[Thèse soutenue] Mathilde Chen : Analyse du risque de mildiou de la vigne à partir de données régionales et d’informations locale collectées en cours de saison

Mathilde Chen a soutenu sa thèse le 12 décembre 2019 à AgroParisTech (Paris)

Télécharger son mémoire : Mathilde Chen. Analyse du risque de mildiou de la vigne dans le Bordelais à partir de données
régionales et d’informations locales collectées en cours de saison. Agronomie. Université Paris-Saclay,
2019. Français. ffNNT : 2019SACLA031ff. fftel-02457148

 

 

Bonjour, je m’appelle Mathilde Chen et je mène un projet de thèse à l’Acta, en partenariat avec l’INRA. Je suis le plus souvent basée à l’UMR Agronomie de l’INRA Versailles-Grignon, mais je travaille aussi avec certains Instituts Techniques comme l’Institut Français de la Vigne et du Vin ou encore ARVALIS – Institut du Végétal.

 

Je suis diplômée de l’Institut Polytechnique LaSalle Beauvais, une école d’ingénieur en agronomie. J’ai fait une spécialisation en Agroécologie, Sols, Eaux et Territoires durant mes 2 dernières années d’étude.

Ma première mission à l’INRA était pour un stage d’analyse de données où j’ai étudié l’effet du paysage sur les maladies de grandes cultures grâce à des analyses statistiques.

Par la suite j’ai eu l’opportunité de postuler à cette offre de thèse en analyses de données, encadrée par David Makowski de INRA et François Brun de l’Acta.

 

Analyse du risque de mildiou de la vigne à partir de données régionales et d’informations locale collectées en cours de saison

  • Date de démarrage : janvier 2017
  • Soutenance : thèse soutenue le 12 décembre 2019
  • Université :Paris Saclay
  • Ecole doctorale :  ABIES
  • Discipline / Spécialité :  Agronomie, analyses statistiques
  • Directeur de thèse : David Makowski (INRA)
  • Co-encadrant : François Brun (Acta)
  • Financement : Acta-les instituts techniques
  • Projet de recherche : Smart Pic
  • #DigitAg : Thèse labellisée – Challenge 3

Mots-clés :  modèles statistiques, phytopathologie, vigne, base de données régionale, expertise, machine learning, protection des plantes, mildiou de la vigne

Résumé :

L’utilisation de pesticides permet de réduire les pertes de récolte mais génère des impacts environnementaux négatifs. Il est important de fournir des informations précises sur les risques épidémiques concernant les bioagresseurs afin de raisonner l’utilisation des pesticides, en particulier dans le cas du mildiou de la vigne, responsable en moyenne de 43% des traitements utilisés dans le Bordelais. Cette thèse évalue l’intérêt de la date d’apparition des symptômes de mildiou de la vigne (Plasmopara viticola) pour raisonner l’usage des fongicides dans la lutte contre cette maladie.

En nous basant sur des observations régionales et de l’expertise locale, nous montrons que dans le Bordelais, les premiers traitements sont réalisés en moyenne quatre semaines avant l’apparition des premiers symptômes. Nous montrons que reporter la date du premier traitement anti-mildiou à la date d’apparition de la maladie permet d’économiser en moyenne 56% des traitements, par rapport aux pratiques actuelles de cette région. Nos résultats montrent que combiner cette stratégie avec le port d’équipements de protection réduit l’exposition des opérateurs de plus de 70%.En utilisant des méthodes de machine learning, nous montrons que, dans le Bordelais, la précocité et la gravité des épidémies de mildiou sont fortement liées. Les prévisions de nos modèles peuvent être utilisées pour déclencher les traitements contre la maladie dans les cas de risques élevés, entraînant une réduction de plus de 50% des traitements anti-mildiou par rapport aux pratiques actuelles.

Ces résultats, ainsi que les méthodes employées, sont discutés et mis en perspective avec d’autres méthodes de réduction de l’usage des pesticides en viticulture.

Contact :  06 71 41 90 20 | Réseaux : ResearchGateLinkedIn

Communications / Publications

Articles de revue

M. Chen, F. Brun, M. Raynal, C. Debord, D. Makowski, (2019). Use of probabilistic expert elicitation for assessing risk of appearance of grape downy mildew. Crop Protection, 126.  –  https://doi.org/10.1016/j.cropro.2019.104926

Chen, M., Brun, F., Raynal, M. & Makowski, D., 2018. Timing of grape downy mildew onset in Bordeaux vineyards. Phytopathology. 2018 Oct 30. https://doi.org/10.1094/PHYTO-12-17-0412-R

Articles de congrès

Chen, M., Brun, F., Raynal, M. & Makowski, D., 2018. Estimer la date d’apparition du mildiou de la vigne grâce à l’élicitation probabiliste d’experts. Végéphyl – 12ème Conférence Internationale sur les Maladies des plantes. Tours, le 11 et 12 décembre 2018.

Brun, François, & Chen, Mathilde, Michel, Lucie, Veslot, Jacques, Makowski, David & al. (2017). Valorisation des données agricoles d’épidémio-surveillance. Création d’outils pour les acteurs régionaux du Bulletin de santé du végétal. VigiCultures, Réfléxions collectives à son évolution, 22 juin 2017, Paris, Acta-INRA – DOI : https://doi.org/10.13140/rg.2.2.36295.60320

Brun, François, Chen, Mathilde, Van de Kerckhove, Simon & al, et. (2017). Epi Agro – Visualiser la santé du blé. Phttps://doi.org/10.13140/rg.2.2.36295.60320résentation du prototype. Pitch au Hackathon Api Agro – SIMA 2017, Paris, DOI :  https://doi.org/10.13140/RG.2.2.28326.42568

Brun, François, Michel, Lucie, Veslot, Jacques, Chen, Mathilde, Makowski, David & al. (2017). Real-time analysis and prediction tools based on data for regional plant health monitoring: application on wheat and wine in France. EFITA 2017, Montpellier (France), July 2nd-6th (European conference dedicated to the future use of ICT in the agri-food sector, bioresource and biomass sector,