|
|
L’analyse des tissus est communément employée en écologie et en agronomie pour établir l’ionome de la plante, qui constitue sa signature d’éléments nutritifs. Or, comme les concentrations d’éléments nutritifs sont des données compositionnelles, c’est-à-dire des données multivariées exprimées en termes de proportions d’un tout, elles possèdent des propriétés mathématiques importantes qui font en sorte que les statistiques obtenues à partir de données brutes ou de données log-transformées ordinaires sont intrinsèquement biaisées et risquent de générer des interprétations erronées. Dans le présent article, nous présentons une méthode robuste et rigoureuse de classification des ionomes, fondée sur un nouveau concept de balance nutritive. Nous avons mesuré les concentrations foliaires de N, P, K, Ca et Mg de deux espèces sauvages et six espèces cultivées de plantes fruitières, dont les échantillons avaient été prélevés au Canada, au Brésil et en Nouvelle-Zélande, durant le stade reproducteur de chaque plante. Nous avons analysé ces concentrations (1) sans transformation, (2) après transformation log ordinaire, conformément à la pratique courante, qui est incorrecte, (3) après transformation log-ratio additive (alr), comme substitut de l’application des règles de la stœchiométrie et (4) après transformation log-ratio isométrique (ilr) en faisant des variables non biaisées de la balance nutritive. Les données brutes et les données log-transformées ordinaires ont donné des analyses multivariées biaisées, à cause de la redondance due à l’interaction entre éléments nutritifs. Les données alr-transformées et ilr-transformées ont permis une analyse discriminante non biaisée des ionomes, donnant une classification des ionomes où les espèces sauvages et cultivées forment deux groupes distincts et où les espèces et cultivars sont différenciés sans biais numérique. La transformation ilr fondée sur la balance nutritive est préférable à la transformation alr, car elle permet de projeter les principales interactions entre éléments nutritifs dans un espace euclidien facilitant leur interprétation. Cette nouvelle méthode de classification numérique permet en outre de corriger les biais générés par les méthodes antérieures et de prendre en compte la plasticité phénotypique dans les études de nutrition végétale.
|
