Funktional-strukturelle Pflanzenmodelle (FSPM) definieren die Wechselwirkungen zwischen den Pflanzen und ihrer Umwelt auf der Ebene von Organ zu Pflanze. Der hohe Beschreibungsgrad der Struktur oder der Modellmechanismen macht diese Art von Modellen jedoch sehr komplex und schwer zu kalibrieren.

Mathieu et al. schlagen eine zweistufige Methode vor, um den Kalibrierungsprozess zu erleichtern, basierend auf erstens einer Sensitivitätsanalyse des Kalibrierungskriteriums und zweitens auf dem Akaike-Informationskriterium. Für das untersuchte Winterrapsmodell wurden 11 aus 26 geschätzten Parametern ausgewählt. Dann könnte das Modell für einen anderen Datensatz neu kalibriert werden, indem nur drei Parameter neu geschätzt werden, die mit dem Modellauswahlverfahren ausgewählt wurden.

Das Anpassen von nur einer kleinen Anzahl von Parametern erhöht die Effizienz der Rekalibrierung dramatisch, erhöht die Robustheit des Modells und hilft, die Hauptursachen für Abweichungen bei unterschiedlichen Umgebungsbedingungen zu identifizieren. Diese innovative Methode muss noch umfassender validiert werden, bietet aber bereits interessante Möglichkeiten zur Verbesserung der Kalibrierung von FSPMs.