Prévision des rendements mondiaux du blé: évaluation du potentiel de l'agrométéorologie associée à la télédétection

Abstract

Wheat is an essential crop as it is the most consumed cereal worldwide. Improving global wheat yield forecasting could help manage food crises by anticipating the mobilization of humanitarian aid and reducing speculation in global markets. The objectives of this work are to use, parameterize, and evaluate different types of models. A simple linear regression model, considered as the reference, was compared with more complex models that integrated agrometeorological variables as well as the price of wheat on the global market. These models are based on multiple linear regression methods and random forests. The analysis was conducted at the national scale for the five largest wheat-producing countries (China, India, Russia, the United States, and France), and the results were then combined to form a global model. Although the global model did not surpass the accuracy of the reference model (with a root mean square error of 108.03 kg/ha compared to 74.31 kg/ha), the results are encouraging and offer opportunities for improvement in future research.

Le blé est une culture essentielle car il s’agit de la céréale la plus consommée à travers le monde. L’amélioration de la prévision des rendements du blé à l’échelle mondiale pourrait permettre d’aider à la gestion des crises alimentaires en anticipant notamment la mobilisation de l’aide humanitaire ou encore à réduire la spéculation sur les marchés mondiaux. Ce travail a pour objectifs d’utiliser, de paramétrer et d’évaluer différents types de modèles. Un modèle de régression linéaire simple, considéré comme la référence, a été comparé avec des modèles plus complexes, dans lesquels ont été intégrées des variables agrométéorologiques ainsi que le prix du blé sur le marché mondial. Ces modèles sont basés sur les méthodes de régression linéaire multiple et sur les forêts aléatoires. L’analyse a été réalisée à l’échelle nationale des cinq plus grands pays producteurs de blé (Chine, Inde, Russie, Etats-Unis et France) et les résultats ont ensuite été associés pour former un modèle global. Bien que le modèle global n’ait pas surpassé la précision du modèle de référence (avec une racine carrée de l’erreur quadratique moyenne de 108,03 kg/ha contre 74,31 kg/ha), les résultats obtenus sont encourageants et offrent des perspectives d’améliorations dans le cadre de futures recherches.