.


Un Modèle Stochastique Spatial pour la Dispersion à Courte Echelle de la Rouille Brune du Blé

S. Soubeyrand(1,2), I. Sache(1), C. Lannou(1), J. Chadoeuf(2)
(1) UMR 207 INRA-INA-PG Epidémiologie Végétale et Ecologie des Populations
(2) UR 546 INRA Biométrie

Nous proposons un modèle stochastique spatial pour décrire la dispersion à courte échelle d'épidémies à dissémination aérienne, la dispersion à courte échelle étant une composante majeure du développement d'une maladie à l'intérieur d'un champ. Notre intérêt se porte plus particulièrement sur la rouille brune du blé. Selon la classification de Klein et al (2003), notre modèle est quasi-mécaniste : seuls quelques éléments importants du phénomène sont pris en compte, à savoir la dispersion des spores et l'infection des feuilles. Ainsi, le modèle contient un nombre restreint de paramètres qui sont estimés à partir de données expérimentales par maximum de vraisemblance.
L'expérience. Dans une parcelle de blé Soisson, des feuilles ont été inoculées avec de la rouille brune. Des lésions mères sont apparues sur ces feuilles et ont produit des spores ; ces spores ont été dispersées et ont donné des lésions filles. Les nombres de lésions filles par feuille ont été mesurés pour les feuilles avoisinant les sources de spores.
Le modèle. Le nombre de lésions filles sur une feuille suit une loi de Poisson dont l'espérance est le produit du potentiel infectieux local par la variable de susceptibilité de la feuille. Le potentiel infectieux local (ie à la position de la feuille) dépend d'une fonction de dispersion des spores, et de l'intensité des sources de spores. Quant à la variable de susceptibilité de la feuille, elle caractérise la propension de la feuille à être infectée par la maladie. Ce modèle, qui a pour objectif d'évaluer la dispersion des lésions, prend en compte deux éléments importants du phénomène : la dispersion des spores et l'infection des feuilles.
Les résultats. Les paramètres du modèle et leurs variances sont estimés par maximum de vraisemblance à partir des données expérimentales. Les hypothèses biologiques et mathématiques sont alors confrontées aux résultats afin de progresser dans la compréhension du phénomène.










Copyright Cirad 2004 - Contact : Cathy Lyonnet