En naviguant sur notre site vous acceptez l'installation et l'utilisation des cookies sur votre ordinateur. En savoir +

Menu INRA AgroParisTech

Unité Agronomie - centre Versailles-Grignon

AGRONOMIE

Evaluer, à l’échelle globale, les performances et les impacts des systèmes de culture mondiaux actuels et futurs

Responsable de thème : David Makowski

Notre objectif est d’identifier des systèmes de culture qui permettraient d’assurer un niveau de production satisfaisant tout en limitant au maximum les impacts environnementaux négatifs à l’échelle mondiale. Nos travaux portent principalement sur :

  • la réalisation de méta-analyses sur les performances de systèmes de culture à larges échelles (voir section)
  • l’étude de l’évolution des rendements des principales cultures dans le monde, et l’analyse de leurs variabilités spatiales et temporelles
  • Évaluation d'indicateurs climatiques pour anticiper les pertes de rendement extrêmes
  • Analyse statistique de données collectées chez les agriculteurs
ImageAG

Estimated mean ratios of the yields of cereals cultivated after non-cereals (either grain legumes or oilseeds) to the yields of cereals cultivated after cereals.

The estimated mean yield ratios were higher than one (yield of cereal after non-cereal>yield of cereal after cereal) for oilseeds and all grain legumes cultivated as preceding crops. The relative effect was statistically significant (p<0.05) for thirteen of the sixteen grain legume species and for oilseeds. The scientific names of the grain legume species preceding cereals are abbreviated as follows: Arachis hypogaea (AH), Cajanus cajan (CC), Cicer arietinum (CA), Glycine max (GM), Lens culinaris (LC), Lupinus albus (LAl), Lupinus angustifolius (LAn), Lupinus luteus (LL), Phaseolus vulgaris (PV), Pisum sativum (PS), Vicia faba (VF), Vicia sativa (VSa), Vigna mungo (VM), Vigna radiata (VR), Vigna subterranea (VSu), and Vigna unguiculata (VU). The category for oilseeds (OI) includes six species cultivated as preceding crops, namely, Brassica juncea, Brassica napus, Carthamus tinctorius, Crambe abyssinica, Helianthus annuus, and Linum usitatissimum. Bullet points indicate the mean yield ratios estimated from weighted data using a mixed-effect statistical model. Error bars indicate the 95% confidence intervals. The upper and lower rows in the bottom box (grey) indicate the numbers of selected articles and observed cereal yield ratios available for each preceding non-cereal species, respectively

Exemples de références récentes 

Cernay, C., Makowski, D., Pelzer, E., 2018. Preceding grain legume increases cereal yields under low nitrogen input conditions. Environmental Chemistry Letters, in press

Lesur C., Malézieux E., Ben-Ari T., Langlais C., Makowski D. 2017. Lower average yields but similar yield variability in organic versus conventional horticulture. A meta-analysis. Agronomy for sustainable development 37, 45.

Lechenet M., Dessaint F., Py G., Makowski D., Munier-Jolain N. 2017. Reducing pesticide use while preserving crop productivity and profitability in arable farms. Nature Plants 3, 17008. https://www.nature.com/articles/nplants20178.

Makowski D., Bancal R., Bensadoum A., Monod H., Messéan A. 2017. Sampling strategies to evaluate rate of transgene adventitious presence in maize fields. Risk analysis 37, No. 9, 1693-1705. 

Verret V., Gardarin A., Pelzer E., Médiène S., Makowski D., Morison M. 2017. Can legume companion plants control weeds without decreasing crop yield? A meta-analysis. Field Crops Research 204, 158-168

Sharif B., Makowski D., Plauborg F., Olesen J.O. 2017. Comparison of regression techniques to predict response of oilseed rape yield to variation in climatic conditions in Denmark. European Journal of Agronomy 82A, 11-20.

Michel L., Brun F., Makowski D. 2017. A framework based on generalised linear mixed models for analysing pest and disease surveys. Crop protection 94, 1-12.

Cernay C, Makowski D, Lescoat P, Pelzer E, 2017. Comparaison des performances de différentes espèces de légumineuses à graines. Innovations Agronomiques 60, 21-41

Ben-Ari T., Adrian J., Klein T., Calanca P. Van der Velde M., Makowski D. 2016. Identification of accurate indicators for extreme wheat and maize yield loss. Agriculture and Forest Meteorology 220, 130-140.

Ben-Ari T., Makowski D. 2016. Analysis of the trade-off between high crop yield and low yield instability at the global scale. Environmental Research Letter 11 104005.

Cernay C., Pelzer E., Makowski D. 2016. A global experimental dataset for assessing grain legume production. Scientific data 3 160084.

Gerber J.S., Kimberly M. Carlson, Makowski D, Iñaki Garcia de Cortazar-Atauri, Petr Havlík , Mario Herrero , Marie Launay,., Nathaniel D. Mueller,  Christine S. O’Connell , Pete Smith , Paul C. West. 2016. Spatially explicit estimates of N2O emissions from croplands suggest climate mitigation opportunities from improved fertilizer management. Global Change Biology 22 3383–3394.

Hossard L. Archer, D.W., Bertrand, M., Colnenne-David, C., Debaeke, P., Erfors, M., Jensen, E.S., Jeuffroy, M.H., Munier-Jolain, N., Nilsson, C., Sanford, G.R., Snapp, S.S., Makowski, D. 2016. A Meta-Analysis of Maize and Wheat Yields in Low-Input vs. Conventional and Organic systems. Agronomy Journal, 108:1155-1167.

Thèses et Post-doc

Analyse du risque de maladie sur blé et vigne en combinant des bases de données régionales et des informations locales en cours de saison

Mathilde Chen

Encadrement : David Makowski et François Brun (ACTA)

Statistical analysis of on-farm research data

Anabelle Laurent

Encadrement : David Makowski et Fernando Miguez (Iowa State University).

Développement de méta-modèles pour estimer les émissions d'ammoniac

Marie-Julie Ramanantenasoa

Encadrement : David Makowski et Sophie Genermont (INRA Ecosys)