On s'attend à ce que le changement climatique affecte considérablement les rendements futurs des cultures. Heureusement, les scientifiques peuvent développer des modèles informatiques qui prédisent comment les cultures réagiront au changement climatique et identifieront la machinerie moléculaire qui contrôle cette réponse. Ces informations peuvent être utilisées pour concevoir des cultures adaptées au changement climatique et aider à répondre à la demande alimentaire croissante.
De nombreux modèles de culture sont empiriques. Cela signifie que leurs prédictions sont basées sur une multitude de données collectées au fil des années et des emplacements géographiques. Ils sont donc limités dans leur capacité à prédire la réponse des cultures aux scénarios climatiques futurs, qui comprendront des changements environnementaux en interaction. Ceux-ci incluent un CO atmosphérique plus élevé2 interagissent avec les changements de température, de précipitations et d'autres facteurs pédologiques et climatiques.
Alternativement, les modèles mécanistes utilisent des équations représentant les réponses physiologiques d'une culture aux variables environnementales pour prédire ce qui se passera dans le monde réel. Cela permet une extrapolation au-delà des conditions expérimentales, y compris des interactions complexes.
Le Dr Megan Matthews, professeur adjoint de génie civil et environnemental à l'Université de l'Illinois, a récemment publié un article dans in silico Des plantes qui décrit comment ils ont pu prédire la croissance du soja dans des conditions de CO atmosphérique élevé2.
Pour ce faire, ils ont modifié BioCro, un cadre de modèle de croissance dynamique des cultures modulaire et semi-mécaniste construit sur des mécanismes de photosynthèse biophysiques et biochimiques sous-jacents. BioCro était auparavant paramétré pour les cultures bioénergétiques. Pour prédire la croissance du soja, les auteurs ont utilisé les modules existants de photosynthèse de la canopée, de bilan énergétique de la canopée et de processus sol-eau et ont incorporé deux nouveaux modules décrivant le taux de développement du soja et la répartition et la sénescence du carbone.
Le modèle résultant, Soybean-BioCro, a été paramétré à l'aide de mesures sur le terrain de soja cultivé sous CO ambiant.2. Des simulations ont ensuite été exécutées pour prédire la croissance du soja à l'aide de mesures réelles de la température, de l'humidité relative, de la vitesse du vent et du rayonnement photosynthétiquement actif (PAR) sur plusieurs années.
Soybean-BioCro a prédit avec succès à quel point le CO élevé2 impact soja de plein champ croissance, répartition et rendement sous CO ambiant et élevé2 à l'exception d'une saison de croissance inhabituellement fraîche (voir figure).
Remarquablement, le modèle a fait ces prédictions correctes sans nécessiter de mesures sur le terrain du soja poussant sous des concentrations élevées de CO2 pour le re-paramétrage.
Selon Matthews, "ce résultat a démontré que le C existant de BioCro3 la photosynthèse et le module de canopée multicouche décrivent avec précision la réponse du C3 machinerie photosynthétique aux niveaux biochimique et biophysique à CO élevé2.” Une version précédente de BioCro s'est avérée prédire avec précision les taux de photosynthèse des feuilles des peupliers.
Au fur et à mesure que des modèles plus mécanistes des processus de culture sont développés, ils peuvent être ajoutés à Soybean-BioCro pour le faire passer d'un modèle semi-mécaniste à un modèle mécaniste. De plus, Soybean-BioCro fournit un cadre de base utile pour incorporer des processus métaboliques primaires et secondaires supplémentaires ou des mécanismes de régulation des gènes qui peuvent nous aider à mieux comprendre comment la croissance future du soja sera affectée par le changement climatique.
Matthews explique : « Soybean-BioCro est une collection de modules décrivant différents processus végétaux. Grâce à cette modularité, des modèles d'autres processus métaboliques, des mécanismes de régulation et des effets de rétroaction peuvent être incorporés dans le cadre principal Soybean-BioCro au fur et à mesure que ces modèles sont développés. L'intégration de ces types de modèles nous aiderait à explorer des méthodes d'ingénierie des cultures pour les climats futurs.
LIRE L'ARTICLE
Megan L Matthews, Amy Marshall-Colón, Justin M McGrath, Edward B Lochocki, Stephen P Long, Soybean-BioCro : un modèle semi-mécaniste de croissance du soja, in silico Plants, Volume 4, Numéro 1, 2022, diab032, https://doi.org/10.1093/insilicoplants/diab032
