Analysis of spatialised on farm production data to improve agronomic diagnosis in banana plantations - Consideration of crop asynchronism | Analyse de données spatialisées issues de la production pour améliorer le diagnostic agronomique en bananeraie - Prise en compte de l’asynchronisme de la culture

français. La culture bananière dédiée à l'export est industrielle et implantée sur de grandes surfaces monovariétales. Cette culture est intensive en intrants, en main d'oeuvre et est soumise à des contraintes environnementales et sociétales qui imposent une amélioration des pratiques agricoles. L’Agriculture de Précision (AP) est une approche technique qui est apparue sur les grandes cultures pour optimiser leur rendement, la qualité des récoltes et pour diminuer leur impact environnemental. Cette approche s'appuie sur les données spatialisées des exploitations pour réaliser un état des lieux de la production. Son objectif est de mettre en évidence les conditions variables de croissance et d'identifier celles qui sont contrôlables afin d'optimiser les procédés de production en fonction du potentiel local dans l'exploitation. La culture bananière présente des particularités par rapport aux grandes cultures qui n’ont pas été étudiées et qui remettent en cause l’utilisation directe des méthodes d’analyse des données des exploitants. Notamment, les bananiers sont asynchrones, leur cycle de développement n'est pas saisonnier et n'est pas synchronisé par le mode de culture. En conséquence, les parcelles sont constituées de bananiers à différents stades phénologiques. Ainsi, contrairement aux grandes cultures qui sont, elles, synchrones, les observations que l'on peut faire sur une bananeraie à un moment donné ne dépendent pas seulement des conditions de croissance mais aussi du stade phénologique variable des plants. L'objectif de cette thèse est de proposer de nouvelles méthodes pour valoriser les données produites en bananeraies afin de faciliter le diagnostic agronomique dans une démarche d’AP. Les données sur lesquelles nous avons travaillées sont issues d'observations classiquement réalisées dans les bananeraies pour gérer les récoltes. Nous nous sommes aussi intéressés à la télédétection et nous avons proposé des méthodes d’analyse qui permettent d'étudier la variabilité spatiale en diminuant le biais lié à l'asynchronisme.Le premier travail de la thèse a été de proposer des méthodes de caractérisation de l’asynchronisme des parcelles. Pour cela nous avons définis plusieurs indicateurs : la durée du cycle de développement des bananiers ; l’hétérogénéité des conditions de croissance ; le stade phénologique moyen d’une parcelle et enfin la variabilité des stades présents dans une parcelle. Ces méthodes ont été appliquées sur les données de floraisons d’une plantation industrielle au Cameroun. Nous avons ainsi mis en évidence un effet de l’environnement et des pratiques des producteurs sur l’asynchronisme. Un deuxième pan du travail de thèse a été de proposer un modèle qui permet d’identifier la variabilité liée à l’environnement à partir de données de production. Le but était de générer des cartes interprétables agronomiquement sans biais lié à l’asynchronisme. Le modèle que nous avons proposé a été appliqué sur un indicateur particulier : le temps entre la floraison des plants et le moment de leur maturité. On suppose que cette méthode est suffisamment générale pour être appliquée à d’autres propriétés comme le poids des régimes à la récolte.Enfin, le dernier sujet étudié a été l’intérêt de la télédétection dans les bananeraies malgré la diversité des stades phénologiques. Nous avons quantifié l'importance de différentes sources de variabilité sur la teneur en chlorophylle des feuilles de bananier mesurée à partir d'un capteur piéton et nous avons construit un indice qui permet de prédire cette teneur par drone. Des cartes de variabilités de la chlorophylle intra-parcellaire ont été produites par ce moyen mais l’interprétation agronomique doit être faite avec précaution car les stades phénologiques ne sont pas connus et leurs effets ne peuvent être corrigés. Les conditions permettant d’interpréter ces cartes sont discutées.

anglais. Exported bananas are produced on industrial plantations covering large areas and relying most of the times on clones of the Cavendish cultivars. This crop is input and labour intensive and is subject to environmental and societal constraints that impose an improvement in agricultural practices. Precision Agriculture (PA) is a methodological approach that has emerged on arable crops to optimize their yield, quality and reduce their environmental impact. This approach uses geo-referenced producer’s data and studies their spatial variability to increase the farming performance by adjusting the management by area. Its objective is to highlight the variable growth conditions and identify those that are manageable in order to optimize production processes according to the specific potential of the sites on the farm. Unlike arable crops, bananas exhibit unique characteristics that must be taken into account when studying production and yields. In particular, banana plants are asynchronous, their development cycle is not seasonal and is not synchronized by the cropping system. As a result, the fields are made up of banana plants at different phenological stages. Thus, unlike arable crops which are synchronous, the observations that can be made on a banana plantation at a given time depend not only on growing conditions but also on the variable phenological stages of the plants. The objective of this doctoral thesis was to propose new methods for using data produced in banana plantations in order to facilitate agronomic diagnosis in a PA approach. The data used are mainly those recorded to manage the harvests. These are observations classically recorded in banana plantations. We also studied remote sensing data and proposed analytical methods to study spatial variability by reducing the bias due to the asynchronism of banana plants.The first thesis work consisted in proposing methods to characterize the asynchronism of the fields. For this purpose, we defined several indicators: the average duration of the banana plant development cycle; the heterogeneity of growing conditions; and finally the average phenological stage of a field and the within field variability of the stages. These methods were applied to flowering data from an industrial plantation in Cameroon. An effect of the environment and producers' practices on asynchronism was highlighted. A second part of the thesis work consisted in proposing a model that identifies variability related to the environment and producers' choices using production data. The purpose of this method was to generate maps that could be interpreted agronomically, without the asynchronism bias. The model we proposed was applied to a particular property: the time between flowering and commercial maturity. It is assumed that this method is general enough to be applied to other agronomic properties such as the weight of bunches at harvest.Finally, the last subject we studied was the relevancy of remote sensing in banana plantations despite the diversity of phenological stages. We assessed the importance of different sources of variability on the chlorophyll content of banana leaves measured from a pedestrian sensor and constructed an index to predict this content by drone. Maps of within field variability of chlorophyll content have been produced by this method, but agronomic interpretation must be done with caution because the phenological stages are not known and their effects cannot be corrected. The conditions for interpreting these maps are discussed.