L'effet du climat sur les plantes fourragères au Québec : estimation des pertes par la modélisation

Les modèles de prédiction sont utilisés dans divers domaines. En agriculture, l'assurance récolte n'y fait pas exception. La Financière agricole du Québec (FADQ), qui se devait de réviser sa protection d'assurance collective pour le foin, souhaitait répondre davantage à la réalité des entreprises agricoles en basant sa protection sur la modélisation. Puisqu'au Québec cette protection d'assurance récolte couvre les pertes de rendement et de qualité des plantes fourragères, la nouvelle façon de faire devait s'appliquer à ces deux volets. Elle visait également à réduire la dépendance envers les producteurs et le personnel sur le terrain pour faire l'estimation des pertes. La production fourragère est affectée par plusieurs facteurs environnementaux et agronomiques, notamment le climat, les types de sols, la diversité des espèces utilisées (légumineuses et graminées) et l'âge de la culture. Pour estimer les pertes en plantes fourragères subies par les producteurs, il est possible de développer des modèles empiriques en utilisant des variables indépendantes dérivées des facteurs énumérés précédemment. Le présent projet de recherche visait d'une part à confirmer la possibilité de bâtir un modèle empirique à l'aide de régressions statistiques et de variables bioclimatiques et agronomiques afin d'estimer les pertes de rendement annuelles des plantes fourragères causées par le climat. D'autre part, il visait aussi à confirmer la possibilité de bâtir un modèle dynamique afin d'estimer les pertes de valeur nutritive des plantes fourragères. Le rendement moyen annuel s'est avéré la meilleure variable dépendante à modéliser suite à l'analyse des bases de données historiques (agronomiques et climatiques). La famille botanique de la culture, le nombre de coupes effectuées et le type de sol sont apparus comme des variables indépendantes à caractère agronomique qui influencent le rendement. À partir des variables climatiques disponibles dans la base de données et d'une revue bibliographique, 31 variables indépendantes à caractère bioclimatique ont été élaborées pour créer le modèle empirique d'estimation du rendement annuel (MEERA). Ces variables décrivaient les conditions automnales, hivernales, printanières et estivales pouvant affecter le rendement annuel des plantes fourragères. La perte ou le gain de rendement était établi en comparant le rendement estimé par le modèle avec un rendement de référence établi sur la moyenne historique des rendements. Deux modèles MEERA ont été créés, le premier, 98-05, avec une base de données s'étendant de 1998 à 2005 et le deuxième, 98-06, avec une base de données s'étendant de 1998 à 2006. Dans les deux modèles, la variable dépendante et les variables indépendantes ont été déterminées pour, respectivement, 710 et 887 zones d'assurance toutes années confondues et réparties à travers le Québec agricole. Chacune des zones d'assurance, aussi appelées territoires de stations climatologiques, confient une station climatologique à laquelle un groupe de producteurs est rattaché, et ce, pour chaque année donnée. Afin de circonscrire la diversité climatique, le Québec agricole a été divisé en 12 régions climatiques. Ainsi, les deux modèles MEERA reposent sur 12 équations générales, une par région climatique, développées à l'aide de la procédure Mixed de SAS. Ces équations contiennent entre 5 et 20 variables bioclimatiques, dont le paramétrage était fonction du caractère agronomique de chaque territoire de station climatologique. À la calibration, le modèle 98-05 avait une efficacité (EF) moyenne de 68 %, variant de 50 à 81 % selon les régions climatiques. Si l'ajustement des rendements simulés sur les rendements mesurés avait été parfait, l'EF aurait été de 100%. La moyenne des 12 racines quadratiques de l'erreur moyenne (RMSE) des régions climatiques était de 267 kg ha"1 , soit 9,9 % du rendement moyen. Les résultats obtenus avec notre modèle se comparaient avec ceux des modèles rencontrés dans la littérature. À la validation du modèle 98-05 sur l'année 2006, les statistiques comparatives effectuées sur les équations des 12 régions climatiques indiquaient que le modèle était peu performant, car toutes les EF étaient négatives. De plus, le RMSE était en moyenne pour les 12 régions climatiques de 467 kg ha-1 , soit 14,7 % du rendement moyen de 2006. Les 12 équations du modèle 98-06 présentaient une efficacité moyenne de 67 %, variant de 46 à 84 % selon les régions climatiques. Pour l'ensemble des 12 équations, le modèle sous-estimait de 4,3 kg ha-1 le rendement moyen de toutes les régions climatiques confondues (2702 kg ha"1 ). Cela représentait un biais moyen non significatif d'à peine 0,2 %. La moyenne des 12 RMSE était de 287 kg ha-1 , soit 10% du rendement moyen. Toutefois, par rapport au modèle 98-05, l'efficacité moyenne est demeurée sensiblement la même, alors que l'écart entre l'efficacité la plus faible et la plus forte s'était accru. La validation du modèle 98-06 sur l'année 2007 présentait des EF négatives pour les 12 régions climatiques. De plus, le RMSE était en moyenne de 571 kg ha"1 pour les 12 régions, soit 20,1 % du rendement moyen de 2007. Cette perte d'efficacité des deux modèles MEERA, lorsqu'ils estiment une année externe à la base de données de calibration, peut, entre autres, provenir de l'incertitude liée aux données d'entrées. En effet, la base de données climatiques comportait en moyenne 4,4 % de données manquantes pour les variables climatiques (températures minimale et maximale, précipitations et épaisseur de neige au sol). La perte de qualité des plantes fourragères est associée à l'accroissement de la proportion en fibres non digestibles lors de la maturation des plantes causé par le retard de coupe, particulièrement en première coupe, ainsi qu'à la perte des nutriments, surtout l'azote, causée par la pluie tombée sur le foin au sol. Pour estimer les pertes de qualité, nous avons développé un modèle d'estimation des pertes de qualité des fourrages (PERQUALI) par territoire de station climatologique, en distinguant la perte pour le foin de celle pour l'ensilage. Ultimement, le modèle devait estimer la perte cumulée pour toutes les coupes provenant des différentes causes possibles, c'est-à-dire le retard de coupe pouvant survenir en début ou en cours de récolte et la pluie tombée sur le fourrage laissé au sol suite à la coupe, en première coupe seulement. De plus, le modèle devait considérer la destruction du foin laissé au sol par la pluie après la coupe, et ce, pour toutes les coupes. Quatre variables bioclimatiques et une composante agronomique (famille botanique) ont été utilisées pour développer le modèle PERQUALI. Ces variables décrivaient les conditions qui prévalaient pendant les périodes de coupe et de récolte des plantes fourragères. Les degrés-jours historiques nécessaires pour débuter la première coupe, le nombre de jours propices pour effectuer la coupe et la durée de la coupe sont des variables qui sont calculées à partir des variables climatiques enregistrées dans chaque territoire de station climatologique et qui sont directement utilisées par le modèle PERQUALI. La composition botanique, le nombre de coupes et la texture du sol observés dans chaque territoire de station climatologique sont également considérés par le modèle. Ainsi, pour connaître la perte associée à l'augmentation de la teneur en fibres non solubles dans un détergent neutre (NDF), PERQUALI estime la teneur en NDF au moment où le fourrage est prêt à être coupé selon le nombre de degrés-jours accumulés en première coupe et le compare à la teneur en NDF au moment où le foin est effectivement coupé. Pour leur part, les teneurs en fibres non solubles dans un détergent acide (ADF) et celles en protéines brutes (PB) sont issues d'équations empiriques tirées de la littérature. La méthodologie utilisée pour estimer la perte de qualité associée à la pluie après la coupe est également tirée de la littérature. Cette dernière méthodologie s'applique à chacune des coupes réalisées dans chaque territoire de station climatologique. La Financière agricole du Québec ne possède pas de données de qualité des fourrages pour valider les estimations de pertes obtenues par le modèle PERQUALI. Le modèle utilisé pour les données 2008 surestime possiblement les pertes réelles sur le terrain, puisque dans plusieurs cas, la durée de coupe estimée par le modèle était au-delà de celle déclarée par les fermes témoins en 2008. Néanmoins, de façon générale, les pertes corroboraient les présomptions des conseillers régionaux de la FADQ, c'est-à-dire que les pourcentages de pertes estimés pour le foin variaient de 24,8 % à 66,7 % alors que pour la production d'ensilage, les pertes estimées oscillaient plutôt entre 1,1 % et 21 %. Ces résultats font également ressortir le fait que les pertes en ensilage sont moins élevées que celles du foin. D'une façon générale, en 2008, l'Abitibi-Témiscamingue, l'Outaouais, la Mauricie, la Capitale-Nationale (Québec), Chaudière-Appalaches et certains endroits du Lac-Saint-Jean ont été les régions les plus affectées par les pertes de qualité des fourrages, et ce, peu importe le mode de récolte. Toutefois, le modèle n'a pas été testé sur d'autres années pour vérifier si la durée estimée, par le modèle se rapprochait de la réalité des fermes témoins sous d'autres conditions climatiques. Le modèle PERQUALI devrait donc être testé sur d'autres années afin de confirmer la capacité du modèle à simuler la durée de coupe. À notre connaissance, il n'existe pas d'autres modèles semblables à MEERA et PERQUALI qui soient utilisés pour estimer des pertes dans le but d'octroyer une indemnité d'assurance. En France, le modèle dynamique et mécaniste, STICS, a été en partie utilisé pour faire des estimations de pertes en assurance agricole, mais ce modèle ne tient pas compte des pertes hivernales, ni des pertes de qualité. Les modèles MEERA et PERQUALI sont donc uniques puisqu'ils prennent en compte des c

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.