En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Logo partenaire LOGO_SUPAGRO LOGO_ANR

LEPSE

MAGE : Modélisation et Analyse de l'interaction Genotype Environnement

Présentation de l'équipe

Objectifs et méthodologies

Nous identifions des caractères et des allèles qui favorisent le rendement des céréales et améliorent leurs bilans environnementaux dans des scenarios climatiques impliquant des épisodes de sécheresse et de hautes températures, en particulier ceux liés aux changements climatiques. La démarche est d’analyser la réponse de processus essentiels aux conditions environnementales, et d’analyser la variabilité génétique de ces réponses. Ces processus sont, en particulier, l’expansion foliaire, le développement reproducteur, la transpiration et le tallage. Le maïs et le blé sont les principales espèces cibles. Les principales méthodes utilisées sont :

- L'analyse temporelle de la vitesse de croissance (feuilles, soies, plante entière), de la transpiration, et du développement végétatif (tallage) et reproducteur (avortement) en fonction des conditions environnementales subies par les plantes. Ceci est mené au champ ou en serre, en particulier sur deux plateformes de phénotypage (PHENODYN, 500 plantes et PHENOARCH, 1680 plantes) équipés de capteurs d'état hydrique, de température du sol et de l'air, d’allongement foliaire pour PHENODYN et d’unités d’imagerie pour PHENOARCH.

- La modélisation, avec trois types de modèles utilisés :

  • (i) Modèles biophysiques simulant les transports d’eau et d’hormone dans la plante, permettant de prévoir la transpiration, l’état hydrique de différents organes et la croissance à pas de temps de quelques minutes ;
  • (ii) Modèles structure-fonction (par ex. ADEL-Maize et ADEL-Wheat) simulant le développement des plantes, la distribution et la géométrie des organes dans l’espace et des fonctions intégrées comme l’interception lumineuse ;
  • (iii) Modèle de culture (par ex. APSIM et SiriusQuality) permettant de simuler le rendement et la transpiration des plantes à partir de processus simplifiés, dans une large gamme de situations environnementales actuelles ou futures. Nous développons des chaines de modélisation complètes (workflows scientifiques) allant des données issues de capteurs aux modèles de cultures et associant des modèles de transfert radiatifs, des modèles de structure des plantes, ainsi que des modèles d’apprentissage de données. Cette intégration est notamment réalisée dans la plateforme OpenAlea.

- L’analyse génétique menée à la fois sur des processus physiologiques dans des plateformes de phénotypage (par ex. interception lumineuse, croissance, conductance stomatique) et sur le rendement au champ dans des scenarios environnementaux divers. Ceci permet des méta-analyses à plusieurs échelles et la prévision des processus fondée sur une combinaison de modèles de simulation et de prédiction génomique.

- Le développement de méthodes pour le phénotypage, permettant d’extraire des variables physiologiques d’intérêt à partir de données de plateformes. Ces méthodes mettent en jeu la modélisation inversée et l’intelligence artificielle, dans certains cas la robotique. L’organisation des données dans des systèmes d’information fait partie de ces méthodes.

Notre équipe est financée par :

  • L'INRA
  • L'ANR (en particulier projets investissement d’avenir Amaizing, Breedwheat et Phenome)
  • L’union Européenne (en particulier projets Whealbi, SolACE, EPPN2020, Macsur, Modcarbostress)
  • Des projets internationaux comme AgMIP
  • L’institut de convergence en Agriculture Numérique, #DigitAg.

 Références marquantes 2016-2018

  • Alvarez Prado S, Cabrera-Bosquet L, Grau A, Coupel-Ledru A, Millet EJ, Welcker C & Tardieu F. (2017). Phenomics allows identification of genomic regions affecting maize stomatal conductance with conditional effects of water deficit and evaporative demand. Plant, Cell & Environment 41: 314-326. http://dx.doi.org/10.1111/pce.13083/full
  • Brichet N, Fournier C, Turc O, Strauss O, Artzet S, Pradal C, Welcker C, Tardieu F, Cabrera-Bosquet L. (2017). A robot-assisted imaging pipeline for tracking the growths of maize ear and silks in a high-throughput phenotyping platform. Plant Methods 13:96 doi:10.1186/s13007-017-0246-7
  • Cabrera-Bosquet L, Fournier C, Brichet N, Welcker C, Suard B, Tardieu F. (2016). High-throughput estimation of incident light, light interception and radiation-use efficiency of thousands of plants in a phenotyping platform. New Phytologist 212:269-81. http://dx.doi.org/10.1111/nph.14027
  • Chenu K., Porter R.P., Martre P., Basso B., Chapman S.C., Ewert F., Bindi M., Asseng S.(2017) Contribution of crop models to adaptation in wheat. Trends in Plant Science, 22, 472-490.
  • Lacube S., Fournier C., Palaffre C., Millet E.J., Tardieu F., Parent B. (2017) Distinct controls of leaf widening and elongation by light and evaporative demand in maize. Plant Cell and Environment, 40, 2017-2028.
  • Martre P., Dambreville A. (2018) A Model of Leaf Coordination to Scale-Up Leaf Expansion from the Organ to the Canopy. Plant Physiology, 176, 704-716.
  • Millet E, Welcker C et al., (2016) Genome-wide analysis of yield in Europe: allelic effects as functions of drought and heat scenarios. Plant Physiology, 172, 749-764
  • Oury V., Caldeira C.F., Prodhomme D., Pichon J.-P., Gibon Y., Tardieu F., Turc O. (2016) Is change in ovary carbon status a cause or a consequence of maize ovary abortion in water deficit during flowering? Plant Physiology, 171, 997-1008.
  • Parent B., Bonneau J., Maphosa L., Kovalchuk A., Langridge P., Fleury D. (2017) Quantifying wheat sensitivities to environmental constraints to dissect genotype x environment interactions in the field. Plant Physiology 174, 1669-1682.
  • Tardieu F., Cabrera-Bosquet L., Pridmore T., Bennett M. (2017) Plant phenomics, from sensors to knowledge. Current Biology 27: R770-R783. http://dx.doi.org/10.1016/j.cub.2017.05.055
  • Wang E.L., Martre P. et al. (2017) The uncertainty of crop yield projections is reduced by improved temperature response functions. Nature Plants, 3, Article 17102.