Modelos de planta funcional-estrutural (FSPM) definem as interações entre as plantas e seu ambiente em escala de órgão para planta. No entanto, o alto nível de descrição da estrutura ou dos mecanismos do modelo torna esse tipo de modelo muito complexo e difícil de calibrar.

Mathieu et al. propõem um método de duas etapas para facilitar o processo de calibração com base primeiro em uma análise de sensibilidade no critério de calibração e, em segundo lugar, no Critério de Informação de Akaike. Para o modelo de colza de inverno estudado, 11 dos 26 parâmetros estimados foram selecionados. Em seguida, o modelo pode ser recalibrado para um conjunto de dados diferente reestimando apenas três parâmetros selecionados com o método de seleção de modelo.

Ajustar apenas um pequeno número de parâmetros aumenta drasticamente a eficiência da recalibração, aumenta a robustez do modelo e ajuda a identificar as principais fontes de variação em condições ambientais variáveis. Este método inovador ainda precisa ser validado mais amplamente, mas já oferece caminhos interessantes para melhorar a calibração dos FSPMs.