La prévision des rendements céréaliers
La corrélation entre le rendement et la pluviométrie mensuelle, révèle une association significative au mois de novembre, suivie de celle de juin et puis février, mars et janvier. Cependant, ces corrélations peuvent cacher l’effet confondu de la pluviométrie des mois précédents. Pour éviter cette colinéarité entre variables prédictives, une régression linéaire multiple avec sélection de variable par la méthode « pas à pas » peut être utilisée.
La régression multiple a permis de mettre en évidence l’importance de la pluviométrie du mois de novembre, suivie de celle des mois de janvier, février et mars. Pour la région du Loukkos, par exemple, le rendement du blé tendre a été expliqué par la pluviométrie d’octobre à novembre (PON) à 52% et par celle de février (PF) à 64%, avec une efficience d’utilisation de l’eau de pluie plus importante en février (6,5 kg/mm) qu’en octobre-novembre (5,2 kg/mm).
Rendement (Kg/ha) = 900 + 5,2 PON + 6,5 PF
En moyenne, on peut espérer 200mm de pluie en octobre et novembre et 50mm en février au Loukkos. Plus de précision est donnée par la pluviométrie décadaire, qui confirme l’importance de la pluie de février, et montre que c’est la pluviométrie de la deuxième décade de novembre, et non celle de tout le mois qui influence le rendement.
Rendement (Kg/ha) = 900 + 6,5 PO123N2 + 7,9 PF123
La même approche, utilisant la régression linéaire multiple, peut être utilisée à l’échelle nationale en utilisant la pluviométrie décadaire pour prévoir les rendements céréaliers avec un degré de précision élevé (figure 6A).
Une approche empirique plus simple, et tout aussi efficace, peut être utilisée pour prédire le rendement des céréales à l’échelle nationale à partir de la pluviométrie nationale moyenne. Lorsque l’on corrèle les rendements des trois espèces avec les cumuls décadaires de pluviométrie, depuis le début de septembre jusqu’à fin mai, on constate des corrélations significatives dès la troisième décade de novembre et des corrélations élevées à partir de fin février avec un pic de corrélation à fin mars. La chute de corrélation en janvier est probablement due à la baisse des températures qui ne permet pas de valoriser l’eau de pluie.
Il est donc possible de prévoir facilement, tôt dans la saison, les rendements céréaliers à l’échelle du pays à partir de la pluviométrie décadaire cumulée (moyenne nationale). Si l’on régresse le rendement national des différentes espèces céréalières (blé tendre, blé dur et orge) sur la pluviométrie nationale cumulée entre les mois de septembre et mars (Figure 6 B, C et D), on constate qu’il y a une relation linéaire et positive, jusqu’à un niveau de pluviométrie d’environ 400 mm. Les campagnes pluvieuses, dont la pluviométrie dépasse 400 mm par an, sont rares et non valorisées.
Au dessus des 400 mm, comme cela a été le cas en 1995-1996, le rendement national a tendance à plafonner. La campagne agricole 1996-1997 est particulière car la pluviométrie a été tardive, survenue après le mois de mars. En dessous de 400 mm, le rendement peut être prédit sur la base du cumul pluviométrique annuel de la période de septembre à mars, avec des coefficients de détermination élevés de 87%, 80% et 72%, respectivement pour le blé tendre, le blé dur et l’orge.
A l’échelle nationale, au-delà de 400 mm de pluies, cumulées de septembre à fin mars, le rendement n’augmente plus. A fin février, le rendement n’augmente plus au-delà de 330 mm de pluies cumulées. Le coefficient de détermination, de la relation qui existe entre le rendement et pluviométrie cumulée de septembre à fin février (sans les années 1995-1996 et 1996-1997), est de 75%, 70% et 58%, respectivement pour le blé tendre, le blé dur et l’orge.
Au Maroc, les données pluviométriques ne sont disponibles qu’à partir d’une quarantaine de stations météorologiques pour plus de cinq millions d’hectares cultivés. Il est évident que le réseau de stations synoptiques marocain est dilué et, de plus, mal distribué pour représenter les divers ensembles agro-écologiques. Aussi, de nouvelles approches ont été adoptées, particulièrement celles impliquant l’utilisation de la télédétection spatiale et, particulièrement, l’index de la végétation normalisé (Normalized Difference Vegetation Index, NDVI). Le NDVI est particulièrement adapté aux zones arides et semi-arides dans lesquelles la variation de végétation est très bien capturée par le NDVI. Les données de NDVI peuvent être disponibles à une résolution spatiale de 1 km², et même inférieure, sur l’ensemble du territoire national.