Titre de l'écran-titre (visionné le 5 février 2024) / La culture d'amande en Californie nécessite un apport en eau d'irrigation de plus 1000 mm annuellement. Avec les changements climatiques amplifiant cette dépendance à l'irrigation, il est essentiel d'optimiser la gestion de l'irrigation pour cette culture. Le premier objectif de ce projet était donc de déterminer la conduite d'irrigation optimale pour maximiser les rendements et l'utilisation de l'eau. Le second objectif visait à établir quelles variables complémentaires à la mesure de tension hydrique du sol peuvent être utilisées pour détecter l'apparition et la résorption d'un stress hydrique chez l'amandier. Enfin, le troisième objectif consistait à déterminer quelle stratégie d'irrigation est la plus rentable pour les producteurs. Pour ce faire, un plan en blocs complets aléatoires de 1 hectare (sept traitements répétés dans 4 blocs) a été mis en place chez un producteur. Les traitements étaient composés de techniques traditionnelles de gestion (seuil de tension fixe, évapotranspiration de la culture (ETc) et gestion humaine) et de méthodes utilisant l'intelligence artificielle pour le démarrage de l'irrigation, et furent divisés en trois grandes catégories : (i) sans stress hydrique, (ii) stress hydrique constant durant la saison de croissance et (iii) stress hydrique pendant certains stades de croissance spécifiques. Des mesures de potentiel hydrique du xylème, température foliaire et vitesse du flux de sève ont été effectuées à l'aide de différents capteurs placés dans les unités expérimentales afin de valider leur capacité à complémenter la mesure de tension hydrique du sol dans la gestion de l'irrigation. Les résultats n'ont montré aucune différence de rendement entre les traitements imposant un stress hydrique en comparaison avec le traitement sans stress hydrique, mais une diminution significative de la quantité d'eau appliquée fut observée. Tous les capteurs mis à l'essai ont montré une bonne corrélation entre eux lors d'un évènement prolongé sans irrigation avant la récolte. De plus, l'indice de stress hydrique (CWSI) calculé à partir des capteurs infrarouges a montré une bonne corrélation avec les mesures de rendement. En termes de profitabilité, le traitement combinant l'expertise d'un conseiller d'irrigation et de mesures précises de tensions hydriques du sol a obtenu la meilleure performance. / To achieve high yields in almond orchards, growers must irrigate to compensate a water deficit of over 1000 mm each year. This amount of water must, however, be reduced due to climate change decreasing winter precipitation, which results in less available water for irrigation during the growing season. Thus, the first objective of the project was to establish the best irrigation strategy to maximize yield and water usage. The second objective was to determine the best complementary variable to the soil tension to detect the onset of tree water stress and subsequent recovery upon irrigation . The third objective was to establish the best irrigation strategy to maximize profitability. Seven completely automated irrigation treatments were compared (four blocks, 28 plots of five trees each). Among the treatments, there were traditional irrigation management techniques (constant soil tension values, crop evapotranspiration (ETc), and human management) as well as artificial intelligence treatments (AI). Those treatments encompassed three irrigation strategies: no stress (control), regulated deficit irrigation (RDI) and sustainable deficit irrigation (SDI). Stem water potential, sap flow velocity and infrared sensors were installed in several experimental units to validate their capacity to complement soil tension to manage irrigation. Results indicate no significant differences in yield between deficit irrigation treatment and the control, but significantly less water was applied in those treatments. Water stress variables during the preharvest period were well correlated with each other which is promising to find a complementary variable. Furthermore, crop water stress index (CWSI) calculated using infrared sensors showed a good correlation with almond yield. In terms of profitability, the treatment using an irrigation advisor with in situ soil tension data performed the best.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/134984 |
| Date | 08 February 2024 |
| Creators | Lessard, Louis-Étienne |
| Contributors | Pepin, Steeve, Pelletier, Vincent |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | COAR1_1::Texte::Thèse::Mémoire de maîtrise |
| Format | 1 ressource en ligne (xxii, 89 pages), application/pdf |
| Coverage | Californie. |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0029 seconds