Évaluation des potentialités de l'imagerie hyperspectrale proche infrarouge et de la chimiométrie dans l'étude de systèmes racinaires. | Evaluation of the potential of near infrared hyperspectral imaging and chemometrics in the study of root systems.

français. Les racines jouent un rôle vital dans le développement des plantes. Premier organe à se développer lors de l’installation des plantes, elles permettent l’ancrage des plantes et le prélèvement d’eau et de nutriments dans le sol. Les racines sont également le lieu d’interaction des plantes avec la rhizosphère, c’est-à-dire le volume de sol à proximité des racines au sein duquel vivent de nombreux microorganismes. Ces microorganismes permettent par exemple à la plante de prélever des ressources dans un volume de sol plus important, facilitent l’acquisition de nutriments fixés dans le sol ou permettent la fixation d’éléments présents dans l’air. Les racines permettent aussi des relations entre plantes, de la même espèce ou non. Enfin, les racines, par leurs exsudats et lors de leur décomposition, apportent des quantités importantes de carbone dans les sols. Leur étude est donc essentielle face aux défis agronomique (diminution des ressources en eau, en fertilisants, compétition interspécifique, cultures associées) et climatiques (stockage de carbone) actuels. Ces études sont d’autant plus intéressantes lorsqu’elles sont menées dans les conditions naturelles de croissance des plantes. Bien que le nombre d’études sur les racines soit croissant et que de nouvelles méthodes d’études soient régulièrement proposées, toutes les études font face au même problème : la présence du sol qui empêche une observation directe des racines. Les études menées sur les racines sont donc toutes basées sur une série d’estimations et de compromis entre la qualité des observations et le nombre d’observations pouvant être réalisées. Parmi les techniques d’étude des racines, celle basée sur le prélèvement de carottes de sol semble être la plus utilisée. Cette méthode, dont la mise en place est relativement simple, permet d’acquérir rapidement, et en grand nombre, des échantillons de sol contenant des racines. Ce nombre élevé de prélèvements permet de répéter les mesures dans le temps et l’espace ce qui permet d’étudier la dynamique de développement racinaire et la distribution racinaire dans le sol. Cette technique est dès lors souvent utilisée comme référence. Pour pouvoir observer, mesurer et quantifier les racines prélevées avec cette méthode, les carottes de sol doivent être lavées pour en extraire les racines. Ces racines doivent ensuite être séparées des autres éléments présents au sein des carottes de sol : racines mortes ou d’autres espèces, résidus de culture, particules de sol, macroorganismes… Ces étapes de lavage et de tri prennent beaucoup de temps, sont fastidieuses, dépendent de l’habilité de l’opérateur et sont donc les principaux freins à la répétition des observations. De plus, certains éléments présents au sein des échantillons lavés sont difficilement déterminables sur base de leur aspect visuel. Afin de faciliter, d'objectiver et de réduire le temps nécessaire à l’étape de tri, réalisée manuellement, une nouvelle méthode basée sur l’utilisation combinée de l’imagerie hyperspectrale proche infrarouge et de la chimiométrie a été proposée. L’imagerie hyperspectrale proche infrarouge est une technique d’analyse chimique qui, en combinant les techniques d’imagerie et de spectroscopie, permet l’acquisition d’un spectre proche infrarouge pour chaque pixel d’une image. Ce spectre est une signature liée à la nature de l’élément sur lequel il a été acquis. La chimiométrie est quant à elle la science qui permet d’extraire l’information des spectres. Cette nouvelle méthode a d’abord été utilisée pour discriminer des racines, des particules de sol et des résidus de culture extraits par lavage de carottes de sol. En comparant les spectres de nouveaux échantillons contenant ces différentes classes d’éléments avec des spectres de références acquis sur ces éléments pris séparément et utilisées pour construire des modèles de discrimination, il était possible de prédire la nature de ces spectres. A l’échelle d’une image hyperspectrale, il était donc possible de prédire la nature de chaque pixel et de connaître la composition de l’échantillon. En liant un nombre de pixels de racines à une masse de racine, il a ensuite été possible de mesurer la masse de racines au sein d’un échantillon sans devoir réaliser de tri manuel et de pesée. Sur base de leurs signatures spectrales, cette méthode a également permis de discriminer et de quantifier des racines de différentes espèces au sein d’échantillons de sol et d’étudier la composition de ces racines. Dans le cadre des recherches menées dans cette thèse, l’imagerie hyperspectrale proche infrarouge a été utilisée pour étudier le développement racinaire du froment d’hiver selon différentes modalités de travail du sol, pour quantifier les racines de cultures de froment et de pois d’hiver cultivées en association et pour mesurer des teneur en leghémoglobine, une protéine associée à la fixation de l’azote atmosphérique par les légumineuses, dans des nodosités de pois. Les recherches ont également eu pour objectif d’étudier la qualité de différents modèles de discrimination, de caractériser la stabilité du système d’acquisition des images hyperspectrale et d’identifier les sources d’erreurs lorsque cette méthode était utilisée pour quantifier des masses de racines. Si ces recherches ont montré les potentialités de l’imagerie hyperspectrale proche infrarouge dans l’étude des racines (suppression des étapes de tri et de pesées, possibilité de quantifier des racines de natures différentes et de composés au sein des racines), elles ont également montré plusieurs limites à cette méthode. Ces limites dans la quantification précise des racines sont dues à l’instabilité du système d’acquisition, à la résolution spatiale des images, au recouvrement des racines et des résidus de culture lors de l’acquisition des images et à la difficulté de classer certains spectres. De plus, les modèles mis au point ne sont valables que pour discriminer les classes de spectres pour lesquels ils ont été calibrés et ne permettent donc pas de classer des éléments de natures différentes tels que les racines d’autres cultures. Avec ces limites, l'imagerie hyperspectrale peut donc être utilisée pour faire des estimations grossières de masses racinaires mais ne permet actuellement pas de réaliser des mesures précises. En conclusion, lorsque l’étape de calibration des modèles chimiométriques est réalisée, l'imagerie hyperspectrale proche infrarouge couplée à des modèles chimiométriques permet de s'affranchir des étapes de tri et de pesée qui limite la vitesse de traitement des échantillons de sol prélevés par carottage. Cette méthode est particulièrement adaptée pour étudier des distributions racinaires, selon différentes pratiques agricoles par exemple, et des profondeurs d’enracinement. La quantification de la leghémoglobine sur base de l’imagerie hyperspectrale proche infrarouge semble également être particulièrement intéressante pour étudier des teneurs en leghémoglobine à l’échelle de nodosités individuelles et pour étudier la distribution de ces teneurs sur des systèmes racinaires de légumineuses.

anglais. Roots play a vital role in plant development. First organ appearing at plant installation, they provide plant anchorage and absorb water and nutrients in the surrounding soil. Roots play also a role in relations between plants, from the same species or not, and with soil microorganisms. Furthermore, by their exudates and their decay, roots bring large amount of carbon in soils. Their study is therefore essential in order to face the present challenges in agronomy and with climate changes: decrease of water and nutrient resources, interspecific competition, intercropping and carbon storage in soils. This study is even more interesting when it is conducted in natural plant growing conditions. All root studies conducted in natural conditions face to the same problem: the soil presence which hinder roots and do not allow direct observations. Root studies are therefore based on estimations and a compromise between observation quality and number of feasible observations. Among existing techniques for root study, soil coring seems to be the most used. This technique, which is easy to use, allows rapid acquisitions of large number of soil samples containing roots. This ability to acquire a large number of samples allow the sampling replication in time and space and allow therefore to study root development dynamic and root distribution in soils. This technique is therefore often used as a reference. In order to observe, measure and quantify roots acquired with this method, soil cores have to be washed to extract roots from soil. These roots have then to be separated from the other elements present in the cores: dead roots, roots from other species, crop residues, soil particles, macro organisms… These washing and sorting steps are time consuming and tedious, depend on operator ability and are therefore the main limitation in observation replication. Moreover, some elements extracted from soil cores are hardly separable on their visual aspect. In order to facilitate, objectify and reduce the time needed for the manual sorting step, a new method, based on near infrared hyperspectral imaging and chemometrics, was proposed. Near infrared hyperspectral imaging is a chemical analysis technique combining imagery and spectroscopy and allowing the acquisition of one single near infrared spectrum for each pixel of an image. This spectrum is a signature linked to the physicochemical nature of the pixel on which it is acquired. Chemometrics is the science allowing the extraction of relevant information from spectra. This method was first used to discriminate roots, soil particles and crop residues extracted by washing soil cores. The developed chemometric models allowed the classification, in predefined classes, of each pixel of hyperspectral images acquired on soil samples. The composition of studied samples was therefore known. By linking the number of pixels classified as root to a root mass, it was then possible to predict the root mass in a sample without having to sort it manually and to weight it. Based on their spectral signature, this method also allowed discrimination and quantification of roots from different species and study on root composition. As part of the research conducted in this thesis, near infrared hyperspectral imaging was used to study root development of winter wheat cultivated after contrasted tillage practices, to quantify roots from winter wheat and pea crops cultivated together and to measure leghaemoglobin content, a protein involved in nitrogen fixation by legumes, in pea nodules. Research also aimed to study the quality of several discriminant models, to characterize hyperspectral image acquisition system stability and to identify error sources when this method was used to quantify root masses. Although these research showed the potentialities of near infrared hyperspectral imaging in root studies (sorting and weighting steps suppression, opportunities in quantification of roots from several species and of root compounds), they also highlighted the limits of this method. These limits in precise root mass quantification are due to image acquisition system instability, image resolution, overlapping of roots and crop residues during image acquisition and difficulties to classify some spectra. Moreover, developed models are only usable in discrimination of spectral classes for which they were- built. They are therefore not useable on new elements like roots from other crops. With their advantages and limitations, near infrared hyperspectral imaging and chemometrics can therefore be used to estimate roughly root masses but is currently not usable for precise measurements. They seem to be particularly interesting to study leghaemoglobin content in single nodules and to study the distribution of these contents on legume root systems.