Données de l`épidémiologie végétale Retour d`expérience sur

Des exemples concrets de valorisation de données.
Données de l’épidémiologie végétale
Retour d’expérience sur
®
VIGICULTURES
François Brun (ACTA – les Instituts Techniques Agricoles)
Emmanuelle Gourdain (ARVALIS– Institut du végétal)
Danièle Simonneau (ARVALIS– Institut du végétal)
De nombreuses données collectées pour
l’épidémio-surveillance
∗ Mise en place du Bulletin de Santé du Végétal en 2009
∗ Document public et gratuit
∗ Par région et par culture
∗ Evaluation du risque basée sur l’état sanitaire au jour J, la
prédiction de son évolution et la prise en compte de la nuisibilité.
∗ réseau régional d'observations
∗ utilisation des modèles épidémiologiques
∗ suivis biologiques en laboratoire
∗ Expertises
⇒Des milliers de parcelles avec un suivi régulier chaque année
⇒Des données d’observation structurées dans des BD
Du terrain à la saisie
Exemple de Vigicultures® pour les grandes cultures
En début de campagne
Chaque semaine en cours de campagne
Choix des parcelles : constitution du
réseau régional
Stades du blé
piège à limaces
Et bien
d’autres…
Blé tendre hiver en Champagne-Ardenne
Caractérisation des parcelles
Variété
Date de semis
Précédent
Symptôme de septoriose
Symptôme de rouille brune
Suivi selon protocole harmonisé et quantification
Plusieurs dizaines de variables
(stade=Z31, SEPF1=5,…)
Enregistrement en base de données.
Vigicultures®, une architecture inter-institut
4
Source : séminaire RFSV 12 mars2014
Un dispositif en rythme de
croisière…
Moyenne 2010-2014
= 400 000
Utilisations en routine : 1) chaque semaine pour l’édition en cours de campagne
2) utilisation en bilan de campagne.
Source : CODIR Vigicultures® - 15 septembre52015
CODIR VIGICULTURES 15sept2015
Une masse considérable
d’information capitalisée !
Valeurs cumulées dans la base de 2008 au 30 juin 2015
Espèces
Betterave
Blé dur (hiver et printemps)
Blé tendre (hiver et printemps)
Colza
Féverole (hiver et printemps)
Lin fibre (hiver et printemps)
Lin graine (hiver et printemps)
Luzerne
Maïs doux
Maïs grain
Orge (hiver et printemps)
Pois protéagineux (hiver et printemps), pois chiche
Pomme de terre
Sorgho
Tabac
Tournesol
Triticale
Nb parcelles
1937
950
7895
6783
399
674
134
62
118
6437
3550
1228
1043
33
60
961
160
32424
Nb
Nb
observateurs observations
307
45037
205
53509
1408
929731
1225
612761
162
23201
198
40558
64
7097
21
11856
15
2478
683
191342
963
379789
454
77433
110
55515
13
486
14
1620
282
65188
68
20870
2518471
Source : CODIR Vigicultures® - 15 septembre62015
CODIR VIGICULTURES 15sept2015
Partenariats R&D
date
2013
Mars 2015
2015
Avril 2015
2015
Fin 2014
2013
Nature des données
Bioagr, Culture
Region
CA De Dryver, une Pucerons des épis. France
Thèse
BTH
Ttes France
A Chabert ACTA Limaces
cultures
M ValantinRavageurs
France
Morison (UMR
auxiliaires, maladies
Agronomie INRA-)
Demandeur
INRA UMR
Agroclim
Arvalis
IRSTEA
F Brun ACTA
2008-15
2008-15
Rouille Brune Blé
France
2008-15
Rouille jaune
France
2008-15
Tous, Céréales
Septoriose
Bourgogne
2010-11
Ch-A
Puis 2008-15
Centre
BTH
2015
période
2011
Projet :CASDAR, These,
ECOPHYTO
Modele spacio-temporel
Puceron des épis BTH
CASDAR RESOLIM
Modélisation à l’échelle
paysage / relations
ravageurs-auxiliaires (suite
projet MosaicPest)
MFE
Modèle statistique Rouille
jaune . Publi CIMA 2015
these
PSPE SynoEm
Terres Inovia coordonne un
projet CASDAR sur la
télédétection (TelIAE).
CESBIO
Source : CODIR Vigicultures® - 15 septembre72015
CODIR VIGICULTURES 15sept2015
Exemple de valorisation.
Outil d'analyse des dynamiques épidémiologiques
∗ Principe : estimer la dynamique de
l’incidence de la maladie à l’échelle
régionale à partir des observations
et en prenant en compte certaines
pratiques.
Sur feuille F1, au 28 mai 2015
∗ Application à la septoriose du blé
∗ Utilisateurs ciblés : acteurs BSV
∗ Données : fréquence hebdomadaire
de présence de septoriose sur les 3
dernières feuilles issues de
Vigicultures® 2009-2014
∗ Méthode : modèle généralisé mixte
Source : Michel et al., 2015
Exemple de valorisation.
Outil d'analyse des dynamiques épidémiologiques
Une co-construction avec producteurs de données
• partenaires régionaux inclus pour partie dans le
projet
• Présentation du projet initial et de l’avancement
lors des réunions de lancement/bilan de
campagne
• Test/diffusion des prototypes dès la première
année du projet
Fournir un service aux producteurs des données :
un rapport mis-à-jour automatiquement
Profiter de l’expertise des acteurs
• Pour filtrer les données nombreux pb de
saisie/cohérence
• Pour formaliser leur expertise dans l’outil
Les associer aux valorisations
• Co-auteurs et remerciements dans article pour
l’AFPP
Michel et al., 2015
Exemple de valorisation.
Exemple rouille jaune
∗ Principe : prédire la semaine
d’apparition des symptômes de la
rouille jaune sur les parcelles de blé
tendre en cours de campagne en
fonction de l’agronomie et du climat
de l’année
∗ Données : fréquence hebdomadaire de
présence de rouille jaune sur les 3
dernières feuilles issues de Vigicultures®
2009-2014
∗ Méthode : transformation des notations de
fréquence en variable binaire
(présence/absence de maladie) pour chaque
parcelle. Ajustement d’un modèle de survie
pour prédire la semaine d’apparition en
fonction de co-variables : sensibilité variétale,
variables climatiques calculées à partir des
coordonnées géographiques
Gourdain et al., 2015
Ajustement de 3
seuils de visite
Probabilité que l’infestation survienne avant chaque date d’observation
selon les années (fonction de répartition)
Valorisation : de nouveaux outils
Exemple Rouille Jaune
Evaluation de la qualité prédictive du modèle :
Acceptabilité : capacité du modèle à prédire
l’absence de maladie ou la présence dans le bon
créneau
Gourdain et al., 2015
Problèmes et solutions
(en général pour les données du BSV)
∗ Qualification/validation des données
∗ Bien comprendre le sens et la représentativité des données
∗ Certaines imprécisions dans les protocoles (échantillonnage dans la zone suivie de
la parcelle, mesures des variables,…)
∗ Incohérences dans les observations : erreurs de saisies ou possibles ?
⇒ Importance de s’associer à l’expertise nationale et régionale
⇒ Travail de correction/validation des données
∗ Juridique
∗ Données publiques-privés, mais d’intérêt général.
⇒ La position du MAAF sur les données remontés dans EPIPHYT n’est pas clair…
séminaire open data 7 janvier 2015 : http://www.modelia.org/moodle/course/view.php?id=63
∗ Relations entre les acteurs
∗ Au niveau d’une région, il peut y avoir des visions assez différentes entres les
acteurs
∗ Importance d’avoir des services en retour de la collecte des données pour
continuer à encourager la participation à ces dispositifs collectifs.
Transparence par rapport aux usages des
données
∗ Extrait CGU des utilisateurs de Vigicultures®
∗ Fourniture des données par l’utilisateur
∗ Pour utiliser ce Service, vous enregistrez vos propres données parcellaires et
d’observations. ARVALIS – Institut du végétal, CETIOM, ITB et ITL se réservent
le droit d’effectuer des statistiques et d’exploiter les données d’observations
agronomiques saisies dans vigicultures® à des fins de recherche et de façon
anonyme. En aucun cas, les instituts propriétaires du service ne fourniront les
données individuelles saisies dans vigicultures® à des tiers hors Ministère de
l’Agriculture dans le cadre du BSV. […]