Couplage hôte / pathogène Vigne / oïdium

Présentation au sujet: "Couplage hôte / pathogène Vigne / oïdium"— Transcription de la présentation:

1 Couplage hôte / pathogène Vigne / oïdium
UMR Santé Végétale Mathématiques Appliquées de Bordeaux Supports et AlgoriThmes pour les Applications Numériques hAutes performanceS Equipe Epidémiologie végétale et dynamiques des populations Projet Anubis Projet ScalApplix Calonnec A. Naulin JM. Stevenel S. Langlais M. Burie JB. Ducrot A. Roman J. Tessier G. Latu G.

2 Introduction L’oïdium : La vigne :
Champignon, parasite obligatoire (très sensible à la « qualité » de son hôte), dispersé par le vent Forme de conservation hivernale localisée dans l’écorce des ceps (inoculum primaire localisé dans l’espace) La vigne : Plante pérenne à structuration spatiale forte à l’échelle de l’organe, de la plante, du peuplement Nombreuses variétés, systèmes de culture et de conduite (culture fortement anthropisée) Pas de résistance spécifique chez v. vinifera (nécessité de développer des méthodes alternatives de lutte)

3 deux dynamiques de développement :
Modèle couplant deux dynamiques de développement : oïdium et vigne Comprendre et évaluer les interactions dynamiques Hôte / A. Pathogène / Environnement, hiérarchiser les principaux facteurs (précocité, vigueur, structure des rangs…) Simuler des dynamiques spatio-temporelles à partir de différents scénarii (climat, systèmes de culture, isolats…) Tester des stratégies de contrôle de la maladie respectueuses de l’environnement (conduite de l’hôte...)

4 Un modèle architectural de croissance d’un cep
Fils 1 Fils 2 Cep découpé en entités, identifiées et localisables dans l’espace (L-system) Apparition et développement des entités dépend de fonctions débourrement ST10> 90 Apparition Croissance et taille f(T°C, position) ST10=20 Vigueur, opérations culturales Le modèle cep prend en compte : Structure et dynamique du couvert (dispersion, multiplication), âge des organes (résist. Ontogénique), variabilité de l’hôte (+- vigueur, taille, pratiques culturales…).

5 Vigueur et écimage modifient la croissance des rameaux secondaires
Donc la « sensibilité du cep » For the vine stock growth, the susceptibility, size, … And from the vine stock in winter to the final appearence, parameters and functions are describing the bud break, the appearance of organs, the growth and size, and function describing as well a modification of the susceptible landscape after shoot topping.

6 Un modèle déterministe de développement de l’oïdium
Période de latence = f(T°C) spores Colonie Infectieuse Croissance de colonie f(T°C, âge de la feuille) Infection Sporulation Arrachage f(diamètre colonie) Dispersion f(vitesse du vent, distance à la source, surface des feuilles) Transport Dépôt * F(T) Le modèle pathogène prend en compte : Variabilité de développement de l’agent pathogène (+- agressif, fct T°C), dispersion (densité, structure du couvert…).

7 - Dispersion Densité des spores diminue =
a Densité des spores diminue = Exponentiellement par rapport à l’axe à la source et linéairement par rapport à sa position dans le cône Spores capturées par la feuille = f (spores arrachées, surface feuille, distance source, position de la feuille dans le cône de dispersion)

8 Caractéristiques de développement Caractéristiques des isolats
Entrées du modèle A. Pathogène Hôte Homme Climat Conduite de la vigne (écimage : date et hauteur, nb et densité des rameaux) Variété (taille maximale des organes) Contamination (date, localisation) 34 paramètres Caractéristiques de développement Caractéristiques des isolats (paramètres d’infection, croissance des colonies, sporulation…) Models imputs concern the pathogen in term of contamination…, the potential isolate characteristics through the latency Imputs concern also the host, through the variety characteristics and cultural system, which would modify the organ size… The vigor would interfere with the function of leaf developpement and the number of secondary leaves Climate is represented in the model by the temperature which govern the host and pathogen growth, and the wind for the spore release. The human can be represented by shoot topping and fungicide treatments Vigueur (vitesse de développement des organes, développement des rameaux secondaires) Température (développement de l’hôte et du pathogène) Vent (arrachage des spores)

9 Dynamiques temporelles
Sorties du modèle Dynamiques temporelles Hôte Maladie Spores The model describe the dynamics over time of …* With the associate three D for leaf position And the potential susceptibility landscape

10 Répartition spatio-temporelle de la maladie
Sorties du modèle Répartition spatio-temporelle de la maladie Sévérité D133 D159 D169 D175 D183 D217 1998 inoculation J115 - stade 1F Incidence Sévérité 2% 0.04% 37% 2.8% 61% 5.5% 62% 9.5% 65% 13.6% 100% 28.6% The model describe the dynamics over time of …* With the associate three D for leaf position And the potential susceptibility landscape 100 80 60 40 20 <5 Echelle de sévérité %

11 Etude de comportement épidémique
Relations entre conditions précoces (hôte et pathogène) et la gravité des épidémies ? Développement de la plante et source de variations épidémiques ?

12 Effet du positionnement des contaminations primaires
1998 Débourrement tardif 2003 Débourrement précoce Impact différent au niveau de la fréquence de feuilles malades à la floraison Calonnec et al., 2008 – Plant Pathology

13 2006 année précoce Croissance rapide 2004 année très tardive Croissance rapide Fin d’épidémie J240 Incidence : 98% Sévérité : 50.6% Incidence : 82% Sévérité : 15%

14 Effet de la vigueur Vigueur faible Vigueur forte Scénario 1:
100 50 0-5 Echelle de sévérité de maladie % Scénario 1: année à débourrement précoce Scenario 2: année à débourrement tardif La modélisation un outil que l’on utilise pour explorer ces effets par exemple içi, un modèle vigne/oïdium qui tient compte de la croissance et de la sensibilité de la plante, utilisé pour voir l’influence de la vigueur sur l’épidémie, ce pour différents scénarii climatiques).

15 Perspectives Analyses de sensibilité, comment les gérer au mieux ?
Post processing des données du simulateur via un modèle de type SEIR, relation entre hétérogénéité de l’hôte à différentes échelles et invasion de l’agent pathogène.