HAL Id: tel-00365172
https://tel.archives-ouvertes.fr/tel-00365172
Submitted on 2 Mar 2009
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Adaptation of the GreenLab growth model to plants with complex architectures and multi-scale analysis of source-sink relationships for parametric identification.
Veronique Letort
To cite this version:
Veronique Letort. Adaptation of the GreenLab growth model to plants with complex architectures and multi-scale analysis of source-sink relationships for parametric identification.. Vegetal Biology.
Ecole Centrale Paris, 2008. English. �tel-00365172�
ECOLE CENTRALE DES ARTS ´ ET MANUFACTURES
« ECOLE CENTRALE PARIS ´ »
TH` ESE
pr´ esent´ ee par: V´ eronique LETORT
pour l’obtention du GRADE DE DOCTEUR
Sp´ ecialit´ e: Math´ ematiques Appliqu´ ees
Laboratoire d’accueil: Math´ ematiques Appliqu´ ees aux Syst` emes (MAS)
Adaptation du mod` ele de croissance GreenLab aux plantes ` a architecture complexe
et analyse multi-´ echelle des relations source-puits pour l’identification param´ etrique.
Adaptation of the GreenLab growth model to plants with complex architectures and multi-scale analysis of source-sink relationships for
parametric identification.
Date de soutenance : 28/05/2008 Devant un jury compos´ e de :
M. Winfried KURTH University of Technology, Cottbus (Rapporteur) M. Thierry FOURCAUD CIRAD Montpellier (Rapporteur) M. Thi´ ery CONSTANT INRA Nancy
M. Paul-Henry COURN` EDE Ecole Centrale Paris
M. Yan GUO China Agricultural University M. Ep HEUVELINK Wageningen University
M. J´ er´ emie LECOEUR SupAgro Montpellier (Pr´ esident du jury) M. Philippe de REFFYE CIRAD-INRIA (Directeur de th` ese)
N ° ordre : 2008 - 24
Remerciements
Grands mercis ` a :
Thanks very much to:
Philippe de Reffye , pour les liens scientifiques et amicaux mis en place du- rant ces ann´ ees, pour m’avoir fait partager sa passion des plantes et de leur mod´ elisation selon St GreenLab, pour toutes les connaissances transmises, in- cluant les proverbes africains et chinois, et pour les bons moments pass´ es au cours de cette th` ese: ` a travailler face ` a l’´ ecran d’ordinateur ou bien ` a la machine
`
a caf´ e, ` a se promener dans le vent froid du parc du Palais d’´ et´ e (id´ eal pour neu- traliser le d´ ecalage horaire), dans l’avion (surtout surclass´ es en classe affaires!), pour l’initiation ` a la musique classique, point sur lequel je ne me suis pas montr´ ee tr` es bonne ´ el` eve...
Paul-Henry Courn` ede pour son enthousiasme et son implication dans le travail pr´ esent´ e ici, pour ses conseils scientifiques et strat´ egiques, pour m’avoir initi´ ee et associ´ ee au d´ eveloppement de notre cher DigiPlante, pour m’avoir guid´ ee sur les parties maths applis de la th` ese, pour les nombreuses relectures d’articles et de chapitres de th` ese, mˆ eme lorsque je les lui soumettais tr` es en retard, pour l’aide dans les moments difficiles (habituellement les veilles de dead-lines !) et le bon repas pr´ epar´ e Oc´ eane !
Au directeur du laboratoire MAS, Christian Saguez et au directeur de la recherche de Centrale, Jean-Hubert Schmidt pour m’avoir fourni les moyens financiers et mat´ eriels de poursuivre cette th` ese
Am´ elie Mathieu pour les nombreux conseils donn´ es en tant que “soeur aˆın´ ee” (au sens chinois du terme !), les ´ echanges sur les (tr` es rares !) bugs de Digiplante, les relectures de chapitres , les discussions comparatives des fittings arabido-colza et autres, et les pique-niques au parc de Sceaux
Sylvie Dervin pour son aide pr´ ecieuse dans les m´ eandres administratifs, ses dessins et ses messages sympathiques au tableau, ses entr´ ees-surprises dans notre bureau et aussi ses ´ eternuements divertissants d` es qu’un chat montre le bout d’un poil
Ang´ elique Christophe pour le travail accompli sur notre ch` ere Arabido, pour son accueil et les discussions pendant la (longue!) r´ edaction de l’article
2
J´ er´ emie Lecoeur pour toutes les id´ ees et les discussions int´ eressantes, ainsi que pour avoir accept´ e de pr´ esider ma soutenance de th` ese
Winfried Kurth and Thierry Fourcaud, for their careful reading of this thesis manuscript as reviewers and for their valuable comments
Ep Heuvelink, for his welcoming in Wageningen, for friendly and scientific discus- sions, and for taking part of the PhD defense as member of the committee
Thi´ ery Constant pour sa participation ` a mon jury de th` ese, ainsi que G´ erard Nepveu et toute l’´ equipe du Lerfob (notamment Manu, Claude et Alain) pour leur accueil au labo et leur aide pour l’´ etude du hˆ etre
Tous les amis d’AMAP, notamment Daniel Barth´ el´ emy, Sylvie Sabatier, Marc Jeager, Jef Barczi, Herv´ e Rey, Thierry Fourcaud, Alexia Stokes, Yves Caraglio, Fran¸cois de Coligny et Daniel Auclair
ainsi que Camilo Zalamea et Patrick Heuret pour m’avoir permis de d´ ecouvrir la forˆ et guyanaise et la plus merveilleuse de toutes les plantes, Cecropia
Valentin, Susi, Tound´ e et Valentino, la valeureuse ´ equipe Cecropia du module FTH2007, qui a brav´ e la chaleur, les serpents, les moustiques, les pous d’agouti et autres bestioles toutes plus affectueuses les unes que les autres pour collecter de superbes jeux de donn´ ees sur tous les arbres choisis, mˆ eme ceux qui n’avaient pas forc´ ement “souper bien pouss´ e”
Kang MengZhen and Ma YunTao for their kind welcoming, for friend- ship and scientific joint work
Guo Hong for friendship and for the intensive work on our young pines and on the huge set of data on adult pine, Hong LingXia for her kindness and for taking care of me each time I went to CAF, and Pr Lei
All people from LIAMA, and particularly Pr. Hu BaoGang and Hong BiZhen for welcoming me in LIAMA and for their help in many occasions
Chinese friends and colleagues from CAU: Pr. Guo Yan, Zheng BangYou, Ma Yuntao, Zhan ZhiGang, Li Dong, Wang Feng
and Pr Zhang BaoGui, pour son acceuil ` a tous mes s´ ejours ` a P´ ekin et pour nos nombreuses discussions amicales et scientifiques (les myst´ erieux zigzags de la tomate...!)
Tous les membres du labo MAS et en particulier Qi Rui, Marl` ene, Sylvain, Vin- cent (les meilleurs co-bureaux “comiques” du monde), Marc, Aur´ elie, C´ edric,
3
Takuya (l’ordre d’´ enum´ eration n’a aucune vocation ` a repr´ esenter une hi´ erarchie quelconque dans le bureau des personnes concern´ ees), Xing Le, Julien et XiuJuan pour les r` eglements mis en place pour veiller au bon d´ eroulement des pauses (ho- raires, dur´ ee, chemin ` a emprunter selon la m´ et´ eo pour se rendre au bat’ens...) et les conviviales soir´ ees pizza-jungle-speed-loup-garou-elixir.
Anne-Laure pour ses relectures, ses conseils avis´ es sur la r´ edaction de la th` ese (cf l’annexe C!) et ses bons gˆ ateaux
aux amis de longue ou tr` es longue date, en particulier Gw´ enola, C´ edric, Jeanne, Micha¨ el, Laetitia, Jaya, Slaweck, Lucie
toute ma famille ; en particulier mes parents, Steph, Jean, Ga¨ elle et Damien pour leur soutien mat´ eriel et moral pendant les trois ans, les r´ ef´ erences biblio tap´ ees et toutes les ondes positives envoy´ ees pendant la soutenance (sur des distances allant de deux m` etres ` a 15 000 km...)
«Les plantes invitent l’homme ` a des recherches math´ ematiques. »
[Jean, R. V., Phytomath´ ematique, Montr´ eal, 1978]
«La v´ erit´ e ce n’est pas ce qui se d´ emontre, c’est ce qui simplifie. »
[Antoine de Saint-Exup´ ery, Terre des Hommes, 1939]
«Sans th´ eorie il n’y a pas de mesures valables.»
«L’essentiel de la plante est invisible pour les yeux. On ne voit bien qu’` a travers les mod` eles. »
[Phil LaoShi, extraits choisis, 2008]
4
Contents
Remerciements . . . . 2
Introduction 9 0.1 Introduction (version fran¸caise) . . . . 9
0.1.1 La plante, un syst` eme complexe ? . . . . 9
0.1.2 Complexit´ e du mod` ele et identification param´ etrique : un ´ equilibre ` a trouver. . . . 10
0.1.3 Pr´ esentation g´ en´ erale de la d´ emarche . . . . 13
0.1.4 Remarques pr´ eliminaires ` a la lecture du document . . . . 15
0.2 Introduction (English version) . . . . 17
0.2.1 Plants, complex systems? . . . . 17
0.2.2 Trade-off between model complexity and parameter identification 18 0.2.3 Presentation of the approach . . . . 20
0.2.4 Preliminary remarks . . . . 22
I The GreenLab Model 25 1 General Principles 27 1.1 Objectives of the model . . . . 27
1.2 A discrete-time and -space model . . . . 28
1.2.1 Choice of temporal scale . . . . 28
1.2.2 Choice of spatial scale . . . . 29
1.3 Mathematical formalism . . . . 30
1.3.1 Model identification . . . . 31
1.4 A structural-functional model . . . . 31
1.4.1 Different classes of models . . . . 31
1.4.2 Aggregated models . . . . 32
1.4.3 Process-based models . . . . 32
1.4.4 3D models and methods for plant structure analysis . . . . 33
1.4.5 Functional-structural models . . . . 35
1.4.6 Positioning of GreenLab . . . . 39
1.5 A source-sink model . . . . 40
5
1.5.1 Different approaches to model allocation . . . . 41
1.5.2 Physiological bases of biomass allocation . . . . 42
1.5.3 Discussion on the transport term . . . . 45
1.5.4 The common pool concept . . . . 46
1.5.5 Definition of sink strength . . . . 48
2 Organogenesis and topological rules 51 2.1 Modular description of plants . . . . 51
2.2 Dynamics of these modular structures . . . . 52
2.3 Rhythm ratio for development rate . . . . 55
2.3.1 Development rate at different scales: axis, plant, stand . . . . . 55
2.3.2 Simulation of rhythm ratio . . . . 55
2.4 Modelling plant development: formalism . . . . 57
2.4.1 Dual-scale automaton . . . . 57
2.4.2 Growth grammar and structure factorization . . . . 58
2.4.3 Growth morphism . . . . 60
2.5 Numbers of organs and versions of GreenLab . . . . 62
2.5.1 Deterministic version: GL1 . . . . 63
2.5.2 Stochastic version: GL2 . . . . 63
2.5.3 Mechanistic version: GL3 . . . . 64
3 Physiology 69 3.1 Biomass production : sources . . . . 69
3.1.1 Seed . . . . 69
3.1.2 Assimilate production . . . . 70
3.1.3 Remobilization . . . . 79
3.1.4 Environmental variable . . . . 81
3.2 Biomass allocation : sinks . . . . 82
3.2.1 Bud and expansion compartments: organ-based demand . . . . 83
3.2.2 Organ geometrical shapes : Allometries . . . . 88
3.2.3 Secondary growth . . . . 89
3.2.4 Root system compartment . . . . 94
4 Model analysis 97 4.1 Recurrent formula of GreenLab . . . . 97
4.2 Limit production . . . . 98
4.2.1 Case 1: D independent of Q . . . . 99
4.2.2 Solutions . . . . 100
4.2.3 Application for some architectural models . . . . 102
4.2.4 Case 2: D dependent of Q . . . . 104
4.3 Influence of t
avalues . . . . 107
4.3.1 Particular case: t
a= ∞ . . . . 107
6
4.3.2 General case . . . . 108
4.4 Invariances by topology changes . . . . 108
4.4.1 Case of immediate expansion, no rings . . . . 108
4.4.2 Case of immediate expansion, rings . . . . 110
4.4.3 Case of several cycles of expansion . . . . 111
4.4.4 Conclusion . . . . 113
5 Genetics 115 5.1 Interest of models for plant breeding . . . . 115
5.2 Genetic model: from chromosomes to model parameters . . . . 117
5.3 Simulation of QTL detection . . . . 119
5.3.1 Procedure . . . . 119
5.3.2 Results . . . . 120
5.4 Optimization and model-based ideotype . . . . 122
5.5 Conclusion . . . . 122
II Model identification and multi-scale analysis 127 6 Interest of simplified architecture for trees 129 6.1 Characteristics of tree-level models for stand growth . . . . 129
6.2 Why introducing tree architecture . . . . 130
7 Fitting with complete target 131 7.1 Target description . . . . 131
7.2 Optimization procedure . . . . 133
7.3 Some applications . . . . 134
7.3.1 Young Chinese pines . . . . 134
7.3.2 Cecropia sciadophylla . . . . 137
8 Fitting with simplified targets 141 8.1 Different levels of simplified targets . . . . 141
8.1.1 Simplified measurements of biomass . . . . 142
8.1.2 Ring data . . . . 144
8.1.3 Simplified measurements of topology . . . . 145
8.2 Fitting from simplified target: GL1 case . . . . 149
8.2.1 A priori choice of a mean topological automaton (Arabidopsis) . 149 8.2.2 Regular target for adult Chinese pine . . . . 150
8.3 Parameters of stochastic development . . . . 157
8.3.1 Analysis of axis development . . . . 157
8.3.2 Tillering wheat . . . . 160
8.4 Development driven by the trophic state (GL3) . . . . 161
7
8
8.4.1 Beech trees . . . . 161
8.5 Conclusion and plant typology . . . . 167
9 A new perspective for multi-scale analysis 171 9.1 Preliminary remarks and definitions . . . . 171
9.1.1 “Meta-organ” . . . . 172
9.2 Objective equivalences . . . . 172
9.2.1 “Cumulated” level . . . . 173
9.2.2 “Lollipop” level . . . . 173
9.2.3 “Rattle” level . . . . 173
9.3 From complete to simplified models . . . . 173
9.3.1 Equation of biomass production . . . . 174
9.3.2 Allocation . . . . 176
9.3.3 GL3 buds . . . . 181
9.4 Perpsectives for simplified models . . . . 184
9.4.1 First approach: beta functions to define parameter variations. . 184
9.4.2 Second approach . . . . 185
III Appendices 195 A Notations and Parameters 197 B Normalization factor for sink variation function 199 B.1 First method: normalization of integral value . . . . 199
B.2 Second method: homothetic transformation . . . . 200
B.3 Third method: contraction transformation . . . . 200
B.4 Fourth method : maximum set to 1 . . . . 201
C Computation of the plant total demand 203
Introduction
0.1 Introduction (version fran¸ caise)
This introduction is written in French as required by ECP graduate school administra- tion. A translation follows.
0.1.1 La plante, un syst` eme complexe ?
De mani` ere g´ en´ erale, une plante ou un peuplement v´ eg´ etal peuvent ˆ etre vus comme un syst` eme complexe, au sens math´ ematique du terme, c’est-` a-dire comme un syst` eme constitu´ e d’un grand nombre d’entit´ es h´ et´ erog` enes dans lequel des interactions fortes cr´ eent diff´ erents niveaux d’organisation et induisent un comportement holistique (i.e.
dont certaines propri´ et´ es ´ emergentes ne peuvent ˆ etre d´ eduites de l’´ etude ind´ ependante des sous-syt` emes). D` es lors, l’approche r´ eductioniste prˆ on´ ee par exemple par Descartes dans son “Discours de la M´ ethode”, c’est-dire la subdivision d’un probl` eme en sous- probl` emes ind´ ependants, ne peut pas ˆ etre appliqu´ ee : il est n´ ecessaire d’analyser le syst` eme dans son ensemble [Ricard, 2003].
Une caract´ eristique des syst` emes complexes est que leur ´ etude n´ ecessite de mani` ere intrins` eque une approche interdisciplinaire et multi-´ echelle. L’interdisciplinarit´ e est li´ ee au fait que les questions pos´ ees et les m´ ethodes d´ evelopp´ ees pour y r´ epondre sont issues de diff´ erents domaines scientifiques. Elle permet ainsi de confronter les d´ eveloppements th´ eoriques aux probl` emes sp´ ecifiques pos´ es par les applications aux plantes r´ eelles.
D’autre part, la complexit´ e inh´ erente aux syst` emes ´ etudi´ es requiert une analyse ` a plu- sieurs ´ echelles d’espace et de temps. La th´ eorie des hi´ erarchies d´ ecrit en particulier des syst` emes pouvant ˆ etre repr´ esent´ es comme des empilements de sous-syst` emes emboit´ es (“nested hierarchy”). Cette d´ efinition peut s’appliquer aux plantes, pour lesquelles les diff´ erents niveaux peuvent ˆ etre par exemple les organes, les phytom` eres, les unit´ es de croissance, les axes, les complexes branch´ es, la plante toute enti` ere [Godin and Cara- glio, 1998]. Le comportement des structures de chaque niveau conduit ` a l’´ emergence de comportements collectifs et d’organisations ` a des niveaux sup´ erieurs. Les interactions entre les diff´ erents niveaux sont donc vues comme des contraintes ou des propri´ et´ es
´
emergentes selon le point de vue choisi.
Dans de nombreux cas, les syst` emes complexes font preuve d’une grande robustesse ` a
9
10
des perturbations mˆ eme ` a large ´ echelle ou multi-dimensionnelles et montrent une ca- pacit´ e inh´ erente ` a s’adapter ou bien ` a persister dans une situation stable. Perry [1995]
caract´ erise ces syst` emes de “critiques” ou “m´ etastables” : robustes pour des pertur- bations auxquelles les composants du syst` eme sont adapt´ es mais sujets ` a de brusques changements si certains seuils sont d´ epass´ es. Cela se v´ erifie pour les plantes qui ex- hibent des propri´ et´ es macroscopiques une ´ echelle n relativement robustes (qui sont la base des mod´ elisations s’appuyant sur les principes “d’´ equilibre fonctionnel”[M¨ akel¨ a, 2003]) mˆ eme si ` a l’´ echelle n − 1 les processus physiologiques mis en jeu sont complexes et parfois tr` es diff´ erents selon les conditions de croissance. Si les niveaux sont suffi- samment isol´ es, le d´ eveloppement d’un mod` ele “m´ ecaniste” peut reposer sur l’´ etude du comportement des constituants du syst` eme ` a l’´ echelle inf´ erieure uniquement : inclure un plus grand nombre de niveaux diff´ erents diminue la robustesse et la stabilit´ e du mod` ele [M¨ akel¨ a, 2003].
Ces th´ eories se sont en grande partie d´ evelopp´ ees pour des applications en ´ ecologie ou ` a l’´ echelle du paysage [Li, 2000]. Cependant M¨ akel¨ a [2003] souligne que les pra- tiques sylviculturales tendent ` a rapprocher la plantation exploit´ ee d’un peuplement naturel, c’est-` a-dire un peuplement plus h´ et´ erog` ene en termes d’esp` eces pr´ esentes, de classes d’ˆ ages et de disposition spatiale. L’auteur en tire la conclusion que l’on doit consid´ erer «l’´ ecosyst` eme forestier comme une entit´ e hi´ erarchis´ ee consitu´ ee de niveaux d’organisation ` a diff´ erentes ´ echelles spatiales et temporelles ». De mani` ere plus mo- deste, nous soulevons ici la question des changements d’´ echelle spatiale au niveau de la plante seule. En ce qui concerne leur architecture, la description des plantes comme des syst` emes modulaires mettant en jeu des ph´ enom` enes multi-´ echelles est couram- ment utilis´ ee [Barth´ el´ emy and Caraglio, 2007]. Cela a naturellement guid´ e les premi` eres repr´ esentations de la forme des plantes vers des m´ ethodes bas´ ees sur la notion d’autosi- milarit´ e comme la th´ eorie des fractales. Mˆ eme si ce type de repr´ esentation a vite r´ ev´ el´ e ses limites, notamment du point de vue de la souplesse de repr´ esentation, c’est selon les mˆ emes principes qu’ont ´ et´ e d´ evelopp´ es les concepts de mod` ele architectural et d’unit´ e architecturale. D’un point de vue architectural, la notion d’analyse multi-´ echelle est donc une notion bien ´ etudi´ ee et pour laquelle un formalisme et des outils adapt´ es ont
´
et´ e d´ evelopp´ es [Godin and Caraglio, 1998]. Reste ` a int´ egrer le fonctionnement dans ce cadre, c’est-` a-dire effectuer une analyse multi-´ echelle d’un mod` ele structure-fonction.
0.1.2 Complexit´ e du mod` ele et identification param´ etrique : un ´ equilibre ` a trouver.
Comme pour d’autres syst` emes complexes, la confrontation aux observations r´ eelles
pose des questions li´ ees ` a la reconstruction de la dynamique du syst` eme ` a partir des
donn´ ees, souvent sources de probl` emes inverses difficiles. Cela soul` eve ´ egalement le
probl` eme de l’acquisition de donn´ ees et de la d´ efinition d’un niveau pertinent de mesures
0.1. INTRODUCTION (VERSION FRANC ¸ AISE) 11
et des variables associ´ ees. Nous allons donc chercher les compromis possibles entre la complexit´ e des processus ` a d´ ecrire et les simplifications apport´ ees par la mod´ elisation.
Nous pr´ esentons dans cette th` ese des travaux appliqu´ es au mod` ele de croissance des plantes GreenLab, initi´ e par Philippe de Reffye. Le premier chapitre de la th` ese en synth´ etise les principales caract´ eristiques en les situant par rapport aux m´ ethodes com- mun´ ement employ´ ees dans d’autres mod` eles de la bibliographie. Dans ce chapitre, nous nous sommes principalement concentr´ es sur les mod` eles de croissance pour les arbres, qui sont l’objetif premier de notre ´ etude, mˆ eme si certaines probl´ ematiques sp´ ecifiques aux herbac´ ees sont aussi abord´ ees. Rappelons ici de mani` ere br` eve les principales com- posantes de GreenLab.
GreenLab est un mod` ele structure-fonction qui simule les processus de production de biomasse et sa r´ epartition dans la plante enti` ere, ` a l’´ echelle de l’organe. L’organog´ en` ese est simul´ ee par un automate double-´ echelle qui d´ etermine les r` egles de branchaison entre les axes, qui sont class´ es en diff´ erentes cat´ egories selon leur stade de diff´ erentiation (ˆ age physiologique). Cet automate se d´ ecline en 3 versions selon le type de plante ` a d´ ecrire et l’objectif vis´ e : d´ eterministe (GL1), stochastique (GL2) ou bien avec r´ etroaction de la photosynth` ese sur l’organog´ en` ese (GL3). La production de biomasse est calcul´ ee
`
a chaque pas de temps selon la surface foliaire active par une fonction qui int` egre la comp´ etition lumineuse ` a l’´ echelle de la plante (selon un formalisme de type loi de Beer-Lambert). Cette biomasse est r´ epartie entre les organes en expansion selon leur demande, ind´ ependamment de leur position (“pool” commun de biomasse), suivant un mod` ele de comp´ etition de puits.
Les travaux d’Am´ elie Mathieu [Mathieu, 2006] ont permis des progr` es dans le domaine de la simulation de plantes ramifi´ es ` a l’aide du mod` ele GreenLab. L’arbre est simul´ e comme un syst` eme capable de s’auto-r´ eguler, selon les conditions dans lesquelles se d´ eroule sa croissance. On dispose ainsi d’un outil efficace pour repr´ esenter la plasticit´ e du d´ eveloppement topologique des arbres selon les conditions environnementales et se- lon la comp´ etition qu’ils subissent de la part de leurs voisins. On peut ´ egalement simuler de mani` ere plus r´ ealiste les diff´ erents stades de croissance dans la vie d’un arbre, avec notamment l’apparition progressive des ordres de branchements (“effet de base”). Le mod` ele permet ´ egalement de simuler des ph´ enom` enes cycliques observ´ es chez certains arbres ou herbac´ ees comme l’alternance de p´ eriodes de fructification et de branchaison [Mathieu et al., 2008].
L’un des objectifs majeurs de GreenLab est la pr´ ediction et l’optimisation de la crois-
sance des plantes. Une ´ etape importante est donc l’ajustement du mod` ele sur des plantes
r´ eelles. Cela repose sur des ajustements en parall` ele (multi-fitting) des masses de cha-
cun des organes et permet de retracer la dynamique de la r´ epartition de biomasse au
cours de la vie de la plante et les seuils de branchaison et/ou fructification en fonc-
tion du rapport de l’offre de biomasse sur la demande. Les pr´ ec´ edents travaux r´ ealis´ es
autour de GreenLab ont permis son identification param´ etrique pour plusieurs plantes
12
agronomiques ou herbac´ ees, dont par exemple : – le bl´ e [Zhan et al., 2000], [Kang et al., 2007b]
– le tournesol [Guo et al., 2003]
– le ma¨ıs [Guo et al., 2006] [Ma et al., 2007]
– la tomate [Dong, 2006] [Dong et al., 2008]
– le chrysanth` eme [Kang et al., 2006b]
– le riz [Mathieu, 2006]
– le caf´ eier [Mathieu, 2006]
– le jeune hˆ etre [Mathieu, 2006]
Un des enjeux cruciaux de ces ´ etudes, en plus de la calibration du mod` ele en tant que telle, est l’´ etude de la stabilit´ e des param` etres : il est important de pouvoir d´ eterminer quel est le domaine de validit´ e du mod` ele, sa robustesse et son pouvoir pr´ edictif. Ma et al. [2007] ont analys´ e la variabilit´ e des param` etres de GreenLab pour le ma¨ıs en r´ eponse ` a trois types de variabilit´ e ph´ enotypique : au sein d’une mˆ eme population, au cours de ses stades de d´ eveloppement et sous diff´ erentes conditions climatiques. Le mod` ele n’explique pas la variabilit´ e des plantes au sein d’une mˆ eme population, puisque la version utilis´ ee ´ etait d´ eterministe, avec un jeu de param` etres suppos´ e sp´ ecifique ` a l’esp` ece. En revanche une bonne stabilit´ e des param` etres entre les stades de croissance a ´ et´ e constat´ ee. Concernant les conditions de croissance, le coefficient de variation des mesures de biomasse atteint 18% alors que la variation correspondante des param` etres est de 10%. Cela signifie que les deux facteurs environnementaux choisis (ETP pour la production de biomasse et temp´ erature pour le d´ eveloppment) contrˆ olent la ma- jeure partie des variations ph´ enotypiques dues aux variations environnementales. En revanche, des changements significatifs des valeurs de certains param` etres ont ´ et´ e obte- nus par Ma et al. [2008] (sur le ma¨ıs) et Louarn et al. [2007] (sur la tomate) pour des plantes croissant au sein de plantations de diff´ erentes densit´ es. Cela montre que, si les r´ esultats restent fiables dans un intervalle limit´ e de conditions environnementales, des am´ eliorations restent ` a apporter pour relier les variations des param` etres aux variations environnementales influentes.
Les applications cit´ ees ci-dessus concernent des plantes dont les ordres de ramifications restent faibles (au maximum 3 pour les talles du riz). Pour ce type de plantes, une description d´ etaill´ ee et une prise de mesures organe par organe sont possibles. En re- vanche, cela devient irr´ ealisable lorsque les ordres de ramifications sont plus ´ elev´ es. La construction d’un fichier-cible
1complet imposerait de peser et mesurer s´ epar´ ement toutes les feuilles, tous les entre-noeuds et tous les fruits de la plante. S’il s’agit d’un arbre ˆ ag´ e et avec une architecture complexe, ce travail devient rapidement beaucoup trop fastidieux.
Ainsi, mˆ eme si la simulation est performante, nous sommes limit´ es dans la pratique par
1