Production du maïs en zones arides (Adrar)

Abstract

De nombreuses techniques d'estimation du rendement des cultures sont utilisées. La plus efficace repose sur l'utilisation de données géo spatiales et de technologies telles que la télédétection, notamment dans les conditions de la présente étude où le ciel est souvent dégagé. Dans le but d’estimer et de cartographier les superficies cultivées en maïs sous pivots dans la région d’Adrar, en Algérie, et de prédire les rendements, nous avons utilisé le logiciel Arcgis, pour exploiter les données des images satellitaires de Google Earth Pro, Lands sat8 et Sentinel2 de 2014 à 2016. Ces données nous ont permis de calculer les indices NDVI (Normalized Difference Vegetation Index) et EVI (Enhanced Vegetation Index). Ils ont permis de distinguer plusieurs classes de végétation et ce, selon la densité du couvert végétal et son état sanitaire. Pour développer les modèles d’estimation des rendements, les classes des indices identifiées ont été utilisées comme des variables indépendantes et les rendements observés ont été utilisés comme variable dépendante. La technique de la modélisation choisie est la régression robuste (RR). Pour évaluer les modèles de prédiction, les critères de performance ; le coefficient de détermination (r), la racine carrée de l’erreur quadratique moyenne (RMSE) et l’erreur absolue moyenne (MAE) ont été réalisées. Afin de d’évaluer et d’améliorer la conduite de la culture du maïs sous pivots dans les zones d’étude un diagnostic socio-économique et technique a été effectué. Les résultats obtenus ont montré une répartition des pivots dans trois régions potentielles (Touat, Gourara et Tidikelt) avec un net accroissement de la superficie cultivée tout au long des trois campagnes d’étude. Le modèle obtenu par les données basées sur l’EVI est plus performant par rapport à celui des données basées sur le NDVI. Ainsi, les critères de performance r, RMSE et MAE sont respectivement de 0,77, 8,30 q/ha et 7,17q/ha. En plus de faciliter l’exploitation et l’interprétation des données satellitaires d'imagerie, le diagnostic socio-économique et technique ont permis d’identifier la relation étroite entre l’itinéraire technique et les rendements obtenus.