Dynamic simulation of genotype – environment – management interactions: application to variety assessment in sunflower

La prise en compte des interactions génotype – environnement – conduite (IGEC) permet d’améliorer l’évaluation variétale et le conseil face à la diversification croissante des systèmes de culture et des objectifs de production. Dans ce domaine, la modélisation dynamique pourrait assister utilement l’approche expérimentale classique. Ainsi, en tournesol, le modèle SUNFLO a été développé pour simuler l’élaboration du rendement et de la teneur en huile des variétés de tournesol en tenant compte du sol, du climat et de la conduite. Une variété y est décrite par 12 paramètres couvrant la phénologie, la mise en place de la surface foliaire, l’allocation de la biomasse, la lipidogenèse et la réponse au stress hydrique. Les paramètres du modèle sont mesurés au champ, en peuplement non limitant pour le rendement, ou en serre (expérimentation en pots). Le modèle a été évalué sur les réseaux de pré- et post-inscription conduits par le GEVES et le CETIOM respectivement; selon les réseaux, l’erreur de prédiction sur le rendement est de 2.7 à 4.9 q.ha-1. Le modèle pourrait être utilisé pour classer des milieux selon l’intensité de la contrainte hydrique perçue par les témoins et pour évaluer des variétés différant suffisamment par le phénotype. De même, le mode d’emploi des variétés pourrait être précisé à l’aide d’expérimentations virtuelles réalisées avec SUNFLO.
Paying more attention to Genotype x Environment x Management interactions should improve variety assessment and recommendations to cope with the increasing diversification of cropping systems and production goals. To do that, dynamic crop modelling could assist the traditional approach used to compare genotypes on multi-environment trials. The SUNFLO model was developed to simulate the grain yield and oil concentration of sunflower crop with a special attention paid to the description of cultivar diversity. A cultivar was characterized by 12 parameters of phenology, leaf area development, allocation, oil production and response to water stress. These parameters were measured either in field conditions (dense stands) or in greenhouse pot experiments. The model was evaluated on pre- and post registration networks from GEVES and CETIOM respectively; the average gap between observed and simulated grain yield ranged from 2.7 to 4.9 q.ha-1. The model could be used to rank environments (through abiotic stresses experienced by probe genotypes) in a variety assessment network and to separate varieties with sufficient phenotypic differences. The management suitable to each new variety could be proposed from virtual experiments with SUNFLO.