Los modelos funcionales-estructurales de plantas (FSPM) definen las interacciones entre las plantas y su entorno a escala de órgano a planta. Sin embargo, el alto nivel de descripción de la estructura o mecanismos del modelo hace que este tipo de modelo sea muy complejo y difícil de calibrar.
Mathieu et al. Proponga un método de dos pasos para facilitar el proceso de calibración basado primero en un análisis de sensibilidad sobre el criterio de calibración y segundo en el criterio de información de Akaike. Para el modelo de colza de invierno estudiado, se seleccionaron 11 de los 26 parámetros estimados. Luego, el modelo podría recalibrarse para un conjunto de datos diferente al volver a estimar solo tres parámetros seleccionados con el método de selección del modelo.
Ajustar solo una pequeña cantidad de parámetros aumenta drásticamente la eficiencia de la recalibración, aumenta la solidez del modelo y ayuda a identificar las principales fuentes de variación en condiciones ambientales variables. Este método innovador aún necesita una validación más amplia, pero ya brinda vías interesantes para mejorar la calibración de los FSPM.
