© P. Thiebeau, Hosted by EDP Sciences 2019

1 Introduction

En systèmes d’agriculture de conservation, les agriculteurs substituent au labour annuel des techniques culturales de travail du sol limitées aux premiers centimètres de sol ou réalisent le semis des cultures sans aucune préparation du sol. Les résidus de cultures, ainsi maintenus à la surface des sols, sont considérés comme des atouts (Kassam et al., 2015) : la réduction des travaux agricoles engendrée nécessite moins d’énergie fossile, ce qui réduit les émissions de gaz à effet de serre. Ils évitent l’exposition des sols aux risques d’érosion éolien et hydrique (Bruce et al., 1995 ; Smets et al., 2008 ; Paustian et al., 2016). L’épaisseur de matériaux qu’ils constituent à la surface des sols réduit l’évaporation de l’eau du sol au bénéfice des cultures en place et de la vie biologique du sol (Scopel et al., 2004 ; Fuchs et Hadas, 2011 ; Ranaivoson et al., 2017 ; Prestele et al., 2018) et atténue les variations de température du sol (Wilhelm et al., 1986 ; Bussière et Cellier, 1994). Enfin, ces résidus constituent un stockage temporaire de carbone et d’éléments nutritifs qui seront libérés progressivement au fur et à mesure de leur dégradation (Schomberg et Steiner, 1999 ; Aziz et al., 2013). Dans cette perspective, si la dynamique de leur dégradation à la surface des sols peut être prédite (Galdos et al., 2010 ; Thiébeau et Recous, 2017), il reste important de maintenir une couverture du sol suffisante au cours du temps, afin de le protéger des agressions du climat (Dickey et al., 1985 ; Smets et al., 2008). La connaissance de l’évolution du taux de couverture du sol (TC) au cours du temps est donc importante à évaluer pour donner aux agriculteurs la possibilité d’adapter leurs pratiques aux risques encourus et de réduire l’impact de leur activité sur l’environnement.

Gregory (1982), Gilley et al. (1986, 1991), Khan et al. (1988), Scopel et al. (1999) ont étudié la relation entre le taux de couverture du sol et la biomasse de paillis. Ils ont obtenu une relation de la forme : (1) avec a : coefficient de propension à la couverture du sol ;

MST : matière sèche totale du paillis (g.m⁻²).

Dans ce travail, les auteurs proposent une courbe de référence par espèce (Tab. 1). Pour parvenir à établir cette relation, Gregory (1982) a déterminé le TC par planimétrie des résidus de culture. Plus récemment, Zhao et al. (2012) proposent d’estimer la couverture du sol à l’aide de capteurs de réflectance et du calcul de ratios et d’indices normalisés. Ces méthodes nécessitent des équipements spécifiques. Une autre possibilité pourrait consister à utiliser des moyens numériques. En effet, dans le cadre de mesures de surfaces foliaires, Boissard et al. (1992) sur culture de blé, Andrieu et al. (1997) sur cultures de betterave et de maïs, ont utilisé cette technologie : ils ont mis en relation la surface foliaire des cultures avec le taux de couverture du sol à partir de photographies. C’est pourquoi les photographies ont été utilisées ici pour calculer le TC du sol.

Les objectifs du travail présenté sont :

• d’étudier la couverture du sol de résidus de cultures en place à l’aide de photographies afin de tester la validité de la relation (1) dans le contexte pédoclimatique de la région Grand-Est (France) ;

• de tester cette relation à deux périodes de l’année (hiver et été) afin de savoir si l’utilisation d’une seule et même relation est suffisante pour prédire le TC du sol.

2 Matériels et méthode

Le travail a été réalisé sur des exploitations agricoles pratiquant les Techniques culturales sans labour (TCSL) depuis 5 à 10 ans. Elles se situent en France, en région Grand-Est, sur les départements de la Haute-Marne, de l’Aube et de la Meuse. Les mesures ont été réalisées au cours de l’hiver 2008–2009 (10 champs), puis de l’été 2009 (10 champs). Les champs de chacune des périodes de mesure sont différents.

Les cultures dont les résidus sont étudiés sont le blé (Triticum aestivum L.), l’escourgeon (Hordeum vulgare subsp. hexastichum L.), la féverole (Vicia faba L.), le maïs grain (Zea mays L.), l’orge de printemps (Hordeum vulgare L.) et le tournesol (Helianthus annuus L.). Ces résidus sont composés des tiges, feuilles, restes d’épis, capitules, rafles, menue paille, etc. Ils sont à l’état broyés, soit par le broyeur incorporé aux machines de récolte, soit à l’aide d’un broyeur de paille à axe horizontal pour les résidus de féverole, maïs et tournesol. Dans ces situations, l’agriculteur est intervenu 24 à 48 h après la récolte. Les résidus sont étudiés tels quels, c’est-à-dire dans la position où ils ont été placés sur le sol au cours des opérations culturales.

Les mesures de biomasse et les photographies sont réalisées en fin d’hiver, avant la mise en place des cultures de printemps, ou 24 à 72 h après chaque récolte en période estivale. Elles sont réalisées sur un transect perpendiculaire au sens de la récolte, correspondant à une largeur de récolteuse, pour rendre compte des variabilités spatiales du sol et de la répartition des résidus au sol lors des récoltes (Thiébeau et Recous, 2016).

2.1 Mesures de biomasses et photographiques

L’unité de prélèvement pour l’estimation de la Matière sèche totale (MST) des résidus est constituée d’un cadre de dimensions intérieures de 0,5 m × 0,5 m. Les prélèvements comprennent plusieurs cadres unitaires, constituant chacun des placettes de prélèvement dont le nombre dépend de la largeur de coupe de la récolteuse utilisée. Il en est prélevé 1 par mètre linéaire de largeur de coupe. Les résidus de chaque cadre sont collectés et identifiés. Ils seront passés en étuve ventilée pendant 48 h à 80 °C au laboratoire pour la détermination de leur masse sèche. Dans ce travail, 4 à 6 mesures (répétitions) ont été réalisées par champ.

Les photographies de chaque placette de prélèvement de 0,5 m × 0,5 m sont réalisées avant la collecte des résidus. L’appareil utilisé est muni d’une cellule photographique de 7,1 mégapixels, d’un correcteur de luminosité automatique et d’un stabilisateur d’image. Chaque image est identifiée (date, lieu, numéro de placette) afin de relier a posteriori la biomasse contenue dans le cadre de prélèvement au TC qui sera établi lors du traitement numérique.

Les images sont analysées à l’aide du logiciel Optimas v.6.51 (Meyer Instruments Inc., Houston, Texas, États-Unis). Elles sont codées en trois couleurs primaires sur 256 niveaux d’intensité dans le rouge, le bleu et le vert. Cela permet d’intégrer des contrastes de couleurs liés à l’humidité des paillis et du sol, une luminosité différente entre photographies, etc. Le logiciel permet à l’opérateur d’adapter la procédure en comparant l’image reconstituée après traitement, à l’image originale (Fig. 1).

Fig. 1 (A) Exemples d’images brutes de résidus de cultures de tournesol et de blé avant et (B) après leur traitement numérique respectifs : toutes les parties en jaunes sont comptabilisées pour être de la surface couverte par ces résidus. (A) Example of raw images of sunflower and wheat crop residues before and (B) after their respective numerical treatment: all the parts in yellow are counted to be of the surface covered by these residues.

2.2 Relation (taux de couverture du sol − quantité de matière sèche totale de résidus)

L’analyse des images n’étant pas automatisée, une sélection de résidus a été réalisée pour représenter la diversité des quantités de biomasses présentes au sol et observées au champ (Thiébeau et Recous, 2016). La construction de la relation (TC du sol − MST de résidus) est réalisée d’abord par confrontation des valeurs unitaires de TC-MST pour chaque cadre de prélèvement et situation collectée, ce qui permet d’observer la variabilité de répartition des résidus à la surface du sol et celle des TC rencontrés ; puis, par confrontation des valeurs moyennes observées par champ.

2.3 Traitements statistiques des données

Toutes les moyennes présentées sont accompagnées de leur erreur d’estimation standardisée (SE) afin de pouvoir être comparées entre elles.

Les ajustements non-linéaires et linéaires ont été réalisés à l’aide du programme statistique de Sigma-Plot 12 (Systat Software Inc., San José, Californie, États-Unis) après validation de la normalité des variables par le test Shapiro-Wilk. Les critères d’évaluation des ajustements sont l’erreur quadratique au modèle (RMSE), sa valeur relative (rRMSE) et le coefficient de détermination (R²). Ils sont définis comme suit :

O et P sont respectivement les valeurs observées et prédites, n est le nombre de paires observées-simulées. La RMSE s’exprime dans la même unité que la grandeur physique considérée.

est la moyenne des valeurs observées. Elle est exprimée en %.

R² est le carré de la corrélation du coefficient de Pearson, entre les valeurs observées et les valeurs simulées. Il décrit la proportion de la variance totale des données observées qui peut être expliquée par le modèle. Il est calculé comme suit : avec et comme valeurs moyennes respectivement estimées et observées.

Le seuil de signification maximal retenu est p < 0,05. Pour les intervalles de confiance (IC) et de prédiction (IP) présentés, le seuil de signification retenu est de 95 %.

3 Résultats

Les données recueillies au cours des deux périodes de mesure se répartissent comme suit : 5 champs en blé, 2 en escourgeon, 1 en orge de printemps, 1 en féverole, 4 en tournesol et 7 en maïs. Au cours de l’hiver 2008/2009, les dix situations retenues comprennent 4 blés, 2 escourgeons, 1 orge, mesurées huit mois après leur récolte et 3 maïs, mesurés cinq mois après leur récolte. Au cours de l’été/automne 2009, les dix situations retenues comprennent 1 blé, 1 féverole, 4 tournesols et 4 maïs. Ces espèces correspondent à l’objectif de travail en situations contrastées, telles que rencontrées dans cette région pour ces systèmes de cultures (Thiébeau, 2019).

3.1 Comparaison des mesures (TC du sol-MST des résidus) acquises sur chaque placette

La masse des résidus collectés en fin d’hiver s’étend de 183 à 1218 g MST.m⁻² pour des TC du sol de 22 à 88 %. Les résidus collectés en été ont des masses comprises de 282 à 2374 g.m⁻² pour des TC qui varient de 20 à 100 %. Les valeurs de toutes les placettes collectées développent un nuage de points qui montre une cohérence entre le TC du sol estimé et la MST mesurée (Fig. 2). La figure 2A montre que les nuages de points de chacune des périodes de mesure (hiver vs été) se superposent, ce qui autorise leur traitement sans distinction de période de mesure. La figure 2B montre que l’ensemble des cultures se confondent, avec une mention particulière pour le maïs dont plusieurs estimations de TC présentent un coefficient maximal de 100 %.

La comparaison de ces résultats aux travaux existants (Tab. 1) permet de constater que, dans leur plage de validité, les mesures obtenues sur le blé (0,00200 m⁻².g MST en moyenne) dans ce travail décrochent de manière assez nette aux modèles mentionnés (de 0,00500 à 0,01100 m⁻².g MST ; Fig. 3). Pour le maïs (0,00103 m⁻².g MST en moyenne) et le tournesol (0,00189 m⁻².g MST en moyenne), les valeurs mesurées au champ se répartissent dans les grandes lignes des modèles retrouvés dans la bibliographie (de 0,00086 à 0,00400 et 0,00102 à 0,00200 m⁻².g MST respectivement pour le maïs et le tournesol). Les tentatives d’optimisation des valeurs du coefficient de propension à la couverture du sol « a » de l’équation (1) ne permettent pas d’obtenir un résultat satisfaisant (R² < 0,5). En conservant un modèle non-linéaire, de type exponentiel avec un plateau maximum tel que retenu originellement par Gregory (1982), il faut ajouter un paramètre au modèle (1). Il est alors de la forme : (2) avec TC = taux de couverture du sol (%) ; MST : matière sèche totale de résidus (g.m⁻²), a et b = coefficients à optimiser. Les données collectées dans cette étude donnent les valeurs suivantes : a = 148 et b = 0,0007 (RMSE = 11,5 % ; rRMSE = 19,9 % ; R² = 0,7564***). Cet ajustement se révèle très hautement significatif (P < 0,001). Son tracé, accompagné des intervalles de confiance (traits d’union) et de prédiction (pointillés), est présenté par la figure 4. Toutes les données se trouvent réparties à l’intérieur de ces intervalles, hormis deux données proches d’un TC de 100 %.

Fig. 2 Relation entre les mesures de matière sèche totale (MST) collectées et le pourcentage de couverture du sol correspondant : (A) Distinction des mesures collectées en hiver de celles collectées en été ; (B) Distinction des mesures collectées par espèces végétales. Relationship between the total dry matter (TDM) measurements collected and the corresponding percentage of soil cover: (A) Distinction of the measurements collected in winter from those collected in summer ; (B) Distinction of measurements collected by plant species.

Fig. 3 Comparaison des couples de mesures (MST-TC) collectées pour le blé, le maïs et le tournesol aux ajustements spécifiques à chacune de ces espèces trouvés dans la littérature (Tab. 1). Chaque tracé est limité à son domaine de validité (R : récolte ; D : en décomposition). Comparison of measurement pairs (MST-TC) collected for wheat, maize and sunflower with the specific adjustments for each of these species found in the literature (Tab. 1). Each line is limited to its area of validity. (R: harvest; D: in decomposition).

Fig. 4 Relation entre la matière sèche totale (MST) de résidus présente au sol et le taux de couverture (TC) du sol : tracé de l’ajustement non-linéaire, de ses intervalles de confiance et de prédiction à 95 %. Relationship between Total Dry Matter (MST) of residue on soil and soil coverage (TC): plot of non-linear adjustment, 95% confidence and prediction intervals.

3.2 Comparaison des valeurs moyennes (TC-MST) acquises par champ

Cette analyse permet d’intégrer la variabilité spatiale de chacune des 20 situations explorées. La masse des résidus collectés et regroupés s’étend alors de 227 ± 38 à 1324 ± 67 g MST.m⁻² pour une plage de taux de couverture allant de 28 ± 3 à 100 ± 1 %. Le positionnement de ces données sur l’ajustement non-linéaire (2) précédent montre une bonne répartition de ces valeurs moyennes le long du tracé de l’ajustement jusqu’à 1000 g MST.m⁻², quelle que soit l’espèce végétale considérée (Fig. 5A). Au-delà, les points restent à l’intérieur de l’intervalle de prédiction mais s’écartent de l’intervalle de confiance de l’ajustement. Une meilleure prédiction de ces mesures peut être obtenue en utilisant un ajustement de type linéaire : (3) avec : a et b, respectivement la pente et la constante de la droite. Le calcul de l’ajustement libre a pour valeurs a = 0,073 et b = 6,36 avec RMSE = 5,9 % ; rRMSE = 10,0 % ; R² = 0,9412***. Ce résultat est très hautement significatif (P < 0,001). L’erreur d’estimation (RMSE) inférieure à 6 % et la rRMSE de 10 % sont de bons résultats. Son tracé, accompagné des intervalles de confiance (traits d’union) et de prédiction (pointillés), est présenté par la figure 5B. L’ensemble des données se trouve réparti à l’intérieur de ces intervalles. Dans la situation d’un ajustement forcé par l’origine, « a » présente une valeur de 0,080 (RMSE = 6,5 % ; rRMSE = 11,0 % ; R² = 0,9299, P < 0,001).

Les valeurs inverses de ces fonctions pour MST = ƒ (TC) sont les suivantes :

Ajustement libre : a = 12,9 et b = −39,7 avec RMSE = 79,2 g MST ; rRMSE = 10,9 % ; R² = 0,9412 (P < 0,001) ;

Ajustement forcé par l’origine : a = 12,4 avec RMSE = 80,6 g MST ; rRMSE = 11,1 % ; R² = 0,9390 (P < 0,001).

Fig. 5 Comparaison des couples de données (MST-TC) moyens par champ, accompagnés de leur erreur standard, aux ajustements (A) non-linéaire et (B) linéaire établis, avec identification des espèces. Comparison of the mean data pairs (MST-TC) by field, accompanied by their standard error, with established (A) non-linear and (B) linear adjustments, and species identification.

4 Discussion

L’étendue des masses de résidus couverte par cette étude (227 ± 38 à 1324 ± 67 g MST.m⁻²) est représentative de celles reportées par Thiébeau et Recous (2016) : 267 ± 23 à 1370 ± 140 g MST.m⁻² ; ce qui correspond à la sélection de situations recherchées pour établir la relation (TC du sol − MST).

La confrontation des mesures de MST aux TC du sol montre qu’il est possible de proposer un ajustement. Plusieurs auteurs se sont accordés à retenir l’ajustement non-linéaire proposé par Gregory (1982), dont les coefficients « a » sont spécifiques à chaque espèce végétale étudiée. Cependant, au fils de leurs travaux, Gilley et al. (1986, 1991) ont proposé des coefficients différents pour une même espèce (Tab. 1). La comparaison de leurs résultats aux mesures réalisées pour trois espèces de ce travail montre que plusieurs mesures s’écartent significativement des TC prédits par modélisation (Fig. 3) et qu’une diversité de situations peut être rencontrée selon les conditions expérimentales. Plusieurs hypothèses peuvent être émises pour justifier ces différences :

• la composition biochimique des différents organes des plantes induit des vitesses de décomposition différentes. Ainsi, Scopel et al. (1999) stipulent que ce sont surtout les feuilles et les parties médullaires des tiges qui se décomposent le plus rapidement. Viennent ensuite les parties externes des tiges, plus riches en lignine. La succession de cultures, dont les proportions et compositions diffèrent entre espèces, induisent des vitesses de dégradation hétérogènes au cours de la rotation des cultures et un prolongement de la couverture du sol dans le temps. Par ailleurs, Scopel et al. (1999) ont également démontré que le pouvoir couvrant des organes les plus longs à se dégrader était différent de celui des premiers dégradés, ce qui peut justifier, dans cette étude réalisée en situations réelles rencontrées au champ par les agriculteurs, qu’une variabilité de couverture du sol soit observée pour une même espèce ;

• une autre hypothèse réside dans l’ancienneté de mise en œuvre des TCSL sur les exploitations support de ce travail. Cela a probablement conduit à mesurer des quantités de biomasses supérieures à celles rencontrées en situations avec labours annuels. En effet, comme expliqué précédemment et montré par Thiébeau et Recous (2017), la dégradation des résidus de cultures maintenus à la surface des sols se prolonge sur plusieurs années. En conséquence, le positionnement successif de couches de résidus dont les vitesses de dégradation diffèrent selon les conditions agro-environnementales, peut avoir augmenté les biomasses mesurées et induit une diminution des coefficients « a » obtenus. Il en résulte, comme l’ont montré Steiner et al. (1999), une variabilité assez conséquente d’estimation du TC selon la MST présente.

L’absence d’écart entre les mesures TC-MST établies en fin d’hiver, avec des résidus de cultures en cours de décomposition, et en été, dès la récolte, constitue un résultat qui conforte les travaux de Steiner et al. (2000) réalisés à partir de résidus de blé et d’avoine, ainsi que ceux de Scopel et al. (1999) sur maïs. À l’image des conclusions de Zhao et al. (2012), ces résultats montrent combien il est délicat de vouloir ajuster une courbe de couverture du sol par espèce végétale pour décrire les situations de biomasse rencontrées en TCSL. En conséquence, cela autorise l’utilisation d’un seul et même ajustement pour construire la relation (TC-MST).

L’ajustement unique proposé dans ce travail reprend la racine de l’équation de Gregory (1982), pour y ajouter un paramètre. Sa qualité de prédiction est bonne (R² > 0,75) avec une estimation d’erreur (rRMSE) proche de 20 %. Cette valeur est similaire à ce que Thiébeau (2019) a mentionné dans la relation (épaisseur de résidus-biomasse) en comparant des estimations de biomasse moyennes par champ, et non des valeurs unitaires de placette comme c’est le cas dans la construction de l’ajustement non-linéaire présenté. Or, dans ce travail, les données moyennes par champ ne permettent pas d’ajuster un modèle non-linéaire. En revanche, le modèle linéaire présente une très bonne qualité de prédiction (R² > 0,94) pour une estimation d’erreur (rRMSE) de 10 %. Ainsi, l’estimation de la valeur de biomasse au sol à partir du TC, ou vice-versa, sera plus précise que celle obtenue par la méthode utilisant des mesures d’épaisseur du paillis (rRMSE = 20,2 %). Ce modèle linéaire est également plus précis que l’ajustement non-linéaire, et plus simple à mettre en œuvre. Il est applicable quelle que soit la culture ou son stade de décomposition. Il montre que la saturation de la couverture du sol (100 %) est atteinte pour une biomasse de 12,5 t MST.ha⁻¹ (valeur arrondie), ce qui est conséquent lorsque l’on sait qu’une couverture du sol de 20 % permet de réduire de moitié son érosion pluviale (Dickey et al., 1985).

Cette étude complète les connaissances acquises sur la caractérisation des biomasses au sol pour des exploitations mettant en œuvre des TCSL, notamment dans cette région du monde à climat tempéré, où ces systèmes de cultures sont encore peu développés (Prestele et al., 2018). Ces résultats peuvent être intégrés aux modèles sol-plante-atmosphère, comme le modèle STICS (Brisson et al., 2009), pour améliorer le paramétrage existant et mieux simuler le devenir des résidus sous des climats différents (Scopel et al., 2004 ; Ranaivoson et al., 2017). Des moyens aptes à intégrer des surfaces plus importantes, tels que des photographies aériennes ou satellitaires, pourraient être utilisés pour affiner la relation obtenue et définir l’aire géographique dans laquelle cette simplification est acceptable.

5 Conclusion

Ce travail original permet d’estimer la biomasse de résidus au sol ou son taux de couverture du sol, de la récolte à l’implantation de la culture suivante, à l’aide d’un seul et même ajustement, quelle que soit l’espèce végétale cultivée récoltée à maturité. Le modèle non-linéaire proposé par Gregory (1982) doit être enrichi d’un paramètre pour être employé sur les systèmes mettant en œuvre les TCSL de la région Grand-Est (France). L’ajustement linéaire proposé apparaît plus précis pour déterminer le TC ou la MST au sol. Ce résultat devra être complété par d’autres études afin de définir l’aire géographique dans laquelle cette simplification est acceptable.

Remerciements

L’auteur remercie Messieurs Acker, Ferté, Gublin, Lemey, Martens, Ortillon et Robert, exploitants agricoles qui ont accepté de mettre leurs champs à sa disposition afin que cette étude puisse être conduite. Il remercie Akhtar Iqbal et Francis Millon (INRA Reims) pour leur aide technique lors des prélèvements au champ, ainsi que Pierre Belluomo (INRA Grignon) pour son aide lors des traitements d’images. Il remercie également les relecteurs de la revue qui ont contribué à l’amélioration de cet article. L’agence nationale de la recherche (ANR) est remerciée pour le soutien financier apporté de 2009 à 2013 au programme Systerra, projet PEPITES (Processus écologiques et processus d’innovation technique et sociale en agriculture de conservation).

Références

Liste des tableaux

Liste des figures

Fig. 1 (A) Exemples d’images brutes de résidus de cultures de tournesol et de blé avant et (B) après leur traitement numérique respectifs : toutes les parties en jaunes sont comptabilisées pour être de la surface couverte par ces résidus. (A) Example of raw images of sunflower and wheat crop residues before and (B) after their respective numerical treatment: all the parts in yellow are counted to be of the surface covered by these residues.

Dans le texte

Fig. 2 Relation entre les mesures de matière sèche totale (MST) collectées et le pourcentage de couverture du sol correspondant : (A) Distinction des mesures collectées en hiver de celles collectées en été ; (B) Distinction des mesures collectées par espèces végétales. Relationship between the total dry matter (TDM) measurements collected and the corresponding percentage of soil cover: (A) Distinction of the measurements collected in winter from those collected in summer ; (B) Distinction of measurements collected by plant species.

Dans le texte

Fig. 3 Comparaison des couples de mesures (MST-TC) collectées pour le blé, le maïs et le tournesol aux ajustements spécifiques à chacune de ces espèces trouvés dans la littérature (Tab. 1). Chaque tracé est limité à son domaine de validité (R : récolte ; D : en décomposition). Comparison of measurement pairs (MST-TC) collected for wheat, maize and sunflower with the specific adjustments for each of these species found in the literature (Tab. 1). Each line is limited to its area of validity. (R: harvest; D: in decomposition).

Dans le texte

	Fig. 4 Relation entre la matière sèche totale (MST) de résidus présente au sol et le taux de couverture (TC) du sol : tracé de l’ajustement non-linéaire, de ses intervalles de confiance et de prédiction à 95 %. Relationship between Total Dry Matter (MST) of residue on soil and soil coverage (TC): plot of non-linear adjustment, 95% confidence and prediction intervals.
Dans le texte

	Fig. 5 Comparaison des couples de données (MST-TC) moyens par champ, accompagnés de leur erreur standard, aux ajustements (A) non-linéaire et (B) linéaire établis, avec identification des espèces. Comparison of the mean data pairs (MST-TC) by field, accompanied by their standard error, with established (A) non-linear and (B) linear adjustments, and species identification.
Dans le texte