Os modelos de planta funcional-estrutural (FSP) são usados ​​para auxiliar na entendendo os links entre a arquitetura física de uma planta e os mecanismos de desenvolvimento que a criam. Um dos principais desafios da modelagem FSP é a estimativa de parâmetros, porque, em alguns casos, a coleta de dados por meio de experimentos de campo ou de laboratório é difícil ou impossível, e os valores dos parâmetros devem ser estabelecidos indiretamente, por meio de calibração. A modelagem orientada a padrões (POM) é um meio de calibração no qual os padrões observados são usados ​​para rejeitar combinações de parâmetros irrealistas. Nesse caso, um padrão é qualquer observação de variação não aleatória que pode conter informações sobre o mecanismo que a produziu.

Em recente artigo técnico publicado na Annals of Botany, principal autor Ming Wang e colegas investigado se o POM pode tornar a estimativa de parâmetros para modelos FSP mais eficiente e poderosa do que a calibração manual e se pode reduzir a incerteza quando os dados experimentais não estão disponíveis. Os autores usaram um modelo FSP de arquitetura de ramificação de abacate e testaram a parametrização POM em relação a uma parametrização manual existente para ver se os dois convergiriam.

A calibração com o POM permitiu que o modelo reproduzisse com sucesso os padrões de verificação e até mesmo “prever outros padrões de validação independentes que não foram usados ​​para parametrização do modelo simultaneamente”, escrevem os autores. Embora a calibração do POM não tenha produzido um único conjunto de parâmetros ideal, a saída agrupada, composta por 22 conjuntos de parâmetros, foi adequada e capaz de prever comportamentos emergentes do sistema.

Na verdade, embora um conjunto de parâmetros fosse semelhante à calibração manual, os autores advertem contra o uso apenas do melhor conjunto. “Nosso estudo demonstra que seria arriscado focar apenas em um único conjunto de parâmetros. O conjunto único pode fazer o modelo funcionar perfeitamente sob certos padrões observados, mas quando novos padrões são observados, pode não resultar no modelo produzindo resultados confiáveis ​​que correspondam às novas observações”.

“A abordagem de calibração do POM permite que os modelos FSP sejam desenvolvidos em tempo hábil, sem depender muito de experimentos de campo ou de laboratório ou de calibração manual complicada”, escrevem os autores.