Better use of epidemiological surveillance network in plant health for the establishment of plant health bulletins
Mieux valoriser les réseaux d'épidémiosurveillance lors de l'élaboration du Bulletin de Santé du Végétal
Résumé
Pest and disease monitoring has been strengthened in France since 2009, following the introduction of the National Ecophtyto plan. It is based on monitoring a network of cultivated plots. Several diseases and pests are monitored on these plots following harmonized protocols. Observations are used to develop plant health bulletins, but these data are underused, their current use is largely restricted to descriptive statistics due to lack of time and appropriate tools.
The main objective of this PhD research is to develop an operational statistical approach to analyse epidemiological dynamics based on this pests and diseases system of monitoring.
An approach has been developed on Septoria leaf blotch in wheat in Champagne-Ardenne. It is based on a generalised linear mixed model taking into account random site-year effects and a risk rating fixed effects. Three risk ratings (high, medium, low) are defined by a simple classification rule defined by the Champagne-Ardenne extension service based on sowing date and varietal resistance. This model can be easily adjusted to field monitoring of pests and diseases in this region, and it can be updated weekly, as new data become available. The model estimates the dynamics of Septoria incidence at a regional scale taking into account field risk ratings. These dynamics can be presented in graphical form and can be easily integrated in weekly reports for the plant health bulletins. The statistical model was evaluated with field observations between 2009 and 2014. Its practical use was tested in collaboration with the Champagne- Ardenne extension services in 2015.
The approach developed for Septoria leaf blotch was generalised and applied to other regions and other diseases and pests. The statistical model was modified for use in several other French regions. Variants have also been proposed to analyse observations of downy mildew on grapevine in the Midi- Pyrénées region, or observations of Yellow Sigatoka on banana and counts of weevils on sweet potato in Guadeloupe. These variants differ by the type of random effects and fixed effects included in the model. The best performing model was selected using several criteria: Akaike information criterion, Root mean square error, and residuals analysis. In each case study, each model was compared to its Bayesian version, developed using uninformative prior distributions. Results show that classical and Bayesian approaches generate very similar results, but it also shows the advantage of Bayesian statistics in analyzing the uncertainty associated with site-specific predictions.
The third part of this PhD research shows how these models could also be used to optimise the size of the network of monitored fields. Currently, fields monitored for pests and diseases in Champagne- Ardenne are observed at least weekly and these observations involve significant costs. Predictions of our statistical models allow for stratification field sampling and make it possible to reduce its size over the growing season.
Finally, the last part of this thesis addresses the implementation of this statistical approach to agricultural extension services in charge of developing the plant health bulletins. This analysis was based on discussions with national and regional partners such as agricultural technical institutes, the Chamber of Agriculture, and the French agricultural services department, which took place early on in the project, and was completed by a survey of the people involved in producing the plant health bulletins.
La Surveillance Biologique du Territoire (SBT) s’est renforcée en France depuis 2009, à la suite du Plan Écophyto. Elle repose sur le suivi d’un réseau de parcelles cultivées. Plusieurs maladies et ravageurs sont observés sur ces parcelles selon des protocoles harmonisés. Les observations sont utilisées pour élaborer le Bulletin de Santé du Végétal (BSV), mais la valorisation actuelle de ces données reste limitée et repose essentiellement sur des analyses descriptives faute de temps et d'outils adaptés.
Le principal objectif de ces travaux de thèse est de développer une démarche statistique opérationnelle pour analyser des dynamiques épidémiologiques à partir des observations de terrain collectées dans le cadre de la SBT.
La démarche a été mise au point sur un cas d’étude concernant la septoriose du blé en Champagne-Ardenne. Elle est basée sur un modèle linéaire mixte généralisé prenant en compte un effet site-année aléatoire et un effet niveau de risque fixe. Trois niveaux de risque (fort, moyen ou faible) sont définis en appliquant une règle de décision définie par les experts de la région tenant compte de la date de semis et de la résistance variétale. Ce modèle peut être facilement ajusté aux observations collectées dans le réseau de parcelles suivies dans cette région, et peut être mis à jour semaine après semaine, à chaque fois que de nouvelles données sont disponibles. Le modèle permet d’estimer la dynamique de l’incidence de la septoriose du blé à l’échelle régionale en tenant compte du niveau de risque des parcelles. Ces dynamiques peuvent être présentées sous forme de graphiques et être facilement intégrées dans les rapports hebdomadaires utilisés lors de l’élaboration du BSV. Le modèle statistique a été évalué sur des observations collectées entre 2009 et 2014. Son utilisation pratique a été testée en collaboration avec la chambre d’agriculture de Champagne-Ardenne en 2015.
La démarche mise au point sur la septoriose a été généralisée et appliquée à d’autres régions et d’autres maladies ou ravageurs. Le modèle statistique a été modifié pour pouvoir être appliqué à plusieurs régions françaises. Des variantes ont également été proposées pour pouvoir analyser des observations du mildiou de la vigne en région Midi-Pyrénées, des observations de cercosporiose jaune du bananier et des comptages de charançon sur patate douce en Guadeloupe. Ces variantes diffèrent selon le type d’effets aléatoires et d’effets fixes introduits dans le modèle. La sélection du modèle le plus adapté à la situation considérée a été réalisée en utilisant plusieurs critères : Akaike information criterion, Root mean square error, analyse des résidus. Dans chacune des situations considérées, chaque modèle a été comparé à sa version bayésienne, développée en utilisant des distributions a priori peu informatives. Les résultats montrent que les versions classiques et bayésiennes donnent des résultats très proches, mais montrent également l'intérêt du Bayésien pour analyser l'incertitude des prédictions.
Dans la troisième partie, nous avons montré comment ces modèles pouvaient également être utilisés pour optimiser la taille de l’échantillon du réseau de parcelles de SBT. Actuellement, les parcelles du réseau d’épidémiosurveillance en Champagne-Ardenne sont observées environ une fois par semaine et ces observations engendrent des coûts importants. Les prédictions de nos modèles statistiques permettent de stratifier l’échantillon de parcelles et de réduire sa taille en cours de saison.
Finalement, dans la dernière partie de cette thèse, je discute la mise en œuvre opérationnelle de cette démarche statistique auprès des acteurs chargés de l’élaboration du BSV. Cette discussion repose sur les échanges avec les partenaires au niveau national et régional (Instituts Techniques Agricoles, Chambre d'agriculture, services de l’état) qui ont eu lieu dès le début du projet, mais aussi sur une enquête réalisée auprès des acteurs du BSV.
Loading...