PRATIQUES, VARIÉTÉS, CLIMATS ET LEURS RELATIONS AVEC LA SANTÉ DU VÉGÉTAL - PEBIP FRANÇOIS BRUN (ACTA), SERGE SAVARY (INRA), CÉLINE JOUANIN (INRA)
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Pratiques, Variétés, Climats et leurs relations
avec la Santé du Végétal
PEBiP
François Brun (ACTA), Serge Savary (INRA), Céline Jouanin (INRA)
Contexte
Cortège des
maladies et ravageurs
Climat sur une culture
Travail sol Perte
production
production
Système
Fertilisation
Variété
Irrigation
…
PEBiP
Objectif
• De très nombreux réseaux d’expérimentations
contenant des informations sur la Santé du Végétal
• Evaluation variétés
• Comparaison systèmes
• Efficacité produits phytosanitaires
• Expérimentations Dephy
•…
• Remobiliser et analyser des données existantes pour
caractériser et quantifier les risques vis-à-vis de la
Santé du Végétal
Titre intervention
Proposition d’une approche générique d’analyse
• 3 points clefs
• Catégorisation des variables
• Analyses multivariées des données qualitatives
• Quantification et hiérarchisation des facteurs de risque
• Basée sur des méthodes statistiques éprouvées
• Analyse distribution
• Régression logistique
•…
Titre intervention
Application réseau d’essais variétés blés rustiques
1
0
7
• 2003 à 2010
• Vaste zone
• 101 essais
• 3525 parcelles
1
2
1
0
3
Niveaux des maladies et conditions climatiques
• YR : rouille jaune
• BR : rouille brune
• FHB : fusariose
• PM : oïdium
• STB : septoriose
Un jeu de données très riche
Variable Variable Symbol Notes a
type
Original disease intensities
Brown rust severity BR Fraction leaf area infected (%)
Yellow rust severity
Fusarium head blight incidence
YR
FHB
Fraction leaf area infected (%)
Fraction heads infected (%)
Santé Végétal :
Powdery mildew severity
Septoria tritici blotch severity
PM
STB
Fraction leaf area infected (%)
Fraction leaf area infected (%)
5 maladies
Crop management levels
Levels of crop management CMGT4, Increasing levels of fertilizer, fungicides, crop
CMGT4 to CMGT1 CMGT3, growth regulators use, and seeding rates, Pratiques : 4 niveaux
CMGT2, from the lowest, CMGT4, to the highest,
CMGT1 CMGT1. intensification
Binarized disease intensities
Binarized BR severity BRBIN If BR < 0.102, then BRBIN = BR0 (n = 2855),
else: BRBIN = BR1 (n = 670)
Binarized YR severity YRBIN If YR < 0.076, then YRBIN = YR0 (n = 3470),
else: YRBIN = YR1 (n = 55)
Binarized FHB incidence FHBBIN If FHB < 0.663, then FHBIN = FHB0 (n = 3058), Catégorisation des
else: FHBIN = FHB1 (n = 467)
Binarized PM severity PMBIN If PM < 0.233, then PMBIN = PM0 (n = 3322), niveaux maladies
else: PMBIN = PM1 (n = 203)
Binarized STB severity STBBIN If STB < 12.91, then STBIN = STB0 (n = 2527),
else: STBIN = STB1 (n = 998)
Grouping metavariables
Clusters of individual CLUSDISEASE Three clusters, X, Y, Z; Generated from
experimental plots according to
binarized disease intensities
hierarchical cluster analysis (Chi-square
distance, Ward criterion; see text). Classification Maladies
Clusters of wheat varieties VARGROUP Three clusters, VARGROUP A, B, C; Generated
according to untransformed from hierarchical cluster analysis of mean
disease intensities variety disease performances (Euclidean
distance, Ward criterion; see text).
Classification Variété
4 niveaux intensification des pratiques
• 4 types d’itinéraires
techniques
1. maximisation rendement
2. réalisation locale rendement
accessible
3. moins d'intrant & rendement
plus faible que CMGT2
4. forte réduction intrants
chimiquesClassification des variétés
EXELCIOR
DINOSOR
• Regroupement des
ORVANT IS
EUCLIDE
AUBUSSON
GARCIA
MERCAT O Group C
variétés
RUST IC
CAMPERO
HYST AR
ALT IGO
ALDRIC
• fonction des niveaux
PREMIO
GONCOURT
T IAGO
VALODOR
ALT AMIRA
des 5 maladies
BAGOU
ACCOR
ROYSSAC
SOLEHIO
PR22R58
ANDALOU
• situation faible intrant
PALEDOR
AEROBIC Group B
AREZZO
APACHE
CAPHORN
NIRVANA
HYSUN
T OISONDOR
BOISSEAU
CEZANNE
ORAT ORIO
INST INCT
ISENGRAIN
MENEST REL
SANKARA
KORELI
MENDEL Group A
T IMBER
CHARGER
MAXYL
EPIDOC
AT T LASS
0 10 20 30 40 50 60 70 80
DistancesAssociation maladie, pratiques, variétés et années
X-variable Y-variable Pearson df P
Chi-square
YEAR BRBIN 1401.81 7 < 0.001
YRBIN 87.01 7 < 0.001
FHBBIN 757.95 7 < 0.001
PMBIN 203.21 7 < 0.001 1) Année climatique
STBBIN 384.55 7 < 0.001
CLUSDISEASE 1005.13 14 < 0.001
CMGT BRBIN 31.87 3 < 0.001
YRBIN 50.21 3 < 0.001
Année climatique >> Choix variétal
FHBBIN
PMBIN
40.38
21.22
>> Pratiques
3 < 0.001
3) Pratiques
3 < 0.001
STBBIN 82.06 3 < 0.001
CLUSDISEASE 32.48 6 < 0.001
CLUSDISEASE BRBIN 1621.88 2 < 0.001
YRBIN 30.06 2 < 0.001
FHBBIN 289.59 2 < 0.001
PMBIN 115.88 2 < 0.001
STBBIN 1624.50 2 < 0.001
VARGROUP BRBIN 6.41 2 0.041
YRBIN 24.06 2Facteurs de risque : rouille brune
Parameter Statistics by Component (year, variety group,
Likelihood Ratiob Area
crop management)
Diseasea Under ROC
LR P curvec Parameterd Estimatee SE P Odds Ratio
Constant -1.925 0.317Facteurs de risque : fusariose
Area Parameter Statistics by Component (year, variety group,
a Likelihood Ratiob
Disease Under ROC crop management)
LR P curvec Parameterd Estimatee SE P Odds Ratio
Constant -2.682 0.295Niveaux des maladies et conditions climatiques
• YR : rouille jaune
• BR : rouille brune
• FHB : fusariose
• PM : oïdium
• STB : septoriose
• AFCM: niveaux binarisés de
maladie et quartiles de
données climatiquesAnalyse de risques associés au climat 2003-2010
10000 1
10000 1 10000 1 10000 1 10000 1 10000 1
1000 10 1000 10 1000 10 1000 10 1000 10
1000 10
Negative Odds Ratios
Odds Ratios
Negative Odds Ratios
Negative Odds Ratios
Negative Odds Ratios
Positive Odds Ratios
Positive Odds Ratios
Positive Odds Ratios
Positive Odds Ratios
Positive Odds Ratios
BRBIN YRBIN FHBBIN PMBIN STBBIN
Ratios
Positive Odds Ratios
100 100 100 100 100 100 100 100 100 100
Negative Odds Negative
• Rouille brune : importance
10 1000
BRBIN 10 1000 10 1000
température, puis humidité
10 1000 10 1000
100 100
1 10000 1 10000 1
relative. 10000 1 10000 1 10000
Tn
RR
Tn
RR
Tn
RR
Tn
RR
Tn
RR
Tx
Tx
Tx
Tx
Tx
RH
RH
RH
RH
RH
GR
NBR
GR
NBR
GR
NBR
GR
NBR
GR
NBR
Climate Variables Climate Variables Climate Variables Climate Variables Climate Variables
10 1000
1 10000
RR
Tn
Tx
RH
GR
NBR
Climate VariablesConclusions et perspectives
• Santé du Végétal : essayer prendre en compte
l’ensemble des maladies et ravageurs et adventices
• Ici, limité aux maladies
• Relations entre Pratiques, Variétés, Climats et Santé
du Végétal :
• Une démarche « générique »
• De nombreuses méthodes statistiques disponibles
• Nombreuses autres données existantes : accès aux
données et valorisation
• Application aux essais Dephy-Expé
Titre interventionDeux publications avec l’ensemble de la démarche • Savary S., Jouanin C., Félix I., Gourdain E., Piraux F., Willocquet L., Brun F. 2016a. Assessing plant health in a network of experiments on hardy winter wheat varieties in France: multivariate and risk factor analyses. European journal of Plant Pathology 146: 757–778. DOI 10.1007/s10658-016-0955-1 • Savary S., Jouanin C., Félix I., Gourdain E., Piraux F., Brun F., Willocquet L. 2016b. Assessing plant health in a network of experiments on hardy winter wheat varieties in France: patterns of disease-climate associations. European journal of Plant Pathology 146: 741–755. 10.1007/s10658-016- 0954-2 PEBiP
Vous pouvez aussi lire
