.png)
Le changement climatique de ces dernières années a entraîné une réorganisation des stratégies de protection, en particulier pour les cultures qui doivent lutter contre de nombreuses maladies et insectes. En raison de l'alternance de gelées et de sécheresses, et de l'occurrence de précipitations abondantes et mal réparties, il devient essentiel d'anticiper les épidémies de maladies et les infestations d'insectes afin de réagir rapidement et de limiter les dommages éventuels. Ces dernières années, l'intérêt pour les systèmes d'aide à la décision (SAD) s'est également accru en raison de la réglementation (directive 2009/128/C) relative à la réduction des intrants chimiques dans le cadre de la lutte intégrée contre les ravageurs. À cela s'ajoutent tous les autres engagements que l'Europe et au-delà nous imposent en termes de durabilité environnementale, tels que : Green Deal, Agenda 2030, Paquet pesticides et stratégies "de la ferme à la table". Tout ceci se déroule dans un contexte où la Surface Agricole Utilisée (SAU) et le nombre de molécules pour la gestion des pathogènes et des ravageurs phytophages diminuent, la pollution de l'air et l'érosion des sols augmentent, ainsi que le nombre et la sévérité des maladies et des insectes en raison de l'utilisation non rationnelle des produits phytopharmaceutiques et de la mondialisation ; sans oublier l'augmentation de la population mondiale qui conduira tous les acteurs du système agroalimentaire à devoir augmenter la quantité et la qualité de l'alimentation dans un futur proche.
Un modèle de maladie végétale est une simplification d'un système réel composé du pathogène/phytophage, de la plante hôte et de l'environnement. Les modèles sont utilisés en épidémiologie pour décrire, comprendre, prévoir et comparer les épidémies et leurs composantes. La prédiction des maladies, qui est un processus d'estimation dans des situations futures, passées, présentes ou inconnues, constitue une aide pratique pour les cultivateurs.
Pour le développement des modèles de prévision, des données climatiques générales telles que la température et l'humidité relative minimales, moyennes et maximales, les précipitations quotidiennes et mensuelles et le nombre de jours de pluie, la vitesse et la durée du vent, le point de rosée, les heures d'ensoleillement sont nécessaires comme données d'entrée. En fonction de la complexité des données, des données climatiques historiques (par exemple es. sur base 30 ans) sont également utilisées. En outre, des données sur les cultures et les ravageurs (pathogènes et/ou phytophages) peuvent également être demandées. Par exemple, les paramètres suivants peuvent être utilisés : pour les cultures - l'humidité des feuilles, la densité des plantes, les stades phénologiques, l'indice de surface foliaire maximale, le déficit de pression de vapeur, l'irradiation nette au-dessus et au-dessous de la canopée, les stades phénologiques sensibles ; pour les champignons pathogènes - le taux de libération, de maturation et de germination des spores, leur nombre sur les feuilles, la quantité d'inoculum primaire et secondaire et le taux de colonisation. Pour les insectes (es. L. botrana sur les vignes) - les périodes de vol des individus mâles (détectés à l'aide de pièges à phéromones) et la répartition des captures de mâles entre les générations.
Les domaines d'application dans l'agriculture sont variés, allant de la croissance et du développement des cultures à leur productivité, en passant par l'équilibre hydrique et la défense contre les adversités biotiques et abiotiques.
La qualité et la puissance de calcul des ordinateurs s'améliorant de jour en jour, les modèles sont de plus en plus souvent intégrés dans les systèmes d'information de gestion, qui sont des outils aidant les utilisateurs à prendre des décisions tactiques et opérationnelles en matière de protection des cultures, afin de mieux planifier les applications de protection des cultures dans le cadre des stratégies de défense. Les modèles peuvent également faire partie des systèmes locaux d'alerte aux maladies (par exemple, les observatoires phytosanitaires régionaux, etc.) L'utilisation de prévisions pour la protection des cultures contre les maladies fongiques et les ravageurs n'est pas si nouvelle (es. règle des 3-10 pour le mildiou de la vigne et règle des 10 pour le mildiou de la tomate).
Les principaux avantages des DSS sont la possibilité d'analyser différents scénarios, de mieux comprendre les processus physiques et biologiques, d'effectuer des manipulations sur le système réel afin de tester des hypothèses sur son fonctionnement, d'évaluer l'effet d'éventuelles interventions externes afin de modifier le comportement du système, de faciliter l'échange de données et de permettre une meilleure utilisation des données et des ressources. Au contraire, les aspects critiques consistent en une utilisation souvent limitée par le développement de progiciels et la nécessité de tester et de valider les procédures au cours des différentes années.
Dans le contexte de la protection intégrée des cultures, l'utilisation de modèles de prévision est un outil précieux qui permet d'identifier la "fenêtre temporelle utile" dans laquelle un traitement peut être le plus efficace et le plus efficient pour contrôler le pathogène/phytophage cible. Cela conduit à une méthodologie de prise de décision plus rationnelle et plus efficace et minimise ainsi le nombre d'applications et d'intrants introduits dans le système. Les modèles prédictifs de xFarm Lab sont conçus, élaborés, calibrés et validés pour fournir aux agriculteurs et à l'ensemble des chaînes d'approvisionnement un outil technique supplémentaire qui ne se contente pas de compléter les autres outils déjà disponibles (es. agronomique, biologique, physique, chimique), mais qui les coordonne tous pour accroître l'efficacité et l'efficience des stratégies de protection et des techniques de culture, afin d'augmenter la qualité et la quantité de la production.
Ce concept est valable aussi bien pour les agriculteurs possédant de petites parcelles que pour les chaînes agroalimentaires qui ont la possibilité, à grande échelle, d'amplifier l'effet positif d'une gestion rationnelle et efficace des ressources.
L'objectif principal de xFarm Lab est de soutenir l'ensemble du système agroalimentaire grâce à la numérisation et aux technologies appliquées à l'agriculture afin de garantir la durabilité des processus de production en termes agronomiques, économiques et sociaux.
Dubey, P.K., Singh, G.S., Abhilash, P.C. (2019). Pratiques agricoles adaptatives : renforcer la résilience dans un climat changeant. Springer.
Pertot, I. ; Caffi, T. ; Rossi, V. ; Mugnai, L. ; Hoffmann, C. ; Grando, M.S. ; Gary, C. ; Lafond, D. ; Duso, C. ; Thiery, D. ; Mazzoni, V. ; Anfora, G. (2016). Une revue critique des outils de protection des plantes pour réduire l'utilisation des pesticides sur la vigne et de nouvelles perspectives pour la mise en œuvre de la lutte intégrée en viticulture. Crop Protection, (), S0261219416303489-.
Rossi, V., Giosuè, S., Caffi, T. (2010). Modelling plant diseases for decision making in crop protection. In Precision crop protection-the challenge and use of heterogeneity (pp. 241-258). Springer, Dordrecht.
.svg)
