Production de pommes de terre : utiliser des pratiques d'agriculture de précision

Les pratiques d'agriculture de précision impliquent un semis, une irrigation, une fertilisation et une utilisation de pesticides plus précis afin d'optimiser la production agricole dans le but d'augmenter les revenus des producteurs et de réduire simultanément l'impact de l'agriculture sur l'environnement. Dans cet article, nous discuterons de l'utilisation des pratiques d'AP, telles que l'irrigation à taux variable et la télédétection, dans la production de pommes de terre.

Selon la Société internationale d'agriculture de précision, "l'agriculture de précision (AP) est une stratégie de gestion qui rassemble, traite et analyse des données temporelles, spatiales et individuelles et les combine avec d'autres informations pour soutenir les décisions de gestion en fonction de la variabilité estimée pour une meilleure efficacité d'utilisation des ressources. , la productivité, la qualité, la rentabilité et la durabilité de la production agricole.

En d'autres termes, l'AP offre la possibilité de faire ce qu'il faut, au bon endroit, au bon moment et de la bonne manière. Les cultures de grande valeur comme les pommes de terre sont reconnues comme de bons candidats pour l'adoption de l'AP en raison du coût élevé des intrants. De plus, la sensibilité du rendement et de la qualité des tubercules de pomme de terre aux pratiques de production et aux conditions environnementales rend la gestion de précision économiquement critique. 

Irrigation à débit variable

La technologie d'irrigation à taux variable (VRI) applique l'eau à des taux variables plutôt qu'à un taux uniforme sur toute la longueur du pivot central. Il y a deux étapes pour appliquer le VRI : premièrement, sur la base de la conductivité électrique (CE) du sol ou de la cartographie d'élévation, le champ est divisé en différentes zones de gestion ; deuxièmement, le système applique une quantité spécifique d'eau sur différentes zones de gestion en allumant et en éteignant les buses individuelles (commande de buse VRI) ou en contrôlant la vitesse de déplacement du pivot (commande de vitesse VRI).

Le VRI peut appliquer de l'eau à des taux différents pour différentes cultures ou cultivars, différents types de sol, des zones à fort ruissellement ou des zones basses susceptibles d'être humides et saturées, et des zones écologiquement sensibles dans le champ. L'objectif primordial du VRI est d'éviter la sur-irrigation et la sous-irrigation afin qu'aucune eau ne soit gaspillée et qu'aucun stress hydrique ne se produise, tandis que le rendement et la qualité des cultures sont maintenus ou augmentés. 

Durant l'été 2018, nous avons mené une étude pour quantifier les avantages de l'utilisation de la VRI sur la pomme de terre commerciale (Russet Burbank) production dans le Wisconsin. Nous avons sélectionné deux champs irrigués respectivement avec un système VRI à contrôle de buse et un système VRI à contrôle de vitesse.

Dans chaque champ, il y avait environ 15 pieds de différence d'élévation entre les zones les plus hautes et les plus basses. À la récolte, nous avons évalué le rendement et la qualité des tubercules de la zone la plus sèche, la zone la plus représentative/moyenne et la zone la plus humide de chaque champ. Sous le contrôle des buses VRI (Figure 1a), il y a eu une réduction significative du rendement (environ 140 cwt/a, p<0.05) dans la zone la plus humide par rapport à la zone moyenne. Le rendement de la zone la plus sèche était légèrement supérieur (environ 20 quintaux/a, p>0.05) à celui de la zone moyenne. Sous contrôle de vitesse VRI (Figure 1b), il n'y avait pas de différence de rendement significative entre les trois emplacements, bien que le nombre dans la zone la plus sèche soit supérieur à celui des zones moyennes et les plus humides.

Nos données suggèrent que : 

• Un grand avantage de l'utilisation du VRI est d'améliorer le rendement et la qualité, donc d'améliorer potentiellement la rentabilité dans la zone la plus aride (ou la zone à fort ruissellement) d'un champ qui est plus vulnérable à la sous-irrigation. Le VRI est capable de maintenir l'humidité du sol dans la zone d'enracinement des plantes ;
• Le VRI peut économiser l'eau d'irrigation et améliorer l'efficacité de l'irrigation dans la partie basse d'un champ qui a tendance à être humide ou saturé. Cependant, même sous VRI, la gestion du rendement et de la qualité des pommes de terre dans la zone basse est toujours difficile, car les plantes ont tendance à avoir plus de problèmes de pourriture et de défauts ;
• Le VRI est un système prometteur pour économiser l'eau tout en améliorant la rentabilité de la pomme de terre, mais des ajustements supplémentaires sont nécessaires pour mieux le gérer sur les champs à variabilité. 

Télédétection et apprentissage automatique

Pour maintenir le rendement et la rentabilité, les producteurs de pommes de terre doivent satisfaire les besoins des cultures en azote. Pour minimiser la dégradation de l'environnement et réduire les risques financiers associés à l'incertitude réglementaire et juridique entourant les nitrates dans les eaux souterraines, les producteurs de pommes de terre ont besoin de nouveaux outils de gestion pour les aider à appliquer la bonne quantité d'azote au bon moment tout au long de la saison de croissance. 

Les méthodes couramment utilisées pour surveiller le statut azoté des plants de pomme de terre en cours de saison demandent beaucoup de travail, prennent du temps, sont parfois trompeuses et ne sont spécifiques qu'à un site dans le champ. De plus, il n'existe pas d'outils accessibles au public qui génèrent des cartes de champs entiers pour prédire l'état de l'azote des plantes en saison et le rendement des tubercules en fin de saison à l'aide d'images de télédétection.

La télédétection est une approche innovante, opportune, non destructive et spatialement complète pour améliorer les pratiques existantes de gestion de la production agricole en cours de saison. La télédétection fournit généralement plusieurs bandes spectrales étroites (~ 3-10 nm), qui peuvent capturer des caractéristiques d'absorption fines des éléments nutritifs des cultures. Jusqu'à présent, de nombreuses études ont indiqué que la télédétection peut être appliquée efficacement pour prédire les paramètres/variables des cultures, tels que l'indice de surface foliaire, la biomasse, la concentration de N foliaire, etc. 

Les méthodes utilisées pour prédire/modéliser les caractéristiques des cultures se concentrent principalement sur la construction d'algorithmes de prédiction entre les signaux spectraux et les mesures sur le terrain. Un prédicteur de modèle typique est les indices de végétation (VI), qui sont des combinaisons mathématiques de réflectance à deux bandes spectrales ou plus. Par exemple, l'indice de végétation par différence normalisée (NDVI) a été largement utilisé dans des études antérieures en raison de sa simple application à la surveillance de la dynamique de la végétation à l'échelle régionale et mondiale. 

Nous avons étudié sur trois modèles d'apprentissage automatique (arbre de décision (DT), support vector machine (SVM) et random forest (RF)) qui ont utilisé le NDVI pour prédire le statut N et le rendement final de quatre cultivars de pommes de terre (deux Russets, dont Silverton et Lakeview Russet, deux déchiqueteuses, dont Snowden et Hodag) sur deux saisons de croissance en 2018 et 2019. .

Nos résultats préliminaires ont indiqué que le NDVI a un grand potentiel pour prédire le statut en N de la pomme de terre indiqué par le pétiole NO3-N, le N total de la feuille entière ou le N total de la vigne entière ainsi que le rendement total en fin de saison (tableau 4). Nous avons utilisé R2 qui varie de 0 à 1 pour mesurer la qualité d'ajustement des modèles. Plus le R2 est élevé, meilleure est la prédiction. Il est considéré comme une très bonne prédiction si R2 est supérieur à 0.75. 

Dans les deux systèmes VRI, les tubercules de la zone la plus humide avaient une densité inférieure à ceux des zones les plus sèches et moyennes, et la différence sous le système de contrôle des buses était significative (tableau 1).

La figure 2 a montré que les tubercules de la zone la plus humide de chaque champ avaient un rapport longueur/largeur significativement plus élevé. En conséquence, il y avait une incidence plus élevée de

cœur creux dans les tubercules des zones les plus humides des deux champs, et la différence était significative sous le système de contrôle de la vitesse (tableau 2).

Pendant le stockage sous 48°F, nous avons observé une incidence plus élevée de pourriture dans les tubercules des zones les plus humides des deux champs (Figure 3). On pense que les tubercules cultivés dans des sols saturés avaient des lenticelles élargies à la surface, ce qui créait des points d'entrée parfaits pour les agents pathogènes au champ et pendant le stockage.

De plus, nous avons calculé l'efficacité d'irrigation (IE) du système VRI de contrôle de vitesse (les numéros du VRI de contrôle des buses n'étaient pas disponibles), et cela a montré qu'il y avait une amélioration significative de l'IE dans la zone la plus humide par rapport à la zone moyenne du système. domaine. L'IE dans la zone la plus sèche était légèrement supérieure à la moyenne (tableau 3).

Pour le statut azoté, l'utilisation du NDVI pour prédire le nitrate-N du pétiole a généré les meilleurs résultats R2 pour les deux types de pommes de terre, par rapport à l'azote total de la feuille entière et à l'azote total de la vigne entière. Pour la prédiction du rendement total, DT et RF étaient meilleurs que SVM, et les résultats pour 2019 étaient meilleurs qu'en 2018 (tableau 4, ci-dessus).

Jusqu'à présent, nous avons constaté que : 

• 1) l'arbre de décision et la forêt aléatoire valent mieux que le support vector machine pour prédire à la fois le statut N en cours de saison et le rendement de fin de saison des pommes de terre ;
• 2) le nitrate de pétiole-N peut être mieux prédit à l'aide de modèles NDVI et d'apprentissage automatique par rapport au N total dans les feuilles ou les vignes. Nous validerons les modèles et étendrons ce travail en utilisant plus d'années de données sur plus de variétés de pommes de terre.

L'auteur tient à remercier la Wisconsin Potato and Vegetable Growers Association, le Wisconsin Department of Agriculture, Trade and Consumer Protection, le Wisconsin Fertilizer Research Council et le University of Wisconsin-Madison College of Agricultural and Life Sciences pour le financement de nos recherches.

— Yi Wang est professeur adjoint au département d'horticulture de l'Université du Wisconsin-Madison. Elle est une ancienne lauréate du Spudman's Emerging Leader Award.

/technologie-d'irrigation