• Langue : Français, Anglais
• Discipline : Biotechnologies agroalimentaires, sciences de l'aliment, physiologie
• Identifiant : 2022ULILR011
• Type de thèse : Doctorat
• Date de soutenance : 29/03/2022

Résumé en langue originale

L’optimisation des apports azotés représente un enjeu majeur pour réduire les pollutions tout en maintenant un rendement élevé et une qualité satisfaisante de la récolte. Les apports d’azote (N) sont aujourd’hui mal valorisés par les cultures et une meilleure prise en compte de la variabilité spatiale et temporelle des besoins des plantes permettrait d’ajuster ces apports et améliorer leur valorisation. Pour cela, la connaissance du statut azoté du couvert végétal en cours de croissance est primordiale. La présente thèse porte sur le suivi non-destructif de l’indice de nutrition azoté (INN) du blé tendre d’hiver (Triticum aestivum L.). Afin de mettre en place la méthode de suivi de l’INN, des essais présentant un gradient de fertilisation ont été étudiés durant trois années. Durant cette période, le statut azoté a été évalué au moyen de mesures destructives, par l’utilisation d’un capteur optique foliaire (Dualex, Force A, Orsay), mais aussi au moyen de caméras multispectrales montées sur drone. Les mesures obtenues avec le Dualex ont présenté une corrélation élevée et stable avec l’INN, particulièrement au stade deux nœuds (r² = 0.78). La première année, des indices de végétation (IV) communément utilisés, calculés à partir de mesures de réflectance dans quatre longueurs d’ondes obtenues à l’aide d’une caméra Sequoia (Parrot, Paris, France), ont été évalués. Les corrélations obtenues entre les IV et l’INN étant moyennes et les IV étant peu discriminés entre eux, cela a conduit à l’étude d’une gamme plus large de longueurs d’ondes via l’utilisation d’une caméra multispectrale modulable Kernel (Mapir, San Diego, USA) mesurant la réflectance dans 15 longueurs d’ondes, de 405 à 940 nm. De nouvelles combinaisons ont ainsi été testées sur base des formulations de 8 IV. Au total 248 combinaisons ont été évaluées, mettant en évidence l’intérêt des combinaisons associant le vert et le proche infrarouge (PIR) en début d’élongation et les associations du PIR avec la portion orange-début du rouge du spectre en fin d’élongation et au stade gonflement. Quatre modèles de prédiction non paramétriques ont été construits et évalués sur base des informations collectées. Malgré l’absence d’améliorations des performances par rapport à de combinaisons simples d’IV, ces modèles devraient permettre d’être plus stables grâce à la prise compte d’un nombre plus important de longueurs d’ondes que les IV seuls. Le modèle de régression par les moindres carrés partiels (PLS), qui a présenté le plus d’intérêt, a été ensuite combiné avec des mesures prises par proxidétection afin d’améliorer la capacité de prédiction du statut azoté de façon notable. Un modèle combinant mesures prises par proxi- et télédétection a donc été construit et mériterait d’être testé en parcelle agriculteur. Cette étude a été complétée par un suivi des composantes de rendement, mettant en évidence le nombre d’épis par m² comme la composante de rendement la plus influencée par la fertilisation, mais aussi la plus déterminante pour le rendement. Enfin, la dernière partie du travail a porté sur le suivi des performances agronomiques et environnementales de quatre outils d’aide à la décision (OAD) proposés actuellement aux agriculteurs pour piloter la fertilisation. Les OAD ont majoritairement conseillé un dépassement de la dose bilan calculée en début de saison. En pratique, cela ne s’est pas traduit par une amélioration significative des performances à la récolte. Toutefois, la mauvaise valorisation des apports a conduit à augmenter la teneur en N minéral du sol à la récolte, particulièrement en année sèche, présentant un risque potentiel de lessivage. En perspective à ce travail, une méthode de fertilisation dynamique, basée sur un diagnostic précoce du statut azoté ou de la disponibilité en N minéral, serait pertinente et pourrait être proposée sous forme d’un modèle de suivi de l’INN combinant des mesures prises par proxi- et télédétection.

Résumé traduit

Increase the Nitrogen (N) use efficiency (NUE) to minimize the N pollution while maintaining high crop yield and satisfactory quality at harvest is essential for the development of sustainable agriculture. A better consideration of the spatial and temporal variability of N requirements would allow to adapt N fertilizer rate in space and time to match crops’ demand to increase N recovery. Knowledge of the crop's N status during growth should therefore make it possible to improve fertilisation practices. In this context, the main purpose of this thesis project was to make non-destructive monitoring of the winter wheat (Triticum aestivum L.) N nutrition index (NNI) during crops’ growth with the aim of subsequently integrating this knowledge into a dynamic management approach to N fertilisation. For this purpose, three experimental fields showing various patterns of NNI dynamics were monitored in the North of France, both on field with destructive measurements and with a leaf-clip sensor (Dualex, Force A, Orsay, France), but also with multispectral cameras embedded on unmanned aerial vehicles (UAV). During the three growing seasons (2019-2021), Dualex leaf-clip presents a stable and relevant application to predict NNI at stage two nodes (R²=0.78). For the first year, commonly used vegetation indices (VI) were calculated from pictures taken by Sequoia camera (Parrot, Paris, France) and evaluated to monitor NNI. The correlation between these VI remains average. According to these results, it was difficult to select a discriminant VI among commonly used VI which confirms the interest in studying new wavelengths to increase VI sensitivity to change in N status. Since 2020, to enhance the investigation of the relationship between VI and NNI, a six-lens multispectral modular camera (Kernel camera, Mapir, San Diego, CA, USA) was used and allow to take picture in 15 wavelengths, from 405nm to 940nm. Measurements taken at 15 wavelengths made it possible to calculate eight VI, with a total of 248 different wavelength combinations. Among these combinations, the combination of green and near-infrared measurements at the beginning of elongation and the associations of the near-infrared with the orange-early red portion of the spectrum at the end of elongation were of interest. Four non-parametric prediction models were then construct and evaluated to consider more explanatory variables than simple VI which combine only few wavelengths’ measurements. The partial least squares (PLS) regression model, which was of most interest in this study, was then combined with proximal sensing measurements to significantly improve the ability to predict N status. A prediction model of NNI combining remote and proximal sensing measurements was therefore built and should be tested in a farmer's plot. This study was completed by monitoring yield components, highlighting the number of spikes.m-² as the yield component most influenced by fertilisation but also the most determinant for yield. Finally, a second part of this work aims to compare the agronomic and environmental performances of 4 decision support tools (DSTs) used by farmers, with the classical balance sheet method (BSM), at the crop succession scale. The fertilizer N dose advised by DSTs was mostly higher than those calculated with the BSM without any significant increases neither in crop yield nor in grain quality. The excess of fertilizer N was weakly recovered by crop and led to over-fertilization, more pronounced in dry condition. In this context, a dynamic fertilisation method based on a diagnosis of nitrogen status or mineral N availability earlier in the season is relevant and could be based on a NNI monitoring model combining proximal and remote sensing measurements.