PhénoVigne

PhénoVigne

Caractériser à haut-débit les variétés de vigne en conditions naturelles
Responsables : Eric Duchêne (SVQV) & Lionel Ley (UEAV)

Établir des relations entre l'information génétique et les caractéristiques des plantes pour créer les cépages du futur

L’équipe Génétique et Amélioration de la Vigne (GAV) a comme principaux objectifs d'acquérir des connaissances et de développer de nouvelles méthodes et ressources pour créer des variétés de vigne durablement résistantes aux maladies et produisant des vins de haute qualité dans le contexte du changement climatique.

Elle conduit pour cela des recherches visant à identifier des régions clés du génome qui gouvernent des caractères d'intérêt agronomique (résistance à des maladies, caractères de qualité, productivité et capacité d’adaptation), et à développer des méthodes de sélection modernes basées sur des approches prédictives adaptées à cette espèce.

Ces travaux nécessitent la culture et la caractérisation d'effectifs élevés de différents génotypes de vigne. Actuellement l'équipe dispose de plus de 5000 génotypes en serre ou au vignoble. Les décrire finement dans un contexte viticole, c'est-à-dire caractériser leur phénotype, pour établir des relations génotype-phénotype est un défi impossible à relever sans l'apport de technologies modernes.

Un équipement innovant

PhénoVigne 1

 

 

Pour lever ce verrou l'UMR "Santé de la Vigne et Qualité du Vin" Université de Strasbourg - INRAE du centre Grand Est - Colmar a bénéficié de financements de la région Grand Est et d'INRAE. Elle s'est équipée en 2020 d'un système d'acquisition de données monté sur un tracteur viticole comprenant un système LiDAR (Light imaging Detection And Ranging), générant des nuages de points en 3D des plantes, et des caméras RVB. Cet équipement est mis en œuvre sur le terrain par l'Unité Expérimentale Agronomique et Viticole du centre INRAE Grand Est - Colmar.

Ce premier ensemble, construit sur les expertises de l'infrastructure PHENOME-EMPHASIS a été complété au printemps 2023 par une centrale inertielle, des flashes et une caméra multispectrale.

Des fonctionnalités opérationnelles

La position des capteurs est obtenue à une fréquence de 50hz d'une part grâce aux données GPS corrigées par les informations d'une borne RTK et d'autre part par les informations d'attitudes fournies par la centrale inertielle (Letekoma, 2022). Plus de 2400 parcelles de 3 à 5 souches sont actuellement géoréférencées et le système fournit un fichier séparé pour chacune d'entre elles lors des passages de la PhénoVigne.

PhénoVigne Nuage points

Les nuages de points

L'équipement LiDAR permet de générer des nuages de points. La présence de deux LiDARs permet de couvrir tout le rideau de végétation. Ces données ont d'ores et déjà permis de mettre en évidence des relations entre des variations génétiques sur le chromosome 1 et des paramètres de croissance de la vigne (Chedid et al, 2023).

 

Les caméras

Les images RGB (exemple d'image RGB corrigée, prise de jour) ou mutispectrales doivent nous permettre de quantifier la surface foliaire et son activité à l'aide d'indices tels que le NDVI, et à terme, nous permettre de détecter et de quantifier les attaques de maladies.

Les projets en cours

Des données PhénoVigne ont été obtenues sur plusieurs dispositifs expérimentaux à Colmar, Bergheim et Wintzenheim depuis 2020.

Elles seront utilisées dans le cadre de la thèse de Jacem Ben Hamden qui a commencé début 2024 grâce à des financements d'INRAE et de la région Grand Est.

Contrôler les teneurs en sucres et maintenir une acidité correcte des raisins est un des enjeux majeurs de l'adaptation de la vigne au changement climatique. Une partie de la variabilité génétique  est aux dates de début de maturation (dates de véraison), mais le rapport feuille/fruit a incontestablement un rôle important. L'objectif de ce projet de thèse est de mettre en œuvre des méthodes de caractérisation de la capacité photosynthétiques qui permettent une décomposition objective du caractère "accumulation des sucres" dans les baies.

Dans un deuxième temps nous aborderons la détection et la quantification des attaques de maladies foliaires.

L’utilisation à moyen terme d’un vecteur autonome embarquant tout le système d'acquisition est à l’étude.

Références

Chedid E, Avia K, Dumas V, Ley L, Reibel N, Butterlin G, Soma M, Lopez-Lozano R, Baret F, Merdinoglu D, Duchêne E (2022) Electronic phenotyping is effective in describing vine growth and detecting associated genetic loci. Plant Phenomics 5. doi :10.34133/plantphenomics.0116

Date de modification : 18 avril 2024 | Date de création : 07 mars 2024 | Rédaction : INRAE Grand Est-Colmar