Lhumectation des surfaces végétales, due principalement aux précipitations sous forme de pluie ou de rosée, joue un rôle déterminant lors de la phase de contamination des plantes par de nombreux agents phytopathogènes. La connaissance de la pluie et de la rosée constitue un élément fondamental pour létude et la compréhension du fonctionnement des modèles de simulation des épidémies et des systèmes d'avertissements agricoles. Lobjectif de cette recherche est de contribuer à lamélioration du système davertissement des principales maladies cryptogamiques affectant le blé dhiver au sud de Belgique et au G-D de Luxembourg. Notre démarche a consisté, dans un premier temps à évaluer les potentialités du radar météorologique de Wideumont. Nous avons décrit son fonctionnement général ainsi que son principe de mesure et nous avons détaillé les différentes sources derreur qui affectent les estimations de précipitations dérivées des observations radar. Les mesures radar sont moins précises que les mesures de précipitations par des pluviomètres. Néanmoins, le radar permet dobserver en temps réel les précipitations sur un large domaine avec une très bonne résolution spatiale et temporelle. La comparaison quantitative et qualitative des précipitations mesurées au sol avec celles estimées par le radar a été faite sur une période de trois ans (2003, 2004 et 2005). Les résultats de la validation des cumuls mensuels font apparaître que le radar a tendance à sous-estimer les précipitations. Lerreur calculée pour lensemble des stations varie entre -50% et +12%. La validation qualitative du radar a été réalisée sur des occurrences de cumuls horaires. Les indices calculés à partir des tables de contingence donnent des valeurs de POD (Probability Of Detection) entre 0.44 et 0.80 durant la période étudiée. Limpact des estimations radar sur les périodes dinfection de Septoria tritici simulées par PROCULTURE a été évalué durant trois saisons culturales (2003, 2004 et 2005) par comparaison entre les données de sortie du modèle (alimenté par des estimations radar de précipitations horaires) et les estimations visuelles du développement des symptômes de la maladie sur les trois dernières feuilles. Les outputs de PROCULTURE via les données radar ont montré un grand accord entre la simulation et lobservation. Le radar météorologique devrait dès lors être bénéfique pour des régions où le réseau des pluviomètres est inexistant (ou moins dense) et où lincidence de la septoriose est importante. Dans un deuxième temps, sur base dune recherche bibliographique, un modèle dhumectation a été choisi. Le modèle sélectionné, appelé SWEB, se base sur le bilan énergétique et le bilan hydrique. Il simule la durée dhumectation due à la pluie et à la rosée sur lensemble du couvert végétal à partir des données issues des stations agrométéorologiques. Le modèle a été ensuite testé et validé sur différentes variétés de blé dhiver. Les données de sortie du modèle ont été comparées statistiquement aux mesures des capteurs (préalablement calibrés) et aux données dobservation obtenues sur des parcelles expérimentales et au champ durant les saisons culturales 2006 et 2007. Sur base des résultats obtenus, le modèle SWEB semble sous-estimer la durée dhumectation et plus particulièrement pour les événements de la fin dhumectation (dryoff). Lerreur moyenne en général est inférieure à 90 minutes. Dans un troisième temps, afin dobtenir une relation entre les périodes dhumectation et le développement de la septoriose sur les trois dernières feuilles, les périodes dhumectation simulées par SWEB ont été comparées dune part aux périodes dinfection de Septoria tritici simulées par PROCULTURE et dautre part aux estimations visuelles. Le modèle de la durée dhumectation simule avec succès des périodes dhumectations, dues à la fois à la rosée et à la pluie, qui ont déclenché linfection de la septoriose observée sur des parcelles expérimentales. Une durée minimale dhumectation favorable à linfection des feuilles de blé par Septoria tritici a été déterminée. Il est donc désormais nécessaire délaborer un système opérationnel intégrant le radar météorologique, le modèle de la durée dhumectation et le modèle épidémiologique. Notre travail a permis dacquérir via lanalyse des données agrométéorologiques et des données phytopathologiques, les connaissances nécessaires à lélaboration dun tel système et de participer ainsi à lamélioration des modèles davertissements existants. En effet, nous avons analysé les avantages et les limites du système radar comme données dentrée aux modèles et son aptitude dans la spatialisation des données. Nous avons également testé le modèle dhumectation pour la détermination des périodes dinfection nécessaires au développement de la septoriose. Dans une perspective dune meilleure opérationnalisation du système, lapproche envisagée pourrait facilement être intégrée dans le système existant pour la simulation dautres maladies comme les rouilles, loïdium et la fusariose à léchelle régionale. En définitive, ce travail aura prouvé une fois de plus lintérêt du "mariage" entre lagrométéorologie et la phytopathologie. [en] Summary - Weather-Radar Rainfall Measurement and Simulated Surface Wetness Duration for Septoria Leaf Blotch Risk Assessment. The persistence of free moisture on leaves, mainly as a result of precipitation in the form of rainfall or dew, plays a major role during the process of plant infection by most fungal pathogens. Acquiring rainfall and leaf moisture information is needed for accurate and reliable disease prediction and management. The objective of this research is to contribute to improve forecasting Septoria leaf blotch and other fungal pathogens on winter wheat in Belgium and Luxembourg./In the first part of this work, the potential of weather-radar rainfall estimates for plant disease forecasting is discussed. At first step, we focused on assessing the accuracy and limitations of radar-derived precipitation estimates, compared with rain-gauge data. In a second step, the Septoria leaf blotch prediction model PROCULTURE was used to assess the impact on the simulated infection rate of using, as input data, rainfall estimated by radar instead of rain gauge measurements. When comparing infection events simulated by PROCULTURE using radar-derived estimates and reference rain gauge measurements, the probability of detection (POD) of infection events was high (0.83 on average), and the false alarm ratio (FAR) of infection events was not negligible (0.24 on average). FAR decreased to 0 and POD increased (0.85 on average) for most stations, when the model outputs for both datasets were compared against visual observations of Septoria leaf blotch symptoms. Analysis of 148 infection events observed over three years at four locations showed no significant difference in the number of simulated infection events using either radar assessments or gauge measurements. This suggests that, for a given location, radar estimates are just as reliable for predicting infection events as rain gauges. As radar is able to estimate rainfall occurrence over a continuous space, unlike weather station networks that do observations at only a limited number of points, it has the great advantage of being able to predict the risk of infection at each point within an area of interest with an accuracy equivalent to rain gauge observations. This gives radar an important advantage that could significantly improve existing warning systems. In the second part, a physical model based on the energy balance, known as the Surface Wetness Energy Balance (SWEB), was applied for the simulation of Surface Wetness Duration (SWD) on winter wheat canopy. The model, developed in the United States on grapes canopies, was adapted for the winter wheat cultivars and was applied for use with agrometeorological data easily available from standard weather stations and weather-radar rainfall estimates. The SWEB model simulates surface wetness duration for both dew and rain events. The model was validated with data measured by sensors and with visual observations of SWD conducted in experimental plots during two cropping seasons in 2006 and 2007. The wetness was observed visually by assessing the presence or absence of surface water on leaves. Based on the results, the SWEB model appeared to underestimate surface wetness duration and especially for the dry-off events when compared statistically to visual observations. The error, on average, is generally less than 90 minutes. In order to establish a relationship between the surface wetness periods and Septoria leaf blotch development risk on the top three leaves, the SWEB model SWD outputs were compared with the number of hours of high probability of infection simulated by PROCULTURE as well as with visual plant diseases observations. A minimal surface wetness duration of favourable infection conditions for Septoria tritici was established. It is now required to develop an operational system that would integrate weather radar, surface wetness duration and foliar epidemic model. In this work, we have analyzed the advantages and limitations of the radar system as input to models and its ability for spatial interpolation of rainfall. We also tested the model for the determination of surface wetness periods required for Septoria Leaf Blotch Risk development. The proposed approach could be integrated in the existing system. Finally this approach shows once more the "happy marriage" between agrometeorology and plant disease management.

Au Grand-Duché de Luxembourg, le développement de modèles opérationnels pour la prévision des rendements se heurte actuellement au problème de la non prise en compte de la diminution de la surface verte utile et de sa relation avec des processus biotiques et abiotiques incriminés en situation de production. Pourtant, il apparaît que lélaboration dun modèle reliant la perte de surface verte à la baisse de rayonnement absorbé est la façon la plus adéquate daméliorer les prévisions de perte de rendement aux champs. De nombreuses manières destimer les rendements existent et se basent sur différentes approches et méthodes. Lobjectif de ce travail est de proposer un modèle destimation des rendements basé sur létude de la dégradation de la surface verte foliaire du blé et du rayonnement intercepté par cette surface tout au long de sa dégradation. Lapproche envisagée consiste, dans un premier temps, à utiliser les deux principaux modèles existants qui décrivent linterception du rayonnement par les surfaces foliaires vertes avec des données issues dexpérimentations aux champs, au Grand-Duché de Luxembourg en 2006 et 2007. Différentes méthodes dobtention des principales données dentrée de ces modèles ont été comparées et leurs avantages ont été mis en évidence. Ces données sont le LAI (Leaf Area Index) et le pourcentage de surface foliaire verte. Un LAI de référence, obtenu à laide dune méthode danalyse dimages de feuilles a été validé et comparé à une méthode dobtention du LAI basée sur la mesure du rayonnement intercepté par le couvert ainsi quà une méthode fournissant la couverture verte du sol à partir dimages aériennes de courte distance. Il a été montré que le LAI issu de la mesure du rayonnement intercepté et la couverture verte du sol sont obtenus plus rapidement et pour de plus grandes surfaces, mais quils ne sont pas suffisamment corrélés au LAI de référence pour être utilisés afin dobtenir le LAI réel. Le pourcentage de la surface foliaire verte de référence a également été obtenu à laide de la méthode danalyse dimages de feuilles. La comparaison de celui-ci aux estimations visuelles du pourcentage de surface verte foliaire a montré que cette méthode est plus rapide, mais engendre une surestimation du pourcentage de surface foliaire verte. Une relation linéaire significative entre la couverture verte du sol par prise dimages aériennes et le pourcentage de surface foliaire verte a été obtenue. Une amélioration de la prise dimages aériennes de courte distance pourrait mener à une substitution du pourcentage de surface foliaire verte par la couverture verte du sol sur de grandes surfaces à lavenir. Les deux principaux modèles décrivant linterception du rayonnement par les surfaces foliaires vertes ont été utilisés avec le LAI et le pourcentage de surface foliaire verte de référence. Une simplification de ces modèles par lutilisation de la dernière ou des deux dernières strates foliaires à la place des trois dernières pour le pourcentage de surface verte a montré que la simplification ne menait pas à une amélioration des résultats dans la plupart des cas. Dautre part, une estimation des biais introduits en utilisant les pourcentages de surface verte issus de lestimation visuelle à la place des estimations par lanalyse dimages montre que lestimation visuelle introduit un biais allant jusquà 20%. La comparaison des deux modèles testés a mené à la sélection du modèle aux sorties fournissant la meilleure relation avec les rendements. Cest une relation linéaire simple entre les paramètres de la courbe décrivant lévolution des sorties du modèle dit du « calcul de la matière sèche » au cours de la saison de culture et le rendement qui a été retenue. Dans un deuxième temps, le modèle sélectionné a été utilisé avec des données issues dexpérimentations menées de lannée 2000 à 2005, afin dobtenir une relation linéaire plus stable entre les rendements et les sorties de ce modèle. La relation obtenue montre des résultats significatifs et expliquant plus de 66% des rendements si une variété au comportement atypique est exclue. Un effet significatif de lannée, du précédent et de la variété sur cette relation a été mis en évidence. Dans un troisième temps, laspect prédictif du modèle destimation des rendements basé sur la relation linéaire simple retenue a été étudié sur deux années de données extérieures aux années utilisées pour la construction de celui-ci. Les données dentrée nécessaires au fonctionnement du modèle ont dû être obtenues de manière prédictive, afin de réaliser des estimations du rendement à venir à partir de la floraison. Le modèle Proculture, basé sur la simulation de lévolution des symptômes de la septoriose, a permis dobtenir des estimations en prévision des pourcentages de surface verte, et le LAI a été considéré comme constant par variété dune année à lautre. Le modèle destimation utilisé a permis dobtenir des prévisions de rendement ~20% supérieures aux rendements réels./In the Grand Duchy of Luxembourg, the development of operational models for predicting yields currently runs against the failure to take into account the green leaf area decline and its relationship with biotic and non biotic processes involved in a situation of production. Yet it appears that the development of a model linking the loss of green leaf area to lower radiation absorbed is the most adequate to improve prediction of yield loss in the fields. Many ways to estimate yields exist and are based on different approaches and methods. The objective of this work is to propose a model for estimating yields based on the study of the green leaf area decline of wheat and radiation intercepted by this area throughout the season. The approach is, first, to use the two main existing models that describe the interception of radiation by green leaf area with data from experiments in the field, in the Grand Duchy of Luxembourg in 2006 and 2007. Different methods for obtaining key data entry of these models were compared and their benefits have been identified. These data are LAI (Leaf Area Index) and the percentage of green leaf area. The reference method, obtained using image analysis of leaves has been validated and compared to a method for obtaining LAI based on the measurement of radiation intercepted by the canopy as well as a method based on the green cover soil obtained from short distance aerial images. It was shown that the LAI obtained from the measurement of radiation intercepted and the green land cover obtained from short distance aerial images are obtained faster and for larger surfaces, but they are not sufficiently correlated with the LAI from the reference method to be used in place of reference LAI. The percentage of green leaf area of reference has also been obtained using the image analysis of leaves. Comparing it to visual estimates of the percentage of green leaf area has shown that this method is faster and creates an overestimation of the percentage of green leaf area. A significant linear relationship between green land cover from short distance aerial images analysis and the percentage of green leaf area was obtained. An improved short distance aerial image could lead to the substitution of the percentage of green leaf area by the green land cover over large areas in the future. The two main models describing the interception of radiation by green leaf area were used with the LAI and the percentage of green leaf area of reference. A simplification of these models by using only the upper leaf or the two last leaves to emerge in place of the last three leaves to emerge for the percentage of green area has shown that simplification did not lead to improved results in most cases. On the other hand, an estimate of bias using the percentage of green leaf area from the visual estimate in place of estimates by image analysis shows that visual estimate introduce an approximate bias of 20%. A comparison of the two models tested led to the selection of the model outputs providing the best relationship with yields. It is a simple linear relationship between parameters of the curve describing the evolution of model outputs socalled calculation of dry matter during the growing season and yield that was chosen. In a second time, the selected model was used with data from experiments conducted from 2000 to 2005 to obtain a more stable linear relationship between yields and output of the model. The relationship obtained shows significant results and explains over 66% yields if datas from an atypical variety are excluded. A significant effect of years, precedent and variety on this relationship was highlighted. In a third time, the predictive aspect of the model to estimate yields based on the simple linear relationship has been studied on two years of external data used for years to build it. The input data needed to run the model had to be obtained on a predictive way to make estimates of future performance from flowering. The model Proculture, based on the simulation of the progression of septoriose disease, allowed obtaining estimates in anticipation of the percentage of green area, and LAI was considered constant variety from one year to another. The estimation model used resulted in expected future performance ~ 20% higher than actual yields.