détermination de la stratégie d'irrigation optimale de la
TRANSCRIPT
Détermination de la stratégie d’irrigation optimale de la fraise basée sur le potentiel matriciel du sol et un
modèle climatique
Mémoire
Lélia Anderson
Maîtrise en génie agroalimentaire
Maître ès sciences (M.Sc.)
Québec, Canada
© Lélia Anderson, 2016
Détermination de la stratégie d’irrigation optimale de la fraise basée sur le potentiel matriciel du sol et un
modèle climatique
Mémoire
Lélia Anderson
Sous la direction de :
Jean Caron, directeur de recherche
iii
Résumé
Les fraises sont souvent produites dans des régions où l’eau est limitante et les producteurs
doivent choisir la stratégie d’irrigation optimisant le rendement et l’efficacité d’utilisation
de l’eau (EUE). En Californie, une gestion tensiométrique des irrigations a été comparée à
un modèle climatique, et un potentiel matriciel du sol (ψ) variable a été investigué. Sur un
sol faiblement perméable, -10kPa, -35kPa, un témoin, un ψ à deux paliers (-35/-10 kPa) et
une gestion par ψ ajustée quotidiennement à l’évapotranspiration prévisionnelle de la
culture (ETc), n’ont pas affecté les rendements. Sur un sol hautement perméable, des
traitements appliquant 100% ETc, 75% ETc, 50% ETc, un témoin, -10kPa et -35/-10 kPa ont
mené à de meilleurs rendements pour les régies pleinement irriguées, -10 kPa et 100%ETc,
mais l’EUE a été meilleure avec -10 kPa. En irrigation de déficit, la gestion par ψ a
maximisé le rendement et l’EUE contrairement au modèle climatique démontrant l’intérêt
de cette approche relativement au contexte de restriction en eau affectant les régions
sensibles à la sécheresse.
iv
Table des matières
Résumé ............................................................................................................................... iii
Table des matières .............................................................................................................. iv
Liste des tableaux ............................................................................................................... vi
Liste des figures ................................................................................................................. vii
Liste des abréviations et sigles ......................................................................................... viii
Remerciements ................................................................................................................... ix
Avant-propos ....................................................................................................................... x
Introduction ......................................................................................................................... 1
Chapitre 1 : Revue de littérature .......................................................................................... 3
Revue de littérature générale .............................................................................................. 3
Relation sol plante .......................................................................................................... 3
L’irrigation ..................................................................................................................... 4
Régies de l’irrigation ...................................................................................................... 5
Tensiométrie ................................................................................................................... 7
Revue de littérature sur la culture de la fraise .................................................................. 10
Le fraisier ..................................................................................................................... 10
Irrigation ....................................................................................................................... 13
Hypothèses et Objectifs .................................................................................................... 19
Chapitre 2 : Determination of the optimal strawberry irrigation strategy based on water
matric potential and a climatic model ............................................................................... 21
Résumé ............................................................................................................................. 21
Abstract ............................................................................................................................ 22
Introduction ...................................................................................................................... 23
Materials and methods ...................................................................................................... 25
Experimental sites and crop details .............................................................................. 25
Irrigation treatments and experimental design ............................................................. 26
Yield and plant measurements ..................................................................................... 28
Soil properties ............................................................................................................... 28
Water desorption curve, unsaturated hydraulic conductivity, and variable threshold
estimation ..................................................................................................................... 29
Statistical analysis ........................................................................................................ 30
Results and discussion ...................................................................................................... 30
v
Soil properties ............................................................................................................... 30
Matric potential evolution ............................................................................................. 31
Yield .............................................................................................................................. 33
hc calculation considerations ......................................................................................... 36
Fruit quality ................................................................................................................... 38
Plant Growth ................................................................................................................. 38
Water use ....................................................................................................................... 39
Conclusion ........................................................................................................................ 43
Acknowledgments ............................................................................................................. 44
Figures and tables .............................................................................................................. 45
Chapitre 3 : Conclusion ..................................................................................................... 60
Bibliographie ..................................................................................................................... 62
vi
Liste des tableaux
Table 1. Soil properties from both experimental sites. ......................................................... 46
Table 2. Maximum average ψ reached (-kPa) at 15 cm deep before irrigations and at 30 cm
depth and after irrigations at site 1. ...................................................................................... 58
Table 3. Maximum average ψ reached (-kPa) at 15 cm deep before irrigations and at 30 cm
depth and after irrigations at site 2. ...................................................................................... 59
vii
Liste des figures
Figure 1. Treatment structure at sites 1 and 2. ...................................................................... 45
Figure 2. WRC from both sites and Kunsat from site 1 on undisturbed soil cores analyzed
with Tempe cells (top) with both and KsG parameters estimated in the soil ψ range -3.5 to
-35 kPa. WRC from both sites on undisturbed soil cores sampled early and end season
analyzed with tension table (bottom). ................................................................................... 47
Figure 3. Rainfall, ψ evolution in -kPa and targeted threshold represented with a dotted line
at site 1. ................................................................................................................................. 48
Figure 4. Rainfall, ψ evolution in -kPa and targeted threshold represented with a dotted line
at site 2. ................................................................................................................................. 49
Figure 5. Time spent as percentage per ψ ranges (-kPa), on both sites at 15 and 30 cm deep
during treatment application period. ..................................................................................... 50
Figure 6. Relative yield, i.e. treatment yield divided by the highest yield achieved per site,
as a function of the seasonal average soil water matric potential achieved between the end
of implantation phase and end of the season. ........................................................................ 51
Figure 7. Total cumulative yields at site 1 (left) and site 2 (right). Date with one asterisk (*)
is characterized by treatment differences at a 0.05 significance level and date with three
asterisks (***) by treatment differences at a 0.001significance level. For clarity purposes
standards errors are presented over the data points. .............................................................. 52
Figure 8. Fruit quality represented with the seasonal average berry size and brix index.
Treatments with the same letter do not differ at a 0.05 significance level for the berry size
and at a 0.01 significance level for the Brix. ........................................................................ 53
Figure 9. Dry root mass sampled at the end of the -35 kPa ψ step in the -35/-10 kPa
treatment and at the end of the season. Treatments with the same letter do not differ at a
0.05 significance level. .......................................................................................................... 54
Figure 10. At site 1 (left) and 2 (right), water use efficiency in g L-1 with the water applied
from the beginning of the treatment application until the end of the season. ....................... 55
Figure 11. Site 1 water application and evapotranspiration from the end of the implantation
phase to the end of the season represented as monthly water (top), and cumulative water
application (bottom). ............................................................................................................. 56
Figure 12. Site 2 water application and evapotranspiration from the end of the implantation
phase to the end of the season represented as monthly water (top), and cumulative water
application (bottom). ............................................................................................................. 57
viii
Liste des abréviations et sigles
ψ : Potentiel matriciel du sol
θ : Teneur en eau volumique
θsat : Teneur volumique à saturation
CWB : Climatic water balance model
EC : Electrical conductivity
ETc : Évapotranspiration potentielle de la culture
ET0 : Évapotranspiration potentielle de référence
EUE : Efficacité d’utilisation de l’eau
hc : Seuil de potentiel matriciel critique selon Rekika et al. (2014)
IDD : Irrigation déficitaire de début de saison
IDF : Irrigation déficitaire de fin de saison
Knon-sat : Conductivité hydraulique non-saturée
Ksat : Conductivité hydraulique saturée ou saturated hydraulic conductivity
Kunsat : Unsaturated hydraulic conductivity
WRC : Water retention curve
WUE : Water use efficiency
ix
Remerciements
Je tiens tout d’abord à remercier mon directeur de recherche, le docteur Jean Caron, pour
ses précieux conseils, sa grande disponibilité et la confiance qu’il m’a accordée en me
confiant ce projet. Je remercie Carole Boily pour m’avoir si bien transmis son savoir
relativement aux analyses de sol en laboratoire. Je remercie grandement Guillaume
Sauvageau et Laurence Gendron pour leur travail de qualité entrepris avec la suite de la
prise des données en Californie. Un autre grand merci à mes prédécesseurs de la Californie
Valérie Bernier, Guillaume Letourneau et Julien Cormier pour m’avoir transmis une
précieuse expertise tout au long de l’étude.
Merci aux professionnels de recherche pour avoir veillé au bon déroulement de l’expérience
et particulièrement à Benjamin Parys pour toutes les demandes administratives et de
matériels rapidement gérées. Merci à Amélie Picard pour son travail minutieux en
laboratoire ainsi qu’à tous les autres auxiliaires et professeurs qui ont travaillé dans ce
projet de recherche que ce soit au niveau du travail de laboratoire ou pour les nombreux
échanges sur la démarche scientifique qui m’ont permis de cheminer. Merci à toute l’équipe
d’Hortau, du Québec et de la Californie, pour le soutien technique grandement apprécié.
Je remercie les deux producteurs anonymes de la Californie pour avoir fourni un site
expérimental, du matériel et de la main-d’œuvre. J’exprime ma reconnaissance envers
Emily Paddock, Allison Vandenhout et Oleg Daugovish qui m’ont fourni des
recommandations et un soutien technique et scientifique soutenu tout au long du projet. Je
remercie sincèrement Pascual, Lalo, Lina, Agustin, Ruben, Paul et les équipes de terrain des
producteurs pour avoir partagé avec moi leur expérience et pour avoir fourni une main-
d’œuvre essentielle au déroulement de ce projet.
Je souhaite également remercier le Conseil de Recherche en Sciences Naturelles et en Génie
du Canada (CRSNG), Hortau, Ferme Onésime Pouliot Inc., Canneberges Bieler Inc.,
Nature Canneberge Inc. et Transport Gaston Nadeau Inc. pour le soutien financier du projet
dans le cadre duquel s’inscrit cette expérience en irrigation de précision de la fraise.
x
Avant-propos
Ce mémoire de maîtrise est constitué de trois chapitres. Le premier chapitre est une
introduction générale sur l’irrigation de précision suivi d’une introduction plus spécifique
au sujet de l’irrigation de la culture de la fraise. De ce premier chapitre découle la
problématique, les hypothèses et les objectifs de maîtrise. Le chapitre 2 présente la
démarche et les résultats de la recherche sous forme d’article scientifique rédigé en anglais.
Le chapitre 3 finalise le mémoire en concluant sur les connaissances acquises au terme de
ce travail. L’article du chapitre 2 sera soumis au journal scientifique Scientia Horticulturae
et portera le titre « Determination of the optimal strawberry irrigation strategy based on
water matric potential and a climatic model ». J’ai rédigé l’intégralité de l’article suite aux
expériences que j’ai planifiées, exécutés et analysées. L’article a été rédigé sous la
supervision de mon directeur de recherche le docteur Jean Caron qui m’a guidé tout au long
du cheminement de la maîtrise.
1
Introduction
La Californie est une zone fortement sujette à la sécheresse. La température et
l’ensoleillement sont rarement un facteur limitant pour les cultures, le rendement étant
surtout limité par l’apport en eau. Les périodes de sécheresses poussent le secteur agricole à
augmenter le pompage de la nappe phréatique ce qui peut provoquer son abaissement, une
diminution de la qualité de l’eau, l’intrusion saline dans les terres arables et l’assèchement
des puits (Croyle et al., 2014). Ces conséquences sont néfastes autant
environnementalement qu’économiquement pour les agriculteurs et la population puisque la
qualité de l’eau se détériore avec les excès de pompage. Face à ce problème, les agriculteurs
doivent augmenter l’efficacité d’utilisation de l’eau sans affecter le rendement. La fraise est
une culture importante de la Californie. En 2012, le marché frais de la fraise représentait
plus de 2,3 milliard de dollars et le marché des fruits transformés plus de 198 millions
(National Agricultural Statistics Services, 2014). Déterminer la quantité exacte d’eau et le
moment nécessaire pour chaque irrigation est difficile et c’est une difficulté qui s’accentue
lors de la gestion d’une culture sensible au stress hydrique comme celle-ci.
Plusieurs technologies sont disponibles pour assister le processus décisionnel de
l’irrigateur. Le tensiomètre joint à un système de suivi continu de culture est l’un d’eux. La
détermination du seuil de potentiel matriciel du sol (ψ) optimal pour le déclenchement de
l’irrigation dans la fraise a fait l’objet de plusieurs études dans les dernières années et a
souvent permis d’augmenter les rendements (Létourneau et al., 2015; Caron et al., 2014;
Caron et al., 2013; Caron et al., 2011; Bergeron, 2010; Serrano et al., 1992). Cependant,
plusieurs études tensiométriques n’ont fait qu’un suivi par lecture visuelle du ψ (Krüger et
al., 1999; Serrano et al., 1992) rendant le processus laborieux pour l’opérateur et
fragmentant l’information. D’autre part, dans la presque totalité de ces études, on a appliqué
un seuil fixe de ψ (Caron et al., 2014; Caron et al., 2013; Caron et al., 2011; Bergeron,
2010; Serrano et al., 1992), ne tenant pas compte de la variation journalière et saisonnière
des flux d’eau instantanés dans la matrice du sol.
Lors de l’utilisation d’un seuil de ψ fixe, le ψ optimal de déclenchement des irrigations était
souvent situé près de -10 kPa (Létourneau et al., 2015; Caron et al., 2014; Caron et al.,
2
2013; Caron et al., 2011; Bergeron, 2010; Serrano et al., 1992). Or, dans le cas de
l’application d’un seuil fixe, il peut arriver que le taux de transfert de l’eau dans le sol ne
soit pas assez rapide pour suffire aux demandes instantanées d’évapotranspiration de la
culture (ETc) (Rekika et al., 2014; Périard et al., 2012; Bergeron, 2010) étroitement reliées
au stade de croissance du plant. Une résolution de la solution analytique de l’équation de
Richards (Rekika et al., 2014) permet de mettre en évidence qu’un potentiel matriciel du sol
plus bas pourrait être appliqué en début de saison, sans compromettre la disponibilité de
l’eau aux plants. D’ailleurs, en début de saison plusieurs essais utilisant des seuils de ψ
fixes dans la fraise n’ont obtenu que très peu de différences de rendement entre différents
modes de gestion, qu’il s’agisse d’une gestion sèche ou humide (Caron et al., 2014; Caron
et al., 2013; Caron et al., 2011).
Un autre mode de gestion de l’irrigation répandu est le bilan hydrique calculé à partir de
l’évapotranspiration potentiel de la culture. L’omission fréquente des facteurs culturaux lors
de l’estimation du coefficient de culture, les différences environnementales entre le site de
la station météorologique (à partir de laquelle est calculée l’évapotranspiration de référence)
et le site de la culture, ainsi que le non-suivi du statut hydrique du sol contribuent souvent à
biaiser le calcul des apports en eau réellement nécessaires à la culture. La gestion de
l’irrigation par le potentiel matriciel, par rapport au bilan hydrique, serait donc plus
favorable à la maximisation du rendement (Evenhuis and Wilms, 2008; Kirschbaum et al.,
2003).
L’objectif poursuivi dans ce travail était donc de déterminer le ψ optimal en fonction de la
demande évapotranspirative pour démarrer les irrigations en comparant des seuils de ψ
fixes et variables et en comparant une gestion de l’irrigation par bilan hydrique à une
gestion par tensiomètre. Le succès d’un traitement d’irrigation a été évalué en fonction du
rendement ainsi qu’en fonction de son efficacité d’utilisation de l’eau.
3
Chapitre 1 : Revue de littérature
Revue de littérature générale
Relation sol plante
La disponibilité en eau du sol est étroitement reliée à ses propriétés physiques, e.g. sa teneur
en matière organique, sa structure et sa texture. L’eau est adsorbée sur les surfaces des
particules de sol ou retenue dans les micropores par des liaisons hydrogènes (Fortin, 2011).
Dans un sol à texture fine, l’eau est donc fortement retenue par les particules solides. Les
sols argileux ont généralement une infiltration plus lente qui ralentit davantage lorsqu’il y a
gonflement du sol suite à l’apport en eau.
La dimension des pores influence la force avec laquelle l’eau est retenue par le sol. Les
macropores retiennent l’eau plus faiblement, se drainent plus facilement et favorisent les
échanges gazeux alors que les micropores sont peu aérés car ils retiennent l’eau plus
fortement, ils contiennent ainsi la plus grande partie de la réserve hydrique disponible pour
la plante. Les irrigations peuvent avoir comme conséquence de compacter le sol et ainsi
réduire ses capacités d’infiltration (Fortin, 2011). En début de saison, après le travail du sol,
ce dernier est meuble, à structure encore instable et sujet à l’affaissement ou au
foisonnement (Hillel et De Backer, 1988) particulièrement près de la zone d’application de
l’eau. De façon analogue à ce qui est observé avec la pluie par plusieurs auteurs (e.g. Hillel
et De Backer, 1988), les cycles d’humectation-dessiccation, l’action destructive et
ramollissante de l’apport d’eau d’irrigation ou de la turbulence de l’eau si un débit trop
élevé est appliqué peuvent causer la rupture des agrégats et une dispersion colloïdale qui
résultent en la formation d’une croûte limitante affectant le profil d’humidité sous-jacent.
La destruction des agrégats a pour conséquence d’augmenter la masse volumique apparente
donc de compacter le sol. La stabilité des agrégats d’un sol, donc sa stabilité structurale,
dépend de plusieurs facteurs incluant notamment les cycles d’apports en eau subis, les
pratiques culturales, la texture et la matière organique qui le compose (Fortin, 2011).
4
Pour des sols à textures et structures différentes, l’eau peut être différemment disponible à
une même teneur en eau. La courbe de rétention représente le potentiel matriciel du sol (ψ)
en relation avec sa teneur en eau (θ) correspondante et cette relation varie en fonction des
propriétés physiques. À cause de la non-linéarité entre ψ et θ, une petite variation de θ peut
être associée à une variation importante de ψ. Les processus physiologiques de la plante,
s’apparentant plus aux différences de potentiel qu’aux différences de teneur en eau, rendent
nécessaire la caractérisation de la courbe de rétention pour cibler et respecter la zone de
confort hydrique du plant dans un contexte où la régie de l’irrigation se fait par un suivi des
propriétés hydriques du sol. L’effet d’hystérèse est le principe selon lequel une courbe de
rétention est différente en phase de désorption et en phase de réhumectation du sol. Ce
processus est plus prononcé dans les sols fins (Gallichand, 2012).
En plus d’être affecté par les propriétés physiques du sol, la disponibilité de l’eau à la
plante est affectée par la plante elle-même. Un enracinement plus profond augmente la
dimension du réservoir en eau du sol (Gallichand, 2012) et la capacité du plant à extraire
l’eau diffère d’une culture à l’autre et en fonction du stade de croissance de la culture.
Plusieurs études ont tenté de déterminer la zone de confort hydrique spécifique à chaque
culture, que ce soit par des lectures directes de la teneur en eau volumique ou du potentiel
matriciel (e.g. Marouelli et Silva, 2007; Krüger et al., 1999; McCarthy, 1997; Serrano et al.,
1992; Miller et al., 1998).
La croissance, le développement et le rendement d’une culture sont hautement sensibles à la
réduction de l’eau disponible dans le sol, seuls quelques jours de sécheresse peuvent avoir
un effet néfaste sur le rendement. Cette propriété des plantes relève néanmoins de leur
capacité à répondre au changement de leur environnement et à réguler leurs croissance et
fonctions pour survivre (Davies et Hartung, 2004).
L’irrigation
Micro-irrigation
Les systèmes de micro-irrigation qui sont conçus pour humidifier seulement la zone
racinaire du plant et la maintenir à un niveau d’humidité optimal, ont un important potentiel
d’irrigation de précision. L’efficacité de ces systèmes est souvent évaluée à plus de 90%
(Smith et al., 2010) et l’uniformité d’irrigation de la micro-irrigation est évaluée à 80%
5
lorsque le système est correctement conçu et entretenu (Hanson et al., 1994). Les pertes
sont majoritairement causées par l’évaporation, le ruissellement et le lessivage. Il est connu
que l’irrigation excessive, peu importe le type de système, cause la perte de nutriments
(Krüger et al., 1999). La possibilité d’accomplir un haut niveau d’efficacité relève
principalement de la gestion (Smith et al., 2010) et peut varier beaucoup en fonction de
l’expérience du personnel irrigateur.
Régies de l’irrigation
Le développement des technologies de l’irrigation a mené au principe « d’irrigation de
précision » et son développement dans les dernières années. Une irrigation de précision vise
à évaluer précisément les quantités d’eau requises d’une culture et le moment précis de son
application en combinaison avec un système hydraulique efficace et une distribution
uniforme de l’eau (Smith et al., 2010).
Avec la régie continue de culture, qui est en plein développement et dont la fiabilité des
appareils augmente continuellement, l’apport à la plante de ses besoins précis en eau est de
plus en plus possible. Deux méthodes sont principalement utilisées en agriculture pour
gérer les flux d’eau : la méthode par bilan hydrique et la méthode par mesure des propriétés
du sol. En régie continue de culture, les sondes sont reliées à un système d’acquisition puis
transmises sur interfaces où les données sont disponibles en temps réel. Les méthodes
bénéficiant de sondes mais ne bénéficiant pas de système de suivi continu ont souvent le
désavantage d’être moins précises car elles fournissent de l’information fragmentée.
Bilan hydrique
La méthode d’irrigation par bilan hydrique vise à rééquilibrer les apports et les pertes en
eau d’une culture. Ce bilan peut être calculé en additionnant les pertes évapotranspiratives
de la culture (ETc) et les pertes d’inefficacité du système d’irrigation (Hanson et Bendixen,
2004). L’ETc est estimée à partir de l’évapotranspiration de référence (ET0) selon
l’Équation 1 où Kc est le coefficient de culture qui dépend du niveau de croissance du plant.
L’ET0 est calculée avec l’équation de Penman-Monteith FAO56 qui est généralement la
méthode utilisée par les services météorologiques. L’évapotranspiration est régie par des
facteurs du milieu de croissance tels que l’énergie du soleil, la nature des surfaces, le vent,
6
et des facteurs végétaux tels que le type de végétal, l’âge, la dimension du plant, la
physiologie, le système racinaire (Fortin, 2011) et le statut hydrique du sol.
Le California Irrigation Management Information System (CIMIS) fournit des données
d’ET0 quotidiennement a posteriori en Californie. Le National Oceanic and Atmospheric
Administration (NOAA) fournit aussi des valeurs d’ET0 prévisionnelles sur 6 jours aux
États-Unis, cependant cette technologie était toujours au stade expérimental en 2014. Le Kc
peut être déterminé en fonction du temps après la date de plantation à l’aide de chartes
préétablies (e.g. Hanson et Bendixen, 2004) ou en fonction du pourcentage de couverture de
la canopée (e.g. Grattan et al., 1998).
𝐸𝑇𝐶 = 𝐾𝐶 × 𝐸𝑇0
Équation 1
La première technique est plus souvent utilisée par les agriculteurs à cause de sa commodité
mais elle ne tient pas compte des facteurs culturaux et environnementaux pouvant
influencer le développement de la culture. Hanson et Bendixen (2004) ont mesuré une
variation considérable du pourcentage de couverture lors d’une expérience répétée sur 13
plantations de fraises différentes en Californie. De plus, la majorité du temps les données
d’ET0 ne sont pas mesurées in situ mais proviennent de stations météorologiques
avoisinantes au champ. Même si la station est géographiquement proche de la culture, des
conditions environnementales différentes d’un site à l’autre peuvent biaiser l’estimation de
l’ET0. De plus, les informations ne sont souvent disponibles qu’a posteriori plutôt qu’en
temps réel. Présentement, peu de systèmes de prédiction météorologique de l’ET0 sont
disponibles aux agriculteurs et d’autres sont encore à un stade expérimental de
développement (e.g. FRET de NOAA). Généralement, les données d’ET0 ne sont
disponibles que le jour subséquent à l’évapotranspiration.
Mesure des propriétés du sol
Un suivi de la culture peut aussi être accompli à l’aide de sondes mesurant le statut
hydrique du sol. Les deux principales méthodes de mesures sont de nature volumétrique et
tensiométrique. Dépendamment des propriétés physiques du sol au retrait et au gonflement,
et de la nécessité de certaines sondes de conserver un bon contact avec la matrice du sol, les
7
sondes nécessitent un entretien variable d’un site à l’autre (Muñoz-Carpena et al., 2004;
Smajstrla et Koo, 1986).
La mesure volumétrique de l’eau peut se faire à partir de sondes à neutron, de sondes
utilisant le principe de la constante diélectrique ou de radar pénétrant qui est aussi basé sur
le principe de la constante diélectrique (Muñoz-Carpena et al., 2004). Les sondes utilisant la
constante diélectrique ont généralement besoin d’une calibration spécifique au type de sol
où elles seront utilisées et sont généralement affectées par la salinité. Les sondes
tensiométriques sont généralement limitées à des pressions de 1 bar et sont sensibles aux
fluctuations de température lorsque le capteur est exposé aux fluctuations de l’air ambiant.
Tensiométrie
Le tensiomètre permet d’effectuer un suivi de culture mesurant directement les propriétés
de tension matricielle du sol. Le potentiel matriciel de l’eau du sol mesuré (ψ) est l’effet
combiné de l’adsorption et de la capillarité du sol. Le tensiomètre est constitué d’un
matériel poreux rempli d’eau qui est inséré dans le sol et au travers duquel l’eau subit les
forces d’attraction proportionnelles au niveau d’assèchement du milieu. Cette pression ainsi
créée à l’intérieur du tube est mesurée par un manomètre ou un capteur de pression
numérique situé au sommet de l’appareil. La bougie est imperméable au passage de l’eau
sur un intervalle de pression variant entre une pression nulle une pression maximale de
design. Au-delà de cette pression, qui est d’environ -80 kPa à température ambiante, il y a
cavitation puis écoulement de l’eau au travers de la bougie menant à la rééquilibration du
tensiomètre à la pression atmosphérique. Un ψ suffisamment bas pour mener à la cavitation
de l’eau dans la bougie n’est pas souhaitable pour la majorité des cultures. En effet, le ψ
officiellement associée à capacité au champ est -33 kPa (Dane et Hopmans, 2002) bien que
certaines études la situent bien en deçà de cette valeur lorsque mesurée in situ (e.g.
Létourneau et al., 2015).
Estimation analytique du potentiel matriciel critique
L’évapotranspiration fait diminuer la réserve en eau du sol et fait diminuer le ψ qui fluctue
d’une journée à l’autre. En parallèle, la conductivité hydraulique non-saturée, concept lié au
taux de transfert de l’eau dans le sol, varie selon le potentiel matriciel du sol. Lorsque qu’un
seuil fixe de déclenchement des irrigations est maintenu, il peut arriver que le taux de
8
transfert de l’eau dans le sol ne soit pas assez rapide pour suffire aux demandes d’ETc
instantanées (Rekika et al., 2014; Périard et al., 2012; Bergeron, 2010; Bonin, 2009). En
d’autres mots, pour éviter de stresser la culture, il faut s’assurer que la vitesse des flux
d’eau dans la zone des racines soit suffisante pour pallier à la demande ETc en ajustant le ψ
à une valeur suffisamment haute.
Une équation permettant de mettre en relation le ψ et le mouvement de l’eau en sol non
saturé est celle de Richards. Cette relation est cependant hautement non-linéaire ce qui rend
difficile sa résolution. Or, une solution analytique à l’équation de Richard a été dérivée par
Yuan et Lu (2005) et met en relation la distribution du potentiel matriciel du sol, la teneur
en eau, et le flux d’eau pour des sols enracinés, homogènes avec un flux de surface
variable. Plusieurs conditions limites ont dû être premièrement posées et elle a été résolue
pour plusieurs modes de prélèvement racinaires.
À partir de la solution utilisant un prélèvement racinaire uniforme, le seuil de potentiel
matriciel critique (dénommé « hc » lorsqu’exprimé en centimètre de hauteur d’eau) a
ensuite été isolé et dérivé par Rekika et al. (2014) et est représenté par l’Équation 2 où 𝑆0
(𝑐𝑚3𝑐𝑚−3𝑗−1) est l’absorption posée constante de l’eau par les racines, 𝑞0 (𝑐𝑚 𝑗−1) est
l’évaporation de surface en régime permanent, 𝐾𝑠𝐺 (𝑐𝑚 𝑗−1) est la conductivité hydraulique
ajustée de la fonction de Gardner, 𝐿 (cm) est la distance entre la surface du sol et le bas de
la zone racinaire, 𝑧𝑜𝑏𝑠 (cm) est la profondeur d’observation du ψ ayant le bas de la zone
racinaire pour ordonnée à l’origine (𝑧𝑜𝑏𝑠 correspond donc à 𝐿 à moins la profondeur du
tensiomètre par rapport à la surface du sol), ℎ1 (cm) est la colonne d’eau obtenue après la
conversion de la valeur de potentiel matriciel observée (-kPa), 𝛼∗ est l’exposant ajusté du
𝐾(ℎ) de la fonction de Gardner (𝐾(ℎ) = 𝐾𝑠𝐺𝑒𝛼∗ℎ). Les paramètres 𝛼∗ et 𝐾𝑠𝐺 peuvent être
déterminés suites à des analyses en laboratoire du sol traçant la 𝐾𝑠𝐺 en fonction du ψ. Dans
plusieurs cas, cette relation est exponentielle par partie et permet donc, après détermination
d’un intervalle de ψ ciblé, d’estimer les paramètres 𝛼∗ et 𝐾𝑠𝐺 selon la méthode expliquée
dans Rekika et al. (2014).
9
hc =1
𝛼∗(𝑙𝑛 {
1
𝛼∗𝐾𝑠𝐺[𝐾𝑠𝐺𝑒−𝛼∗(−ℎ1+𝑧𝑜𝑏𝑠)𝛼∗ + 𝑞0𝛼∗𝑒−𝛼∗𝑧𝑜𝑏𝑠 − 𝑞0𝛼∗ + 𝑆0𝑒−𝛼∗𝑧𝑜𝑏𝑠𝛼∗𝐿
+ 𝑆0𝑒−𝛼∗𝑧𝑜𝑏𝑠 − 𝑆0𝛼∗𝐿 + 𝑆0𝛼∗𝑧𝑜𝑏𝑠 − 𝑆0]})
Équation 2
où
ℎ1 = 1
𝛼∗ 𝑙𝑛 (−
1
𝛼∗𝐾𝑠𝐺(𝑞0𝛼∗𝑒−𝛼∗𝐿 − 𝑞0𝛼∗ + 𝑆0𝑒−𝛼∗𝐿𝛼∗𝐿 + 𝑆0𝑒−𝛼∗𝐿 − 𝑆0)) + 𝐿
Équation 3
Consigne à seuil fixe
Un seuil de ψ fixe est généralement utilisé comme consigne au déclenchement de
l’irrigation et les études tentant de déterminer le seuil optimal sont nombreuses dans le cas
de plusieurs cultures. Malgré que plusieurs d’entre elles aient été accomplies sans utiliser de
système de suivi continu de culture, elles ont souvent augmenté l’efficacité de l’utilisation
en eau et/ou le rendement comparativement aux gestions basées sur l’expérience
personnelle de l’irrigateur (Rekika et al., 2014; Bergeron, 2010; Serrano et al., 1992).
Consigne à seuil variable
Lorsque le potentiel matriciel atteint une valeur critique où la conductivité hydraulique non-
saturée du sol est considérablement diminuée, le flux d’eau dans la zone des racines n’est
pas suffisant pour compenser la demande ETc. En raison d’un seuil de ψ critique plus bas en
début de saison, causé par une ETc plus basse et tel que calculable avec l’Équation 2. Il
serait en apparence justifié d’utiliser une régie plus sèche en début de saison suivie d’une
régie plus humide alors que le flux matriciels augmentent. Cependant, une régie
exclusivement basée sur cette technique n’a pas encore été appliquée bien qu’un calcul de
hc a posteriori ait révélé la potentielle fiabilité de cette méthode d’estimation du seuil
critique dans le cas de la culture de l’oignon, du céleri et de l’épinard (Rekika et al., 2014).
Certaines études ont cependant tenté de déterminer l’effet de l’irrigation de déficit
appliquée à une partie seulement de la saison.
10
Les informations concernant des gestions d’irrigation de déficit sont étudiées sous les
concepts « d’irrigation de déficit » (ID), d’irrigation déficitaire de début de saison (IDD) ou
d’irrigation déficitaire de fin de saison (IDF). Dans la pomme, le kiwi et la fraise, l’IDF a
devancé la maturation du fruit (Mpelasoka et al., 2001; Miller et al., 1998; Kinnanen et
Säkö, 1979) mais l’IDD a respectivement réduit les rendements du kiwi et de la pomme de
25% et 14%, et l’IDF a réduit les rendements de 12% et 26%, respectivement (Miller et al.,
1998). Dans la vigne, des essais ont démontré que l’irrigation de déficit pouvait être sans
effet sur le rendement lorsqu’appliquée en fin de saison (McCarthy, 1997). Dans la tomate,
les plants grandissant sous de fortes conditions de déficit hydrique en début de saison ont
vu leurs systèmes racinaires s’allonger jusqu’à 10 cm comparativement à ceux irrigués plus
fréquemment mais cette gestion aurait réduit le rendement en raison d’un support amoindri
des plants (Marouelli et Silva, 2007) tandis que l’effet détrimentaire du déficit en eau sur
les racines n’a pas été observé dans le kiwi (Miller et al., 1998). Les différentes profondeurs
d’enracinement entre les cultures étudiées pourraient être à l’origine d’une part de la
variabilité des réponses aux différents types d’irrigations de déficit utilisés. Aussi, les
lacunes en termes de suivi tensiométrique pour certaines de ces études et la restriction du
nombre de cultures testées empêchent de vérifier l’incidence d’une gestion de l’eau plus
sèche en début de saison sur la disponibilité en eau aux plants et ultimement sur le
rendement pour les cultures ayant des enracinements peu profonds comme celle de la fraise.
Revue de littérature sur la culture de la fraise
Le fraisier
Physionomie
La fraise cultivée, Fragaria × ananassa, est une herbacée vivace possédant une couronne
centrale de laquelle émerge les feuilles, les racines, les stolons et les fleurs (Hancock,
1999). Les racines émergent plus spécifiquement de la périphérie de la base de la couronne
là où elle est en contact avec le sol. Plus de 50-90% des racines sont concentrées dans les
premiers 10-15 cm de sol (Hancock, 1999). Les racines sont produites en plus grande
quantité au printemps et à l’automne alors que les températures sont froides. Le système
racinaire est le seul à montrer une réduction de la biomasse durant la fructification (May et
al., 1994). Une température élevée au niveau des racines peut affecter la croissance du plant
11
de façon importante (Hancock, 1999). Un plant vigoureux produit 10-15 stolons par an qui
sont alimentés en eau et en nutriments par la plante mère (Hancock, 1999). Dans le cas de
cultures sur paillis de plastique, les stolons sont retirés pour éviter à la plante de perdre des
nutriments inutilement. L’ETc diminue légèrement en fin de saison dû au vieillissement du
plant (Hanson et Bendixen, 2004).
Régulation du développement
Il existe deux principaux types de fraisiers cultivés commercialement, les fraises à jours
neutres et les fraises à jours courts. Les fraises à jours courts sont plutôt des fraises à jours
courts facultatifs et initient leurs bourgeons floraux soit lorsque le jour est plus court que
14h ou lorsque les températures sont de moins de 15°C. Au-dessus de 15°C, la
photopériode critique pour l’initiation florale est de 8-12h, dépendamment du cultivar. Les
fraises à jours longs initient généralement leurs bourgeons floraux quand les journées sont
de plus 12h et la température modérée.
Dépendamment du climat et de la variété, les plantations sont faites à différents moments
de l’année. Les fraises à jours neutres produisent généralement des fraises trois mois après
la plantation et ont une diminution de rendement pour des températures supérieures à 26°C.
La première série de fleurs est souvent retirée pour renforcer la vigueur du plant et de ses
rendements ultérieurs (Hancock, 1999). Les fraises à jours courts plantés sur billons sont
généralement plantées durant l’été ou à l’automne dépendamment du climat et de la saison
de production désirée (Hancock, 1999). La côte centrale de la Californie commence sa
production vers le mois d’avril avec des fraises à jours neutres et la termine vers les mois
d’octobre-novembre. La production de la côte du sud de la Californie est dominée par des
fraises à jours courts qui mûrissent de début janvier à mai-juin (Hancock, 1999).
Établissement de la culture
Les fraises sont généralement cultivées sur rangs nattés recouverts de paillis faits de paille
ou de plastique, ou sur billons (rangs surélevés) recouverts de paillis de plastique (Hancock,
1999). La culture de fraise sur lit surélevé favorise la croissance des racines
comparativement aux lits plats en plus de diminuer le taux d’implantation des stolons et de
devancer le rendement comparativement aux lits plats (Goulart et Funt, 1986). Le
pourcentage de couverture maximal de la culture de fraise est de 70 à 75% en raison de
12
l’espacement entre les rangs et se produit autour du 160e jour après la date de plantation
(Hanson et Bendixen, 2004). En culture sur billon, les stolons sont tous retirés. Ce système
cultural est majoritairement utilisé pour les variétés à jours neutres ou pour les variétés à
jours courts dans les régions où l’hiver est doux et où les étés sont chauds ou modérés
(Hancock, 1999) tel que la Californie.
En Californie, c’est la culture de la fraise sur billon recouverte de paillis de plastique et
irriguée par un système de goutte-à-goutte qui est prédominante. Cette méthode permet des
économies d’eau, un bon contrôle des mauvaises herbes, une réduction de l’utilisation
d’herbicides, un maintien de la propreté des fruits, une augmentation du calibre des fruits,
une amélioration de leur qualité (Yuan et al., 2004) et une régulation de la température du
sol (Hancock, 1999).
Les couleurs de paillis utilisés varient en fonction de la régulation de température qui doit
être faite (Hancock, 1999). La quantité d’énergie pénétrant le paillis régule la température,
cette énergie est plus élevée pour les paillis transparents et plus basse pour les paillis plus
foncés. Le paillis de polyéthylène noir est utilisé dans des régions où les températures
chaudes restreignent le rendement et où les hivers sont suffisamment chauds pour permettre
la croissance racinaire (Hancock, 1999). Les paillis réfléchissants (argent) sont associés à
une diminution des dommages causés par les insectes nuisibles (Rhainds et al., 2001) en
plus des autres avantages attribués aux paillis de plastique.
Les systèmes de micro-irrigation de type goutte-à-goutte sont les plus couramment utilisés
pour la culture en champ de la fraise. Pour assurer une bonne implantation, l’irrigation
goutte-à-goutte est souvent combinée à de l’irrigation par gicleurs suite à la plantation. Ce
type d’irrigation améliore le contact entre les racines et le sol, hydrate rapidement le plant
pour aider l’implantation des racines adventives, lessive les sels de la zone racinaire et offre
une protection contre le gel si nécessaire (Daugovish et al., 2009). Cette pratique est
cependant critiquée étant donnée les pertes importantes d’eau, de sédiments et de
nutriments qui y sont rattachées.
13
Irrigation
La fraise est une plante qui demande de grandes quantités d’eau. Cela est dû à un système
racinaire peu profond en combinaison avec une surface foliaire importante et des fruits à
haute teneur en eau. Plusieurs pratiques d’irrigation du fraisier ont été étudiées qu’il
s’agisse de la méthode du bilan hydrique, de l’irrigation de déficit, du séchage partiel des
racines ou de la tensiométrie.
Tensiométrie
Plusieurs études ont été accomplies dans la fraise pour tenter de déterminer le seuil optimal
de ψ pouvant servir de consigne au déclenchement de l’irrigation mais beaucoup d’entre
elles ne bénéficiaient pas de système de suivi continu de culture. La conclusion était
souvent que le suivi tensiométrique requiert beaucoup de temps et de travail (Krüger et al.,
1999). Les ψ étaient généralement mesurés à raison d’une fois par jour (Yuan et al., 2004;
Guimerà et al., 1995; Serrano et al., 1992), voir même trois fois par semaine (Hoppula et
Salo, 2007; Clark et al., 1996) et même moins (Krüger et al., 1999). Malgré une possible
fragmentation dans les données de ψ, des profondeurs d’installation de sondes variant entre
10 et 15 cm, des textures de sol différentes, et des milieux de croissances différents en
tunnel (Hoppula et Salo, 2007; Savé et al., 1993; Guimerà et al., 1995; Serrano et al., 1992)
ou en champ (Evenhuis et Wilms, 2008), ces études ont obtenu un seuil de ψ optimisant le
rendement entre -10 et -15 kPa.
Un important résumé des expériences en champ ayant obtenu des différences significatives
de rendement et ayant été accomplies en suivi continu de culture dans le cadre du présent
projet de recherche est présenté par Létourneau et al. (2015). Les rendements de la fraise
ont été maximisés avec des seuils fixes de ψ entre -8 kPa et -11 kPa sur la côte centrale de
la Californie en loam argileux et avec une régie de -8 kPa sur la côte sud de la Californie en
loam sableux fin. Des essais se déroulant au Québec ont ciblé la zone de -13 kPa à -14 kPa
pour l’optimisation des rendements dans un loam limono-argileux. Cependant, il est aussi
arrivé que la tensiométrie n’ait pas eu d’impact significatif sur les rendements dans le cas
d’un loam sableux fin au sud de la Californie (Caron et al., 2014).
La régie de l’irrigation par tensiomètre jointe à un système d’automatisation ont permis des
économies d’eau de 40% comparativement à un suivi manuel de l’irrigation dans le cas de
14
Ançay et al., (2012). En plus de permettre d’irriguer de façon plus précise durant les
périodes de forte consommation en eau de la culture, ce système a permis une réduction du
temps de main d’œuvre qui couvrirait les frais d’achat du système après un an d’utilisation
dans le cas de cette étude.
Entre une culture pleinement irriguée et une culture irriguée par déficit, les rendements ont
été observés comme n’ayant que peu de différences entre eux en début de saison (Caron et
al., 2013; Liu et al., 2007; Savé et al., 1993) et que les effets des différentes régies
apparaissaient seulement plus tard. Cette observation va dans la même direction que
l’Équation 3, et que le raisonnement portant sur le fait qu’un ψ plus faible pourrait être
appliqué en début de saison sans affecter le rendement, car à ce moment, la Knon-sat
nécessaire pour combler les besoins de la plante pourrait être plus faible en raison des
demandes ETc plus basses.
Tensiométrie et bilan hydrique
Les résultats des études comparant la gestion par bilan hydrique à la gestion par tensiomètre
varient. Certaines études ont démontré qu’une gestion basée sur un modèle climatique était
préférable (e.g. Yuan et al., 2004; Krüger et al., 1999) même si certaines études ont obtenu
peu (Krüger et al., 1999) ou pas (Trout et Gartung, 2003) d’effets sur le rendement lors de
l’application de différents pourcentages de la réserve en eau. D’autres études concluent plus
en faveur d’une gestion basée sur la mesure des propriétés hydriques du sol (Evenhuis et
Wilms, 2008; Kirschbaum et al., 2003).
En comparant une gestion de l’irrigation par tensiométrie (-20 kPa) à une gestion utilisant
50% de la réserve en eau pour différents taux d’applications, Kirschbaum et al. (2003) a
obtenu un meilleur rendement avec la gestion tensiométrique mais a observé que cette
dernière diminuait l’EUE. En comparant une gestion par bilan hydrique à une gestion par
tensiométrie, (Krüger et al., 1999) n’a pas obtenu de préférence générale sur le mode de
gestion au terme de trois saisons d’expérience.
L’estimation du Kc, lors d’une gestion par bilan hydrique, est basée sur des paramètres
climatiques et phénologiques pour des conditions culturales spécifiques à partir desquelles
il a été établi. Or les besoins en eau peuvent varier selon les cultivars tel que démontré par
15
Grant et al. (2010) qui ont obtenu des réponses différentes entre cultivars pour des régies
utilisant respectivement 65% et 130% de la réserve en eau bien que 65% était généralement
associé à une baisse de rendement.
Effets physiologiques du statut hydrique
Une bonne irrigation du fraisier accroît généralement le poids moyen des fruits (Yuan et al.,
2004; Savé et al., 1993; Kinnanen et Säkö, 1979; Giné Bordonaba et Terry, 2010), le
nombre de fruits (Yuan et al., 2004; Kirschbaum et al., 2003; Serrano et al., 1992), la
quantité de stolons (Yuan et al., 2004; Kinnanen et Säkö, 1979), le nombre de stomates
(Klamkowski et Treder, 2007), et la biomasse des feuilles (Yuan et al., 2004; Klamkowski
et Treder, 2007; Savé et al., 1993). Il est connu que les stomates répondent à un déficit en
eau en se fermant. Une diminution des échanges gazeux au niveau des stomates a été
observé lors de l’application de ψ plus bas dans le sol (Klamkowski et Treder, 2007). Pour
des cultures plus irriguées, une plus grande transpiration a aussi été observée (Serrano et al.,
1992) et elle pourrait découler d’un indice de surface foliaire plus grand, ce qui expliquerait
partiellement la faible efficacité d’utilisation de l’eau associée aux régies plus irriguées.
L’irrigation de déficit est définie par l’application d’un pourcentage préalablement calculé
de l’utilisation de l’eau potentielle de la plante (Davies, 2004). Le degré avec lequel les
différentes parties du fraisier sont affectées par l’irrigation de déficit est fortement influencé
par le stade de développement global du plant (Hancock, 1999; Kinnanen et Säkö, 1979).
Renquist et al. (1982) ont d’ailleurs observé que la conductance des feuilles dépend de
l’environnement de croissance du plant et de son historique d’irrigation. Une irrigation
importante en début de saison, particulièrement dans la phase de maturation du fruit, aurait
un effet positif sur le rendement et peut aussi devancer la maturation des fruits (Kinnanen et
Säkö, 1979). Dans le cas d’une culture récoltée plus d’une année consécutive, une irrigation
de déficit à la fin de la maturation des fruits aurait comme conséquence d’augmenter le
rendement et le nombre de fruits de l’année subséquente (Kinnanen et Säkö, 1979). Une
régie d’irrigation de déficit appliquée sur toute la saison de production a cependant eu
comme conséquence de diminuer significativement le rendement dans de nombreuses
études (Hoppula et Salo, 2007; Liu et al., 2007; Serrano et al., 1992b; Savé et al., 1993;
Guimerà et al., 1995; Kirschbaum et al., 2003; Caron et al., 2013; Caron et al., 2014).
16
L’irrigation de déficit améliore souvent le goût du fruit en augmentant sa concentration en
sucre (Giné Bordonaba et Terry, 2010). Il existe cependant encore peu d’informations
permettant de déterminer l’effet précis de l’irrigation de déficit associé à chacun des stades
de croissance du fraisier.
La réponse du système racinaire au statut hydrique du sol n’est pas encore bien documentée
chez le fraisier. En comparant une gestion sèche à une gestion pleinement irriguée,
Klamkowski et Treder (2007) et Savé et al. (1993) n’ont pas observé de baisse de biomasse
sur le système racinaire. De leur côté, May et al. (1994), ont observé que le système
racinaire pouvait exprimer une baisse de biomasse suite à la fructification.
La réponse du fraisier à la disponibilité de l’eau varie au sein des cultivars (Grant et al.,
2010; Giné Bordonaba et Terry, 2010; Krüger et al., 1999). Grant et al. (2010) qui a testé
pour une première fois à plus grande échelle l’effet du déficit hydrique relativement aux
différents cultivars de fraisiers a obtenu des différences significatives d’EUE entre cultivars
et des interactions significatives entre le cultivar et le traitement d’irrigation pour les
rendements totaux.
Efficacité d’utilisation de l’eau
Une meilleure efficacité d’utilisation de l’eau, c’est-à-dire le ratio du rendement sur la
quantité d’eau appliquée, permet d’accroître le rendement économique et diminuer l’impact
environnemental de la culture. L’eau ne représente souvent pas une préoccupation
économique importante pour les agriculteurs mais cette situation est sujette au changement
dans les régions sensibles aux sécheresses où les secteurs résidentiel et agricole exercent
une importante pression sur la ressource.
L’efficacité d’utilisation de l’eau est généralement augmentée lors de l’utilisation de seuils
de potentiel matriciel plus bas même si ces seuils ne sont pas ceux qui maximisent
nécessairement le rendement total. L’efficacité d’utilisation en eau a généralement été
observée comme étant inversement proportionnelle à la quantité d’eau appliquée qu’il
s’agisse d’études utilisant le tensiomètre (Létourneau et al., 2015; Hoppula et Salo, 2007;
Yuan et al., 2004) ou la sonde de teneur en eau (Liu et al., 2007; Klamkowski et Treder,
2007). Il semble cependant y avoir une limite passé le seuil de -70 kPa où une diminution
17
simultanée du rendement et de l’efficacité d’utilisation de l’eau a été observée (Serrano et
al., 1992). Bergeron (2010) a obtenu une efficacité d’utilisation de l’eau au moins deux fois
plus grande en utilisant des seuils de ψ de -18 kPa et -33 kPa qu’avec un seuil de -5 kPa
sans différence significative sur le rendement. Un essai sur la côte centrale de la Californie,
a obtenu une efficacité d’utilisation de l’eau supérieure avec une régie de -10 kPa
comparativement à une régie de contrôle utilisant 40% plus d’eau dans un sol hautement
perméable (Létourneau et al., 2015). Une efficacité d’utilisation de l’eau supérieure a été
obtenue avec des traitements à seuil ψ plus sec de -20 kPa par rapport à -10 kPa sur la côte
centrale de la Californie (Létourneau et al., 2015) et de -18 kPa par rapport à -13 kPa sur la
côte sud de la Californie (Caron et al., 2014) en n’affectant pas non plus les rendements de
façon significative.
L’efficacité d’utilisation de l’eau est d’une part influencée par les effets de la régie de
l’irrigation sur les processus physiologiques des plants et d’autre part par la gestion de l’eau
elle-même. Le lessivage, l’évaporation et le ruissellement des eaux d’irrigation diminuent
l’efficacité d’utilisation de l’eau. Bien que les paillis de plastique combinés à des systèmes
d’irrigation goutte-à-goutte, aient comme fonction de diminuer les pertes au niveau du
ruissellement et de l’évaporation, ils ne sont pas à l’épreuve de la surirrigation. Les pertes
en eau pourraient être diminuées en optimisant les temps d’irrigation par rapport à la
capacité d’entreposage d’eau et à la conductivité hydraulique du sol (Skaggs et al., 2010; Li
et al., 2004; Cote et al., 2003). Certaines études ont d’ailleurs obtenu une meilleure
efficacité d’utilisation de l’eau avec des irrigations plus petites et plus fréquentes (e.g.
Létourneau et al., 2015). En phase d’implantation, l’irrigation par aspersion de billons
recouverts de paillis de plastique, est associée à des pertes d’eau par lessivage qui sont
importantes et qui peuvent résulter en une efficacité d’application de l’eau inférieure à 50%
(Clark et al., 1996).
Salinité
Une salinité trop élevée peut réduire le rendement dans la fraise qui y est sensible (Barroso
et Alvarez, 1997). Les sels n’ont cependant pas tous les mêmes effets sur le fraisier; les
composés chlorées sont plus dommageables (Barroso et Alvarez, 1997). Il est important
d’intégrer cette considération lors de la gestion de l’irrigation, d’autant plus lorsque la fraise
18
est cultivée dans un climat chaud et sec tel que la Californie et où les concentrations
naturelles en sels peuvent être élevées.
19
Hypothèses et Objectifs
En gardant en considération la nécessité du maintien d’un haut niveau de rendement pour la
rentabilité des productions et la nécessité de préserver la ressource en eau, l’état des
connaissances répertoriées, tant au niveau des stratégies de l’irrigation qu’au niveau de la
réponse spécifique du fraisier à ces stratégies, mène aux hypothèses de recherche suivantes
1) : L’application d’un seuil de potentiel matriciel du sol (ψ) variable au lieu d’un seuil fixe
permet d’augmenter l’efficacité d’utilisation de l’eau sans affecter négativement le
rendement; 2) : La gestion de l’irrigation par tensiomètre avec l’utilisation d’un seuil fixe
permet d’augmenter le rendement par rapport à une gestion par bilan hydrique.
Les objectifs qui en découlent sont : 1) Déterminer l’effet d’un ψ plus bas en début de
saison sur le rendement et sur l’efficacité d’utilisation de l’eau; 2) Investiguer un seuil ψ de
déclenchement des irrigations variant en fonction de l’ETc prévisionnelle; 3) Comparer les
performances d’une gestion de l’irrigation par suivi tensiométrique et d’une gestion par
bilan hydrique utilisant l’ETc; 4) Déterminer le seuil de ψ optimal pour déclencher les
irrigations.
20
21
Chapitre 2 : Determination of the optimal
strawberry irrigation strategy based on water
matric potential and a climatic model
Résumé
Les fraises sont produites dans beaucoup de régions où l’eau est limitante et les producteurs
doivent choisir parmi plusieurs stratégies d’irrigation celle qui maximise le rendement et
l’efficacité d’utilisation de l’eau (EUE). En Californie, sur des fraises cultivées en champ
(Fragaria × annanasa), des irrigations basées sur le potentiel matriciel du sol (ψ) avec des
données disponibles en temps réel ont été comparées à une gestion par bilan hydrique
climatique, et un seuil de ψ variable ajusté à l’ETc prévisionnelle a été investigué. L’ETc
instantanée, étant reliée de près au flux matriciel de l’eau du sol, a été utilisée pour estimer
le ψ critique journalier. Sur un sol à faible perméabilité des traitements initiant l’irrigation à
-10 kPa, -35 kPa, un témoin, -35/-10 kPa (une gestion de l’irrigation à seuil variable
utilisant un ψ plus sec de début de saison à -35 kPa suivie d’une gestion à -10 kPa) et un
traitement à seuil variable ajusté à l’ETc prévisionnelle quotidien n’ont pas montré de
différences de rendement, tandis que sur un sol hautement perméable, des traitements
correspondant à 100% ETc, 75% ETc, 50% ETc, un témoin, -10 kPa et -35/-10 kPa ont mené
à d’importantes différences d’EUE et de rendement. Les régies pleinement irriguées, -10
kPa et 100% ET, ont maximisé les rendements mais la régie à -10 kPa a atteint la meilleure
EUE. En gérant l’irrigation par déficit, la gestion basée sur le ψ a permis d’augmenter le
rendement et l’EUE contrairement au modèle climatique, montrant l’intérêt d’une telle
approche relativement au contexte de restriction en eau affectant les régions sensibles à la
sécheresse tel que la Californie.
Mots-clés. Irrigation, fraise, tensiomètre, humidité du sol, potentiel matriciel du sol,
évapotranspiration, modèle climatique, irrigation de déficit, efficacité d’utilisation de l’eau.
22
Abstract
Strawberries are produced in a many areas where water is limited and growers have to
choose among irrigation strategies which one offers the best yield and water use efficiency
(WUE). In California, on field grown strawberry plants (Fragaria × annanasa) soil matric
potential (ψ) based irrigation with real-time data was compared to the climatic water
balance model (CWB) and a variable ψ threshold adjusted to the forecasted crop (ETc) was
investigated. Instantaneous ETc, closely related to soil water flux, was used for estimating
daily critical ψ threshold. On a low permeability soil, -10 kPa, -35 kPa, a control, -35/-10
kPa (a variable management using early dry ψ management of
-35 kPa followed by -10 kPa) and a variable ψ threshold adjusted to daily forecast of ETc
did not result in any yield differences, whereas on a high permeability soil, 100% ETc, 75%
ETc, 50% ETc, a control, -10 kPa and -35/-10 kPa resulted in important WUE and yield
differences. Fully irrigated treatments, -10 kPa and 100% ETc, maximized seasonal yield
but -10 kPa obtained the best WUE. When applying deficit irrigation managements, ψ
based irrigation allowed yield and WUE increase unlike the climatic model, showing the
interest of such an approach in water shortage context affecting drought sensitive areas as
California.
Keywords. Irrigation, strawberry, tensiometer, soil moisture, water matric potential,
evapotranspiration, climatic model, deficit irrigation, water use efficiency.
23
Introduction
In many areas, water has been a relatively inexpensive input and strawberry is a high value
production. Growers that have to deal with a shallow rooted crop sensitive to water deficit
often opt to manage on the wet side applying more water than necessary. In California, that
context is subject to change in light of the growing uncertainty of water supply that has
been facing the state for the past few years. In light of that concern, irrigators must use
water as efficiently as possible. Many irrigation tools are available to help determining
precise crop needs. There are two main operating modes in the field: (1) refilling water
losses that occurred through potential evapotranspiration and (2) adjusting irrigations
directly onto soil moisture measurements whether it is done by the use of tensiometer or
electrical conductance tools. The latest is more susceptible to mitigate crop water needs
because of the nonlinear relation between water content and soil water matric potential in
conjunction with a plant water assimilation process closer to water potential differences
than water content differences. In the past few years, soil water monitoring technologies
have evolved rapidly and irrigators now have the opportunity to work with real-time data.
It is thus of interest to verify which approach, tensiometer or climatic water balance model
(CWB), provides the best yield and water use efficiency (WUE). A number of studies were
conducted in order to clarify the proper way of using one or the other of these two
technologies, but in strawberries the results varied. Some studies observed that tensiometer
measurement is preferable over the use of climatic model for scheduling irrigations
(Evenhuis and Wilms, 2008; Kirschbaum and al., 2003) while other studies seem more in
favor of a climatic model (e.g. Krüger and al., 1999; Yuan and al., 2004).
A simple and very common way to estimate crop water needs among growers is by
calculating the water balance model a posteriori by adding potential evapotranspiration of
the crop to water losses and irrigations are usually applied on predetermined schedule. In
many regions meteorological services, such as CIMIS in California (California Irrigation
Management Information System), provide ET0 at the end of each day. ET0 is then
multiplied by a crop coefficient (Kc) whether this value is estimated as a function of the
plantation date or as a function of the crop coverage (e.g. Grattan and al., 1998; Hanson and
Bendixen, 2004). Kc estimation using crop coverage is more reliable since transpiration is
24
closely related to canopy size but is unfortunately less likely to be used by growers because
of the complexity of the estimation (Hanson and Bendixen, 2004). When using water
balance model, it is important to consider that there might be environmental differences
between the site where ET0 is measured and the actual crop site; that sufficient water must
be available in the soil so that plant transpiration is not reduced by water stress; that a Kc
estimation takes into account specific phenological characteristics of the cultivars from
which it has been established and that avoiding any of these considerations might contribute
to miscalculate crop water needs. Moreover, CWB often has the inconvenient of not taking
into account real-time soil water flux within the root zone, which is necessary for
quantifying plant water uptake use and avoid hydric stress of the crop, especially during dry
spells (Rekika and al., 2014).
Determination of optimal water matric potential (ψ) with tensiometers to trigger the
irrigation in strawberries was studied several times and has been proven to increase yield
(Cormier and al., 2015; Létourneau and al., 2015; Serrano and al., 1992). However, in
several strawberry studies, ψ follow-up was often unpaired with a monitoring system but
was instead performed by visual readings (Krüger and al., 1999; Serrano and al., 1992). The
lack of real-time data could therefore have led to fragment the ψ information and possibly
misidentify the moment at which the actual critical ψ was reached and thus the appropriate
irrigation set time. While studies using tensiometer unpaired with a monitoring system and
performed under different conditions - i.e. soil texture, climate, depth of tensiometer probes
ranging from 10 to 15 cm and strawberry grown in tunnel or in field - point out the range
maximizing the yield as between -10 and -15 kPa (Hoppula and Salo, 2007; Savé and al.,
1993; Guimerà and al., 1995; Serrano and al., 1992; Evenhuis and Wilms, 2008), recent
studies using real-time data, were able to pin point the critical ψ threshold of strawberry as
between -8 et -10 kPa for field grown strawberries with plastic mulch under varied climatic
conditions (Létourneau and al., 2015).
On the other hand, even when monitoring systems were used, ψ experiments that aimed at
finding the optimal irrigation ψ threshold for triggering irrigations only used fixed
thresholds. Recently, Rekika and al. (2014) noted that the use of a fixed ψ threshold does
not necessarily take into account instantaneous ETc requirements within the root zone, a
25
condition linked to the unsaturated hydraulic conductivity of the soil and the rooting depth
among many factors. Using an analytical solution to Richard’s equation, first derived by
Yuan and Lu (2005) and considering a uniform root water uptake, Rekika and al. (2014)
isolated a threshold estimate from the Yuan and Lu (2005) analytical solution and Gardner
function. This threshold estimate corresponds to an approximation of the critical irrigation
threshold necessary in order to maintain the soil ψ in plant comfort zone. Lower ψ could be
targeted early season, because at this time, lower ETc requirements result in a lower flux
into the root zone. Indeed, early season, Liu and al. (2007) observed that there were no
important yield differences and Savé and al., (1993) observed no significant differences in
physiological response when comparing different tensiometer managements and noted that
this might be due to low evaporation demands and few accumulated stress cycles. Applying
early season lower matric potential might thus allow maintaining yield and then result in an
increased WUE. In order to achieve such a management, root depth, forecast of ETc, and
soil properties are needed.
The aim of this study was (1) to identify which of ψ triggered irrigation or water balance
model based on ETc managements offers the best yield and WUE, and (2) to compare yield
and water performances between an irrigation management using a variable ψ threshold
adjusted to forecast of ETc with managements where fixed ψ thresholds are applied.
Materials and methods
Experimental sites and crop details
This study covers two experiments that were performed during one crop season on two
different California sites planted with two different cultivars. At site 1 short-day strawberry
plants (Fragaria × annanasa) were planted mid-October and grown on raised beds covered
with black plastic mulch according to the conventional farming practice in the area on an
Entisol of Hueneme series (O'Geen, 2014) in South Coast California (34 8'N °, 119 ° 9'W).
Each bed consisted of 4 rows with plants set 30 cm apart, giving an equivalent plant density
of 10 298 plants per hectare. Water was supplied by trickle irrigation consisting of three
26
laterals of 16mm per bed diameter and located 5 cm below soil surface. Emitters were
spaced every 20 cm with a 2.98 lph / m flow rate of a 0.44 kg / cm2 operating pressure.
At site 2, day neutral strawberry plants (Fragaria × annanasa) were planted mid-October
and grown on raised beds covered with silver plastic mulch according to the conventional
farming practice in the area on a Mollisol of Salinas series (O'Geen, 2014) in Central Coast
California (36°53'N, 121°40'W). Each bed was constituted of 2 rows planted bed with
plants set 30 cm apart, giving an equivalent plant density of 8814 plants per hectare. Water
was supplied by trickle irrigation consisting of two laterals of 16mm diameter per bed and
located on top of soil surface. Emitters were spaced every 20 cm with a 3.72 lph / flow rate
at a 0.70 kg / cm2 operating pressure.
Irrigation treatments and experimental design
Treatments
Figure 1 shows the treatment structure of the two sites for more clarity. (The experimental
design is not shown on this figure). Both experimental designs consisted in complete
randomized blocks. Site 1 was designed with five repetitions of four ψ treatment plus a
control. Site 2 was designed with four repetitions of two ψ treatments, three water balance
model treatments based on ETc and a control. A control, a -10 kPa ψ threshold applied all
season and a -35 kPa early season dry management (from January 1st to March 20th at site 1
and from March 21st to May 23rd at site 2) followed by a -10 kPa wet management until the
end of the season were applied on both sites (this treatment will further be mentioned as -
35/-10 kPa). At site 1, a dry management of -35 kPa and a “variable” ψ threshold were also
applied.
The variable treatment used the critical matric potential threshold (hc) adjusted to forecast
of ETc as described in the appendix of Rekika and al. (2014). Saturated hydraulic
conductivity (KsG) and the exponent of the Gardner function were fitted on the exponential
part of the shape of the unsaturated hydraulic conductivity curve into the -3.5 to -35 kPa
range. Soil surface evaporation (q0) was estimated as 0 cm d-1 because of plastic mulch
covering crop rows and root depth was estimated relatively to root measurements
performed every two weeks. ETc was calculated using daily value from the experimental
Forecast Reference EvapoTranspiration from the National Weather Service (U.S.A) and Kc
27
factor was estimated with the crop canopy coverage regression developed by Grattan and al.
(1998).
At site 2, three treatments using water balance model were applied. Water reserve was
refilled at 50%, 75% and 100% of potential ETc, regardless of soil matric potential. ET0 was
determined from the nearby CIMIS weather station 129. The Kc was derived from the
calculation method explained in Gallardo and al. (1996) and the cover percentage for using
this method was measured monthly using a photographic technique.
Irrigation management
A combination of sprinkler and drip-irrigation systems is the conventional method that was
used to ensure a good plant establishment after planting and this phase was managed by the
grower. At site 1, this period covered from planting date to January 1st 2014, and at site 2,
from planting date to March 21st 2014. Afterward, the application of the treatments started
and water from trickle irrigation was monitored weekly.
Irrigations from ψ based treatments were triggered via automated valves (Irrolis-WEB;
Hortau Inc., QC, Canada) at site 2, and via manual valves at site 1. Throughout the season,
fertilization, insect control and disease control benefited from the usual care of the grower.
Wireless tensiometers (TX3; Hortau Inc., QC, Canada) with continuously recorded data at a
15 minutes interval and transmitted to a web base (Irrolis-WEB; Hortau Inc., QC, Canada)
were used as a tool for determining irrigation set times and durations. Each treatment was
equipped with 3 pairs of tensiometers at site 1, and 2 pairs of tensiometers at site 2. They
were installed at 15 and 30 cm (6 and 12 inches) below the surface which respectively
correspond to the center and the bottom of the root zone. Tensiometers were randomly
distributed in three blocks at site 1 and in two blocks at site 2.
Irrigations were triggered when the average ψ measured by the sensors placed 15 cm (6
inches) below the surface reached the targeted threshold. Irrigation durations were then
adjusted so the higher ψ reached by the 30 cm (12 in) sensors corresponded to field
capacity. Field capacity was estimated in situ with the ψ remaining in the soil two to three
days after irrigation was made, at this moment free drainage was negligible. This value was
about -5 kPa at site 1 and -3 kPa at site 2. The application of a matric potential higher than
28
this value (i.e. closer 0 kPa at soil saturation) at the bottom of the root zone would result an
increased risk of leaching.
Yield and plant measurements
On both sites, plant yield started shortly after the end of the implantation phase also
corresponding to the beginning of treatment application, at site 1 first harvest was on
January 2nd, and at site 2, it was on April 10th 2014. Sugar content, total marketable berry
weight and number of marketable fruits were measured on 50 subplots at site 1 and on 48
subplots at site 2 that contained respectively 16 plants and 10 plants each. Fruit selection
was adjusted to grower’s criteria as the season when on to match market requirements.
At site 1, fruits were picked for fresh market until April 25th, after that date, fruits were
picked for cannery market resulting in a less severe fruit criteria selection. At site 2, fruits
were picked for fresh market all season long. Sugar content (expressed in °Brix) was
evaluated with a refractometer. On both sites, strawberries yield is partial because it was
collected once a week the day before producer’s harvest and subsequent harvests of the
same week were made by the producer team relatively to the regular schedule.
Plant biomass including roots and leaves dry masses, were sampled at mid-season (at the
end of the -35 kPa ψ step in the -35/-10 kPa treatment) and at the end of the season. It thus
allowed verifying the impact of an early dry season management on plant growth. Root
biomass was measured by digging 4 replicates per treatment of soil cores having 20 cm
deep by 30 cm in diameter and having their axes centered on the collar of the plants. Roots
in soil cores were then washed from soil, dried and weighed. Percentage of ground cover
and plant collar circumferences were also measured bi-monthly. Individual plants and plant
density measurement (number of plants/area) thus allowed calculating average area covered
by the crop.
Soil properties
Salinity
Strawberries is sensitive to salinity (Barroso and Alvarez, 1997), thus soil solution and soil
solute salts were followed to determine whether or not irrigation treatments could have
resulted in salinity build-up. Soil soluble salts were measured using a 1: 1 (volume:volume)
29
Soil:Water extract method (Dahnke and Whitney, 1988) for characterizing initial,
midseason and final soil electrical conductivity. Soil solution was also measured weekly
from three blocks in both sites using suction lysimeters (Soil Moisture Equipment Corp.,
Santa Barbara, California) installed at a depth of 15 cm (6 in).
Soil texture
Soil texture characterisation was performed on soil samples randomly distributed within
both trials themselves analyzed in laboratory with the Bouyoucos hydrometer method to
measure the smaller than 53 microns fraction. The same samples were subsequently sieved
to measure the larger than 53 microns fraction (Centre d’expertise en analyse
environnementale du Québec, 2010). At site 1 the soil series was a Hueneme Sandy Loam
characterized with poor drainage as classified in the USDA classification system and at site
2 was found a well drained Salinas clay loam, as identified by the National Cooperative
Soil Survey U.S.A. (O’Geen, 2014).
Water desorption curve, unsaturated hydraulic conductivity, and variable threshold
estimation
In order to characterize matric potential at which water is limiting for the crop and for
deriving threshold estimates of the variable treatment (Rekika and al., 2014), the water
retention curves (WRC), the saturated and the unsaturated hydraulic conductivity (Ksat and
Kunsat) were characterized prior to the application of treatments. Because those analyses are
time consuming, Kunsat for the estimation of site 1 variable threshold was estimated by
inverse modeling performed on the WRC of an adjacent site that had already been analysed
in a previous study and that had much similarities in soil properties. At sites 1 and 2, soil
cores sampling was performed at the beginning and at the end of the season on undisturbed
soil columns of 5.5 cm height and 8.0 cm diameter. Validation of the variable ψ treatment
calculation was thus verified a posteriori.
Ksat was measured on soil samples previously saturated from the bottom at a very slow rate
(12h), then saturated hydraulic conductivity was measured using a vertical constant head
soil core method (Caron and al., 1997). On the same samples, retention curves were
characterized in desorption phase in the range -2 kPa to -20 kPa (using the steps of -2, -5,-
10 and -20 kPa) with the multistep outflow method (Dane and Hopmans ,2002) in Tempe
30
cells (Soil Moisture Equipment Corp., USA) equipped with pressure monitors. Higher steps
(-30, -50 and -100 kPa) were determined with a pressure plate extractor (Soil Moisture
Equipment Corp., É.-U.). Multistep outflow method allowed the calculation of unsaturated
hydraulic conductivity by inverse modeling in HYDRUS-1D (PC-Progress). WRC were
also analyzed on tension tables in the -2 kPa to -20 kPa range (using the steps of -1.5, -3, -5,
-7.5, -10, -15 and -20 kPa.) as described in Carter (1993).
Statistical analysis
Data were analyzed using the MIXED procedure of the SAS software package (SAS
Institute, 2012). The least significant difference test was used for mean separation, and
letter indicating significant differences were assigned using the macro DANDA procedure
(O’Brien, 1998). Statistical comparisons were considered significant at P < 0.05.
Results and discussion
Soil properties
Soil texture
Textural analysis (Table 1) showed site 1 to be a fine sandy loam and site 2 to be a silty
clay according to the USDA soil classification. The results were consistent with the
National Cooperative Soil Survey U.S.A. (O’Geen, 2014).
Water desorption curve
Figure 2 shows the WRC from both tension table and Tempe cells analyzed for samples
taken at the beginning and at the end of the season on both sites. There was no remarkable
difference in WRC between the two analytical methods neither between early nor end
season samples within a same site. At site 2, readily available water decreases rapidly at ψ
greater than -3.5 to-10 kPa. At site 1, ψ decrease was more gradual down to about -25 kPa
after which it decreased rapidly for only a slight water content modification.
Saturated and unsaturated hydraulic conductivities
The infiltration process was several orders of magnitude slower on the fine sandy loam of
site 1 than on the silty clay of site 2 (Table 1), with early season Ksat of 1.35 cm h-1 at site 1
and 134.9 cm h-1 at site 2. High hydraulic conductivity of site 2 was due to a highly
structured soil with important porosity (Table 1). On both sites, saturated hydraulic
31
conductivities (Ksat) were performed on samples taken both at the beginning and at the end
of the season (Figure 2). At site 1 no significant differences in Ksat between the two dates
were observed, while Ksat at the end of the season were significantly higher at site 2 (Table
1). Ksat exacerbations might be attributable to the smectitic clay component of this soil
contributing to its cracking and swelling behavior.
Figure 2 presents the Kunsat curve related to site 1 and 2. Site 1 is the site at which the
variable threshold was tested. The Gardner hydraulic conductivity KsG and coefficient
were derived for the –3.5 to -35 kPa range and used to calculate hc (Rekika and al., 2014).
They are also presented in that figure. For site 1 hc calculation, the KsG and were derived
from inverse modelling of a previous site WRC, and respectively corresponded to 2.29 cm
d-1 and 0.021 cm-1.
Salinity
Analyses of the irrigation water revealed an electrical conductivity (EC) lower than 1.43
mS cm-1 at site 1 and lower than 0.95 at site 2 (data not shown). On both sites, weekly
follow-up of EC in soil solution at 15 cm deep showed no significant differences between
treatments but varied significantly throughout the season (results not shown). Site 1 EC
varied between 1.72 and 5.6 mS cm-1 while site 2 EC varied between 0.3 and 3.5 mS cm-1.
Site 1 EC might seem high but the strawberry crop did not suffer from these levels since the
main salt component was CaSO4 with a low Cl- concentration levels.
Matric potential evolution
For both sites, Figure 3 and Figure 4 show ψ evolutions, Table 2 and Table 3 show the
monthly average ψ thresholds actually applied and Figure 5 shows the time spent in
different ψ ranges. During the implantation phase, water was managed by the grower and
soil ψ stayed lower than -10 kPa on both sites. Specific irrigation treatments started to be
applied on January 1st at site 1 and on March 21st at site 2. The early dry management (-35/-
10 kPa) had its irrigation triggered at -35 kPa from the beginning of treatments application
until March 20th at site 1 and until May 23rd at site 2. Afterward, this treatment used -10 kPa
as irrigation set-point until the end of the season. At site 1, early season ψ following
implantation phase were often lower than those who tried to be achieved because of
fertigation, sprinkler irrigation for frost and rainfall (Figure 3 and Figure 4).
32
On both sites, as plant requirements increased throughout the season, irrigation duration
increased as well. A delay between the beginning of the irrigation and the response on ψ
was observed when ETc demands were high. During that period, irrigations were triggered
somewhat earlier, but ψ often exceeded thresholds for a short time lap (Figure 3 and Figure
4) leading to lower achieved ψ thresholds than the targeted ones. Moreover, at site 2, two
irrigations were sometimes needed to allow the ψ to reach field capacity even if in the
previous irrigation, a single irrigation settled with similar irrigation duration had been
enough. The speed of the soil water reserve decrease is directly related to the ETc and is
susceptible to important daily fluctuation relatively to the weather. Past a soil specific ψ
threshold, the slope of the WRC (where θ is represented as a function of ψ) becomes nearly
linear causing a slight decrease of θ to greatly increase ψ. Hence, to better predict the
necessary amount of irrigation water necessary to properly refill water losses and to stay
below the targeted ψ at all time, adjusting irrigation duration to forecasted daily value of
ETc should be considered in further experiments.
At site 1, after most irrigation, the 30 cm ψ reached field capacity easier in treatments using
higher potentials, whereas when lower potentials were targeted, ψ rarely reached field
capacity even if longer irrigation duration were applied. Indeed, Figure 5 shows that the 30
cm sensor of the tree treatments with the higher seasonal average ψ (-10 kPa, -35/-10 kPa
and variable) spent over 80% of their time at higher ψ than the -10 kPa treatment. However
the 30 cm sensors of the dryer treatments (-35 kPa and control) spent less than 40% of their
time at higher ψ than -10 kPa. In all treatments, ψ rarely reached 0 kPa – soil ψ
corresponding to saturated water content – thus suggesting that leaching beneath the root
zone was minimized on this site.
Site 1 also allowed investigating a variable threshold. As mentioned in Materials and
Methods, the Kunsat characterization from the actual experimental site was only available
after the experiment was finished because of the duration related to those analyses. Figure 2
shows that KsG and calculated a posteriori resulted in different values from what was
expected at this site and this incorrect parameter estimation resulted in an overestimation of
the hc. Figure 3 shows the resulting hc targeted during the experiment and the one that
should have been targeted relatively to soil properties analyses performed a posteriori from
33
the actual site. Variable threshold calculation a posteriori thus identified a seasonal average
of hc close to -35 kPa.
At site 2, the variable threshold was not used as a treatment but its calculation was possible
and was also performed a posteriori. The seasonal average of the hc thus identified
thresholds of -16.8 and -19.0 kPa (hc are presented in Figure 6 that will be discussed
further).
At site 2, tensiometers tended to partially emptied after soil had reached matric potential
lower than -30 kPa. This was noticed early in the season only after the probes had
malfunctioned for a few days. They were still responding to irrigations but the time to attain
equilibrium with the soil seemed longer than usual. It is thus possible that irrigation
thresholds from mid-April to early May are underestimated in Figure 4 and Table 3. After
that, tensiometers were serviced on a weekly basis. At site 2, the frequent loss of water
column through the porous cup could be explainable by a poor hydraulic contact between
the porous cup and the soil. In this case, this could have been caused either by the highly
structured clayed soil or by its swelling and cracking behavior. At site 1, tensiometers only
emptied after ψ approached cavitation point of -80 kPa and this site was characterized by a
smaller effective porosity than site 2 (Table 1) and a much smaller clay fraction (Table 1).
Tensiometers should allow to keep track of the internal water level to make sure readings
are reliable (Richards, 1949). This becomes especially important when soil contact with cup
is susceptible to be diminished.
Yield
Figure 7 shows site 1 cumulative yield represented at a two weeks interval. None of the
interaction date*treatment nor treatment effects were statistically different. However, from
early to mid-March, the -10 kPa cumulative yield exceeded other treatments but this yield
gap did not remain and end season total higher yield were obtained by -10 kPa as well as
the two variable ψ treatments with less than 1% difference. With regard to total season
performances, ψ treatments allowed slightly higher yield than the control, with the variable,
-35/-10 kPa, -10 kPa, and -35 kPa giving respectively 6.8%, 6.2%, 6.2% and 4.6% higher
yield than the control. The -10 kPa, the variable and the -35/-10 kPa treatment spent nearly
34
100% of their time at a higher soil ψ than hc (Figure 5). On the other hand, both treatments
associated with more yield decrease, the control and dry, were the two treatments that spent
the most time in ψ ranges lower than hc.
While some studies have identified higher ψ as a mean of improving yield (Serrano and al.,
1992; Guimerà and al., 1995; Hoppula and Salo, 2007; Savé and al., 1993), other have also
experienced ψ not affecting yield significantly in sandy soils (Krüger and al., 1999; Clark
and al., 1996). On a sandy loam site where irrigated to non-irrigated plant yield were
compared over three cropping seasons on two varieties, significant yield differences were
only observed on one variety during the last cropping season while the other did not show
any significant yield response (Krüger and al., 2000). Field plot studies designed to evaluate
soil ψ management levels of -5, -10, and -15 kPa on a Florida fine sand did not result in
statistically different yields in any of three seasons of experiment (Clark and al., 1996).
Site 1 experiment took place on a fine sandy loam site (Table 1) characterized with a
gradual ψ decrease down to about -25 kPa (Figure 2) that could have imposed moderate
plant stress above that ψ. On this site, the control was the treatment that exceeded -25 kPa
for the longest time (Figure 5).
Létourneau and al. (2015) however identified significant yield gain between achieved ψ of -
8.1 kPa and -12.5 kPa on a similar site in 2012. In the present trial, no significant
differences were observed between the -10 kPa treatment and any of the dryer treatments.
The achieved ψ threshold from the present experiment might have been too high to clearly
identify the effect of a higher ψ than -12.5 kPa on the yield (Table 2).
Finally, the absence of yield response in this trial, as opposed to what was achieved by
Létourneau and al. (2015) on a similar site, might not only be attributable to soil differences
between sites but also to varietal differences between the two experiments. Strawberry
drought tolerances as a function of variety differences was explored at a large scale by
Grant and al. (2010) and showed that response mechanisms to water deficits was not
uniform across cultivars in similar soil conditions.
35
At site 2, the different irrigation managements at the early stage of the season (until mid-
May) did not impact yield significantly whether plants received a fully irrigated or a deficit
irrigation treatment. Detrimental effect from dry managements only appeared by late June,
afterward, differences between treatments increased as the season went on. Caron and al.,
(2013) also observed the absence of yield reaction to drought in the early season on a
California clayed soil and Savé and al. (1993) noticed that dry ψ management did not
promote significant changes in plant physiological processes in the early season. However
differences appeared after several stress cycles.
Still at site 2, from late June to the end of the season, strawberry yield was strongly
influenced by the different soil ψ managements. In late June, the control had a significant
higher yield than 50%ETc and kept the highest cumulative yield among treatments until late
July. This yield reaction could be attributed to a minimum ψ reached prior to irrigation
(Table 3) that stayed higher in this treatment for all its corresponding higher yield
performance period. Afterward, the two ψ treatments along with 100%ETc kept higher ψ
thresholds and consequently achieved a higher cumulative yield until the end of the season.
The -10 kPa management maintained a significant cumulative yield 10% higher than the -
35/-10 kPa treatment from mid-August to the end of the season, suggesting that an early
season dry management might result in a delayed negative impact on yield. That would be
possible given the fact that fruits take four to 5 weeks to fully develop from flowering.
The two fully irrigated management, -10 kPa and 100%ETc maximized the cumulative total
yield. The -10 kPa represents the treatments that spent the most time at higher matric
potential than hc (Figure 5). (The hc was calculated a posteriori in this experiment but not
used for treatment application.) The highest yields at a -10 kPa fixed threshold are
consistent with the literature and with an experiment that took place on the same ranch in
2013 (Letourneau and al., 2015). With regard to soil ψ measurements, it is not well
determined why 100%ETc treatment gave a yield similar to the -10 kPa treatment since the
CWB spent less time than the ψ treatment at lower water potentials (Figure 5) and applied
ψ thresholds lower than -10 kPa throughout the season (Table 3). This will be discussed
further relatively to water application.
36
Deficit irrigation managements from this experiment showed that the CWB managements
and the 75%ETc and 50%ETc treatments, resulted in respectively 11% and 21% significant
yield reduction (P<0.01) compared to -35/-10 kPa. Kirschbaum and al. (2003) also
observed that deficit irrigation using water balance model can significantly reduce the yield
compared to ψ management when comparing 50%ETc to -20 kPa. Indeed, dryer ψ
managements are generally observed to reduce yield (Létourneau and al., 2015; Liu and al.,
2007; Hoppula and Salo, 2007; Kirschbaum and al., 2003; Guimerà and al., 1995; Savé and
al., 1993; Serrano and al., 1992) which is consistent with the overall yield results of this
study.
A linear regression between relative yield (treatment yield divided by the highest yield
achieved per site) and the seasonal average water potential achieved between the end of
implantation phase and end of the season is shown in Figure 6. Site 2 regression shows a
significance level of P=0.0160 while the site 1 regression is nearly significant at P=0.0691.
Site average hc during fruit picking period, are presented in Figure 6.
At site 1, an hc situated toward the dryer part of the regression, in combination with a small
slope factor, seems to indicate that the estimated hc was too low however the yield response
in the ψ range -10 to 45 kPa was weak at this site. At site 2, hc could also have been
underestimated. Unlike site 1, site 2 was characterized with an important yield decrease
with decreasing ψ. This sensitivity to ψ at site 2 seems to indicate that considerable yield
gain could be achieved when using higher ψ managements. The differences in response
intensity are in accordance with what was expected from WRC of respective site.
The behavior of both regressions indicates that even higher ψ than -10kPa might still
increase yield which is in accordance with the results of a similar approach in Letourneau
al. (2015). It is important to note that a second critical ψ threshold might however occur as
the management become increasingly wet. A highly saturated soil can lead to hypoxic
conditions and reduce yield.
hc calculation considerations
The calculation of hc with the equation presented in the appendix of Rekika and al. (2014)
showed to be a reasonable estimation of the cropping ψ at which irrigation should be
37
triggered when using tensiometer management. Indeed at site 1, the treatments that
remained below hc for the longer time obtained the best yield (despite no significant effects
were observed), and at site 2, the tension treatment that stayed below hc for the longer time
also obtained the best yield. However, Figure 6 shows that more yield might be achieved
with higher ψ which is consistent with the Létourneau and al., (2015) study.
Some consideration regarding the calculation of the hc could explain the apparent
underestimation of the optimal hc in the calculation. In this study, the hc was calculated with
the use of a daily value of ETc. However, the evapotranspiration is not constant and
fluctuates during the day to reach higher value than what is represented by a daily value
(which was used for hc calculation). It might then be of interest to consider the use of a
maximum daily value of ETc rather than a daily ETc and to further determine in which
proportion it increases the critical ψ thresholds predicted with a daily value since forecasted
value of ETc are usually available as daily values.
An error in the fit of Gardner’s parameter, that tended to slightly overestimated the Kunsat
between -8 and -29 kPa at site 1, and between -7 and -29 kPa at site 2 (results not shown),
could also have contributed to overestimate the critical matric potential calculated with the
Rekika and al. (2014) equation. In further studies, a better fit might be achieved by
precising the ψ range used for estimating Gardner’s parameters, however, this range cannot
be reduced at a smaller interval than the expected ψ in the root zone. The use of a more
precise function than Gardner equation to approximate the unsaturated hydraulic
conductivities could also allow a better estimation of the optimal ψ threshold in some soils.
The equation derived by Rekika and al. (2014) for estimating the critical threshold
considers a constant root water uptake throughout the domain. This configuration is
however not totally representative of what is encountered in the field where root density is
usually higher near soil surface. For this reason, root distribution that considers a
decreasing root uptake with increasing soil depth should be implemented in the hc
estimation equation instead of the constant root water uptake used in Rekika and al. (2014).
38
Fruit quality
On both sites, fruit caliber (g fruit-1) varied significantly between harvest dates (results not
shown). At site 1, the wettest irrigation management (-10 kPa) was marked by significant
higher caliber than the control on the whole season average (Figure 8). Wetter irrigation
management was generally observed to produce larger fruits (Létourneau and al., 2015;
Yuan and al., 2004; Giné Bordonaba and Terry, 2010; Savé and al., 1993; Kinnanen and
Säkö, 1979).
At site 1, no significant differences in Brix index were observed between treatments (Figure
8). With a different cultivar at site 2, the 50%ETc and the control treatment obtained
significant higher sugar content than other managements. These treatments also have the
highest observed thresholds from July to the end of the season (Table 3) and 50%ETc was
the treatment that spent the most time at lower ψ (Figure 5). Literature often reported that
deficit irrigation enhanced fruit sugar content although biochemistry response to drought
stress can be different relatively to cultivar (e.g. Giné Bordonaba and Terry, 2010).
Plant Growth
On both sites, no significant effects were observed either on canopy coverage, crown
circumference and plant leaves biomass (result not shown). Root biomass for dry weight
was sampled at the end of the early dry management of -35/-10kPa treatment and at the end
of the season (Figure 9). On both sites, interactions date*treatment were not significant thus
allowing to check for date and treatment effect on yield. At site 1, mid-season root mass
was significantly higher than end-season sampling at P=0.0158 but no significant
differences were obtained among treatments. May and al. (1994) also noted that the root
system can exhibit a biomass reduction during fruiting. For root biomass sampled at the end
of a season, Savé and al. (1993) had no significant differences between a wet and a dry
regime despite a root mass higher in wet management.
At site 2, end-season root mass was higher than the mid-season one at P<0.001. With the
use of the Tukey-Kramer test, the treatment effects were verified at each sampling date. At
the end of the season, the control obtained a significant higher root mass than the 50%ETc
treatment. The very wet early season management of the control could have favoured deep
39
rooting while the very dry management of the 50%ETc treatment applied all season long in
the root zone might have mitigate root growth (Figure 5). On both sites, an early season dry
management of -35 kPa did not affect root growth but the relation between drought and root
growth is not clear in strawberries and still needs to be investigated.
Water use
In this experiment, harvested fruit weight was divided by total water use measured
upstream from the trial. WUE calculation is consequently affected by both effectiveness of
plant water use through its physiological process and water application efficiency which is
directly related to the irrigation system itself. Finally, WUE efficiency calculation from this
experiment is partial because plant yield was partial.
Site 1 WUE (Figure 10) was inversely proportional to the total amount of water applied on
the whole season and to the average ψ used to trigger the irrigations (Table 2). Despite less
than 1% total yield differences between -10 kPa, -35/-10 kPa and variable, variable allowed
respectively 16% and 9% water economy (Figure 11) compared to the two previous one.
The -10 kPa received 41 % more water than the control despite an only 6% non-significant
yield decrease was observed with the control.
Site 1, was characterized with low hydraulic conductivity and water run-off was often
observed during irrigations. It is known that during the early stages of infiltration, the
matric potential gradients predominate over gravitational forces thus causing that the
infiltration rate is higher when water first enters the soil and decreases with time as the
wetting front moves away from the surface (Jury and Horton, 2004). Managing irrigation at
lower matric potential of the soil could thus have help to increase soil infiltrability and
consequently WUE in dryer treatments.
On both sites, adjusting irrigations to a higher frequency of soil water status data allowed
adjusting to water plant needs in a finer way and to react quicker to high instantaneous ETc
requirements with the use of real-time soil ψ data but the effect was more prevalent at site
2. During high fruiting production period, soil matric potential decreased rapidly and
irrigations were needed up to twice a day in both ψ treatments of this site (Figure 4).
Treatments using the CWB as well as the control were irrigated two to three times a week;
40
those irrigations were consequently less frequent but longer. Irrigation scheduling based on
ψ allowed matric potential to stay higher than -10 kPa for longer times (Figure 5)
consequently reducing plant stress. There is an important potential for maximizing both
yield and WUE when irrigation scheduling is closely related to instantaneous crop water
needs. In the Ançay and al. (2012) study, an automatic irrigation technology based on ψ
follow-up allowing several daily irrigation cycles also allowed considerable water economy
when reacting to a higher frequency of data availability.
At site 2, WUE was higher using tensiometer than water balance model (Figure 10) when
comparing the two fully irrigated treatments. Indeed, the -10 kPa and 100%ETc treatments
both maximized yield at the end of the season, but the -10 kPa treatment increased WUE by
26% (Figure 10). With regard to soil ψ, it was not clear why the 100%ETc treatment had a
yield similar to the -10 kPa treatment. Relatively to the climatic water balance model, the -
10 kPa treatment applied a total cumulative water very close to 100% ETc calculated a
posteriori with the Grattan and al. (1998) technique (Figure 12). During the experiment, the
water applied with the 100% ETc calculated with the Gallardo and al. (1996) technique was
higher than what was calculated with Grattan and al., (1998). However, when comparing
the monthly water crop needs relatively to both ETc calculation techniques (Figure 12),
water application in the -10 kPa treatment was not enough to match correctly the total crop
water demands at all time. Indeed, the -10 kPa treatment received less water than ETc
estimations in May and July. Therefore, a treatment combining both CWB and ψ
managements into a single one could possibly increase yield even more and this would be
of interested to be tested in future studies.
Climatic water balance model might also have the potential of maximising both yield and
WUE (Figure 10), but in order to achieve such a goal, real-time evapotranspiration would
have to be followed-up carefully especially when plant water requirement is peaking which
is more likely to happen in high fruiting period. Soil ψ must be sufficiently high, at all time,
for the water transfer within the root zone to be fast enough to avoid evapotranspiration
reduction and plant water stress, consequently leading to yield reduction, and this could be
difficult to estimate with a potential evapotranspiration management not beneficiating from
real-time soil moisture data.
41
With regard to deficit irrigation strategies, the -35/-10 kPa treatment maximized both total
yield and WUE compared to 50%ETc and 75%ETc. Its WUE was about twice as high as
what was achieved with 100%ETc. A WUE greatly increased in an early season under dry
management shows the great interest of this management in a water shortage context
affecting drought sensitive regions as California. Further investigations would be required
to identify if an early season dry management applying a matric potential higher than -35
kPa or a variable management adjusted to daily forecast of ETc could result in substantial
water economy without affecting yield in high permeability soils.
On both sites, a close follow-up of crop water needs using soil ψ or CWB was more
profitable for yield than conventional irrigation. On both sites, the controls imposed the
same type of management: an early season wet management was applied followed by a dry
management occurring in high fruiting period. This resulted in different WUE when
comparing the control to the ψ treatments from both sites. This difference in WUE response
may be attributable to different hydraulic conductivities between sites. At site 2, the low
WUE performance of the control could firstly be attributable to the increased risk of
leaching that occurred in the early season when imposing a very wet management in a soil
characterized with high permeability. The dry management period of this control
subsequently happening in the high fruiting period reduced water availability, caused a crop
water stress and consequently impacted both yield and WUE negatively. At site 1
characterized with poor soil infiltrability, less irrigations might have diminished the risk of
run-off consequently leading to a better WUE. A smaller seasonal yield decrease associated
to site 1 might be attributable to the fact that the dry period happened later in the fruiting
season (Table 2 and Table 3) than site 2. Fruiting period is a critical stage for profitability
but also corresponds to a critical stage for plant water stress since it often happens in high
ETc period, a close follow-up of crop water needs is thus increasingly important at that
moment.
An increased WUE when lower soil ψ is applied is consistent with the literature
(Létourneau and al., 2015; Yuan and al., 2004; Hoppula and Salo, 2007) and could be
related to plant physiology adaptation to drought (Grant and al., 2010, Klamkowski and
Treder, 2007; Serrano and al., 1992; Savé and al., 1993; A.Richard Renquist and al., 1982)
42
despite that water deficit usually results in fruit yield reduction. It is however important to
note that on both sites WUE was also affected by irrigation application efficiency directly
related to specific site soil properties (site 1 run-off and site 2 leaching) that prevents from
estimating the actual amount of water that reached and stayed available for the crop in the
root zone.
Those observations, bring back the importance to adapt irrigations to the infiltration time
scale of the soil properties of the growing media (Cote and al., 2003). To reduce risk of run-
off, a close follow-up of the operating irrigation pressure is advisable to ensure that water is
provided at the appropriate rate and adjusting irrigation duration to soil ψ below the root
zone can help avoiding undesirable water losses and leaching of nutrients, an increasing
difficulty in high permeability soils.
Site 2 allowed comparing different ETc calculation approaches : Gallardo and al. (1996) and
Grattan and al. (1998). Both ways provided different water requirements showing that there
can be differences relatively to the method used for estimating Kc. Grattan and al. (1998)
calculation has the advantage of being ease of use and costless. It however provided overall
monthly cumulative water lower than what was used by the two treatments with maximal
yield performances: -10 kPa and 100%ETc (Figure 11 and Figure 12).
43
Conclusion
Soil ψ and climatic water balance model (CWB) were compared on one experimental site to
identify which management is offering the best yield and water use efficiency (WUE) for
field grown strawberries. Fully irrigated managements, -10 kPa and 100%ETc, maximized
seasonal yield while 100%ETc resulted in the lowest WUE. Early season was marked with
the absence of significant yield differences. Deficit irrigation managements however
demonstrated that early dry ψ management can induce a delayed yield impact on the crop
but that this strategy can also represent an important potential of water savings. It resulted
in the best WUE and it represented the deficit irrigation management that affected the yield
the least which could become of great interest in a water shortage context affecting many
growers. Yield maximization using one or the other of CWB or ψ based irrigation showed
that it would be of interest to combine these two technologies into one management in
future studies.
Variable ψ thresholds, either achieved using two fixed thresholds (-35/-10 kPa), or using a
variable threshold daily adjusted to forecast of ETc, allowed water economy on two sites
characterized with different soil properties. However, on a high permeability soil -35/-10
kPa resulted in 10% seasonal yield decrease while yield was significantly unaffected by any
treatment on a low permeability soil.
The estimated critical ψ threshold calculated on both experimental sites revealed to
underestimate the ψ at which the crop produces the maximum yield. Nonetheless, this
method allowed a reasonable estimation of the adequate cropping ψ of respective
experimental sites. However, some work still has to be done in order to precise the
calculation of hc. The maximum daily value of ETc should be used instead of the average
daily one, the range at which the Gardner parameters are fitted has to be refined and a root
water uptake that considers a diminution as the depth in the soil profile increases has to be
developed and implemented in a new critical threshold estimation equation.
Differences of water loss processes between the two sites recalled the importance of taking
soil hydraulic properties into consideration when designing irrigation system and when
scheduling irrigations for an optimized WUE.
44
Acknowledgments
This work was funded by the Natural Sciences and Engineering Research Council of
Canada (NSERC) project partners: Hortau Inc., Ferme Onésime Pouliot Inc., Canneberges
Bieler Inc., Nature Canneberge Inc. and Transport Gaston Nadeau Inc. Grateful thanks are
expressed to two California anonymous growers for each providing an experimental site,
material and workforce that were greatly appreciated. We would also like to show our
gratitude to Emily Paddock and Allison Vandenhout who provided insight and technical
support that greatly assisted the research. We thank Michael Cahn and Oleg Daugovish
University of California Cooperative Extension for sharing their expertise with us.
45
Figures and tables
Figure 1. Treatment structure at sites 1 and 2.
46
Table 1. Soil properties from both experimental sites.
Site
Soil texture Saturated hydraulic
conductivity Water content
Depth (cm)
n1 % O.M. ± S.D.
% Sand ± S.D.
% Silt ± S.D.
% Clay ± S.D.
Date2 Depth (cm)
n1 Ksat
3 (cm h-1)
± S.E. n
sat (cm3 cm-3)
± S.D.
1 15 12
2.0 ±0.2
58.0 ±1.7
29.5 ±1.3
12.5 ±0.7
Early 15
10 1.35 a ± 0.9
22 0.412 ± 0.05
30 5 1.9
±0.1 59.1 ±0.9
28.9 ±0.8
12.0 ±0.3
End 15 3.22 a ± 0.6
2
15 18 3.8
±0.1 3.9
±1.1 46.5 ±1.0
49.6 ±0.5
Early
15
15 134.9 b ± 681.9
25 0.576 ± 0.04
30 2 3.8
±0.3 4.6
±0.2 45.8 ±0.3
49.6 ±0.5
End 15 923.5 a ± 650.2
1 Number of observations. 2 Saturated hydraulic conductivity performed on soil cylinder sampled early and end season which correspond to 12/9/2013 and 6/15/2014 at site 1, and to 4/4/2014 and 10/7/2014 at site 2. 3 For a similar site, Ksat with the same letter do not differ at a 0.05 significance level.
47
The fitted saturated hydraulic conductivity and fitted exponent of Gardner function in the ψ interval
-3.5 to -35 kPa from respective sites as presented in the figure are: 1 KsG = 9.60 cm d-1 and 𝛼 = 0.0173 cm-1 (Site 1) 2 KsG = 0.431 cm d-1 and 𝛼 = 0.0155 cm-1 (Site 2) 3 KsG = 0.186 cm d-1 and 𝛼 = 0.0148 cm-1 (Site 2)
*For both sites, only the two WRC that were situated at the two extremities of the group of curves are
shown. The numbers of replicates in each case were: S1-Early = 14, S1-End= 4, S2-Early=10 and S2-End=15.
Figure 2. WRC from both sites and Kunsat from site 1 on undisturbed soil cores analyzed with Tempe
cells (top) with both and KsG parameters estimated in the soil ψ range -3.5 to -35 kPa. WRC from
both sites on undisturbed soil cores sampled early and end season analyzed with tension table (bottom).
48
Legend:
* For variable threshold: “ ” represents the critical threshold targeted during the experiment and using soil characterization from an adjacent site; “ ” represents the critical threshold that should have been targeted relatively to soil properties analyses performed a posteriori from the actual site.
Figure 3. Rainfall, ψ evolution in -kPa and targeted threshold represented with a dotted line at site 1.
49
Legend :
Figure 4. Rainfall, ψ evolution in -kPa and targeted threshold represented with a dotted line at site 2.
50
Site 1*_
Site 2*_
* The hc presented in this figure is an average of the two seasonal average obtained from respective Gardner parameter sets presented earlier.
Figure 5. Time spent as percentage per ψ ranges (-kPa), on both sites at 15 and 30 cm deep during
treatment application period.
51
Figure 6. Relative yield, i.e. treatment yield divided by the highest yield achieved per site, as a function
of the seasonal average soil water matric potential achieved between the end of implantation phase and
end of the season.
52
Figure 7. Total cumulative yields at site 1 (left) and site 2 (right). Date with one asterisk (*) is
characterized by treatment differences at a 0.05 significance level and date with three asterisks (***) by
treatment differences at a 0.001significance level. For clarity purposes standards errors are presented
over the data points.
53
Average berry sizes
Average Brix
Figure 8. Fruit quality represented with the seasonal average berry size and brix index. Treatments
with the same letter do not differ at a 0.05 significance level for the berry size and at a 0.01 significance
level for the Brix.
54
Legend : “ ”reprensents the sampling moment when -35/-10 kPa was switched from -35 kPa to -10 kPa,
and “ ” represents the sampling at the end of the season.
Figure 9. Dry root mass sampled at the end of the -35 kPa ψ step in the -35/-10 kPa treatment and at the
end of the season. Treatments with the same letter do not differ at a 0.05 significance level.
55
Figure 10. At site 1 (left) and 2 (right), water use efficiency in g L-1 with the water applied from the
beginning of the treatment application until the end of the season.
56
*ETc calculated a posteriori according to the Grattan and al. (1998) method and using CIMIS station 156
(from January 1st 2013 to Mai 27th 2014).
Figure 11. Site 1 water application and evapotranspiration from the end of the implantation phase to
the end of the season represented as monthly water (top), and cumulative water application (bottom).
57
*ETc calculated a posteriori according to the Grattan and al. (1998) method and using CIMIS station 129
(from March 21st 2013 to September 29th 2014).
Figure 12. Site 2 water application and evapotranspiration from the end of the implantation phase to
the end of the season represented as monthly water (top), and cumulative water application (bottom).
58
Table 2. Maximum average ψ reached (-kPa) at 15 cm deep before irrigations and at 30 cm depth and
after irrigations at site 1.
Treatment Depth Time Jan. Feb. Mar. Apr. May Jun. Avg
-10 kPa 15 cm bef.1 9.7 7.9 10.1 13.2 13.3 11.0 11.5
30 cm aft.2 3.6 2.1 2.1 3.7 2.9 2.1 3.0
-35/-10 kPa 15 cm bef. 20.8 20.1 19.4 15.4 18.1 10.7 17.6
30 cm aft. 10.2 7.8 5.3 4.3 4.1 1.7 5.2
Variable 15 cm bef. 14.5 14.3 14.6 20.2 18.1 15.4 17.1
30 cm aft. 7.1 4.0 4.7 6.5 6.1 3.5 5.7
-35 kPa 15 cm bef. 25.9 20.3 31.5 41.1 43.3 42.9 37
30 cm aft. 11.2 8.4 11.6 16.0 14.5 10.6 13
Control 15 cm bef. 14.6 14.3 46.7 70.3 44.4 65.4 42
30 cm aft. 7.7 6.2 14.6 36.3 14.3 23.8 17
1 Maximum ψ reached at 15 cm in the middle of the root zone before irrigations. 2 Minimum ψ reached at 30 cm below the root zone after irrigations.
59
Table 3. Maximum average ψ reached (-kPa) at 15 cm deep before irrigations and at 30 cm depth and
after irrigations at site 2.
Treatment Depth Time Mar. Apr. May Jun. Jul. Aug. Sept. Oct. Avg
-10 kPa 15 cm bef.1 12.7 17.8 18.1 15.1 19.2 16.4 16.4 14.4 16.9
30 cm aft.2 0.2 1.5 2.0 1.6 5.7 3.1 2.2 7.7 3.0
-35/-10 kPa 15 cm bef. NA 34.8 30.4 22.4 16.1 13.5 14.2 14.6 18.3
30 cm aft. 3.4 0.9 6.1 2.0 7.5 4.6 2.1 1.7 4.1
50%ET 15 cm bef. 24.6 23.9 38.9 39.2 42.2 46.9 56.2 44.9 42.8
30 cm aft. 0.2 0.0 9.2 6.4 1.8 20.3 1.0 1.8 4.8
75%ET 15 cm bef. 31.8 53.4 39.7 34.5 28.9 25.3 39.4 66.4 3.48
30 cm aft. 0.4 2.1 17.7 6.8 1.7 4.2 4.5 NA 6.1
100%ET 15 cm bef. 23.6 34.0 29.2 26.7 26.5 25.2 24.6 24.4 26.8
30 cm aft. 1.2 2.5 27.5 1.1 1.4 1.4 5.1 5.2 5.2
Control 15 cm bef. 10.0 8.8 10.0 26.3 43.5 44.7 55.7 43.9 31.0
30 cm aft. 1.2 1.0 0.9 3.1 2.2 0.5 0.8 0.8 1.3
1 Maximum ψ reached at 15 cm in the middle of the root zone before irrigations. 2 Minimum ψ reached at 30 cm below the root zone after irrigations.
60
Chapitre 3 : Conclusion
Des traitements d’irrigation basés sur le potentiel matriciel du sol et sur un modèle par bilan
hydrique climatique ont été comparés sur un site expérimental pour identifier quelle régie
offrait les meilleurs maximisations de rendement et d’efficacité d’utilisation de l’eau (EUE)
pour des fraises cultivées en champ. Les régies pleinement irriguées, -10 kPa et 100%ETc,
ont toutes deux maximisé le rendement saisonnier tandis que le traitement à 100%ETc a
résulté en la plus basse EUE. Aucune différence significative n’a été décelée en début de
saison. L’irrigation de déficit appliquée en début de saison a cependant démontré qu’elle
pouvait avoir un impact négatif à rebours sur le rendement mais que cette stratégie peut
aussi représenter un important potentiel d’économie en eau. Elle a obtenu la meilleur EUE
et a aussi représenté la stratégie d’irrigation de déficit affectant le moins le rendement
saisonnier, ce qui peut représenter un intérêt important dans un contexte où des coupures
d’eau sont imposées aux agriculteurs. Des rendements optimaux obtenus tant avec le bilan
hydrique climatique que le ψ démontrent qu’il serait d’intérêt de combiner ces deux
stratégies en une seule lors d’études ultérieures.
Un seuil de ψ variable, qu’il soit appliqué en utilisant deux paliers de ψ (-35/-10 kPa) ou en
utilisant un seuil variable ajusté quotidiennement à l’ETc prévisionnelle, a permis des
économies d’eau sur deux sites caractérisés avec des propriétés de sol différentes. Sur un
sol hautement perméable, -35/-10 kPa a résulté en une diminution de rendement de 10%
tandis que le rendement est demeuré inaffecté sur un sol à faible perméabilité.
Sur les deux sites expérimentaux, l’estimation du seuil de potentiel matriciel critique auquel
la culture produit le rendement maximum a été sous-estimée. Cette méthode a néanmoins
permis de fournir une estimation raisonnable du seuil de potentiel matriciel de chacun des
sites à l’étude. Cependant, du travail doit encore être fait dans le but de préciser le calcul de
la valeur hc. La valeur maximale journalière d’ETc devrait être utilisée plutôt que la valeur
journalière moyenne, l’intervalle de ψ à partir duquel les paramètres Gardner sont ajustés
devrait être précisé et le calcul du hc devrait prendre en compte la variation du prélèvement
racinaire en fonction de la profondeur dans le profil de sol.
61
Des différences dans les processus de perte en eau entre les sites rappellent l’importance de
prendre en considération les propriétés hydrauliques du sol lors de la conception d’un
système d’irrigation et lors de la planification des irrigations pour optimiser l’EUE.
62
Bibliographie
Ançay, A., Vincent, M., Baroffio, C.A., 2012. Comparison of Two Irrigation Management
Systems in Strawberry, in: VII International Strawberry Symposium 1049. pp. 529–
533.
Barroso, M.C.M., Alvarez, C.E., 1997. Toxicity symptoms and tolerance of strawberry to
salinity in the irrigation water. Sci. Hortic. 71, 177–188. doi:10.1016/S0304-
4238(97)00082-4
Bergeron, D., 2010. Régie de l’irrigation goutte-à-goutte dans la production de fraises à
jours neutres au Québec (Thèse (M.Sc.)). Université Laval.
Bonin, S., 2009. Régie agroenvironnementale de l’irrigation dans la production de
canneberges (Vaccinium macrocarpon Ait.) (Mémoire (M.Sc.)). Université Laval.
Caron, J., Blanchet, L., Richard, G., Tardif, P., Daigle, J.-Y., 1997. Conductivité
hydraulique, in: Méthodes d’analyse des propriétés physiques des milieux artificiels,
des tourbes et des sols organiques. Québec, Québec, Canada.
Caron, J., Gumiere, S., Bernier, V., Boily, C., Juneau, V., Létourneau, G., Marchard, S.,
Parys, B., Pelletier, V., Prémont, V., 2011. Optimisation des méthodes d’irrigation
dans les productions de fraises et canneberges - Août 2010 à novembre 2011.
Université Laval, Département des sols et de génie agroalimentaire, Québec.
Caron, J., Gumiere, S., Parys, B., Périard Larrivée, Y., Pelletier, V., Aucoin, F., Bernier, V.,
Boily, C., Bulot, D., Caron, E., Gallichand, J., Jutras, S., Kokutse, N., Laurent, T.,
Létourneau, G., Samson, M.-É., Pépin, S., Vanderleest, C., Anderson, L., Malazian,
A., 2014. Optimisation des méthodes d’irrigation dans les productions de fraises et
canneberges - Août 2012 à novembre 2013. Université Laval, Département des sols
et de génie agroalimentaire, Québec.
Caron, J., Samson, M.-É., Aucoin, F., Bernier, V., Boily, C., Gallichand, J., Gumiere, S.,
Juneau, V., Jutras, S., Lavigne, M.-P., Laurent, T., Létourneau, G., Parys, B.,
Pelletier, V., Périard Larrivée, Y., Pepin, S., Prémont, V., Anderson, L.,
Vanderleest, C., 2013. Optimisation des méthodes d’irrigation dans les productions
de fraises et canneberges - Août 2011 à novembre 2012. Université Laval,
Département des sols et de génie agroalimentaire, Québec.
Carter, M.R., 1993. Soil water desorption curves, in: Soil Sampling and Methods of
Analysis. Canadian society of soil science, Ottawa, Ontario, Canada, pp. 569–579.
Centre d’expertise en analyse environnementale du Québec, 2010. Détermination de la
granulométrie.
Clark, G.A., Albregts, E.E., Stanley, C.D., SAMJSTRLA, A., Zazueta, F.S., 1996. Water
requirements and crop coefficients of drip-irrigated strawberry plants. Trans. ASAE
39, 905–914.
63
Cote, C.M., Bristow, K.L., Charlesworth, P.B., Cook, F.J., Thorburn, P.J., 2003. Analysis
of soil wetting and solute transport in subsurface trickle irrigation. Irrig. Sci. 22,
143–156.
Cormier, J., 2015. Gestion optimisée de l’irrigation du fraisier à jours neutres (Thèse
(M.Sc.)). Université Laval.
Croyle, W., Gutierrez, D., Ericson, J., Alemi, M., Mathis, D., Scruggs, M., 2014. Public
Update for Drought Response Groundwater Basins with Potential Water Shortages
and Gaps in groundwater Monitoring. Department of Water Resources, State of
California.
Dahnke, W.C., Whitney, D.A., 1988. Measurement of soil salinity. Recomm. Chem. Soil
Test Proced. North Cent. Reg. N. D. Agric Exp Stn Bull Pp 32–34.
Dane, J.H., Hopmans, J.W., 2002. Pressure Cell, in: Methods of Soil Analysis Part 4 -
Physical Methods, Soil Science Society of America Book Series. Warren A. Dick,
Madison, Wisconsin, USA, pp. 684–692.
Daugovish, O., Faber, B., Mochizuki, M., 2009. Drip Irrigation for Establishment of
Strawberry Transplants in Southern California, in: VI International Symposium on
Irrigation of Horticultural Crops 889. pp. 507–512.
Davies, W.J., Hartung, W., 2004. Has extrapolation from biochemistry to crop functioning
worked to sustain plant production under water scarcity, in: Proceeding of the
Fourth International Crop Science Congress.
Evenhuis, A., Wilms, J.A.M., 2008. Designing strategies to control grey mould in
strawberry cultivation using decision support systems, in: VI International
Strawberry Symposium 842. pp. 247–250.
Fortin, J., 2011. Science du sol - SLS-1000. Université Laval, Département des sols et de
génie agroalimentaire, Université Laval, Québec.
Gallardo, M., Snyder, R.L., Schulbach, K., Jackson, L.E., 1996. Crop growth and water use
model for lettuce. J. Irrig. Drain. Eng.
Gallichand, J., 2012. Irrigation GAE-3006, 20.85.012 ed. Département des sols et de génie
agroalimentaire, Université Laval, Québec.
Giné Bordonaba, J., Terry, L.A., 2010. Manipulating the taste-related composition of
strawberry fruits ( Fragaria x ananassa) from different cultivars using deficit
irrigation. Food Chem. 122, 1020–1026. doi:10.1016/j.foodchem.2010.03.060
Goulart, B.L., Funt, R.C., 1986. Influence of raised beds and plant spacing on growth and
yield of strawberry. J. Am. Soc. Hortic. Sci. 111, 176–181.
Grant, O.M., Johnson, A.W., Davies, M.J., James, C.M., Simpson, D.W., 2010.
Physiological and morphological diversity of cultivated strawberry
(Fragaria × ananassa) in response to water deficit. Environ. Exp. Bot. 68, 264–272.
doi:10.1016/j.envexpbot.2010.01.008
Grattan, S., Bowers, W., Dong, A., Snyder, R., Carroll, J., George, W., 1998. New crop
coefficients estimate water use of vegetables, row crops. Calif. Agric. 52, 16–21.
64
Guimerà, J., Marfà, O., Candela, L., Serrano, L., 1995. Nitrate leaching and strawberry
production under drip irrigation management. Agric. Ecosyst. Environ. 56, 121–
135.
Hancock, J.F., 1999. Strawberries, CABI. ed, Crop production science horticulture.
Michigan State University, East Lansing, Michigan, USA.
Hanson, B., Bendixen, W., 2004. Drip irrigation evaluated in Santa Maria Valley
strawberries. Calif. Agric. 58, 48–53.
Hanson, B.R., Schwankl, L., Grattan, S.R., Prichard, T., 1994. Drip irrigation for row crops.
University of California Irrigation Program, University of California, Davis.
Hillel, D., De Backer, L.W., 1988. L’eau et le sol: principes et processus physiques.
Academia Louvain-la-Neuve.
Hoppula, K.I., Salo, T.J., 2007. Tensiometer-based irrigation scheduling in perennial
strawberry cultivation. Irrig. Sci. 25, 401–409.
Jury, W.A., Horton, R., 2004. Soil physics.
Kinnanen, H., Säkö, J., 1979. Irrigation requirements of the strawberry.
Kirschbaum, D.S., Correa, M., Bórquez, A.M., Larson, K.D., DeJong, T.M., 2003. Water
requirement and water use efficiency of fresh and waiting-bed strawberry plants, in:
IV International Symposium on Irrigation of Horticultural Crops 664. pp. 347–352.
Klamkowski, K., Treder, W., 2007. Morphological and physiological responses of
strawberry plants to water stress. Agric. Conspec. Sci. ACS 71, 159–165.
Krüger, E., Schmidt, G., Brückner, U., 1999. Scheduling strawberry irrigation based upon
tensiometer measurement and a climatic water balance model. Sci. Hortic. 81, 409–
424. doi:10.1016/S0304-4238(99)00030-8
Krüger, E., Schmidt, G., Rasim, S., 2000. Effect of irrigation on yield, fruit size and
firmness of strawberry cv. Elsanta, in: IV International Strawberry Symposium 567.
pp. 471–474.
Létourneau, G., Caron, J., Anderson, L., Cormier, J., 2015. Matric potential-based irrigation
management of field-grown strawberry: Effects on yield and water use efficiency.
Agric. Water Manag. 161, 102–113.
Li, J., Zhang, J., Rao, M., 2004. Wetting patterns and nitrogen distributions as affected by
fertigation strategies from a surface point source. Agric. Water Manag. 67, 89–104.
doi:10.1016/j.agwat.2004.02.002
Liu, F., Savić, S., Jensen, C.R., Shahnazari, A., Jacobsen, S.E., Stikić, R., Andersen, M.N.,
2007. Water relations and yield of lysimeter-grown strawberries under limited
irrigation. Sci. Hortic. 111, 128–132. doi:10.1016/j.scienta.2006.10.006
Marouelli, W.A., Silva, W.L., 2007. Water tension thresholds for processing tomatoes
under drip irrigation in Central Brazil. Irrig. Sci. 25, 411–418.
May, G.M., Pritts, M.P., Kelly, M.J., 1994. Seasonal patterns of growth and tissue nutrient
content in strawberries. J. Plant Nutr. 17, 1149–1162.
65
McCarthy, M.G., 1997. The effect of transient water deficit on berry development of cv.
Shiraz (Vitis vinifera L.). Aust. J. Grape Wine Res. 3, 2–8. doi:10.1111/j.1755-
0238.1997.tb00128.x
Miller, S.A., Smith, G.S., Boldingh, H.L., Johansson, A., 1998. Effects of Water Stress on
Fruit Quality Attributes of Kiwifruit. Ann. Bot. 81, 73–81.
doi:10.1006/anbo.1997.0537
Mpelasoka, B.., Behboudian, M.., Mills, T.., 2001. Effects of deficit irrigation on fruit
maturity and quality of “Braeburn” apple. Sci. Hortic. 90, 279–290.
doi:10.1016/S0304-4238(01)00231-X
Muñoz-Carpena, R., Shukla, S., Morgan, K., 2004. Field devices for monitoring soil water
content. University of Florida Cooperative Extension Service, Institute of Food and
Agricultural Sciences, EDIS.
National Agricultural Statistics Services, 2014. USDA/NASS QuickStats Ad-hoc Query
Tool [WWW Document]. Natl. Stat. Stawberries. URL
http://quickstats.nass.usda.gov/results/8149D8B2-7293-3EBF-8754-
F09611F10134?pivot=short_desc (accessed 10.8.14).
O’Brien, R.G., 1998. A tour of UnifyPow: a SAS module/macro for sample-size analysis,
in: Proceedings of the 23rd SAS Users Group International Conference. pp. 1346–
1355.
O’Geen, T., 2014. Online Soil Survey. California Soil Resource Laboratory.
Périard, Y., Caron, J., Jutras, S., Lafond, J.A., Houlliot, A., 2012. Irrigation management of
romaine lettuce in Histosols at two spatial scales: Water, energy, leaching and yield
impacts. Sustain. Irrig. Drain. IV Manag. Technol. Policies 168, 171.
Rekika, D., Caron, J., Rancourt, G.T., Lafond, J.A., Gumiere, S.J., Jenni, S., Gosselin, A.,
2014. Optimal Irrigation for Onion and Celery Production and Spinach Seed
Germination in Histosols. Agron J 106, 981–994.
Renquist, A.R., Breen, P.J., Martin, L.W., 1982. Stomatal behavior and leaf water status of
strawberry in different growth environments. Sci. Hortic. 18, 101–110.
Renquist, A.R., Breen, P.J., Martin, L.W., 1982. Influences of water status and temperature
on leaf elongation in strawberry. Sci. Hortic. 18, 77–85. doi:10.1016/0304-
4238(82)90106-6
Rhainds, M., Kovach, J., Dosa, E.L., English-loeb, G., 2001. Impact of Reflective Mulch on
Yield of Strawberry Plants and Incidence of Damage by Tarnished Plant Bug
(Heteroptera: Miridae). J. Econ. Entomol. 94, 1477–1484. doi:10.1603/0022-0493-
94.6.1477
Richards, L.A., 1949. Methods of measuring soil moisture tension. Soil Sci. 68, 95.
doi:10.1097/00010694-194907000-00008
Savé, R., Peñuelas, J., Marfà, O., Serrano, L., 1993. Changes in leaf osmotic and elastic
properties and canopy structure of strawberries under mild water stress. HortScience
28, 925–927.
66
Serrano, L., Carbonell, X., Savé, R., Marfà, O., Penuelas, J., 1992. Effects of irrigation
regimes on the yield and water use of strawberry. Springer-Verl., Irrigation Science
13, 45–48.
Skaggs, T.H., Trout, T.J., Rothfuss, Y., 2010. Drip Irrigation Water Distribution Patterns:
Effects of Emitter Rate, Pulsing, and Antecedent Water. Soil Sci. Soc. Am. J. 74,
1886. doi:10.2136/sssaj2009.0341
Smajstrla, A.G., Koo, R.C., 1986. Use of tensiometers for scheduling of citrus trickle
irrigation, in: Proc. Florida State Hort. Soc. pp. 51–56.
Smith, R.J., Baillie, J.N., McCarthy, A.C., Raine, S.R., Baillie, C.P., 2010. Review of
precision irrigation technologies and their application. NCEA Publ. 1003017.
Trout, T.J., Gartung, J., 2003. Irrigation water requirements of strawberries, in: IV
International Symposium on Irrigation of Horticultural Crops 664. pp. 665–671.
Yuan, B.., Sun, J., Nishiyama, S., 2004. Effect of Drip Irrigation on Strawberry Growth and
Yield inside a Plastic Greenhouse. Biosyst. Eng. 87, 237–245.
doi:10.1016/j.biosystemseng.2003.10.014
Yuan, F., Lu, Z., 2005. Analytical Solutions for Vertical Flow in Unsaturated, Rooted Soils
with Variable Surface Fluxes. Vadose Zone J 4, 1210–1218.