RÉSUMÉ
Source : INRA
Les modèles de culture ont un rôle clé pour orienter la sélection variétale et le développement de systèmes de culture innovants. Néanmoins, ces modèles souffrent de fortes incertitudes, en particulier dans des conditions de combinaisons de stress comme celles associées au changement climatique. Ce projet rassemble 7 groupes européens qui apportent leur compétence en modélisation ou en matière de phénotypage sous conditions de stress. Ciblé sur blé et colza, ce projet revisite certaines hypothèses des modèles et cherche à améliorer leur paramétrisation dans des conditions de combinaisons de stress.
Le changement climatique et son cortège associé d’épisodes de sécheresse plus fréquents et des vagues de chaleur plus intenses dans de nombreuses régions du monde menace la capacité de l'agriculture mondiale à nourrir d'une manière durable une population en croissance continue. Une voie de recherche est d'orienter l’amélioration des plantes et de l'innovation vers des variétés et des systèmes de culture plus « efficaces » d’un point de vue climatique. Les modèles de culture ont un rôle central à jouer dans ce défi. En ce qui concerne l’amélioration des plantes, des efforts massifs sont actuellement engagés dans le monde pour développer des « plateformes de phénotypage » afin d'évaluer la performance de larges collections de matériel génétique, en serre ou au champ face à des conditions environnementales stressantes telles que celles associées au changement climatique (température élevée, sécheresse). Cependant, ces plates-formes sont assez peu équipées pour manipuler des combinaisons de stress, incluent rarement un contrôle du CO2 et ne peuvent pas couvrir la gamme de combinaisons de stress qui pourraient survenir dans des climats futurs. Une stratégie complémentaire et prometteuse est donc d'utiliser ces plates-formes pour paramétrer des modèles de culture et évaluer leur capacité de prédiction au champ. Cependant, les modèles de cultures actuels souffrent de fortes incertitudes, en particulier en conditions de combinaisons de sécheresse et de températures élevées.
Nous émettons deux hypothèses pour expliquer ce résultat :
- un défaut de paramétrisation dans des conditions de stress combinés et
- des hypothèses de modélisation inappropriées. En effet, les modèles de cultures peuvent être globalement divisés en deux catégories distinctes selon que la croissance est essentiellement limitée par la photosynthèse et la capture du C et sa sensibilité aux contraintes (classiquement appelée limitation «source») ou par l'incapacité des organes à croître en cas de de contraintes (appelé limitation « puits »). La sécheresse, mais aussi des teneurs en CO2 élevées, sont soupçonnés d’induire un glissement d’une limitation de la croissance de la source vers les puits alors que des températures élevées pourraient au contraire promouvoir la limitation de la source en stimulant la respiration et la dépression des réserves carbonées.
Dans ce contexte, le projet de MODCARBOSTRESS s’appuie à la fois sur deux archétypes de modèles, distincts en termes de formalismes source-puits et sur un ensemble de plateformes de phénotypage en Europe avec comme objectifs de :
- Fournir des principes et des solutions simples et à faible coût pour la manipulation de stress combinées, (dont le CO2 atmosphérique ) dans installations expérimentales.
- Améliorer le paramétrage des modèles grâce à des expériences réalisées dans le cadre du projet, revoir certaines hypothèses des modèle et évaluer la performance des modèles à l'aide des données au champ disponibles.
Une des sorties du projet sera de proposer des améliorations de modèles et de les faire tourner sur la base de projections de modèles climatiques pour l'Europe.
Deux espèces cultivées, le blé tendre (Triticum aestivum L.) et le colza (Brassica napus L.), seront utilisées, mais les résultats du projet pourraient servir de base pour l’amélioration d’autres modèles sur d’autres espèces. Chez ces deux espèces, un ensemble de génotypes contrastés pour leur équilibre source / puits et / ou pour leur sensibilité au stress et pour lesquels des données au champ sont disponibles sera sélectionné.
