Résumé:
Les systèmes de culture associés céréales légumineuses possèdent plusieurs avantages
et permettent d’améliorer la production et d’assurer sa durabilité. Afin de comprendre les
relations complexes dans ce système, la modélisation des systèmes de cultures constitue un
enjeu majeur. L’objectif de notre étude est d’utiliser le modèle STICS et les fichier calibrés
par Kherif et al., 2022 pour évaluer et valider le modèle pour la simulation des neufs variables
étudiées dont deux sont liés au sol et sept liés au végétal, et ce durant le cycle du blé dur et du
pois chiche cultivés en monoculture et en association, dans l’étage bioclimatique semi-aride
plus précisément au niveau de la station de l’ITGC de la wilaya de Sétif conduit en pluviale et
soumis à trois doses d’azote différentes. Cependant, les résultats de l’évaluation initiale ont
nécessité une re-calibration pour améliorer la simulation du modèle en utilisant les données de
trois campagnes agricoles 2018/2019, 2019/2020 et 2020/2021. Les résultats obtenus étaient
satisfaisants pour la majorité des variables chez les monocultures et les cultures associées. En
effet, le modèle a présenté de bons résultats pour la majorité des variables liées au végétal telles
que l’indice de surface foliaire (LAI), la biomasse aérienne sèche (Masec) et la profondeur
racinaire (Zrac) (0.6<EF<0.74). Pour les variables liés au sol, l’humidité (Resmes) été très bien
reproduite par le modèle avec des efficiences élevé 0.75<EF<0.881, par contre l’azote du sol
(Azomes) a été mal reproduit par le modèle avec des efficiences faible -0.8<EF<-0.49 et des
erreurs très élevées NRMSE >107.479%. Par ailleurs, afin d’assurer la fiabilité des résultats
obtenus, une validation a été effectuées en évaluant le modèle sur de nouvelle données d’une
autre campagne 2021/2022. Les résultats obtenus ont démontré que le modèle a pu être validé
pour trois variables dont deux sont liés au végétal représenté par la biomasse fraiche (Mafrais)
et la hauteur des plants (0.75<EF<0.881) avec de faibles erreurs 13.992%<NRMSE<25.786%
et une variable est lié au sol qui consiste à l’humidité (Resmes). Cette dernière a présenté une
excellente efficience (0.886<EF<0.955) et des erreurs faibles 11.342%<NRMSE<16.101%.
Enfin, selon les résultats obtenus à partir de la calibration et de la validation, on a remarqué
que les doses d’azote n’affectent pas la simulation du modèle pour les différentes variables.
