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)