Prédire le risque jaunisse grâce à des données hétérogènes et à la modélisation
•
0 j'aime•41 vues
Présentation Samuel Soubeyrand
Signaler
Partager
Contenu connexe
Similaire à Prédire le risque jaunisse grâce à des données hétérogènes et à la modélisation
Similaire à Prédire le risque jaunisse grâce à des données hétérogènes et à la modélisation (20)
Plus de Institut Technique de la Betterave
Plus de Institut Technique de la Betterave (20)
Dernier
Dernier (16)
Prédire le risque jaunisse grâce à des données hétérogènes et à la modélisation
- 1. 1 Prédire le risque jaunisse grâce à des données hétérogènes et à la modélisation Projet SEPIM : Surveillance, Évaluation, Prévision, Interpolation et Mitigation des risques relatifs à la jaunisse de la betterave https://pse.mathnum.inrae.fr/sepim Samuel Soubeyrand, BioSP, INRAE
- 2. Les outils d’aide à la décision – OAD Acteurs Type de décision Gestionnaires des risques à un niveau macroscopique Définition de la règlementation Agriculteurs Mise en place des interventions préventives et la conduite technique des cultures Instituts techniques Anticipation des dangers sanitaires et des rendements globaux Représentants des filières de production Groupes agro-alimentaires Assureurs Assureurs Evaluations a posteriori des dégâts dus aux bioagresseurs Instituts techniques Planification d’expérimentations dans une optique de développement d’innovations et de leur mise à l’épreuve Equipes de recherche Pour répondre aux enjeux de la gestion des risques sanitaires touchant l’agriculture
- 3. Les outils d’aide à la décision – OAD Outil d’aide à la décision Données Modèle InformaBon interprétable et mobilisable par les acteurs ciblés
- 4. Les outils d’aide à la décision – OAD Le développement des OAD pour de grands bassins de production agricoles face au défi de la multitude des contextes locaux : • Conditions biotiques et abiotiques spatialement et temporellement hétérogènes • Interaction avec différents milieux anthropisés et naturels • Influence de la multitude de choix portés notamment par les agriculteurs Outil d’aide à la décision Données Modèle Information interprétable et mobilisable par les acteurs ciblés
- 5. Les outils d’aide à la décision – OAD Hypothèse : absence d’une soluBon « miracle » traitant le problème sanitaire de manière uniforme et pérenne quelles que soient les condi=ons ImplicaBon : nécessité de collecter des données et de développer des modèles pour que les OAD fournissent des informa=ons • adaptées à chaque contexte parmi un très grand nombre de contextes • dans des intervalles de temps adéquats à la mise en œuvre des mesures visant par exemple à réduire les risques de pertes de récoltes - pour la saison en cours - sur le long terme
- 7. Alerte Maladies (cercosporiose, rouille, oïdium…)
- 8. Intérêt et limites des seules données de surveillance • Information pour quelques centaines de parcelles permettant de produire des statistiques et dégrossir des signaux temporels et spatiaux • Vision partielle de la situation sanitaire et de sa variabilité en temps et en espace • Faible prise en compte du contexte (environnement, pratiques…) propre à chaque parcelle Outil d’aide à la décision Données Information interprétable et mobilisable par les acteurs ciblés
- 9. Alerte Charançons Outil d’aide à la décision Données Modèle Information interprétable et mobilisable par les acteurs ciblés
- 10. Projet SEPIM : Associer données de surveillance, données complémentaires et modélisation pour alimenter des OAD Intégrer des données complémentaires dans les modèles : • météorologie, usage des sols, connectivités inter-parcellaires, pratiques, faune, flore, etc. Objectif de prédire les risques pucerons et jaunisses : • à haute résolution • dans des systèmes complexes et de grande dimension tels que les territoires agricoles betteraviers • à des horizons temporels plus ou moins éloignés • avec comme finalité d’accompagner différents acteurs dans leurs processus de décisions
- 11. Quelques résultats : Effets d’éléments paysagers CorenBn Barbu et al.
- 12. Quelques résultats : Effets des conditions environnementales sur la jaunisse Dorian Chauvin et al. Degrés jours jan.-mars Tempé- rature moyenne mars-juin Céréales 5km Distance parcelles portes- graines Evapo- transpiration potentielle M-3 Pucerons dans cuveMes jaunes
- 13. Quelques résultats : « Surveiller » le niveau de jaunisse avec les images satellites Régression R2 = 0.70 0 1 0 20 40 60 80 Seuil = 10% Prédiction Sévérité (%) 0 1 0 20 40 60 80 Seuil = 15% Prédiction Sévérité (%) 0 1 0 20 40 60 80 Seuil = 20% Prédiction Sévérité (%) Classification Balanced accuracy = 0.92 Modélisation de la dynamique Samuel Soubeyrand et al.
- 14. Quelques résultats : Lien entre niveau de jaunisse estimé à l’aide des images satellites et rendement François Joudelat et al. Etude de cas en Eure-et-Loir (saison 2023) Le rendement est corrélé à la gravité jaunisse estimée par satellite Sévérité jaunisse es9mée Rendement
- 15. Quelques résultats : Dates futures d’arrivée des pucerons Albert Olioso et al. Evolution de la température moyenne du 1/01 au 14/02 Date d’arrivée d’après le modèle M1D5c de Luquet et al. (2023) ~ +2°C en 2100 > +2°C en 2100 ≥ +4°C en 2100
- 16. Conclusion et perspectives Autres travaux dans SEPIM Apport des données complémentaires : Mobiliser des sources d’information dont les coûts réels ne reposent par sur les agriculteurs et les autres acteurs de la filière Des approches permettant d’alimenter de nouvelles solutions pour l’aide à la décision : Modèle GREcoS, Alerte Pucerons et autres systèmes moins formels Projet GRAAL : Génie et Recherche Agroécologiques pour l’Aide à la décision et la Limitation du risque jaunisse Prévision des vols de pucerons (Luquet, Tricault et al.) Enquête sur les paysages des pratiques (Marrec, Caro et al.) Evaluation des traitements contre les pucerons (Favrot, Makowski et al.) … Améliorer les connaissances sur l’épidémiologie des jaunisses et leur intégration dans des modèles • Renforcer la capacité à prédire le risque jaunisse • Evaluer les moyens de sa mifgafon • Abaisser significafvement ce risque Fiabiliser le conseil opérationnel