Techniques et outils pour le phénotypage au champ des variétés de grandes cultures
F. Baret, B. de Solan ,Ph. Burger & A. Comar1INRA-EMMAH UMR1114 Avignon2Arvalis, Avignon3INRA- AGIR UMR1248, Auzeville
Importance du phénotypage au champ
Paris 22 Nov. 2011 2
Les plantes cultivées en conditions artificielles sont différentes de celles cultivées au champ Sol (pots) Climat (serre) Compétition entre plantes (plantes isolées)
Le phénotypage au champ est nécessaire pour identifier des traits sans artefacts
Il fournit des informations pour une déclinaison variétale des règles de décision
Très nombreuses parcelles à caractériser (1000-2000) et suivi de la dynamique: les méthodes ‘destructrices’ ne conviennent pas.
Il est nécessaire de développer des méthodes de mesures1. Rapides2. Non destructives3. Peu coûteuses (en coût unitaire)
Paris 22 Nov. 2011 3
Plan
Introduction
Mesures de caractéristiques foliaires
Systèmes de phénotypage au champ
Conclusion
Paris 22 Nov. 2011 4
Plan
Introduction
Mesures de caractéristiques foliaires
Systèmes de phénotypage au champ
Conclusion
Principe: absorption spectrale
Paris 22 Nov. 2011 5
0.0001
0.0010
0.0100
0.1000
1.0000
10.0000
400 900 1400 1900 2400Wavelength (nm)
Abs
orpt
ion
(cm
²/g)
Brown pigmentsDry matterChlorophyll and carotenoidswater
Absorption par:-la chlorophylle-L’eau-La matière sèche-Les pigments bruns
Systèmes de mesure
Paris 22 Nov. 2011 6
Pince pour mesure des propriétés optiques des feuilles au champ
Minolta SPAD (N tester)
Spectro ASD
Spectro JAZOcean-Optics
Estimation de contenus
Paris 22 Nov. 2011 7
Cab, Cw, SLW PROSPECT Reflectance*
Transmittance*
ReflectanceTransmittance Mesures
optimisation
Contenu en eau (g.cm-2) Contenu en matière sèche (g.cm-2)
Les effets directionnels de surface
φs = 00°
8
Forte anisotropie de la feuilleEffets directionnels dus à l’état de surface de la feuille (rugosité/pilosité/état de la cuticule)Conséquences sur l’estimation des contenus biochimiquesParis 22 Nov. 2011
φs = 0°
φs = 90°
φs = 90°φs = 0°
Les effets de surface identifiés
Nervures Trychomes
Séparation des cellules
Hétérogénéité de la cuticule
Zoom
Images acquises au MEB sur du blé dur - x 150 - x 500 - x 15 000
Anisotropie: -Nervures - Séparation des cellules
« Rugosité »- trychome- hétérogénité
Paris 22 Nov. 2011 9
La pince CANARD
• ρ et τ hémisphérique• optimisation de la configuration géométrique
• Inverser PROSPECT• Cab: chlorophylle• Cw : Contenu en eau• Cm : Matière sèche
• Calibrer des relations empiriques•pigments (Ca, Cb, Cc),•eau•matière sèche•azote•cellulose•(lignin) •phenols (stress)
•Caractériser la surface •Rugosité•État de la cuticule
Mesure de:
Pour:
10
(Chlorophyll and Nitrogen Absorption and Reflectance Device)
Paris 22 Nov. 2011 11
Plan
Introduction
Mesures de caractéristiques foliaires
Systèmes de phénotypage au champ
Conclusion
12/21
Transmittance et RéflectanceTransmittance=Structure Réflectance=Structure
+ Propriétés Optiques
Photographie numérique Spectro-Radiomètre
0.00.10.20.30.40.50.60.70.80.9
350 450 550 650 750 850 950 1050 1150longueurs d'ondes (nm)Paris 22 Nov. 2011
Paris 22 Nov. 2011 13
Appareils photo + 2 flashs - 1 au nadir - 1 à 57°
Spectros: - 1 au nadir - 2 à 57° - 1 incident
Projet innovant AGIR-Emmah (2007-2008)Thèse Alexis Comar (2010-2012 – CIFRE Arvalis)ANR-Phénoblé (2011-2014)1. Système porté sur tracteur géométrie de mesure mieux contrôlée 2. Combinaison imagerie (VIS) et spectrométrie VIS-PIR3. Déclenchement et référencement automatique des mesures (GPS-RTK)4. Traitement automatisée des mesures (post-traitement)
Développement d’un système dédié au phénotypage
1-3 mvariable
spectrosGPS PCCameraFlash
Débit actuel: environ 100 µparcelles/heure
SYSTEM AND EXPERIMENTAL SETUP• Irradiance probe• BF2 (diffuse estimation in PAR)
Reference board
CameraFlash
Control center
14
Spectro
GPS RTK Automatisation100 parcelles/h4 h/jourTraitement: 2 jours
FV57
0.3 0.6 0.9 0.6 0.8 0.3 0.6 0.9
0.85
0.95
0.3
0.6
0.9
FV0
NDVI57
0.86
0.92
0.98
0.6
0.8
NDVI0
MCARI2_57
0.75
0.90
1.05
0.85 0.95
0.3
0.6
0.9
0.86 0.92 0.98 0.75 0.90 1.05
MCARI2_0
Fraction de vert (FV) photo
2 indices spectraux NDVI MCARI2
2 directions Verticale (0°) Inclinée (57°)
1 date 05/04/2011
6 génotypes x 3N x 2D
15
Sélection d’indices spectraux
Visée nadir: MCARI et FV
MCARI2 = f(FV)
6 dates avril à juin O : après flo + : avant flo
Relation linéaire R²=0.93 Bonne cohérence entre
2 mesures différentes Léger effet de l’épi
++
+
+
++
++
++
+
+
0.0 0.2 0.4 0.6 0.8 1.0
0.0
0.2
0.4
0.6
0.8
1.0
correl$dat[correl.sub, j, 2]
corre
l$da
t[cor
rel.s
ub, j
, 6]
++
++
+
++
+
+
+
+
+
++
++
++
++
++
+
+
+
+
+
+
++
++
++
++
o
o
o
ooo
o
oo
o
o
oo
o
ooo
o
o
o
++
+
+
++
+
+
++
+
+
++
++
+ +
+
+
++
+ +++
++
+ +
++
++
+ +
+
+
+
+
++
++
++
+ +o
o
oo
o
o
oo
oo
o
oo
o
oooo
++
+
+
+
+
+
+
++
+
++
+
++
+++
+
+
+
+++
+
++
++
+
+
++
+++
+
++
++
+
+
++
++
o
oo
oo
o
oo
o o
oo
o
oo o
o
o
o
++
+
+
++
+
+
++
+
+++
++
+ +
+
+
+
+
++
++
++
++
++
++
+ +
+
+
+
+
+
+
++
++
++ oo
oo
oo
oo
oo
o
o
o
oo oo
++
+
+
++
+
++
+
+
++
++
+
++
+
++
+
+
+
+
++
+
+
+
++
+
+
+
+
++
+ +
+
+
++
+
+
o
oo
o
ooo
oo
oo
o
o
oo
o
o
o
+ +
+
+
+ +
+
+
++
+
+
++
++
++
+
+
++
++
++
++
++
++
++
++
++
++
+
+
++
++
+ + oo
oo
o
o
o
oo
oo
o
oo
o
ooo
o
SoissonsBiensurCap HornHysunApacheIsildur
16
FV (photo)
MCA
RI2
(spe
ctro
)
Architecture :Combinaison visées 0° / 57°
+
+
+
+++ +
+
+
++ +
+
+
+
+
+
+
+
+
+
+
+
++
++++
+
+
+ +
+
+
+
+
+
++
+
+
++
+
+
++
+
+
+
++
+
+
+
+
+
+
+
++
+
+
+
+
+
+
+
++
++
+
++ +
+
+
+
+
+++
+
++
+
+
+
+ +
++++
+
++ +
0.05 0.10 0.15 0.20 0.25
0.2
0.4
0.6
0.8
1.0
1.2
X
Y
+
+ +
++
+
+
+
+
+
+
++
+ +
+
+
+
+
+
+
+
+
+
+
++
+
+
+
+
+
+
+
++
++
++
+
+
+
+
++
+
+
+
++
+
+
+
+
++
++
+
++
+
+
+
+
++
+ +
+
+
+
+
+
+
+ +
++
+ +
SoissonsBiensurCap HornHysunApacheIsildur
17
-log(
MCA
RI2(
0°))
-log(MCARI2(57°))
Estimation de QN (données 2010)
En l’absence de calibration variétale, QN = f(Reflectances), par PLS
60 80 100 120 140 160
6080
100
120
140
160
ntot, 5 comps, validation
measured
pred
icte
d
0 100 200 300 400 500
-0.20
-0.15
-0.10
-0.05
0.00
0.05
0.10
nm
load
ing va
lue
Comp 1 (97.784 %)Comp 2 (1.782 %)Comp 3 (0.309 %)Comp 4 (0.086 %)Comp 5 (0.024 %)
Performances prédictives moyennes mais permet de définir des bandes spectrales les plus informatives : > 550, 680, 730, 760, 850, 950
18
Paris 22 Nov. 2011 19
Possibilité de suivre la dynamiqueIndice sensible à la surface verte
Indice sensible à la chlorophylle
MCA
RI2
MTC
I
N0 N1 N2
N0 N1 N2
• Estimation de l’azote absorbé, à 2 noeuds
QN
Indi
ce
Approche empirique
20Effet de structure
Paris 22 Nov. 2011 21
Hysun Cap Horn
Visée verticale: sensibilité à la structure
Paris 22 Nov. 2011 22
Utilisation des maquettes 3D pour interpréter les mesures
Paris 22 Nov. 2011 23
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00
Frac
tion
de tr
ous
GAI
Po_0° = f(GAI)
Var érectophile
Var planophile
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00
Frac
tion
de tr
ous
GAI
Po_57° = f(GAI)
Var érectophile
Var planophile
Influence de l’architecture sur les mesures
L’architecture du couvert peut fortement biaiser l’estimation des variables d’intérêt
Paris 22 Nov. 2011 24
Plan
Introduction
Mesures de caractéristiques foliaires
Systèmes de phénotypage au champ
Conclusion
Paris 22 Nov. 2011 25
Améliorations prévues• Débit: 300-500 p/jour 1000 p/jour• Automatisme suivi fréquent de la dynamique (100°C.j)• Système actif (indépendant conditions d’éclairement avec flashs)
• Camera superspectrale (8-10 bandes)• Superposition de la représentation 3D • Barrière optique comptage tiges / épis• (Lidar) (distribution hauteur organes)
• Mesures de stress ?• Thermique• Fluorescence• PRI
• Automatisation du traitement
• Adaptation à d’autres espèces
Reconstruction 3Dincrémentale
Mesures de stress instantanés: Drones/ULM ?
Symptomes de stress ‘instantanés’ avec forte variabilité temporelle• Thermique• Fluorescence• PRI
Effets Directionnels (interaction avec la structure du couvert): correction à posteriori à partir des mesures PHENOMOBILE
26Paris 22 Nov. 2011
Paris 22 Nov. 2011 27
Métriques ?Quelles métriques utiliser pour l’identification/quantification des traits?
Niveau 1: résultat ‘brut’• Indices spectraux• Caractéristiques de la dynamique (dates clé, pentes, intégrales)• Différence de niveau de stress
Niveau 2: variables de structure / propriétés optiques (et dynamique)• GAI• FIPAR• Structure• Comptage plante (précoce)• Comptage épis• Hauteur• Chlorophylle• Azote• Efficience de la photosynthèse• Conductance stomatique• Durée de vie des feuilles• Tallage
Niveau 3: variables fonctionnelles• Paramètres de modèles de fonctionnement / structure 4D
28
MesureCapteur
Au champ
ParametresPhysiol.
(dep. Génét.)
1. Estimation de traits fonctionnelspar méthodes empiriques
Transf.Rad.
ModeleFonct.
ForcageClimat
SolPrat. Cult.
LAIChloro
2. Utilisation de modèles fonctionnels: Parametres Génétiques
StructureProp.
Optique
3. Amélioration de la cohérenceentre mesures et modèles
ParametresArchitecture(dep. Génét.)
Modele4D
4. Utilisation de modèles 4D
Mesures.détaillées
5. Ajustement des parametres de modèles 4D aux mesures détaillées
Stress
6. Couplage du modèle 4D au modèle de functionnement
Approche générale envisagée
LAI et Chlorophyllesont partagées par les 3 modèles: Forte cohérence nécessaire
Paris 22 Nov. 2011