• TABLE OF CONTENTS
HIDE
 Title Page
 Resume
 Main
 Bibliography
 Tables and figures














Title: participation du paysan pour une recherche effective en agriculture de sustentation
CITATION THUMBNAILS PAGE IMAGE ZOOMABLE
Full Citation
STANDARD VIEW MARC VIEW
Permanent Link: http://ufdc.ufl.edu/UF00081515/00001
 Material Information
Title: participation du paysan pour une recherche effective en agriculture de sustentation
Physical Description: Book
Creator: Stroup, Walter W.
Publisher: Food and Resource Economics Dept., Institute of Food and Agricultural Sciences, University of Florida,
Publication Date: 1991
Copyright Date: 1991
 Record Information
Bibliographic ID: UF00081515
Volume ID: VID00001
Source Institution: University of Florida
Holding Location: University of Florida
Rights Management: All rights reserved by the source institution and holding location.
Resource Identifier: oclc - 190932343

Table of Contents
    Title Page
        Page i
    Resume
        Page ii
    Main
        Page 1
        Page 2
        Page 3
        Page 4
        Page 5
        Page 6
        Page 7
        Page 8
        Page 9
        Page 10
        Page 11
        Page 12
        Page 13
        Page 14
        Page 15
        Page 16
        Page 17
        Page 18
        Page 19
        Page 20
        Page 21
    Bibliography
        Page 22
        Page 23
        Page 24
    Tables and figures
        Page 25
        Page 26
        Page 27
        Page 28
        Page 29
        Page 30
        Page 31
        Page 32
        Page 33
        Page 34
        Page 35
        Page 36
        Page 37
Full Text
/00 -6q5


La Participation du paysan pour une recherche effective
en agriculture de sustentation



par

Walter W. Stroupt, Peter E. Hildebrand2
et Charles A. Francis3


Manuscrit SP91-32


Septembre 1991


Ce Manuscrit fera l'objet d'un chapitre de la publication sp6ciale de la Soci6te Americaine d'Agronomie intitul6e
"Technologies pour l'Agriculture de Sustentation dans les regions tropicales". B est pr6sentement en train d'etre
distribu6 pour recueillir des suggestions et commentaires pour une revision finale. Son contenu demeure la
responsabilit6 des auteurs et n'engage point le Departement des Ressources Agro-Economiques.


SMaitre de conference, DIpartement de Biometrie,
University de N6braska-Lincoln

2 Professeur, D mpartement des Resources Agro-Economiques,
University& de Floride

3 Professeur, D6partement d'Agronomie, Universit6
de Nebraska-Lincoln


Stroup, Hildebrand, and Francis Page i


Stance Planification, RSP, 1M9









RESUME

Les paysans ont depuis toujours conduit leur propre recherche bien avant la domestication des plants et des
animaux. Cependant, avec l'avnement de l'agriculture base sur la science, leur influence dans le
d6veloppement des technologies s'est amoindrie. La m6thodologie de recherche et vulgarisation des systhmes de
productions agricoles (FSRE, le sigle en Anglais) fut une rdponse i la preoccupation que la technologies de la
Revolution Verte 6tait en train de supplanter beaucoup de 'petits' paysans a maigre resource du tiers monde.
Base sur les concepts de domaines (domaine de recherche, de recommendation, et de diffusion) d6finis par le
FSRE, la nature particulibre des recherches en milieu rural et ses contraintes en matibre d'analyse statistique
sont examinees. Les essais sur-le-terrain different des essais en-station en deux principaux points: 1) les
objectifs sont gdn6ralement diff6rents, et 2) la variability des donn6es relev6es sur le terrain est plus complex et
doit done tre traitee avec une plus grande sophistication. Quatre modules d'analyse de variance (ANOVA)
utilis6s pour l'analyse des donndes de la recherche sur-le-terrain sont examines et discut6s en relation avec
l'analyse de stability modifi6e (MSA). Les possibilities d'incorporation des exploitations plus grades (dans les
pays d6velopp6s aussi bien que dans les pays en voie de d6veloppement) dans des travaux organisms de
recherche et de vulgarisation sont examines. Finalement, I'int6gration des grandes et petites exploitations dans
des efforts combines de recherche et de vulgarisation est discut6e.


Stroup, Hildebrand, and Francis Page ii


Meance Planification, RSP, 1M9










La Participation du paysan pour une recherche effective
en agriculture de sustentation



Si les pays en voie de developpement vont parvenir d l'autosuffisance alimentaire et rMduire la
pauvrets en milieu rural, les millers de paysans doivent bre des acteurs actifs dans la
recherche agricole et dans e processes de dveloppement (Whyte et Boynton, 1983).


La plupart des cultures et plusieurs des systhmes de production agricoles les plus important 6manent
des connaissances empiriques ou des recherches I tttons faites par plusieurs gdndrations d'agriculteurs. Les
paysans de l'6poque du N6olithique connaissaient d6ji suffisamment de choses sur les quelques 1500 diff6rentes
especes de plants utilis6es en agriculture et dans la pharmacop6e (Braidwood, 1967). Les restes de leurs
systhmes traditionnels de survive existent encore de nos jours dans plusieurs regions (Francis, 1986b).
Cependant, avec l'avbnement de la recherche scientifique aprbs la second guerre mondiale, l'influence des
paysans sur le d6veloppement des technologies agricoles s'est amenuisde.

Vers la fin des ann6es 60 et le d6but des ann6es 70, la communaut6 international a commence i
percevoir le besoin d'aider les nombreux petits paysans aux resources presqu'inexistantes, qui 6taient en train
d'etre exclus de la R6volution Verte (Agricole). Whyte et Boynton (1983) ont dcrit que cela signifiait qu'il
faudrait: 1) accorder une attention particulibre I la recherche en milieu paysan; 2) encourager une meilleure
collaboration inter-disciplinaire; 3) mettre en place une administration agricole plus efficace et plus soucieuse
des int6rnts et besoins des petits paysans; et 4) cesser de consid6rer les paysans comme des acteurs passifs parts
k accepter tout ce que les experts auront jug6s bons pour eux.

Pour r6pondre I cette nouvelle conception, il 6tait n6cessaire de developper une nouvelle m6thodologie
pour trouver des technologies appropri6es I chacun des environnements oh travaillent ces nombreux paysans.
Cette methodologie doit non seulement atteindre la grande majority des paysans travaillant dans des milieux
divers, dans des situations souvent p6nibles, et d6pourvus de resources n6cessaires pour dominer leur
environnement mais elle doit 6galement permettre:

S 'acc616ration du d6veloppement de la technologies, de son evaluation, de ses processes de mise
en oeuvre et d'adoption, et

l'utilisationjudicieuse des maigres resources (humaines, matrielles, et financibres) des
services nationaux de recherche agricole et de vulgarisation des pays en voie de
d6veloppement.


Pour accomplir cette tiche, la m6thodologie n6cessite une approche pluridisciplinaire int6grant les
paysans, les chercheurs, et le personnel de vulgarisation.

Au niveau international, pendant les 20 dernieres ann6es, cette recherche en milieu rural pour un grand
nombre de paysans a 6t6 ddnomm6 Recherche et D6veloppement des Systbmes d'Exploitation Agricoles (FSRE,
le sigle en Anglais). Au sens large, FSRE implique:

une determination rapid des problbmes des champs par des 6quipes multidisciplinaires qui
apportent les bases n6cessaires pour

\


Stroup, Hildebrand, and Francis Page 1


Stance Planification, RSP, 1"22









- une recherche descriptive et adaptable en milieu paysan qui est supported par


une recherche socio-6conomique sur le terrain et dans la communaut6 rurale, et

une dissemination et diffusion simultan6e des r6sultats.

En incluant les paysan dbs le depart du d6veloppement de la technologies de la determination des
problbmes i l'adaptation et i I'evaluation la mnthodologie de FSRE minimise k la fois l'occurrence des essais
qui s'adaptent mal en milieu reel (Figure 1), et la probability de rejeter, aprbs essai en station, des technologies
qui auraient pu avoir un bon rendement en milieu paysan mais qui n'ont jamais ete testees sur le terrain (Figure
2).

Avec le temps, la m6thode a 6t1 am6liore et FSRE n'est plus seulement limitle aux petites
exploitations. En fait, 1'efficacitd de l'utilisationjudicieuse s'est accrue quand les paysans d'horizon divers ont
Wte incorpords. Dans ce chapitre, les m6thodes d'incorporation d'un grand nombre de paysans i resources
limit6es dans la recherche en milieu r6el sont examinees. Plus loin dans ce chapitre, nous discuterons le cas des
grandes exploitations i caractre commercial.


CONCEPTS ET METHODS


Diagnostic

En se servant des m6thodes du FSRE, les problbmes des paysans sont identifies par des procedures de
reconnaissance rapide (Chambers, 1981) ou par la procedure sondeos (Hildebrand, 1981). Ces procedures
considbrent les paysans comme des participants actifs des 6quipes multidisciplinaires de recherche et de
vulgarisation. Ces m6thodes sont souples. Elles peuvent oui ou non utiliser des questionnaires pendant
l'enquate. Les problemes rencontres sont bien documents et mis en priority dans un programme de recherche
par diff6rentes m6thodes y compris celles proposes par Tripp et Woolley (1983) des centres CIMMYT et
CIAT.


Domaines de recherche

Une prc6dente demarche qui visit les groups de champs homogenes (Hildebrand, 1981; Norman,
1980) a W6t modifide pour associer l'id6e de domaine de recherche (Wotoweic, et al. 1988). Cette notion
reconnaissant le fait que les champs aussi bien que les paysans sont tres diff6rents entire eux, vise cette diversity.
Trbs souvent, les domaines de recherche sont choisis selon des parambtres biophysiques; mais il arrive des fois
oi les choix sont politiques. Iddalement, les domaines de recherche contiennent une grande varidtd
d'environnements qui sont pris en compete le plus t6t possible dans le processus de selection des technologies.
L'environnement dans ce context peut ktre associ6s aux champs, aux parcelles et aux portions de parcelles.
L'utilisation des considerations socio-6conomiques dans le choix des environnements (dans le cadre du domaine
de recherche) augment l'efficacit6 du d6veloppement et de 1'6valuation de la technologies.

Pour comprendre un domaine de recherche, il faut compare par example l'environnement des champs
de production de tabac en Floride du Nord par les paysans depourvus de resource (Photo 1) avec
l'environnement de production de tabac k grande 6chelle dans la mnme zone mais o& de grande resources sont
utilis6es pour maitriser l'environnement (Photo 2) on avec I'environnement de la culture de tabac dans une
station de recherche, dans la m6me locality mais en milieu contr616 oh la plante b6n6ficie de tous les 61ements
nutritifs n6cessaire i sa croissance, (Photo 3).


Stroup, Hildebrand, and Francis Page 2


Stance Planification, RSP, M99









Tous ces eavironnements peuvent etre consid6rds come faisant parties du meme domaine de recherche
et peuvent ktre simultandment int6gr6 dans le d6veloppement d'une technologies de production, d'6valuation, et
de diffusion de la culture du tabac au Nord de la Floride. Dans les domaines de recherche, la recherche sur le
terrain est de nature exploratoire pour r6pondre aux QUOI et OU, mais pas au pourquoi et quand. Des
environnements aussi diversifies que ceux du Nord de la Floride augmentent la nature exploratoire de 1'aspect
domaine de recherche des recherche sur-le-terrain.


Domaines de recommendation

Dans un domaine de recherche, une 6quipe int6gr6 et multidisciplinaire de recherche et vulgarisation
conduit des investigations aussi bien sur le milieu physique et natural que sur I'aspect socio-6conomique. Les
r6sultats de cette investigation sont analysis pour 1) caract6riser l'environnement de chaque location sur le plan
physique et biologique, 2) d6finir les criteres d'6valuation des paysans en function de la technologies i
d6velopper, et 3) d6finir de domaines de recommendations. Un domaine de recommendation est une
combinaison unique des caract6ristiques de l'environnement et des critres d'6valuation.

Les domaines de recommendation sont done, un ou plusieurs sous-ensembles du domaine de recherche
qui tend vers 1) une homog6n6itd de 1'environnement natural ou cr6e par le paysan et 2) une homogdn6it6
des critbres d'6valuation des paysans pour la technologies & d6velopper. Ces domaines de recommendation
different 6galement des premiers courants de pens6es qui recommandaient les domaines en function de tous les
champs (Byerlee, et al. 1982), ou des cultures et systhmes d'exploitation (Hildebrand, 1981) en se referant
logiquement I des parcelles ou champs individuals, ou m8me i des sites different dans le m8me champ. Le
principle le plus important est de consid6rer le domaine de recommendation comme des environnements don't les
caract6ristiques physiques, biologiques, et socio-6conomiques, peuvent 6tre identifies.

Le type de recherche-sur-le-terrain pour les domaines de recommendations est la validation. Cela pour
confirmer les r6ponses concernant 1) comment chaque alternative (traitement) vat-elle r6pondre, et 2) oh cette
alternative est-elle appropriate. La validation peut aussi servir I affiner la caract6risation des domaines de
recommendation et des critbres d'6valuation du paysan. A cet stade, le nombre des traitements des essais sur-
le-terrain est limits. Les agents du service de vulgarisation peuvent jouer un r61e tres important en 61argissant
le champ d'action et en acc616rant la dissemination de la technologies.


Domaines de diffusion

Les domaines de diffusion sont des r6seaux informels de communication de personne-k-personne i
travers lesquels la nouvelle connaissance acquise va circuler. La connaissance de ces rdseaux est tres important
pour aider les agents de la recherche et de la vulgarisation i localiser les essais de demonstration en milieu
paysan de faron & toucher le r6seau.

Le d6fis du diagnostic et de l'identification de ces nombreux domaines est rendu compliqu6 par la
manibre don't l'information obtenue de essais sur-le-terrain est collect6e, analyse, et 6valuee. Nous devons
clairement d6finir les limits et les zones d'application des rdsultats de la recherche, le d6grde d'extrapolation
des recommendations, et la cible appropriate de ces technologies. Pour tre credible vis i vis des paysans et
aussi au point de vue statistique, les resultats des recherche sur-le-terrain doivent etre analyses et values selon
des m6thodes valides de statistique.


Stroup, Hildebrand, and Francis Page 3


Stance Planification, RSP, l"22











COMPARISON DES METHODS D'ANALYSES STATISTIQUES
ENUMERATIVES ET ANALYTIQUES

Pendant ces dernires dcennies, des m6thodes de dispositif experimental et d'analyse statistique des
essais ont ete d6velopp6es et utilis6es effectivement dans la recherche agricole. Beaucoup de ces methods sont
tellement courantes qu'il est facile de perdre de vue le fait qu'elles sont seulement des applications specifiques
de theories statistiques i des conditions spdcifiques d'exprimentation notamment, cells qui sont utilisees
dans les stations d'exp6rimntation agricole.

Les exigences des essais sur-le-terrain sont-elles les memes que cells des essais en station? I n'y a
pas de raison i ce qu'on s'attende qu'elles soient identiques. En reality, les essais qui sont effectues en station
et ceux qui sont effectu6s sur-le-terrain different an deux points fondamentaux. Le premier est que les objectifs
sont typiquement diff6rents. Le second point est que la variability des doonees dans un essai en milieu paysan
est plus complex et demand une d6marche plus sophistiqude que celle des essais mends en station.

En quoi les objectifs des essais en milieu paysan diffbrent-ils de ceux des essais en station? Comment
cela affecte-t-il alors le choix des m6thodes d'analyses statistiques appropri6es? Bien que cela ne soit
probablement pas evident aux yeux des chercheurs en agriculture, les essais sur-le-terrain ont beaucoup de
similarit6s sur le plan statistique, avec les experiences d'am6ioration de la quality dans les usines de fabrication.
Deming (1953, 1975), le statisticien don't les contributions k l'industriejaponaise sont e1gendaires, distingue
deux d6marches en analyse statistique: enum6rative et analytique. Selon Deming (1975):

Enumdrative. "L'action k entreprendre sur la monture depend purement des estimations ou des
comptages complete d'une ou de plusieurs populations specifiques de la monture. Le but de l'etude statistique
dans le cas d'un problme 6numeratif est descriptif." Pratiquement, toutes les methodes classiques de statistique
- test de Student, test de Fisher, analyse de variance (ANOVA, le sigle en Anglais), intervalle de confiance -
sont enumeratives de nature.

Analytique. "Dans laquelle une action sera menee sur le procd qui produit la monture etudide, le
but 6tant d'ameliorer la pratique dans le future. Seules les procedures statistiques qui impliquent la prediction (et
non pas l'estimation) ou le test d'hypothese sont analytiques de nature.

Autrement dit, d'apres Deming (1975), "dans un problbme enumeratif, 100% des echantillons donne la
r6ponse complete du problme pos6 ... Par centre, 100% des 6chantillons d'un group de patients, ou d'une
parcelle de terre, ou des products de la semaine dermire (industrielle ou agricole) est insuffisante pour tirer ume
conclusion dans un problme analytique. Ce point, bien que fundamental dans les donn6es statistiques utilis6es
en business, a 6chapp6 i beaucoup d'auteurs".

En clair, la plupart des essais ont des objectifs plut6t analytiques que Enum6ratifs. L'application
litt6rale des m6thodes de statistiques enumerative, don't la majority constitute presqu'une tradition en recherche
agricole, n'est done pas appropriee dans la plupart des essais sur-le-terrain. Par example, I'ANOVA peut 8tre
utile dans l'interpretation des donnees des essais sur-le-terrain. Cependant, I'ANOVA met I'accent sur les
hypotheses du test et sur les niveaux de significance. Ceux-ci, bien que important dans les etudes enumEratives,
sont hors propos dans les etudes analytiques oh l'accent est mis sur la prediction et les actes.

Les procedures ad hoc de statistique sont courantes dans les etudes analytiques. Bien que beaucoup de
ces procedures peuvent 8tre validement critiquees avec les arguments de la methode enumkrative, ces critiques
sont trbs souvent hors de propos. Les etudes analytiques sont genEralement conduites avec trbs peu de
connaissance prEalable et trbs peu de contr6le sur les conditions du milieu. Le choix se fait frquemment entire
pas d'information et information plus ou mois imparfaite mais utile. Les conditions optimales des procedures


Stroup, Hildebrand, and Francis Page 4


seance Pianirication, RsP, jL"2









de la statistique enumerative ne sont simplement pas une option. Typiquement, les etudes analytiques sacrifient
le contr6le de la variability k la faveur d'un domain de recherche trs Elargi mais ceci ne les read pas pour

autant incorrect on insends. Cela signifie simplement que le chercheur doit comprendre lee demarcations
differences ) et choisir les methods d'analyse statistique en consequence.

La complexity de la variabilitE des essais sur-le-terrain trouble trs souvent ceux qui sont habitues aux
m6thodes traditionnelles d'analyse statistique utilisdes dans la recherche agricole. Dans le jargon de la
statistique, ces methodes sont des examples des carriess moyens ordinaires". Leur vertu principle reside dans
leur facility relative d'ex6cution sans l'aide d'un ordinateur, ce qui etait une consideration majeure dans les
annees 1920 et 1930 lorsqu'elles avaient e6t d6velopp6es. Leurs inconv6nients majeurs sont leur structure rigide
et 6troite, avec parfois des suppositions peu ralistes imposees aux donnees pour pouvoir e1gitimer
l'interpr6tation. Parce que les essais sur-le-terrain remplissent rarement lee conditions imposes par ces
suppositions, beaucoup ont conclu k tort qu'ils sont en quelque sorte "statistiquement inad6quats'. En
v6rite, les m6thodes traditionnelles ne peuvent simplement pas accommoder la complexity des essais sur-le-
terrain.

La theorie de carss moyen ordinaires" a ete depuis longtemps supplant6e par des methods plus
couples. Des methodes de modNes lineaires mixtes (ou "la m6thode des modbles mixtes" comme decrite dans
ce texte) sont d'un intr&t particulier pour les recherches sur-l-terrain. La vertu des methodes du module mixte
est leur flexibilitY. Leur inconvenient reside dans le fait qu'elles n6cessitent l'utilisation d'un ordinateur. Ainsi,
bien que la theorie des modules mixtes existe depuis prbs d'un demi-sibcle, son utilisation n'est devenue pratique
que dans les ann6es 70 dans les pays developp6s et dans les annees 80 dans la plupart des pays en voice de
d6veloppement. Jusque 1k, les methods traditionnelles sont tellement bien encrEes dans les course de statistique,
dans les stations de recherche, et dans les journaux de recherche agricole qu'un changement de mentalitE a du
wtre ncessaire, ou plus correctement, est encore ncessaire.

R6cemment, il y a eu beaucoup d'int6rts dans les applications de la thdorie du module mixte en
agriculture. Henderson (1975) a d6velopp6 les meilleurs indices lineaires sans biais (BLUP, le single en Anglais)
comme une alternative pour estimer plus de parametres du type enumratif. Percue au debut comme une
procedure ad hoc, Harville (1976) a d6velopp6 les bases theoriques du BLUP. Une publication r6gionale du
group de recherche et d'echange d'information en statistique (Southern Regional Bulletin, 1989) contenait
plusieurs examples d'application des modules mixtes en agriculture. Cette publication contenait aussi des
articles 6crits par McLean (1989) et Stroup (1989a) d6crivant la theorie et les m6thodes de module mixte.

Dans la section suivante, des modules lineaires mixtes indiqu6s pour les essais sur-le-terrain seront
analyses. Ces modules ressemblent en gros aux modules qui sont utilises dans l'evaluation des donn6es des
recherches effectudes en station. Le but de cette section est de montrer comment utiliser les modules mixtes
pour distinguer entire les diverse suppositions qui peuvent etre faites & propos des modules, leurs effects sur
I'analyse qui en rEsulte, et leurs implications pour les chercheurs. L'objectif au sens large est de donner au
chercheur des perspectives statistiques suffisantes pour choisir des dispositifs expErimentaux et des methodes
d'analyse appropriate aux essais en milieu paysan.


L'Essai "typique" sur-le-terrain

Bien que les essais sur-le-terrain sont conduits de plusieurs fagons, la plupart reposent sur une structure
616mentaire commune. Ce qui suit est une description generique des elements essentials:

Supposons qu'un nombre de traitements V sont I evaluer. Chaque traitement est observe dans F
diffErents champs oi les caracteristiques (sp6cifiques) biophysiques et socio-economiques de la location exact
du champ seront determinEes. A chaque location du champ, chacun des traitements est "rdp6t6" R fois. Le
term 'r6p6t6e est mis ici entire guillemets parce que, bien que cela deviendra evident dans la discussion, des


Stroup, Hildebrand, and Francis Page 5


Stance Planification, RSP, M29









observations multiples mur les traitements i l'intdrieur d'une location de champ donnm peuvet ne pas 8tre de
vraies repetitions. Remarquez que le term "champ" designE par la lettre "F" dans la suite du texte est
generique. Ce term doit tre plus sp6cifiquement interpreted come "environnement". Dans des essais donn6s,
"parcelle", "champ", "village", etc peuvent designer la mgme chose.
Sch6matiquement, cet essai peut &tre represent comme indique & la figure 1. Comme point de depart
de l'analyse de cet essai, le module (equation) math6matique suivant peut tre utilis6:


Yak = + f + r(f), + Vk + vfi + ek


est l'observation j sur le champ i du traitement k,
est la moyenne gen6rale,
est l'effet du champ i,
est I'effet de la r6p6titionj dans le champ i,
est l'effet du traitement k,
est l'interaction entire le champ i et le traitement k,
est la variation r6siduelle,


avec i = 1, 2, 3,..; j = 1, 2, 3,..; k = 1, 2, 3,.. etc.


L'ANOVA de ce module a la forme generale suivante:


SOURCE DE VARIATION

CHAMP
REP(CHAMP)
TRAITEMENT
CHAMP X TRAITEMENT
RESIDUELLE


F
R(F)


VXF
resid


TOTAL


De6rEe de liberty

F-l
F(R- 1)
V-l
(F 1)(V 1)
F(R- 1)(V- 1)


FRV-1


Cette ANOVA a plusieurs interpretations possibles selon les objectifs specifiques d'un essai donn6 et
selon les modules qui en rdsultent. Pour faire une utilisation adequate du tableau de I'ANOVA, le chercheur
doit 8tre clair sur les objectifs de l'essai et sur la nature des effects en observation. Quelques terms utiles sont
ici d6finis.

Population de reference: L'ensemble des 61lmets (e.g. champs) auxquels les resultats de l'etude sont
appliques. Ceci est similaire au concept de domaine de recherche.

Espace de projection: Les applications du r6sultat des essais sur-le-terrain prennent souvet la forme
de recommendation. Les recommendations sont basees ur les comportements projetes des traitements, soit
pour la population entire, soit pour diverse sous-populations. L'ensemble des 616ments (e.g. champs,
environnements) auxquels une prediction est suppose tre applicable est appel6 l'espace de projection. Ceci est
similaire au concept de domaine de recommendation.

Effets aleatoires et effects fixes: Les effects de l'etude traitemeats, champs, "reptitions" peuvent
etre consid6r6s fixes ou al6atoires en function (1) du mode de leur choix et (2) de l'espace de projection
appropri6 aux objectifs de l'etude. Un effet est consid6r6 fixe si les niveaux d'un facteur particulier sont choisis
delib6r6ment avant l'etude. Dans ce cas, les memes niveaux seraient encore utilieds toutes les fois que l'etude
doit tre r6p6t6e avec les m&mes conditions prealables. La projection est alors limit6e seulement aux niveaux
qui sont repr6sentEs dans l'etude. Typiquement, des traitements tels que la methode de labour ou la dose


Stroup, Hildebrand, and Francis Page 6


Ott Yok




vfnl
e.


Stance Planification, RSP, 1"22









d'engrais dans une variety d'essai seraient consid6rds comme des effects fixes. Un effet est dit aleatoire quand
les niveaux observes dans l'6tude ont 6t1 choisis par un 6chantillonnage al6atoire d'une large population des
niveaux identiques dans une rp6tition de l'6tude seraient tros improbable. La prediction de ce cas est projet6e
pour 8tre applique I la population de base d'oh les niveaux observes dans l'6tude ont 6t 6chantillonn6s. Le
plus patent example de l'effet al6atoire serait l'effet de la "rp6tition" ou de la variation rAsiduelle. Beaucoup
d'effets ne sont pas de fagon precise, fixe on al6atoire e.g. des effects de la location du champ ou de
l'environnement. Le fait qu'un effet soit fixe ou al6atoire a une implication majeure sur I'analyse comme nous
allons le d6montrer ci-dessous.

La plupart des lives de statistique e.g. Steel et Torrie (1980) ou Snedecor et Cochran (1980)
contiennent des explications d6tailles sur les effects fixes et al6atoires. De nombreux autres lives sur le
dispositif experimental on sur la planification des exp6rimentations analysent la population de reference e.g. Cox
(1958) ou Mead (1988). Le lecteur doit consulter ces livres pour plus de details.


L'Impact des effects fixes ou aldatoires sur 'analyse de variance

Dans l'analyse de variance des essais sur-le-terrain donn6s ci-haut, il est plus ou moins clair que les
"traitements" sont fixes et que les "r6p6titions' sont al6atoires. Cependant, les champs ne sont pas facilement
classes dans l'une ou l'autre de ces categories. Diff6rents champs ont bien pu etre s6lectionn6s
intentionnellement ou en function de certain critares: taille, revenue, niveau technique, type de sol,
caract6ristiques climatiques, etc. Les champs peuvent 6galement avoir 6t1 choisis de facon al6atoire dans une
population de base donn6e. En rdalit6, ces cas sont des examples extremes. Les champs sont gen6ralement
choisis selon une combinaison tactique des facteurs fixes et aldatoires. Ceci 6tant, un ensemble de conditions
d6finies doit Stre repr6sentd, mais une sorte d'6chantillonnage al6atoire est effectu6 & l'intrieur de chaque
condition. Cela conduit essentiellement i un 6chantillonnage al6atoire stratifi6.

II en r6sulte que les champs ne sont pas facilement classes comme fixe ou aleatoire. Habituellement,
I'analyse correctt" des essais sur-le-champ implique quelque compromise entire I'analyse oi les effects du champ
sont supposes fixes et celle oi les effects du champ sont supposes al6atoires. Avant d'examiner ce compromise" ,
il est instructif de voir les analyses approprides aux cas oi les champs sont strictement supposes fixes et ceux oh
ils sont strictement supposes aleatoires.

Si les champs sont supposes fixes, les seules composantes al6atoires du module sont done r(j) et e0.
D1signons la variance de r(f), par o2 et la variance de eo par a2. Les valeurs pr6visionnelles des cars
moyens de I'ANOVA sont done comme suit:


SOURCE DE VARIATION CARRE MOYEN PREVISIONNEL

F o' + FVfcr + RV4c
R(F) o2 + FVf2
V o2 + FR4,
VxF o2 + R4,
r6siduelle o2

oh 4,, 4,, et 4$ designent respectivement les variations imputables aux effects fixes f, v, et vfi


Stroup, Hildebrand, and Francis Page 7


I


Stance Planification, RSP, IM9









Si les champs sont suppos6s aleatoires, les composantes f et vfk du module sont aussi aldatoires. Si on
d6signe leur variance respective par ,2 et af,, les carries moyens prvisionnels seront alors:



SOURCE DE VARIATION CARRE MOYEN PREVISIONNEL

F U + Rf2 + Vq2 + RVof
R(F) 2 + VOf
V e2 + Ruff + FR,
VxF o2 + R3 2
residuelle 2


Ces deux tableaux de ANOVA impliquent des d6marches diff6rentes pour tirer les conclusions. Ouand
les champs sont suppos6s fixes, la premiere preoccupation de 'exp6rimentateur est de voir I'interaction entire le
champ et le traitement (V x F). L'importance de cette interaction est d6termin6e par le F-ratio MS(V x
F)/MS(residuelle). Si le F-ratio indique qu'il y a une interaction, les efforts sont alors concentr6s sur la
comparison de la nature de cette interaction. M6me si le F-ratio s'avbre n6gligeable, 'exp6rimentateur aura &
separer MS(V x F) en ses composantes utiles, en utilisant par example des contrastes, puisque des interactions
importantes sont trbs souvent masques par un d6gree de liberty 61ev6 de V x F (voir Snedecor et Cochran
[1980], pp. 304-307).

Ouand les champs sont suppose aleatoires, le test de l'interaction entire le champ et le traitement qui
utilise le meme F-ratio que ci-dessus a une interpretation trbs diffrente. Cela signifie pr6cis6ment que les
differences entire les traitements varient de fagon al6atoire selon le champ. Ce qui est different du cas de l'effet
des facteurs fixes, dans lequel l'interaction implique que les differences relatives entire les traitements sont
influencees par les caract6ristiques tangibles, identifiable, et reproductibles du champs (c-&-d les
caract6ristiques dictent le choix des champs en premier lieu). En fait, le test de l'interaction est
particulibrement int6ressant si les champs sont al6atoires: Si au, est inf6rieur k z6ro, la supposition de champ
al6atoire est alors probablement imparfaite. L'effet principal du traitement est alors d'interet. Cela est evalu6
en utilisant le F-ratio MS(V)/MS(V x F). Son but est de verifier que les differences entire les moyennes des
traitements sont suffisamment large et consistantes pour tre ddtectees dans la population projetde, en plus du
fait qu'il existe des differences al6atoires entire les interactions Traitement X Champ.

Pour resumer, si les champs sont supposes fixes, le F-ratio de premiere importance est celui de l'interaction V x
F, qui 6quivaut k MS(V x F)/MS(r6siduelle). Si l'interaction V x F est n6gligeable, alors l'effet principal de V
est d6termind par MS(V)/MS(r6siduelle). Si les champs sont dits al6atoires, les valeurs intrinsbques du test V x
F sont moindres (sauf pour verifier la validity des hypotheses). L'effet principal de V, qui dans ce cas est le F-
ratio MS(V)/MS(V x F) est de premiere importance.

Habituellement, les essais sur-le-terrain sont rarement totalement fixes ou totalement al6atoires. Les
ANOVA sont done des exercices academiques utiles pour illustrer les issues don't les chercheurs qui menent des
investigations sur les systtmes de productions agricoles ont besoin de comprendre. Aucune des deux ANOVA
ci-dessus ne peut cependant etre d'une utility pratique i moins qu'elle soit modifiee.


Separation des composantes de I'interaction champ x traitement

Dans la plupart des essais sur-le-terrain, la population d'inference comprend une s6rie de "types
d'environnements" que l'exp6rimentateur cherche i representer. Dans le cas extreme des effects fixes, le
nombre de type sera F. Ainsi, seul un environnement par type serait observe. Dans le cas extreme des effects
al6atoires, il y aurait certainement un type d'environnement (ou bien trbs peu de choses seraient connues sur les


Stroup, Hildebrand, and Francis Page 8


Stance Flanification, RSP, M99









environnements que la differentiation en types ne pourrait pas 8tre faite avant de conduire l'essai) et F
environnements 6chantillonn6s rejetteraient l'un ou l'autre des extremes. Un dispositif raliste erait
d'6chantillonner de fagon al6atoire un certain nombre d'environnement dans chacun des nombreux types
(d'environnement) dans la population.


Si les types de "champ" sont trbs bien d6finis, l'6quation (1) peut 8tre modified come suit:


Yk = + t% + f(t)O + r(tf), + vI + vtn + vf(t) + eU


o0 t4 est 1'effet du type de champ,
f(t)j est l'effet du champ entire type,
vt, est l'interaction type de champ X traitement,

et les autres terms suivent par extension ceux de l'dquation (1).

Dans 1'6quation (2), type et traitement seraient consid6r6s come fixes, champ et rdp6tition seraient
al6atoires, et I'analyse serait effectu&e selon I'ANOVA suivant:


SOURCE DE
VARIATION


T-1
T(F-1)
TF(R-1)
V-1
(T-1)(V-1)
T(V-1)(F-1)
TF(R-1XV-1)


CARRE MOYEN PREVISIONNEL

o2 + Vurf2 + Vff2 + RVff2 + FRVW,
o2 + Rou2 + VQr2 + RVoa2
o2 + Vo2
o2 + Ro,2 + TFR-,
o2 + Rr,2 + FR,
o2 + Ra2


L'interaction type X traitement (V x T) serait initialement de premiere importance. Son F-ratio est
MS(V x T)/MS(V x F[t]).

Comme auparavant, s6parer MS(V x T) en des contrastes utiles seraient vivement recommand6. Par
example, supposons que les types de champ sont:

1. pluviom6trie 6lev6e, m6canisation
2. pluviom6trie 1lev6e, pas de m6canisation
3. faible pluviom6trie, m6canisation
4. faible pluviom6trie, pas de m6canisation

et que les traitements sont:


vari6td standard, pas d'engrais
vari&dt standard, avec engrais
vari6t6 r6sistante, pas d'engrais
variet6 r6sistante, avec engrais


L'effet de type peut ktre d6compose en effects principaux de pluviomtrie, de m6canisation, et
interaction Pluviom6trie X Mdcanisation. L'effet du traitement peut 6galement tre d6compos6 en effects


Stroup, Hildebrand, and Francis Page 9


FO
F(T)
R(TF)
V
VxT
Vx F(T)
r6siduel


Sdance Planification, RSP, 1992









principaux d'engrais et vari6t6, et en interaction Engrais X Vari6td. L'interaction entre chacun des trois types
d'effets d'un c6t6 avec l'un quelconque des trois types de l'autre c6te pourrait donc 8tre dvalu6e. Par example,
une interaction Pluviometrie X Vari6te pourrait 8tre evalu6 pour voir si la variety r6sistante est avantageuse
aussi bien n faible que en haute pluviom6trie. Dans le cas inhabituel oi l'interaction Type X Traitement est
n6gligeable, I'effet principal du traitement pourrait 8tre test en utilisant MS(V)/MS(V x F[T]).

Les performances projet6es des traitements pour des types particuliers de champs peuvent etre obtenues
en utilisant les intervalles de confiance des moyennes des interactions traitement X Type de champ. 1 faudrait
prendre soin d'utiliser les terms de l'erreur appropriate pour les calculs. Beaucoup de programmes statistiques
ne peuvent pas traiter les modules lineaires mixtes comme par example le module (2), sans une transformation
particulibre. Pour une discussion complete sur le sujet, voir McLean (1989) et Stroup (1989a). Les
performances projetees d'un champ specifique i l'int6rieur d'un type de champ donn6 pour un traitement
particulier, peuvent 8tre obtenues en calculant les meilleurs indices lindaires non biais6s d'estimation
(Henderson, 1975). Ces estimations ne sont pas les m8mes que les moyennes habituelles des 6chantillons. Voir
6galement McLean (1989) et Stroup, 1989a et 1989b) pour une discussion approfondie.


Analyse de stability

Un cas special de l'analyse ci-dessus se produit quand "des types d'environnements" et leurs
interactions potentielles avec les traitements ne sont pas bien comprises avant de conduire l'essai sur-le-terrain.
Dans ce cas, le chercheur essaie de representer un spectre aussi large que possible des types I 1'interieur de la
population d'inf6rence, mais une separation "propre" de la variability parmi les environnements en type et
environnement par type peut ne pas 8tre possible. Un des objectifs de l'dtude pourrait bien str etre de fournir
des informations concernant les environnements qui favorisent on d6favorisent certain traitements et les traits
communes de ces environnements. Des forces varies de "I'analyse de stability" sont des examples important
de cette m6thode.

Des articles excellent sur l'analyse de stability sont disponibles [voir Freeman (1973), Hill (1975),
Westcott (1985)]. Hildebrand (1984) a adapt la methode aux essais sur-le-terrain. Son utilisation est
d6montrde dans la section suivante. Cette discussion se contentera d'indiquer sa relation avec le module (2) ci-
dessus. Dans l'analyse de stability modified (MSA, le sigle en Anglais) de Hildebrand, un index (El) est d6fini
pour chaque environnement comme la r6ponse moyenne sur tous les environnements de la location de ce champ.
Une regression lin6aire sur tous les index est obtenue pour chaque traitement et est utilis6e comme la base pour
determiner le "domaine de recommendation", une notion qui est similaire (mais pas identique) au concept du
module mixte des spaces de projection. En terme de ANOVA, cela peut &tre exprime en modifiant 1'equation
(2):

Y, = p + f + r(f), + Vk + (EIi)+ vf + e, (3)

oi EIk est l'indice de l'environnement i, et
Bk est le coefficient de la regression lindaire pour le traitement k

avec i = 1, 2, ...;j = 1, 2, ...; k = 1, 2, ... etc.

Au fond, El dans le module (3) replace Type dans le module (2). De mame, fj dans le module (3) est
equivalent i t, + f(t), dans le module (2); vf du module (3) est equivalent I vf(t)i du modble (2). Puisque
l'environnement (repr6sent6 par "F') a un effet aldatoire sauf pour EI, 1'ANOVA est comme suit:


Stroup, Hildebrand, and Francis Page 10


Miance Planification, RSP, IM9









SOURCE DE VARIATION I CARE MOYEN PREVISIONNEL

F F-I o2 + RpV2 + Vof + RVof2
R(F) F(R-1) U2 + Vor
V V-1 a2 + R2 + FRM,
V x E V-1 o2 + Rff2 + FRi'
VxF (V-1XF-2) o2 + Ro
r6siduelle F(V-1)(R-1) o2


L'6galit6 du Bk peut 8tre test6e en utilisant MS(V x EI)/MS(V x F). Un F-ratio significatif impliquerait
que les traitements rEpondent de facon in6gale I El (et done & tout type d'environnement que implique EI).
Ceci en retour donnerait une justification formelle pour projeter que diff6rents traitemets sont optimaux pour
des "domaines de recommendation" varies.

I1 n'y a pas de raison que l'utilisation des indices environnementaux soit limits k la regression lineaire.
Par example, le module (3) peut tre facilement transform en


Y,= -p + f + r(f), + Vk + Bk(EI)+ Bk(Ei)2 + vf + eg (4)

oil BI est le coefficient de la regression lineaire pour le traitement k,
et 8, le coefficient de la regression de second ordre du traitement k

avec i = 1, 2, ...;j = 1, 2, ...; k = 1, 2, ... etc.


L'ANOVA du module (4) est presque identique I celui du module (3) a part une ligne suppl6mentaire
pour V x E2 (ou V x El x El) avec V-1 d6grde de liberty qui apparait imm6diatement aprs V x EI. Le term
restant V x F aura done un d6gr6e de liberty equivalentt k (V-1)(F-3).

Le F-ratio MS(V x EP)/MS(V x F) test l'6galit6 de la regression du second ordre sur El pour des
traitements varies. Cela peut 6tre illustr6 graphiquement comme i la figure 4. Remarquez que la regression de
second ordre est bien diffErente pour les traitements malgr6 la similaritE de leur composante linEaire. Beaucoup
d'auteurs ont montr6 que seules des rEgressions de premier ordre doivent 6tre faites sur El examplee Westcott
(1985)]. Cependant, le module (4) demontre clairement que cette restriction n'est pas nEcessaire. Bien au
contraire, le module (4) peut 8tre 6tendu I des forces de regression plus complexes sur EI.

S'il y a seulement une "r6p6tition" par champ (une discussion des avantages et inconv6nients sera
prEsent6 ci-dessous), le terme R(F) et la valeur rEsiduelle de l'ANOVA n'ont pas de d6grEe de liberty et le
rEsultat est simplifiE comme suit:

SOURCE DE VARIATION 1 CARRE MOYEN PREVISIONNEL

F F-1 o2 + RVo2
V V-1 o2 + F,
V x E V-1 r,2 + F4i
V x EI V-1 f2 + Fp42
Vx F (V-1)(F-3) f.2


Avec V x F comme le nouveau terme de la valeur rEsiduelle.
Remarquez que cela n'a aucun impact sur le F-ratio utilis6.


Stroup, Hildebrand, and Francis Page 11


Sdance Planification, RSP, 1992









L'utilisation de El dans l'analyse de la stability a 6t longtemps critique parce que la variable
ind6pendante El est en fait une function de la variable dependante. Westcott (1985) a appel6 i une utilisation
plus grande des "variables environnementales" indpendantes. II a aussi mention que les "les measures
environnementales sont rares et done trbs souvent pas disponibles". A part les objections theoriques, la
recherche en milieu paysan a souvent deux alternatives seulement: utiliser El ou bien tre incapable de fire des
recommendations utiles dans un d61ai raisonnable. Et puis, comme ont indiqu6 McCullagh et Nedler (1989),
"une premiere, bien qu'au premier coup d'oeil, n'est pas une theorie trbs utile, est que tous les modules sont
faux; cependant, certain sont d'une utility plus grande que les autres, et nous devons chercher ceux-li". Les
critiques portent trbs souvent sur les faiblesses de la propri6te des m6thodes formelles d'analyse statistique qui
utilisent EI. Des insuffisances existent bien 6videmment; mais le fait est que trbs souvent, le chercheur n'a que
El comme le seul e16ment objectif pouvant le guider dans le choix de la quality de 'environnement. Ces
critiques seraient bien des problemes srieux si les objectifs 6taient de fire des projections statistiques formelles
et d6finitives. Ce qui n'est pas le cas. La plus important utilisation de ce genre d'analyse est d'obtenir des
donndes pr6liminaires sur la r6gularit6 de la performance du traitement comme quels champs, quelles
parcelles ou group de parcelles semblent causer des problbmes; quelles recommendations peuvent 6tre
raisonnables; etc. Ce genre d'analyse est toujours un point de depart et non une fin en elle-msme.

Une fois qu'on a trouve une interaction significative entire El et un traitement donn6 (El X Traitement)
dans les modules (3) ou (4), il y a encore beaucoup d'efforts et d'attention i fire (qui implique dans une large
measure des questions non statistiques du genre pourquoi certain El sont faibles et d'autres sont 61ev6s) avant
d'associer El i des futurs environnements ou des "domaines de recommendation" previsibles et fire des
recommendations acceptable. La prediction de la performance des champs studies dans l'essai peut &tre faite
en utilisant la bien connue meilleure m6thode non biais6 de prediction lineaire. Les El n'ont pas de sens
intrinsbque, done les predictions pour les parcelles ou pour les champs qui ne sont pas inclus dans l'essai sont
aussi valables que la capacity du chercheur a predire quels champs (ou parcelles) pourront 6tre inclus dans le
domaine de recommendation. L'essai sur-le-terrain ne pourra pas de lui-meme gni6rer des donn6es ad6quates
pour cela.


Une note important sur la planification des essais sur-le-terrain

Remarquez que aucun des terms MS[R(FT)] ou MS(rdsiduelle) n'a ete utilis6 dans l'analyse de
l'habituel essai sur-le-terrain c-k-d celui dcrit par des variations quelconque du module (2). Le terme appropri6
du d6nominateur pour tous les tests d'int6ret est MS[V x F(T)]. Pourquoi cela est-il important? MS[R(FT)] et
MS[residuelle] exige tous les deux que R, le nombre de "r6pdtitions" par champ, soit au moins 6gal i deux.
Cependant, aucun de ces terms n'a de r61e dans l'analyse des essais habituels sur-le-terrain. Qu'est-ce qui va
se passer si on a seulement une repetition par champ? On ne pourrait pas calculer MS[R(FT)] ni
MS[r6siduelle]. Mais parce que aucun des deux ne joue de r61e dans l'analyse, il n'y a pas de d6savantage
majeur.

B EST important d'avoir autant de champs que possible par type. Cela maximise le d6grde de liberty
de MS[V x F(T)], et puisque c'est le denominateur de tous les F-ratios d'int6ret, cela augmentera la puissance et
par consequent l'utilit6 de l'information disponible. C'est done le CHAMP qui est la vraie rdpetition dans un
essai sur-le-terrain et non la repetitionn" a l'int6rieur d'un champ (d'ohi la raison d'tre des guillemets). Cela
est important parce que les chercheurs qui travaillent sur-le-terrain ont souvent ete conseills de fire des
repetitions k l'int6rieur d'un champ, mAme dans l'exemple de Hildebrand et Poey (1985)! Au vue de
I'ANOVA, nous savons que ce conseil est bien erron6. En plus, il constitute un gaspillage. Le chercheur ferait
mieux d'utiliser cet effort (ou temps) pour observer plusieurs champs. Pire, cela constitute en soi un abus de
l'hospitalit6 du paysan qui offre le terrain oil sera conduit la recherche. Le paysan ne doit plus avoir de parcelle
en dehors de ce qui est ncessaire pour sa production ordinaire sauf en cas de ncessit6 absolute.


Stroup, Hildebrand, and Francis Page 12


Stance Planification, RSP, 1"22









Pour nous redire, dans la plupart des essais en milieu paysan, le nombre de champs observes doit 6tre
maximum. La repetition k l'interieur d'un champ n'est ge6nralement pas n6cessaire et constitute souvent une
perte de temps. La seule exception est pour le cas du module (1) oi "le champ est suppose fixe", une m6thode
pas du tout courante.


L'Analyse de stability modifide

Une m6thode pour organiser la recherche sur-le-terrain dans des environnements aussi varies que ceux
de l'exemple du Nord de la Floride est la methode "d'analyse de stability", modifide pour apporter une
interpretation positive plut6t que negative de l'interaction entire le traitement et l'envirnnement (Hildebrand,
1990). La figure 3 montre des resultats hypothetiques des trois varieties comee un example de trois nouvelles
technologies) qui ont 6te testees dans plusieurs environnements convenablement diversified. Dans ces cas
hypothetiques, toutes les varieties ont la m&me moyenne g&nrale et les mnmes deviations de Il droite de
regression (s2d, = 0). Les coefficients de la regression lin6aire sont 1.5, 1.0, et 0.5 respectivement pour les
varieties A, B, et C. A d6faut d'autre crithre d'6limination, In varie6t B (la plus adaptde selon Finlay et
Wilkinson (1963), ou la plus stable selon Eberhart et Russell (1966)) sera selectionn6e sur la base de la valeur
du coefficient de regression. L'argument centre la variety A est que, vue la valeur largement sup6rieure i
l'unite de son coefficient de regression, elle est trop sensible aux changements d'environnements et produit
faiblement dans des mauvais environnements. Quand i la vari6te C, parce qu'elle a un coefficient de regression
inf6rieur h l'unite, elle est jug6e incapable d'exploiter convenablement les environnements propices I des
rendements E6eves. La varie6t B qui est superieure dans chacun des environnements est done choisie comme la
meilleure des trois varieties.

Remarquez que l'argument centre la variety A qui a un coefficient 61ev6 va de droite i gauche ou vers
des environnements pauvres (il produit peu dans des environnements pauvres). Le contraire est vrai pour
1'argument centre la variety C avec un faible coefficient, et qui va de gauche I droite ou vers des
environnements propices (il n'exploite pas suffisamment les environnements propices). Ce sont 1A des
interpretations negatives qui ont conduit i la selection de la variety B (Figure 5).

Avec les variet6s poss6dant un coefficient de regression e6eve, si l'accent avait ete mis sur les meilleurs
environnements au lieu de s'eloigner d'eux (quelles varies peuvent exploiter les meilleurs environnements?), la
variety A aurait ete s6lectionnee. De meme, pour les varieties i faible coefficient si l'accent avait ete mis sur les
environnements i faible potentialitEs au lieu de s'en eloigner -, (quelles variets continent de produire mame
quand 1'environnement est pauvre?), la variety C aurait ete selectionnde (Figure 6). La difference n'est pas dans
la procedure analytique mais plut6t, dans le choix d'une philosophies positive au lieu de negative, dans les
objectifs et/ou les attitudes adopts dans le choix de la technologies.


Nombres de locations (environnements)

Suivant les modules (3) et (4), le nombre d'environnements ncessaires pour l'estimation de
1'interaction Traitement X Environnement dans le domaine de recherche et pour la verification du domaine de
recommendation n'est pas excessif. Dans le but d'avoir un degree de liberty gale I 20 pour le terme de
I'erreur, permettant ainsi de pouvoir estimer des responses de premier et second ordre comme dans le module
(4), si 1'essai comporte 8 traitements comee ce qui serait par example utilise dans un essai preliminaire du
domaine de recherche), 6 environnements seraient alors un nombre adequat. Pour 4 traitements, 10
environnements seraient ncessaires, et pour un essai de verification avec seulemet deux traitements (le
traitement recommande et celui du paysan comme temoin, par example) 23 environnements seraient adequats.
Ces suggestions sont bien evidemment approximatives. Le nombre approprid d'environnements depend de la
variance et du niveau de sensibility ncessaire I d6cider done au cas par cas.


Stroup, Hildebrand, and Francis Page 13


I


Stance Planification, RSP, M99









Nombre d'annEes


L'exp6rience a montr6 que quand toutes conditions sont satisfaites, lee estimations de l'interaction
Environnement X Traitement se stabilisent en une ann6e. Ces conditions sont:

1. Les branches de variation des indices environnemnt aux (El) doivent tre au mois aussi
61ev6es que la moyenne des indices.

2. Les trenches de variation des indices environnement aux doivent etre approximativement 6gales
i ce qu'on s'attendrait normalement sur me certain p6riode d'annme.

3. La distribution des environnements doit 6tre raisonnablement uniform, des bons aux mauvais.


Cependant, on doit se rappeler qu'au moins trois ann6es de donnes seraient disponibles pour les
estimations si un essai d'exploration (dans la recherche du domaine) et un essai de validation (dans le domaine
de recommendation) ont tous les deux ete menes avant de fire des recommendations fermes. En plus, des
donnees pr6liminaires des essais mends en station depuis le debut du d6veloppement de la technologies sont
souvent disponibles. Les traitements qui sont communs entire les essais passes et les pr6sentes etudes peuvent
etre combines en un seul MSA. Les donnees des ann6es pr6c6dentes peuvent aussi aider i verifier si la tranche
de variation incluse dans le present essai est adequate.


Un example r&~ent

Le rapport de Singh (1990) sur les recherches recentes conduites prbs de Manaus au Bresil illustre
beaucoup de ces concepts. La portion sur-le-terrain de cette 6tude avait ete conduit dans deux petites
communauts rurales dans la municipality du Rio Preto da Eva en Amazonie au Brdsil oh l'etat 6tait en train
d'initier des programmes de gestion des petites revenues d'eau. L'institut national de la recherche agricole du
Br6sil (EMBRAPA, le sigle) avait la mission de d6velopper des technologies appropriees i diffErents systems
de productions dans cette region relativement inaccessible. Les institutions qui ont 6galement participe6 cette
etude sont EMATER (Vulgarisation) et SEPA (la cellule de programmation de projects de l'6tat), TROPSOIL, et
l'Universite de Floride.

Des informations secondaires sur les pratiques culturales indigenes de la zone ont e6t rassembl6es I
travers une s6rie d'articles. Une evaluation rapid de la zone avait e6t conduit par une 6quipe
multidisciplinaire composEe des sp6cialistes de I'EMBRAPA, SEPA, et EMATER qui ont visited la zone en trois
occasions. Le savoir-faire des paysans en technologies locales, en pratiques agronomiques, et en types de terre
ont e6t enregistr6es. Un 6chantillonnage extensif des sols a ete effectue pour comprendre les caract6ristiques
physiques et chimiques des sols et les associer au principle selon lequel le paysan attribue un assolement
particulier i un type de sol donned.

Trois traitements bases sur les resultats des recherches pr6c6dentes conduites en station ont 6t se6ectionnEs pour
Utre compares aux pratiques traditionnelles du paysan (FP) pour la cultive du mais ( mays L.) et du niebe
(Vigna unguiculata). Seuls les resultats des essais avec le niebe sont rapport6s ici. Tous les trois traitements
(avec engrais) ont requ 60 kg ha7l de potassium applique i la volee. Les ordures traitees des villes (PCW), les
excrements de poulet (CM), et le super phosphate triple (TSP) ont ete appliques en bands large de 25 cm. La
variety IPEAN V-69 de niebe a ete plantee en lignes distantes de 60 cm. Les dimensions des parcelles varient
de 100 i 200 mi. La preparation du terrain et l'etablissement des parcelles ont consists & nettoyer la parcelle
par coupe et brtlis suivi d'une preparation manuelle du sol et du semis i l'aide d'un piquet.

La zone est habitue par des agriculteurs de subsistence qui coupent la fort primaire (PF) ou secondaire
(SF) et la cultivent pendant 3 ans avant de l'abandonner comme une zone inculte (WL). L'essai du niebe a ete


Stroup, Hildebrand, and Francis Page 14


Stance Planification, RSP, 1"22









etabli dans 13 locations, huit avec des rdp6titions et cinq sans rdp6tition. Les r6sultats du rendement (moyenne
des r6p6titions oh c'est n6cessaire) et I'indice environnemental de chaque location sont donn6s au tableau 1.
L'ANOVA suivant le module (4) avec R = 1 est donn6 au tableau 2.

Pour le critbre Mg ha"1, la r6ponse des quatre traitements i l'environnement suivant la m6thode
modified d'analyse de stabilitY, est illustrde I la figure 7. 1 est clair que des amendements du sol sont
n6cessaires pour maximiser le rendement i l'hectare sur ces sols. Dans les environnemnts les plus pauvres (EI
< 1.32), CM produit les meilleurs r6sultats alors que dans les environnements i grande potentialit6 (El >
1.32), TSP est le meilleur.

Les caract6ristiques biophysiques des meilleurs et pauvres environnemets sont 6troitement liees I la
nature du sol de la parcelle utilis6e. Ceci 6tant, les meilleurs environnements (El > 1.32) proviennent toutes
des parcelles de PF en premiere ou deuxieme ann6e de culture et des parcelles de SF en premiere ann6e de
culture. Toutes autres categories (PF3, SF,, SF3, WL) sont dans les plus pauvres environnements. Pour le
paysan don't le critbre d'6valuation est de maximiser Mg hai', le domaine de la recherche pent 8tre divis6 e
deux domaines de recommendation. Pour les paysans qui sont dans les cas PF, et PF2, la recommendation est
d'utiliser TSP. Les paysans de tous les autres cas doivent utiliser CM.

Les figures 8 et 9 montrent les r6sultats de MSA pour le second critbre d'6valuation qui est le kg par
unit de dollar des cofts nets (kg/$CC). Ce crithre est de grande importance pour les paysans de cette regions
qui ont trbs peu de liquidity i investor dans les intrants agricoles. La Figure 8 indique que pour les meilleurs
environnements (El > 1.25 dans ce cas, mais couvrant les m8mes situations de sol), FP est de loin la meilleure
pratique de toutes celles qui ont Wte 6valudes. Dans la premiere et deuxibme ann6e en dehors de la fort
primaire, aucun des traitements tests ne serait acceptable pour le paysan qui dispose de trbs peu de liquidity et
done qui a besoin de maximiser le kg/$CC. Cependant, pour les autres situations de sol, TSP on CM pourrait
&tre recommand6 mnme si le paysan doit utiliser le pen d'argent qu'il a pour s'approvisionner en engrais.

L'utilisation de la Figure 9 r6duit en quelque sorte, le choix dans les environnements pauvres. CM
produit des r6sultas trs stables compare & TSP qui peut conduire i moins de kg/$CC que FP. Cela conduit I la
recommendation de CM comme le meilleur choix parmi les traitements tests dans les situations oh le paysan
serait amen6 i cultiver des parcelles pendant plus d'un an aprAs la coupe de la fort secondaire ou pendant plus
de deux ans aprbs la coupe de la fort primaire.



CAS DES PAYSANS INDIVIDUALS ET DES EXPLOITATIONS COMMERCIALS EN
AGRICULTURE

Les paysans eux-mnmes affinent r6gulibrement leurs systhmes en function des resources sp6cifiques et
de l'6tat des infrastructures du champ et de la famille. En plus des vari&tds de plants mentionndes
prdc6demment, bon nombre d'innovations des mat6riels (6quipement) des travaux champtres ont 6td inities par
les producteurs. Peut etre, l'industrie de la machinisme agricole a 6td le secteur le plus actif i saisir
l'exp6rience des paysans et la transformer en pratiques commercials. Plusieurs des units actuelles de labour,
de semis, et de rdcolte ont pris leur present forme i travers des modifications par le paysan de ce qui existait
sur le march. Ces modifications opr6es par le paysan ont Wt ensuite testes et adoptees par l'industrie pour
fabriquer la g6n6ration suivante d'unit6 commercial. Les chaines de labour en billon (billonnages) et de
sarclage sont actuellement en train de subir cette phase de modification par le paysan. Un certain nombre
d'innovations dans le systhme de production agricole a Wte ainsi initid par les paysans. Les abats-vents annuels
ont prouv6s etre trbs utiles dans la reduction de la transpiration des plants entire les abats-vents, et les abats-
vents p6rennes 6taient utilis6s pour abattre les vents et retenir l'humidit6 comme la neige dans les Grandes
Plaines du Nord. Les cultures en bandes alternes des espbces diff6rentes comme le mais et le soja ont te
utilisdes par de nombreux paysans dans la ceinture du mais (zone de culture du mais) de l'Ouest des Etats Unis.
Malgr6 le nombre croissant de travaux techniques dans les stations de recherche exp6rimentales pour valider et


Stroup, Hildebrand, and Franis Page 15


Sftnce Planification, RSP, 1"22









quantifier les effects de ces pratiques, beaucoup d'entre elles ont en fait 6tC initiees par les paysans de la region.
Ce qui a 6et difficile est la rationalisation des diffdrentes m6thodes utilisees par les paysans pour tester leurs
systbmes, et cells utilisaes par les scientifiques forms dans un paradigm different de recherche.

Dans plusieurs aspects, la recherche sur-le-terrain a beaucoup de points communes avec les procedures
industrielles de contr6les statistiques. Dans les manufactures (usines), les products sont mis au point an
laboratoire, ensuite des prototypes sont products et values dans les "conditions reelles. Pendant cette dernire
phase d'6valuation, des problhmes seront reper6s quand des travailleurs typiques plut6t que des chercheurs-
ingenieurs, essais d'appliquer la methode de production et quand des consommateurs 6ventuels essais d'utiliser
le produit. Invariablement, ils arrivent i trouver des failles que le chercheur du labo n'aurait jamais pergues.
C'est ce qui se passe avec la recherche agricole. La station de recherche ou la serre peut 6tre considered
comme le labo agronomique. Le rOle des essais sur-le-terrain en agriculture correspond aux evaluations dans
les "conditions reelles" dans I'exemple des manufactures. Les 'vrais' paysans trouveront les problbmes que les
chercheurs en-station n'auraient jamais rencontrds. Le processes de la recherche n'est pas complete tant que cela
n'est pas accompli.


PROTOCOLE DE RECHERCHE DANS LES EXPLOITATIONS COMMERCIALS

Dans un recent symposium de la Societe Americaine d'Agronomie i San Antonio au Texas, il y a eu
beaucoup d'expos6s sur la manibre don't la recherche est conduit en milieu paysan. Les examples semblaient
6tre situes dans l'une ou 1'autre des deux categories. Premibrement, il y avait le cas des essais avec repetition
sur des parcelles relativement petites dans lesquels le chercheur universitaire 6tablit un programme de travail,
planifie les traitements et les parcelles au champ, collect la plupart des donn6es, et interprbte les r6sultats. Le
paysan avait participe & la recherche en allouant le terrain et an effectuant quelques operations culturales pendant
la saison de culture. II n'aura cependant pas ete associ6 I la planification et au processus d'evaluation. Ce r61e
attribute au paysan satisfait i la plupart des raisons pour allouer les parcelles au champ comme d6crit par
Lockeretz (1987).

A l'oppos6, la second approche etait essentiellement une vulgarisation de la philosophies et de la
methode du FSRE (Hildebrand and Poey, 1985) oil les paysans 6taient les acteurs principaux dans
l'etablissement du programme de travail, dans la selection des traitements ad6quats, dans la disposition et
l'execution des essais, et dans l'interpretation et l'utilisation des rdsultats. Cette dernire approche crde un
environnement dans lequel les methodologies donn6es par Taylor (1990) pour les recherches sur-le-terrain
peuvent ktre appliquees: l'usage d'une 6quipe de recherche pluridisciplinaire (comprenant le paysan), I'analyse
global des r6sultats quand cela est appropri6, la planification des parcelles et traitements pour le long-terme, et
des methodes de synthbse aussi bien que d'analyse pour l'utilisation des donnees. Aux Etats Unis, la premiere
approche a 6t6 favorisee par les chercheurs des university publiques alors que la second approche a fait 1'objet
du calendrier de travail des groupements de paysans et d'autres organizations non lucrative. Les defenseurs
(tenants) d'une approche donn6e ont parfois du mal & communique avec ceux de l'autre approche qui ne
partagent pas leur definitions de ce quest la recherche, parce que chacun d'eux a une idee fixe de ce qu'il
entend par "recherche sur-le-terrain", alors qu'en reality, ces definitions sont bien divergentes.

Lorsqu'un chercheur de formation universitaire utilise le term "recherche", on sous-entend une
hypothese explicit et testable, des traitements repetes dans un dispositif standard randomisi, une homogednite
des variances entire les traitements, un contr6le des conditions experimentales, et une uniformity relative de la
zone de recherche ou bien des dispositifs en bloc pour maitriser les variations dans le champ. Ce sont les
conditions prealables de I'ANOVA, et bien qu'elles ne sont pas toujours satisfaites strictement, l'on suppose
souvent qu'elles le sont. Dire que les "procedures standard de statistique ont 6et suivies" implique que toutes
les conditions mentionnees ci-haut ont 1et replies, nmme si le chercheur ou le paysan n'avait, en r6alit6, pas
bien compris le raisonnement statistique qui le soutient.


Stroup, Hildebrand, and Francis Page 16


s~am mPaninication, RSP, im9









Beaucoup de ces critbres ne sont pas connus ni compris par la plupart des paysans. Ils pr6trent des
essais qui sont soit assez proches du champ familial, soit qui sont conduits dans des conditions similaires, ou
tous les deux; des essais qui comportent des parcelles suffisamment grades pour utiliser des equipements
commerciaux; des essais qui montrent des differences visible parmi les traitemets; des essais qui peuvent
reduire les coits ou augmenter les profits; ou des essais qui r6solvent une contrainte qui avait e6t d6jI perque
mur leur propri6t6 on dans la region (Francis 1986a). Dans la reality, nous rencontrons des comparisons d'une
annee i l'autre, d'un champ i un autre, d'un champ a celui d'un voisin, ou parmi des bands couloirss) d'un
mnme champ qui ont subi different traitements (par example diff6rentes varietes ou hybrids) sans repetition.
Bien que ces comparisons ne remplissent pas les critres reconnus par les scientifiques pour juger de la
credibility et de la validity de la recherche, les resultats ne sont pas pour autant sans importance pour beaucoup
de paysans. Nous avons trouv6 que donner une explication minutieuse de quelques uns des critbres utiliss par
les chercheurs, par example repetition et choix al6atoire des traitemnts, lors des reunions de vulgarisation,
entraine une comprehension assez rapide du besoin de ces methods et de l'importance de la replication des
essais.

Ces deux definitions de 'recherche" sont-elles mutuellement exclusives ou ont-elles un point quelques
bases communes oh la crdativite du paysan, la terre, et les resources peuvent tre utilisees pour une recherche
credible en milieu paysan? Au cour des annees 6coul6es, il y a eu un travail substantial sur de grades parcelles
en utilisant trbs peu de traitements, de repetition, de choix aleatoire, et de methodes standards d'analyse
statistique. Les techniques qui consistent k utiliser de longues bandes pour compare deux ou trois traitements
ont ete dcrites par Thompson (1990), et sont actuellement encore appliquees par un certain nombre de paysans
membres du group 'Practical Farmers' (Paysans Pratiques) dans l'etat de Iowa aux Etats Unis, parmi d'autres
groups. Rzewnicki et al. (1988) ont r6sum6 ces essais de Iowa aussi bien que d'autres essais des champs et
des stations de recherche experimentales du Nebraska. Avec des parcelles de 200 & 1200 pieds de longueur sur
quatre i huit rangees de larger comportant trois i six repetitions par traitement, ils ont trouv6 des coefficient
de variation (CV) de l'ordre de moins de 1.0 % i environ 10 %; les CV etaient frquemment moins de 5%.
Des chercheurs bien informs des variations dans les experimentations au champ trouvent ces niveaux tries
acceptable.

Comment est-il possible que de si grande parcelles aient des CV aussi faibles? Bien que nous soyons
seulement en train de tester ces hypotheses en comparant les grandes parcelles aux petites parcelles du m~me
champ (Shapiro et al., 1989, 1990), il s'avbre que une longue et 6troite parcelle traverse un ensemble de zone
de different variability dans le champ. Une parcelle adjacent avec les m~mes dimensions aura done les
memes gradients de variation, et i un certain degree, il y aura relativement moins de difference entire les bandes
qu'il en aura entire les gradients de chaque longue parcelle. Il est done possible d'etablir des traitements
contrastant c6te i c6te, permettant l'utilisation des equipements commerciaux et ayant une comparison
hautement visible, tout en remplissant les conditions de repetition et de choix aleatoire. Cela pourrait 8tre une
option pour un paysan individual de collector des donndes credibles pour une location dans une ann6e, et
d'utiliser les techniques classiques de statistiques telles que l'analyse de variance, le test de student (t-test), ou
les comparisons de moyennes pour evaluer les essais. Dans une srie d'essai de comparison, les planters de
mais du Comte de Clay au Nebraska ont plante une variety hybrid de maTs sans repetition dans des parcelles en
bandes dans quatre regions du Comte, dans des conditions similaires et avec a m&me variety dans chaque essai.
Analyses en considerant les parcelles des differences regions come repetition, les CV variaient dan l'ordre de
3 i 4% sur les cinq annees d'essais (Rzewnicki et al., 1988). Cela done la possibility & des paysans
individuals ou i des groups de paysans de travailler en cooperative dans un reseau de recherche, et de
developper une serie credible d'essais de comparisons que, eux-mmmes ou quelqu'un d'autre, pourraient
utiliser. Chaque paysan devient ainsi membre du r6eeau de recherche et vulgarisation, puisque ses parcelles
seront utilisbes pour les tourneys dans les champs et ses donnees serviront pour les reunions de vulgarisation
avant la prochaine saison de culture.

Les resultats de ces grands essais avec ou sans repetition an Nbraska reprentent une approche que
les paysans peuvent utiliser dans une situation de grande exploitation hautement m6canis6e. C'est un veritable


Stroup, Hildebrand, and Francis Page 17


Stance Planification, RSP, M29









challenge (d6fi) pour le chercheur sur-le-terrin ou pour I'agent de vulgarisation, d'expliquer lea caractristiques
de base des essais, et de travailler directement avec les paysans pour d6velopper le programme de la recherche.


INTERPRETATION ET EXTRAPOLATION DES RESULTATS

La zone d'application des resultats depend du nombre de locations testees dans les essais, des
caract6ristiques du sol et du climate de ces locations, de la probability d'obtenir des resultats semblables dans
d'autres locations de la region, et de la cr6dibilite on de la replication des rdsultats de 1'exprimentation.
Plusieurs aspects de cette questions ont etE analyses ci-dessus. En terms statistiques, la possibility d'application
des resultats & travers un ensemble de locations (nvironnements) depend du niveau de significance de
l'interaction entire la dite technologies et 'environnement (location). Par example, tester des varieties hybrides
dans un essai multilocal, et evaluer l'interaction entire le genotype et la location. Quand I'interaction est faible,
il est relativement facile de recommander une ou peu de varieties hybrides i travers une vaste zone. Mais quand
I'interaction est plut6t grande, cela implique un niveau 61eve de specificity de la location et ncessite alors une
varie6t specifique pour une location donnee.

I1 est important de consider la part des effects des repetitions, des annes, et des locations dans la
validation des r6sultats. Augmenter le nombre de locations et d'environnements au dell de huit aura trsb peu
d'effet sur I'amplitude de 1'erreur standard de la moyenne d'un genotype (Saeed et al., 1984). Augmenter le
nombre d'annees de un i deux reduira considdrablement I'erreur standard de la moyenne, mais ajouter une
annee suppl6mentaire aura un effet moindre (negligeable). De m8me, augmenter le nombre de rep6titions aura
trbs peu d'effets sur l'erreur standard. Pour rdduire la variance de la moyenne et augmenter ainsi les chances
de detecter les differences statistiques entire les traitements d'un essai, l'effet de l'evaluation dans plusieurs
locations ou environnements (multilocales) est plus grand que celui de l'evaluation sur plusieurs ann6es avec
plusieurs repetitions. Cela est en accord avec la discussion ci-dessus portant la ncessite de conduire l'essai
dans plusieurs locations ou environnements avec un besoin relativement peu eleven de repetition dans une
location donnee. La conception de repetition unique et d'un grand nombre de locations est la pierre angulaire
des strategies actuelles d'6valuation des varieties hybrides commercialisees (Bradley et al., 1988). L'efficacit6
de cette methode dans les programmes devaluation a ete recemment decrite par Dofing et Francis (1990). La
repetition des traitements dans une location donnee amliore la precision des measures de cette location pendant
l'annee donn6e. Cependant, pour les evaluations multilocales sur-le-terrain, la variance la plus important est
celle qui existe entire les locations. En consequence, les repetitions multiples dans une location donnee
contribuent tres peu i la possibility d'extrapoler les resultats de cette location i d'autres locations, ou i d'autres
ann6es.

La difficult pour un paysan donn6 reside dans la selection judicieuse des informations qui
s'appliqueront le mieux i sa location, etant donn6e l'abondance des resultats disponibles des essais des
industries, des universities, et d'autres secteurs prives. Plus le paysan est i m8me de caractriser les conditions
de son champ et des differentes parcelles, et plus les conditions de collect (releve) des donnmes des autres
champs ont ete bien d6taillees, plus il sera facile de s6lectionner les donnees ou les recommendations
appropriees pour un paysan donned. Ceci est une fagon pratique de d6finir les domaines de recommendation, un
sujet d6ji covert. Le meilleur endroit pour chercher les informations appropri6es i un champ done est i
l'interieur du m&me domaine de recommendation plut6t que de voir l'emplacement du champ. II eat Evident que
ces domaines ne sont pas definis seulement par la situation geographique, ni par le type de sol, ni par un
quelconque facteur (paramtre) unique. De m8me, il est possible qu'un seul champ puisse comprendre plusieurs
domaines. Il est alors important de comprendre le concept, et d'utiliser cette information (notion) pour
rassembler au mieux les donn6es les plus appropriees avant de choisir la technologies de production.


Stroup, Hildebrand, and Franis Page 18


Miance Planification, RSP, 1"22









MODELE DE PARTICIPATION A LA RECHERCHE ET VULGARISATION


Les essais sur-le-terrain et lee essais de demonstrations dans le cadre de la VULGARISATION out et
depuis longtemps une composante important des programmes de recherche et d6veloppement en agriculture.
Quelque unes des raisons ont ete d6crites ci-haut. l y a encore plus de raisons aujourd'hui qui montrent
pourquoi la recherche avec des paysans individuals ou des groups de producteurs est importance (Francis et al.,
1990). Les budgets de recherche et VULGARISATION sont de plus en plus limits alors q-une une attention
plus grande des financements fed6raux aux Etats Unis est port6e sur la recherche fondamentale au detriment de
la recherche applique. Cette tendance se ge6nralise I travers le monde car le scientifique est de mieux en
mieux pr6par6 pour la recherche fondamentale, et la fascination de la gientique mol6culaire et des technologies
de pointe a envahi la communaut6 scientifique. Par centre, par rapport I la diversity des conditions 6cologiques
dans lesquelles les paysans produisent leurs cultures, les 6tablissements de recherche ont relativement tres peu
de stations d'exp6rimentation. La plupart des recherches effectu6es dans ces stations sont de nature
"r6ductionniste" (limitative), ayant peu d'intret i incorporer les nouvelles innovations dans l'ensemble du
systhme d'exploitation. Pour ces raisons, il y a relativement un advantage i conduire an moins certaines
recherches dans une s6rie d'environnements plus vaste avec des paysans qui y collaboreront.

Une autre raison de taille pour travailler directement avec des paysans individuals et des groups de
paysans a trait i la distance qui spare les stations d'exp6rimentations (oi les recherches sont menees en milieu
contr616) des champs ot les r6sultats seront appliques. Cette "distance" peut prendre plusieurs forces (Francis
et al., 1990). L'espace g6ographique en miles ou kilometres d'un site i un autre est le plus commun moyen de
measure de distance. Les paysans sont bien disposes i parcourir certaines distances pour visitor d'autres sites,
selon la culture et les infrastructures (Rzewnicki, 1991). Peut etre plus important encore est la notion de
"distance 6cologique" entire un site et un autre. Par example, un terrain de bas-fond avec des sols
hydromorphes mal drains et mal a6r6 peut tre physiquement trbs proche d'un bassin versant oth les sols sont
bien poreux et a6rds, mais les conditions du sol, les pratiques culturales appropri6es, et les cultures ou varieties
approprides seront bien distinctes. Finalement, il peut avoir des distances "conceptuelles" on "psychologiques"
entire le chercheur et le paysan, selon leur formation de base ou leur experience, et cela doit &tre ddpass6 afin de
pouvoir d6velopper des relations de partenariat et un cadre de participation total de recherche et vulgarisation.
Les actions conjugudes en milieu rural parmi les gens qui nourrissent un respect mutuel pour lee qualit6s et les
contributions des uns et des autres peuvent aider I surmonter ces distances sociales.

Les potentialit6s d'un r6seau de concertation changeg) entire paysans et chercheurs peuvent 8tre
certainement mieux illustr6es par un example. Les contributions particulires du paysan dans la totality du
processus de recherche seront mises en exergue. Des examples suppl6mentaires, surtout dans les contributions
du paysan aux ides de contr61e des mauvaises herbes, on Wt r6cemment rdsum6s par Francis et Doll (1991).

Effets de application d'azote et de la rotation cultural sur le rendement du mais. Afin d'6tudier les effects de
l'application d'azote sur le rendement du maTs et du sorgho par rapport aux rotations de ces cultures au
Nebraska, un rdseau d'environ trente paysans a 6t 6tabli pour travailler avec un project de l'Universit6 du
Nbraska. I y a eu beaucoup d'inqui6tudes ces derniers temps sur le coot eerg6tique de cet intrant dans la
production du mals, aussi sur le risque de contamination par le nitrate des rdeerves d'eau du sous-sol qui sont
frquemment utilisees pour la consommation humaine et animal. Finance en parties par l'Office de l'Energie du
Nebraska, un technician de l'Universit6 du Nebrask a 6tabli des contacts avec un certain nombre de paysans
don't la majority etait membre de la SocietE de l'Agriculture de Sustnatation du Nbraska. Tous taient
prEoccup6s par l'utilisationjudicieuse de l'azote et par la n6cessite de calculer les effects de la rotation cultural
entire les legumineuses et les cErEales sur l'usage de cet important nutriment.

De concert avec les paysans, des parcelles exp6rimentales ont ete localisees; des 6chantillons de sol ont
t6 prelev6s et analyses au labo; et les r6sultats ont ete discutes. Ensemble, l'6quipe a determine des objectifs
rEalistes de production et a etabli un budget d'azote en considerant toute les sources possibles de cet important
nutriment. Chaque paysan a alors d6duit un niveau moyen mais optimal d'azote pou la prochaine saison. Dans
la plupart des champs, ce taux d'azote et la moitie du taux ont ete inclus dans les traitements. Certain ont


Stroup, Hildebrand, and Francis Page 19


Saux* Planification, RSP, 1"22









mime inclus un niveau z6ro d'azote (un traitement sans apport d'azote). Dans beaucoup de ces champs, ces
traitements ont ete appliques en bandes repetees a travers tout le champ. Pour lee annees 1988, 1989, et 1990 il
y avait en une prediction de rdponse aux taux de 89.6 et 168.0 kg N/ha bien que les optima conomiques etaient
inf6rieurs dans la plupart des champs (Franzluebbers, 1991). Apres la culture de soja, trfle sucr6e, ou de
lucerne, application d'azote au mais ou au sorgho non-irrigu6 n'avait pas donn6 de rdponse 6conomiquement
viable. Dans les champs irrigu6s, il n'y avait pas eu de rAponse 6conomique pour le maTs cultiv6 aprbs la
culture de la lucerne. Les conclusions de ces trois ann6es de project taient, selon les interpretations des paysans
et du personnel du project, que l'azote est genralement utilis6 plus qu'il n'en faut dans beaucoup de regions du
Nebraska.

L'analyse statistique a et effectude selon la procedure standard dcrite dans le module (1). Pour les
essais ob les traitements ont 6t re6pt6s, I'analyse et les comparisons de moyennes ont ete effectuees pour
chaque champ. Dans la plupart des cas, il y avait une seule repetition par champ. Ces resultats on ete groups
avec ceux des champs ob il y a eu des repetitions et analysis en utilisant une seule moyenne par traitement et
par location et en consid6rant les locations comme des repetitions. Leas effects de 'application d'azote sur les
rendements des cereales en rotation ou en culture continue ont ete compares I l'aide de l'analyse de la
regression lindaire. Les rendements du mais et du sorgho qui ont ete fertilis6s ont te mesurds dans 29 sites en
culture continue et dans 57 sites en rotation avec les 16gumineuses et les c6reales k petits grains (le petit mil).
L'application de 89.6 kg N d'azote a l'hectare, le taux le plus l6eve, au mals en culture continue done un
rendement positif. Les cultures de mais et sorgho aprbs lea cultures des l6gumineuses et du petit mil (rotation)
n'ont donn6 que des rendements modestes avec l'application d'engrais. Ces rendements n'etaient, dans certain
cas, pas statistiquement different de ceux des t6moins qui n'ont pas regu d'engrais, et dans d'autres cas, pas
economiquement rentables parce que l'augmentation du rendement ne justifiait pas le coot de revient de l'azote
et de son application. Ce type d'analyse eat utile pour grouper les traitements semblables i travers differentes
locations.

Pour rendre ces informations disponibles i plusieurs paysans, huit reunions ont ete programmees,
conjointement avec la Socie6t de l'Agriculture de Sustentation du Nebraska et le service de vulgarisation du
N6braska au debut de l'ann6e 1990. A cette rencontre, les objectifs et les protocoles des essais ont et6 exposes
et les r6sultats ont E6t pr6sent6s sous forme de tableaux et figures aux paysans. Puis la parole a ete donnde aux
paysans pour interpreter les r6sultats et tirer les conclusions. Une discussion bien anim6e s'en 6tait alors suivie
sur les r6sultats obtenus et sur leurs applications dans des champs sp6cifiques. Le personnel de l'universit6 qui
etait sur place a joud un r61e bien pr6cieux en aidant i expliquer pourquoi les rendements augmentaient dans
certaines situations et n'augmentaient pas dans d'autres. Cependant, ce sont les paysans eux-mames qui ont tire
les conclusions et fait leurs propres recommendations. En cela, les agents du service de vulgarisation ont r6ussi
& amener les producteurs k prendre ces decisions. Pendant 1'ete suivant, celui de 1990, beaucoup des parcelles
d'essai ont servi de site pour les tourndes et les debates sur place pendant lesquels les paysans etaient charges
d'exposer ce qui se passait. Ce sont 11 deux examples de module de participation des paysans dans la
vulgarisation.

Le paysan devrait-il faire plus confiance aux resultats de ces propres essais ou i ceux de l'analyse
g&n6rale des diff6rentes locations? II eat gdenralement plus tentant d'avoir des donn6es de son propre champ oh
les pratiques culturales sont bien connues et ob les r6sultats semblent correspondre aux conditions particulibres
de son champ. La question de savoir si ces donn6es sont plus indiquees pour estimer les resultats de l'annee
suivante depend de la similitude entire les operations culturales, des varieties hybrides, des types de sol des
differentes locations, et du degrd de repr6sentativit6 des differentes zones de pluviomntrie dans les locations
choisies. Comme la pluie est le facteur limitant dans la plupart des regions du Nebraska ob l'agriculture est
pluviale, il eat possible que la moyenne des rendements de plusieurs locations similaires done une meilleure
estimation du rdsultat de l'annee suivante plut6t que les resultats d'un seul champ. Nous sommes presentement
en train de rechercher des donnees et des methodes approprides pour analyser cette situation. La decision prise
par chaque paysan en ce moment est un jugement de fait, et le mieux que nous pouvons fire est d'apporter les
outils n6cessaires pour amdliorer ce jugement.


Stroup, Hildebrand, and Francis Page 20


Stance Planification, RSP, 1"22









PROGRAMME DE RECHERCHE ET VULGARISATION: PETITES ET GRANDES EXPLOITATIONS
AGRICOLES

La demarche et les examples prisent6s dans ce chapitre illustrent le potential d'un paradigm
grandissant, ou d'un changement dans les modules de recherche et de vulgarisation. Ceci est valuable & la fois
pour les petits paysans que pour les grands exploitants. L'efficacit6 du type de recherche prdeeat6 dans ce texte
depend de la d6limitation et de la representation total du domain de recherche ou des zones d'application des
r6sultats. Les chercheurs doivent reconnantre que les exp6rimetations en station sont utiles i la recherche et au
d6veloppement, mais elles sont limitees dans leur aptitude i mettre i jour les rdalit6s de la production. Les
grands et petits exploitants agricoles doivent reconnattre de leur c6t6 qu'ils reprdeentent ces rdalits et que, de
fagon significative, ils peuvent contribuer i la detection des problmes et I la formulation des solutions.

Une fois que la notion de zone d'application des r6sultats est bien comprise, il est alors possible de
mener soigneusement des activities de recherche pour rtsoudre les problemes associds aux contraintes majeures
de production en utilisant les moyens et les informations des petites et grandes exploitations. Les donn6es
collect6es in-situ (sur place) ont une importance capital et les essais sur le terrain qui comprennent des types
d'exploitations aussi divers que possible sont essentiels. A d6faut de cette diversity d'environnement, les
r6sultats de la recherche peuvent etre compromettants (mauvais pour le chercheur); ce qui peut entrainer des
informations imparfaites et des choix (decisions) de production inappropri6s (mauvais pour les paysans). La
n6cessit6 de plusieurs environnements et de la diversity des participants est donc crucial. Les grands
exploitants ont souvent les resources pour contribuer i la recherche et peuvent facilement saisir l'ad6quation
des informations g6n6rdes (par soi-meme) de leur propres operations. En utilisant les principles d6crits ci-haut,
leur effort serait plus rentable si leurs donndes sont analyses conjointement avec cells des autres locations, et
parfois si elles sont combines avec les donn6es des essais des petites exploitations. Un vast groupement de
paysans, chercheurs, et agents de vulgarisation peut, ensemble, trouver les resources n6cessaires pour 61argir la
diversity des environnements dans lesquels les donn6es pourraient &tre collect6es. Si de grands exploitants sont
inclus dans un r6seau d'6valuation de technologies en m&me temps que des petits exploitants, la durde des essais
peut 8tre raccourcie parce que la diversity des locations peut remplacer valablement l'effet des annees. Cela
peut entrainer une plus grande efficacit6 dans l'utilisation des rares resources des paysans aussi bien que cells
du gouvernement. II peut arriver que beaucoup de grands exploitants d6cident, en accord avec les services
nationaux de recherche et vulgarisation, de supporter le coat des recherches sur-le-terrain. Ce qui pourraient
non seulement leur 6tre b6nfiques mais aussi am6liorer le d6veloppement des technologies pour tous les
paysans.

Le r61e des agents des services de recherche et vulgarisation doit 8tre clairement reconnu de tous. La
primautW accord & la participation et I la contribution du paysan dans la recherche ne diminue en rien le r61e
des chercheurs, bien au contraire, cela augmente leur capacity i reconnaitre et I travailler sur les vrais
problemes de la production et i savoir la diversity des solutions probables disponibles. Le r6le des agents de la
recherche pourrait alors s'accentuer sur la recherche des "pourquoi" des sujets d'agriculture, 6cologie, biologie,
et sustentation. Le r61e des agents de la vulgarisation serait alors de catalyser les changes d'information entire
un certain nombre de sources crddibles et approprides. La recherche pourrait alors 6tre un exercise rigoureux
de statistique, et il serait possible de determiner les domaines de recommendation appropri6s pour l'application
des r6sultats.

Les hypotheses sur les r6les des different acteurs, sur la cooperation entire les paysans et les
chercheurs, sur l'opportunit6 des informations des diverse sources, et sur les objectifs ultimes des systems
peuvent etre reformuldes. Ceci est le changement de paradigm d6crit plus haut. Beaucoup d'infrastructures
agricoles sont mises en place avec de trbs bonne intentions mais echouent dans leur mission h cause d'une
communication inadequate, d'une connaissance insuffisante des methods scientifiques approprides an milieu
rural, et d'une relation tendue entire les tenants de la recherche thdorique et ceux de la recherche applique.
Ceci est un problem qui existe a la fois dans les pays d6velopp6s et dans les pays en voie de d6veloppement.
Le paradigme des systhmes d'exploitation, et surtout celui des methods de recherche sur-le-terrain d6crites ici


Stroup, Hildebrand, and Francis Page 21


S&= p~ lanification, RSP, M99








peut offrir des potentialites dnormes qui pourraient 6tre bne6fiques aux institutions nationals d'agriculture aussi
bien qu'aux systhmes autosuffisants de productions agricoles.




Bibliographie



Bradley,J. P., K. H. Knittle, and A. F. Troyer. 1988. Statistical methods in seed corn product selection. J.
Prod. Agric. 1:34-38.

Braidwood, R. J. 1967. Prehistoric Men. Scott, Foresman and Co., Glenview, Illinois.

Byerlee, D., L. Harrington and D.L. Winkelmann. 1982. Farming systems research: Issues in research
strategy and technology design. J. Am. Econ. Assoc. 5:899-904.

Chambers, R. 1981. Rapid rural appraisal: Rationale and Repertoire. Public Administration and
Development. 1:95-106.

Chambers, R., A. Pacey, and L. A. Thrupp. 1989. Farmer First: Farmer Innovation and Agricultural
Research. Intermediate Technol. Publ., London.

Cox, D.R. 1958. The Planning of Experiments. Wiley, New York.

Deming, W.E. 1953. "On the distinction between enumerative and analytic surveys." Journal of the American
Statistical Association, 48: 244-255.

Deming, W.E. 1975. "On probability as a basis for action." American Statistician, 29: 131-137.

Doing, S. M., and C. A. Francis. 1990. Efficiency of one-replicate yield testing. J. Prod. Agric.
3(3):399-402

Eberhart, S.A., and W.A. Russell. 1966. Stability parameters for comparing varieties. Crop Sci. 6:36-40.

Finlay, K.W., and G.N. Wilkinson. 1963. The analysis of adaptation in a plant breeding programme. Aust.
J. Agric. Res. 14:742-754.

Francis, C. A. 1986a. Designs for research: the quest for credibility. Seminar, MTDI Workshop on Small
Farm Enterprises, Ames, Iowa, May 12.

Francis, C. A., editor. 1986b. Multiple CroMping Systems. Macmillan Publ. Co., New York.

Francis, C. A., J. King, J. DeWitt, J. Bushnell, and L. Lucas. 1990. Participatory strategies for information
exchange. Amer. J. Alternative Agr. 5:000-000 (in press)

Francis, C. A., and J. D. Doll. 1991. Participatory research and extension strategies for sustainable
agricultural systems. Weed Science (submitted).

Franzluebbers, A. 1991. On-farm results of fertilizer response in crop rotations. M.S. Thesis, Univ. of
Nebraska, Lincoln.


Stroup, Hildebrand, and Francis Page 22


Stance Planification, RSP, 1992









Freeman, G.H. 1973. "Statistical methods for the analysis of genotype-environment interaction." Heredity, 31:
339-354.

Gilbert, E. H., D. W. Norman, and F. E. Winch. 1980. Farming systems research: a critical appraisal. MSU
Rural Devel. Paper No. 6, Dept. Agr. Econ., Michigan State Univ., East Lansing, Michigan.

Harrington, L.W. and R. Tripp. 1984. Recommendation domains: A framework for on-farm research.
CIMMYT Economics Program Working Paper 02/84. CIMMYT, Mexico.

Harville, D.A. 1976. "Extension of the Gauss-Markov theorem to include the estimation of random effects."
Annals of Statistics, 4: 384-395.

Henderson, C.R. 1975. 'Best linear unbiased prediction under a selection model.' Biometrics, 31: 423-447.

Hildebrand, P.E. 1981. Combining disciplines in rapid appraisal: The sondeo approach. Agricultural
Administration. 8:423-432.

Hildebrand, P.E. 1984. 'Modified stability analysis of farmer managed, on-farm trials." Agronomy Journal, 76:
271-274.

Hildebrand, P.E. 1988. Technology diffusion in farming systems research and extension. HortScience
23(3):488-490.

Hildebrand, P.E. 1990. Modified stability analysis and on-farm research to breed specific adaptability for
ecological diversity. h: Kang, M.S. Genotype-by-environment interaction and plant breeding. Louisiana
State University. pp.169-180.

Hildebrand, P. E., and F. Poey. 1985. On-Farm Agronomic Trials in Farming Systems Research and
Extension. Lynn Rienner Publ, Inc., Bolder, Colorado. 162 pp.

Hill, J. 1975. "Genotype-environment interactions a challenge for plant breeding.' Journal of Agricultural
Science, 85: 477-493.

Lockeretz, W. 1987. Establishing the proper role for on-farm research. Amer. J. Alternative Agr.
2(3):132-136.

McCullagh, P. and Nelder, J.A. 1989. Generalized linear models. Chapman and Hall, New York.

McLean, R.A. 1989. "An introduction to general linear models." in applications of mixed models in agriculture
and related disciplines. Southern Cooperative Series Bulletin No. 343, pp. 9-38. Louisiana Agricultural
Experiment Station, Baton Rouge.

Mead, R. 1988. The Design of experiments: statistical principles for practical application. Cambridge University
Press, Cambridge, UK.

Norman, D. W. 1980. Farming systems approach: relevance for the small farmer. Rural Devel. Paper No. 5,
Dept. Agr. Economics, Michigan State Univ., East Lansing, Michigan.

Plucknett, D. L., and N. J. H. Smith. 1986. Historical perspectives on multiple cropping. Ch. 2 in: Multiple
Cropping Systems, C. A. Francis (editor). Macmillan Publ. Co., Inc., New York. pp. 20-39


Stroup, Hildebrand, and Francis Page 23


Seance Planification, RSP, 1992









Rhoades, R. 1989. The role of farmers in the creation of agricultural technology. Ch. 1.1 in: Farmer First:
Farmer Innovation and Agricultural Research, R. Chambers, A. Pacey, and L. A. Thrupp, editors. Intermed.
Technol. Publ., London. pp. 3-9.

Rzewnicki, P. E., R. Thompson, G. W. Lesoing, R. W. Elmore, C. A. Francis,A. M. Parkhurst, and R. S.
Moomaw. 1988. On-farm experiment designs and implications for locating research sites. Amer. J.
Alternative Ag.r 3:168-173.

Saeed, M., C. A. Francis, and J. F. Rajewski. 1984. Maturity effects on genotype x environment interactions
in grain sorghum. Agron. J. 76:55-58.

Shapiro, C. A., W. L. Kranz, and A. M. Parkhurst. 1989. Comparison of harvest techniques for corn field
demonstration. Amer. J. Alternative AGr. 4:59-64.

Shapiro, C. A., A. M. Parkhurst, and W. L. Kranz. 1990. Update on the statistical implications of
experimental units for on-farm trials. Agron. Abstr. p. 30.

Singh, B.K. 1990. Sustaining crop phosphorus nutrition of highly leached oxisols of the Amazon Basin of
Brazil through use of organic amendments. PhD Dissertation. University of Florida. Gainesville.

Snedecor, G.W. and Cochran, W.G. 1980. Statistical methods, 7th edition. Iowa State University Press, Ames.

Steel, R.D.G. and Torrie, J.A. 1980. Principles and procedures in statistics: a biometrical approach, 2nd
edition, McGraw-Hill, New York.

Stroup, W.W. 1989a. 'Predictable functions and prediction space in mixed linear models." jn: Applications of
mixed models in agriculture and related disciplines. Southern Cooperative Series Bulletin No. 343, pp. 39-48.
Louisiana Agricultural Experiment Station, Baton Rouge.

Stroup, W.W. 1989b. 'Why mixed models?" in Applications of mixed models In: Agriculture and related
disciplines. Southern Cooperative Series Bulletin No. 343, pp. 1-8. Louisiana Agricultural Experiment Station,
Baton Rouge.

Taylor, D. C. 1990. On-farm sustainable agricultural research: lessons from the past, directions for the future.
J. Sustainable Agr. 1(2);43-87.

Thompson, R. 1990. The Thompson-farm on-farm research. Rodale Institute, Emmaus, Pennsylvania. 68 pp.

Tripp, R., and J. Woolley. 1989. The planning stage of on-farm research: Identifying factors for
experimentation. Mexico, D.F. and Cali, Colombia: CIMMYT and CIAT.

Westcott, B. 1985. "Some methods of analysing genotype-environment interaction.' Heredity, 56: 243-253.

Wotowiec, P., S. Poats and P.E. Hildebrand. 1988. Research, recommendation and diffusion domains: A
farming systems approach to targeting. Chapter 6 In: Poats, S., M. Schmink and A. Spring. Gender issues in
farming systems research and extension. Westview Press, Inc. Boulder, Colorado.


Stroup, Hildebrand, and Francis Page 24


Sdance Planification, RSP, 1992










Tableau 1. Rendement (Mg/Ha) de
de Rio Preto Da Eva en


Niebe6 Travers les Environnments
Amazonie, au Br6zil en 1989


LOCATION FP PCW TSP CM El
8 0.10 0.20 1.30 1.65 0.81
13 0.00 0.00 1.30 2.00 0.82
6 0.15 0.50 1.35 1.35 0.84
9 0.20 0.40 1.20 1.70 0.88
2 0.50 0.65 1.10 1.50 0.94
5 0.15 0.50 2.10 2.05 1.20
4 0.60 1.20 1.60 2.25 1.41
1 0.70 0.90 2.30 1.80 1.42
11 1.20 1.50 2.20 1.90 1.70
12 1.50 1.80 2.10 1.70 1.78
3 1.45 1.95 2.50 1.90 1.95
10 2.20 1.90 2.60 1.40 2.02
7 1.70 1.65 2.65 2.15 2.04
Source: Singh (1990)









Tableau 2.


ANOVA, R6ponse Du Nieb6 h I'environnements
Manaus, 1990


D6gr6 de
Source de Variation Libert6 Carrd Moyen Pr > F
(DE)

Location 12 0.9470 0.0001


Traitement 3 3.8127 0.0001


Env*Trt 3 0.9923 0.0001


Env*Env*Trt 3 0.1266 0.1840


Residuelle 30 0.0736














EVALUATION


SELECTIONNE POUR
ESSAIS FUTURS


U


REJETE, PAS
D'ESSAIS FUTURS


FAIBLE PERFORMANCE
SUR LE TERRAIN


Figure 1. Rdsultats Possibles des Essais Sur-le-Terrain


Stroup, Hildebrand, and Francis Page 27


"4


II~.I III


Meance Planification, RSP, 1"22












EVALUATION


SELECTIONNE POUR
ESSAIS FUTURS


REJETE, PAS
D'ESSAIS FUTURS


AURAIT PEUT-ETRE
UNE BONNE
PERFORMANCE
SUR LE TERRAIN


Figure 2. Rdsultats Possibles des Essais Sur-le-Terrain


Stroup, Hildebrand, and Francis Page 28


Seance Planification, RSP, 1"22





















CHAMP 1


CHAMP F


Figure 3. Schema d'un Essai Typique Sur-le-Terrain


Stroup, Hildebrand, and Francis Page 29


Stance Planification, RSP, 1"22










































1 2 3 4 5 6 7


Figure 4.


Illustration de I'Interaction entire
Traitement et Environnement


Sdance Planification, RSP, 1992


Stroup, Hildebrand, and Francis Page 30




















I-
z


1 2 3 4 5


Figure 5.


INDEX D'ENVIRONNEMENT, IE


R6sultats hypoth6tiques d'une evaluation
de vari6t6 dans plusieurs environnements.


Stroup, Hildebrand, and Francis Page 31


Seance Planification, RSP, 1992


/B



0 c


/
/
/




































1 2 3 4 5


INDEX D'ENVIRONNEMENT, IE


Figure 6.


Interpretation negative de la r6ponse de la vari6t6e
I'environnement. La vari6t6 B a et6 choisie pour
une "adaptation plus large".


Stroup, Hildebrand, and Francis Page 32


A

S B


-* ~ C


- 0
,go
Ole


Sdance Planification, RSP, 1992




































1 2 3 4 5 6


INDEX D'ENVIRONNEMENT, IE


Figure 7.


Interpretation positive de la r6ponse de la vari6t6e
I'environnement. Pour des meilleurs environnements,
on a choisi la vari6t6 A et pour des environnement
moins bons, on a choisi la vari6t6 C.


Stroup, Hildebrand, and Francis Page 33


Seance Planification, RSP, 1992


C
-*--c













2.5


2


1.5


1


0.5


0
0.8


INDEX D'ENVIRONNEMENT, IE

I WL Sg S PF S S PF

CLASSES DE TERRES


Figure 8.


La r6ponse (MG/HA) des quatre traitements sur cowpea A
I'environnement. Manaus, Br6sil, 1990 (Singh).


Stroup, Hildebrand, and Francis Page 34


1 1.2 1.4 1.6 1.8 2


Stance Planification, RSP, 1992









80
FP


60
U 6
0

z 40
uJ
STSP




I PCW ..... ---

I I I

0.8 1 1.2 1.4 1.6 1.8 2 2.2
INDEX D'ENVIRONNEMENT, IE

WL SI S PF3 SiF PF2 PF]

CLASSES DE TERRES



Figure 9. La reponse (KG/$AC) des quatre traitements sur nieb6e
I'environnement. Manaus, Br6sil, 1990 (Singh).


Stroup, Hildebrand, and Francis Page 35


Stance Planification, RSP, 1"22










50



60



70



80



90



100
-10


KG/I ARGENT COUTE


Figure 10.


La stability des trois traitements sur niebe dans
des environnements pauvres.
Manaus, Br6sil, 1990 (Singh)


Stroup, Hildebrand, and Francis Page 36


-5 0 5 10 15 20 25 30


Sdance Planification, RSP, 1992
















Photo 1


*~ *~~*- *....* -.*
-~ '. .'= .- -
~~~_ r~4.
-


Photo 2


I C -i-
bf -L Iz -


-~I
-.. --- ... -. -.- ~.
... -

Les"l c--..-' =-: -L ...q~'/ e


Seance Planification, RSP, 1992


Stroup, Hildebrand, and Francids Page 37


/ ec 7,^.-/-- ,


Photo 3


- -- - -r
-r


..


L49 40




University of Florida Home Page
© 2004 - 2010 University of Florida George A. Smathers Libraries.
All rights reserved.

Acceptable Use, Copyright, and Disclaimer Statement
Last updated October 10, 2010 - - mvs