| Titre : | Interactions GxE et modélisation agroclimatique pour la prédiction du rendement du pois chiche dans un contexte de changement climatique |
| Auteurs : | NGUEMA AVOMO Rivaldo Nvo, Auteur ; LAHLOU Mouanis, Auteur ; HOUASLI Chafika, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2026 |
| Format : | 121 |
| Langues: | Français |
| Mots-clés: | Pois chiche (Cicer arietinum L.) ; interaction génotype x environnement ; stabilité variétale ; AMMI ; GGE biplot ; WAASB ; apprentissage automatique ; modélisation prédictive ; Maroc |
| Résumé : |
Le pois chiche (Cicer arietinum L.) est une légumineuse à graines de première importance
agroéconomique au Maroc, où sa culture est conduite essentiellement en conditions pluviales, dans des zones semi-arides caractérisées par une forte variabilité interannuelle des précipitations. Dans ce contexte, le rendement et la qualité du grain des variétés cultivées sont fortement conditionnés par l'interaction génotype-environnement (GxE), ce qui complique la recommandation variétale. La présente étude propose une démarche combinée visant, d'une part, à caractériser finement cette interaction GxE au moyen des méthodes classiques d'analyse de la stabilité (AMMI, GGE biplot, indices de stabilité) et, d'autre part, le développement d’un outil de modélisation prédictive fondé sur l'apprentissage automatique, capable d'estimer le rendement et le poids de 100 grains sur tout nouveau site à partir de son seul profil climatique. Six génotypes de pois chiche ont été évalués sur 13 environnements (site x année) au Maroc entre 2015 et 2019, pour le rendement grain (YLD) et le poids de 100 grains (HSW). L'analyse de variance conjointe révèle une prédominance de l'effet environnemental (45,6 % de la variance totale) sur l'effet génotypique (1,4 %, non significatif), et une interaction GxE hautement significative (14,2 %). L'analyse AMMI retient un modèle à trois axes (92,4 % de l'interaction expliquée) et le GGE biplot capte 71,1 % de la variation totale. La convergence des indices de stabilité (ASV, Shukla, WAASB, WAASBY) identifie les génotypes G1 et G4 comme offrant le meilleur compromis rendement-stabilité, recommandables pour une large adaptation, tandis que G3, malgré le rendement moyen le plus élevé, est pénalisé par une forte instabilité et n'est recommandé que pour les environnements favorables. La dissociation des classements obtenus entre le rendement et le poids de 100 grains confirme l'indépendance partielle du déterminisme génétique de ces deux caractères. En complément, une approche de modélisation prédictive par apprentissage automatique (forêts aléatoires, XGBoost), le modèle Random Forest global obtient un coefficient de détermination de 0,35 pour le rendement et de 0,58 pour le poids de 100 grains, surpassant les modèles ajustés séparément par site et confirmant l'intérêt d'une mutualisation des données à l'échelle du réseau expérimental. |
| Examinateur : | TEBER Nour-El Houda/LOZI Assia/DIA BOUBAKAR THIERNO |
| Président : | BENSIALI Saloua |
| Rapporteur : | LAHLOU Mouanis/HOUASLI Chafika |
| En ligne : | http://10.2.0.27/PDF_CDA/uploads/PDF/NGUEMA_AVOMO_Rivaldo_Nvo_2026_10785.pdf |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200042284 | 10785 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur Agronome | Consultation sur place Exclu du prêt |
| 200042285 | 10785 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur Agronome | Consultation sur place Exclu du prêt |
