Changement climatique et maladies des plantes Eléments de réflexion L Huber*, M Launay** et MO Bancal* * UMR 1042 EcoSys, Thiverval-Grignon ** US 1116 AgroClim, Avignon Exposé en lien avec le projet ACCAF-CLIF “CLimate change Impact on Fungal pathogens“ du MP Adaptation au changement climatique de l’agriculture et de la forêt partenaires CLIF : 10 unités INRA (départements E&A, SPE, GAP, EFPA) ITA associés + collaborations internationales Séminaire SMACH – 1er septembre 2015 Global Warming Scenarios (IPCC 2015) Boucher et al, 2015 Effets du changement climatique sur la santé végétale • Peu de résultats sur les maladies par comparaison aux insectes • Effets directs sur les processus épidémiologiques (germination, infection, période de latence, …) : - effets de : température, eau liquide ou vapeur, pluie, déficit hydrique, CO2, UV-B, O3, … - augmentation des moyennes, changement dans la variabilité • Effets indirects du changement global et des événements extrêmes sur les interactions plante-pathogènes : - modifications de la phénologie de l’hôte, de la répartition géographique - changements dans la physiologie de l’hôte et la chimie foliaire - adaptation des composantes du pathosystème hôte-pathogène Effets thermiques Non-linéarité de la réponse à la temperature Taux de croissance (h-1) Température quasi-constante (―) / Température fluctuante (― ―) => Développement horaire Réchauffement 0,012 0,01 Moyenne & variabilité des températures sub-optimales 0,008 0,006 0,004 0,002 0 0 10 20 Température moyenne (°C) 30 40 Croissance Potentiel d’expansion de la maladie de l’encre du chêne due à Phythophthora cinnamomi sous changement climatique 0-10 1020 2030 3040 F 4050 5060 6070 7080 8090 1960-1990 2070-2100 Fréquence (F) d’années de survie du pathogène inférieure à 50 % (Bergot et al, 2004, Global Change Biology) 90100 Effets de l’eau liquide superficielle Effet de seuil dans la réponse biologique à l’eau liquide en fonction de la température Infection efficiency of brown rust and yellow rust on wheat seedlings (de Vallavieille-Pope et al, 2002) SWD=Durée d’humectation (heures) Réchauffement SWD (hours) 40 30 Une température plus élevée peut compenser une durée d’humectation superficielle moindre SUCCES 20 10 ECHEC 0 0 5 10 15 20 25 Temperature (°C) Severity=1 Severity=20 Severity=50 30 Médiane de la durée d'humectation en été / scénario CNRM* 12 Mediane duré humectation (heures) avignon 10 bordeaux clermont colmar 8 dijon lusignan mirecourt 6 mons rennes 4 stetienne toulouse versailles 2 0 actuelle proche lointaine période 7 = FAISA < 0.8 A : 1970-1999 B : 2020-2049 C : 2070-2099 Scénario Anomalies Scénario CER1-A1B Nombre de traitements (nb_TT) contre la pourriture grise (Botrytis cinera) sur vigne cépage merlot Utilisation de 2 scénarios de changement climatique Evolution des pertes de rendement potentielles 10 9 Pertes de rendement (tonnes/ha) Ceres-Rouille, A1B, TT, Sol 1, semis 10 Oct PR FP FL 8 7 6 5 4 3 2 1 en ne s St Et ie n To n e ul o Ve use rs ai ll e s R M on s D ijo n Lu si gn a M ire n co ur t A vi gn on B or de au x C le rm on t C ol m ar 0 Baisse ou stagnation des pertes rendement Baisse ou stagnation des pertes relatives de rendement Une tendance qui s’accentue dans le FL Changement climatique et santé végétale : le projet CLIF du Méta-programme ACCAF Méthodes et modèles en vue de l’adaptation au CC Climat + Plante + Maladie A moyen terme Indicateurs agroclimatiques Evaluer et réduire les impacts du CC sur les épidémies Hiérarchiser les facteurs d’influence Nouveaux scénarios de CC, Spatialisation, Incertitudes Climat + Maladie Caractériser et analyser les risques Climat + Plante + Maladie + Pratiques agricoles A long terme Evolution des populations d’agents pathogènes Système climat - plante - maladie - pratiques agricoles Climate x Pathogen WP1 Scientific objectives & stakeholder expectations Climate x Pathosystem WP2 Modeling the impact of climate change on pathosystems T2.1. Scenarios of future climate, spatialization, uncertaintainty T2.2. Model building /modifying and model simulation of epidemic risks (space and time) new pathogen parameterization T1.1. Specific stakeholder needs and expectations T1.2. Toolbox of suitable models, agricultural practices and adaptation ways Climate x Pathosystem x Practices WP4 Taking into account pathogen diversity to improve modelling approaches adaptation rate of epidemics attested impacts of CC new strategies to be tested WP3 Adaptation strategies to improve plant health T3.1. Plant occurrence in space and time T4.1. Multiple pathosystems T3.2. Microclimate manipulation T4.2. Pathogen evolution under CC T3.2. Relative effects of climate change and agricultural practices WP5 Co-innovation and transfer of results T5.1. Evaluation of strategies T5.2. Dissemination of models and relevant indicators PERCEPTION DES ACTEURS DES FILIERES GRANDES CULTURES, ARBORICULTURE ET FORÊT SUR L’EVOLUTION DES RISQUES PHYTOSANITAIRES AVEC LE CHANGEMENT CLIMATIQUE PROBLEMATIQUES ATTENTES ET PRIORITES Scientifiques : Scientifiques : - Incertitudes multiples scénarios climatiques et conséquences biologiques = tendances et risques difficiles à identifier/estimer - Développer un outil de veille rapide et fiable permettant d’objectiver et de formaliser les risques phytosanitaires émergents. - Influence relative du climat sur l’évolution des pathosystèmes par rapport aux pratiques - Développer des modèles combinant scénarii climatiques et dynamiques des pathosystèmes. - Connaissances limitées aux espèces connues et impacts économiques associés. Organisationnelles : Organisationnelles : - Réactivité des filières (détection pathogènes, de résistances, délais sélection, lourdeur administrative réglementaire) de de et - Priorisation des risques : budgets, réponse aux besoins actuels, anticipation limitée, mutualisation des risques - Etablir des réseaux formels de partage d’informations phytosanitaires. - Partager la prise de risques économiques entre acteurs d’un même secteur d’activités (CLIF-WP1, 2015, coord. ECOSYS et ACTA, projet d’ingénieur AgroParisTech : Clélia Granozio Claire-Marie Luitaud Céline Spelle) l’humidité diminue au printemps surtout dans le sud F. Huard, 2015, INRA Agroclim : travaux CLIF-WP2 en cours Traitement des données climatiques pour calculer les risques futurs d’infection: nombre de jours infectieux et infection mensuelle moyenne Description du protocole pour l’étude numérique de l’impact du CC Launay et al 2014 Utilisation du modèle STICS MILA pour prédire les risque d’infection de plusieurs pathogènes avec le CC (sans adaptation de l’agent pathogène) d’après Launay et al 2014 Prédiction de l’évolution de l’Efficacité d’Infection pour des isolats adaptés aux T° élevées Cas de la rouille jaune ISOLATS Réf Réf Invasives Warrior Nord Pst2 Sud W4 W5 W9 Versailles Réf Réf Invasives Warrior Nord Pst2 Sud W4 W5 W9 Avignon Mois de Mai C. Pope et al, 2014, CLIF-WP4 en cours Les risques d’infection augmentent dans le futur lointain, Significativement seulement pour certains isolats en lien avec leur réponse différente à la T° Démarche collective de réponse aux AAP 1) coordination de CC-FUN et ECOPATCH (ANR 2014 et 2015) • élaborer des scénarios de prévision des effets du CC sur les pathosystèmes • concevoir des stratégies d'adaptation minimisant les risques de maladies • évaluer les stratégies par des approches multi-critères et multi-acteurs mycoses foliaires de 3 cultures annuelles (blé, tournesol, pomme de terre) 5 unités INRA + 3 ITA + UVSQ-REEDS (économie écologique) Retour ANR 2014 : peu différent entre pré-proposition et proposition détaillée -« Considerable contribution » : minimisation des risques, évaluation des stratégies -« Novelty » : impact du CC sur les interactions H-P, génération de scénarios MAIS -trop de pathosystèmes et/ou de scénarios climatiques -persistance des fongicides sous CC : moins pertinent et cher ! -information insuffisante sur le site web DONC => Nouveau projet / ANR 2015 : pré-proposition ECOPATCH non sélectionnée ! Démarche collective de réponse aux AAP 2) participation INRA à RESILCER soumis à ERA-NET Plus on Climate Smart Agriculture (coord: V. Rossi; 18 partenaires) => resilience of cereal‐based production and food systems to main diseases in the context of CC through the development of CSA options • WP1 Increasing the resilience of cereal crops through better understanding of plant resistance • WP2 Smart agriculture to control key cereal diseases, reduce mycotoxins and to increase soil fertility * • WP3 Understanding fungal population * • WP4 Modelling cereal disease ** • WP5 Cereal diseases in the future*** Echelles spatiales et temporelles Modèles déterministes Modèles biophysiques Modèles simples et robustes Indicateurs agroclimatiques Types d’approches climat futur, incertitudes épistémiques/aléatoires Agents pathogènes Variabilité et évolution Pathosystèmes : Prévision négative Alerte, Emergence Lutte chimique Adaptation au CC (ACCAF) impact sur la santé végétale résilience des agroécosystèmes Sécurité alimentaire : réduction des pertes de récolte (quantité, qualité) Impacts environnementaux Sources d’incertitude Positionnement de la problématique19