Thèse soutenue

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

FR  |  
EN
Auteur / Autrice : Mathilde Chen
Direction : David Makowski
Type : Thèse de doctorat
Discipline(s) : Sciences agronomiques
Date : Soutenance le 12/12/2019
Etablissement(s) : Université Paris-Saclay (ComUE)
Ecole(s) doctorale(s) : École doctorale Agriculture, alimentation, biologie, environnement, santé (Paris ; 2015-....)
Partenaire(s) de recherche : établissement opérateur d'inscription : AgroParisTech (France ; 2007-....)
Laboratoire : Agronomie (Thiverval-Grignon, Yvelines ; 1964-....)
Jury : Président / Présidente : Ivan Sache
Examinateurs / Examinatrices : Ivan Sache, François Delmotte, Samuel Soubeyrand, François Brun, Catherine Abadie-Fournier
Rapporteurs / Rapporteuses : François Delmotte, Samuel Soubeyrand

Résumé

FR  |  
EN

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 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 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.Nos résultats et les méthodes employées sont discutés et mis en perspective avec d’autres moyens de réduction de l’usage des pesticides en viticulture.