À mesure que le changement climatique s’intensifie, le besoin de solutions agricoles innovantes se fait de plus en plus pressant. Les modèles de simulation des cultures offrent un moyen prometteur d’accélérer la sélection pour la résilience dans des conditions défavorables. Un groupe de chercheurs rassemble des données expérimentales complètes sur l’orge pour améliorer la fiabilité de ces modèles, ouvrant la voie à des stratégies d’adaptation plus efficaces dans l’agriculture.

L'orge est la quatrième céréale la plus produite au monde, après le maïs, le riz et le blé. Elle est cultivée et utilisée dans le monde entier. Elle joue un rôle essentiel dans diverses industries, notamment l'alimentation animale, le maltage, la brasserie et la distillation, tout en servant également de source alimentaire nutritive pour les humains.

Selon la chercheuse Mercy Appiah de l’Université de Göttingen, « les modèles de culture peuvent être utilisés pour prédire la productivité sur des sites spécifiques en utilisant un ensemble minimal de données collectées à ces endroits, qui peuvent également être complétées par des valeurs issues de la littérature existante. Cependant, pour appliquer ces modèles à de nouveaux scénarios, tels que des environnements ou des génotypes différents, il est essentiel de disposer de données de haute qualité. Ces données de haute qualité doivent inclure des observations spécifiques au site sur la météo, les sols, les pratiques de gestion et la croissance aérienne et souterraine des cultivars de cultures. »

Elle a collaboré avec une équipe de chercheurs dans un effort ciblé pour recueillir des données expérimentales de terrain de haute qualité adaptées à l'évaluation et à l'amélioration des modèles de simulation de la production d'orge dans les conditions nordiquesJusqu'à présent, ces données n'étaient pas encore suffisamment disponibles. Ils ont évalué l'impact de données de haute qualité en comparant leur effet sur la précision des prévisions du modèle de simulation des cultures avec des ensembles de données de moindre qualité. Les simulations ont été réalisées à l'aide du simulateur de systèmes de production agricole (APSIM), l'un des modèles de cultures les plus utilisés, capable de simuler la croissance et le développement de plus de 40 espèces, dont l'orge.

Les essais sur le terrain ont porté sur des plantations dans trois sites au Danemark où les données expérimentales régionales sont limitées. Ces sites ont utilisé des pratiques de gestion variées, notamment des différences dans les dates de semis, les cultivars, la densité de plantation et les régimes de fertilisation.

Les auteurs ont utilisé ces données, ainsi que des valeurs issues de la littérature existante, pour calibrer le modèle à trois niveaux de qualité des données, ce qui a donné lieu à trois variantes distinctes du modèle (voir le tableau des données fournies pour l'étalonnage sous les trois niveaux de données). Les ensembles de données de faible qualité représentent la situation la plus courante à laquelle les modélisateurs sont confrontés lors de l'étalonnage des modèles de simulation des cultures.

En comparant la précision des prédictions entre les différentes variantes du modèle, ils ont constaté que la variante de haute qualité surpassait les variantes de qualité faible et moyenne pour prédire la biomasse aérienne totale et le rendement final en grains. Ce travail montre que des données de meilleure qualité peuvent améliorer considérablement la précision des modèles de simulation des cultures.

Appiah conclut : « En utilisant des modèles de simulation de cultures qui intègrent des données de haute qualité, les chercheurs peuvent améliorer leur capacité à prédire comment les nouveaux génotypes réagiront à différents scénarios climatiques. Cela facilitera la sélection de génotypes mieux adaptés aux conditions futures, soutenant à terme les programmes de sélection axés sur l'amélioration de l'adaptabilité des cultures au changement climatique. Grâce à nos recherches, nous contribuons de manière significative à la création des données de haute qualité nécessaires et, en illustrant l'effet qu'elles ont sur la précision des prédictions des modèles, nous espérons encourager la communauté scientifique à accroître ses efforts pour mener davantage d'expériences de ce type axées sur la collecte de données spécifiquement destinées à la modélisation des cultures. »

LIRE L'ARTICLE:

Mercy Appiah, Gennady Bracho-Mujica, Simon Svane, Merete Styczen, Kurt-Christian Kersebaum, Reimund P Rötter, Aperçus de l'utilisation de données de différents niveaux de qualité pour simuler les performances de l'orge dans les conditions nordiques : évaluation du modèle Agricultural Production Systems SIMulator, in silico Plants, Volume 6, Numéro 2, 2024, diae010, https://doi.org/10.1093/insilicoplants/diae010