SUNFLO : modélisation dynamique de l’interaction G x E x C en tournesol

1. 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 Journées annuelles du réseau IGEC_INRA, Paris, 21-22 Nov.2011 

2. 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? Les questions Prédire l’interaction G x E x C

3. 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

4. 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. Le modèle Variabilitéintra-spécifique : ex. surface foliaire c a b b c Position de la plus grande feuille Nombre de feuilles Surface foliaire (+ grande feuille) Promosol « Productivité » (2001-2005) Debaeke et al., 2004

6. SUNFLO(Debaeke et al., 2010; Lecoeur et al., 2011; Casadebaig et al., 2011) • 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 • 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

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. 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) Indice de récolte potentiel (1) 3 années, 2 sites CETIOM : 2008-2010

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) 2 années, serre INRA (Auzeville) : 2008, 2010

12. 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: -3.896 -3.284

14. Approche Bayésienne : a_TR Variété Melody Valeur « vraie » Estimation a_TR: -10.699 -3.998

15. 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. Le modèle : l’évaluation Evaluation de la capacité du modèle à classerles environnements 12 variétés du réseau de post-inscription 2008 (CETIOM) Erreur de prévision : 3.5 q/ha (11 %) Debaeke et al., 2010

18. Le modèle : l’évaluation Evaluation 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

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

20. 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

21. 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 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 lavariation du trait (%) Réduction plus précoce de la transpiration - + Stress hydrique Casadebaig et Debaeke (2011) Evaluation de traits

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

25. Evaluation de 2 types variétaux (économe vs productif) dans 2 environnements Nord : climat océanique, pluvieux, sol profond  Sud : climat méditerranéen, sec en été, sol superficiel

26. Choisir la densité de peuplement optimale pour un environnement et une variété Surface foliaire var A < var B Evaluation des couples variété-conduite

27. 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

28. 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. 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)

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 3 Expérimentation virtuelle

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)