Journées annuelles du réseau IGEC_INRA, Paris, Nov.2011 

Présentation au sujet: "Journées annuelles du réseau IGEC_INRA, Paris, Nov.2011 "— Transcription de la présentation:

1 Journées annuelles du réseau IGEC_INRA, Paris, 21-22 Nov.2011 
SUNFLO : modélisation dynamique de l’interaction G x E x C en tournesol P.Debaeke, P.Casadebaig (UMR AGIR, Toulouse) Contributions : A.Bensadoun, N.Rousse, J.Thiard Insertion de la modélisation dynamique dans le processus d’évaluation des variétés

2 Evaluation variétale en tournesol : limites actuelles
Les questions Evaluation variétale en tournesol : limites 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? Prédire l’interaction G x E x C 2

3 Développer un modèle dynamique dédié
Le cahier des charges Développer un modèle dynamique dédié 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 Différents arguments justifient le développement d’un nouveau modèle : Scientifiques Techniques

4 estimation paramètres
ModelMaker SUNFLO V1 applications web Gvle Plateforme RECORD SUNFLO V1 SUNFLO BC COLLECTO Rvle Bassin de collecte Routines R estimation paramètres VARIETO Réseau variétal

5 Variabilité intra-spécifique : ex. surface foliaire
Le modèle Variabilité intra-spécifique : ex. surface foliaire c a b b c Tout commence par l’observation d’un profil de surface foliaire (surface=f(rang)), qui peut être ajusté par une courbe en cloche à 3 paramètres : le nb, et les coordonnées du somment (position et taille de la plus grande feuille). Dans la population présente dans la base de donnée, ces paramètres ont une certaine variation phénotypique. A partir de ces différentes représentation de l’architecture aérienne : 2 solutions pour la dynamique soit couvert comme une grande feuille, soit comme la somme de la croissance de ces organes. On suppose que la solution la plus complexe est plus apte à rendre compte des contraintes. Position de la plus grande feuille Nombre de feuilles Surface foliaire (+ grande feuille) Promosol « Productivité » ( ) Debaeke et al., 2004 5

6 SUNFLO (Debaeke et al. , 2010; Lecoeur et al. , 2011; Casadebaig et al
Conduite: Date semis Densité de levée Date récolte Fertilisation Irrigation Contrainte hydrique: a_LE a_TR Production: IRpot Hpot Climat: Température min/max ETP Rayonnement global Précipitations Architecture foliaire: N_Feuilles SF_Fimax N_Fmax Coeff_k Pour simuler des IGEC, nous avons fait le pari du développement d’un modèle de simulation dynamique (SUNFLO) Ce modèle simule la réponse du tournesol…… Les variables d’entrée ont été réfléchies pour être accessibles aux utilisateurs (cf COLLECTO) La spécificité du modèle est de décrite les variétés de tournesol par un jeu de paramètres accessibles au champ ou en serre Voici un schéma du modèle, où sont représentés les différents éléments à caractériser pour effectuer des simulations. Tout d’abord, il faut des variables d’entrées et d’état pour décrire: Le milieu: profondeur du sol, qui permet d’estimer la réserve utile du sol, et le reliquat azoté présent sur la parcelle et réparti sur les différents horizons; Le climat: il faut renseigner, pour chaque jour, les températures minimales et maximales, l’évapotranspiration potentielle, le rayonnement global et les précipitations; L’itinéraire technique, avec les dates de semis et de récolte, la densité de levée, les apports d’azote et d’eau. Voila pour le milieu et la conduite culturale. Ensuite, il faut des paramètres qui distinguent les variétés, il s’agit des paramètres génotypiques qui sont mesurés au champ, en serre ou estimés. Ces paramètres sont reliés aux modules décrivant la plante dans le modèle. Sur un total de 12, 4 décrivent la phénologie de la variété par les « dates » de 4 stades du tournesol (Bouton étoilé, Floraison, Fin floraison-début maturité, et maturité physiologique), 4 décrivent l’architecture foliaire de la variété (le nombre de feuilles totales, la surface et la position de la plus grande feuille et le coefficient d’extinction du rayonnement k), 2 sont attachés à la production de biomasse et d’huile (l’indice de récolte et le rapport coque sur amande). Enfin, 2 paramètres génotypiques définissent les réponses d’expansion foliaire (a_LE) et de transpiration (a_TR) à la contrainte hydrique (réponse de la tolérance à la sécheresse) des différentes variétés. Ces contraintes permettent de générer les interactions dues à l’environnement sur la plante. Phénologie: Date_TT_E1 Date_TT_F1 Date_TT_M0 Date_TT_M3 Milieu: profondeur du sol = estimation de la réserve utile Reliquat azoté 6 6 6

7 Le modèle : les sorties (diagnostic)
% RU IF Variables dynamiques (cycle) D I AGNOST I C ISH1 ISH2 ISH3 Variables intégratives (période du cycle) Rang Variables d’état (stade clé) SF INN, IF (flo) RDT

8 Qu’est ce qu’un paramètre variétal dans SUNFLO ?
Le modèle : les paramètres Qu’est ce qu’un paramètre variétal 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 paramètre

9 Le modèle : les paramètres

10 Phénotypage au champ (essais type VAT)
Croissance végétative non limitante avant floraison Rationnement pré-floraison + irrigation post-floraison Réseaux Teneur en huile potentielle (1) Phénologie (4) Surface foliaire (4) Le phénotypage se réalise au champ sur les essais de type VAT utilisés pour l’évaluation : détermination des paramètres potentiels On distingue 2 types d’essais : - croissance végétative…. - rationnement pre-floraison…. On utilise aussi les données en réseau (9ème décile) Indice de récolte potentiel (1) 3 années, 2 sites CETIOM :

11 Phénotypage de la réponse au stress hydrique
Test de dessèchement progressif en pot (serre) Paramètres de réponse à la contrainte hydrique (2) Expansion foliaire relative = f (FTSW) Transpiration relative = f (FTSW) Phénotypage en serre 2 paramètres Variabilité pour ces 2 paramètres Cf exposé Pierre Maury 2 années, serre INRA (Auzeville) : 2008, 2010

12 Estimation des paramètres
Le modèle : les paramètres Estimation 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)

13 Approche Bayésienne : a_LE
Variété Melody Valeur « vraie » Estimation a_LE:

14 Approche Bayésienne : a_TR
Variété Melody Valeur « vraie » Estimation a_TR:

15 Evaluation SUNFLO : var.moyenne (sim) vs moyenne des variétés (obs)
Le modèle : l’évaluation Evaluation SUNFLO : var.moyenne (sim) vs moyenne des variétés (obs)

16 Le modèle : l’évaluation Evaluation post-inscription CETIOM 2008 :
247 variétés x environnements

17 Evaluation de la capacité du modèle à classer les environnements
Le modèle : l’évaluation Evaluation de la capacité du modèle à classer les environnements 12 variétés du réseau de post-inscription 2008 (CETIOM) Erreur de prévision : 3.5 q/ha (11 %) Evaluation sur réseau post-inscription Ici en 2008 sur 33 sites Pour chaque variété, classement acceptable des rendements ce qui signifie que l’on a bien décrit l’environnement L’erreur moyenne est de 3.5 q/ha soit 11 % Pour améliorer on propose de mesurer l’indice foliaire par site pour 1-2 var de référence afin de mieux initialiser le modèle Debaeke et al., 2010 17

18 Evaluation de la capacité du modèle à classer les variétés
Le modèle : l’évaluation Evaluation de la capacité du modèle à classer les variétés Classer les variétés pour la TH en huile ou le rdt a été réalisé sur le réseau progrès génétique de Promosol Erreur moyenne de 2.7 q/ha et de 0.7 % sur la TH Discriminer les variétés de même génération de sélection demandera plus de précision au modèle 20 variétés du réseau progrès génétique PROMOSOL ( ) : moyenne de 16 sites Casadebaig et al., 2011 18

19 Le modèle : l’évaluation
ANOVA sur 16 sites et 20 génotypes : réseaux réels et simulés Casadebaig et al. (2011)

20 Caractériser l’environnement perçu par une variété :
Les applications 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 On propose plusieurs exemples d’utilisation : peut-être faudra t’il supprimer 1 ou 2 cas

21 4 sites (sol, climat, conduite)
Caractérisation des environnements 4 sites (sol, climat, conduite) Le nombre de jours de stress hydrique varie selon le site, la phase du cycle et la variété 3 phases du cycle Ex 3 : classement des environnements en fonction des contraintes perçues par les variétés 5 variétés Casadebaig et Debaeke (2011)

22 Représentativité des réseaux d’évaluation « tournesol »
Conduites Jours de stress hydrique par phase Barbet-Massin (2011)

23 - + Augmentation de la surface foliaire
Augmentation de la tardivité Réponse du rendement à la variation du trait (%) Réduction plus précoce de la transpiration Ex 1 : simulation de la variation de traits morpho-physiologiques - + Stress hydrique Casadebaig et Debaeke (2011) Evaluation de traits

24 Recherche d’idéotypes
Des idéotypes de tournesol différents pour des environnements plus ou moins contraints par l’eau Ex 2 : recherche d’idéotypes par environnement Casadebaig et Debaeke (2011) Recherche d’idéotypes

25 Evaluation de 2 types variétaux (économe vs productif) dans 2 environnements
Evaluation de 2 types variétaux dans 2 environnements opposés - adapté au nord : régulation de type productive - sud : de type économe Nord : climat océanique, pluvieux, sol profond  Sud : climat méditerranéen, sec en été, sol superficiel

26 Surface foliaire var A < var B
Choisir la densité de peuplement optimale pour un environnement et une variété Ex 4 : recherche de la conduite adaptée à une variété donnée pour un environnement donné Surface foliaire var A < var B Evaluation des couples variété-conduite

27 Etendre le domaine de validité
Le modèle : travaux en cours Etendre 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 Pistes pour la recherche

28 MODELE DE CULTURE SUNFLO
Représentation de la résistance variétale partielle (phomopsis, phoma) Conduite: Date semis Densité de levée Date récolte Fertilisation Irrigation Fongicide MODELE DE CULTURE SUNFLO Rendement Teneur en huile Croissance plante Bilan N Bilan Eau MODULE EPIDEMIOLOGIQUE Maturation Libération Pollution Contamination Dégâts Dommages MICROCLIMAT Climat Thèse M.Desanlis (en cours)

29 Le modèle : travaux en cours
Mieux prendre en compte le déterminisme génétique dans le paramétrage du modèle : interactions QTL x E, simplifier le phénotypage

30 Outils & méthodes pour l’évaluation variétale
Evaluation variétale : travaux en cours Outils & 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) Pistes pour le développement

31 Proposition d’une démarche d’évaluation assistée par modèle
Réseau CETIOM Préconisation CETIOM Inscription CTPS Réseau GEVES Année n-2 Année n-1 Année n Année n+1 1 Nouvelles variétés (20): phénotypage 4 Conseil variété-conduite 2 Evaluation SUNFLO La Figure 3 illustre les principales étapes de cette démarche et son positionnement par rapport au déroulement de la procédure d’évaluation actuelle : - étape 1 – phénotypage des variétés : en première année de post-inscription, les variétés inscrites et commercialisées sont évaluées expérimentalement au champ. On complète le phénotypage VAT actuel par quelques variables aisément mesurables en micro-parcelles. On monte également un banc d’essai en serre afin d’apprécier la réponse à la contrainte hydrique de plantes isolées en pots. - étape 2 – validation du paramétrage des variétés : le modèle paramétré avec ces valeurs est mis en œuvre sur le jeu de données issu de l’inscription : données agronomiques et climatiques et performances réelles des variétés sur l’ensemble du réseau. La mesure de l’indice foliaire pour des variétés témoins permet de recaler la description du milieu. En fonction de la qualité de réponse du modèle, celui-ci est considéré comme valide ou non pour chaque variété en vue d’une utilisation en étape 3. - étape 3 – recherche des combinatoires intéressantes et construction du conseil : un plan d’expérience numérique est construit croisant les variétés, les milieux cibles et les conduites (variantes d’une même technique, itinéraires techniques répondant à une logique donnée) en vue de déterminer les meilleures combinaisons variété-milieu-conduite. - étape 4 – diffusion du conseil : la diffusion des résultats s’opère au travers des supports usuels (publications Cetiom, Internet…). De nouveaux critères peuvent être introduits dans pour enrichir la connaissance des variétés et affiner la prise en compte du milieu et de la conduite a priori dans le choix variétal. L’objectif du projet est de tester la faisabilité en vraie grandeur (réseau national) et en temps réel (inscription + 1 année) de cette approche encore exploratoire. Loin d’imaginer la suppression de l’expérimentation pour l’évaluation variétale, il s’agit de proposer une démarche basée sur la modélisation qui permette de l’amplifier et de la compléter. 3 Expérimentation virtuelle

32

33 Démarche a priori applicable à d’autres cultures (notamment cultures où la contrainte hydrique est le principal facteur limitant) Recherche de complémentarités avec Diagvar

34 Projet 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)