Retour d expérience sur VIGICULTURES

Transcription

1 Des exemples concrets de valorisation de données. Données de l épidémiologie végétale Retour d expérience sur VIGICULTURES François Brun (ACTA les Instituts Techniques Agricoles) Emmanuelle Gourdain (ARVALIS Institut du végétal) Danièle Simonneau(ARVALIS Institut du végétal)

2 De nombreuses données collectées pour l épidémio-surveillance Mise en place du Bulletin de Santé du Végétal en 2009 Document public et gratuit Par région et par culture Evaluation du risque basée sur l état sanitaire au jour J, la prédiction de son évolution et la prise en compte de la nuisibilité. réseau régional d'observations utilisation des modèles épidémiologiques suivis biologiques en laboratoire Expertises Des milliers de parcelles avec un suivi régulier chaque année Des données d observation structurées dans des BD

3 Du terrain à la saisie Exemple de Vigicultures pour les grandes cultures En début de campagne Choix des parcelles : constitution du réseau régional Chaque semaine en cours de campagne Stades du blé piège à limaces Et bien d autres Blé tendre hiver en Champagne-Ardenne Symptôme de septoriose Symptôme de rouille brune Caractérisation des parcelles Variété Date de semis Précédent Suivi selon protocole harmonisé et quantification Plusieurs dizaines de variables (stade=z31, SEPF1=5, )

4 Enregistrement en base de données. Vigicultures, une architecture inter-institut 4 Source : séminaire RFSV 12 mars2014

5 Un dispositif en rythme de croisière Moyenne = Utilisations en routine : 1) chaque semaine pour l édition en cours de campagne 2) utilisation en bilan de campagne. CODIR Source VIGICULTURES : CODIR Vigicultures 15sept septembre 52015

6 Une masse considérable d information capitalisée! Valeurs cumulées dans la base de 2008 au 30 juin 2015 Espèces Nb parcelles Nb observateurs Nb observations Betterave Blé dur (hiver et printemps) Blé tendre (hiver et printemps) Colza Féverole (hiver et printemps) Lin fibre (hiver et printemps) Lin graine (hiver et printemps) Luzerne Maïs doux Maïs grain Orge (hiver et printemps) Pois protéagineux (hiver et printemps), pois chiche Pomme de terre Sorgho Tabac Tournesol Triticale CODIR Source VIGICULTURES : CODIR Vigicultures 15sept septembre 62015

7 Partenariats R&D date Demandeur Nature des données Projet :CASDAR, These, Bioagr, Culture Region période ECOPHYTO 2013 CA De Dryver, une Pucerons des épis. France 2011 Modele spacio-temporel Thèse BTH Puceron des épis BTH Mars 2015 A Chabert ACTA Limaces Ttes France CASDAR RESOLIM cultures 2015 M Valantin- Morison (UMR Agronomie INRA-) Ravageurs auxiliaires, maladies France Modélisation à l échelle paysage / relations ravageurs-auxiliaires (suite projet MosaicPest) Avril 2015 INRA UMR Rouille Brune Blé France MFE Agroclim 2015 Arvalis Rouillejaune France Modèle statistique Rouille jaune. PubliCIMA 2015 Fin 2014 IRSTEA Tous, Céréales Bourgogne these 2013 F Brun ACTA Septoriose Ch-A Puis PSPE SynoEm BTH Centre 2015 CESBIO Terres Inoviacoordonne un projet CASDAR sur la télédétection (TelIAE). CODIR Source VIGICULTURES : CODIR Vigicultures 15sept septembre 72015

8 Exemple de valorisation. Outil d'analyse des dynamiques épidémiologiques Principe : estimer la dynamique de l incidence de la maladieà l échelle régionale à partir des observations et en prenant en compte certaines pratiques. Application à la septoriose du blé Utilisateurs ciblés : acteurs BSV Données : fréquence hebdomadaire de présence de septoriosesur les 3 dernières feuilles issues de Vigicultures Méthode : modèle généralisé mixte Sur feuille F1, au 28 mai 2015 Source : Michel et al., 2015

9 Exemple de valorisation. Outil d'analyse des dynamiques épidémiologiques Une co-construction avec producteurs de données partenaires régionaux inclus pour partie dans le projet Présentation du projet initial et de l avancement lors des réunions de lancement/bilan de campagne Test/diffusion des prototypes dès la première année du projet Fournir un service aux producteurs des données : un rapport mis-à-jour automatiquement Profiter de l expertise des acteurs Pour filtrer les données nombreux pbde saisie/cohérence Pour formaliser leur expertise dans l outil Les associer aux valorisations Co-auteurs et remerciements dans article pour l AFPP Michel et al., 2015

10 Exemple de valorisation. Exemple rouille jaune Principe : prédirela semaine d apparitiondes symptômes de la rouille jaune sur les parcelles de blé tendre en cours de campagne en fonction de l agronomieet du climat de l année Données : fréquence hebdomadaire de présence de rouille jaune sur les 3 dernières feuilles issues de Vigicultures Méthode : transformation des notations de fréquence en variable binaire (présence/absence de maladie) pour chaque parcelle. Ajustement d un modèle de survie pour prédire la semaine d apparition en fonction de co-variables: sensibilité variétale, variables climatiques calculées à partir des coordonnées géographiques Gourdain et al., 2015 Ajustement de 3 seuils de visite Probabilité que l infestation survienne avant chaque date d observation selon les années (fonction de répartition)

11 Valorisation : de nouveaux outils Exemple Rouille Jaune Evaluation de la qualité prédictive du modèle : Acceptabilité : capacité du modèle à prédire l absence de maladie ou la présence dans le bon créneau Gourdain et al., 2015

12 Problèmes et solutions (en général pour les données du BSV) Qualification/validation des données Bien comprendre le sens et la représentativité des données Certaines imprécisions dans les protocoles (échantillonnage dans la zone suivie de la parcelle, mesures des variables, ) Incohérences dans les observations : erreurs de saisies ou possibles? Importance de s associer à l expertise nationale et régionale Travail de correction/validation des données Juridique Données publiques-privés, mais d intérêt général. La position du MAAF sur les données remontés dans EPIPHYT n est pas clair séminaire open data 7 janvier 2015 : Relations entre les acteurs Au niveau d une région, il peut y avoir des visions assez différentes entres les acteurs Importance d avoir des services en retour de la collecte des données pour continuer à encourager la participation à ces dispositifs collectifs.

13 Transparence par rapport aux usages des données Extrait CGU des utilisateurs de Vigicultures Fourniture des données par l utilisateur Pour utiliser ce Service, vous enregistrez vos propres données parcellaires et d observations. ARVALIS Institut du végétal, CETIOM, ITB et ITL se réservent le droit d effectuer des statistiques et d exploiter les données d observations agronomiques saisies dans vigicultures à des fins de recherche et de façon anonyme. En aucun cas, les instituts propriétaires du service ne fourniront les données individuelles saisies dans vigicultures à des tiers hors Ministère de l Agriculture dans le cadre du BSV. [ ]