Phénotypage aérien : les données environnementales issues de drones surpassent les données génomiques dans les tests peu fréquents sur la pomme de terre.

Face à l'intensification de la variabilité météorologique interannuelle due au changement climatique, les sélectionneurs de plantes sont soumis à une forte pression pour évaluer un plus grand nombre de génotypes dans des environnements diversifiés, tout en maîtrisant les coûts du phénotypage. Les tests sélectifs – n'évaluant qu'un sous-ensemble de génotypes par lieu – constituent une solution pratique, mais exigent des modèles prédictifs robustes pour compléter les données manquantes. Une nouvelle étude publiée dans Rapports scientifiques Cette étude démontre que le phénotypage à haut débit (HTP) à partir d'images de drones peut constituer une alternative efficace aux informations génomiques dans de tels contextes. Des chercheurs, travaillant sur 256 clones de pomme de terre dans trois environnements suédois (deux sites entre 2020 et 2021), ont extrait des indices de végétation intégrés dans le temps, le couvert végétal et la hauteur des plantes à partir d'images RVB acquises par drone. Grâce à une analyse en composantes principales (ACP) appliquée à ces caractéristiques extraites des images, ils ont construit un « noyau environnemental » (noyau E) qui quantifie la similarité entre les sites d'essai et ont comparé ses performances prédictives à celles de la matrice de relations génomiques standard (noyau G) pour des niveaux de données variant de 10 % à 66 %.

Les résultats sont frappants : dans des scénarios à deux environnements avec une complétude des données de 50 %, le noyau environnemental (E-kernel) a surpassé de manière significative le noyau génomique (G-kernel) et leur combinaison pour tous les caractères étudiés, améliorant la précision des prédictions de 60 % pour le rendement total en tubercules et de 62 % pour la fraction de calibre 50-60 mm. À 33 % de complétude, la teneur en amidon était le seul caractère avec un coefficient de détermination (r²) supérieur à 0.5, et seul le noyau E a atteint ce niveau. Le noyau génomique s’est avéré plus robuste uniquement en cas de très faible densité de données (10-20 %), tandis que les covariables météorologiques conventionnelles ont montré une capacité limitée à discriminer les sites proches. Notamment, la combinaison des noyaux G et E n’a pas amélioré les prédictions, ce qui suggère un chevauchement des informations. Les auteurs reconnaissent les limitations – taille d’échantillon modeste et fuites environnementales – mais soulignent que les noyaux environnementaux basés sur l’imagerie sont rentables, adaptables et particulièrement précieux pour les cultures à cycle lent comme la pomme de terre tétraploïde. Cette approche offre une voie pragmatique pour accélérer le gain génétique dans les programmes de sélection aux ressources limitées, en particulier pour les caractères liés au rendement, tout en réduisant la charge de phénotypage grâce à des données HTP réutilisables.