Couplage Couplage hôte / pathogènehôte / pathogène

Vigne / oïdiumVigne / oïdium

Calonnec A.Naulin JM.Stevenel S.

Langlais M.Burie JB.Ducrot A.

Roman J.Tessier G.Latu G.

Projet Anubis Projet ScalApplix

UMR Santé Végétale Mathématiques Appliquées

de Bordeaux Supports et AlgoriThmes pour les

Applications Numériques hAutes

performanceS

Equipe Epidémiologie végétale et dynamiques des

populations

IntroductionIntroduction L’oïdium :L’oïdium :

La vigne :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)

• 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)

• 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...)

MModèle couplantodèle couplantdeux dynamiques de développement : deux dynamiques de développement :

oïdium et vigneoïdium et vigne

• 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…).

Un modèle architectural de croissance Un modèle architectural de croissance d’un cepd’un cep

• Cep découpé en entités, identifiées et localisables dans l’espace (L-system)

Fils 1

Fils 2

• Apparition et développement des entités dépend de fonctions

débourrement

T10> 90

Apparition Croissance et taille

f(T°C, position)T10=20

)1()(rowS

SST

dt

dS Vigueur,

opérations culturales

Un modèle déterministe de Un modèle déterministe de développement de l’oïdiumdéveloppement de l’oïdium

• Le modèle pathogène prend en compte : Variabilité de développement de l’agent pathogène (+- agressif, fct T°C), dispersion (densité, structure du couvert…).

Période de latence = f(T°C)

sporesColonie

Infectieuse

Croissance de colonie

f(T°C, âge de la feuille)

Infection SporulationArrachage

f(diamètre colonie)

Dispersion

f(vitesse du vent, distance à la source, surface des feuilles)

Transport Dépôt

).exp(. diamBAQ

eDiamDiamètre rtt

1

*)50(max * F(T)

Entrées du modèleEntrées du modèle

A. PathogèneA. PathogèneHôteHôte

HommeHomme

Climat

TempératureTempérature(développement de l’hôte et du pathogène)

VentVent(arrachage des spores)

Conduite de la vigne Conduite de la vigne (écimage : date et hauteur, nb et densité des rameaux)

ContaminationContamination(date, localisation)

Caractéristiques Caractéristiques des isolatsdes isolats(paramètres

d’infection, croissance des colonies, sporulation…)

VariétéVariété(taille maximale des organes)

VigueurVigueur(vitesse de

développement des organes, développement

des rameaux secondaires)

34 34 paramètresparamètresCaractéristiques de Caractéristiques de

développementdéveloppement

Sorties du modèleSorties du modèle

0

5000

10000

15000

20000

25000

30000

35000

40000

45000

100 120 140 160 180 200 220 240

calendar day

Nu

mb

er

of sp

ore

s

produced sporesescaped spores

0

100

200

300

400

500

600

100 120 140 160 180 200 220 240

calendar day

Nu

mb

er

of l

ea

ves

0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

To

tal l

ea

ves

are

a: S

T (

m²)

Nbr primary leavesNbr secondary leavesTotal leaves area

Shoot toppingD170-177-184

Dynamiques temporelles

0

0.2

0.4

0.6

0.8

1

100 110 120 130 140Calendar day

Pro

po

rtio

n o

f le

ave

s

< 5 day old5-10 old10-20 old> 20 old

Hôte

SporesMaladie

0

100

200

300

400

500

600

100 120 140 160 180 200 220 240

calendar day

Nu

mb

er

of d

ise

ase

d le

ave

s

0%

5%

10%

15%

20%

25%

30%

35%

40%

Se

verit

y (%

are

a d

ise

ase

d)

Nbr secondary diseased leavesNbr primary diseased leavesdiseased severity

Répartition spatio-temporelle de la maladieSévérité

1998inoculation

J115 - stade 1F

Sorties du modèleSorties du modèle

D133 D159 D169 D175 D217D183

2%0.04

%

37%2.8%

61%5.5%

62%9.5%

65%13.6%

100%28.6%

IncidenceSévérité

             10080604020 <50

Echelle de sévérité %

Etude de comportement épidémiqueEtude de comportement épidémique

Développement de la planteet source de variations épidémiques ?

Relations entre conditions précoces (hôte et pathogène)

et la gravité des épidémies ?

1998Débourrement tardif

2003Débourrement précoce

• Impact différent au niveau de la fréquence de feuilles malades à la floraison

0.37

0.16

0.0380

0.2

0.4

0.6

0.8

1

100 120 140 160 180 200 220Jour calendaire

Pro

po

rtio

n d

e fe

uill

es

ma

lad

es

115-L1123-L2129-L3131-L4134-L5136-L6138-L7

FloraisonJ159

jour-stadeinoculation

0.21

0.040

0.2

0.4

0.6

0.8

1

100 120 140 160 180 200 220

Jour calendaire

Pro

po

rtio

n d

e fe

uill

es

ma

lad

es

105-L1108-L2111-L3115-L4117-L5120-L6124-L7

FloraisonJ152

jour-stadeinoculation

Effet du positionnement des contaminations primaires Effet du positionnement des contaminations primaires

Calonnec et al., 2008 – Plant Pathology

2006 année précoceCroissance rapide

2004 année très tardiveCroissance rapide

Fin d’épidémie J240

Incidence : 98%Sévérité : 50.6%

Incidence : 82%Sévérité : 15%

Vigueur faible Vigueur forte

100   

  

  

  

  

  

50

0-5

Echelle de sévérité de maladie %

Effet de la vigueur Effet de la vigueur

Scénario 1:année à débourrement précoce

Scenario 2:année à débourrement tardif

• 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.

Perspectives