Modelleren en simuleren van gewasgroei en kwaliteit

Centrale onderzoeksvraag/doel

Hoeveel opbrengst en kwaliteit een bepaald gewas precies oplevert hangt af van de complexe interactie tussen omgevingsomstandigheden waarin het gewas groeit en de genetische achtergrond van de plant zelf. In een mathematisch gewasgroeimodel kunnen wetenschappers door middel van wiskundige vergelijkingen de voornaamste omgevingsvariabelen (inclusief management) in relatie plaatsen met de gewasvariabelen. Dit onderzoeksproject bouwt aan een dergelijk model voor enkele ILVO-kerngewassen zoals Engels raaigras en soja. Daarbij willen we niet alleen de (eco-)fysiologische en genetische elementen integreren tot voorspelbare fysiologische mechanismen. We willen ook dat het model projecties kan maken naar relevante eigenschappen zoals opbrengst en kwaliteit onder klimaatsverandering.

Onderzoeksaanpak

Voor de gewassen raaigras en soja verzamelen we eerst relevante historische en nieuwe gegevens over gewasopbrengst, kwaliteit en omgevingsvariabelen. We gaan vervolgens op zoek naar modelparameters die kunnen geschat worden aan de hand van de beschikbare gegevens. We bekijken welke extra gegevens een grote meerwaarde zouden betekenen om modelparameters te schatten. Deze fase heet de identificeerbaarheidsanalyse om een robuust model op te bouwen. Op basis van experimentele gegevens schatten we het gewicht van elk van de parameters. We voeren ten slotte virtuele experimenten uit waarbij we variëren in bijvoorbeeld plantafstand, om de wijzigingen in opbrengst en kwaliteit te voorspellen.

Relevantie/Valorisatie

Gewasgroeimodellen zijn zeer sterke tools (i) om de groei en de kwaliteit van gewassen in interactie met hun omgeving te begrijpen, (ii) om de genetische bronnen te identificeren die het best aangepast zijn aan groei in specifieke omgevingen en (iii) om voorspellingen onder toekomstige klimaatsverandering scenario’s te maken. Dankzij dergelijke gewasgroeimodellen kunnen we de geïntegreerde respons van planten op wisselende omgevingscondities beter begrijpen. Bovendien komen we dichter bij trefzekere voorspellingen van de waarde van bepaalde genotypes of selecties. We zullen in staat zijn om het effect van huidige en toekomstige klimaats- en/of managementscenario's door te rekenen naar opbrengst en kwaliteit van het gewas.