Prvoir la capacit photosynthtique dune feuille partir dune

Prévoir la capacité photosynthétique d’une feuille à partir d’une combinaison de ses traits fonctionnels : le test en milieu naturel. Projet de maîtrise en biologie Directeur de recherche de Giancarlo MARINO Bill SHIPLEY

Eau + Lumière + CO 2 -> Oxygène + Glucose n n n L’assimilation de C est la fonction la plus importante dans la majorité des feuilles. Un excellent indicateur pour l’évaluer : taux de photosynthèse de la feuille + L’intensité de lumière est le patron fondamental du taux de photosynthèse = La réponse photosynthétique (A) vs la radiation lumineuse (I) est un bon instrument pour prédire la productivité des plantes

Influence de l'éclairage sur la photosynthèse q( ) Θ Amax L. C. P. Rd n n n L'éclairage saturante ou optimale ( L'éclairage saturante ou optimale Amax) : c'est l'éclairage pour laquelle la courbe atteint un plateau. Le rapport quantique ( Le rapport quantique q( )) : une mesure de l’efficience avec laquelle les plantes utilisent l’énergie absorbée pour produire des sucres. Le point de compensation de la lumière (L. C. P. ). Le taux de respiration en absence de lumière (Rd). La convexité (Θ).

Comparaison de la photosynthèse des plantes de lumières et des plantes d'ombres

Contexte et problématiques de la recherche n n Existent-ils des contraintes générales sur les différentes organisations structurelles et fonctionnelles des plantes de différentes espèces? Besoin : développer des méthodes pour comprendre s’il existe des façons de «construire» les plantes et comment ces façons varient en fonction de l’environnement. u 2548 espèces u 175 sites u 6 variables (LMA, Amax, N, P, LL, Rd) Wright et al. 2004. The worldwide leaf economics spectrum. Nature 428: 821 -827.

Le 82% de la variation de Amass, LMA et Nmass entre les espèces se distribue autour d’une droite dans l’espace à trois dimensions.

Recherches antérieures du laboratoire Le projet de M. Sc. de Marouane Aqil SLA azote chlorophylle n u Amax q(Ф) Rd l’étude de M. Aqil est basée sur seulement 25 espèces herbacées, cultivées dans conditions constantes d’intensité lumineuse, disponibilité des nutriments, température, etc. prévision interspécifique possible sur le terrain où les conditions de culture sont beaucoup plus variables?

Mes variables Paramètres Attributs n n n photosynthèse lorsque la feuille est saturée de lumière (Amax/Wmax) taux de respiration en absence de lumière (Rd) Le point de compensation de la lumière (L. C. P. ) Le rapport quantique (q( ) ) Θ = convexité n n n Masse fraîche Surface spécifique des feuilles (SLA) ou masse des feuilles pour unité de surface (LMA=1/SLA) Contenu en azote des feuilles (N) Chlorophylle (Chl) Leaf dry matter content (LDMC) Épaisseur

Puissance de prédiction n n Trouver une méthode pour prévoir les paramètres Amax, LCP, q( ) et Rd à partir des quelques traits des feuilles, peut nous permettre d’extrapoler les données pour construire des courbes de photosynthèse a partir de la base de données mondiale. La réalisation d’un tel objectif est importante pour améliorer les modèles en foresterie et en agriculture en tenant compte de la réponse photosynthèse – lumière dans les projets de gestion.

Dispositif expérimental Base de données: Site 1 Site 2 Site 3 Site 4 Site 5 Site 6 Site 7 Site 8 Espèce 1 Individu 1 Espèce 2 Espèce 3 Espèce 4 Espèce 5 Individu 2 n feuille soleil feuille ombre 0 50 100 200 400 800 1600 1 mesure de photosynthèse à la seconde (moyenne sur 15 s, 3 répliques).

Plan des sites

Espèces n n n n n 1. Acer negundo 2. Acer pensylvanicum 3. Acer rubrum 4. Acer saccharinum 5. Acer saccharum 6. Alnus rugosa 7. Aesculus hippocastanum 8. Betula alleghaniensis 9. Betula papyrifera 10. Betula populifolia 11. Castanea sativa 12. Celtis occidentalis 13. Cornus alternifolia 14. Cornus stolonifera 15. Crataegus sp. 16. Fagus grandifolia 17. Fraxinus americana 18. Fraxinus pennsylvanica lanceolata 19. Juglans cinerea 20. Malus pumila n n n n n 21. Ostrya virginiana 22. Parthenocissus quinquefolia 23. Polygonum cuspidatum 24. Populus balsamifera 25. Populus deltoides 26. Populus tremuloides 27. Prunus serotina 28. Quercus macrocarpa 29. Quercus robur 30. Quercus rubra 31. Rhamnus frangula 32. Rhus typhina 33. Rosa rugosa 34. Salix nigra 35. Syringa vulgaris 36. Tilia americana 37. Tilia cordata 38. Ulmus americana 39. Ulmus rubra 40. Vitis riparia

Méthodologie : Mesures de photosynthèse Les mesures des échanges gazeux pour la détermination de l’activité photosynthétique des feuilles sur le terrain ont été effectuées avec le nouvel appareil CI-340 Portable Photosynthesis System qui permet en même temps de contrôler plusieurs variables environnementales pendant la prise de mesures. Nous avons commencé au mois de mai, après que les feuilles soient sorties et aient atteintes leurs tailles normales. • Concentration de CO 2 • Intensité de lumière • Humidité • Température • Débit de CO 2 • Surface de la feuille

Méthodologie : Mesures de photosynthèse • • [CO 2]=400 ppm Humidité=60% T=20°C Débit de CO 2

Méthodologie: Mesures des attributs de la feuille

Analyses statistiques préliminaires Outils mathématiques l’équation de Mitscherlich : (photosynthèse nette) n l’équation de l’hyperbole non rectangulaire : (photosynthèse brute) n Am, Wm = le taux maximal de photosynthèse nette quand la lumière n’est plus limitante (I ) = le point de compensation de la lumière (L. C. P. ) q(…) = le rapport quantique, taux de variation instantané de la photosynthèse par rapport à la variation de l’intensité de lumière (d. A / d. I). Q = convexité, paramètre qui contrôle les comportements de la fonction aux niveaux intermédiaires de lumière Rd = le taux de respiration de la feuille

Reg. Non Lin. – Prévisions des paramètres Les paramètres de la courbe photosynthétique de Mitscherlich ont été calculés en utilisant la fonction « nls » de R (régression non linéaire). Une fois les points tracées, on trouve la meilleure interpolante et on détermine les valeurs de: n n n Amax LCP q(Φ) Øfit<-nls(photo~Am*(1 -exp(q*(LCP-lumiere)/Am))), data=gcphoto, start=list(Am=8, q=0. 08. LCP=5, suset=sel, na. action=na. omit, trace=T)

Reg. Non Lin. – Prévisions des paramètres Les paramètres de la courbe d’hyperbole non rectangulaire ont été calculés en utilisant le logiciel « Photosynthesis Assistant » : • Wmax • q(Φ) • Rd • Θ Light response curve analysis

Détermination des attributs des feuilles - Mitscherlich n n n SLAo, Chlo, No Amaxo, q(Φ)o, LCPo SLA , Chl , N , Amax , q(Φ) , LCP SLA●, Chl●, No● Amax●, q(Φ)●, LCP● Chaque courbe correspond à une feuille avec ses attributs spécifiques.

Détermination des attributs des feuilles - hyperbole non rectangulaire n n n SLAo, Chlo, No Θo, q(0)o, Amaxo, R 0 o SLA , Chl , N , Θ , q(0) , Amax , R 0 , SLA●, Chl●, No●, Θ●, q(0)●, Amax●, R 0●, Chaque courbe correspond à une feuille avec ses attributs spécifiques.

Construction de la base de données pour la prévision E P F Sla Chl N 1 A 1 1 357. 99 1. 95 2. 20 2 A 1 2 358. 38 2. 18 1. 96 3 A 2 1 364. 42 1. 77 3. 01 4 A 2 2 401. 89 2. 40 1. 73 5 B 1 1 433. 92 2. 13 1. 91 6 B 1 2 659. 93 1. 71 3. 92 : : : : : 160 Z 2 2 536. 96 2. 09 1. 64

Extrait de la base de données

Analyses avancées n Les relations entres les paramètres et les attributs morphologiques et chimiques des feuilles peuvent être développées en utilisant les régressions linéaires multiples et les corrélations.

Linear Mixed-Effects models n Am Prévision de Amax, Wmax, Rd, θ , sur la base des attributs des feuilles: ln(Amax) = 4. 4538 – 0. 4124 * ln(SLA) r 2 =0. 59 (espèce) (0. 5363) (0. 0984) Wm ln(Wmax) = 4. 8993 – 0. 4507 * ln(SLA) r 2 =0. 55 (espèce) (0. 4825) (0. 0885) Rd ln(Rd) = 0. 8220 + 0. 8149 * ln(épaisseur) r 2 =0. 20 (espèce) (0. 6808) (0. 3728) θ θ = – 0. 6408 – 0. 2857 * ln(N) (0. 1051) (0. 2548) r 2 =0. 08 (feuille)