1 / 28

Techniques et outils pour le phénotypage au champ des variétés de grandes cultures

Techniques et outils pour le phénotypage au champ des variétés de grandes cultures. F. Baret, B. de Solan ,Ph. Burger & A. Comar. 1 INRA-EMMAH UMR1114 Avignon 2 Arvalis, Avignon 3 INRA- AGIR UMR1248, Auzeville. Importance du phénotypage au champ.

booth
Download Presentation

Techniques et outils pour le phénotypage au champ des variétés de grandes cultures

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Techniques et outils pour le phénotypage au champ des variétés de grandes cultures F. Baret, B. de Solan ,Ph. Burger & A. Comar 1INRA-EMMAH UMR1114 Avignon2Arvalis, Avignon 3INRA- AGIR UMR1248, Auzeville

  2. Importance du phénotypage au champ Très nombreuses parcelles à caractériser (1000-2000) et suivi de la dynamique: les méthodes ‘destructrices’ ne conviennent pas. • Il est nécessaire de développer des méthodes de mesures • Rapides • Non destructives • Peu coûteuses (en coût unitaire) • Les plantes cultivées en conditions artificielles sont différentes de celles cultivées au champ • Sol (pots) • Climat (serre) • Compétition entre plantes (plantes isolées) • Le phénotypage au champ est nécessaire pour identifier des traits sans artefacts • Il fournit des informations pour une déclinaison variétale des règles de décision

  3. Plan • Introduction • Mesures de caractéristiques foliaires • Systèmes de phénotypage au champ • Conclusion

  4. Plan • Introduction • Mesures de caractéristiques foliaires • Systèmes de phénotypage au champ • Conclusion

  5. Principe: absorption spectrale • Absorption par: • la chlorophylle • L’eau • La matière sèche • Les pigments bruns

  6. Systèmes de mesure Spectro ASD Spectro JAZ Ocean-Optics Minolta SPAD (N tester) • Pince pour mesure des propriétés optiques des feuilles au champ

  7. Estimation de contenus PROSPECT Reflectance* Transmittance* Cab, Cw, SLW optimisation D Reflectance Transmittance Mesures Contenu en eau (g.cm-2) Contenu en matière sèche (g.cm-2)

  8. Les effets directionnels de surface φs = 0° φs = 90° φs = 00° φs = 0° φs = 90° Forte anisotropie de la feuille Effets directionnels dus à l’état de surface de la feuille (rugosité/pilosité/état de la cuticule) Conséquences sur l’estimation des contenus biochimiques

  9. Les effets de surface identifiés Images acquises au MEB sur du blé dur - x 150 - x 500 - x 15 000 • Anisotropie: • Nervures • Séparation des cellules • « Rugosité » • trychome • hétérogénité Nervures Trychomes Séparation des cellules Zoom Hétérogénéité de la cuticule

  10. La pince CANARD (Chlorophyll and Nitrogen Absorption and Reflectance Device) Mesure de: • ρ et τ hémisphérique • optimisation de la configuration géométrique Pour: • Inverser PROSPECT • Cab: chlorophylle • Cw : Contenu en eau • Cm : Matière sèche • Calibrer des relations empiriques • pigments (Ca, Cb, Cc), • eau • matièresèche • azote • cellulose • (lignin) • phenols (stress) • Caractériser la surface • Rugosité • État de la cuticule

  11. Plan • Introduction • Mesures de caractéristiques foliaires • Systèmes de phénotypage au champ • Conclusion

  12. Transmittance et Réflectance Transmittance=Structure Réflectance=Structure + Propriétés Optiques Photographie numérique Spectro-Radiomètre

  13. Développement d’un système dédié au phénotypage • Projet innovant AGIR-Emmah (2007-2008) • Thèse Alexis Comar (2010-2012 – CIFRE Arvalis) • ANR-Phénoblé (2011-2014) • Système porté sur tracteur  géométrie de mesure mieux contrôlée • Combinaison imagerie (VIS) et spectrométrie VIS-PIR • Déclenchement et référencement automatique des mesures (GPS-RTK) • Traitement automatisée des mesures (post-traitement) Appareils photo + 2 flashs - 1 au nadir - 1 à 57° Spectros: - 1 au nadir - 2 à 57° - 1 incident Camera PC GPS spectros Flash 1-3 m variable Débit actuel: environ 100 µparcelles/heure

  14. SYSTEM AND EXPERIMENTAL SETUP • Irradiance probe • BF2 (diffuse estimation in PAR) GPS RTK Automatisation 100 parcelles/h 4 h/jour Traitement: 2 jours Camera Flash Control center Reference board Spectro

  15. Sélection d’indices spectraux • Fraction de vert (FV) • photo • 2 indices spectraux • NDVI • MCARI2 • 2 directions • Verticale (0°) • Inclinée (57°) • 1 date • 05/04/2011 • 6 génotypes x 3N x 2D

  16. Visée nadir: MCARI et FV MCARI2 (spectro) FV (photo) • MCARI2 = f(FV) • 6 dates avril à juin • O : après flo • + : avant flo • Relation linéaire • R²=0.93 • Bonne cohérence entre2 mesures différentes • Léger effet de l’épi

  17. Architecture :Combinaison visées 0° / 57° -log(MCARI2(0°)) -log(MCARI2(57°))

  18. Estimation de QN (données 2010) En l’absence de calibration variétale, QN = f(Reflectances), par PLS Performances prédictives moyennes mais permet de définir des bandes spectrales les plus informatives : > 550, 680, 730, 760, 850, 950

  19. Possibilité de suivre la dynamique Indice sensible à la surface verte N1 N2 N0 MCARI2 N1 N2 N0 MTCI Indice sensible à la chlorophylle

  20. Approche empirique • Estimation de l’azote absorbé, à 2 noeuds Indice QN Effet de structure

  21. Visée verticale: sensibilité à la structure Hysun Cap Horn

  22. Utilisation des maquettes 3D pour interpréter les mesures

  23. Influence de l’architecture sur les mesures L’architecture du couvert peut fortement biaiser l’estimation des variables d’intérêt

  24. Plan • Introduction • Mesures de caractéristiques foliaires • Systèmes de phénotypage au champ • Conclusion

  25. Améliorations prévues • Débit: 300-500 p/jour  1000 p/jour • Automatisme  suivi fréquent de la dynamique (100°C.j) • Système actif (indépendant conditions d’éclairement avec flashs) • Camera superspectrale (8-10 bandes) • Superposition de la représentation 3D • Barrière optique  comptage tiges / épis • (Lidar) (distribution hauteur organes) • Mesures de stress ? • Thermique • Fluorescence • PRI • Automatisation du traitement • Adaptation à d’autres espèces Reconstruction 3D incrémentale

  26. Mesures de stress instantanés: Drones/ULM ? • Symptomes de stress ‘instantanés’ avec forte variabilité temporelle • Thermique • Fluorescence • PRI • Effets Directionnels (interaction avec la structure du couvert): • correction à posteriori à partir des mesures PHENOMOBILE

  27. Métriques ? Quelles métriques utiliser pour l’identification/quantification des traits? • Niveau 1: résultat ‘brut’ • Indices spectraux • Caractéristiques de la dynamique (dates clé, pentes, intégrales) • Différence de niveau de stress • Niveau 2: variables de structure / propriétés optiques (et dynamique) • GAI • FIPAR • Structure • Comptage plante (précoce) • Comptage épis • Hauteur • Chlorophylle • Azote • Efficience de la photosynthèse • Conductance stomatique • Durée de vie des feuilles • Tallage • Niveau 3: variables fonctionnelles • Paramètres de modèles de fonctionnement / structure 4D

  28. Forcage Climat Sol Prat. Cult. 2. Utilisation de modèles fonctionnels: Parametres Génétiques Parametres Physiol. (dep. Génét.) ModeleFonct. 3. Amélioration de la cohérenceentre mesures et modèles Mesure Capteur Au champ Stress Transf. Rad. LAI Chloro 4. Utilisation de modèles 4D 5. Ajustement des parametres de modèles 4D aux mesures détaillées Structure Prop. Optique Modele 4D 6. Couplage du modèle 4D au modèle de functionnement Parametres Architecture (dep. Génét.) Mesures. détaillées Approche générale envisagée 1. Estimation de traits fonctionnelspar méthodes empiriques LAI et Chlorophyllesont partagées par les 3 modèles: Forte cohérence nécessaire

More Related