Estimation de l’évapotranspiration et des coefficients culturaux de l’oignon à l’aide de lysimètres pèsants et de modèles d’apprentissage automatique en région semi-aride

Pourquoi l’oignon et sa consommation d’eau comptent

L’oignon est un aliment de base en cuisine et une culture importante en Iran, pourtant il requiert beaucoup d’eau dans une région où chaque goutte compte. Les agriculteurs et les gestionnaires de l’eau doivent connaître précisément combien d’eau les parcelles d’oignon perdent vers l’atmosphère afin d’irriguer judicieusement, éviter le gaspillage et obtenir de bons rendements. Cette étude a combiné des mesures de terrain rigoureuses avec des modèles informatiques modernes pour mieux comprendre l’utilisation de l’eau par l’oignon dans une zone semi-aride d’Iran.

Mesurer comment les parcelles d’oignon perdent de l’eau

Les plantes perdent de l’eau de deux façons principales : à partir de la surface du sol et par les feuilles. Ensemble, ces pertes s’appellent l’évapotranspiration. Pour la suivre avec grande précision, les chercheurs ont utilisé de grands conteneurs pèsants enterrés, chacun contenant des plants d’oignon et du sol. En enregistrant l’évolution du poids dans le temps, et en suivant les pluies, l’irrigation et le drainage, ils ont pu déterminer avec exactitude combien d’eau quittait le système chaque jour. Sur deux saisons de croissance, la culture d’oignon a consommé environ 447 millimètres d’eau la première année et 432 millimètres la seconde, le temps plus frais de la deuxième année ayant conduit à une consommation légèrement moindre.

Séparer la soif des plantes du sèchage du sol

L’eau n’est pas seulement absorbée par les racines des oignons ; elle s’évapore également directement du sol nu entre les rangs. Pour distinguer ces composantes, l’équipe a placé de petits cylindres de sol, appelés micro-lysimètres, à l’intérieur des unités pèsantes principales. Ces petits échantillons étaient pesés quotidiennement pour montrer combien d’eau quittait uniquement la surface du sol. En soustrayant cela de la perte d’eau totale, ils ont pu estimer ce qui transpirait réellement par les plantes d’oignon. Ils ont constaté qu’environ un tiers de la perte d’eau totale provenait de la surface du sol, tandis que le reste provenait de la transpiration des plantes. Ils ont aussi suivi comment ces parts évoluaient au cours de la saison, l’évaporation du sol étant plus élevée lorsque les plants étaient petits et la couverture foliaire limitée.

Des chiffres simples pour guider l’irrigation

Les agriculteurs et conseillers s’appuient souvent sur des coefficients culturaux, des facteurs simples qui relient la météo locale à la quantité d’eau qu’une culture donnée utilisera. Dans cette étude, l’équipe a calculé des coefficients culturaux simples et doubles pour l’oignon dans des conditions semi-arides iraniennes. Le coefficient simple relie l’utilisation totale d’eau de l’oignon à une référence standard en gazon, tandis que la forme double sépare l’effet entre les feuilles de la plante et le sol nu. Pour la mesure combinée, les valeurs moyennes étaient de 0,41 au début de la saison, 0,68 au pic de croissance et 0,51 en fin de saison. La composante foliaire est restée plus basse que les valeurs rapportées dans certains autres pays, reflétant la surface foliaire et la hauteur relativement modestes de la variété locale d’oignon et les hivers frais qui ont ralenti sa croissance.

Apprendre aux ordinateurs à prédire la consommation d’eau

Parce que les grands appareils pèsants sont coûteux et rares, les chercheurs ont aussi testé si des modèles informatiques pouvaient estimer la consommation d’eau de l’oignon à partir de mesures météo et culturales courantes. Ils ont entraîné cinq types de modèles d’apprentissage automatique sur deux ans de données, incluant la température de l’air, l’humidité, la vitesse du vent, l’ensoleillement, la surface foliaire et la hauteur des plantes. Les modèles ont appris à reproduire les pertes d’eau mesurées et ont été testés sur des jours non vus. Deux méthodes basées sur des arbres, Random Forest et Decision Tree, ont fourni les prédictions les plus précises, suivies de près par des réseaux de neurones et la régression par vecteurs de support. Une méthode linéaire plus simple, la régression LASSO, était moins précise, ce qui suggère que la consommation d’eau de l’oignon réagit de manière complexe et non linéaire aux conditions météorologiques et à la croissance des plantes.

Ce qui pilote la consommation d’eau de l’oignon

En examinant l’intérieur du modèle le plus performant, l’équipe a identifié les entrées les plus influentes. Les mesures de la taille des plantes, comme la surface foliaire et la hauteur, arrivaient en tête, ainsi que le rayonnement net provenant du soleil et la vitesse du vent. En revanche, l’humidité de l’air jouait un rôle moindre dans ce contexte semi-aride. Cela signifie que pour prédire les besoins en eau de façon fiable, il est utile de connaître non seulement la météo, mais aussi la surface foliaire verte présente sur la culture à un moment donné.

Ce que cela signifie pour les agriculteurs

Pour les producteurs et planificateurs en zones sèches, ce travail livre deux outils clés. Premièrement, il fournit des valeurs testées localement qui relient les données météorologiques standard à l’utilisation d’eau par l’oignon, aidant à concevoir de meilleurs calendriers d’irrigation. Deuxièmement, il montre que des modèles d’apprentissage automatique bien entraînés peuvent remplacer des instruments de terrain coûteux, à condition que des données météo et de croissance culturales de base soient disponibles. Ensemble, ces avancées peuvent soutenir une utilisation plus efficace de ressources en eau limitées tout en maintenant la production d’oignons dans des paysages semi-arides.

Citation: Shirazi, S.H.M., Razzaghi, F. & Sepaskhah, A.R. Estimation of onion crop evapotranspiration and crop coefficients using weighing lysimeters and machine learning models in semi-arid region. Sci Rep 16, 16166 (2026). https://doi.org/10.1038/s41598-026-43887-w

Mots-clés: irrigation de l’oignon, évapotranspiration, agriculture semi-aride, coefficients culturaux, modèles d’apprentissage automatique