# Analyses d’essais en parcelle Les agronomes utilisent l’analyse des essais pour évaluer les performances de diverses variétés de cultures, techniques de conduite et applications d’intrants, y compris les résultats des applications à dose variable en agriculture de précision. En collectant, analysant et interprétant les données générées par les essais au champ, les chercheurs obtiennent des informations sur les interactions entre la génétique, l’environnement et les pratiques de gestion. Ces connaissances orientent l’élaboration de stratégies de conduite des cultures qui optimisent le potentiel de rendement tout en minimisant l’utilisation d’intrants. En outre, l’analyse des essais permet non seulement d’évaluer l’efficacité des pratiques d’agriculture de précision, mais aussi d’identifier des variétés de cultures résilientes capables de prospérer dans des conditions diverses et difficiles, contribuant ainsi à la sécurité alimentaire. {% hint style="info" %} GeoPard prend également en charge les essais en parcelles divisées pour des plans à deux facteurs, comme les mêmes doses appliquées sur différents hybrides. Évaluez à la fois les effets principaux et l’interaction dose × hybride sur la même couche d’essai géoréférencée. {% endhint %} ## Préparation des données Pour une analyse efficace des essais, quelques ensembles de données essentiels sont nécessaires : 1. **Jeu de données de rendement**:\ Ce jeu de données capture les données de rendement.\ Nous pouvons l’importer depuis le [JohnDeere Operation Center](/geopard-tutorials/fr/visite-du-produit-application-web/importer-des-donnees-dagriculture-de-precision/importer-depuis-myjohndeere.md) ou le téléverser manuellement sous forme de [shapefile](/geopard-tutorials/fr/visite-du-produit-application-web/importer-des-donnees-dagriculture-de-precision/importation-des-donnees-de-rendement.md) ou de [format propriétaire de la machine](/geopard-tutorials/fr/visite-du-produit-application-web/importer-des-donnees-dagriculture-de-precision/formats-proprietaires-des-machines.md). 2. **Jeu de données d’application**:\ Ceci est essentiel pour comprendre l’application réellement exécutée au champ. Au minimum, il contient des attributs comme TargetRate, AppliedRate, ainsi que certaines métriques liées à la machine.\ Comme pour le jeu de données de rendement, nous avons la possibilité de l’importer depuis le [JohnDeere Operation Center](/geopard-tutorials/fr/visite-du-produit-application-web/importer-des-donnees-dagriculture-de-precision/importer-depuis-myjohndeere.md) ou le téléverser manuellement sous forme de [shapefile](/geopard-tutorials/fr/visite-du-produit-application-web/importer-des-donnees-dagriculture-de-precision/importation-des-donnees-dapplication-de-semis.md) ou de [format propriétaire de la machine](/geopard-tutorials/fr/visite-du-produit-application-web/importer-des-donnees-dagriculture-de-precision/formats-proprietaires-des-machines.md). 3. **Zones/Parcelles avec essais/expériences**:\ Celles-ci montrent les doses d’application planifiées pour nos essais, donnant un aperçu du plan expérimental.\ Si une telle couche de données est disponible, nous la téléversons en tant que [shapefile](/geopard-tutorials/fr/visite-du-produit-application-web/importer-des-donnees-dagriculture-de-precision/importation-des-donnees-dapplication-de-semis.md) dans le contrôle AsApplied/AsPlanted ou Yield. Cela garantit la compatibilité lors de la création des EquationMaps, simplifiant votre expérience d’analyse d’essais.\ Il peut s’agir d’un dispositif à un facteur ou d’un dispositif en parcelles divisées avec une deuxième dimension de traitement, comme l’hybride ou la variété.\ Si une telle couche de données n’est pas disponible, l’attribut TargetRate du jeu de données d’application peut servir de substitut pour les évaluations d’essais. 4. **Zones historiques de potentiel des parcelles :**\ Ces zones sont générées par GeoPard (les détails sont [ICI](/geopard-tutorials/fr/visite-du-produit-application-web/cartes-et-analyses-de-zones/zones-multiannuelles.md)). Elles sont utiles pour analyser des essais avec une productivité historique homogène. C’est particulièrement utile lorsque les essais sont répartis sur des régions présentant une productivité historique variée. Une fois ces jeux de données rassemblés, l’étape suivante consiste à lancer le processus d’évaluation de l’essai. ## Aperçu des données Voici les données de la saison agricole 2023 du blé d’hiver : * Jeu de données de rendement mettant en évidence la distribution de la masse humide *(Fig.1)*

Fig.1 Jeu de données de rendement original

* Plan VRA d’azote (N34) (150 kg/ha) avec 2 parcelles d’essai (120 kg/ha et 180 kg/ha)*(Fig.2)*

Fig.2 Plan VRA d’azote (N34) avec parcelles d’essai

* Jeu de données d’application présentant les statistiques appliquées *(Fig.3)*

Fig.3 Jeu de données d’application

* Productivité historique de la parcelle (*Fig.4*)

Fig.4 Productivité historique de la parcelle

{% hint style="warning" %} Le jeu de données de rendement n’a pas été calibré : plusieurs moissonneuses y ont travaillé, on y observe des traces de demi-tour et de données manquantes, et du bruit est visible. Il est recommandé d’appliquer les opérations de calibrage et de nettoyage du rendement pour obtenir les meilleurs résultats.\ Un tutoriel pas à pas est disponible à [LIEN](/geopard-tutorials/fr/agronomie/calibrage-et-nettoyage-des-rendements.md). {% endhint %} Le jeu de données de rendement, après calibration et nettoyage, est affiché en *Fig.5*, avec les statistiques mises à jour. Ce jeu de données sera utilisé dans les étapes suivantes.

Fig.5 Jeu de données de rendement calibré et nettoyé

## Concept Ici, l’objectif de l’analyse d’essais est de déterminer la dose d’azote (N34) la plus efficace pour la parcelle. Il y a des zones ciblées avec des doses d’azote de 120 kg/ha, 150 kg/ha et 180 kg/ha. Ces données proviennent d’une part du jeu de données d’application et d’autre part du jeu de données de rendement calibré. Nous concentrons notre analyse sur trois zones distinctes : * 120 kg/ha (désignée comme zone d’essai) * 150 kg/ha (considérée comme zone principale) * 180 kg/ha (une autre zone d’essai) Notre approche comprendra les évaluations suivantes : 1. **Basée sur le plan :** en utilisant l’application à dose variable (VRA) planifiée liée au rendement calibré. 2. **Basée sur l’appliqué :** comparant les jeux de données réellement appliqués au rendement calibré. 3. **Basée sur l’appliqué et la productivité historique :** comparant les jeux de données réellement appliqués au rendement calibré superposé aux zones historiques de potentiel de la parcelle. Cette approche méthodique permettra une évaluation complète de l’impact de l’azote sur le rendement, à partir des données d’application planifiées et réellement appliquées. ## Basée sur le plan L’influence de ~~appliqué~~ l’azote planifié (N34) sur la distribution du rendement est capturée visuellement dans les captures d’écran suivantes *(Fig.6, Fig.7, Fig.8)*. Voici un résumé concis des résultats : * La zone principale, avec une dose d’azote de 150 kg/ha, couvre 45,8 ha et affiche un rendement moyen de 4,99 t/ha (*Fig.6*). * La première zone d’essai, utilisant une application d’azote de 180 kg/ha, couvre 1,76 ha et donne un rendement moyen de 6,5 t/ha (*Fig.7*). * La deuxième zone d’essai, avec 120 kg/ha d’azote, couvre 1,86 ha et produit un rendement moyen de 6,39 t/ha (*Fig.8*). Les résultats soulèvent une question importante : Pourquoi la dose la plus faible semble-t-elle plus efficace que la dose la plus élevée ? Pour aller plus loin, l’étape suivante consiste à[ évaluer les essais à partir des données réellement appliquées](/geopard-tutorials/fr/agronomie/analyses-dessais-en-parcelle.md#applied-based-evaluation).

Fig.6 Zone principale avec N34 150 kg/ha

Fig.7 Zone d’essai avec N34 180 kg/ha

Fig.8 Zone d’essai avec N34 120 kg/ha

Plus bas, vous trouverez une discussion détaillée des formules et des configurations utilisées pendant l’évaluation. {% hint style="info" %} Pour approfondir l’approche par équations et son exécution, veuillez consulter nos tutoriels pour [l’interface utilisateur](/geopard-tutorials/fr/visite-du-produit-application-web/analyses-basees-sur-des-equations.md) et [l’API](/geopard-tutorials/fr/docs-api/schemas-avec-les-flux-de-base/5.-executer-des-equations.md). {% endhint %} Voici les équations à exécuter pour reproduire les calculs. 1. Zone principale à 150 kg/ha :\ `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)` 2. Essai à 120 kg/ha :\ `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)` 3. Essai à 180 kg/ha :\ `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)` Il est important d’activer *Numpy* *(Fig.9)* et de désactiver *Interpolation* *(Fig.10)*.

Fig.9 Activer « Numpy »

Fig.10 Désactiver l’utilisation des données « interpolées »

## Basée sur l’appliqué Une observation notable est que la dose réellement appliquée pendant l’essai ne correspond pas systématiquement à la dose planifiée (cible). Plus précisément, la distribution va de 120 kg/ha jusqu’à 189 kg/ha *(Fig.11)*. Compte tenu de cette variabilité, il est devenu crucial de fixer un seuil de tolérance à l’erreur. Ainsi, une précision de ±5 % a été déterminée comme seuil acceptable pour considérer l’essai apte à l’évaluation. Présentée dans les captures d’écran suivantes (*Fig.12, Fig.13, Fig.14)* est la distribution statistique du rendement, axée sur les quantités d’azote (N34) réellement appliquées. Voici les statistiques résumées, en tenant compte de l’acceptation d’une précision de ±5 % : * La zone principale à 150 kg/ha avait une surface appliquée de 43,5 ha, avec un rendement moyen de 4,9 t/ha (*Fig.12*). * La première zone d’essai à 180 kg/ha couvrait une surface de 1,47 ha et produisait un rendement moyen de 6,5 t/ha (*Fig.13*). * La deuxième zone d’essai fixée à 120 kg/ha s’étendait sur une surface de 1,44 ha, avec un rendement moyen de 6,3 t/ha (*Fig.14*).

Fig.11 Doses réellement appliquées dans les essais

Fig.12 Zone principale avec N34 150 kg/ha ±5 %

Fig.13 Zone d’essai avec N34 180 kg/ha ±5 %

Fig.14 Zone d’essai avec N34 120 kg/ha ±5 %

Pour mieux comprendre la méthodologie et les spécificités de ces résultats, les équations utilisées sont ci-dessous : 1. Azote réellement appliqué dans l’essai :\ `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)` 2. Zone principale à 150 kg/ha avec prise en compte d’une tolérance de 5 % :\ `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)` 3. Essai à 120 kg/ha avec prise en compte d’une tolérance de 5 % :\ `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)` 4. Essai à 180 kg/ha avec prise en compte d’une tolérance de 5 % :\ `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)` ## **Basée sur l’appliqué et la productivité historique** Les rendements issus des essais dépassent systématiquement le rendement moyen observé sur l’ensemble de la parcelle. Un facteur clé expliquant cet écart semble être la zone historiquement très productive où les essais ont eu lieu, comme le montre *Fig.15* et *Fig.16*. Pour une évaluation plus nuancée des essais, il est essentiel de prendre en compte les zones de productivité lors de l’analyse des résultats.

Fig.15 Zones historiques de potentiel de la parcelle

Fig.16 Zones historiques de potentiel de la parcelle comme jeu de données de rendement

Présentée dans les captures d’écran suivantes (*(Fig.17, Fig.18, Fig.19)* est la distribution statistique du rendement, axée sur les quantités d’azote (N34) réellement appliquées superposées aux zones historiques de productivité (créées dans GeoPard). Voici les statistiques résumées, en tenant compte de l’acceptation d’une précision de ±5 % pour les quantités appliquées : * La zone principale à 150 kg/ha avait une surface appliquée de 2,65 ha, avec un rendement moyen de 6,34 t/ha (*Fig.17*). * La première zone d’essai à 180 kg/ha couvrait une surface de 1,08 ha et produisait un rendement moyen de 6,41 t/ha (*Fig.18*). * La deuxième zone d’essai fixée à 120 kg/ha s’étendait sur une surface de 1,78 ha, avec un rendement moyen de 6,33 t/ha (*Fig.19*).

Fig.17 Zone principale avec N34 150 kg/ha superposée à la productivité historique

Fig.18 Zone d’essai avec N34 180 kg/ha ±5 % superposée à la productivité historique

Fig.19 Zone d’essai avec N34 120 kg/ha ±5 % superposée à la productivité historique

Pour mieux comprendre la méthodologie et les spécificités de ces résultats, les équations utilisées sont ci-dessous : 1. Zone principale à 150 kg/ha avec prise en compte d’une tolérance de 5 % superposée à la productivité historique :\ `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)` 2. Essai à 120 kg/ha avec prise en compte d’une tolérance de 5 % superposée à la productivité historique :\ `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)` 3. Essai à 180 kg/ha avec prise en compte d’une tolérance de 5 % superposée à la productivité historique :\ `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)` où * la partie `Productivity_SubZone == 51` reflète les zones de forte productivité avec les essais appliqués, * les parties `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` intègrent une précision de ±5 % par rapport aux doses `150`, `120`, `180` kg/ha. ## Résumé Les résultats de rendement issus des essais correspondent étroitement au rendement moyen observé sur la zone historique de forte productivité de la parcelle. En d’autres termes, l’application expérimentale du produit N34 aux doses de 120 kg/ha - 150 kg/ha - 180 kg/ha, a donné des rendements moyens de 6,33 t/ha - 6,34 t/ha - 6,41 t/ha respectivement, ce qui n’a pas d’impact significatif sur le rendement récolté dans la zone de forte productivité. --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.geopard.tech/geopard-tutorials/fr/agronomie/analyses-dessais-en-parcelle.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.