Search

Understanding the drivers of yield levels under climate change is required to support adaptation planning and respond to changing production risks. This study uses an ensemble of crop models applied on a spatial grid to quantify the contributions of various climatic drivers to past yield variability in grain maize and winter wheat of European cropping systems (1984–2009) and drivers of climate change impacts to 2050. Results reveal that for the current genotypes and mix of irrigated and rainfed production, climate change would lead to yield losses for grain maize and gains for winter wheat. Across Europe, on average heat stress does not increase for either crop in rainfed systems, while drought stress intensifies for maize only. In low-yielding years, drought stress persists as the main driver of losses for both crops, with elevated CO2 offering no yield benefit in these years., Drivers of crop yield variability require quantification, and historical records can help in improving understanding. Here, Webber et al. report that drought stress will remain a key driver of yield losses in wheat and maize across Europe, and benefits from CO2 will be limited in low-yielding years.

Ce travail a été mené dans le but de construire un nouveau modèle mathématique pour l’étude de la dynamique des fermentations en oenologie, qui soit capable de simuler des compétitions entre plusieurs espèces de levures. Le modèle a été validé et calibré sur des données produites par un modèle informatique existant «SOFA», dont les paramètres ont été calés sur les données biologiques concernant une levure « Saccharomyces cerevisiae ». En parallèle, une étude mathématique sur les modèles de croissance en microbiologie a été menée et a permis d’établir plusieurs résultats nouveaux : Conditions suffisantes ou nécessaires pour l’obtention d’un sur-rendement dans les cas de modèles de croissance à rendement constants ou variables.

Inversing the STICS crop model with remote-sensing-derived leaf area index (LAI) and yield data from the previous crop is used to retrieve some soil permanent properties and crop emergence parameters. Spatialized nitrogen (N) fertilization recommendations are provided to farmers, for the second and third N applications, following the screening of eleven N application rates under a range of possible forthcoming climates, with the objective to maximize of the gross margin while respecting some environmental constraints. As a first field validation, we show (1) the improvement brought by the assimilation of LAI and yield into STICS to simulate crop and soil variables and (2) the interest of site specific application to maximize both the gross margin and the agro-environmental criterion.

Sous contrainte hydrique, les plantes limitent leur transpiration en diminuant leur croissance foliaire, économisant ainsi l’eau pour la fin du cycle de culture. Une forte variabilité génétique a été observée chez le maïs pour les processus impliqués dans cette réponse. Le compromis entre transpiration et photosynthèse implique qu’une forte plasticité n’est pas toujours avantageuse car elle diminue aussi l’accumulation de biomasse et le rendement. Un génotype qui maximise la production dans un environnement sec n’est donc pas le meilleur dans un autre environnement sec. Le but de cette thèse était de prédire quelles combinaisons de traits reliés à la croissance foliaire aboutissent aux meilleurs rendements dans différents environnements européens. Pour cela, (i) j’ai montré que les contrôles environnementaux et génétiques diffèrent entre l’élongation et l’élargissement foliaires, et établi/testé les équations décrivant ces contrôles. (ii) J’ai développé un modèle de croissance foliaire, en restant parcimonieux en paramètres et en veillant à ce que les paramètres soient mesurables en plateformes de phénotypage. (iii) J’ai développé un cadre de simulation qui inclut 36 ans de conditions climatiques et les pratiques agricoles dans 59 sites de culture du maïs en Europe, ainsi que la paramétré 254 hybrides de maïs qui maximisent la diversité génétique. (iv) Ce cadre d’analyse a été utilisé pour prédire la durée de cycle optimale dans chacun des environnements étudiés, sous les conditions climatiques présentes et futures. (v) J’ai utilisé le cadre de simulation et ces durées de cycle adaptées pour déterminer les meilleurs idéotypes de croissance foliaire adaptés aux différent scenarios environnementaux. Les résultats montrent que les variétés sensibles sont adaptées à l’Europe du sud en condition non-irriguées alors que l’opposé est adapté au nord ou en condition irriguée. Cependant, les meilleures combinaisons de paramètres déterminées dans un espace phénotypique non contraint n’étaient pas disponible dans la diversité génétique observée. Cette thèse fournit aux sélectionneurs des éléments sur les combinaisons de traits qui fournissent un avantage comparatif dans chaque environnement ainsi que le contour des possibles dans la diversité génétique observée., Under soil water deficit, plants limit transpiration by decreasing leaf area to save water for the end of the crop cycle. A large genetic diversity has been observed in maize for the processes involved in this response. Because of the trade-off between transpiration and photosynthesis, a high plasticity is not always beneficial because it also reduces biomass accumulation and grain yield. The genotype that maximises production in one dry environment therefore does not always perform the best in another dry environment. The aim of this thesis was to predict which combination of trait values related to leaf growth would be beneficial in the diversity of European environments. For this purpose, (i) I have shown that genetic and environmental controls differ between leaf elongation and widening, and established/tested the equations that describe these controls. (ii) I have developed a model of leaf development and expansion, with a particular attention to the parsimony for parameter number and to the possibility of measuring parameter values in phenotyping platforms. (iii) I have developed a simulation framework including 36 years of environmental conditions and management practices of 59 European fields, together with the parameterisation of 254 maize hybrids maximising the maize genetic diversity. (iv) This framework has been used to simulate the optimum crop cycle duration for each site and management practice in current and future conditions. (v) The simulation framework and the adapted cycle duration were then used to determine ideotypes of leaf growth adapted to the different environmental scenarios. Results indicate that sensitive hybrids perform better in southern Europe under rainfed conditions while less-sensitive genotypes perform better in northern Europe or in irrigated fields. However, the best combinations of parameters determined in an unconstrained phenotypic space were not available in the observed genetic diversity. Overall, this study provides elements on where and when a combination of trait values can give a comparative advantage on yield, together with the boundary of possibilities within the current genetic diversity.

A critical omission from climate change impact studies on crop yield is the interaction between soil organic carbon (SOC), nitrogen (N) availability, and carbon dioxide (CO2). We used a multimodel ensemble to predict the effects of SOC and N under different scenarios of temperatures and CO2 concentrations on maize (Zea mays L.) and wheat (Triticum aestivum L.) yield in eight sites across the world. We found that including feedbacks from SOC and N losses due to increased temperatures would reduce yields by 13% in wheat and 19% in maize for a 3°C rise temperature with no adaptation practices. These losses correspond to an additional 4.5% (+3°C) when compared to crop yield reductions attributed to temperature increase alone. Future CO2 increase to 540 ppm would partially compensate losses by 80% for both maize and wheat at +3°C, and by 35% for wheat and 20% for maize at +6°C, relative to the baseline CO2 scenario.