SUNFLO : modélisation dynamique de l’interaction G x E x C en tournesol
description
Transcript of SUNFLO : modélisation dynamique de l’interaction G x E x C en tournesol
SUNFLO : modélisation dynamique
de l’interaction G x E x C en
tournesol
P.Debaeke, P.Casadebaig (UMR AGIR, P.Debaeke, P.Casadebaig (UMR AGIR, Toulouse)Toulouse)
Contributions : A.Bensadoun, N.Rousse, J.Thiard
Journées annuelles du réseau IGEC_INRA, Paris, 21-22 Nov.2011
Evaluation variétale Evaluation variétale en tournesolen tournesol : : limites actuelleslimites actuelles
• Faible variabilité climatique pour les 2 réseaux GEVES & CETIOM (sécheresse, maladies...) 2 ans (pré-) + 1 an (post-inscription)
• Représentation biaisée des sols et des conduites (par ex. sols superficiels, conduites bas intrants...)– Nombre d’essais en réduction : comment optimiser ?– Rejet des essais à fort CV (sécheresse = forte hétérogénéité)
• Critères d’inscription en petit nombre, qui sous-évaluent la rusticité des variétés• Diagnostic agronomique des sites d’essais et des stress perçus par les variétés
insuffisant (bilan annuel ou analyse du réseau).• Essais pas utilisables directement pour le conseil (1 conduite par site)
comment évaluer la tolérance à la sécheresse des variétés de tournesol ?
comment conseiller par milieu des couples variété-conduite?
Les
ques
tions
Prédire l’interaction G x E x C
• Représenter explicitement les différences variétales et les IGEC majeures dans un contexte où l’eau est le principal facteur limitant
• Représenter ce qui est « nécessaire et suffisant » (modèle simple à
partir de formalismes robustes)
– Parcimonie (paramètres)
– Variables d’entrée facilement accessibles
• Contrôler le développement et la diffusion du modèle
• Associer l’utilisateur (Cetiom, Geves…) au développement et à l’utilisation (UMT Tournesol).
– Modèle = « moteur » à carrosser au sein d’outils pour les partenaires utilisateurs
Développer un modèle dynamique dédiéDévelopper un modèle dynamique dédiéLe
cah
ier d
es c
harg
es
SUNFLO V1SUNFLO BC
Gvle
Routines Restimation paramètres
RvleCOLLECTO
VARIETO
Plateforme RECORDPlateforme RECORD
Réseau variétal
Bassin de collecte
SUNFLO V1
ModelMakerModelMaker
applications webapplications web
nf
Fré
quen
ce
25 30 35 40
010
2030
position
Fré
quen
ce
5 10 15 20
010
30
surface
Fré
quen
ce
200 400 600
05
1015
20
0
5
10
15
20
25
30
35
0 200 400
Surface (cm²)
Feu
illes
a b c
VariabilitéVariabilité intra-spécifique : ex. surface foliaireintra-spécifique : ex. surface foliaire
b
c
Nombre de
feuilles
Surface foliaire
(+ grande feuille)
Position de la plus
grande feuille
Promosol « Productivité » (2001-2005)
Debaeke et al., 2004
Le m
odèl
e
6
Milieu:• profondeur du sol = estimation de la réserve utile• Reliquat azoté
Climat:• Température min/max• ETP• Rayonnement global• Précipitations
Phénologie:• Date_TT_E1• Date_TT_F1• Date_TT_M0• Date_TT_M3
Architecture foliaire:• N_Feuilles• SF_Fimax• N_Fmax• Coeff_k
Production:• IRpot• Hpot
Contrainte hydrique:• a_LE• a_TR
Conduite:• Date semis• Densité de levée• Date récolte• Fertilisation • Irrigation
SUNFLOSUNFLO (Debaeke et al., 2010; Lecoeur et al., 2011; Casadebaig et al., 2011)
Variables dynamiques (cycle)
% RU IF
Variables intégratives (période du cycle)
Variables d’état (stade clé)
ISH1 ISH2 ISH3
SF
Rang
INN, IF (flo)
D I AGNOST I C
RDT
Le m
odèl
e : l
es s
ortie
s (d
iagn
ostic
)
Qu’est ce qu’un Qu’est ce qu’un paramètre variétalparamètre variétal dans SUNFLO dans SUNFLO ??
Existence d’une variabilité phénotypique intra-spécifique pour le caractère (trait)
Accessibilité par la mesure Stabilité des classements des valeurs du
paramètre selon l’environnement Sensibilité du modèle au paramètreLe
mod
èle
: les
par
amèt
res
Le m
odèl
e : l
es p
aram
ètre
s
Rationnement pré-floraison + irrigation post-floraison
Indice de récolte potentiel (1)
Réseaux
Teneur en huile
potentielle (1)
Croissance végétative non limitante avant floraison
Phénologie (4)
Surface foliaire (4)
Phénotypage au champ (essais type VAT)Phénotypage au champ (essais type VAT)
3 années, 2 sites CETIOM : 2008-2010
Expansion foliaire relative = f (FTSW)
Transpiration relative = f (FTSW)
Test de dessèchement progressif en pot (serre)
Paramètres de réponse à la contrainte hydrique (2)
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1Fraction d'eau transpirable du sol
Tra
ns
pir
ati
on
& E
xp
an
sio
n F
olia
ire
R
ela
tiv
es
a_TR éco
a_TR prod
a_LE éco
a_LE prod
Phénotypage de la réponse Phénotypage de la réponse au stress hydriqueau stress hydrique
2 années, serre INRA (Auzeville) : 2008, 2010
Estimation des paramètresEstimation des paramètres
• Estimation des paramètres de réponse à la contrainte hydrique a_LE et a_TR : approche fréquentiste ou Bayésienne en utilisant les données de LAI ou MS pour la minimisation des erreurs.
• Développement de routines R (Rvle)
Le m
odèl
e : l
es p
aram
ètre
s
Approche Bayésienne : a_LE
Variété MelodyValeur « vraie » Estimationa_LE: -3.896 -3.284
Approche Bayésienne : a_TR
Variété MelodyValeur « vraie » Estimationa_TR: -10.699 -3.998
10
15
20
25
30
35
40
45
50
10 15 20 25 30 35 40 45 50
Rdt observé (q/ha)
Rd
t s
imu
lé (
q/h
a)
Cetiom Est
Cetiom Ouest
Cetiom Sud
Geves Est
Geves Ouest
Geves Sud
2008-2009128 sites
RMSE = 4,9 q/ha (14,4% rdt obs)
Evaluation SUNFLO : var.moyenne (sim) vs Evaluation SUNFLO : var.moyenne (sim) vs moyenne des variétés (obs)moyenne des variétés (obs)
Le m
odèl
e : l
’éva
luat
ion
0
10
20
30
40
50
0 10 20 30 40 50
R obs
R s
im
RMSE = 5.0 q.ha-1
(RRMSE = 15.7 %)n = 247
Evaluation post-inscription CETIOM 2008 : Evaluation post-inscription CETIOM 2008 :
247 variétés x environnements247 variétés x environnements
Le m
odèl
e : l
’éva
luat
ion
Evaluation de la capacité du modèle à classerEvaluation de la capacité du modèle à classer les environnementsles environnements
12 variétés du réseau de post-inscription 2008
(CETIOM)
Debaeke et al., 2010
Aurasol
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.579
ES Ethic
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.679
ES Magnific
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.564
Extrasol
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.769
Inosix
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.457
LG 5450 HO
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.562
Melody
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.787
NK Ferti
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.786
NK Sinfoni
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.624
Pacific
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.507
NK Countri
0
10
20
30
40
50
0 10 20 30 40 50R obs
R s
im
r = 0.704
Ultrasol
0
10
20
30
40
0 10 20 30 40 50R obs
R s
im
r = 0.619
Erreur de prévision : 3.5 q/ha (11 %)
Le m
odèl
e : l
’éva
luat
ion
D
on
née
s s
imu
lées
Données observées
Teneur en huile (aux normes, %) Rendement (aux normes, t/ha)
Evaluation de la capacité du modèle à classer les variétésEvaluation de la capacité du modèle à classer les variétés
20 variétés du réseau progrès génétique PROMOSOL (2000-01) : moyenne de 16 sites
Casadebaig et al., 2011
Le m
odèl
e : l
’éva
luat
ion
Casadebaig et al. (2011)
ANOVA sur 16 sites et 20 génotypes : réseaux réels et simulés
Le m
odèl
e : l
’éva
luat
ion
• Caractériser l’environnement perçu par une variété : diagnostic, regroupement d’essais, représentativité
• Evaluer l’intérêt d’un trait morpho-physiologique ou d’une combinaison de traits (idéotypes) dans un contexte donné
sélection, conseil variétal
• Déterminer une combinaison variété x conduite satisfaisante dans une situation de production donnée
adapter la conduite au type variétal
Les
appl
icat
ions
Le nombre de jours de stress hydrique varie selon le site, la phase du cycle et la variété
Casadebaig et Debaeke (2011)
5 variétés
4 sites (sol, climat, conduite)
Caractérisation des environnements
3 p
hases d
u
cycle
Barbet-Massin (2011)
Représentativité des réseaux d’évaluation « tournesol »
1 2 3
05
10
15
20
Agri GEVES Cetiom
1 2 3
05
10
15
20
Agri GEVES Cetiom
1 2 3
05
10
15
20
25
Agri GEVES Cetiom
Stress pré-floraison Stress floraison Stress remplissage
20
15
10
5
0
25
20
15
10
5
0
20
15
10
5
0
0
10
20
30
40
50
60
70
80
Agriculteurs GEVES CETIOM
%
Bas intrants Raisonnée Irriguée
0
10
20
30
40
50
60
Agriculteurs GEVES CETIOM
%
% de sols superficiels (< 60 cm)
Conduites
Jours de stress hydrique par
phase
Casadebaig et Debaeke (2011)
Rép
on
se d
u r
en
dem
en
t à
la v
ari
ati
on
du
tra
it (
%)
Augmentation de la surface foliaire
Augmentation de la tardivité
+ Stress hydrique
-
Réduction plus précoce de la transpiration
Evaluation de traits
PLE PLPPME
PMPPSE
PSP
TLE
TLP
TMETMP
TSE
TSP
-2 -1 0 1 2
-2-1
01
2
CP 1
CP
2
AUZ.S1AUZ.S2
AUZ.S3
AVI.S1
AVI.S2
AVI.S3
LUS.S1
LUS.S2LUS.S3
VER.S1
VER.S2
VER.S3
12
CP %
92.34.3
Des idéotypes de tournesol différents pour des environnements plus ou moins contraints par l’eau
Casadebaig et Debaeke (2011)Recherche d’idéotypes
0
5
10
15
20
25
30
35
40
1988 1991 1994 1997 2000 2003 2006
Années
Re
nd
em
en
t (q
/ha
)
Econome_Sud
Productif_Sud
Econome_Nord
Productif_Nord
Evaluation de 2 types variétaux (économe vs productif) Evaluation de 2 types variétaux (économe vs productif) dans 2 environnementsdans 2 environnements
Nord : climat océanique, pluvieux, sol profond Sud : climat méditerranéen, sec en été, sol superficiel
Peuplement (pnt/m²)
Ren
dem
ent (
q/ha
)
20
25
30
2 4 6 8
Faible (80 mm)
2 4 6 8
Moyenne (150 mm)
2 4 6 8
Forte (250 mm)
EthicUltrasol
AB
Choisir la densité de peuplement optimale pour un Choisir la densité de peuplement optimale pour un
environnement et une variétéenvironnement et une variété
Evaluation des couples variété-conduiteEvaluation des couples variété-conduite
Surface foliaire var A < var B
Etendre le domaine de validitéEtendre le domaine de validité
• Mieux représenter les interactions complexes entre la culture et son environnement biotique:– Effet de la conduite sur les dynamiques de
bioagresseurs (pathogènes)– Relation dégâts de pathogène-dommages
pour la culture
Le m
odèl
e : t
rava
ux e
n co
urs
MODELE DE CULTURE SUNFLO
MODULE EPIDEMIOLOGIQUE
MICROCLIMAT
Croissance plante
Bilan N
Bilan Eau
Maturation Libération Pollution Contamination Dégâts Dommages
Climat
Conduite:• Date semis• Densité de levée• Date récolte• Fertilisation • Irrigation• Fongicide
Rendement Teneur en
huile
Thèse M.Desanlis (en cours)
Représentation de la résistance variétale partielle (phomopsis, phoma)Représentation de la résistance variétale partielle (phomopsis, phoma)
• Mieux prendre en compte le déterminisme génétique dans le paramétrage du modèle : interactions QTL x E, simplifier le phénotypage
Le m
odèl
e : t
rava
ux e
n co
urs
Outils & méthodes pour l’évaluation variétaleOutils & méthodes pour l’évaluation variétale
• Simplifier et automatiser le phénotypage• Développer des outils pour mieux utiliser les
modèles de culture aux échelles adéquates :– Application « VARIETO » (AAP CTPS 2010):
– Caractérisation des environnements– Comparaison de réseaux d’essais– Essais variétaux virtuels
– Assortir les résultats des simulations d’une évaluation de l’incertitude (Casdar Erreurs)
Eval
uatio
n va
riéta
le :
trav
aux
en c
ours
Année n-2 Année n-1 Année n
Inscription CTPSRéseau
GEVES
Réseau CETIOM
Année n+1
Préconisation CETIOM
Nouvelles variétés (20): phénotypage
1
Expérimentation virtuelle
3
Conseil variété-conduite
4
Evaluation SUNFLO
2
Proposition d’une démarche d’évaluation assistée par modèle Proposition d’une démarche d’évaluation assistée par modèle
• Démarche a priori applicable à d’autres cultures (notamment cultures où la contrainte hydrique est le principal facteur limitant)
• Recherche de complémentarités avec Diagvar
Projet CTPS AAP 2010Projet CTPS AAP 2010
– évaluer la faisabilité et l’apport d’un dispositif couplant phénotypage de routine et expérimentation in silico pour l’évaluation variétale (VAT) et le conseil variété-milieu-conduite de culture (en vraie grandeur et en temps réel)