Cette thèse concerne la modélisation des dynamiques de maladies foliaires de cultures pérennes tropicales à différentes échelles spatiales. Cette approche de modélisation est appliquée à la cercosporiose noire du bananier. Il s’agit d’explorer et de déterminer les paramètres environnementaux et de résistance de l’hôte ayant une influence significative sur la dynamique spatiotemporelle de la maladie et d’apporter des éléments associés au contrôle de la cercosporiose noire.Deux modèles ont été développés dans le cadre de cette thèse. La dynamique épidémiologique au niveau de la plante est décrite par un modèle mécaniste décomposé en un modèle de croissance de la plante et un module épidémiologique décrivant le cycle épidémique du pathogène. L’architecture du bananier est prise en compte par le biais de compartiments foliaires positionnés dans l’espace. Le modèle a été validé par un jeu de données indépendant. Les expérimentations numériques et l’analyse de sensibilité du modèle réalisées par les méthodes de Morris et de e-FAST ont permis de mieux comprendre le fonctionnement épidémique de cette maladie et d’identifier les paramètres influant le plus la dynamique épidémique en particulier la vitesse d’extension des lésions, la durée d’incubation et l’efficacité d’infection .L’approche bayésienne a permis de prendre en compte l’information a priori disponible pour ces trois paramètres sur lesquels a porté l’inférence statistique. L’analyse de sensibilité du modèle a également permis d’identifier l’influence de deux paramètres liés à la croissance de la plante : le nombre de feuilles sur une plante et le rythme d’émission foliaire Un modèle de dynamique spatio-temporelle de la cercosporiose noire a été développé à l’échelle d’un territoire à partir d’enquêtes effectuées enMartinique pendant la période d’invasion de cette maladie de septembre 2010 à mai 2012. Les données récoltées étant censurées, l’inférence des paramètres du modèle a été réalisée dans un cadre bayésien en utilisant un algorithme d’augmentation de données. Le modèle et l’inférence développés permettent de reconstruire la dynamique spatio-temporelle de l’invasion et de prédire la fin d’invasion sur le territoire.Les deux modèles de dynamiques spatio-temporelles développés à deux échelles spatiales différentes ont permis d’acquérir des informations importantes pour construire des outils de conception de méthode de contrôle de la cercosporiose noire des bananiers. / This thesis concerns the modeling of the dynamics of foliar diseases of tropical tree crops at different spatial scales. This modeling approach is applied to black Sigatoka of banana. It is to explore and determine the environmental parameters and host resistance has a significant influence on the spatiotemporal dynamics of the disease and to provide elements associated with the control of Sigatoka noire.Deux models were developed as part of this thesis. The epidemiological dynamics at the plant is described by a mechanistic model decomposed into a growth model of the plant and an epidemiological unit describing the pathogen epidemic cycle. The architecture of the banana is taken into account through foliar compartments positioned in space. The model was validated by an independent data set. Numerical experiments and model sensitivity analysis performed by the methods of Morris and e-FAST enabled to better understand the functioning of this epidemic disease and identify the parameters affecting the most dynamic epidemic especially speed extension of the lesions, the incubation period and efficiency of Bayesian .L'approche infection allowed to take into account prior information available for these three parameters that were the statistical inference. The model sensitivity analysis also identified the influence of two parameters related to plant growth: the number of leaves on a plant and rate of leaf emission A dynamic model of space-time Black Sigatoka has been developed at the scale of a territory from surveys enMartinique during the period of invasion of the disease from September 2010 to May 2012. The data collected being censored, inference of model parameters has was performed in a Bayesian framework, using a data augmentation algorithm. The model developed and inference possible to reconstruct the spatiotemporal dynamics of the invasion and predict the end of the invasion territoire.Les two spatio-temporal dynamics models developed at two different spatial scales has been gained important information for build tools design method of control of black Sigatoka of banana.

<p>  </p> <p>Sudden death syndrome (SDS) caused by <em>Fusarium virguliforme</em> is one of the top yield-reducing diseases of soybean. This disease results in a two-stage symptom development, root rot followed by foliar interveinal chlorosis and necrosis. Foliar symptoms typically appear late in the growing season [full pod to full seed (R4 to R6) reproductive growth stages]. Prior to foliar symptoms, a destructive technique is usually carried out to identify the root rot phase of SDS. This technique requires intensive crop scouting and an expert for accurate diagnosis. Therefore, a nondestructive technique is needed to diagnose SDS disease in the absence of visible foliar symptoms. Additionally, no soybean cultivar is completely resistant to SDS and no single method can completely manage this disease. So, an improved integrated approach is needed for SDS disease management. </p> <p>Foliar fungal diseases such as frogeye leaf spot (<em>Cercospora sojina</em> Hara), Septoria brown spot (<em>Septoria glycines</em> Hemmi), and Cercospora leaf blight (<em>Cercospora</em> spp.) are also economically important diseases of soybean. To limit the losses caused by these diseases, several management methods can be used including the application of foliar fungicide. However, due to the low foliar disease pressure that is observed most years, fungicide applications may not be warranted to be applied annually in Indiana. </p> <p>The objectives of this research were: 1) to assess the effectiveness and economic impact of integrated management strategies that include cultivar selection, seed treatment, and seeding rate on SDS in Indiana; 2) to pre-symptomatically and non-destructively detect SDS disease using hyperspectral measurements; and 3) to evaluate foliar fungicides on soybean foliar diseases and yield in Indiana. </p> <p>Results from this research support the use of a seed treatment to protect soybean roots from SDS infection and the use of a moderately resistant cultivar planted at a seeding rate of 346,535 seeds/ha to protect yield and maximize on net returns. This research also demonstrated the ability of hyperspectral reflectance to discriminate healthy from <em>F. virguliforme</em> infected soybean roots in the absence of foliar symptoms. In addition, results show that fungicide applications can reduce foliar disease over the nontreated control, but under low foliar disease risk, these fungicides did not significantly increase yield over the nontreated control. Altogether, these results will contribute to improved soybean disease management approaches in Indiana.</p>

No description available.