Modéliser la performance de cultures associées céréale - légumineuse annuelles : une approche combinant écologie des communautés et science des données 

J’ai fait mes études à l’INSA de Rennes, option Génie Mathématique. J’ai découvert l’agronomie lors de mon stage de master 2 en 2018 et ce domaine m’a fortement plu. J’ai depuis longtemps la volonté de faire une thèse et l’occasion s’est présentée pendant mon stage de M2 de continuer le travail que j’effectuais à ce moment. Je vois dans ces 3 ans de thèse une opportunité de creuser ce sujet dans le détail et de mieux comprendre le fonctionnement des cultures associées, qui sont un des leviers d’une agriculture durable.

Les cultures associées (deux cultures ou plus qui se développent sur une même parcelle agricole pendant une période significative de leur cycle de croissance) sont un atout majeur pour le développement d’une agriculture durable. Ma thèse s’inscrit dans la modélisation de la performance de ce type de cultures. Il s’agit de concevoir des modèles statistiques permettant de prédire la performance (rendement) de cultures associées annuelles. Pour cela, je dispose d’une base de données où des valeurs de traits fonctionnels (hauteur, biomasse etc.) sont mesurés sur des espèces (pois, blé, lentilles etc.) dans différents environnements (sites, années). L’idée est de calculer des métriques rendant compte de la complémentarité des espèces et d’autres la plasticité. En effet, des théories de l’écologie des communautés indiquent que les processus de complémentarité et de plasticité sont fortement impliqués dans le fonctionnement des couverts mélangés. A partir de ces indicateurs et de variables pédo-climatiques (sol et climat), je pourrai développer ces modèles statistiques. Le but est de pouvoir déterminer quels espèces et quelles variétés fonctionnent bien entre elles, en fonction du pédo-climat considéré.

Mon sujet s’inscrit naturellement dans la suite de mon stage de master 2. Il me convient car il est pluridisciplinaire (écologie, agronomie et statistiques). Il s’inscrit dans la recherche de solutions efficaces et durables pour l’agriculture qui fait face à de nombreux défis.

Depuis la fin de mon stage de master, la base de données avec laquelle j’avais travaillée a été fortement enrichie par mes encadrants. Je dois donc d’abord la reprendre en main et en effectuer une analyse descriptive complète. En fin de stage de master 2, j’avais observé une relation quasi linéaire entre le rendement du blé en culture associée et la différence de vitesses de croissance de biomasses (vitesse de croissance de la biomasse du blé – vitesse de croissance de la biomasse du pois). J’aimerais voir si on retrouve ce résultat pour d’autres espèces.

• Date de démarrage : novembre 2019
• Université : Université de Montpellier
• Ecole doctorale :  I2S –  Information Structures Systèmes
• Discipline / Spécialité : Biostatistiques
• Directeur de thèse : Nadine Hilgert, UMR Mistea, Inrae
• Encadrant(es)  : Pierre Casadebaig & Noémie Gaudio, UMR AGIR, Inrae
• Financement : #DigitAg – Inrae
• #DigitAg : Thèse cofinancée – Axes 5, 6 – Challenge 1

Mots-clés: Cultures associées, statistiques, agroécologie

Résumé : L'utilisation de la diversité végétale cultivée est l'un des leviers pour s'orienter vers une agriculture plus durable. Dans ce contexte, les cultures associées céréale-légumineuse sont des mélanges prometteurs, notamment en conditions bas-intrants. L'utilisation de modèles statistiques peut améliorer notre compréhension du fonctionnement de ces cultures. Pour construire ces modèles, une stratégie est d'utiliser les données issues de l'agrégation d'expérimentations mettant en jeu ces cultures. Dans mon travail de thèse, nous partons d'un jeu de données de plusieurs variables mesurées sur 8 espèces (3 céréales et 5 légumineuses) en culture pure et en culture associée, dans 35 expérimentations. Ce type de jeu de données, peu utilisé dans la littérature, soulève des questions méthodologiques de par son hétérogénéité. Dans le Chapitre II, nous discutons du rôle de ces jeux des données dans la recherche agronomique, mettons au point une méthode utilisant la théorie des graphes pour identifier des sous-jeux de données induisant des plans factoriels complets au sein de ces jeux de données globaux et illustrons l'utilisation de splines de lissage comme méthode de réduction de dimension de variables temporelles. Nous utilisons ensuite, dans le Chapitre III, ce jeu de données pour évaluer deux processus clés d'interactions entre plantes (complémentarité et dominance), à l'œuvre dans les cultures associées céréale-légumineuse sur l'ensemble du jeu de données. Puis nous discutons de l'effet de deux pratiques agronomiques, le choix des espèces associées et la fertilisation, sur ces deux processus, en montrant la perturbation des interactions plante-plante induite par ces pratiques. Enfin, dans le Chapitre IV, le jeu de données est utilisé pour développer des modèles statistiques dont les variables explicatives sont construites à partir de théories issues de l'écologie des communautés et permettant de comprendre la performance de chacune des composantes du mélange sur un sous-ensemble du jeu de données. Notre procédure de modélisation inclut réduction de dimension, imputation des données, calcul des variables explicatives, sélection de variables (dans un objectif de parcimonie) et ajustement des modèles. Les modèles utilisés combinent les capacités de prédiction des forêts aléatoires à une prise en compte de la dépendance intra-expérimentation des observations via un facteur aléatoire. Nos résultats soulignent i) le rôle des interactions positives au sein de ces mélanges en conditions bas-intrants ainsi que ii) la place prépondérante des interactions plante-plante, notamment celles liées à l'architecture du couvert dans la performance de ces mélanges. Mon travail de thèse souligne l'utilité de l'écologie des communautés dans la compréhension du fonctionnement d'agroécosystèmes complexes et le potentiel prometteur de l'utilisation de jeux de données globaux en agronomie analysés avec des méthodes statistiques avancées.

Composition du jury:

• Muriel Valentin-Morison (UMR Agronomie INRAE) - Rapportrice
• Nathalie Vialaneix (UMR MIAT INRAE) - Rapportrice
• Catherine Trottier (UMR IMAG CNRS) - Examinatrice
• Eric Garnier (UMR CEFE CNRS) - Examinateur
• Xavier Gendre (Institut Mathématiques de Toulouse CNRS) - Examinateur
• Pierre Casadebaig​ (UMR AGIR INRAE) - Encadrant de thèse
• Noémie Gaudio (UMR AGIR INRAE) - Encadrante de thèse
• Nadine Hilgert (UMR MISTEA INRAE) - Directrice de thèse