Bibliothèque open source dédiée à la création de systèmes d'aide à la décision pour la gestion intégrée des cultures. Elle permet aux agriculteurs et conseillers agricoles d'accéder à des modèles prédictifs et des outils d'analyse pour réduire l'usage des pesticides tout en maintenant la productivité. Développée dans le cadre d'un projet européen, elle s'appuie sur des données agronomiques et météorologiques pour proposer des recommandations adaptées.

Astk est une bibliothèque open source dédiée à la modélisation de la luminance du ciel et des sources lumineuses solaires. Elle permet de calculer des données d'irradiance et de position du soleil à partir de données météorologiques, utiles pour les modèles de simulation de lumière dans les plantes. Développée par des chercheurs, elle s'intègre dans des workflows de modélisation agronomique et de recherche en environnement.

OpenAlea.Adel est un outil de modélisation et de simulation dédié à l'étude du développement architectural des plantes graminées. Il permet de reproduire en 3D la croissance et la morphologie des plantes, facilitant ainsi la recherche agronomique et l'analyse des interactions entre génétique et environnement. Les modèles intégrés, comme Adel-Maize et Adel-Wheat, aident à comprendre les mécanismes de développement végétal et à optimiser les pratiques culturales.

CNW-Grass est un modèle fonctionnel de structure végétale (FSPM) dédié à l'étude des graminées. Il simule la croissance des plantes en intégrant la morphogenèse, le métabolisme du carbone et de l'azote, ainsi que les flux d'eau. Le modèle prend en compte des paramètres pédoclimatiques (température, lumière, humidité, CO2, etc.) pour prédire le développement des organes végétaux, la photosynthèse, la transpiration et la sénescence. Il est utilisé en recherche agronomique pour optimiser les pratiques culturales et comprendre les interactions entre croissance végétale et environnement.

Ce projet open source permet de transformer et structurer des données météorologiques brutes en formats adaptés pour des analyses scientifiques et agricoles. Il facilite l'utilisation de ces données dans des environnements Python et OpenAlea, notamment pour des applications en modélisation climatique, recherche agronomique ou gestion des ressources naturelles. Les données sont optimisées pour une intégration fluide dans des workflows de recherche ou des outils de décision.