L'objectif de cette thèse est de développer des méthodes d'optimisation et de contrôle optimal pour l'amélioration du rendement des cultures en utilisant le modèle de croissance de plantes GreenLab. Les méthodes proposées doivent se placer dans le contexte suivant: (1) la recherche d'amélioration du rendement se fait par des simulations basées sur le modèle structure-fonction GreenLab et (2) les méthodes utilisées sont des algorithmes d'optimisation heuristiques et des techniques de contrôle optimal. L'application de ces méthodes à plusieurs espèces de plantes, allant des plantes agronomiques aux arbres, et avec des différents objectifs a permis d'identifier certaines caractéristiques associées à des plantes ayant un bon rendement. En particulier, les résultats d'optimisation ont révélé la dynamique des relations source-puits au sein de la plante durant sa croissance. Ces résultats peuvent être considérés comme des références pour guider la sélection génétique pour l'amélioration variétale, et également pour l'amélioration des itinéraires culturaux. La perspective à long terme de cette thèse est l'intégration de ses résultats dans des outils d'aide à la décision pour l'agriculture. Pour atteindre les objectifs de cette thèse, nous avons analysé successivement les effets de facteurs endogènes et exogènes (environnementaux) sur la croissance de la plante et sur son rendement. Plus précisément, l'effet des facteurs endogènes a été étudié à conditions environnementales fixées, puis des méthodes de contrôle optimal ont été appliquées sur les variables environnementales, pour un génotype de plante fixé. En conséquence, les problèmes traités dans cette thèse relèvent à la fois de la théorie de l'optimisation et du contrôle optimal. Les principales contributions de cette thèse incluent les points suivants : Des problèmes d'optimisation simple objectif, d'optimisation multi-objectif et d'optimisation sous contrainte ont été formulés et résolus, dans le but de trouver les paramètres endogènes associés à la plante ayant le plus haut rendement, ce qui correspond à la définition d'un idéotype, pour une plante d'espèce donnée. Pour la plupart des problèmes d'optimisation présentés, la méthode la plus appropriée est celle d'un algorithme basé sur une population. Plusieurs algorithmes de ce type ont été comparés et celui ayant les meilleures performances est un algorithme heuristique nommé Particle Swarm Optimization (PSO). Du contrôle optimal a été appliqué pour définir la stratégie d'élagage optimale (application aux feuilles de thé). Come GreenLab peut être formulé comme un système dynamique discret et que la fonction objectif est analytique, une méthode basée sur le gradient, basée sur une approche variationnelle et sur la théorie de Lagrange, a été utilisée. La solution trouvée à été comparée à celle obtenue par la méthode PSO afin de valider cette dernière. Un modèle de dynamique de population d'insectes a été développé à des échelles spatiales et temporelles compatibles avec le modèle GreenLab, afin d'étudier l'interaction plante-insectes. Plus précisément, un écosystème tritrophique a été modélisé, incluant les interactions entre les plantes, les insectes ravageurs et des prédateurs des ravageurs, appelés insectes auxiliaires. un modèle des interaction. L'originalité de ce travail est la rétro-action entre la dynamique de population des insectes et la croissance de la plante, ainsi que la prise en compte de la répartition spatiale des insectes sur chacun des organes de la plantes. Une analyse de sensibilité basée sur la méthode de Morris a été appliquée pour identifier les paramètres les plus ou moins influents sur les sorties d'intérêt. Cela a permis de calculer des stratégies optimales pour l'application des techniques d'éradication des ravageurs. Les paramètres de GreenLab ont été estimés sur environ 400 jeux de données correspondant à 44 génotypes de tomates, à l'aide d'un algorithme des moindres carrés non linéaires généralisés. Considérant l'ensemble des valeurs estimées comme l'espace des paramètres possibles, nous avons calculé les valeurs optimisant le rendement en fruits des tomates. Nous avons analysé les corrélations entre les paramètres estimés ou optimaux et le rendement à l'aide de méthodes statistiques, ce qui a permis d'identifier les plus importants paramètres responsables des différences observées parmi les rendements des différentes plantes. Ainsi, à partir de ces résultat d'optimisation et d'analyse des corrélation, les différences phénotypiques entre différents génotypes ont pu être expliquées d'un point de vue physiologique. / The objective of the thesis is to improve plant yield through optimization and optimal control based on the GreenLab plant growth model. Therefore, the thesis proposed a methodology for investigation of plant yield improvement，whose characteristics are that (1) investigations are all based on the functional-structural plant growth model GreenLab and (2) heuristic optimization algorithm and optimal control techniques are applied to the plant growth model in order to improve plant yield. By applying optimization techniques on different species of plants (crops or trees) and for different kinds of optimization problems, common characteristics that a plant with high yield should possess were obtained. The optimal results in the thesis revealed the source-sink dynamics during the plant growth. The optimization results can be considered as references to guide breeding for ideotype and to improve cultivation modes. The optimization application of GreenLab could thus be possibly used to the agricultural decision support system.To achieve the aims of the thesis, the thesis investigated the effects of endogenous factors and exogenous environmental factors of plant growth on plant yield separately. First, given environmental conditions, the thesis investigated endogenous factors, and then the thesis did optimal control on exogenous environmental factors given plant genotype. Therefore, the problems investigated in the thesis consist of general optimization problems and optimal control problems.The main contributions of the thesis include following issues: According to the species of plants, single optimization problems, multi-objective optimization problems and optimization problems with constraints with respect to plant endogenous factors were formulated and investigated, in order to find the ideotype of plants with high plant yield. A population based algorithm is more suitable for the optimization problems in this thesis. Due to its better performance compared with other heuristic optimization algorithms, all optimization problems were solved by a population-based, heuristic optimization algorithm, namely Particle Swarm Optimization (PSO). Optimal control on the pruning strategy was formulated and investigated in the thesis. As GreenLab can be considered as discrete dynamic system and the objective function of the optimal control problem is analytical, the gradient based method, which is based on the variational approach and Lagrange theory, was used to solve the optimal control problem. Moreover, the optimal solutions were compared with the ones found by PSO, in order to validate the PSO method. The insect population dynamics was modeled mathematically, which was compatible with the plant model GreenLab in terms of spatial and temporal scales, to study the effect of biotic factors on plant growth. The interaction among plants, pests and auxiliaries was implemented, and the ecosystem model, which involves the three tri-trophic components, was thus developed in the thesis. The tri-trophic ecosystem model can simulate the insect population dynamics and the plant growth with consideration of the interaction of insects. Moreover, the tri-trophic ecosystem model considered the partition of individuals in the insect population among plant organs, which is not taken into account in the previous works. A global sensitivity analysis method Morris method was used to analyze the most important parameters and the least influential parameters to model outputs of interest. Through optimization on pest management techniques, the optimal strategies of the application of the pest management techniques were obtained. Estimation of GreenLab parameters with about 400 sets of observation data of 44 tomato genotypes was done in the thesis, by using a generalized non-linear least square algorithm. Taking the estimated parameter values as parameter space, the GreenLab model parameters were optimized, in order to maximize the fruit yield. Through the analysis of the correlation of estimated and optimal parameters with the fruit yield by statistical analysis methods, the most important parameters that result in the difference of fruit yield were found. According to the correlation and optimization results, the phenotypic differences among genotypes were explained from the physiological point of view.
| Identifer | oai:union.ndltd.org:theses.fr/2010ECAP0006 |
| Date | 10 March 2010 |
| Creators | Qi, Rui |
| Contributors | Châtenay-Malabry, Ecole centrale de Paris, Institute of Automation (Pékin), Reffye, Philippe de, Hu, Baogang |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0034 seconds