Dynamique de population et dépendance multi-échelle au paysage - modélisation mécaniste appliquée à la protection des cultures - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2016

Population dynamics with multiscale landscape dependence---mechanistic modelling applied to crop protection

Dynamique de population et dépendance multi-échelle au paysage - modélisation mécaniste appliquée à la protection des cultures

Résumé

Environmental and health issues call for a switch in crop protection towards less chemically driven strategies. Pest damages on crops result of population dynamics that are influenced by landscape features. Those features may be relocated or dismissed to improve landscapes resistance to pest damages. Here we explore numerically the landscape modification as a crop protection strategy.Landscape features can influence population dynamics through their impact on individuals. Therefore, we developed a multiscale population dynamics model accounting for individual foraging. The foraging process results of (1) the perception of distant features used as resources by the individuals, (2) the localisation of the population along an additional dimension quantifying individual energy supply, (3) an optimisation procedure defining adapted directed motionsWe developed an evolutionary heuristic for landscape modification. It is able to rearrange landscapes with respect to compositional and structural constraints. Population and landscape models were applied to a theoretical landscape planning problem. The mechanistic description of the optimal foraging process enables new and efficient levers for crop protection, building on the disruption of the foraging behaviours. This application enlightens the responsiveness of the simulated population to landscape modifications, as well as the ability of evolutionary algorithms to produce resilient landscapes under agronomic productive constraints.
Dans un objectif de réduction de l'utilisation des pesticides, des méthodes alternatives doivent assurer la protection des cultures. Les dégâts causés par les insectes ravageurs sont les manifestations de dynamiques de population dont certains déterminants paysagers sont des éléments structuraux potentiellement relocalisables. Nous explorons ici, par la simulation numérique, la modification du paysage comme stratégie de protection des cultures.Les éléments paysagers peuvent impacter les populations d'insectes par leur influence sur les comportements individuels. Nous avons développé un modèle de population tenant compte de l'approvisionnement individuel. Ce processus résulte (1) de la perception des ressources distantes par l'individu, (2) de la localisation de la population sur une dimension additionnelle quantifiant les réserves énergétiques, et (3) d'une procédure d'optimisation qui définit des mouvements dirigés adaptés.Une heuristique évolutionnaire de modification de paysages a été développée. Elle produit des réarrangements sous contraintes de composition et de structure. Les modèles de paysages et de dynamique de population ont été appliqués à un problème théorique d'aménagement du paysage. La description mécaniste de l'approvisionnement optimal offre des leviers d'action efficaces, basés sur la perturbation des comportements d'approvisionnement. Nos travaux montrent la réactivité de la population aux modifications du paysage, ainsi que la capacité des algorithmes évolutionnaires à proposer des paysages résistants, sous contraintes agronomiques.
Fichier principal
Vignette du fichier
pdf2star-1536220528-pdfa_zUwiqvOn.pdf (16.74 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-01686567 , version 1 (06-09-2018)

Identifiants

  • HAL Id : tel-01686567 , version 1

Citer

Yoann Bourhis. Dynamique de population et dépendance multi-échelle au paysage - modélisation mécaniste appliquée à la protection des cultures. Biologie végétale. Agrocampus Ouest, 2016. Français. ⟨NNT : 2016NSARA079⟩. ⟨tel-01686567⟩
359 Consultations
151 Téléchargements

Partager

Gmail Facebook X LinkedIn More