Search

Le tournesol présente de nombreux atouts agroécologiques (résistance aux stress abiotiques, faible Indice de Fréquence de Traitement, bon précédent cultural, entretien de la biodiversité des pollinisateurs), mais ses surfaces et son rendement stagnent depuis près de 30 ans. Ces stagnations sont notamment dues à un cortège de bioagresseurs dont il est la cible. Dans un contexte d'objectif de réduction de l'utilisation des pesticides, les méthodes non chimiques de prophylaxie (ou préventives) doivent être valorisées face aux bioagresseurs. Or, il est difficile de prévoir l'effet du changement d'une ou plusieurs pratiques culturales sur l'ensemble de bioagresseurs. Les outils de modélisation sont des outils indispensables pour aborder cette question. Trois bioagresseurs ont été considérés lors de cette thèse : deux champignons phytopathogènes, le phomopsis (Diaporthe helianthi) et le phoma (Leptosphaeria lindquistii), en raison des connaissances et des jeux de données disponibles ; et une plante parasitant exclusivement le tournesol, l’orobanche (Orobanche cumana) en raison de l'importance agronomique des dommages qu'elle entraîne. Elle est récemment apparue en France et prolifère rapidement. Ces trois bioagresseurs peuvent avoir un haut niveau de nuisibilité. Le travail de thèse aborde trois questions. i) Comment gérer la production d’inoculum primaire de ces bioagresseurs ? ii) Comment synthétiser les savoirs disponibles sur les effets des pratiques agricoles et de la situation de production sur les cycles biologiques de ces bioagresseurs ? iii) Comment améliorer les méthodes de modélisation mobilisées ? Des synthèses des littératures scientifique et technique ont été réalisées. L’expertise de phytopathologistes, de malherbologues et d’agronomes a été élicitée et formalisée. Des méthodes algorithmiques originales ont été développées pour adapter deux modèles génériques à différents bioagresseurs. Le modèle dynamique générique SimMat a été mobilisé pour aborder la première question. Ce modèle prédit les effets de la pluviométrie et de la température sur la reproduction sexuée de champignons ascomycètes. Il a été adapté au phomopsis et au phoma du tournesol. La seconde question a été abordée à l'aide de l'approche IPSIM (Injury Profile SIMulator), qui permet de développer des modèles qualitatifs prédisant les effets du système de culture et de la situation de production sur les dégâts causés par un ou plusieurs bioagresseurs. Deux modèles qualitatifs ont été créés : un pour le phomopsis, un pour le phoma. Des modèles préliminaires ont été proposés pour le phoma et l’orobanche. L'ensemble de ces modèles a été adapté aux bioagresseurs grâce à des méthodes innovantes pour améliorer leurs qualités prédictives. En particulier, une méthode d'hybridation de l’expertise et des informations contenues dans les jeux de données a été proposée. La thèse a donc permis de développer un ensemble de modèles contribuant à la gestion des stress biotiques du tournesol, et des innovations méthodologiques génériques pour la modélisation. On dispose désormais d'outils opérationnels pour contribuer à la mise en place de stratégies de protection agroécologique du tournesol.

Le tournesol est soumis à un ensemble de pressions biotiques qui sont en partie responsables de la stagnation des rendements. Parmi ces bioagresseurs, le phomopsis (Diaporthe helianthi), le phoma (Phoma macdonaldii), le verticillium (Verticillium dahliae), le sclérotinia (Sclerotinia Sclerotiorum), et le mildiou (Plasmopara halstedii) apparaissent comme les maladies fongiques du tournesol les plus nuisibles au niveau national. La plante parasitaire Orobanche cumana entraine elle aussi des dommages importants sur le tournesol. Il est donc important de pouvoir hiérarchiser les dommages engendrés par ces bioagresseurs afin de concevoir des stratégies de gestion, notamment via l’amélioration variétale et le contrôle cultural. Pour ce faire, il est nécessaire de disposer de connaissances sur les mécanismes de dommage des bioagresseurs. Parmi les principaux mécanismes de dommage, on peut citer la réduction de la photosynthèse par une diminution de la surface photosynthétiquement active, la diversion d’assimilats, et la réduction de l’efficience de conversion par des effets systémiques sur le peuplement. L’objectif du projet SUNFLOWERPEST était de synthétiser les connaissances, les données, les éléments de modélisation disponibles dans un modèle de nuisibilité des principaux bioagresseurs du tournesol. Pour ce faire, on s’est appuyé sur une analyse bibliographique exhaustive, et la réalisation d’un inventaire détaillé des jeux de données disponibles chez les différents participants du projet. Au delà de la synthèse des connaissances que le projet a permis, le projet a autorisé le développement d’un modèle spécifique, appelé SUNFLOWERPEST mobilisant les connaissances disponibles. Ce modèle est d’ores et déjà disponible de manière gratuite, transparente, et accessible aux non spécialistes de l’informatique et de la modélisation via la plateforme en ligne xpest.inra.fr (développée dans le cadre du projet européen PURE ; http://www.pureipm. eu). Ce modèle permet une représentation simplifiée du fonctionnement écophysiologique d’un peuplement de tournesol, couplée à une série de mécanismes de dommage associée à un profil de dégât dynamique. SUNFLOWERPEST peut représenter les dommages engendrés par des bioagresseurs individuels, ou par un ensemble de bioagresseurs. L’analyse bibliographique et les jeux de données identifiés ont révélé de larges trous de connaissance. Néanmoins, l’exercice a pu être mené jusqu’au bout pour 3 de ces bioagresseurs (le phomopsis, le sclérotinia au collet et l’orobanche), avec des proposition de formalismes ad hoc, et une évaluation de la qualité d’ajustement des relations proposés. Une expérimentation type a été proposée afin de mieux appréhender les mécanismes de dommage associés aux principaux bioagresseurs du tournesol. Une fois consolidé, le modèle SUNFLOWERPEST permettra d’analyser les effets de différents profils de dégâts (définis par l’interaction entre le système de culture et la situation de production) sur l’élaboration du rendement du tournesol dans une situation de production donnée. Couplé à un modèle simulant les effets des pratiques culturales, des conditions pédoclimatiques et du territoire sur les profils de dégâts (hors projet), ces sorties permettront à terme la conception de systèmes de culture limitant les pertes de récolte occasionnées par les bioagresseurs, ainsi que la définition d’idéotypes adaptés à certaines situations de production associées à des pressions biotiques données.

Le tournesol est soumis à un ensemble de pressions biotiques qui sont en partie responsables de la stagnation des rendements. Parmi ces bioagresseurs, le phomopsis (Diaporthe helianthi), le phoma (Phoma macdonaldii), le verticillium (Verticillium dahliae), le sclérotinia (Sclerotinia Sclerotiorum), et le mildiou (Plasmopara halstedii) apparaissent comme les maladies fongiques du tournesol les plus nuisibles au niveau national. La plante parasitaire Orobanche cumana entraine elle aussi des dommages importants sur le tournesol. Il est donc important de pouvoir hiérarchiser les dommages engendrés par ces bioagresseurs afin de concevoir des stratégies de gestion, notamment via l’amélioration variétale et le contrôle cultural. Pour ce faire, il est nécessaire de disposer de connaissances sur les mécanismes de dommage des bioagresseurs. Parmi les principaux mécanismes de dommage, on peut citer la réduction de la photosynthèse par une diminution de la surface photosynthétiquement active, la diversion d’assimilats, et la réduction de l’efficience de conversion par des effets systémiques sur le peuplement. L’objectif du projet SUNFLOWERPEST était de synthétiser les connaissances, les données, les éléments de modélisation disponibles dans un modèle de nuisibilité des principaux bioagresseurs du tournesol. Pour ce faire, on s’est appuyé sur une analyse bibliographique exhaustive, et la réalisation d’un inventaire détaillé des jeux de données disponibles chez les différents participants du projet. Au delà de la synthèse des connaissances que le projet a permis, le projet a autorisé le développement d’un modèle spécifique, appelé SUNFLOWERPEST mobilisant les connaissances disponibles. Ce modèle est d’ores et déjà disponible de manière gratuite, transparente, et accessible aux non spécialistes de l’informatique et de la modélisation via la plateforme en ligne xpest.inra.fr (développée dans le cadre du projet européen PURE ; http://www.pureipm. eu). Ce modèle permet une représentation simplifiée du fonctionnement écophysiologique d’un peuplement de tournesol, couplée à une série de mécanismes de dommage associée à un profil de dégât dynamique. SUNFLOWERPEST peut représenter les dommages engendrés par des bioagresseurs individuels, ou par un ensemble de bioagresseurs. L’analyse bibliographique et les jeux de données identifiés ont révélé de larges trous de connaissance. Néanmoins, l’exercice a pu être mené jusqu’au bout pour 3 de ces bioagresseurs (le phomopsis, le sclérotinia au collet et l’orobanche), avec des proposition de formalismes ad hoc, et une évaluation de la qualité d’ajustement des relations proposés. Une expérimentation type a été proposée afin de mieux appréhender les mécanismes de dommage associés aux principaux bioagresseurs du tournesol. Une fois consolidé, le modèle SUNFLOWERPEST permettra d’analyser les effets de différents profils de dégâts (définis par l’interaction entre le système de culture et la situation de production) sur l’élaboration du rendement du tournesol dans une situation de production donnée. Couplé à un modèle simulant les effets des pratiques culturales, des conditions pédoclimatiques et du territoire sur les profils de dégâts (hors projet), ces sorties permettront à terme la conception de systèmes de culture limitant les pertes de récolte occasionnées par les bioagresseurs, ainsi que la définition d’idéotypes adaptés à certaines situations de production associées à des pressions biotiques données.

National audience; D. helianthi causes phomopsis stem canker. Ascospores infect sunflower leaves, which will generate killing girdling symptomps. After harvest, fungus mycelium survives on infected stubble. At the end of winter, D. helianthi perithecia appear and will release ascospores. Disease management relies on cultural, genetic and chemical control methods. Fungicide treatments have to be applied just before the main ascospore showers. Farmers and advisers therefore need a Decision Support System to predict these periods. This communication presents the adaptation of the generic SimMat model to D. helianthi to fulfill this need.; Diaporthe helianthi est l’agent causal du phomopsis du tournesol. Les ascospores infectent les feuilles, qui vont générer des taches encerclantes mortelles. Après récolte, le mycélium survit sur les résidus. A la fin de l’hiver, des perithèces apparaissent et vont émettre des ascospores de D. helianthi. Les principales méthodes de gestion sont agronomique, génétique, et chimique. Pour qu’ils soient efficaces, les traitements fongicides doivent coincider avec la première émission significative d’ascospores. Les agriculteurs ont donc besoin d’un outil d’aide à la décision prédisant la temporalité des émissions des ascospores. Cette communication présente l’adaptation du modèle générique SimMat répondant à ce besoin.

Diaporthe helianthi est l’agent causal du phomopsis du tournesol. Les ascospores infectent les feuilles, qui vont générer des taches encerclantes mortelles. Après récolte, le mycélium survit sur les résidus. A la fin de l’hiver, des perithèces apparaissent et vont émettre des ascospores de D. helianthi. Les principales méthodes de gestion sont agronomique, génétique, et chimique. Pour qu’ils soient efficaces, les traitements fongicides doivent coincider avec la première émission significative d’ascospores. Les agriculteurs ont donc besoin d’un outil d’aide à la décision prédisant la temporalité des émissions des ascospores. Cette communication présente l’adaptation du modèle générique SimMat répondant à ce besoin., D. helianthi causes phomopsis stem canker. Ascospores infect sunflower leaves, which will generate killing girdling symptomps. After harvest, fungus mycelium survives on infected stubble. At the end of winter, D. helianthi perithecia appear and will release ascospores. Disease management relies on cultural, genetic and chemical control methods. Fungicide treatments have to be applied just before the main ascospore showers. Farmers and advisers therefore need a Decision Support System to predict these periods. This communication presents the adaptation of the generic SimMat model to D. helianthi to fulfill this need.

International audience; Sunflower is submitted to several major pathogens. Modeling is a key tool to help design. Integrated Pest Management strategies to control them. A new qualitative modelling approach is currently under progress using the IPSIM platforrn (Aubertot and Robin, 2013) for sunflower. It aims at predicting injury profiles on sunflower as a function of cropping practices, soi!, weather, and the surroundings of the considered field. Based on a literature review and expert knowledge, hierarchical deterrninistic bayesian networks were developed. Independent datasets were used to assess their quality of prediction. This communication will present: i) a first draft of IPSIMSunflower; ii) the evaluation of its predictive quality; iii) examples of simulation to help design IPM strategies to contrai the disease; iv) a discussion on the limits and benefits of the approach, along with perspectives.

National audience

Sunflower is submitted to several major pathogens. Modeling is a key tool to help design. Integrated Pest Management strategies to control them. A new qualitative modelling approach is currently under progress using the IPSIM platforrn (Aubertot and Robin, 2013) for sunflower. It aims at predicting injury profiles on sunflower as a function of cropping practices, soi!, weather, and the surroundings of the considered field. Based on a literature review and expert knowledge, hierarchical deterrninistic bayesian networks were developed. Independent datasets were used to assess their quality of prediction. This communication will present: i) a first draft of IPSIMSunflower; ii) the evaluation of its predictive quality; iii) examples of simulation to help design IPM strategies to contrai the disease; iv) a discussion on the limits and benefits of the approach, along with perspectives.