Comment identifier des stratégies efficaces pour gérer les épidémies affectant les cultures ?La réponse à cette question n’est pas évidente du fait de la complexité des épidémies (elles dépendent à la fois de processus biologiques, de l’organisation des parcelles dans le paysage, et des interventions humaines). Pour y répondre, des modèles peuvent être utilisés en raison de leur capacité à simuler de nombreux scénarios. En effet, ils peuvent permettre d’estimer des paramètres épidémiologiques, d’évaluer l'efficacité de différentes stratégies de gestion et de les optimiser.Dans ce contexte, nous avons développé une approche générique pour optimiser in silico la gestion d’une maladie des plantes à l’échelle du paysage. Cette approche est basée sur (i) la caractérisation de la dynamique épidémique pour estimer ses paramètres clés, (ii) l'utilisation d’un modèle spatialement explicite pour simuler la dynamique et la gestion de cette maladie et (iii) l'utilisation de méthodes d'optimisation numérique pour identifier des stratégies de gestion efficaces. Ici, nous appliquons cette approche à la sharka, causée par le Plum pox virus. Cette maladie a un impact mondial sur la filière Prunus et est associée à d'importants coûts de gestion dans de nombreux pays. En France, la stratégie de gestion de cette maladie repose notamment sur la surveillance des vergers, l’arrachage des arbres pouvant contribuer à la propagation de l’épidémie, et des restrictions de plantation.Ma thèse indique que certaines stratégies devraient être plus rentables que celle actuellement appliquée en France. Ces stratégies nécessitent moins de surveillance des vergers et n’imposent aucune restriction de plantation. Il s'avère que certaines de ces stratégies sont efficaces pour tous les types de paysage testés, ce qui peut être intéressant en pratique pour les gestionnaires du risque. Cette approche a été appliquée à la sharka, mais elle pourrait être transposée pour optimiser la gestion d’autres épidémies. / How to identify effective strategies to manage the epidemics impacting crops?The answer to this question is not obvious because of the complexity of epidemics (they simultaneously depend on biological processes, patch organization in the landscape, and human interventions). To answer that question, models can be used because of their ability to simulate many scenarios. Indeed, they can enable to estimate epidemiological parameters, to assess the efficiency of different management strategies and to optimize them.In this context, we developed a generic framework for in silico optimization of plant disease management strategies at the landscape scale. This framework is based on (i) the characterization of the epidemic dynamics to estimate its key parameters, (ii) the use of a spatially explicit model to simulate the dynamics and management of this disease and (iii) the use of numerical optimization methods to identify efficient management strategies. Here, we apply this approach to sharka, caused by Plum pox virus. This disease has a worldwide impact on the Prunus industry and is associated with huge management costs in many countries. In France, the management strategy for this disease principally consists of orchard surveillance, removal of trees that might contribute to the epidemic propagation, and plantation bans.My PhD indicates that some strategies should be more profitable than the one currently applied in France. These strategies require less orchard surveillance and do not impose any plantation ban. It turns out that some of these strategies are efficient for all tested landscape types, which may be interesting in practice for risk managers. This approach was applied to the sharka, but could be transposed to optimize the management of other epidemics.
| Identifer | oai:union.ndltd.org:theses.fr/2018NSAM0026 |
| Date | 16 October 2018 |
| Creators | Picard, Coralie |
| Contributors | Montpellier, SupAgro, Thébaud, Gaël, Soubeyrand, Samuel, Hendrikx, Pascal |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0026 seconds