FR3013874A1 - Procede de traitement de donnees agronomiques pour l'estimation du rendement d'une culture de la famille des poacees - Google Patents

Abstract

La présente invention concerne un procédé de traitement de données agronomiques d'une culture de la famille des poacées d'au moins une parcelle et de données de référence relatives à des campagnes passées stockées sur des moyens de stockage (12) d'un équipement informatique (1) pour l'estimation du rendement de ladite parcelle, le procédé étant caractérisé en ce qu'il comprend la mise en œuvre par des moyens de traitement (11) de l'équipement (1) d'étapes de : (a) Détermination d'un nombre moyen d'épis par unité de surface (NEM2) de la culture ; (b) Détermination d'un nombre moyen de grains par épi (NGE) de la culture ; (c) Détermination d'un paramètre représentatif du poids moyen des grains (PMG) de la culture, comprenant : a. Le calcul d'un facteur hydrique de la parcelle dans le poids moyen des grains ; b. Le calcul d'un facteur variétal de la culture dans le poids moyen des grains ; c. Le calcul d'au moins un facteur météorologique dans le poids moyen des grains. (d) Estimation en fonction du nombre moyen d'épis par unité de surface (NEM2), du nombre moyen de grains par épi (NGE) et du paramètre représentatif du poids moyen des grains (PMG) du rendement de la parcelle ; (e) Restitution sur des moyens d'interface (13) dudit équipement (1) dudit rendement estimé.

Description

DOMAINE TECHNIQUE GENERAL La présente invention concerne le domaine de l'agronomie assistée par ordinateur.

Plus précisément elle concerne un procédé d'estimation de la production d'une culture de la famille des poacées. ETAT DE L'ART L'agronomie est l'ensemble des sciences exactes, naturelles, économiques et sociales, et des techniques auxquelles il est fait appel dans la pratique et la compréhension de l'agriculture. Ces techniques ont permis l'augmentation continue des rendements agricoles. Ces derniers restent toutefois très variables d'une année à une autre, pour une multitude de raisons telles que les conditions climatiques. Or, estimer la production d'une culture le plus tôt possible est très important pour chaque acteur du marché, afin qu'il puisse s'organiser au mieux en termes de logistiques (dimensionnement des intrants, des moyens de stockage, etc.) ou vis-à-vis de ses acheteurs.

De nombreux outils informatiques d'estimation d'une production céréalière sont disponibles, mais ils sont le plus souvent très lourds, pas forcément fiables, et non adaptés à la diversité territoriale, en particulier française. Par exemple, des modèles proposent l'utilisation de la LAI (« Leaf Area Index », l'indice de surface foliaire), c'est-à-dire la surface de feuilles par unité de surface de culture. Il a en effet été constaté un lien entre le rendement d'une culture, et le rayonnement intercepté par le couvert végétal (c'est-à-dire la surface de feuilles exposées au soleil) durant une période de croissance.

Or, la mesure de la LAI implique généralement des moyens d'imagerie spécifiques et couteux tels que des batteries de photodiodes, voire le recours à une prise de vue satellitaire. Par ailleurs, la disponibilité de ces moyens n'est pas constante. Alternativement, il a été proposé des modélisations complexes de la croissance de la plante (CERES, STICS, etc.), qui permettent d'éviter le recours à des moyens d'imagerie. Ces modèles apportent satisfaction, mais nécessitent de renseigner un très grand nombre de paramètres. Ils sont ainsi trop contraignants et exigeants en informations pour être utilisés dynamiquement lors de la campagne.

La présente invention vise à résoudre ces difficultés en proposant une solution d'estimation de la production d'une culture céréalière qui : - Ne nécessite le recours à aucun matériel onéreux tel qu'un satellite ; - Soit à la fois ergonomique et fiable ; - Puisse être utilisée y compris à un stade précoce de la campagne pour réaliser de la prévision ; - Puisse être facilement remise en oeuvre de sorte à affiner l'estimation.

PRESENTATION DE L'INVENTION La présente invention propose un procédé de traitement de données agronomiques d'une culture de la famille des poacées d'au moins une parcelle et de données de référence relatives à des campagnes passées stockées sur des moyens de stockage d'un équipement informatique pour l'estimation du rendement de ladite parcelle, le procédé étant caractérisé en ce qu'il comprend la mise en oeuvre par des moyens de traitement de l'équipement d'étapes de : (a) Détermination d'un nombre moyen d'épis par unité de surface (NEM2) de la culture ; (b) Détermination d'un nombre moyen de grains par épi (NGE) de la culture ; (c) Détermination d'un paramètre représentatif du poids moyen des grains (PMG) de la culture en fonction desdites données de référence relatives à des campagnes passées, comprenant : a. Le calcul d'un facteur hydrique de la parcelle dans le poids moyen des grains ; b. Le calcul d'un facteur variétal de la culture dans le poids moyen des grains ; c. Le calcul d'un facteur météorologique dans le poids moyen des grains. (d) Estimation en fonction du nombre moyen d'épis par unité de surface (NEM2), du nombre moyen de grains par épi (NGE) et du paramètre représentatif du poids moyen des grains (PMG) du rendement de la parcelle ; (e) Restitution sur des moyens d'interface dudit équipement dudit rendement estimé. Selon d'autres caractéristiques avantageuses et non limitatives de l'invention : - le paramètre représentatif du poids moyen des grains (PMG) est le 20 poids de mille grains, exprimé en grammes ; - le nombre moyen d'épis par unité de surface (NEM2) est exprimé en mètres carrés le nombre moyen de grains par épi (NGE) est sans unité, et le rendement R exprimé en quintaux par hectare est donné par la formule : R = NEM2 * NGE * 10000 - l'étape (c) comprend la détermination d'au moins un PMG théorique 25 maximal et/ou une perte de PMG associé à chaque facteur ; - chaque PMG théorique maximal ou perte de PMG est obtenu par régression mathématique sur des données de rendement de campagnes précédentes comprises dans lesdites données agronomiques, l'étape (e) comprenant l'intégration des données déterminées à l'étape (c) auxdites PMG données de rendement de campagnes passées stockées sur les moyens de stockage ; - l'étape (c) comprend d'une part la détermination d'un PMG théorique maximal associé aux facteurs hydrique et variétal, et d'une part la détermination d'au moins un PMG théorique maximal associé à chaque facteur météorologique, le PMG effectif étant inférieur ou égal au minimum des PMG théoriques maximaux ; - l'étape (c) comprend le calcul d'au moins deux facteurs météorologiques dont un facteur température et un facteur pluviométrie ; - le PMG effectif est déterminé à l'étape (c) comme le minimum du PMG théorique maximal associé aux facteurs hydrique et variétal et du PMG théorique associé au facteur pluviométrie, auquel est retranchée une perte de PMG associée au facteur température ; - le facteur hydrique est fonction du taux de satisfaction des besoins en 15 eau de la culture par la parcelle en fonction du temps ; - le taux de satisfaction des besoins en eau de la culture par la parcelle est calculé en fonction de l'état d'un réservoir supérieur de la parcelle, de l'état d'un réservoir profond de la parcelle et d'un drainage, en fonction du temps ; 20 - le procédé comprend en outre une étape (e0) de vérification de la cohérence du rendement estimé avec les données de référence relatives à des campagnes passées, par mise en oeuvre d'un analyse harmonique sur au moins un desdits facteur de sorte à déterminer au moins une typologie de la campagne actuelle parmi une pluralité de typologies de campagnes 25 passées stockées sur les moyens de stockage de données ; - les étapes (a) à (d) sont relancées si une incohérence du rendement estimé avec les données de référence relatives à des campagnes passées est détectée à l'étape (e0). 30 Selon un deuxième aspect, l'invention concerne un équipement comprenant des moyens de stockage de données agronomiques d'une culture de la famille des poacées d'au moins une parcelle et de données de référence relatives à des campagnes passées, des moyens d'interface et des moyens de traitement de données pour la mise en oeuvre d'un procédé selon le premier aspect de l'invention.

BREVE DESCRIPTION DES FIGURES D'autres caractéristiques et avantages de la présente invention apparaîtront à la lecture de la description qui va suivre d'un mode de 10 réalisation préférentiel. Cette description sera donnée en référence aux dessins annexés dans lesquels : - la figure 1 représente un équipement pour la mise en oeuvre du procédé selon l'invention ; - les figures 2a-c représentent des graphes pour le calcul d'un 15 facteur variétal d'un paramètre représentatif du poids moyen des grains ; - la figure 3 représentent des graphes pour le calcul d'un facteur hydrique d'un paramètre représentatif du poids moyen des grains ; 20 - les figures 4a-b représentent des graphes pour le calcul d'un facteur météorologique d'un paramètre représentatif du poids moyen des grains ; - la figure 5 illustre la fiabilité du procédé selon l'invention ; - la figure 6 illustre des typologies de pluviométrie en vue d'une 25 analyse du rendement. DESCRIPTION DETAILLEE D'UN MODE DE REALISATION PREFERE En référence à la figure 1, le procédé selon l'invention est mis en 30 oeuvre par un outil informatique. Cet équipement 1 peut être n'importe quel poste de travail, serveur, terminal mobile qui comprenne une interface 13 pour la saisie et la restitution de résultats (par exemple un écran), des moyens de traitement de données 11 (par exemple un processeur), des moyens de stockage 12 de données agronomiques (par exemple un disque dur), comprenant des données d'une culture de la parcelle pour laquelle le rendement doit être estimé et des données de référence. Lesdites données de référence forment une base appelée « référentiels » d'un volume conséquent. Il s'agit des données accumulées sur des années qui font la valeur d'un outil. Les référentiels comprennent en particulier des données relatives à des pratiques de fertilisation et de produits fertilisants, des usages, des types de cultures, des configurations de parcelles, des réglementations, etc. Il s'agit ici en particulier de données d'un grand nombre de campagnes passées (C'est-à-dire de cultures lors d'années antérieures dans des conditions variées, i.e. avec différentes variétés, diverses types de parcelles, et différentes conditions climatiques) avec les données météorologiques et les rendements associés qui ont été obtenus. Ces campagnes forment un réseau d'expérimentation. L'objectif du présent procédé est en effet d'estimer le rendement à terme (c'est-à-dire au moment de la récolte) d'une culture de la famille des poacées d'au moins une parcelle par traitement des données de la parcelle et des données relatives aux campagnes passées stockées dans la base de référentiels. Les poacées, ou graminées, sont des plantes couramment désignées comme céréales. Elles sont particulières en ce qu'elles présentent des inflorescences formées d'épis. Dans la suite de la présente description, on prendra en particulier l'exemple du blé tendre, mais l'homme du métier saura transposer l'invention à des cultures telles que l'orge, le seigle, l'avoine, le riz, le maïs, etc. L'approche à la base de ce procédé est de se baser avant tout sur une caractérisation des conditions agro-météorologiques observées et non sur une modélisation de phénomènes physiologiques de la culture. Le prédicat initial est de considérer que si deux cultures de deux parcelles présentent des contextes proches, alors leurs rendements seront similaires.

Les moyens informatiques offrent comme on le verra la puissance nécessaire pour traiter les données relatives aux campagnes passées de sorte à estimer le rendement de n'importe quelle parcelle. Plus la base de données relative à des campagnes passées est fournie, plus le résultat est fiable. Par ailleurs, le procédé s'améliore automatiquement chaque année puisque la base de données intègre les campagnes pour lesquelles le procédé a été mis en oeuvre.

Les trois paramètres Le procédé est basé sur la détermination de trois composantes du rendement d'une culture de la famille des poacées : - un nombre moyen d'épis par unité de surface (NEM2) ; - un nombre moyen de grains par épi (NGE) ; - un paramètre représentatif du poids moyen des grains (PMG) ; Le paramètre représentatif du poids moyen des grains PMG est généralement le Poids de Mille Grains, en d'autre termes le poids théorique à terme de 1000 grains choisis au hasard, exprimé en grammes. Le nombre de 1000 est suffisant pour avoir une valeur statistiquement fiable, mais on comprendra que le PMG n'est pas limité à cette valeur particulière. Il s'agit du paramètre crucial pour estimer le rendement. En effet, les nombre moyen d'épis par unité de surface NEM2 et nombre moyen de grains par épi NGE sont fixés de façon définitive assez tôt dans la culture (au stade fin de montaison pour le NEM2 et au stade post-floraison pour le NGE), et peuvent être mesurés avec précision en quelques points de la parcelle. Le procédé commence ainsi par des étapes (a) de détermination du 30 nombre moyen d'épis par unité de surface NEM2 de la culture ; et (b) de détermination du nombre moyen de grains par épi NGE de la culture (dans chacun des deux cas soit à partir de paramètres saisis par l'utilisateur, soit à partir de modèles). Il est à noter que les deux paramètres NEM2 et NGE peuvent être déterminés ensemble comme un seul paramètre NGM2 qui est le nombre moyen de grains par unité de surface, et qui est équivalent au produit du NEM2 et du NGE.

Le PMG ne peut quant à lui pas être déterminé par une mesure. On constate que les grains ont des poids disparates et en constante évolution jusqu'à la récolte. On verra dans la suite de la présente description comment les moyens de traitement de données 11 déterminent le PMG lors d'une étape 10 (c). Dans une étape (d) est estimé en fonction du NEM2, du NGE et du PMG le rendement de la parcelle, avant restitution dans une étape (e) sur des moyens d'interface 13 (en particulier un écran) dudit équipement 1 dudit rendement estimé. L'étape (e) comprend également avantageusement 15 l'intégration des données déterminées à l'étape (c) (en particulier tous les paramètres intermédiaires qui seront mentionnés par la suite, notamment les PMG théoriques maximaux ou pertes de PMG associés à divers facteurs) aux données de référence relatives à des campagnes passées stockées sur des moyens de stockage 12. 20 Dans le cas où le PMG est le Poids de Mille Grains en grammes, le NEM2 est exprimé en mètres carrés, et le NGE est sans unité, le rendement R exprimé en quintaux par hectare est donné à l'étape (d) par la formule : R = NEM2 * NGE * PMG 10000 À titre d'exemple, une culture de blé Altigo peut atteindre un NGM2 25 de 20000 grains par mètre carré, avec un PMG de 55 grammes, soit un rendement estimé de 110 quintaux par hectare. Détermination du PMG 30 L'étape (c) de détermination du PMG comprend le calcul de trois « facteurs » dans le PMG : un facteur hydrique lié à la parcelle, un facteur variétal lié au comportement intrinsèque de la plante, et au moins un facteur météorologique lié aux conditions climatiques. Il s'agit des trois facteurs influençant le niveau de « remplissage » d'un grain, lequel détermine le PMG. Chacun contribue en effet à augmenter ou au contraire à limiter le PMG. Il a été montré par la Demanderesse que le calcul de ces trois facteurs est suffisant pour déterminer de façon particulièrement fiable le PMG à terme. Il sera présenté plus loin des expériences qui prouvent ce fait. Dans cette étape (c), à partir de valeurs ou ensemble de valeurs 10 calculées ou saisies pour chacun de ces facteurs et de coefficients qui vont être déterminés comme l'on va voir à partir des données de campagnes passées, les moyens de traitement de données 11 déterminent le PMG. Le principe est de déterminer des « bornes » sur le PMG associées à certains voire chacun des facteurs pris indépendamment, en d'autres 15 termes des PMG théoriques pris indépendamment, le PMG effectif étant déterminé comme le minimum (ou dans une certaine mesure la moyenne, voire plus loin) des PMG théoriques maximaux. En particulier, comme on le verra on calcule avantageusement un PMG théorique maximal pour le facteur variétal et au moins un PMG théorique maximal pour un facteur 20 météorologique. Comme l'on verra, au lieu de calculer des PMG théoriques maximaux, on peut calculer pour un ou plusieurs facteurs une « destruction » de PMG associée au facteur (appelée « perte PMG »), et la soustraire aux PMG associés aux autres facteurs. De façon générale, on 25 comprendra que chaque facteur est associé soit à un PMG théorique maximal, soit à une perte PMG, le PMG effectif est inférieur ou égal au minimum des PMG théoriques maximaux (chaque perte de PMG est retranchée d'un PMG théorique maximal ou du PMG effectif). Par exemple, la contribution du facteur hydrique est une perte de PMG directement 30 imputée au PMG théorique maximal associé au facteur variétal. L'intérêt de ce modèle basé sur une combinaison de facteurs est que même en ne disposant pas de tous les facteurs le procédé permet une estimation fiable du PMG. Plus on dispose de facteurs, plus cette valeur est affinée. Facteur variétal Les figures 2a-c représentent trois courbes pour le calcul du PMG théorique associé au facteur variétal. Chaque courbe représente l'ensemble des campagnes de la base de référence pour une variété donnée (ici Altigo, Apache et Caphorn), sous la forme d'un nuage de points placé selon leur NGM2 et leur PMG. En effet, même si à partir d'une certaine densité de grains ces derniers sont toujours moins gros, chaque variété est plus ou moins apte à supporter cette concentration. Le PMG théorique maximal associé au facteur variétal est alors obtenu par régression mathématique sur les données de rendement des campagnes précédentes. Il s'agit de « l'enveloppe » visible sur les figures 2a-c. On comprendra que l'homme du métier connait des méthodes statistiques pour obtenir une telle régression, et que le présent procédé n'est limité à aucune.

Pour la variété Altigo (figure 2a), l'équation du PMG théorique maximal obtenu (l'équation de l'enveloppe) est y1 = 65; y2 = -0,0021x + 101,43. Pour la variété Apache (figure 2b), l'équation du PMG théorique maximal obtenu (l'équation de l'enveloppe) est y1 = 55; y2 = -0,0018x + 25 93,684. Pour la variété Caphorn (figure 2c), l'équation du PMG théorique maximal obtenu (l'équation de l'enveloppe) est y1 = 50; y2 = -0,0016x + 87,5. Il est à noter que rien n'oblige l'enveloppe à prendre la forme de deux 30 segments de droite. Comme on verra plus loin, la régression peut mener à des équations plus complexes selon la répartition des campagnes passées.

Facteur hydrique Le facteur hydrique représente l'aptitude du sol de la parcelle à retenir l'eau et à subvenir de façon la plus équilibrée possible aux besoins de la plante (ce que l'on appelle la « réserve utile » du sol). Il s'agit du seul impact notable de la parcelle dans le PMG. Par exemple il a été constaté que la dose d'azote apportée à la culture a très peu d'influence sur le poids de mille grains. Une méthode de calcul du facteur hydrique est de calculer le taux de satisfaction des besoins en eau de la plante en fonction du temps. Dès que celui-ci est inférieur à 80%, la croissance des grains ralentit. Le PMG théorique maximal pour le facteur variétal peut être pondéré par le taux de satisfaction des besoins en eau moyen sur la période de croissance des grains (voir la figure 3).

Le taux de satisfaction des besoins en eau peut être calculé par une méthode similaire à celle pour le facteur variétal (méthode statistique par rapport aux campagnes précédentes) mais alternativement les moyens de traitement 11 peuvent le calculer en fonction de l'état d'un réservoir supérieur de la parcelle, de l'état d'un réservoir profond de la parcelle et d'un drainage, en fonction du temps, en utilisant des algorithmes connus. Par exemple, le taux de satisfaction des besoins en eau au jour n peut être calculé comme le minimum de (1 ; (ETR(n) pour réservoir profond + ETR(n) pour réservoir supérieur) / ETM(n)), où ETM(n) est l'évapotranspiration maximale calculée grâce à un coefficient cultural KC(n) et une évapotranspiration potentielle ETP(n) défini comme l'ensemble des pertes en eau par évaporation et transpiration d'une surface végétale de hauteur uniforme de référence. Facteur météorologique Le facteur météorologique (ou climatique) représente l'impact des conditions liées à la météo sur le PMG. De nombreuses contributions sont particulièrement identifiées : la température moyenne, les températures minimales et maximales, le cumul de pluviométrie, le cumul de rayonnement, etc. Une température moyenne trop élevée nuit par exemple au PMG, ce même si les conditions hydriques sont acceptables.

De façon similaire au facteur variétal, le calcul de ce facteur utilise la régression mathématique sur les données relatives aux campagnes passées pour déterminer un PMG théorique maximal. Il est possible de calculer un ou plusieurs PMG théorique maximaux chacun associé à un facteur météorologique : un pour la pluviométrie, et/ou un pour la température, et/ou un pour le rayonnement, etc. Alternativement, la contribution du facteur température au PMG est spécifique et ne fait pas l'objet d'un calcul de PMG théorique maximal, mais d'un calcul de perte de PMG (voir plus bas). Dans l'exemple illustré par les figures 4a-b, sont pris en compte la température moyenne et la pluviométrie. De façon préférée, le PMG effectif est déterminé à l'étape (c) comme étant le minimum des PMG théoriques maximaux associés respectivement aux différents facteurs, en l'espèce le minimum du PMG théorique maximal associé aux facteurs hydrique et variétal, et du PMG théorique maximal associé facteur pluviométrie, auquel s'ajoute la contribution du facteur température. En effet, dans le cas précis du PMG associé au facteur température, de façon avantageuse, au lieu de calculer un PMG théorique maximal de ce facteur, on calcule la perte de PMG due à des fortes chaleurs. Pour chaque valeur de température (minimale, maximale et moyenne) des seuils ont été définis : au-delà de ces valeurs seuils le PMG diminue progressivement en fonction de la température. Cet impact se traduit en retranchant au minimum des PMG théoriques maximaux la ou les valeurs de perte de PMG liée à une température. On obtient comme expliqué avant une valeur égale ou légèrement inférieure à celle obtenue en prenant le minimum de tous les PMG théoriques maximaux. Pour la température moyenne (figure 4a), l'équation de perte est : y = (- 4,6087 x + 130,44) - 50. Cette formule n'est appliquée que si la température moyenne est supérieure à 17,5°C (il ne peut y avoir de perte « négative »). Pour la pluviométrie (figure 4b), l'équation du PMG théorique maximal obtenu (l'équation de l'enveloppe) est y1 = -1E-09)(1'6 + 3E-07)(1'5 - 4E-05)(1'4 + 0,0024)(1'3 - 0,0864)(1'2 + 1,7494x + 32,318 ; y2 = 50 ; y3 = 0,0938x + 56,563. Dans ce dernier cas, on note la complexité du modèle déterminé par les moyens de traitement de données 11. Exemple Si l'on reprend le blé Caphorn évoqué précédemment avec NGM2 de 20000 grains par mètre carré, et un PMG théorique maximal associé au facteur variétal de 50 grammes (cf figure 2c), à supposer que les besoins hydriques ont été satisfaits, que la température moyenne a été de 18°C et la pluviométrie de 50 millimètres, on obtient deux PMG théoriques maximaux (facteurs variétal et hydrique d'une part, et facteur pluviométrie d'autre part) de 50 grammes et 50 grammes. Les moyens de traitement de données 11 déterminent le minimum de ces PMG théoriques maximaux (on obtient 50 grammes, c'est-à-dire toujours la valeur maximum possible du PMG) puis calculent la perte PMG associée au facteur température. Dans le cas présent une température moyenne de 18°C entraine une perte de 2,5 grammes (-4,6087 x 18 + 80,44 = -2,5). Le PMG final est donc de 47,5 grammes (50 - 2,5 = 47,5).. C'est ici la température élevée qui réduit le rendement. Ce dernier est alors estimé à environ 95 quintaux par hectares. Tests La Demanderesse a pu tester en condition réelle le présent procédé 30 et comparer le rendement estimé avant la récolte avec le rendement réel mesuré après.

Les données de référence utilisées proviennent de 185 essais fertilisations et de 380 essais variétés, le tout répartis sur 13 campagnes, et les informations météorologiques sur 280000 jours (soit les treize ans dans soixante départements).

Les résultats sont représentés sur la figure 5 qui compare le PMG estimé (grâce aux trois facteurs évoqués ci-avant) avec le PMG réel. À part quelques artefacts, on constate que le procédé apporte satisfaction et dépeint bien la réalité. Comme expliqué auparavant, à chaque fois que le procédé est mis 10 en oeuvre l'espace de données de référence croit encore, ce qui augmente dynamiquement sa fiabilité. Analyse harmonique 15 Il est possible d'améliorer encore la fiabilité du procédé par la mise en oeuvre, avant l'étape (e) de restitution, d'une étape (e0) de vérification de la cohérence du rendement estimé avec les profils des campagnes passées, au moyen d'une analyse harmonique (c'est-à-dire une comparaison de signaux superposés) permettant de situer statistiquement 20 un rendement par rapport aux campagnes passées. L'idée déjà évoquée est que deux années qui ont des profils similaires ne peuvent pas avoir des rendements très différents. L'analyse harmonique se fait via l'un des facteurs (en particulier la pluviométrie), suivi au cours du temps (et non seulement par exemple sa 25 valeur moyenne ou son cumul final). Par exemple, dans le cas de la pluviométrie, on utilise la valeur cumulée en fonction du temps sur l'intervalle mars-juillet. L'analyse harmonique permet de situer une campagne par rapport à une pluralité de typologies. Sur la figure 6, on distingue ainsi deux 30 typologies associées au facteur pluviométrie sur dix campagnes passées. La première correspond à des années très pluvieuses et la deuxième à des années sèches. On comprend qu'il peut y avoir plus de deux typologies identifiées, et correspondant à des critères plus complexes que « sec » ou « humide ». L'analyse harmonique permet de déterminer à laquelle des typologies la campagne pour laquelle le rendement est estimé par le présent procédé correspond le mieux. Si le rendement est considéré anormal par rapport au rendement moyen de la typologie, le procédé est relancé pour vérification. Dans l'exemple représenté, dans le cas de la première typologie le rendement moyen obtenu sur les années retenues est de 61,8 q/ha, et dans 10 la deuxième le rendement moyen est de 58,3 q/ha. Ainsi si un rendement est estimé à 59 q/ha et que l'analyse harmonique classe la séquence de pluviométrie en deuxième typologie, alors les moyens de traitement de données 11 valident le calcul à l'étape (f) : le rendement estimé peut être considéré fiable. Si toutefois le 15 rendement estimé est de 70 q/ha bien que sa typologie de référence soit toujours la deuxième, alors il peut être considéré que le calcul est toujours correct mais qu'il est peu fiable par rapport à l'historique. Dans ce cas, les moyens de traitement de données 11 ré-effectuent le calcul pour voir s'il n'y a pas d'erreurs. S'il n'y a pas d'erreur, l'année est 20 « atypique ». Système Selon un deuxième aspect, l'invention propose un équipement 25 informatique pour la mise en oeuvre du procédé selon le premier aspect de l'invention. Comme expliqué (et comme représenté à la figure 1), il comprend des moyens de traitement de données 11, des moyens de stockage de données 12 et des moyens d'interface 13. Ce peut être un poste de travail 30 fixe de l'exploitation, mais également un équipement mobile tel une tablette tactile.

L'équipement 1 comprend avantageusement une connexion internet pour la mise à jour des données agronomique des parcelles pour maintenir des données parfaitement à jour (par exemple en ce qui concerne les données météorologiques).5

Claims (13)

1. REVENDICATIONS1. Procédé de traitement de données agronomiques d'une culture de la famille des poacées d'au moins une parcelle et de données de référence relatives à des campagnes passées stockées sur des moyens de stockage (12) d'un équipement informatique (1) pour l'estimation du poids des grains à récolter par unité de surface de ladite parcelle, le procédé étant caractérisé en ce qu'il comprend la mise en oeuvre par des moyens de traitement (11) de l'équipement (1) d'étapes de : (a) Détermination d'un nombre moyen d'épis par unité de surface (NEM2) de la culture ; (b) Détermination d'un nombre moyen de grains par épi (NGE) de la culture ; (c) Détermination d'un paramètre représentatif du poids moyen des grains (PMG) de la culture en fonction des données de référence relatives à des campagnes passées, comprenant : a. Le calcul d'un facteur hydrique de la parcelle dans le poids moyen des grains ; b. Le calcul d'un facteur variétal de la culture dans le poids moyen des grains ; c. Le calcul d'au moins un facteur météorologique dans le poids moyen des grains. (d) Estimation en fonction du nombre moyen d'épis par unité de surface (NEM2), du nombre moyen de grains par épi (NGE) et du paramètre représentatif du poids moyen des grains (PMG) du poids des grains à récolter par unité de surface de la parcelle ; (e) Restitution sur des moyens d'interface (13) dudit équipement (1) dudit poids estimé des grains à récolter par unité de surface.
2. 2. Procédé selon la revendication 1, dans lequel le paramètre représentatif du poids moyen des grains (PMG) est le poids de mille grains, exprimé en grammes.
3. 3. Procédé selon la revendication 2, dans lequel le nombre moyen d'épis par unité de surface (NEM2) est exprimé en mètres carrés, le nombre moyen de grains par épi (NGE) est sans unité, et le poids des grains R à récolter par unité de surface est exprimé en quintaux par hectare est donné par la formule : PMG R = NEM2 * NGE * 10000
4. 4. Procédé selon l'une des revendications 1 à 3, dans lequel l'étape (c) comprend la détermination d'au moins un PMG théorique maximal et/ou une perte de PMG associé à chaque facteur.
5. 5. Procédé selon la revendication 4, dans lequel chaque PMG théorique maximal ou perte de PMG est obtenu par régression mathématique sur des données de poids des grains récoltés par unité de surface des campagnes passées comprises dans lesdites données agronomiques, l'étape (e) comprenant l'intégration des données déterminées à l'étape (c) auxdites données de poids des grains récoltés par unité de surface des campagnes passées stockées sur les moyens de stockage (12).
6. 6. Procédé selon l'une des revendications 4 et 5, dans lequel l'étape (c) comprend d'une part la détermination d'un PMG théorique maximal associé aux facteurs hydrique et variétal, et d'une part la détermination d'au moins un PMG théorique maximal associé à un facteur météorologique, le PMG effectif étant inférieur ou égal au minimum des PMG théoriques maximaux.
7. 7. Procédé selon l'une des revendications 1 à 6, dans lequel l'étape (c) comprend le calcul d'au moins deux facteurs météorologiques dont un facteur température et un facteur pluviométrie.
8. 8. Procédé selon les revendications 6 et 7 en combinaison, dans lequel le PMG effectif est déterminé à l'étape (c) comme le minimum du PMG théorique maximal associé aux facteurs hydrique et variétal et du PMG théorique associé au facteur pluviométrie, auquel est retranchée une perte de PMG associée au facteur température.
9. 9. Procédé selon l'une des revendications 1 à 8, dans lequel le facteur hydrique est fonction du taux de satisfaction des besoins en eau de la culture par la parcelle en fonction du temps.
10. 10. Procédé selon la revendication 9 dans lequel le taux de satisfaction des besoins en eau de la culture par la parcelle est calculé en fonction de l'état d'un réservoir supérieur de la parcelle, de l'état d'un réservoir profond de la parcelle et d'un drainage, en fonction du temps.
11. 11. Procédé selon l'une des revendications précédente, comprenant en outre une étape (e0) de vérification de la cohérence du poids des grains à récolter par unité de surface estimé avec les données de référence relatives à des campagnes passées, par mise en oeuvre d'une analyse harmonique sur au moins un desdits facteur de sorte à déterminer au moins une typologie de la campagne actuelle parmi une pluralité de typologies de campagnes passées stockées sur les moyens de stockage de données (12).
12. 12. Procédé selon la revendication 11, dans lequel les étapes (a) à (d) sont relancées si une incohérence du poids des grains à récolter par unité de surface 20 estimé avec les données de référence relatives à des campagnes passées est détectée à l'étape (e0).
13. 13. Équipement (1) comprenant des moyens de stockage (12) de données agronomiques d'une culture de la famille des poacées d'au moins une 25 parcelle et de données de référence relatives à des campagnes passées, des moyens d'interface (13) et des moyens de traitement de données (11) pour la mise en oeuvre d'un procédé selon l'une des revendication 1 à 12.