Changement climatique et maladies des plantes

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