En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal ministère de l'Agriculture (DGER) CNIV Bordeaux Sciences Agro Université Champagne-Ardenne IFV ISVV

les maladies du bois de la vigne

Partie 3

Partie 3
© Google map
Détermination des facteurs environnementaux et culturaux liés à l’esca/BDA de la vigne par une approche de modélisation spatio-temporelle

Objectif

Il consiste à étudier la dynamique temporelle et spatio-temporelle de l’esca/BDA de la vigne en intégrant des données pédo-climatiques spatialisées à échelle locale (plantes, parcelles) et des données de pratiques culturales. Le but est de construire des modèles de compréhension et de prédiction afin de développer des outils de gestion pour le viticulteur et d’explorer le devenir du vignoble selon différents scénarii climatiques. Ce projet est en continuité des études entreprises par l’UMR SAVE en épidémiologie de l’esca/BDA (responsable L. Guérin-Dubrana)  dans le cadre d’un précédent projet Casdar (2009-2012). Les résultats de l’analyse exploratoires des données de maladies spatialisées ont mis en évidence des situations variables selon les parcelles et ne permettent pas de décrire un processus d’évolution spatiale simple. Des foyers pérennes de maladie incitent à approfondir les relations entre les facteurs pédologiques, écophysiologiques et la maladie. Nous disposons de données spatialisées au niveau du sol (résistivité électrique) qui seront couplées à des données « plante », afin d’estimer de façon rigoureuse l’état hydrique de chaque plante, et son évolution temporelle en intégrant les données climatiques locales. En outre, en étudiant sa dynamique spatiale et temporelle en lien avec l’effet du climat, nous  pourrons explorer  la prédiction du développement des MDB en mesurant par exemple, l’effet d’une modification de climat à long terme.

Méthodologie 

Ce projet s’appuie sur une base de données « maladies » constituées à partir des notations de l’état sanitaire de ceps cartographiés dans 40 parcelles de 10 régions viticoles françaises (Bordelais, Bourgogne, Provence Alpes Côte d’Azur, Champagne, Rhône-Alpes, Midi-Pyrénées, Languedoc Roussillon, Pays de Loire, Charentes et Corse ; entre 4 à 10 années de suivis pour ces parcelles), et sur la base de données « co-variables » incluant des paramètres du climat, du sol et de la plante en plus des caractéristiques culturales des parcelles (cépage, porte greffe, mode de conduite, type de taille…). La métabase a été réalisée grâce au  partenariat développé entre l’UMR SAVE et les organismes professionnels publics ou privés de la filière viticole.

  • Phase  I : Bioindicateurs et analyse exploratoire

- Action 1 : Choix des indicateurs pour caractériser spatialement l’état hydrique du sol et l’état physiologique des plantes de vigne. Les  données géophysiques du sol et les données relatives à la plante seront utilisées pour déterminer le meilleur indicateur du statut hydrique. Etant donné que l’état hydrique des plantes évolue dans le temps en fonction des conditions climatiques, la composante temporelle sera prise en compte à une échelle annuelle et pluri-annuelle du fait du comportement de la maladie.  Ce travail pourra s’adosser sur les résultats des recherches récentes menées par l’équipe du Dr B. Tisseyre sur la modélisation de la variabilité spatiale et temporelle de l’état hydrique de la vigne (Acevedo-Opazo et al., 2010) et sur les travaux menés à l’UMR EGFV par le Dr Kees Van Leewen (Gaudillère et al., 2002).

 - Action 2 : Analyse statistique exploratoire de la dynamique spatio-temporelle de la maladie. Une approche exploratoire utilisant les techniques d’analyses de données multi-tableaux (et intégrant l’aspect temporel) sera réalisée afin de donner les premières associations et corrélations entre les facteurs au cours du temps (Chavent et al., 2009), et de suggérer les associations à confirmer et mesurer par la modélisation. Nous chercherons à retrouver les profils d’années d’expression typiques de l’esca/BDA et à les caractériser, le cas échéant, en fonction des données climatiques, du régime hydrique et des pratiques de culture, telles que la taille.

  • Phase II : Modélisation spatio-temporelle de la maladie

 - Action 3 : L’approche spatio-temporelle permettra de comprendre la dynamique de la maladie (agrégats, transmission entre voisins, …) et le cas échéant d’interpréter biologiquement les processus décrits. Les outils statistiques utilisés dans l’étude comprendront des modèles multi-états markoviens et non markoviens (Commenges et Gégout-Petit, 2007 ; Commenges et Gégout-Petit, 2009), des modèles spatiaux et modèles spatio-temporels avec co-variables et une estimation paramétrique ou non-paramétrique des caractéristiques de ces modèles.  Une modélisation hiérarchique à variable latente (représentant le niveau de nécrose non observé du cep) pour expliquer les transitions des états successifs du cep sera proposée. Identification de profils à risque pour l’esca/BDA suivant les caractéristiques des sols, le régime hydrique et  les pratiques culturales éventuellement en interactions. Un outil de simulation de la maladie sera élaboré permettant de tester différents scénarii climatiques ou culturaux.