Вы находитесь на странице: 1из 38

1

2
TABLE DES MATIERES
Introduction .......................................................................................................................................... 3

CHAPITRE 1. Revue de littérature ...................................................................................................... 6

1.1. Rappels et limites des modèles usuels dans l'analyse de composition foliaire ......................... 6
1.1.1. Revue de quelques modèles d'analyse foliaire ................................................................. 6
1.1.2. Présentation de certains modèles de diagnostic foliaire ................................................... 6
1.1.2.1. Système aux intervalles de suffisance ................................................................... 7
1.1.2.2. Système aux valeurs critiques ............................................................................... 7
1.1.3. Système DRIS .................................................................................................................. 7
1.1.4. Comparaison de ces systèmes .......................................................................................... 8
1.1.5. Origines des limites de la plupart de ces modèles ............................................................ 9

1.2. Données fractionnaires, notion et difficultés propres.............................................................. 10


1.2.1. Définition de données fractionnaires et de simplex ....................................................... 10
1.2.2. Difficultés d'évaluation de la variabilité au sein d'un amalgame ................................... 10
1.2.3. Problème posé pour le test d'indépendance .................................................................... 11

1.3. La transformation logarithmique centrée des rapports, notion et intérêt pour l'étude des
données fractionnaires ............................................................................................................ 11
1.3.1. Définition de la transformation logarithmique centrée des rapports .............................. 11
1.3.2. Avantage de la transformation logarithmique centrée des rapports ............................... 12

CHAPITRE 2. Matériel et méthode ................................................................................................... 13

2.1. Compositional Nutrient Diagnosis (CND) ou diagnostic en composantes fractionnaires des


éléments .................................................................................................................................... 13
2.1.1. Objectifs du Système CND ............................................................................................ 13
2.1.2 Bases d'établissement du système CND .......................................................................... 13
2.1.3. Fonctionnement du système ........................................................................................... 14
2.1.3.1. Remise à la même échelle des proportions ......................................................... 14
2.1.3.2. Calcul des fonctions ............................................................................................ 14
2.1.3.3. Calcul d'indice CND............................................................................................ 14
2.1.3.4. Interprétation d'indice CND ................................................................................ 15

2.2. Base de données pour la carotte, méthode de dérivation de normes CND et DRIS ............... 15
2.3. Essai de validation ................................................................................................................... 16

CHAPITRE 3. Résultats et discussion ............................................................................................... 17

3.1. Normes DRIS et CND pour une culture de carotte en sol organique ..................................... 17
3.2. Résultat de l'essai de validation ............................................................................................... 18
3.3. Résultats des diagnostics CND et DRIS ................................................................................. 20

Conclusion générale ........................................................................................................................... 24

RÉFÉRENCES BIBLIOGPHIQUES ................................................................................................. 26


3
Introduction

L'analyse foliaire est une méthode d'investigation relativement ancienne. L'élément


précurseur semble en être le premier travail de De Saussure en 1804 (Munson et Nelson,
1973). Mais, c'est surtout récemment que la technique s'est développée d'une manière
éloquente, à tel point qu'elle est devenue classique aussi bien pour les chercheurs en
fertilisation, que pour les producteurs eux-mêmes. Plusieurs raisons peuvent expliquer ce
phénomène, notamment :

1. La recherche d'une productivité accrue face à une recrudescence des coûts des
engrais.

2. La disponibilité sur le marché d'une large gamme d'équipement d'analyse des plantes
(spectrophotomètre, spectromètre d'émission dans le plasma,…).

3. La prise de conscience de plus en plus grande pour les problèmes de pollution et de


protection de l'environnement face à l'usage des engrais.

L'analyse foliaire aurait atteint un palier, ces dernières années. Cependant, la technique n'a
pas fait l'objet d'investigations approfondies qu'elle mérite. Elle demeure isolée par rapport à
d'autres systèmes comme l'analyse des sols en raison de la faiblesse des modèles disponibles
à date relativement aux relations rendement - concentration en éléments dans les tissus
végétaux.

Il demeure sans doute encore de vastes champs à explorer, notamment l'examen, par de
nouvelles approches, de la composition foliaire des plantes. La littérature regorge d'exemples
démontrant le peu d'avantage à tirer des plantes faiblement productives, contrairement au cas
des plantes hautement productives. L'étude de la composition foliaire des plantes à hauts
rendements, devrait être consacrée à ces deux thèmes principaux :
4
1- La sélection des données à des fins de dérivation de normes
Les doses d'engrais et d'eau appliquées, les dates de semis, la densité de peuplement et
l'espacement entre les plantes devraient être déterminés site par site, alors qu'on continue à
promouvoir l'application de données pertinentes au sujet de la composition de plantes
provenant d'immenses espaces géographiques (Letzsh et Sumner, 1983 ; Sumner, 1977). Il
est temps que ce type d'information servant à générer des optimums foliaires, soit choisi à
partir de base de données homogènes car il apparaît que plus étroites sont les limites de
composition foliaire plus grandes sont les probabilités de réaliser les rendements maximaux.

L'approche choisie par plusieurs chercheurs (Caron et Parent, 1989 ; Hallmark et al., 1985 ;
Parent et Granger, 1989 ; Walworth et al., 1986), privilégie le recours aux bases de données
relativement restreintes mais plus homogènes.

2- L'expression d'éléments sous forme de rapports ou de produits


Il a été démontré que pour rendre plus efficace l'application des diagnostics foliaires
relativement à la réponse des plantes à la fertilisation, le choix adéquat de l'expression des
teneurs en éléments compte énormément (Beaufils, 1973 ; Walworth et Sumner, 1987).
Cependant, la validité de cette forme d'expression des éléments à savoir rapports ou produits
ou autre forme, n'est pas suffisamment explorée.

Traitant d'un sujet similaire, mais relatif à un domaine différent, à savoir la teneur des roches
en minerais ou en éléments chimiques, Aitchison (1990) a établi que le traitement de ce type
de données dites fractionnaires, se confronte à l'élimination des corrélations entre les
variables. Le même auteur a démontré l'intérêt de la transformation logarithmique centrée
pour réduire la colinéarité entre les composantes et rendre linéaire le modèle relatif à ce type
de données.

Les concentrations de différents éléments dans les tissus végétaux sont des données
fractionnaires puisque chaque teneur peut être exprimée sous forme de fraction par rapport à
la somme des concentrations considérées. Étant donné les avantages du modèle proposé par
5
Aitchison pour l'étude de données fractionnaires, il conviendrait de vérifier sa contribution
au domaine du diagnostic foliaire.

Le présent mémoire porte sur le diagnostic de la carotte cultivée en sol organique au Québec.
Les objectifs sont :

1. de vérifier, dans les conditions expérimentales, la contribution de la méthode


intitulée: l'Analyse en Composante Fractionnaire (ACF).

2. d'élaborer et de tester sur la carotte, avec comparaison au DRIS, un nouveau système


de diagnostic dénommé: Compositional Nutrient Diagnosis (CND) ou Analyse en
Composantes Fractionnaires (ACF).

Enfin, nous avons divisé notre étude en 3 chapitres. Le 1er traite d'une analyse sommaire de
la bibliographie concernant le diagnostic tissulaire. Dans le 2ème chapitre, nous avons exposé
les résultats du matériel étudié. Le 3ème et dernier chapitre est consacré aux principaux
résultats obtenus et de leur discussion.
6
CHAPITRE 1. Revue de littérature

1.1. Rappels et limites des modèles usuels dans l'analyse de composition foliaire

1.1.1. Revue de quelques modèles d'analyse foliaire

D'une manière restreinte, une définition de l'analyse de la plante serait selon Munson et
Nelson (1973), la détermination de la concentration ou de la teneur d'un élément ou de la
partie extractible d'un élément, dans un échantillon prélevé sur un organe particulier, à un
stade morphologique donné. La concentration ou la teneur s'expriment par rapport à la
matière sèche.

Selon Bates (1971) et Beaufils (1973), la concentration ou la teneur d'un élément dans la
plante, à un stade particulier et pour un organe spécifique, serait le critère qui rend compte le
mieux des actions cumulatives des facteurs de bases (génotype, climat, sol, techniques
culturales) et de leurs interactions. Ce principe, qui est la base fondamentale même de la
pratique de l'analyse des plantes (Beaufils, 1973 ; Munson et Nelson, 1973), a été utilisé
dans l'élaboration des systèmes de diagnostic foliaire. Ces derniers ont été mis au point pour
établir des normes à partir de données analytiques, ou pour dériver des niveaux nutritifs
critiques des minéraux dans la plante.

1.1.2. Présentation de certains modèles de diagnostic foliaire

Une revue exhaustive et très intéressante réalisée par Chapin (1989), concerne la plupart des
systèmes utilisés à des fins de diagnostic foliaire. Pour les besoins de cette étude, seulement
3 de ces modèles seront abordés :

• Système aux intervalles de suffisance

• Système aux valeurs critiques

• Système DRIS
7
La plus importante différence entre ces 3 systèmes, serait due au fait que le nombre
d'éléments pris en compte diffère d'un système à un autre. Comme on va le voir, le système
aux valeurs critiques et le système aux intervalles de suffisance traitent les minéraux
toujours d'une manière individuelle alors que dans DRIS, les éléments sont considérés deux
à deux par l'entremise de leurs rapports.

1.1.2.1. Système aux intervalles de suffisance

Les valeurs des teneurs relatives à un élément, sont comparées à un intervalle délimité de
part et d'autre de la borne inférieure et de la borne supérieure de la zone de suffisance. La
zone représentant la norme est la fourchette à l'intérieur de laquelle l'élément en question,
n'est ni en excès ni en carence (Chapin, 1989).

1.1.2.2. Système aux valeurs critiques

Le diagnostic se ramène à comparer la teneur d'un élément dans la plante à sa concentration


critique. La concentration critique est définie comme le seuil correspondant à 90 % du
rendement maximal (Chapin, 1989).

1.1.3. Système DRIS

Le cas de système DRIS mentionné ici, fait référence au système DRIS tel que révisé par
Beverly (1987).

A l'inverse du système DRIS traditionnel qui utilise les rapports élémentaires, ce système
fait appel aux logarithmes des rapports. En raison de l'égalité des variances obtenue par la
fonction logarithmique : variance log (a/b) = variance log (b/a), les deux équations
maintenant l'équilibre vectoriel (rapport > norme ou son inverse norme > rapport) ne sont
plus nécessaires (Beverly, 1987). Par ailleurs, cette transformation réduit l'asymétrie dans la
distribution des données.
8
Le diagnostic se résume en 3 étapes :

1- Calcul des fonctions pondérées:


Pour le rapport élémentaire impliquant A et B : A/B, on obtient :

f⎜ ⎟=
A( )
⎛ A ⎞ log B − log b ( )
a

⎝B⎠ SDlog (a )
b

où les paramètres log(A/B), log(a/b) et SDlog(a/b), désignent les logarithmes respectivement


du rapport ainsi que de la moyenne et de l'écart-type de la population de référence.

Les fonctions peuvent être annulées (= 0) si elles se situent à l'intérieur d'un intervalle de
confiance (Savoy et Robinson, 1990).

2- Calcul d'indice DRIS de l'élément :


C'est la somme algébrique de toutes les fonctions pondérées où figure l'élément spécifié. Si
ce dernier est au numérateur, la fonction est considérée positive; dans l'autre cas, elle est
négative.

3- L'interprétation d'indice par élément se fait en considérant un état d'équilibre à la valeur


zéro. Les valeurs positives reflètent un excès relatif et les valeurs négatives, une carence
relative. Plus la valeur absolue est élevée, plus sont importants les phénomènes relatifs aux
excès ou aux carences.

1.1.4. Comparaison de ces systèmes

Des comparaisons entre DRIS et le système aux valeurs critiques sont rapportées par de
nombreux travaux (Beaufils, 1973 ; Elwali et Gascho, 1983). La plupart de ces auteurs ont
relevé certains avantages en faveur du DRIS. Ces avantages résident surtout dans la capacité
de DRIS à atténuer l'effet d'interaction, d'accumulation ou de dilution d'éléments dans la
9
plante. Cela est rendu possible dans DRIS grâce à la faible variabilité de la valeur du rapport
de deux éléments relativement à l'amplitude des valeurs propres à ces mêmes éléments
(Beaufils, 1973).

1.1.5. Origines des limites de la plupart de ces modèles

De nombreux articles, font mention d'interaction pouvant exister entre les minéraux dans la
feuille (Mengel et Kerkby, 1978 ; Munson et Nelson, 1973). Mais la plupart des modèles
proposés pour ces systèmes de diagnostic foliaire n'en tiennent aucune rigueur. Par contre,
DRIS constitue le premier modèle visant à quantifier, d'une façon mathématique, ce genre
d'interactions (Beaufils, 1973 ; Sumner, 1978 ; Walworth et Sumner, 1987).

Pour certains auteurs (Hair et al., 1987), le recours aux techniques multivariables est
essentiel pour étudier d'une manière adéquate ces relations multiples et se faire une idée
complète et réaliste avant une prise de décision. Des travaux (Hardyck et Petrinovitch cité
par Hair et al., 1987) n'hésitent pas dans de telles conditions, à juger comme superficielle
toute analyse non fondée sur une méthode multivariable. Selon Hair el al. (1987), le modèle
multivariable de type "nonmetric multidimensional scaling", est tout à fait indiqué pour
l'analyse de système composé de variables non métrique comme c'est le cas des teneurs en
éléments dans la feuille.

Cependant, des auteurs (Jolliffe, 1986 ; Aitchison, 1986) considèrent que la plupart des
techniques multivariables ne sont pas encore suffisamment développées. Il reste en effet, des
principes de base à approfondir, pour permettre à ces méthodes de supporter une analyse
quantitative applicable à un système formé de proportions (Aitchison, 1986), comme c'est le
cas pour un diagnostic foliaire.

L'œuvre entamée en géologie, par Aitchison depuis plus d'une quarantaine d'années présente,
peut-être, une alternative. Pour cela, il faudrait accepter un examen nouveau basé sur la
nature fractionnaire spécifique aux données foliaires.
10
1.2. Données fractionnaires, notion et difficultés propres

1.2.1. Définition de données fractionnaires et de simplex

Tout vecteur X avec x1, x2, ...xD éléments positifs, représentant les proportions par rapport à
leur somme totale est soumis à la contrainte suivante :

x1 + x2 + ...+ xD = 1,

Les données fractionnaires sont formées par de tels vecteurs de proportions.

A partir de cette définition, en prenant compte de l'espace de l'échantillon, on peut définir le


simplex Sd à D dimensions :

Sd = [(x1,..., xD) : x1 > 0,..., xD > 0, x1 + ...+ xD = 1]

1.2.2. Difficultés d'évaluation de la variabilité au sein d'un amalgame

Une expérience factorielle offre la possibilité de faire varier le niveau d'un facteur
indépendamment de chacun des autres facteurs. Mieux encore, dans l'analyse de variance
associée au modèle linéaire, cette liberté de variation permet de faire des hypothèses
pertinentes sur l'additivité des effets des facteurs en se basant sur la réponse, ou bien sur les
interactions particulières entre les facteurs.

La situation est tout autre, lorsque les facteurs sont des simplex, puisque on est confronté à
des réponses dues à un amalgame d'ingrédients (Aitchison, 1981 ; Aitchison 1986). Les
facteurs sont alors les D parties d'un mélange. Comparativement aux niveaux des facteurs
dans l'expérience factorielle typique, on a les fractions de l'amalgame : x1, x2, ...xD.
11
1.2.3. Problème posé pour le test d'indépendance

Les données de nature fractionnaire posent souvent un problème de taille pour l'étude de
l'indépendance des variables entre elles. En pratique, cela se traduit par des difficultés
auxquelles on doit faire face lors des tentatives d'annuler des corrélations fortes existant
entre les variables.

La question est d'autant plus pertinente pour plusieurs raisons :

1. Les distributions des statistiques utilisées pour le test, ne sont définies et ne


conviennent à être assimilées par aucune des approches relatives aux tests standard
comme les tests des rapports de vraisemblance généralisée.

2. Les tests sur l'absence de corrélation, qui se pratiquent séparément sur chaque paire
de composantes, sont sujets à la même controverse, que les tests de comparaisons
multiples, non précédés d'un test-F sur l'ensemble du modèle (Aitchison, 1986).

3. Même si le test démontre l'existence de corrélations significatives, cela n'est pas


suffisant pour conclure à l'existence de corrélations entre les quantités
correspondantes à la base.

1.3. La transformation logarithmique centrée des rapports, notion et intérêt pour


l'étude des données fractionnaires

1.3.1. Définition de la transformation logarithmique centrée des rapports

La transformation logarithmique centrée des rapports remplace x, la valeur de la donnée


fractionnaire, par la quantité V:
⎡ x ⎤
V = log ⎢ ⎥
⎣ g (x )⎦
où g(x) = (x1x2…xD)1/d : la moyenne géométrique.
12

Soit un système formé de D éléments : x1, x2, …xD; Q est le nombre d'individus concernés
(par exemple le nombre d'échantillons analysés). La valeur V jème devient :

1 Q
V j = log x j − ∑ log xi j = 1,..., D
D i =1

1.3.2. Avantage de la transformation logarithmique centrée des rapports

Cette transformation, suggérée par Aitchison (1986), permet de contourner les inconvénients
propres aux données fractionnaires. Elle offre les meilleures garanties pour une analyse
basée sur des statistiques adéquates. Les raisons sont multiples, mais on peut en consigner
les principales :

1. La fameuse contrainte imposée par une somme égale à l'unité est levée (Aitchison,
1986).

2. La structure non linéaire, que montrent les données fractionnaires à travers leurs
variables, est linéarisée (Jolliffe, 1986 ; Aitchison, 1981 ; Aitchison, 1986).

3. La méthode rend normale la distribution multivariable des composantes, et offre


ainsi de meilleures chances à réaliser des inférences statistiques plus valides
(Aitchison, 1986).

4. La transformation offre de meilleures facilités pour l'étude et l'évaluation de la


variabilité intrinsèque existant à l'intérieur d'un espace formé d'un nombre
d'individus ayant une composition spécifique (Aitchison, 1986).
13
CHAPITRE 2. Matériel et méthode

2.1. Compositional Nutrient Diagnosis (CND) ou diagnostic en composantes


fractionnaires des éléments

2.1.1. Objectifs du Système CND

Le système est établi dans le but de proposer des alternatives aux difficultés que posent les
systèmes actuellement les plus utilisés dans l'analyse foliaire. Si on se réfère uniquement au
DRIS, le nouveau système apporte certains avantages :

1. Une meilleure évaluation de la variabilité à l'intérieur d'un espace formé par la


combinaison individus - compositions. Grâce à la transformation logarithmique
centrée des rapports, CND évalue la variation non seulement sur un seul axe comme
le ferait DRIS, mais sur les 2 axes.

2. Le CND propose des solutions aux difficultés propres aux teneurs foliaires en
éléments, en tant que données fractionnaires.

3. Cette méthode offre la possibilité de sortir l'analyse foliaire de son isolement, en


établissant des têtes de pont entre elle et d'autres types d'analyse comme l'analyse
des sols.

2.1.2 Bases d'établissement du système CND

Le système que nous appelons "Compositional Nutrient Diagnosis" (CND) a été établi à
partir de :
1. Les principes physiologiques et les bases fondamentales du système DRIS, surtout
sous sa nouvelle forme due à Beverly (1987).
2. La méthodologie développée par Aitchison (1986), relativement à l'analyse
statistique des données fractionnaires.
14
2.1.3. Fonctionnement du système

2.1.3.1. Remise à la même échelle des proportions

Dans la composition correspondant à un individu soit : N%, P%, K%,..., la teneur


élémentaire est exprimée relativement à la somme des teneurs de l'ensemble des éléments
compris dans le système. Cette remise à l'échelle, donne pour la fraction fn relative à N, la
valeur :
N
fn = 100
⎛ N P K ⎞
⎜ + + + ...⎟
⎝ 100 100 100 ⎠

2.1.3.2. Calcul des fonctions

Les fractions élémentaires issues de la partie précédente, sont utilisées dans le cal.cul de la
fonction élémentaire. En posant par simple commodité de démonstration les fractions : fn =
N, fp = P, fk = K, ...; pour N, la fonction Vn de N se calcule comme suit:

(Vn ) = log(N ) − 1 ∑ log(N ) + log(P ) + log(K ) + ...


D

2.1.3.3. Calcul d'indice CND

L'indice CND pour l'élément N par exemple se calcule à partir de la fonction Vn ainsi que de
la moyenne vn et de l'écart-type SDvn’ de la population de référence :

Vn − vn
indice ( N ) =
SDvn

Pour l'élément N, les valeurs de la moyenne vn, et de l'écart-type SDvn’ dérivées à partir d'un
groupe de référence, correspondent aux normes CND.
15
2.1.3.4. Interprétation d'indice CND

L'interprétation des indices CND obéit aux mêmes règles que celles des indices DRIS. Des
indices nuls, positifs ou négatifs, sont associés aux états nutritifs relatifs aux équilibres, aux
excès et aux carences.

2.2. Base de données pour la carotte, méthode de dérivation de normes CND et DRIS

Des plantes de carotte ont été échantillonnées annuellement entre 1987 et 1989, sur des
petites parcelles (100 m²) délimitées dans 50 à 100 champs choisis dans la zone du sol
organique du sud-ouest de la province de Québec. Ces champs étaient cultivés selon les
recommandations des conseillers provinciaux et supervisés par le biais de visites
hebdomadaires ou bi-hebdomadaires effectuées par des agents de service agricole. Chaque
échantillon était formé de 20 à 30 premières feuilles complètement développée: feuille-
étendard (Esau, 1940), prélevées sur des plantes ayant atteint le stade 8-10 feuilles (stade D).
L'étude est réalisée sur 200 observations.

Après prélèvement, les lots ont été immédiatement refroidis, séchés à 70°C dans une étuve à
circulation d'air et broyés dans un moulin Wiley pour que les particules passent à travers les
mailles de taille d'un mm d'un tamis en acier inoxydable. L'azote a été dosé par la méthode
micro-Kjeldhal. Après l'incinération des tissus végétaux durant 4 h à 550°C, les cendres ont
été dissoutes dans HCl à 25% (v/v). Les teneurs en P, K, Ca et Mg ont mesurées par
spectroscopie d'émission de plasma (Beckman spectra Span 6 model).

Les rendements commercialisables ont été variables pour ces cultures de carotte, avec des
semis échelonnés entre le début mai et la mi-juin, et les récoltes entre les mois d'août et
d'octobre. Pour contourner la difficulté imposée par la croissance des carottes qui
s'échelonne jusqu'à l'automne, une estimation du rendement par site d'échantillonnage, a été
effectuée à 1000 degrés-jours après le semis, par la récolte de parcelles ayant 5 rangées
longues de 2 m chacune.
16
Les données sur le rendement, exprimées sous forme relative par année, ont été regroupées.
Les normes (moyennes et écart-type) relatives au CND et au DRIS ont été dérivées des
individus formant 25% de la population totale et classés supérieurs par le rendement
commercialisable.

2.3. Essai de validation

Dans un sol organique portant deux types de précédents culturaux (jachère de céréale et
culture de carotte), on a prélevé du sol en automne sur une profondeur de 20 cm. Le sol fut
tamisé à 6 mm et transvasé dans des pots. Chaque pot de 9,5 L contenait 1,2 kg de sol et 1/3
(v/v) de perlite. La caractérisation des sols est consignée en appendice 3.

……………………………………………….
…………………………………………………………….
17
CHAPITRE 3. Résultats et discussion

3.1. Normes DRIS et CND pour une culture de carotte en sol organique

Les normes au stade D relativement à la carotte cultivée en sol organique, sont rapportées
pour DRIS et CND aux Tableaux 1 et 2, respectivement. A l'exception du rapport K/Mg
(Tableau 1), la distribution monovariable ("joint distribution"), est normale pour tous les
rapports, puisque leurs valeurs respectives pour le coefficient W de Wilk-Shapiro, dépassent
la valeur critique W(50,0.05) (Shapiro and Wilk, 1965). Pour ce qui est des normes CND
(Tableau 2), le test de normalité est significatif pour N et K, qui ont des valeurs de
coefficient W légèrement inférieures à la valeur critique (W(50,0.05) = 0.947).

Tableau 1 : Normes DRIS (moyennes et écart-types) pour la carotte au stade D et leurs


caractéristiques de distribution

Paramètre Asymétrie Normalité Moyenne Écart type


N/P 0.251 0.991 1.9107 0.1428
N/K 0.178 0.960 -0.3648 0.1783
N/Ca 0.219 0.950 0.2935 0.2189
N/Mg 0.198 0.965 2.0124 0.1979
P/K -0. 172 0.967 -2.2756 0.2088
P/Ca 0.196 0.957 -1.6172 0.1962
P/Mg 0.188 0.964 0.1017 0.1881
K/Ca 0.207 0.974 0.6584 0.2073
K/Mg 0.202 0.937* 2.3772 0.2025
Ca/Mg -0.169 0.982 1.7188 0.1704
* Significatif au niveau 0.05 d’après le test de Wilk-Shapiro

Cependant, on peut relever des différences appréciables (Tableaux 1 et 2), entre les écart-
types des normes DRIS et CND. En effet, les écart-types de DRIS, s'échelonnent entre
0.1428 pour N/P et 0.2189 pour N/Ca. Pour CND, tous les écarts types sont moindres et
varient de 0.1131 pour P, à 0.1307 pour K. Contrairement aux écart-types de DRIS, les
18
écart-types de CND ont des valeurs plus rapprochées. Donc, le fait d'englober toutes les
interactions possibles dans les normes, engendre une dispersion plus faible autour des
moyennes, plutôt que de considérer seulement des interactions jumelées.

Tableau 2 : Statistiques de la population la plus productive, au stade D, avec des


données transformées par l'analyse en composantes fractionnaires
(normes CND)

Paramètre Asymétrie Normalité Moyenne écart-type


N -0.618 0.944* 0.7704 0.1143
P 0.007 0.988 -1.1404 0.1131
K 0.286 0.946* 1 .1352 0.1307
Ca 0.616 0.966 0.4768 0.1300
Mg 0.119 0.960 -1.2420 0.1188
* Significatif au niveau 0.05 d’après le test de Wilk-Shapiro

3.2. Résultat de l'essai de validation

La teneur en N de la feuille étendard (Tableau 3) dans les traitements sans engrais vert
semble augmenter dans le même sens que les niveaux d'azote. Pour les autres éléments, la
composition tissulaire, en fonction du niveau de N, montre des signes de dilution, qui
pourraient être associés à un potentiel de croissance élevé.

Les données relatives au rendement en matière sèche totale (partie aérienne + racine)
établissent (Tableau 3) l'existence de relations significatives entre le rendement d'un côté, et
l'engrais vert et les niveaux d'azote de l'autre. Ces relations sont confirmées dans le Tableau
4 consacré à l'analyse de variance. La relation entre le niveau d'azote et le rendement est de
type quadratique en présence (5g/pot) ou en absence d'engrais vert. Cette conclusion est
renforcée par le fait qu'aucune interaction significative n'est établie entre les niveaux d'azote
et l'engrais vert (Tableau 4).

Nos résultats sont comparables à d'autres travaux (Bishop et al., 1973 ; Evers, 1989) qui ont
établi une relation positive entre les doses croissantes d'azote et l'augmentation des
19

rendements pour la carotte.

Le graphique ci-après (page 24) résume l'essentiel des relations quadratiques, avec (5 g/pot)
ou sans (0 g/pot) engrais vert, entre le niveau de N et le rendement total. Les équations de
régression liant le rendement (Y) au niveau d'azote (X), ainsi que les niveaux respectifs
correspondant au rendement maximum, ont été déterminés ainsi :

1)- Sans engrais vert (0 g/pot)

Y = 6.44 + 33.88X - 16.57X2


avec R2 = 0.98 et un X optimum = 1.01 g/pot.

2)-Avec engrais vert (5 g/pot)

Y = 6.73 + 38.17X - 13.60X2


avec R2 = 0.99 et X optimum = 1.02 g/pot.

Tableau 3 : Rendement et teneurs minérales de la feuille étendard, pour la carotte testée sur
sol organique, à 4 niveaux d'azote, avec ou sans engrais vert

Engrais vert Niveaux d'azote (g/pot)


Élément
(g/pot) 0 0.5 1.0 1.5
----------------% -----------------
N 0 1.71 1.96 2.69 2.88
5 1.97 1.80 1.89 2.43
P 0 0.62 0.56 0.36 0.39
5 0.78 0.43 0.41 0.33
K 0 5.47 5.57 5.18 5.39
5 5.87 5.27 5.56 4.86
Ca 0 1.58 1.23 1.12 1.18
5 1.81 1.29 1.07 1.03
Mg 0 0.42 0.34 0.33 0.35
5 0.44 0.33 0.31 0.33
-------------g/pot -----------
0 6.12 2023 22.78 20.32
Rendement1
5 7.06 21.44 32.24 32.98
1 Effet significatif au niveau 0.01 pour engrais vert et N quadratique
20
Tableau 4 : Analyse de variance sur le rendement de carotte en sol organique, à 4 niveaux de
N, avec ou sans engrais vert.

Contraste Valeur du F Probabilité


Précédent 0.06 0.807 ns
Engrais vert 7.12 0.010**
N linéaire 644.57 0.001 **
N quadratique 108.17 0.001 **
N cubique 0.03 0.868 ns
Précédent*Engrais vert 0.22 0.645 ns
Précédent*N linéaire 0.91 0.344 ns
Précédent*N quadratique 4.76 0.034*
Précédent*N cubique 1.18 0.284 ns
Engrais vert*N linéaire 0.97 0.330 ns
Engrais vert*N quadratique 0.03 0.871 ns
Engrais vert*N cubique 0.00 0.949 ns
Précédent*Engrais vert*N linéaire 1.19 0.280 ns
Précédent*Engrais vert*N quadratique 0.51 0.479 ns
Précédent*Engrais vert*N cubique 1.22 0.276 ns
(*, **) Respectivement significatif, hautement significatif; (ns) Non significatif.

3.3. Résultats des diagnostics CND et DRIS

Après un filtrage (Savoy et Robinson, 1990) au niveau p = 0.01, on a consigné au Tableau 5 les
résultats des diagnostics tissulaires des carottes produites sur sol organique, à 4 niveaux d'azote, et
avec ou sans engrais vert.

D'une manière générale, DRIS et CND ont établi des diagnostics comparables relativement aux
éléments K, Ca et P :

– K serait en excès et ce, malgré la variation des niveaux d'azote et d'engrais vert.
– Une carence en Ca décelée dans tous les traitements a tendance à être accentuée au
fur et à mesure que le niveau de N augmente.
21
– P est relativement en excès pour les niveaux faibles de N et tend à la baisse avec
l'accroissement du niveau de N vers un état d'équilibre à un niveau de N compris
entre 1 et 1.5 g/pot.
– Mg serait en état d'équilibre pour l'ensemble des traitements selon CND alors que
DRIS met en évidence des cas où cet élément serait relativement en excès.

Le sol organique utilisé dans cette étude retient probablement des quantités considérables de Ca,
malgré que la valeur de 5.2 de son pH représente le pH optimum (Van Lierop, 1983). Le calcium
devrait être retenu sous forme humique ou chélatée, beaucoup plus que la forme échangeable, alors
que la rétention de potassium par les colloïdes organiques, est plus faible (Barber, 1984).

En ce qui concerne l'élément N, on ne peut pas affirmer que DRIS et CND aient abouti à la même
conclusion. Même si N présente une carence aux niveaux faibles de N, il tend à la hausse dans le
même sens que le niveau de fertilisation azotée. Contrairement au CND qui situe un état d'équilibre
pour l'élément N aux alentours d'un g/pot, DRIS persiste à noter une déficience de N à la dose
optimale.
22

Tableau 5 : Diagnostic filtré (p=0.01) selon DRIS et CND, pour l'équilibre nutritif de la carotte
testée en sol organique à 4 niveaux de N et 2 niveaux d'engrais vert

Engrais vert Niveaux d'azote (g/pot)


Élément Diagnostic
(g/pot) 0 0.5 1.0 1.5
0 DRIS -3.46 -2.10 0 0.68
0 CND -4.47 -2.55 0 0
N
5 DRIS -2.74 -1.83 -1.00 0
5 CND -4.27 -2.54 0 0
0 DRIS 2.44 2.21 0 0
0 CND 3.41 3.35 0 0
p
5 DRIS 2.71 0.84 0.84 0
5 CND 4.41 0 0 0
0 DRIS 1.82 1.98 1.05 1.04
0 CND 2.56 3.06 3.01 2.83
K
5 DRIS 1.02 1.90 2.19 1.08
5 CND 0 3.21 3.91 3.00
0 DRIS -1.57 -2.09 -1.78 -2.46
0 CND 0 -3.50 -3.73 -3.76
Ca
5 DRIS -0.99 -0.90 -2.74 -1.93
5 CND 0 -2.56 -3.68 -3.85
0 DRIS 0.77 0 0.73 0.74
0 CND 0 0 0 0
Mg
5 DRIS 0 0 0.70 0.85
5 CND 0 0 0 0
DRIS--diagnosis and recommendation integrated system; CND=compositional nutrient diagnosis
23
Figure 1: Rendement total de la carotte cultivée sur sol organique amendée ou non avec un
engrais vert et recevant des doses croissants d’azote
24
Conclusion générale

Deux approches différentes furent employées simultanément à des fins de diagnostic


tissulaire réalisé au stade D sur une culture de carotte:

1. Le diagnostic par la nouvelle méthode relative à DRIS due à Beverly (1987) qui est
plus simple et permet un diagnostic plus robuste relativement au DRIS traditionnel
(Beaufils, 1973).

2. Le diagnostic par l'Analyse en Composantes Fractionnaires appelé du CND dont


l'élaboration a mis à profit les avantages de la démarche développée par Aitchison
(1986) pour l'analyse statistique des données fractionnaires.

Des normes (moyenne et écart-type) relatives au DRIS et au CND ont été dérivées pour la
carotte à partir de données sur les plantes produites sur sol organique dans le sud-ouest du
Québec. Le choix a porté sur les individus les plus productifs représentant les 25 % de la
population totale.

La performance du CND semble supérieure relativement au DRIS, comme il ressort de


l'évaluation basée sur un essai en serre, réalisé sur la carotte (Daucus carota L. cv.
Laflamme) et combinant des différents niveaux d'azote et d'engrais vert.

La variabilité dans un espace délimité par des individus et leur composition est mieux cernée
par la transformation logarithmique des rapports des éléments relativement à leurs rapports
jumelés. Cela pourrait expliquer l'origine des différences constatées entre un diagnostic par
DRIS, et un autre basé sur CND.

La monographie très riche présentée par Aitchison (1986) apporte des solutions aux
difficultés propres aux données fractionnaires dont non la moindre serait, à notre avis, la
25
proposition d'une méthodologie pour rendre linéaires les modèles relatifs à ce type de
données. C'est un avantage fondamental en faveur du CND en particulier et de l'ACF en
général. Il convient, à l'avenir d'explorer cette possibilité nouvelle pour ouvrir le diagnostic
tissulaire sur d'autres types d'analyse comme l'analyse chimique du sol ou d'autre relevant de
la protection des végétaux.
26
RÉFÉRENCES BIBLIOGRAPHIQUES

Aitchison, J. 1981. A new approach to Null Corelations of Proportions. Math Geol. 13:175-
189.

Aichison, J. 1986. The statistical analysis of compositional data. Chapman and Hall, NY.

Aitchison, J. 1990. Relative variation diagrams for describing patterns of compositional


variability. Math Geol. 22:487-511.

Barber, S.A. 1984. Soil nutrient bioavailability. A mechanistic approach. John Wiley and
Sons, NY.

Bates, T.E. 1971. Factors affecting critical nutrient concentration in plants and their
evaluation : a review. Soil Sci. 112:116-130.

Beaufils E.R. 1973. Diagnosis and Recommendation Integrated System (DRIS), a general
scheme for experimentation and calibration based on principles developed from research in
plant nutrition. Soil Sci. bul. No 1. University of Natal, Pietermaritzburg, South Africa.

Beverly, R.B. 1987. Modified DRIS method for simplified nutrient diagnosis of Valencia
oranges. J. Plant Nutr 10:1401-1408.

Bishop F.R, EW. Chipman and C.R. MacEachern. 1973. Effect ot nitrogen, phosphorus and
potassium on yield and nutrient levels in carrots on sphagnum peat and mineral sols. Comm.
Soil Sci. Pant Anal. 4(6):455-474.

Caron, J. and L.E. Parent, 1989. Derivation and assessment of DRIS norms for greenhouse
tomatoes. Can. J. Plant Sci. 69:1027-1035.
27
Chapin F.S.,III. 1989. Ecological aspects of plant mineral nutrition. Adv Plant Nutr 3:161-
191.

Elwali AM.O. and G.J. Gascho, 1983. Sugarcane response to P, K and DRIS corrective
treatments on Florida Histosols. Agron. J. 75:79-82.

Esau K., 1940. Developmental analysis of the fleshy storage organ of Daucus carota.
Hilgaria 13(5):175-207.

Evers A-M., 1989. The role of fertilization practices in the yield and quality of carott
(Daucus carota L.). J. Agric. Sei. FinI. 61 :323-360.

Hair F.J., R.E Anderson and R.L. Tatham, 1987. Multivariate Data Analysis with Readings.
Macmillan Publishing Compagny NY. pp:1-15.

Hallmark W.B., J.F. Adams and H.F. Morris. 1985. Detection of zinc deficiency in soybeans
by DRIS using seeds. J. Fert. Issue 1(3):104-109.

Jolliffe, 1986. Principal Component Analysis. Springer-Verlag. pp:209-212.

Letzsh W.S. and M.E Sumner. 1983. Effect of population size and yield level in selection on
Diagnosis and Recommendation Integrated System (DRIS) norms. Comm. Soil Sci. Plant
Anal. 15(9):997-1006.

Mengel K. and EA. Kerkby. 1978. Principles of plant nutrition. International Potash
Institute, Berne, Switzerland.

Munson D. Robert and Werner L. Nelson. 1973. Principles and Practices in Plant Analysis.
p. 223-248. Dans L.M. Walsh et J.O. Beaton (ed.) Soil testing and plant analysis, Revised
Edition, Soil Science Society of America, Madison, WI.
28
Parent, L.E and R.L. Granger. 1989. Derivation of DRIS norms from high-density apple
orchard established in Quebec Appalachian mountains. J. Am. Soc. Hort. Sci. 114:915-919.

SAS, Version 5, Edition 1985. SAS Institute Inc., Cary North Carolina.

Savoy, H.J. Jr., and D.L Robinson. 1990. Norm range size effects in calculating Diagnosis
and Recommendation Integrated System Indices. Agron. J. 82:592-596.

Shapiro S.S. and M.B. Wilk. 1965. An analysis of variance test for normality (complete
samples). Biometrika 52(2&3):591-611.

Sumner M.E 1978. Interpretation of nutrient ratios in plant tissue. Comm. Soil Sci. Plant
Anal. 9:335-345.

Sumner, M.E 1977. Application of Beaufils’ diagnosis indices to maize data published in the
literature irrespective of age and conditions. Plant Soil 46: 359-369.

Van Lierop, W. 1983. Lime requirement determination of acid organic soils using buffer-pH
methods. Cano J. Soil Sci. 63:411-423.

Walworth J.L., M.E. Sumner, R.A. Isaac and C.A. Planck. 1986. Preliminary DRIS norms
for alfalfa in Southeastern United States and a comparison with Midwestern norms. Agron.
J. 78:1046-1052.

Walworth, J.L. and M.E. Sumner. 1987. The Diagnostic and Recommendation Integrated
System (DRIS). Adv. Soil Sci. 6:149-188.
29
Appendice 1. Base de données résumant pour la carotte les teneurs foliaires en éléments et les
rendements commercialisables /année

N° N% P% K% Ca % Mg % Rdt %
1 3.4 0.44 4.84 2.11 0.44 7.3
2 3.5 0.41 5.39 1.89 0.39 7.6
3 3.6 0.43 4.83 2.20 0.34 12.9
4 3.4 0.48 5.26 2.22 0.39 14.8
5 3.3 0.45 5.07 2.15 0.42 14.8
6 3.3 0.46 4.55 1.96 0.33 15.3
7 3.5 0.46 5.04 2.17 0.38 15.3
8 3.5 0.44 4.25 2.36 0.36 15.8
9 3.4 0.44 5.67 2.03 0.41 16.0
10 3.4 0.47 5.78 2.43 0.47 17.3
11 3.4 0.42 4.17 2.38 0.38 18.9
12 3.6 0.43 4.49 2.73 0.40 19.2
13 3.5 0.47 4.49 2.37 0.44 19.3
14 3.5 0.44 4.44 2.50 0.35 20.2
15 3.1 0.49 5.29 2.05 0.27 20.5
16 4.1 0.55 4.11 2.31 0.49 20.9
17 3.4 0.43 4.55 2.55 0.35 21.3
18 3.2 0.48 5.40 2.34 0.38 21.3
19 3.2 0.49 4.38 1.62 0.29 21.9
20 3.7 0.34 5.35 2.85 0.42 22.3
21 2.9 0.51 4.92 1.69 0.24 22.5
22 3.1 0.50 4.66 2.27 0.43 22.6
23 3.1 0.43 5.04 2.30 0.42 22.9
24 3.2 0.49 5.40 2.32 0.45 23.1
25 3.4 0.54 4.25 2.68 0.56 23.2
26 3.3 0.51 5.25 1.87 0.30 23.4
27 3.2 0.31 4.72 3.01 0.44 23.4
28 3.4 0.44 5.48 2.44 0.41 23.6
29 3.8 0.51 4.51 2.44 0.54 24.8
30 2.9 0.45 4.44 2.04 0.29 25.1
30
N° N% P% K% Ca % Mg % Rdt %
31 2.9 0.41 5.45 2.56 0.37 25.8
32 3.0 0.43 5.27 2.47 0.30 26.6
33 3.3 0.46 6.28 2.23 0.38 27.8
34 3.8 0.55 4.45 2.40 0.55 27.9
35 3.3 0.50 5.96 2.11 0.45 28.5
36 3.3 0.50 5.32 2.33 0.38 28.8
37 2.8 0.49 5.05 2.27 0.29 29.4
38 3.7 0.54 5.60 2.31 0.40 30.9
39 3.4 0.49 4.21 2.66 0.50 31.7
40 3.7 0.35 5.28 3.26 0.50 31.9
41 4.0 0.47 4.21 2.22 0.51 32.1
42 3.4 0.48 5.47 2.99 0.53 33.2
43 3.0 0.40 4.74 3.21 0.39 33.5
44 4.0 0.47 4.30 2.19 0.51 34.1
45 3.0 0.34 10.42 0.90 0.59 34.3
46 3.5 0.35 5.32 2.77 0.48 34.4
47 3.8 0.54 4.61 2.30 0.44 34.4
48 3.2 0.34 5.99 2.76 0.54 34.6
49 4.0 0.57 4.55 2.35 0.45 35.0
50 3.0 0.41 5.28 2.79 0.51 36.0
51 3.0 0.41 4.34 3.08 0.65 36.5
52 3.4 0.53 4.55 2.78 0.55 36.7
53 3.4 0.42 4.49 2.05 0.47 37.0
54 3.5 0.57 5.87 3.56 0.62 37.1
55 3.0 0.42 5.65 2.81 0.49 37.6
56 3.2 0.50 5.99 2.68 0.34 37.8
57 3.4 0.46 4.96 1.89 0.42 37.8
58 3.8 0.68 5.42 3.36 0.43 37.8
59 2.5 0.49 5.19 3.37 0.37 38.4
60 3.1 0.38 5.75 2.34 0.36 39.1
61 3.0 0.45 5.49 2.69 0.53 39.2
62 3.3 0.47 4.73 2.97 0.39 39.3
63 3.4 0.60 5.53 3.23 0.44 39.3
64 3.3 0.54 5.08 2.35 0.43 39.4
31
Nº N% p% K% Ca % Mg % Rdt %
65 3.1 0.43 3.63 2.73 0.62 39.4
66 3.4 0.41 5.09 3. 11 0.55 39.7
67 3.0 0.59 7.40 3.57 0.60 39.8
68 3.7 0.55 4.63 3.66 0.51 39.9
69 2.9 0.33 10.54 1.10 0.68 40.0
70 3.9 0.64 5.50 3.96 0.59 40.2
71 3.2 0.40 5.56 2.28 0.34 40.3
72 3.5 0.57 6.77 2.80 0.50 40.3
73 3.5 0.64 4.84 2.77 0.51 40.4
74 3.2 0.47 4.81 3.58 0.25 40.4
75 3.5 0.43 4.79 2.03 0.45 40.4
76 3.4 0.59 4.96 2.91 0.51 40.5
77 3.4 0.39 4.71 2.14 0.45 40.8
78 2.9 0.41 4.41 2.49 0.58 41.0
79 3.1 0.30 5.33 0.84 0.59 41.0
80 3.7 0.55 4.30 3.64 0.64 41.1
81 3.3 0.42 6.98 2.39 0.48 41.3
82 3.2 0.55 5.85 2.44 0.47 41.4
83 3.4 0.41 5.13 2.22 0.47 41.7
84 3.3 0.43 5.17 2.07 0.46 41.8
85 2.7 0.49 4.95 2.57 0.40 42.0
86 4. 1 0.65 5.81 3.99 0.51 42.0
87 3.5 0.43 5.13 2.95 0.42 42.0
88 3.5 0.48 5.05 2.70 0.43 42.5
89 3.7 0.54 4.80 3.61 0.42 42.5
90 3.5 0.46 5.56 3.13 0.39 42.6
91 3.2 0.44 4.73 2.87 0.40 42.6
92 3.4 0.54 4.96 3.95 0.65 42.9
93 3.0 0.39 5.07 2.40 0.43 43.0
94 2.4 0.44 5.18 2.82 0.55 43.1
95 3.3 0.44 5.23 3.03 0.35 43.1
96 2.9 0.48 4.70 3.37 0.40 43.1
97 4.4 0.64 5.25 3.61 0.44 43.2
32
Nº N% P% K% Ca % Mg % Rdt %
98 3.6 0.51 4.57 2.90 0.41 43.2
99 2.7 0.43 6.35 2.90 0.41 43.3
100 4.2 0.63 4.89 3.52 0.50 43.3
101 3.6 0.62 6.56 3.04 0.50 43.4
102 2.8 0.51 4.89 2.70 0.38 43.6
103 2.7 0.42 5.38 2.66 0.38 43.7
104 4.2 0.66 5.24 3.38 0.62 43.7
105 3.6 0.53 4.36 3.32 0.55 43.8
106 2.5 0.48 4.39 3.29 0.32 43.8
107 2.8 0.41 5.37 2.60 0.51 44.0
108 3.3 0.66 7.81 3.87 0.73 44.0
109 3.6 0.35 5.13 3.07 0.50 44.1
110 2.5 0.57 5.13 3.43 0.36 44.2
111 3.1 0.30 4.97 2.92 0.50 44.4
112 3.5 0.39 4.92 2.13 0.45 46.0
113 2.6 0.39 5.41 3.19 0.47 46.1
114 3.1 0.38 4.83 2.12 0.46 46.8
115 3.9 0.53 4.74 2.88 0.42 46.8
116 3.6 0.59 6.81 2.98 0.45 47.5
117 3.0 0.46 5.45 3.27 0.50 48.3
118 3.1 0.50 4.53 2.96 0.45 48.4
119 3.2 0.37 5.77 2.03 0.37 48.4
120 2.5 0.51 6.24 2.05 0.26 49.1
121 3.4 0.38 6.57 2.39 0.43 50.0
122 3.0 0.32 4.74 2.86 0.37 50.2
123 3.3 0.43 4.85 2.14 0.41 50.9
124 3.3 0.32 5.21 2.25 0.43 50.9
125 3.0 0.43 5.21 2.53 0.33 51.0
126 3.3 0.50 5.71 3.04 0.42 51.1
127 3.5 0.45 6.07 2.25 0.42 51.6
128 3.7 0.56 4.04 2.51 0.41 51.6
129 3.7 0.59 4.04 2.41 0.38 51.9
130 3.4 0.44 5.30 2.16 0.38 52.6
33
Nº N% P% K% Ca % Mg % Rdt %
131 4.1 0.46 5.60 2.60 0.51 52.9
132 3.1 0.40 4.97 2.13 0.37 53.0
133 2.7 0.48 5.36 2.45 0.38 53.4
134 3.6 0.41 5.94 2.64 0.55 53.4
135 3.2 0.39 5.24 3.04 0.41 53.7
136 3.6 0.54 4.81 2.83 0.45 54.2
137 3.3 0.60 5.25 2.83 0.47 54.5
138 3.3 0.43 5.57 2.23 0.43 54.7
139 3.0 0.48 4.74 2.81 0.37 54.7
140 3.7 0.58 4.07 2.57 0.40 54.9
141 3.2 0.55 5.57 3.09 0.40 55.0
142 3.6 0.53 4.86 3.11 0.43 55.0
143 3.8 0.50 4.48 3.09 0.45 55.4
144 3.7 0.45 6.82 2.72 0.45 55.4
145 3.2 0.49 5.31 2.44 0.34 55.9
146 3.0 0.56 6.05 2.85 0.39 55.9
147 2.9 0.57 5.88 3.68 0.57 56.0
148 3.9 0.53 3.80 2.37 0.40 56.0
149 3.4 0.58 5.16 2.81 0.47 56.2
150 3.2 0.53 5.28 2.35 0.37 56.3
151 3.6 0.59 6.39 3.59 0.42 56.5
152 3.4 0.40 4.99 2.09 0.47 57.0
153 3.2 0.45 5.06 3.41 0.55 57.1
154 3.5 0.55 4.46 2.37 0.35 57.7
155 3.5 0.54 4.50 2.19 0.33 57.7
156 2.8 0.42 5.53 2.43 0.38 58.1
157 3.4 0.43 4.90 2.28 0.41 58.2
158 3.6 0.46 5.54 2.63 0.40 59.7
159 3.6 0.57 5.56 3.12 0.42 59.7
160 3.8 0.44 6.26 2.55 0.46 60.0
161 3.8 0.55 4.41 2.98 0.46 61.0
162 3.7 0.46 5.47 2.19 0.41 61.5
163 3.6 0.44 5.30 2.05 0.44 61.7
34
N° N% p% K% Ca % Mg % Rdt %
164 3.0 0.40 5.94 2.82 0.43 62.1
165 3.6 0.66 5.05 2.60 0.48 62.2
166 3.0 0.60 4.99 3.27 0.47 62.2
167 3.2 0.56 4.64 3.46 0.59 62.4
168 3.2 0.41 4.14 3.35 0.40 62.4
169 3.7 0.62 3.76 2.11 0.40 62.4
170 3.5 0.54 5.02 3.06 0.45 62.5
171 2.7 0.51 6.46 2.83 0.53 62.6
172 3.7 0.53 4.45 2.25 0.34 63.9
173 2.9 0.47 4.94 3.34 0.60 64.2
174 3.1 0.45 5.63 2.10 0.41 64.6
175 2.7 0.45 6.06 2.56 0.42 65.4
176 3.1 0.50 4.48 3.88 0.61 65.6
177 3.6 0.41 4.20 2.47 0.47 65.8
178 3.3 0.59 4.98 2.64 0.50 65.9
179 3.5 0.35 4.88 2.05 0.43 66.2
180 3.6 0.58 4.54 2.72 0.53 66.3
181 2.9 0.42 5.44 2.53 0.38 66.6
182 3.3 0.47 4.64 2.09 0.50 68.2
183 3.3 0.57 4.10 2.34 0.37 68.2
184 3.4 0.47 4.30 2.25 0.52 70.8
185 3. 1 0.46 4.73 2.14 0.57 74.5
186 3.5 0.46 4.22 2.03 0.38 74.6
187 3.5 0.48 3.80 2.52 0.38 76.5
188 3.2 0.47 4.35 2.09 0.49 78.3
189 3.4 0.46 4.18 1.82 0.36 78.7
190 3.3 0.50 4.07 2.40 0.48 79.0
191 3.1 0.39 4.41 1.88 0.33 79.2
192 3.5 0.57 3.86 2.48 0.53 80.5
193 3.1 0.44 4.45 1.56 0.34 81.2
194 3.2 0.54 4.29 2.50 0.49 83.0
195 3.1 0.54 4.65 2.27 0.49 83.4
196 2.6 0.37 4.27 1.68 0.29 83.5
35
N° N% p% K% Ca % Mg % Rdt %
197 2.7 0.50 4.22 2.36 0.43 85.9
198 3.2 0.43 4.48 1.86 0.47 86.4
199 3.1 0.47 4.05 2.48 0.43 93.3
200 3.4 0.52 4.59 2.37 0.40 100.0
36
Appendice 2. Rendement (g/pot) en racine (Ra), en feuille tendard (FE), en feuille (F) et
rendement total.

NOB PRC EV N REP RA FE F TOTAL


1 1 1 1 1 0.77 1.57 2.390 4.730
2 1 1 1 2 0.91 2.21 3.050 6.170
3 1 1 1 3 1.03 2.31 3.630 6.970
4 1 1 1 4 0.82 1.94 2.550 5.310
5 1 1 2 1 1.93 4.77 10.120 16.820
6 1 1 2 2 2.66 7.97 15.360 25.990
7 1 1 2 3 2.46 5.14 9.580 17.180
8 1 1 2 4 1.37 3.66 5.260 10.290
9 1 1 3 1 4.35 11.29 16.170 31.810
10 1 1 3 2 4.94 13.32 16.890 35.150
11 1 1 3 3 3.91 10.42 13.480 27.810
12 1 1 3 4 3.12 8.20 13.880 25.200
13 1 1 4 1 3.81 12.18 11.310 27.300
14 1 1 4 2 4.10 10.91 14.820 29.830
15 1 1 4 3 4.01 12.67 14.380 31.060
16 1 1 4 4 3.66 9.08 10.620 23.360
17 1 2 1 1 1.03 2.43 3.980 7.440
18 1 2 1 2 0.97 2.36 4.110 7.440
19 1 2 1 3 1.02 2.68 4.320 8.020
20 1 2 1 4 0.82 2.12 3.050 5.990
21 1 2 2 1 2.96 6.42 15.020 24.400
22 1 2 2 2 2.14 6.49 12.110 20.740
23 1 2 2 3 2.65 7.83 15.020 25.500
24 1 2 2 4 2.10 4.62 8.700 15.420
25 1 2 3 1 4.12 10.87 16.000 30.990
26 1 2 3 2 4.47 11.91 17.640 34.020
27 1 2 3 3 5.02 11.08 14.930 31.030
28 1 2 3 4 3.59 10.52 10.570 24.680
29 1 2 4 1 4.72 13.10 19.000 36.820
30 1 2 4 2 5.18 14.36 15.810 35.350
31 1 2 4 3 4.88 13.03 13.070 30.980
32 1 2 4 4 4.22 14.90 16.180 35.300
37
NOB PRC EV N REP RA FE F TOTAL
33 2 1 1 1 0.80 2.05 4.100 6.950
34 2 1 1 2 0.91 2.51 4.950 8.370
35 2 1 1 3 0.73 1.96 2.510 5.200
36 2 1 1 4 0.71 1.70 2.820 5.230
37 2 1 2 1 2.93 8.48 13.810 25.220
38 2 1 2 2 3.21 . 13.460 .
39 2 1 2 3 2.60 6.00 21.190 29.790
40 2 1 2 4 2.02 5.77 8.550 16.340
41 2 1 3 1 4.71 12.95 14.500 32.160
42 2 1 3 2 3.29 9.99 14.090 27.370
43 2 1 3 3 3.78 6.98 12.380 23.140
44 2 1 3 4 2.65 9.18 7.770 19.600
45 2 1 4 1 3.40 8.90 10.280 22.580
46 2 1 4 2 4.90 13.03 14.470 32.400
47 2 1 4 3 3.32 8.24 7.230 18.790
48 2 1 4 4 3.48 8.78 12.970 25.230
49 2 2 1 1 0.72 1.83 4.454 7.004
50 2 2 1 2 0.74 2.13 4.330 7.200
51 2 2 1 3 0.79 2.06 3.400 6.250
52 2 2 1 4 0.82 1.90 4.420 7.140
53 2 2 2 1 2.23 6.75 10.710 19.690
54 2 2 2 2 2.50 5.81 10. 150 18.460
55 2 2 2 3 2.40 6.39 13.920 22.710
56 2 2 2 4 3.35 9.17 12.090 24.610
57 2 2 3 1 4.26 10.39 21.860 36.510
58 2 2 3 2 4.66 12.37 22.600 39.630
59 2 2 3 3 3.80 10.30 14.750 28.850
60 2 2 3 4 . 18.00 . .
61 2 2 4 1 4.08 12.82 18.770 35.670
62 2 2 4 2 4.69 10.80 22.790 38.280
63 2 2 4 3 3.08 7.93 9.670 20.680
64 2 2 4 4 3.68 16.69 10.430 30.800
38
Appendice 3. Caractéristiques chimiques des sols organiques utilisés dans l'essai en serre

pH1 P2 K2 Ca2 Mg2


Précédent
Mg Kg-1
4.92 275 288 14880 1571
Carotte
Céréale 4.58 412 874 11530 16

1
pH (H2O)
2
P, K, Ca, Mg : Méthode Mehlich 3 (Mehlich A. 1984. Mehlich 3 soil test extractant : A
modification of Mehlich 2 extractant. Comm. in Soil Sci. Plant Anal. 15(2): 1409-1416).

Оценить