Abstract: . . .  Lindl. en se basant à la fois sur le diamètre basal et le volume occupé par l’arbuste semble la plus précise. Néanmoins, l’efficacité de ce modèle dépend de la précision des mesures de terrain, car les variations des mesures volumiques prises pour l’estimation de la biomasse peuvent Prédiction de la biomasse d’acacia 339 plus au moins affecter les résultats. Les relations de prédictions faisant intervenir seulement le diamètre basal sont donc plus pratiques. A priori, le domaine de validation des modèles de régressions retenus est limité. Les relations n’auraient pas nécessairement la même rigueur d’application pour d’autres plantations d’Acacia cyanophylla Lindl sous d’autres conditions édapho-climatiques. Remerciements : Nous tenons à remercier . . .
. . .  estimated using allometric regressions, Agroforestry Systems 29 (1995) 103–112. [17] Laamouri A., El Felah M., Kebaili A., Chtourou A., Premiers renseignements de l’étude de deux modèles agro-pastoraux en milieux semi-arides de la Tunisie, Séminaire sur les journées scientifiques de l’INRGREF, 24-26 Novembre 1999, 15 p. [18] Laamouri A., Sghaier T., Performances en croissance et biomasse de trois légumineuses arbustives fourragères en milieu semi-aride de la Tunisie, Ann. Rech. For. Maroc. T 31 (1999) 40–50. [19] Le Houérou H.N., Forage halophytes in the Mediterranean basin, in : Choukr-Allah R., Malcolm C.V., Hamdy A. (Eds.), Halophytes and biosaline agriculture, Marcel Dekker, Inc., New York, 1995, p. 115–136. [20] Le Houérou H.N., Pontanier R., . . .
. . .  diamètre basal (DB) (b). La modélisation de la production d’Acacia cyanophylla Lindl. consiste à établir une relation entre la biomasse aérienne et les différents paramètres dimensionnels mesurés. Différentes régressions linéaires sont proposées (tableau I). Il en ressort que le volume occupé par l’arbuste assimilé à un parallélépipède régulier est bien corrélé avec la biomasse aérienne. L’équation liant la biomasse au diamètre basal donne un bon coefficient de détermination. D’autre part, la régression multiple (y = aV + bDB + c) aboutit encore à une amélioration de la précision des estimations de la production de l’arbuste. Par ailleurs, les équations linéaires ont permis de prédire la production de biomasse de manière très satisfaisante (le coefficient . . .
. . .  de reboisement, Tunisie, 1974, p. 181–185. [22] Maslin B.R., Studies in the genus Acacia, the taxonomy of Acacia saligna (Labill) H. Wendl Nuystia 45 (1974) 332–340. [23] National Academy of Science (N.A.S), Acacia saligna (Labill) H. Wendl. in tropical legumes ressources for the future, Washington DC, 1979, p. 100–101. [24] Nasr H., Abassi M., El Felah M., Alley farming Acacia cyanophylla–Hordeum vulgare en milieu semi-aride : Résultats 340 A. Laamouri et al. préliminaires, Séminaire Maghrébin d’Agroforesterie Jebel Oust : 23-27 Octobre 1989, Ministère de l’Agriculture, Tunisie. [25] Porté A., Bosc A., Champion I., Loustau D., Estimating the foliage area of martime pine (Pinus pinaster Aït.) branches and crowns with aplication to modelling . . .
--3000,4,375,3322,19875