Notice bibliographique
Résumé
Les oomycètes représentent un groupe d’organismes très diversifiés responsables de diverses maladies d’animaux et de plantes. En agriculture le mildiou de la pomme de terre, causé par un oomycète phytopathogène, occasionne à lui seul des pertes économiques mondiales annuelles de 3 à 5 milliards de dollars américains. La lutte contre le mildiou de la pomme de terre et de la laitue, causés respectivement par, Phytophthora infestans et Bremia lactucae, repose en grande partie sur l’utilisation de fongicides. Cependant, l’apparition de nouvelles souches résistantes au métalaxyl a réduit de manière substantielle l’efficacité des fongicides de synthèse. De plus, les fongicides doivent être appliqués au moment opportun pour être efficaces contre le mildiou. L’approche par modélisation constitue donc une option intéressante pour améliorer la lutte contre les mildious en offrant la possibilité de prédire les périodes à risque et d’améliorer la régie d’application des fongicides. Toutefois, l’évaluation de ces modèles a montré qu’ils manquent de précision et que leur efficacité varie d’une année à l’autre. Ce manque de précision peut s’expliquer en partie par l’absence de considération de la présence ou de l’abondance de l’inoculum aérien. P. infestans et B. lactucae produisent un inoculum adapté à la dispersion aérienne. Cependant, il existe un manque de connaissance notable dans la littérature sur l’aérobiologie de ces deux oomycètes phytopathogènes. Un modèle de simulation dynamique qui intègrerait l’information sur l’aérobiologie de l’agent pathogène permettrait de prédire plus efficacement les périodes de risque d’infection par le mildiou. Ainsi, l’objectif général de ce projet de doctorat était d’améliorer la connaissance sur l’aérobiologie de deux oomycètes (P. infestans et B. lactucae) dans l’optique de mieux comprendre et prédire les périodes d’infection du mildiou de la pomme de terre et de la laitue. Dans un premier temps, la distribution spatiotemporelle des spores à l’échelle d’une région de production de monoculture de pommes de terre a été déterminée. Les résultats ont montré que la distribution des spores est hétérogène et l’efficacité des mesures prophylactiques peut être évaluée à l’aide de l’aire sous la courbe de progression de l’inoculum aérien. De plus, l’information dérivée de l’implantation d’un réseau de capteur permet de pondérer le risque d’infection estimé par les modèles prévisionnels. Dans un deuxième temps, la relation entre la concentration aérienne de spores et l’intensité du mildiou a été établie. Cette relation a permis de définir des seuils d’intervention basés sur la concentration aérienne de spores. Dans le pathosystème de la pomme de terre, le seuil d’intervention varie en fonction des lignées clonales de P. infestans alors que dans celui de la laitue, ce seuil ne tient pas compte des lignées clonales de B. lactucae. Un outil moléculaire pour le comptage des spores a été développé pour pallier aux inconvénients liés à la quantification des spores au microscope. Les résultats de cette étude ont montré, entre autres, que sous conditions climatiques au Canada deux heures de mouillure sont suffisantes pour l’établissement d’une infection par B. lactucae, contrairement aux trois à quatre heures de mouillure proposées dans la littérature. Dans un troisième temps, un modèle de simulation de la concentration aérienne des spores a été développé. La relation entre le nombre de spores observées à l’heure et le nombre de spores prédit à l’heure est linéaire. Dans plus de 94% des cas, les coefficients de détermination de la régression entre le nombre de spores observées et celui prédit sont supérieurs à 0,7. Même si ce modèle est une première dans la littérature publiée et représente une avancée significative dans l’aérobiologie des oomycètes, il est à améliorer notamment dans l’optique de pouvoir développer un modèle générique comme outil de recherche pour l’étude de l’aérobiologie des oomycètes phytopathogènes. En effet, l’étape à venir sera d’incorporer ce modèle comme module dans un système de support décisionnel pour prédire efficacement l’apparition des symptômes de mildiou. Les auteurs espèrent que ce modèle constituera la base pour le développement d’un modèle générique pour tous les oomycètes phytopathogènes à dispersion aérienne.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».