Les simulations de croissance des cultures jouent un rôle clé dans la compréhension de l'impact du changement global sur l'agriculture et dans l'orientation des efforts pour concevoir des plantes capables de nourrir le monde futur.

Malheureusement, le code et la documentation de nombreux modèles hérités sont difficiles à trouver, à utiliser et/ou à modifier.

Le logo BioCro est le texte bio en vert et corbeau en noir suivi de deux engrenages imbriqués. L'engrenage inférieur est composé de feuilles de plantes.

Dr Edward Lochocki, chercheur postdoctoral à l'Université de l'Illinois, et ses collègues présenter un simulateur de croissance des cultures modulaire mis à jour qui surmonte ces lacunes dans un nouveau in silico Article sur les plantesL’ ancien modèle BioCro prévision de la croissance des plantes au fil du temps, compte tenu des paramètres spécifiques à la culture et des données environnementales en entrée. Les auteurs ont rendu la version la plus récente, BioCro II, modulaire en séparant les équations du modèle, les valeurs des paramètres et la méthode de résolution. Cette nouvelle structure permet aux chercheurs d'ajouter ou de modifier facilement des composants d'un modèle, facilitant les études exploratoires qui peuvent aider à guider les efforts expérimentaux pour améliorer le rendement ou la résilience des cultures.

Une boîte à gauche représentant un modèle simple représenté par des engrenages imbriqués avec des images pour la météo, les tissus aériens et les tissus souterrains. Ceux-ci sont combinés par un modèle représenté par une image d'un ordinateur. Une flèche pointe vers la sortie d'un petit tas de gousses de soja. Au centre se trouve l'image d'un chercheur ayant l'idée d'ajouter un composant de modèle d'ADN représenté par l'image d'un scientifique avec une ampoule au-dessus de sa tête et un engrenage avec une image d'ADN. Cet engrenage s'ajoute aux engrenages apparaissant précédemment dans le modèle simple en encadré à droite. Encore une fois, ces composants sont combinés par un modèle représenté par une image d'ordinateur, mais cette fois, la sortie est un plus gros tas de cosses de soja.
Un chercheur peut modifier un modèle existant pour faire de nouvelles prédictions sur des résultats importants comme le rendement des cultures en utilisant BioCro II.

Trois des avantages les plus significatifs de l'approche modulaire sont exposés ci-dessous :

Premièrement, l'utilisateur a besoin de connaissances moins spécialisées pour effectuer une simulation. L'exécution du logiciel de simulation de croissance des cultures modulaires peut être réalisée en trois étapes : les utilisateurs (1) choisissent des équations dans une bibliothèque, (2) fournissent des spécifications supplémentaires et (3) envoient ces informations au moteur BioCro, qui résout le modèle et calcule le résultats. Bien qu'il soit principalement écrit en C++, BioCro II est accessible via un package R qui fournit une interface conviviale basée sur un terminal, permettant aux utilisateurs d'exploiter le large éventail d'outils disponibles dans R pour la saisie de données, les opérations statistiques et le traçage.

Un diagramme schématique illustrant le processus d'exécution d'une simulation de croissance des cultures. L'utilisateur choisit d'abord les équations de la bibliothèque. Quatre exemples d'équations sont répertoriés dans un tableau : canopée C3, canopée C4, développement thermique et développement photothermique. Les coches se trouvent à côté des équations de la canopée C4 et du développement thermique. Ensuite, l'utilisateur doit fournir des spécifications. Quatre exemples de spécifications sont répertoriés dans un tableau : météo, Vc Max, profondeur du sol et biomasse initiale avec leurs valeurs et leurs unités. Ensuite, une flèche de ces deux tableaux mène à une image d'un ordinateur avec un BioCro à l'intérieur. Cette image est étiquetée "envoyer au moteur BioCro", où le modèle est résolu et les résultats sont calculés. Enfin, une flèche provenant de l'ordinateur mène à un graphique représentant la simulation qui est produite. Le jour de l'année est sur l'axe X et la masse de l'organe est sur l'axe Y avec des données pour la tige et la feuille tracées séparément.
Diagramme schématique illustrant le processus d'exécution d'une simulation de croissance des cultures en choisissant des équations dans une bibliothèque, en fournissant des spécifications supplémentaires et en envoyant ces informations au moteur BioCro, qui résout le modèle et calcule les résultats.

Les utilisateurs peuvent consulter les détails sur les fonctions et les entrées de bibliothèque disponibles dans le package BioCro II R en accédant à la documentation complète Un guide pratique de BioCro.

Deuxièmement, l'utilisateur peut comprendre les composants individuels du modèle ainsi que leurs interactions dans le contexte de l'ensemble du modèle, en tirant parti des limites logiques établies par les rédacteurs du module. Lochocki explique pourquoi c'est important : « La portée de la modélisation des cultures ne cesse d'augmenter à mesure que les modèles commencent à inclure des processus à différentes échelles, de la génétique jusqu'au climat mondial. Dans le même temps, les composants individuels du modèle ont tendance à devenir plus détaillés et spécialisés à mesure qu'ils deviennent plus réalistes. Pour compliquer encore les choses, les interactions entre les composants du modèle peuvent créer de nouveaux comportements émergents. S'attaquer de front à un modèle aussi complexe peut être un défi de taille, même pour un expert dans le domaine. Un logiciel modulaire comme BioCro II permet à un chercheur de digérer un grand modèle en plus petits morceaux, en comprenant comment chaque partie fonctionne seule et en conjonction avec les autres. En revanche, lorsqu'un modèle est écrit sous la forme d'un morceau de code monolithique, cette approche est difficile, voire impossible.

Troisièmement, l'utilisateur peut facilement intervertir les composants du modèle. pour des versions alternatives afin de mieux correspondre aux apports expérimentaux disponibles, de tirer parti de nouveaux développements ou de comparer des composants alternatifs. Les auteurs l'ont démontré en remplaçant les composants du modèle par la photosynthèse. Ils ont comparé un modèle statistique empirique simplifié de la photosynthèse basé sur l'efficacité d'utilisation du rayonnement (RUE) avec le modèle Farquhar-von-Caemmerer-Berry (FvCB) basé sur le processus mécaniste, laissant tous les autres composants du modèle inchangés.

Il y a deux graphiques. Ci-dessus, un graphique du jour de l'année sur l'axe X et de la biomasse sur l'axe Y. Celui-ci est divisé en 4 composants végétaux : racine, tige, grain et feuille. Les résultats des simulations utilisant le modèle mécaniste FvCB pour la photosynthèse C3 et le modèle empirique RUE sont similaires. Ci-dessous, un graphique de la lumière sur l'axe X et de la bio photosynthèse sur l'axe Y. Dans le modèle RUE, il existe une relation purement linéaire, tandis que dans le modèle FvCB, la photosynthèse finit par se stabiliser à des intensités lumineuses plus élevées.
Figure 1. (a) Biomasse de plusieurs tissus de soja calculée tout au long de la saison de croissance en utilisant soit le modèle mécaniste FvCB pour la photosynthèse C3, soit un modèle RUE empirique. ( b ) Réponse de la photosynthèse à la lumière disponible calculée avec le modèle FvCB par rapport à la sortie du modèle RUE.

Une saison complète de données environnementales a été utilisée pour simuler la croissance du soja pour chacun des deux modèles. Cet exercice a révélé qu'il est possible d'obtenir un accord étroit tout au long de la saison de croissance malgré les approches très différentes utilisées pour déterminer la photosynthèse (Figure 1a). L'origine de cet accord peut être étudiée en examinant la relation entre la photosynthèse (Abrut) et la lumière qui frappe la canopée (PPFD) dans les deux modèles. Dans le modèle FvCB, la photosynthèse se stabilise à des intensités lumineuses plus élevées, tandis que le modèle RUE linéaire surestime la photosynthèse à haute luminosité et sous-estime la photosynthèse à faible luminosité (Figure 1b). Bien que les valeurs calculées de la photosynthèse concordent en moyenne, la concordance est fragile et peu susceptible de tenir les autres années car le modèle FvCB est sensible aux variables environnementales critiques qui sont ignorées par le modèle RUE.

Il est simple d'explorer davantage ces modèles photosynthétiques contrastés à l'aide de BioCro II car tous les paramètres sont spécifiés en dehors des équations du modèle et leurs valeurs peuvent facilement être modifiées. Pour démontrer l'utilité de cette fonctionnalité, les auteurs ont effectué une analyse de sensibilité pour mieux comprendre la réponse du modèle mécaniste FvCB aux facteurs environnementaux, et ainsi révéler la dynamique qui n'est pas incluse dans le modèle empirique RUE. Ils ont constaté que la réponse en température de la biomasse totale n'est pas significativement différente entre les simulations RUE et FvCB, en raison de la dépendance à la température des autres composants impliqués dans la simulation. D'autre part, la réponse de la biomasse au CO2 la concentration est significativement différente entre les deux modèles, la simulation RUE n'ayant presque aucune réponse (Figure 2c). Il s'agit d'un aperçu clé de ces modèles qui aurait été difficile à réaliser sans la modularité.

Sur la gauche se trouve un graphique avec le jour de l'année sur l'axe X et la biomasse/température sur l'axe Y. Les données FvCB et RUE sont similaires tout au long de la saison de croissance. Sur la droite se trouve un graphique avec le jour de l'année sur l'axe X et la biomasse/CO2 sur l'axe Y. Les données FvCB montrent une réponse au CO2 au cours de la saison de croissance, mais pas les données RUE.
Figure 2. Coefficients de sensibilité normalisés pour la biomasse totale calculés par rapport à la température de l'air au cours de la saison de croissance ; et le CO2 atmosphérique.

BioCro II suit la structure générale d'un système dynamique. Cela signifie que le modèle décrit comment les variables représentant un système particulier évoluent avec le temps. Bien qu'il puisse sembler évident que la plupart des modèles pourraient être pensés de cette manière, de nombreux modèles de croissance des cultures ne sont pas programmés de cette manière. Cependant, écrire les modèles explicitement comme des systèmes dynamiques présente de nombreux avantages. En particulier, il facilite la modularité, dans la mesure où deux systèmes dynamiques peuvent être combinés pour en former un troisième, simplement en combinant leurs composants individuels. De cette manière, des modèles multi-échelles complexes peuvent être construits à partir de modèles plus simples. En pratique, cela n'est possible que si le code du modèle est écrit de manière à identifier clairement les composants d'un système dynamique. BioCro II renforce ces distinctions, aidant à garantir que les systèmes dynamiques et leurs sous-composants peuvent être facilement recombinés

Le co-auteur, le Dr Justin McGrath, physiologiste des plantes de recherche de l'USDA, explique : « Les modèles sont presque omniprésents écrits explicitement comme des systèmes dynamiques dans de nombreux domaines. BioCro II reproduit BioCro I comme un système dynamique le présentant d'une manière familière à la plupart des modélisateurs. De plus, il étend le concept de système dynamique en fournissant un moyen de sélectionner de manière modulaire des parties de modèles, fournissant ce que nous espérons être un moyen utile pour les chercheurs d'écrire leurs modèles et de les coupler avec d'autres modèles de la communauté.

LIRE L'ARTICLE:
Edward B Lochocki, Scott Rohde, Deepak Jaiswal, Megan L Matthews, Fernando Miguez, Stephen P Long, Justin M McGrath, BioCro II : un progiciel pour les simulations modulaires de croissance des cultures, in silico Plants, 2022, diac003, https://doi.org/10.1093/insilicoplants/diac003

BioCro II est open-source et disponible en ligne sur https://github.com/ebimodeling/biocro