Dispositif expérimental mis en place pour l’étude des interactions entre la fertilisation soufrée et azotée sur la qualité des graines de colza

Télécharger le fichier pdf d’un mémoire de fin d’études

Quelles pistes pour améliorer la conduite et la gestion de la fertilisation S ?

Amélioration de l’EUS en interaction avec l’azote

L’efficience d’usage du soufre (EUS) correspond au rapport entre la quantité de matière sèche produite (rendement grainier pour le colza) et la quantité de S apportée par les fertilisants. Elle peut être divisée en 2 composantes : l’Efficience d’Absorption du S (EAbS) et l’Efficience d’Utilisation du S (EUtS). L’EUtS est elle-même la résultante de deux composantes : l’Efficience d’Assimilation du S (EAS) et l’Efficience de Remobilisation du S (ERS).
Comme proposée par Hawkesford (2000), plusieurs stratégies peuvent être envisagées afin d’améliorer l’EUS, (Figure II.26). La première stratégie vise à améliorer l’absorption du sulfate (EAbS) et la deuxième à optimiser l’utilisation des réserves en S soit la remobilisation du S (ERS).

Amélioration du prélèvement en S

Chez A. thaliana, une limitation en sulfate provoque une augmentation de la densité des racines latérales au niveau de l’extrémité racinaire (López-Bucio et al., 2003 ; Figure II.27). Ce changement pourrait être lié à l’activation transcriptionnelle du gène NITRILASE3 (NIT3), un membre de la famille des gènes codant une enzyme capable de convertir l’indole-3-acétonitrile en acide indole-3-acétique et intervenant donc dans la synthèse d’auxine.
Lors d’une déficience en S chez le colza, l’expression des gènes codant les transporteurs de sulfate racinaire est très fortement induite afin de puiser au mieux le sulfate disponible dans le sol. La recherche de génotypes capables d’augmenter leur système racinaire pourrait être une piste d’amélioration. Il est aussi important d’ajuster les apports en fertilisants N car une limitation en N peut à son tour réduire l’absorption en S (Fismes et al., 2000 ; Kopriva et Rennenberg, 2004) . De même, une limitation en S va directement impacter l’absorption en nitrate. Prosser et al. (2001) ont suggéré que l’OAS (O-acétylsérine) s’accumulait lors d’une privation en S, pouvant avoir un effet inhibiteur sur l’absorption et l’assimilation du N. En raison des interactions existant au niveau de la régulation des voies d’assimilation du S et du N, une limitation en S va aboutir à la diminution de la formation de sulfide (S2-) qui lui-même va diminuer la production de cystéine (et donc de méthionine) et augmenter l’accumulation d’OAS (Kaur et al., 2011).

Amélioration de l’assimilation et de la remobilisation des réserves soufrées

Le colza a une grande capacité d’absorption en sulfate. Une fois absorbé ou/et stocké, son assimilation et sa remobilisation doivent être efficaces afin de répondre à la croissance et à l’élaboration du rendement et de la qualité des graines. En cas de limitation en S même modérée, l’induction de l’expression des gènes codant les transporteurs SULTR4;1 et SULTR4;2 (Dubousset et al., 2009 ; Girondé et al., 2014) conduit à une remobilisation massive du sulfate stocké au niveau vacuolaire. Cependant, dans des conditions non limitantes nutritionnellement, l’ERS chez le colza reste faible. En effet, les feuilles, représentant la principale source de S pour les organes en croissance (stockage de sulfate dans les vacuoles), peuvent chuter avec de forts taux de S résiduel, pouvant atteindre 1à 2 % de S dans la matière sèche (Dubousset et al., 2010). Améliorer l’ERS permettrait de diminuer les pertes de S au niveau des feuilles chutées grâce à un meilleur vidage des réserves en S vacuolaires lors de la sénescence foliaire. Girondé et al. (2014) ont souligné qu’en réponse à une restriction en S apparaissant au stade GS53 (début de floraison), la tige peut servir d’organe de stockage transitoire de S pouvant jouer un rôle central en cas d’asynchronisme entre la remobilisation du S par les feuilles sources et son utilisation par les organes en croissances, dont les graines.
L’une des voies alternatives d’amélioration de l’ERS serait d’augmenter la demande en S des puits (augmenter la force puits), par exemple des feuilles en expansion et des organes reproducteurs (siliques, graines). Lors de certains stress, comme le stress hydrique, le sulfate nouvellement absorbé par le colza n’est pas stocké dans les vacuoles mais directement incorporé dans les protéines, ce qui permet une meilleure assimilation du sulfate et ainsi une meilleure EUtS (Lee et al., 2016).
Par conséquent, toutes ces caractéristiques physiologiques (prolifération des racines, remobilisation efficace du sulfate, et/ou stockage transitoire de S dans la tige) pourraient être utilisées dans les programmes de criblage afin de sélectionner des génotypes de colza à haute efficacité d’utilisation du S ou capables de limiter l’impact d’une limitation en sels minéraux sur le rendement et la qualité des graines.

Variabilité génotypique / sélection variétale / concept d’idéotype

Corriger une déficience en S uniquement en modifiant des schémas de fertilisation S n’est pas toujours suffisant ni durable d’un point de vue économique et environnemental. Une voie alternative d’amélioration des performances agronomiques et a fortiori de la gestion du S par la plante s’appuie
sur le développement de la sélection variétale permise par la variabilité génotypique disponible de l’espèce. En effet, une variété de colza possède des caractéristiques propres, qui seront adaptées à un certain type de conduite ou d’environnement, et inversement (Debaeke et al., 2015). Cette démarche consiste à optimiser les interactions génotype x environnement x conduite. Par exemple, dans un contexte de réduction des apports en intrants S et N, et compte tenu d’une variabilité génotypique observée des EUS et EUA chez le colza, sélectionner des génotypes avec de meilleures EUS et EUA est une des options à retenir (Balint et Rengel, 2009, 2011b ; Girondé et al., 2015a, 2015b).
Afin de sélectionner des variétés plus efficientes, certains gènes peuvent être spécifiquement ciblés, par exemple des gènes participant à la régulation des transporteurs racinaires en S (Yoshimoto et al., 2007). Les génotypes présentant une meilleure biosynthèse et/ou un meilleur transport de composés soufrés comme la cystéine et le glutathion via le xylème et le phloème pourraient être sélectionnés (Balint et Rengel, 2009). Cependant, des génotypes efficients lors de la phase végétative ne le seront pas systématiquement lors de la phase reproductrice et inversement (Balint et Rengel, 2009). Balint et al. (2011b) ont montré par exemple que le génotype Surpass 402 CL était plus efficient pour l’absorption du S lors des périodes végétative et reproductrice, mais moins efficiente que la variété Karoo pour la remobilisation endogène du S des feuilles vers les siliques et les graines matures.

Aide à la fertilisation et indicateur de la nutrition S

En dehors des méthodes d’analyses de sol pour évaluer le S disponible et absorbable par la plante, il existe quelques méthodes permettant d’évaluer le statut nutritionnel en S des plantes comme le diagnostic visuel (détection des symptômes de carence en S), des grilles de décision et d’évaluation et des outils d’aide à la décision reposant sur des indicateurs biochimiques et moléculaires.
Les analyses de tissus des végétaux représentent un moyen d’identifier les limitations en S et d’optimiser la gestion des cultures. Cependant, les teneurs en S varient en fonction de l’offre, de l’organe et de l’âge de la plante. La prise en compte du type d’organe ainsi que de son stade de développement permet d’éviter certaines erreurs d’interprétation (Janzen et Bettany, 1984 ; Scaife et Burns, 1986 ; Spencer et Freney, 1980). Chez les dicotylédones, l’échantillonnage des jeunes feuilles développées qui présentent une forte activité photosynthétique (phase végétative principalement) semble être un bon choix car (i) elles présentent des teneurs élevées en S en comparaison aux autres organes, (ii) elles sont un des puits les plus importants en S, (iii) leur teneur en S est sensible aux modifications de l’état de nutrition de la plante (Orlovius K., 2003) et enfin (iv) elles sont disponibles tout au long de la croissance végétative (Schnug et Haneklaus, 1998).
Chez le colza, l’analyse des teneurs en S dans les feuilles matures est aussi privilégiée car une remobilisation rapide du S peut y être observée en réponse à une carence en sulfate (Dubousset et al., 2009 ; McGrath et Zhao, 1996 ; Parmar et al., 2007). Diagnostiquer le statut S des graines n’est
évidemment pas pertinent pour corriger la fertilisation de la culture en cours mais cela permet d’acquérir des informations qui pourront être utilisées pour mieux gérer la fertilisation de la culture suivante (Blake-Kalff et al., 2004 ; Carver, 2005). Le moment idéal de prélèvement semble être celui où les plantes commencent à croître rapidement, lors de la montaison et jusqu’à la floraison afin de pouvoir ajuster l’apport en fonction du résultat du test.
● Les indicateurs biochimiques et moléculaires potentiels
Les teneurs en SO42- ou en S total ont été proposées comme indices pertinents d’évaluation du statut S chez le colza (Pinkerton, 1998 ; Scaife et Burns, 1986). Elles sont très contrastées entre des plantes carencées ou bien alimentées en S et présentent aussi l’avantage de ne nécessiter qu’une seule mesure analytique. Pinkerton (1998) a proposé des valeurs critiques en S total et SO42- pour le colza comprise respectivement entre 0,20 et 0,25 % et entre 0,02 à 0,04 % de la matière sèche pour diagnostiquer une déficience en S avant la floraison et dans le cadre d’un approvisionnement en S du sol stable. Cependant, certains arguments nuancent l’utilisation de ces teneurs comme indicateur du statut S de la plante car celles-ci varient au cours du développement sans cohérence chronologique apparente (Blake-Kalff et al., 1998, 2000) et sont influencées par beaucoup d’autres facteurs. L’analyse de composés provenant directement du métabolisme S (i.e. glutathion) ou affectés par celui-ci (i.e. amides) ont aussi été testés (Blake-Kalff et al., 1998, 2000 ; Honsel et al., 2012 ; McGrath et Zhao, 1996). Une réponse précoce à la privation en S a été montrée pour ces molécules notamment pour le glutathion. Cependant, le glutathion n’est pas un indicateur adapté aux conditions de plein champ car il présente des teneurs peu variables (1,5 à 2 fois) entre les plantes déficientes ou non en S. De plus, de nombreux autres facteurs (tels que la disponibilité en eau et la température) vont impacter les teneurs de ces composés, les rendant peu spécifiques (Tausz, 2001).
D’autres travaux ont étudié les ratios de composés minéraux ou organiques pouvant prédire de façon plus fiable le statut soufré de la plante (Blake-Kalff et al., 2000, 2001 ; Maynard et al., 1983). Le ratio N:S est fréquemment utilisé et est basé sur les interactions entre les métabolismes N et S. L’utilisation du ratio N:S comme indicateur de la nutrition soufrée nécessite un échantillonnage à un stade de développement précis (début de floraison, McGrath et Zhao, 1996) mais également sur un type d’organe précis (les feuilles le plus souvent). Diverses études ont proposé une valeur critique du ratio N:S au stade végétatif et à la montaison pour diagnostiquer les carences en S des cultures de colza au champ : ratio N:S de 6 au stade rosette (Maynard et al., 1983), de 10 à la montaison (Zhao et al., 1997) ou de 10 au début de l’élongation de la tige à 7,2 juste avant l’émergence de l’inflorescence (Blake-Kalff et al., 2000, 2001). Ce ratio doit cependant être interprété avec prudence car un fort ratio N:S, traduisant une déficience en S, peut-être dû à un excès de N sans modifications des teneurs en S et inversement. Un faible ratio N:S, suggérant une bonne alimentation S, peut aussi être le signe d’un déficit en S et N. Afin d’améliorer la sensibilité de cet indicateur de la carence en S, il a été suggéré d’utiliser le ratio N:S conjointement à une valeur seuil pour le S total (Blake-Kalff et al., 2000). Le ratio N:S des graines est beaucoup utilisé par les agronomes, les techniciens et conseillers agricoles qui le considèrent actuellement comme l’outil le plus précis de diagnostic de déficience en S. Il ne s’agit pas d’un outil de diagnostic prédictif mais il permet d’obtenir des indications en fin de culture dans le but de mieux gérer la fertilisation de la
culture suivante (Carver, 2005 ; Randall et al., 1981, 2003).

La modélisation agro-écophysiologique : principes et intérêts

Principes fondamentaux

Afin d’évaluer et/ou de concevoir de nouveaux systèmes de culture prenant en compte des schémas de fertilisation dans différents contextes pédo-climatiques, deux démarches expérimentales souvent complémentaires sont possibles : l’expérimentation « réelle » (en conditions contrôlées dans des serres ou au champ) et l’expérimentation numérique reposant sur l’utilisation de modèles prédictifs (Bergez et al., 2010). Les expérimentations « réelles » permettent de tester in planta les effets par exemple de différentes pratiques culturales et/ou de facteurs de stress biotiques (attaques de pathogènes, etc) ou abiotiques (thermique, hydrique, nutritionnel, etc) sur les performances des cultures (croissance, rendement, défense, etc) et parfois sur leur physiologie ou métabolisme (réponses aux échelles moléculaires ou cellulaires). Ces expérimentations sont souvent coûteuses et difficiles à mettre en place car contraignantes d’un point de vue technique, malgré l’émergence des plateformes de phénotypage haut débit (Araus et Cairns, 2014 ; Cobb et al., 2013 ; Fahlgren et al., 2015 ; Furbank et Tester, 2011 ; Salas Fernandez et al., 2017), ce qui restreint considérablement la gamme de conditions à explorer. Les expérimentations numériques (« in silico »), sont fondées sur une approche de modélisation prédictive souvent complémentaire à celle des expérimentations « réelles » (Rossing et al., 1997). Elles permettent (i) de quantifier les effets simultanés de plusieurs facteurs considérés sur le système étudié, (ii) d’explorer une large gamme de situations ou de conditions ceci sans la contrainte temporelle inhérente au cycle de croissance de la culture (Semenov et al., 2009) et (iii) de prendre en compte les interactions entre différents facteurs (interactions génotype, environnement, climat, fertilisation, type de sol, irrigation, etc) de façon plus ou moins complexe (Casadebaig et al., 2016). Ainsi, un nombre beaucoup plus important d’expérimentations peut être conduit, sur un laps de temps plus court permettant d’identifier des pistes d’amélioration ciblant des leviers nutritionnels (fertilisants, irrigation), génétiques (choix des variétés) et de pratiques culturales (par exemple, rotation, non labour, etc). Ces approches in silico sont utiles pour concevoir des systèmes de culture innovants et adaptés à différents contextes pédo-climatiques.

Dispositif expérimental mis en place pour l’étude des interactions entre la fertilisation soufrée et azotée sur la qualité des graines de colza

Afin de mimer les apports de S et de N fournis dans des conditions de plein champ, 7 différentes combinaisons de fertilisations S et N ont été appliquées manuellement aux plantes via différentes solutions de MgSO4,7H2O et de Ca(NO3)2,4H2O dont les compositions sont précisées dans le Tableau III.A.2, ceci à 2 stades différents de développement (GS32 : début de montaison et/ou GS53 : boutons accolés ; Lancashire et al., 1991). Ces différents traitements comprenaient 3 niveaux de S total allant de 0 kg S.ha-1 (0S), 8 kg S.ha-1 (8S) à 30 kg S.ha-1 (30S), et 3 niveaux de N total allant de 28,4 kg N.ha-1 (Low Nitrogen, LN), 72,7 kg de N.ha-1 (Mid Nitrogen, MN) à 97,2 kg de N.ha-1 (High Nitrogen, HN) (Tableau III.A.3). Les apports de N ont été appliqués en deux fois, aux stades de développement C2/GS32 (début de montaison entre-nœuds visibles) et D2/GS53 (boutons accolés) (Figure III.A.1). Les quantités de N apportées correspondaient à 57,2 ; 42,7 et 28,4 Unités de N (U : kg de N.ha-1) au stade GS32 et à 40, 30 et 0 U de N au stade GS53 respectivement pour les conditions HN, MN et LN (Tableau III.A.3). Les apports de S (30S et 8S) ont été fournis uniquement au stade GS32 et ont été associées à chaque condition N (30S_HN, 8S_HN, 30S_MN, 8S_MN, 30S_LN et 8S_LN). La condition 0S a été uniquement associée à la modalité HN (contrôle négatif, HN_0S).

Dispositif expérimental mis en place pour l’étude de l’impact du fractionnement ou du retard de l’apport en S sur la qualité des graines de colza

Le second objectif de ce travail était d’étudier l’impact du retard ou du fractionnement de l’apport de S sur le rendement et la qualité nutritionnelle des semences. En condition non limitante en N (HN), le S a été fourni à un ou deux stades de développement différents : au stade C2 (GS32) et/ou au stade D2 (GS53) (Tableau III.A.3). La condition fractionnée (8+22S_HN) correspond à un double apport de 8 U et 22 U de S fourni respectivement à GS32 et à GS53. L’apport retardé en S (0+30S_HN) correspond à un seul apport de 30U de S à GS53 et le traitement 30+0S_HN correspond à un seul apport de 30 U de S à GS32 (traitement de contrôle correspondant à la condition 30S_HN) (Tableau III.A.3, Figure III.A.1).

Table des matières

Liste des abréviations
CHAPITRE I – INTRODUCTION GÉNÉRALE
I. Contexte général
II. Positionnement des objectifs de la thèse au sein du programme POLYGONE
CHAPITRE II – SYNTHÈSE BIBLIOGRAPHIQUE
I. La culture du colza d’hiver
I.1 Place du colza dans la filière des oléoprotéagineux
I.2 Le cycle de développement du colza et sa place dans les systèmes de cultures
I.3 La fertilisation soufrée et azotée du colza et leurs interactions
II. La nutrition et le métabolisme soufré
II.1 Importance et rôles des composés soufrés
II.2 Absorption, transport et assimilation du S dans la plante
II.2.a Absorption et transport
II.2.b Assimilation
III. Réponses de la plante face à une limitation en S et impacts sur la qualité des graines
III.1 Symptômes de déficience en S et réponses physiologiques
III.2 Réponses métaboliques et transcriptomiques
III.2.a Modification du métabolisme soufré
III.2.b Interaction avec le métabolisme carboné
III.2.c Interaction avec le métabolisme azoté
III.3 Impacts d’une limitation en S sur la qualité des graines
III.3.a La graine de colza : développement et germination
III.3.b Impacts physiologiques d’une limitation en S
III.3.c Impacts d’une limitation en S sur la qualité nutritionnelle des graines
IV. Quelles pistes pour améliorer la conduite et la gestion de la fertilisation S ?
IV.1 Amélioration de l’EUS en interaction avec l’azote
IV.1.a Amélioration du prélèvement en S
IV.1.b Amélioration de l’assimilation et de la remobilisation des réserves soufrées
IV.2 Variabilité génotypique / sélection variétale / concept d’idéotype
IV.3 Outils d’aide à la fertilisation S, indicateur de la nutrition S et de qualité des graines
IV.3.a Aide à la fertilisation et indicateur de la nutrition S
IV.3.b Diagnostic de la qualité des graines
IV.4 La modélisation agro-écophysiologique : principes et intérêts
IV.4.a Principes fondamentaux
IV.4.b Les modèles agro-écophysiologique dédiés à la culture du colza
IV.4.c L’utilisation des modèles agro-écophysiologiques dans un contexte de dérèglement climatique
V. Le modèle SuMoToRI
PLAN DE RECHERCHE : OBJECTIFS ET DÉMARCHES ASSOCIÉES
CHAPITRE III – MATÉRIELS & MÉTHODES
A. Expérimentations végétales in planta, conditions de cultures et analyses associées
I. Descriptif des cultures
I.1 En conditions contrôlées
I.1.a Dispositif expérimental mis en place pour l’étude des interactions entre la fertilisation soufrée et azotée sur la qualité des graines de colza
I.1.b. Dispositif expérimental mis en place pour l’étudie de l’impact du fractionnement ou du retard de l’apport en S sur la qualité des graines de colza
I.1.c. Mode de récolte des échantillons
I.2. Dispositif au champ
I.2.a. Essai soufre à Prenois
I.2.b. Essais au champ par Terres Inovia (2014-2015 et 2015-2016)
II. Analyses élémentaires et biochimiques
II.1. Détermination des teneurs en S et N totaux
II.1.a. Détermination des teneurs en S et N par EA-IRMS
II.1.b. Détermination de la teneur en S par fluorescence à rayon X
II.2. Extraction, dosage et électrophorégramme des protéines totales des graines
II.3. Détermination des teneurs en huile et en glucosinolates par Near InfraRed Spectroscopy (NIRS) et analyse de la composition lipidique des graines
III. Exploitation des données et analyses statistiques
III.1. Calcule des indices de récoltes et des efficiences d’usages en S et en N
III.2. Exploitation statistique des données
B. Expérimentations numériques in silico
I. Choix des scénarios climatiques et acquisition des variables environnementales pour les simulations avec le modèle SuMoToRI
I.1. Utilisation de bases de données climatiques pour l’acquisition de la température et du rayonnement journaliers
I.2. Détermination des fonctions de prélèvements en soufre
II. Méthodes d’analyses de sensibilité utilisées avec les données de simulations
II.1. Coefficient de corrélation de rang partiel (Partial Rank Correlation Coefficient)
II.2. Indices de Sobol
CHAPITRE IV – RÉSULTATS
A. EXPÉRIMENTATIONS IN PLANTA EN CONDITIONS CONTRÔLÉES ET DE PLEIN CHAMP
A.1 Seed yield components and seed quality of oilseed rape are impacted by sulfur fertilization and its interactions with nitrogen fertilization
Abstract
I. Introduction
II. Materials and methods
II.1 Experimental treatments and tissue sampling
II.2 S and N analyses and determination of SHI, NHI, SUE and NUE
II.3 Determination of seed nutritional quality
II.3.a Oil content
II.3.b Extraction and quantification of total proteins in seeds
II.4 Statistical analyses
III. Results
A. Impacts of different levels of S and N fertilization
III.1 Influence of S and N availability on DM distribution and seed yield
III.2 Effects of treatments on S and N partitioning
III.3 Effects of treatments on S and N use efficiencies
III.4 Changes in seed nutritional quality in response to the management of S and N fertilization
B. Effects of fractionated and delayed S inputs
III.5 Effects of fractionated or delayed S inputs on yield components and S and N plant status
III.6 Effects of fractionated or delayed S supply on seed nutritional quality
IV. Discussion
IV.1 Adjustment of S and N inputs to optimize growth, seed yield and S and N use efficiencies
IV.2 Importance of balancing S and N inputs to maintain seed nutritional quality
IV.3 Delaying or fractioning S inputs could be a lever for improving seed quality
IV.4 Towards new indicators to predict seed protein quality
V. Conclusion
A.2 Évaluation de l’impact de différents schémas de fertilisation soufrée sur le statut soufré et sur la qualité des graines de colza et validation d’indicateurs de la qualité protéique des graines en condition de plein champ
I. Introduction et objectifs
II. Matériel et méthode
II.1 Prenois
II.2 Essais Terres Inovia 2015 et 2016
III. Résultats et Discussion
A. Essai Prenois
III.A.1 Impacts des modalités de fertilisation soufrée sur le rendement grainier, les teneurs en huile, acides gras (ω6 et ω3) et protéines des graines
III.A.2 Impacts des modalités de fertilisation soufrée sur les teneurs en S et la qualité protéique des graines
III.A.3 Discussion partielle
B. Analyses des lots de graines issues des essais Terres Inovia 2015 et 2016
III.B.1 Rendement grainier, teneur en huile, en protéines et en S des graines des essais Terres Inovia 2015
III.B.2 Analyse de la qualité protéique des graines en relation avec la teneur en S des graines de colza sur les essais Terres Inovia 2016
III.B.2.a Teneurs en S dans les graines selon les sites et les génotypes
III.B.2.b Qualité protéique des graines sélectionnées
III.B.3 Discussion partielle
B. EXPÉRIMENTATION NUMÉRIQUES IN SILICO AVEC LE MODÈLE ÉCOPHYSIOLOGIQUE SUMOTORI
B.1 SuMoToRI model simulations for optimizing sulphur fertilization in oilseed rape in the context of increased spring temperatures
Abstract
I. Introduction
II. Material and methods
II.1 Description of the SuMoToRI crop model
II.2 Data Sources and Simulation Analysis Design
II.2.a Selection of locations
II.2.b Description of the Climatic Scenarios and Simulation Periods
II.2.c Initialization of the model
II.2.d Model outputs and statistical analyses
III. Results
III.1 Simulated End Dates
III.2 Plant performances at the onset of pod formation
III.3 Biomass simulations and leaf area expansion
III.4 S allocation and partitioning simulations
IV. Discussion
IV.1 Respective effects of location and scenario on SED, total and leaf biomass
IV.2 Impact of warmer temperatures on the shortening of the crop cycle and on plant biomass
IV.3 Impact on S storage within the plant and environmental issues
IV.4 Directions for S management and adapted varieties
V. Conclusion
B.2 Sensitivity analyses for improving sulfur management strategies in Winter Oilseed Rape
Abstract
I. Introduction
II. Materials and methods
II.1 Overview of the SuMoToRI model
II.2 Simulations and sensitivity analysis procedures
II.2.a Step 1: Choice of targeted plant parameters and setting of their variation range
II.2.b Step 2: Calculation of S uptake functions
II.2.c Step 3: Simulations of plant performances under contrasting S-supply conditions
II.2.d Step 4: Computation of the sensitivity indices: partial rank correlation coefficient
II.2.e Step 5: Computation of the sensitivity indices: functional decomposition of variance with Sobol indices
II.3 Software
III. Results
III.1 Plant performances and range of variations at the onset of pod formation
III.2 Impact of variation in plant parameters on plant performance and S status
III.2.a The variation in RUE was the main driver of TDW and displayed high stability across the conditions
III.2.b LAIGL was mainly impacted by the C-allocation to the leaves
III.2.c QSmobile.GL was strongly impacted by RUE and the impact of β and SLA were depending on S supply
III.3 Identification of optimised parameter combinations under different S-fertilisation strategies
III.3.a Early and fractioned S supplies allowed the highest biomass production but different optimised plant parameter combinations
III.3.b The fractioned S supply allowed substantial increases in LAIGL with moderate changes in the plant parameters
III.3.c High QSmobile.GL was driven by the S amount, whatever the timing of supply, with little impact on optimised parameter combinations
IV. Discussion
IV.1 Plant parameter rankings according to their impacts on plant performance under different Sfertilisation strategies
IV.2 A preliminary approach to design ideotypes adapted to specific S-fertilising strategies
IV.3 Towards new S management strategies
V. Conclusion
B.3 Perspectives d’évolution du modèle SuMoToRI pour intégrer l’effet des interactions SxN sur la qualité des graines : synthèse des comparaisons de simulations et des données observées
I. Introduction et objectifs
II. Matériel et méthode
II.1 Données climatiques, initialisation du modèle et paramétrage
II.1.a Acquisition des variables d’entrées : données climatiques et fonctions de prélèvement en
S
II.1.b Valeurs initiales et paramétrage
III. Résultats
III.1 Comparaison des observations et des simulations en condition non limitante en N
III.1.a Apport unique de S à GS32
III.1.b Apport de S retardé ou fractionné
III.2 Comparaison entre les observations issues des conditions limitantes en N et les simulations
réalisées avec les fonctions de prélèvement en S correspondantes
IV. Discussion
IV.1 Des pistes pour l’amélioration des simulations avec le modèle SuMoToRI
IV.2 La teneur en S foliaire : un indicateur précoce de la qualité de la graine ?
CHAPITRE V – DISCUSSION GÉNÉRALE ET PERSPECTIVES
I. Optimisation des performances agronomiques du colza via l’adaptation des schémas de fertilisation S en interactions avec la fertilisation N et l’élévation de la température
I.1 Ajuster conjointement la fertilisation S et N est primordiale afin d’optimiser les performances et la qualité des graines du colza
I.2 Fractionner et retarder les apports en S : de nouvelles modalités de fertilisation à explorer
I.3 Les schémas de fertilisation S doivent être ajustés dans un contexte de dérèglement climatique caractérisé par une augmentation des températures printanières
I.4 Des idéotypes variétaux et culturaux adaptés aux objectifs de rendement et de qualité des graines
I.5 Perspectives
II. Vers de nouveaux indicateurs de la qualité protéique des graines de colza
II.1 La teneur en S des graines peut être utilisée comme un indicateur de la qualité protéique
II.2 Le modèle SuMoToRI : un outil de prédiction de la qualité des graines ?
II.3 Perspectives
RÉFÉRENCES BIBLIOGRAPHIQUES

Télécharger le rapport complet