基于模型的方法辅助向日葵作物品种评估

评估新品种的性能和特性（如产量、质量、抗病性、非生物胁迫耐受性）是作物性能改良的关键组成部分。然而，品种测试过程目前完全基于实验田间方法，这固有地减少了经验组合（品种×环境条件）的数量和多样性，相对于栽培区域内生长条件的多样性而言。我们的目标是通过作物建模和模拟，更大更快地利用于这些试验产生的信息，以扩大新品种被测试的环境和农艺条件。在本研究中，我们提出了一种基于模型的方法来辅助品种测试，并在向日葵作物上实施该方法，使用SUNFLO模拟模型和每年由农业推广服务进行的大型多环境试验（MET）的一个包含80个试验的子集，以比较新发布的向日葵杂交种。在估计参数值（使用植物表型分析）以说明新遗传物质后，我们独立评估了模型在MET上的预测能力（模型准确率为54.4%）及其对商业杂交种性能水平排序的能力（Kendall's $\tau$ = 0.41, P < 0.01）。然后，我们设计了一个数值实验，结合先前测试的基因型和新的种植条件（2100个虚拟试验），以确定在法国代表性生产区域的最佳品种和相关管理。我们建议这种方法可以找到操作结果，以根据环境类型推荐品种。这种遗传资源的空间管理可能通过减少农业环境中的基因型-表型错配来潜在地改善作物性能。