Dans un contexte de changement climatique les cultures vont être plus fréquemment soumises à des événements climatiques extrêmes. Continuer le progrès sur le rendement du maïs requiert de considérer de nouvelles méthodes génétiques pour caractériser les avantages comparatifs de génotypes en conditions de sécheresse et de températures élevées. L'objectif principal de cette thèse est d'améliorer les connaissances du contrôle génétique du rendement du maïs et de ses composantes sous stress hydrique et thermique dans un réseau d'essai au champ. Pour cela, nous avons utilisé des données issues du projet UE DROPS et du projet français Amaizing avec 29 essais au champ répartis en Europe et au Chili, en 2012 et 2013, avec des traitements irrigué et non irrigué dans chaque site. Une caractérisation précise des conditions environnementale a été réalisée, ainsi qu’une mesure précise de la phénologie et du rendement et de ses composantes sur un panel de 244 hybrides de maïs. L’approche utilisée dans cette thèse a consisté à utiliser la caractérisation environnementale précise en chaque site pour disséquer les interactions entre génotype et environnement. Dans un premier temps nous avons classé les 29 essais en six scenarios environnementaux qui avaient été préalablement définis sur de longues séries climatiques dans toute l'Europe. Les régions génomiques associées au rendement ont eu des effets très variables entre sites, qui dépendaient des scenarios environnementaux. On peut donc associer chaque allèle à une région d'Europe où il a une forte probabilité d'effet positif. Dans un second temps, en combinant les données issues de plateforme et du champ, nous avons estimé les réponses du rendement au rayonnement intercepté pendant la période végétative, et à la température et au déficit hydrique à la floraison. Nous avons identifié les régions génomiques associées à ces réponses, rendant les génotypes analysés tolérants ou sensibles à la variable considérée. Ce travail ouvre des perspectives pour l’amélioration des plantes dans un contexte de changement climatique. / Climate changes are a reality and crops will encounter more frequent climatic accidents. Continuing progress in yield requires considering new genetic method to characterize the comparative advantages of genotypes under drought and high temperatures. The main goal of this thesis is to improve the knowledge of the genetic control of grain yield and its components as affected by drought and heat in a network of field experiments. We used for that data coming from the EU project DROPS and the French project Amaizing with 29 field trials spread over Europe and Chile, in 2012 and 2013, with irrigated and rainfed treatments in each location. A detailed environmental characterisation was carried out and associated with precise measurement of phenology and grain yield and its component on a panel of 244 maize hybrids. The approach consisted in using the precise environmental characterisation to dissect the genotype-by-environment interaction. In the first place, we have classified the 29 experiments into six environmental scenarios that were previously defined using long climatic series over Europe. The genomic regions associated with grain yield displayed differents effects between sites, depending on the environmental scenarios. It is thereby possible to associate each allele to a European region in which it is likely to have positive effect. In a second time, by combining data coming from the field and the platform, we have estimated responses of grain yield to intercepted radiation during the vegetative period, and to temperature and water deficit at flowering. We have identified the genomic regions associated with the responses, making the studied genotypes tolerant or sensitive to the considered variable. This work opens new perspectives for plant breeding under climate change.
| Identifer | oai:union.ndltd.org:theses.fr/2016NSAM0010 |
| Date | 28 October 2016 |
| Creators | Millet, Emilie |
| Contributors | Montpellier, SupAgro, Tardieu, François, Welcker, Claude |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0023 seconds