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

Modeling the performance of cereal-legume intercrops : an approach combining data science and community ecology.

• Auteur / Autrice : Rémi Mahmoud
• Direction : Nadine Hilgert
• Type : Thèse de doctorat
• Discipline(s) : Biostatistique
• Date : Soutenance le 04/04/2023
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Mathématiques, Informatique et STatistique pour l'Environnement et l'Agronomie (Montpellier)
• Jury : Examinateurs / Examinatrices : Nadine Hilgert, Muriel Valantin-Morison, Nathalie Villa-Vialaneix, Eric Garnier, Catherine Trottier, Xavier Gendre, Noémie Gaudio, Pierre Casadebaig
• Jury : Rapporteurs / Rapporteuses : Muriel Valantin-Morison, Nathalie Villa-Vialaneix

Mots clés

Mots clés contrôlés

Agriculture -- Méthodes statistiques

Écologie agricole

Modèles écologiques

Mots clés libres

Modélisation

Statistiques

Agroécologie

Modeling

Statistics

Agroecology

Résumé

L’utilisation de la diversité végétale cultivée est l’un des leviers pour s’orienter vers uneagriculture plus durable. Dans ce contexte, les cultures associées céréale-légumineusesont des mélanges prometteurs, notamment en conditions bas-intrants. L’utilisationde modèles statistiques peut améliorer notre compréhension du fonctionnement de cescultures. Pour construire ces modèles, une stratégie est d’utiliser les données issuesde l’agrégation d’expérimentations mettant en jeu ces cultures. Dans mon travailde thèse, nous partons d’un jeu de données de plusieurs variables mesurées sur 8espèces (3 céréales et 5 légumineuses) en culture pure et en culture associée, dans 35expérimentations.Ce type de jeu de données, peu utilisé dans la littérature, soulève des questionsméthodologiques de par son hétérogénéité. Dans le Chapitre II, nous discutons durôle de ces jeux des données dans la recherche agronomique, mettons au point uneméthode utilisant la théorie des graphes pour identifier des sous-jeux de donnéesinduisant des plans factoriels complets au sein de ces jeux de données globaux etillustrons l’utilisation de splines de lissage comme méthode de réduction de dimensionde variables temporelles.Nous utilisons ensuite, dans le Chapitre III, ce jeu de données pour évaluer deuxprocessus clés d’interactions entre plantes (complémentarité et dominance), à l’oeuvredans 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 espècesassociées et la fertilisation, sur ces deux processus, en montrant la perturbation desinteractions plante-plante induite par ces pratiques.Enfin, dans le Chapitre IV, le jeu de données est utilisé pour développer des modèlesstatistiques dont les variables explicatives sont construites à partir de théories issuesde l’écologie des communautés et permettant de comprendre la performance dechacune des composantes du mélange sur un sous-ensemble du jeu de données. Notreprocédure 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 prédictiondes forêts aléatoires à une prise en compte de la dépendance intra-expérimentation desobservations via un facteur aléatoire. Nos résultats soulignent i) le rôle des interactionspositives au sein de ces mélanges en conditions bas-intrants ainsi que ii) la placeprépondérante des interactions plante-plante, notamment celles liées à l’architecturedu couvert dans la performance de ces mélanges.Mon travail de thèse souligne l’utilité de l’écologie des communautés dans la compréhensiondu fonctionnement d’agroécosystèmes complexes et le potentiel prometteurde l’utilisation de jeux de données globaux en agronomie analysés avec des méthodesstatistiques avancées.

The use of crop diversity is one of the levers for moving towards a more sustainableagriculture. In this context, cereal-legume intercrops are promising crop mixtures,especially in low-input conditions. The use of statistical models can improve ourunderstanding of the functioning of intercrops. In order to build these models, astrategy is to use data coming from the gathering of existing agronomic experimentsinvolving intercrops. In my PhD, we used a dataset including several variablesmeasured on 8 crop species (3 cereals and 5 legumes) growing in sole crops andintercrops, in 35 experiments.This type of dataset, rarely used in the literature, raises methodological issues due to itsheterogeneity. In ChapterII, we discuss the role of these datasets in agronomic research,develop a method using graph theory to identify sub-datasets inducing completefactorial plans within these global datasets, and illustrate the use of smoothing splinesas a dimension reduction method for dynamic variables.We then use the dataset in Chapter III to evaluate two key plant-plant interactionprocesses (complementarity and dominance) in cereal-legume intercrops across thewhole dataset.We then discuss the effect of two agronomic practices, species choice andfertilization, on these two processes, showing how they impact plant-plant interactions.Finally, in Chapter IV, the dataset is used to develop statistical models whoseexplanatory variables are built based on theories coming from community ecology.The goal of these models is to understand the performance of each component ofthe mixture on a subset of the dataset. Our modeling procedure includes dimensionreduction, data imputation, computation of explanatory features, variable selection(with a parsimony objective), and model fitting. The models used combine theprediction abilities of random forests with a consideration of intra-experimentationdependence of observations via a random factor. Our results highlight i) the roleof positive interactions within these low-input mixtures and ii) the predominantrole of plant-plant interactions, especially those related to cover architecture, in theperformance of these mixtures.My PhD work highlights the usefulness of community ecology in understanding thefunctioning of complex agroecosystems and the promising potential of using globaldatasets in agronomy analyzed with advanced statistical methods.