épis. Ce résultats peut être
expliqué par le fait que le blé tendre n’est pas précoce par rapport au blé dur, et l’orge,
ces derniers par leur caractères de précocité ont pu éviter les températures élevés qu’a
connu cette campagne agricole entre le 24/03/2005 et le 31/03/2005, où la température
maximale a atteint 37°C.
Il faut souligner aussi que les faibles rendements en biomasse et en grains réalisé
durant cette campagne agricole peuvent être expliqué par la succession d’une période de
gelée suivi d’un stress thermique et hydrique sévère ce qui a endommagé le couvert
végétale.
94
IV-1 Simulation par le modèle de LAI:
Fig33 : Comparaison entre le LAI observé et simulé
Tab 46: Comparaison entre le LAI simulé et observé

Moyenne
LAI ( Run 1) 1.45 0.3 0.184 -1.20
LAI ( Run 2) 1.51 0.2 0.168 -1.27
LAI ( Run 3) 1.61 0.2 0.153 -1.37
LAI ( Run 4) 1.50 0.2 0.164 -1.26
LAI ( Run 5) 1.59 0.2 0.152 -1.35
LAI ( Run 6) 1.77 0.2 0.141 -1.53
La comparaison des valeurs de LAI mesurées dans le champ avec ceux simulés par
le modèle montre que ce dernier a tendance à sous estimer ce paramètre,en effet le modèle
a donné un indice foliaire moyen pour les six traitements de l’ordre 0.3 alors que LAI
95
moyen mesuré dans le champ est de 1.50, ce résultat concorde avec ceux trouvé dans le
cas de blé dur et d’orge. (Fig 46)
4-2 Simulation par le modèle de la biomasse aérienne :
Fig 34 : Comparaison entre la biomasse aérienne simulés et observés.
Tab 47 Comparaison entre la biomasse aérienne simulés et observés

Moyenne
Variable Observé Simulé Ratio Mean Diff.
96
Pour le cas du blé tendre la croissance et le développement s’est arrêté au stade

début épiaison, donc nous avons eu seulement les valeurs de trois stades, le plein tallage,
début montaison, et le gonflement, la confrontation des valeurs observées et simulées
montre que le modèle a tendance à sous estimer la biomasse aérienne avec un ratio entre
les valeurs simulés et observés variant de 0.89 à 1.
IV-3 Simulation du nombre de talles/m² :
Fig35 : Comparaison entre le nombre de talles/m² simulés et observés

Tab 48 : Comparaison entre le nombre de talles/m² simulés et observés
Moyenne
no de talles /m2 ( Run 1) 466 644 1.57 179
no de talles /m2 ( Run 1) 540 808 1.65 269
no de talles /m2 ( Run 1) 540 977 1.97 438
no de talles /m2 ( Run 1) 656 688 1.12 32
no de talles /m2 ( Run 1) 922 844 0.97 -79
no de talles /m2 ( Run 1) 782 1006 1.37 223
97
La comparaison du nombre de talles produites par m² et le nombre de talles /m²

simulé par le modèle montre que ce dernier a tendance à sous estimer ce paramètre,
d’après la (fig45) on constate que le modèle a donné un nombre de talles moyen
produites au m² de l’ordre de 760 talles/m² alors que le nombre moyen enregistré sur le
champ pour les six traitements de cette étude ne dépasse pas les 550 talles/m².
98
V - Conclusion générale :
La diversification des itinéraires techniques (densité de semis, date de semis) et des

variétés utilisées a pour objectif final l’augmentation du rendement grain. Dans notre
essai nous avons testé l’effet de la densité de semis et de la variété sur le rendements et
ces composantes, ainsi nous avons semés à trois densités différentes qui sont 250
graines/m², 350 graines/m², 450 graines/m² deux variétés de blé tendre, deux variétés
d’orge, et deux variétés de blé dur.
Dans la fin d’atteindre des rendements maximaux, la modélisation peut jouer un
rôle très important par le fait qu’elle permet de réaliser plusieurs essais agronomiques
dans le temps et dans l’espace, le modèle DSSAT V4, objet de cette étude est un modèle
de simulation dynamique des cultures, il intègre les effets des composantes climatiques,
du sol, et des pratiques culturales sur le développement et le rendement des cultures.
Cette année a été caractérisée essentiellement par une sévère période de gelée au
milieu du cycle où les températures minimales ont été en dessous de 0°C, et des
températures très élevés en fin de cycle ce qui pénalisé les rendements grains et en
biomasse ce qui explique les faibles rendements réalisés.
Dans le cas du blé dur et d’orge, le traitement statistique des données mesurées au
champ a révélé que le nombre de pieds par m² a été influencé significativement par la
densité de semis , cependant nous avons eu des taux de levée inférieurs au potentiel des
variétés .En revanche la variété n’a pas affecté le nombre de pieds par m², concernant le
nombre d’épis par m², cette composante n’a pas été influencé par la densité de semis,
cependant la variété a eu un effet significatif sur cette composantes de rendement, en effet
la variété Tomouh a donné un peuplement épis plus élevé que la variété Karim, ce qui
montre la résistance de cette variété à la sécheresse. Le poids du grain n’a pas été
influencé significativement par la densité de semis ce qui confirme la règle de
compensation entre les différentes composantes de rendements. Par contre la variété a eu
un effet significatifs sur le rendement grain, en effet la variété Tomouh a permis une
augmentation du rendement grain de 25% par rapport à la variété Karim, ce qui montre la
99
résistance de cette variété à la sécheresse., en ce qui concerne la biomasse aérienne

produite , elle n’a pas été influencé significativement ni par la densité de semis ni par le
variété ceci peut être expliqué par la sévère sécheresse qu’ a connu cette campagne
agricole ce qui a limité les performances productives des variétés utilisées.
Pour le cas du blé tendre, nous avons eu un arrêt définitif de la croissance et du
développement au stade début épiaison, ce résultat montre les limites de résistance de
cette espèce à la sécheresse prolongée.
En ce qui concerne l’application du modèle DSSAT V4, les résultats obtenues
montre que le modèle a tendance à sous estimer la biomasse aérienne produite, alors que
le rendement grain simulé est largement supérieur au rendement grain mesuré dans le
champ. Pour la simulation des composantes de rendement, dans le cas du blé dur le
modèle a tendance à surestimer le nombre de grains par m² et le poids de mille grains
avec une différence entre les valeurs simulées et mesurés de 186 graines pour le nombre
de graines par m², et de 8 g pour le poids de mille grains. Cependant dans le cas de l’orge
le modèle a sous estimer le poids de mille grains et à largement surestimer le nombre de
grains par m². Quant à la prédiction des stades phénologiques, dans le cas de l’orge le
modèle a anticipé l’anthèse et la maturité physiologique avec une différence de jours entre
les dates simulées et observées de 8 jours pour l’anthèse et 15 jours pour la réalisation de
la maturité physiologique, Alors que dans le cas de blé dur, le modèle a eu un retard dans
la prédiction de ces stades, en effet la différence a été de 7jours pour l’anthèse et de 27
jours pour la maturité physiologiques.
Cette année a été caractérisée par des conditions climatiques sévères à savoir la
gelée et la sécheresse, malgré cela le modèle a donné des résultats satisfaisantes quant à la
prédiction de la biomasse car nous avons eu des corrélations linéaire hautement
significatives entre les biomasses simulées et observées.
Certes d’autres années d’applications du modèle DSSAT seront nécessaires pour
montrer sa validité dans les conditions marocaines.
Au terme de ce travaille, on peut proposer les recommandations suivantes :
100
Nous recommandons d’autres années d’application de ce modèle pour le valider aux

conditions locales.
-Nous recommandons l’application du modèle DSSATv4 dans le choix des stratégies de
gestion des cultures les plus adaptées aux conditions locales, ainsi ce modèle peut être très
utile dans le choix des variétés, des densités de semis, des dates de semis, de la
fertilisation et des traitements phytosanitaires les plus adaptés. .
-Augmenter les densités de semis pour compenser les pertes en pieds au cours du cycle de
la culture du blé, car le tallage est incertain dans les conditions semi- aride du Maroc.
- Utiliser la variété Tomouh qui a donné le meilleur rendement, ce qui montre qu’elle est
la variété la plus résistante à la sécheresse.
101
Références
Bibliographiques
102
-AFFHOLDER, F. 2001. Modélisation de culture et diagnostic agronomique régional.

Cas des petits producteurs dans le sud du Brésil. Thèse pour obtenir le grade de docteur
de l’institut national Agronomique PARIS - GRIGNON. P : 123-127.
-André, C., St Pierre, A.1982. Les céréales et le Maïs, Les presses de l’université
LAVAl. N° 31. P : 12-17.
-Baidada, A.1989. Elaboration et validation d’un modèle de simulation du déficit
hydrique. Application aux études agrométéorologiques régionales. Mémoire de 3émme
cycle d’Agronomie. IAV Hassan II RABAT.
-Benouada, H.1991.Réussite de l’installation des céréales et impact sur la productivité
cas du blé tendre dans la région de la CHAOUIA mémoire de troisième cycle, option :
production végétale. IAV HASSAN II, RABAT.
-Blouet, A. 1984. Le gel et les céréales .Perspectives Agricoles N°85. P: 20-25.
-Blum, A. 1986.The effect of heat stress on wheat leaf and ear photosynthesis. J. Exp.Bot.
37. P : 111-118.
-Boulal, H.1988. Effets des paramètres de la surface foliaire sur le rendement chez le blé,
l’orge, et le triticale. Mémoire de l’ ENA de Meknes.
-Boutfirass, M.1990. Irrigation d’appoint et efficience d’utilisation de l’eau en zone
semi-aride (cas du blé tendre), Mémoire de troisième cycle, option : Agronomie, IAV
Hassan II, Rabat.
-Boiffin, J., Sebillote, M., Couvreur, F.1981. Elaboration du rendement et fertilisation
du blé d'hiver en champagne crayeuse (France)- Protocole et méthode d‘étude d'un
problème technique régional. Agronomie 1. P : 549-558.
-Brisson, N., et Delecollle, R. 1993. Développement et modèles de simulation de
cultures. Agronomy. J. 12. P: 253-263.
-Bouman, J., M.C.S. Wopereis, J.H.M. Wösten & A. Stein, 1996. Crop modelling and
remote sensing for yield prediction. Neth .J. Agric. Sci. 43. P: 143-16.
-Buyser, J.1990. Les origines du blé, Pour la Science N°26, p : 60-61.
-Charafi, M. 1988. Effet de la densité de semis sur l’élaboration du rendement du blé
tendre Nesma 149 dans le Gharb, Mémoire de fin d’étude. ENA. Meknes.
103
- Chaussat, R. 1985. La germination des semences. Cultivar 133. P : 23-27.

-Chaouch, A. 1990. Critères d’évaluation du déficit hydrique et conduite de l’irrigation
du blé tendre au Tadla. Mémoire de 3émme cycle agronomie, I .AV. Rabat.
- Cretenet, M. 1995. La question du couplage de modèles pour le développement local. Le
cas des zones cotonnières d'Afrique Noire francophone. In “Couplage de modèles en
agriculture.” (F. N. Reyniers and M. Benoit Cattin, eds.), pp: 49-54. CIRAD,
Montpellier.
-Couvreur, F., & Gates, Ph., 1993. Le gel constitue – t-il un risque important ?
Perspectives agricoles, N°178. P: 76- 81.
-Hans, J. B., Donald, E., et Richard G. J. 1995.Adaptation to environmental stress.The
plant cell.Vol.7. P: 109-111.
- Hull, P., & Backer, R.J. 1990.Seeding rate effect on low tillering spring wheat in semi
arid environment. Can .J. Plant. Sci. Vol 70: 1-7.
-Hoogenboom, G. 1999.Interfacing geographic system information system with
agronomic modelling: Agr. J. 91. P: 5.
- Hoogenboom, G., G.Y.Tsuji, Wilkens, P., R.B.Curry, J.W.Jones, U.Singh, and
D.C.Godwin. 2003. A Decision Support System for Agrotechnology Transfer. DSSAT
v4 Overview volume 1.P: 6- 14.
-El mourid, M. 1976. Contribution à l’étude de l’élaboration de rendements par un essai
d’interaction variétés densité de semis niveau d’azote. Mémoire de 3émme cycle IAV
HASSAN II.
-El mourid, M. 1988.A wheat crop model for crop management in semi –arid region of
Morocco .climatic risk in crop production symposium. P: 44-45.
-El mourid, M., Rafsnider, J., & Ouattar, S 1991. Applications of a wheat crop model
to determine research priorities in semi arid region of Morocco.’ international symposium
system approaches for agricultural development” Thailand 1991.
-Frederick, R., Marshall, H. 1985. Grain yield and yield components of winter wheat as
affected by management practices. Agro. J. 77. P: 495-499.
104
- Gate, P. 1995. Ecophysiologie du blé. De la plante à la culture. Chap 2 : Diagnostic de

l'élaboration du rendement du blé. P: 9-19.
-Gate, P. 1987. Mieux comprendre l’élaboration du nombre de grains par épi chez le blé.
Influence des facteurs climatiques. Perspectives Agricoles. 114. P: 38-51.
-Gallez, L. M., & Mockel, F.E.1984. Influence of sowing density and row on wheat
yield in semi arid pamps. Challenges in dray land agriculture, a global perspective. Aust.
J. Soil Res. 7. P: 33-39.
- Joseph, M. 1985. Row spacing and seedling rate effects on yield and yield components
of soft winter wheat. Agr. J. Vol 77. P: 212-214.
-Hoognenboom, G. 2003.Contribution of agrometeorology to the simulation of crop
production and its applications.Agricultural and Forest Meteorology. Vol.103. P: 137-157
- Johnson, T., Kanamasu, E.T.1988. “CERES- Model. A simulation model of wheat
growth and Development” Texas .A & M University Press, College Station, Texas, pp:
194.
-Jhonson T., Jaradat, A. R, Thomas. 1993. “Introduction du risque dans les modèles de
décision: une synthèse bibliographique.”, Rep. No. 1-98. CIRAD, Montpellier. P: 112.
-Karrou, M., & el Mourid, M.1993. Acquis de la recherche sur la physiologie du stress
hydrique au centre d’aridoculture. Al Awamia N° 81. P : 19-21.
-Karma, B. 1984. Etude de l’effet du déficit hydrique du sol et du régime hydrique sur
l’élaboration du rendement du blé tendre Nesma 149. Mémoire de fin d’étude ENA de
Meknes.
-Lawlow, D.W., & Ward, D .A. 1989.Photosynthesis and productivity of cereals at low
temperature in Mediterranean climates, Physiological adaptations to stress. Agr. J. P: 144-
150.
- Limas, J., 1986. Hydrologie : Pratique et application. Chap3, modèles mathématiques
en hydrologie. P: 123.
-Nerson H .1980. Effect of population density and number of ears on wheat yield and its
components. Field Crop Ressearch : 225-234.
105
-MARA, (DPV) 2004. Rapport d’évolutions des productions, des superficies et des
rendements des quartes principales céréales depuis 1970. Rabat. P: 12-15.
-Mamadou A.Z. 1991. Etude du comportement de 24 variétés de blé vis – vis de stress
hydrique. Contribution à l’identification de critères de tolérances qu stress hydrique.
Mémoire de 3émme cycle. IAV HASSAN II. RABAT.
- Merdas, M. 1995. Modèle agro météorologique de prévisions des rendements des
céréales. Rapport final Projet AGRIMA/CRTS/ Vol 4. P: 65-78.
-Martineillo, P, & Stanca, A.M, 1987. Breeding possibilities for improving drought
resistance in barley, in drought resistant in plants, Rapport of the European commission,
Belguim .P: 286- 295.
- Merzouk, S.1983. Fertilisations azotées et densités de peuplements du blé dur dans la
région de Meknes, Mémoire de fin d’étude ENA Meknes.
-Meynard & Sebillotte, M. 1993. Diagnostic sur les causes de variations de rendement
du blé dans une petite .23émme colloque de la société française de phytopathologie ‘la
fatigue des sols’ , les colloques de l’INRA .Vol 17.P: 157-168.
-Meynard, J.M.1994. L’analyse de l’élaboration du rendement sur les essais de
fertilisation azotée. Perspectif agricole .115. P: 76-83.
- Meynard J. M. 1980. Diagnostic de l'élaboration du rendement des cultures. Cahiers
Agricultures 11.P : 9-19.
- Mossadaq F. 1980. Essai d’interaction densités de semis, modalités d’apports sur blé
tendre Nesma 149. Memoire de 3émme cycle .IAV Hassan II .RABAT.
-Midmore A, Schreiber W, Bilger U. 1983. Analyse comparative des comportements
à la sécheresse d’un blé tendre et du blé dur. Résumé des Exposé présente au séminaire :
‘ Tolérance à la sécheresse des céréales en zone méditerranéennes. Monpelier le 15-16-17
Décembre 1983.P : 54-67.
-Ouknider, M. 1981. Contribution à l’étude de l’effet de la densité de semis et de l’effet
de l’azote sur certains caractères morphologiques et l’élaboration du rendement d’un blé
tendre. Mémoire de fin d’études ENA. Meknes.
106
-Pritchad, J., W. Jones, G .R, Thomas, A.1989.Effects of water stress and low
temperature. In: Physiology breeding of winter cereals in stressed Mediterranean
environment. INRA de Paris. P: 115-141.
- Rawson, H. 1986. Influence of temperature between floral initiation and flag leaf
emergence on grain number of wheat .Aust. J. Plant. Physiology.6.P: 391- 400.
- Rawson, R.M., Slafer.G.A.1994. Sensitivity of wheat phasic development to major
environmental factors: a re-examination of some assumptions made by physiologists and
modellers. Aust. J. Plant Physiol. 22.P: 393-426.
-Shipler, D., Blum, H.1991.Heat tolerance for yield in different wheat cultivars.
Euphytica Vol.51.P: 257-263.
-Single, W.V.1989.Resistance to frost in jury during stem elongation and early heading.
In improvement and management of winter cereals under temperature drought and
salinity stress ICARDA- INRA Symposium. Cordoba. Spain. P: 133-140.
-Simon, H., Codaccioni, P., et lecoeur, G.1989. Produire des céréales à paille.
Collection Agriculture d’aujourd’Hui. P: 13-18.
-Slafer, F., Andrade, K. 1994. Wheat Ecology and physiology of yield
determination.P:5.
-Stopper, F., Fisher, R.A 1990.Number of kernels in wheat crops and the influence of
solar radiation and temperature. J. Agric. Sci., Camb. 105. P: 447-461.
-Spiertz, J.H.J. 1984.Grain growth and distribution of dry matter in wheat plants as
influenced by temperature, light energy and ear size. Neth. J. Agric. Sci. 22. P: 207-220.
-Tashiro, T., Wardlaw, I.F. 1990. The response to high temperature shock and humidity
changes prior to and during the earling stages of grain developpement in wheat. Aust. J.
Pant .Physiology .17.P: 551-651.
-Thorton, A., Hoogenboom, G, Wilkens, P. 1997. A computer program to analyze
Single Crop Model Outputs, in agronomy journal 86.P: 860-868.
-Van Keulen, 1982. A hierarchical approach to agriculture production modelling. In
“Modelling agricultural- e nvironmental processes in crop production.” Society of
Agonomy.59 P: 67-73.
107
-Williams, J. R., Jones, C. A., et Dyke, P. T. 1984.A modelling approach to determining

the relationship between erosion and soil productivity. Trans. ASAE 27 P: 129-144.
108
Annexes
109
biom biom laiteux- totale

espece Mode var tallage montaison gonflement épiason floraison laiteux pateux pateux g/m²
BD D1 karim 37.6 130 194.5 207.1 225.55 267.65 283.35 262.7 311
BD D1 karim 31.35 105 259.05 287.5 290.3 313.35 332.3 240.2 243
BD D1 karim 31.6 120 197.25 219.65 225.65 234.75 240.9 274.3 275
BD D1 karim 40 125 219.75 219.6 229.4 245.25 245.35 296.5 251
35.1375 120 217.6375 233.4625 242.725 265.25 275.475 268.425 270
BD D1 tomouh 32.8 100 227.5 251.85 268.9 303.5 341.25 236.4 247
BD D1 tomouh 13.4 145 268.15 270.1 250.5 265.95 320.2 331.75 351
BD D1 tomouh 41.95 100 244.8 265.6 282.2 313.65 365.1 247.05 290
BD D1 tomouh 35.35 100 211.55 215.75 220.6 233.95 253.05 232.4 272
30.875 111.25 238 250.825 255.55 279.2625 319.9 261.9 290
BD D2 karim 24.3 105 224.65 271.25 296.6 315.25 347.65 265.75 313
BD D2 karim 42.4 100 211.9 246.1 257.25 260.8 273.7 226.95 236
BD D2 karim 42.9 135 220.15 228.6 249.4 302.1 313.3 339.4 264
BD D2 karim 32.25 125 192.8 195.8 215.5 224.9 235.35 238.6 343
35.4625 116.25 212.375 235.4375 254.6875 275.7625 292.5 267.675 289
BD D2 tomouh 31.5 120 232.75 240.75 249.65 265.4 279.5 317.4 286
BD D2 tomouh 29.5 140 257.8 296.15 310.4 324 355.9 395.95 314
BD D2 tomouh 37.6 115 210.1 227.3 231.95 240.85 261.6 298.5 289
BD D2 tomouh 53.3 140 228.2 233 236.75 252.2 260.35 329.45 302
37.975 128.75 232.2125 249.3 257.1875 270.6125 289.3375 335.325 297.75
BD D3 karim 58.25 130 216.75 311.15 342.5 356 391.65 300.1 288
BD D3 karim 33.9 135 210.15 214.8 250.5 265.95 291.1 329.35 270
BD D3 karim 43.55 135 212.35 221.95 249.4 302.1 307.25 273.05 295
BD D3 karim 25.45 115 186.8 183.3 191.35 191.55 227.4 261.45 294
40.2875 128.75 206.5125 232.8 258.4375 278.9 304.35 290.9875 286.75
BD D3 tomouh 49.6 140 243.45 287.5 274.5 287.1 313.25 276.95 253
BD D3 tomouh 41.15 140 230 287.5 291.45 318.65 333.55 274.25 377
BD D3 tomouh 48.1 125 215.3 251.95 264.55 280.1 299.15 299.65 324
BD D3 tomouh 48.25 115 223.8 231.55 244.9 253.3 268.55 267.15 276
46.775 130 228.1375 264.625 268.85 284.7875 303.625 279.5 307.5
Annexe 1 : Tableau de la biomasse aérienne en fonction des stades phénoilogiques.
110
ORGE D1 oussama 61.95 115 275.5 312.7 376.13 436.35 475.45 521.1 441
ORGE D1 oussama 60 165 256.75 300.45 338.05 371.05 437.15 535 593
ORGE D1 oussama 63.35 175 292.85 348.8 389.75 410.85 438.9 522.4 533
ORGE D1 oussama 55.55 170 351.85 390 411.2 442.1 500.8 651.55 520
60.2125 156.25 294.2375 337.9875 378.7825 415.0875 463.075 557.5125 521.75
ORGE D1 massine 52.1 115 188.15 326.25 330.25 415 430 453.95 500
ORGE D1 massine 48.4 120 285.4 308.8 381.9 386.9 414.8 544.1 505
ORGE D1 massine 59.8 145 308.45 353.65 367.5 458.05 508.95 540 496
ORGE D1 massine 49.15 200 251.3 358.35 370 379.4 448.6 478.8 548
52.3625 145 258.325 336.7625 362.4125 409.8375 450.5875 504.2125 512.25
ORGE D2 oussama 54.8 220 288.3 321.45 391.45 400 448.55 469.45 488
ORGE D2 oussama 86.5 215 250.95 353.45 425.9 437.9 463.65 471.95 539
ORGE D2 oussama 62.5 195 292.85 348.8 350 397.2 451.9 563.3 502
ORGE D2 oussama 57.85 190 250.2 304.75 333.55 335.7 429.75 557.9 667
65.4125 205 270.575 332.1125 375.225 392.7 448.4625 515.65 549
ORGE D2 massine 61.15 190 262.95 261.6 326.05 346.25 395.05 456.35 528
ORGE D2 massine 54 165 239 364 399.45 403.75 453.6 516.1 529
ORGE D2 massine 40 175 243.4 286.4 350.25 365.1 410 436.95 520
ORGE D2 massine 61.95 155 333.7 348.9 377.25 394.55 476.6 486.05 566
54.275 171.25 269.7625 315.225 363.25 377.4125 433.8125 473.8625 535.75
ORGE D3 oussama 66.1 125 251.1 334.2 349.65 387.15 391.8 433.4 524
ORGE D3 oussama 84.95 185 277.35 326.15 378.5 464.25 465.55 482.25 536
ORGE D3 oussama 65.9 215 308.45 353.65 452.8 485.6 509.9 529.5 546
ORGE D3 oussama 76.7 210 251.3 358.35 375.75 377.5 377.7 495.65 596
73.4125 183.75 272.05 343.0875 389.175 428.625 436.2375 485.2 550.5
ORGE D3 massine 70.65 150 284 290.1 301 332.65 451.6 460 469
ORGE D3 massine 72.2 205 255.8 271.45 350.75 425.5 447.25 482.55 464
ORGE D3 massine 51.55 155 190.45 400.4 406.45 419.75 457.15 472.7 484
ORGE D3 massine 87.7 255 308.5 328.7 333.85 358.4 446.45 488.3 628
70.525 191.25 259.6875 322.6625 348.0125 384.075 450.6125 475.8875 511.25
Annexe 2: Tableau de la biomasse aérienne en fonction des stades phénoilogiques.
111
TRNO HWAM H#AM LAIX CWAM BWAH ADAT MDAT T#AM
V1D1 1 380 1592 2.08 2700 2320 82 109 628
V1D2 2 361 1416 1.91 2890 2529 82 110 692
V1D3 3 351 1219 1.78 2867.5 2516.5 82 108 870
V1D2 4 538 1416 0.91 2890 2352 82 110 692
V2D2 5 497 1886 0.91 2977.5 2480.5 78 103 780
V2D3 6 460 1666 1.09 3075 2615 78 104 911
Annexe 3 : Le fichier A (Cas du blé dur).
HWAM H#AM LAIX CWAM BWAH ADAT MDAT
1 981.5 2382 2.55 5217.5 4236 83 102
2 1090 2820 2.74 5490 4400 86 102
3 778.4 2580 3.07 5122.5 4344.1 84 105
4 885 2580 2.77 5122.5 4237.5 84 105
5 737 2419 3.44 5357.5 4620.5 87 105
6 958.6 2764 3.46 5112.5 4153.9 90 105
112
Annexe 4 : Le fichier A (Cas de l’orge).
TRNO DATE LAI CWAD TILLER

1 5001 -99 6021 -99
1 5060 -99 1563 610
1 200567 2.56 2942 -99
1 200577 1.70 3788 415
1 200584 -99.00 4151 -99
1 2005134 -99.00 5218 -99
2 5001 -99.00 654 -99
2 5060 -99.00 2050 682
2 200567 2.75 2706 -99
2 200577 1.90 3752 303
2 200584 -99.00 3927 -99
2 2005134 -99.00 5490 -99
3 5001 -99.00 734 -99
3 5060 -99.00 1838 709
3 200567 3.02 2721 -99
3 200577 1.93 3892 305
3 200584 -99.00 4286 -99
3 2005134 -99.00 5505 -99
4 5001 -99.00 524 -99
4 5060 -99.00 1450 532
4 200567 2.77 2583 -99
4 200577 1.80 3624 488
4 200584 -99.00 4098 -99
4 2005134 -99.00 5123 -99
5 5001 -99.00 543 -99
5 5060 -99.00 1713 730
5 200567 3.45 2698 -99
5 200577 1.83 3633 376
5 200584 -99.00 3774 -99
5 2005134 -99.00 5358 -99
6 5001 -99.00 705 -99
6 5060 -99.00 1913 940
6 200567 3.46 2597 324
6 200577 2.13 3480 -99
6 200584 -99.00 3841 -99
6 2005134 -99.00 5113 -99
113
Annexe 5 : Le fichier T file Orge
DATE LAI CWAD TILLER

1 5003 0 351.375 0
1 5061 0 1200 628
1 200 567 2.08 2176 0
1 2005 77 0.96 2422 241
1 200584 0 2647 0
1 2005134 0 2700 0
2 5003 0 354.625 0
2 5061 0 1162.5 692
2 200 567 1.91 2119 0
2 2005 77 0.91 2450 218
2 200584 0 2750 0
2 2005134 0 2890 0
3 5003 0 402.875 0
3 5061 0 1287.5 870
3 200 567 1.78 2060 0
3 2005 77 0.93 2580 349
3 200584 0 2785 0
3 2005134 0 2867 0
4 5003 0 308.75 0
4 5061 0 1112.5 500
4 200 567 1.44 2375 0
4 2005 77 0.91 2550 189
4 200584 0 2780 0
4 2005134 0 2900 0
5 5003 0 379.75 0
5 5061 0 1287.5 780
5 200 567 1.93 2317 0
5 2005 77 0.9 2565 352
5 200584 0 2700 0
5 2005134 0 2977 0
6 5003 0 467.75 0
6 5061 0 1300 911
6 200 567 1.7 2277 0
6 2005 77 1.09 2682 346
6 200584 0 2845 0
6 2005134 0 3075 0
114
Annexe 6 : Fichier T (Cas du blé dur)
115

MAHHA, Y

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

MAHHA, Y

Transféré par

Droits d'auteur :

Formats disponibles

ROYAUME DU MAROC

INSTITUT AGRONOMIQUE ET VETERINAIRE HASSAN II

MEMOIRE DE TROISIEME CYCLE

Présenté et soutenu publiquement

Devant le jury composé de :

Pr. M. Tayaa (IAV Hassan II) Président

Institut Agronomique et Vétérinaire Hassan II

Qu’il me soit permis d’exprimer ma profonde gratitude à

J’exprime aussi ma reconnaissance à Mr M. BOUTFIRASS et Mr

A Mr.Bouziane, et à travers vous, tous le personnel de la

Je remercie également Pr.M.Tayaa qui préside cette

Mots -Clés : Densité de semis, Variétés de céréales, DSSAT, Rendement, Simulation.

II- Effets de la densité de semis sur le rendement du blé : .......................................................10

IV- Effet du stress thermique sur les céréales…………………………………… 18

V- Les modèles de cultures :........................................................................................................21

V-2-Les approches de conception des modèles de cultures:......................................................23

II-3 EFFET DE LA DENSITE DE SEMIS ET DE LA VARIETE SUR L’INDICE DE RECOLTE : I. R…………………… …… 63

LISTE DES FIGURES.

Fig 1: Relation entre la densité de semis et le rendement (Benaouda, 1991) ................................20

Liste des tableaux :

La surface emblavée de blé représente approximativement 17% des terres arables

C’est dans le sens d’augmenter la production nationale que la modélisation peut

I- Elaboration du rendement des céréales d’automne

Les stades de développement des céréales marquent l’apparition de nouveaux

-La période végétative s’étend du début de la germination à la période d’allongement de

-La période reproductive va du début de la montaison à la fécondation ;

-La période de maturation va de la fécondation à la maturité complète du grain.

La connaissance et l’identification de chaque stade constituent un repère pour

1-1. Les principales phases du développement de blé :

-a) La phase semée – levée :

-b) La phase levée à début tallage :

-c) La phase début tallage à début montaison :

Le tallage est caractérisé par l’entrée en croissance de bourgeons différenciés à

La période reproductrice débute par la différenciation des pièces florales et

- b) La phase de spécialisation florale ;

-c) La phase méiose à fécondation.

a) La phase de formation des primordia d’épillets :

b) La phase de spécialisation florale :

c) La phase de méiose à la fécondation

Peu a après la méiose, l’inflorescence sort de la gaine de la dernière feuille : c’est

Durant cette période, les substances du réserve s’élaborent et migrent dans

a) La phase de multiplication cellulaire intense ;

b) La phase d’enrichissement en glucides et en protides ;

a) La phase de multiplication cellulaire intense :

Cette phase dure 12 à 15 jours chez le blé où il y’ a accroissement du poids d’eau

b) La phase d’enrichissement en glucides et en protides

1-2 .Les composantes de rendement du blé.

1.2-2 -Le nombre de grains par épi

1.2-3-le poids de mille grains.

1.2- 4- Le nombre de grains par m².

II-2 Effet de la densité de semis sur le rendement grain

Après une enquête réalisé auprès des agriculteurs de la région de Chaouia

II-3 Effet des densités de semis sur les composantes de rendements.

II.3-1 Effet sur le peuplement épi :

II.3-2 Effet sur le nombre de grains par m² :

II 3-3 Effet sur le poids du grain :

III- Impact du déficit hydrique sur l’élaboration du rendement.

III-2 Effet sur les composantes du rendement.

2-2 : Sur le nombre d’épis /m² :

2-3 : Sur le nombre de grains par épi :

2-4. Sur le Poids du grain :

Phase de développement Température

IV-1Effet du stress thermique sur les composantes du rendement :

1.2 - Effets sur le poids des grains :