Estimation spatialisée des rendements d’une culture pérenne en Afrique de l’Ouest ˸ le cas du manguier au Sénégal

Spatial estimation of a perennial crop yield in West Africa˸ mango case study in Senegal

• Auteur / Autrice : Julien Sarron
• Direction : Eric Malézieux, Emile Faye
• Type : Thèse de doctorat
• Discipline(s) : Sciences agronomiques
• Date : Soutenance le 09/12/2019
• Etablissement(s) : Montpellier, SupAgro
• Ecole(s) doctorale(s) : GAIA (Montpellier ; École Doctorale ; 2015-...)
• Partenaire(s) de recherche : Laboratoire : Fonctionnement agroécologique et performances des systèmes de culture horticoles (Montpellier)
• Jury : Président / Présidente : Véronique Bellon-Maurel
• Jury : Examinateurs / Examinatrices : Eric Malézieux, Véronique Bellon-Maurel, Delphine Leenhardt, Marie-Hélène Jeuffroy, Thomas Nesme, Pierre-Eric Lauri
• Jury : Rapporteurs / Rapporteuses : Delphine Leenhardt, Marie-Hélène Jeuffroy

Mots clés

Mots clés libres

Arbre fruitier

Agroforesterie

Système de culture

Télédétection

Sig

Sahel

Tree crop

Agroforestry

Cropping system

Remote sensing

Gis

Sahel

Résumé

L’Afrique de l’Ouest fait face à des changements démographiques et climatiques qui mettent sous tension l’agriculture et la sécurité alimentaire. Les cultures fruitières, malgré les nombreux services écosystémiques qu’elles apportent (alimentation, biodiversité, etc.), pâtissent de faibles rendements, du fait de la faible quantité d’informations disponibles sur les systèmes (rendement, pratiques, diversité cultivée, etc.). Les objectifs de cette thèse sont de proposer des outils pour estimer le rendement du manguier (Mangifera indica L.) à différentes échelles et d’identifier les principaux facteurs de sa variabilité en Afrique de l’Ouest. Les outils ont été déployés dans la région des Niayes (Sénégal) pour analyser les rendements d’un réseau de 30 vergers de trois types de systèmes de culture (extensif, diversifié et intensif). À l’échelle de l’arbre, un outil, basé sur l’analyse d’image (par réseau de neurones) et la modélisation, a permis d’estimer la production de 300 manguiers. Le concept de ‘yield gap’ a été adapté pour calculer les ‘production gap’, c’est-à-dire l’écart entre la production atteignable de l’arbre (i.e., définie par sa structure et sa variété) et la production réelle. Cette méthode statistique a mis en évidence les effets de la variété et du système de culture sur les écarts de production. À l’échelle du verger, l’imagerie drone a été utilisée pour construire une carte d’occupation des sols et déterminer la structure des arbres du verger. Ces information ont permis et de modéliser et spatialiser la production de chaque manguier. L’estimation du rendement des vergers a permis l’étude des variabilités intra et inter-verger. Les distributions spatiales de la production et des caractéristiques des arbres apparaissent plus hétérogènes dans les vergers extensifs et diversifiés. L’utilisation du diagnostic agronomique régional a permis de déterminer les principaux facteurs d’élaboration du rendement de mangue dans la zone d’étude. Si la densité de manguier semble le principal moteur du rendement dans les vergers intensifs, les vergers diversifiés intensifie plutôt la production à l’échelle de l’arbre. Le climat, les pratiques culturales et la diversité cultivée sont également des facteurs mis en cause dans les variabilités de production. Ces travaux ouvrent de nouvelles voies méthodologiques pour pallier aux manques d’informations pour l’analyse de la production des arbres fruitiers tropicaux en Afrique de l’Ouest. Enfin, ces travaux identifient plusieurs facteurs (climat, pratique et diversité) impactant l’élaboration du rendement du manguier. L’étude de ces effets doit permettre d’améliorer durablement les pratiques et la production en Afrique de l’Ouest.

West Africa faced many challenges including demographic growth and climate change that put agriculture and food security under pressure. In this context fruit trees, despite the numerous ecosystem services (food, biodiversity, soil fertility, microclimate, etc.) they provide, suffer low yields because of the low quantity of information available regarding the cropping systems (yields, practices, species diversity, planting density, etc.). The objectives of this thesis are to develop tools for mango (Mangifera indica L.) yield estimation at different scales and to identify drivers of yield variabilities in West Africa. Tools have been deployed, in 2017 and 2018, to analyse yields of 30 orchards depicting three cropping systems (extensive, diversified, and intensive) in the Niayes region (Senegal). At the tree scale, an image analysis tool (using deep learning algorithm), combined with models, allowed to accurately estimate the production of 300 mango trees. The ‘yield gap’ concept was adapted to compute the tree ‘production gap’ as the difference between attainable production (i.e., determined by the cultivar and the structure) and the actual production. The method, evidenced that the mango production was influenced by the cultivar and the cropping system. At the orchard scale, drone imagery was used to build land cover map and estimate the structure parameters of all trees in the orchard. These data allowed to model and spatialize the individual production of each mango tree. Orchard yield estimation allowed the study of the variability of within and between orchard yields. Tree production appear more spread out in the extensive and diversified orchards. Then, using regional agronomic diagnosis, we identify important drivers impacting orchard mango yield in the study area. While mango planting density is a key driver in intensive orchards, the yield of diversified orchards rely more on the tree production. The climate, the management practices, and the species diversity also induce yield variabilities. These studies, open new methodological paths to compensate the lack of data for fruit crop yields analysis in West Africa. Finally, this work identify several important drivers (climate, practices, and species diversity) impacting mango yields at different levels. More research should be done to explore the effects of these drivers to sustainably improve practices and production.