Titre du stage : Modélisation de la répartition potentielle des principaux ravageurs de la vigne en France
Nom du responsable du stage : Christine N Meynard (UMR CBGP), Adrien Rusch (UMR SAVE), Lionel Delbac (UMR SAVE) et Rahil Jasminkumar (UMR SAVE)
Durée : 4 – 5 mois, selon les requis du programme de master 2 de l’étudiant.e
Rémunération : gratification selon la grille officielle
Localisation : UMR-CBGP, Montferrier-sur-Lez (à proximité de Montpellier)
Contexte général
L’impact de l’agriculture sur l’environnement est devenu une préoccupation majeure de notre société dans un contexte de changements globaux et de crise de la biodiversité. Cependant, pour proposer des stratégies de gestion des paysages agricoles qui permettent de concilier préservation de la biodiversité et production agricole, il faut d’abord mieux prévoir et gérer les risques associés aux ravageurs de cultures. En effet, développer une meilleure connaissance des zones à risque et anticiper les émergences permettrait de développer une stratégie de gestion ciblant des problématiques précises au niveau local tout en diminuant plus globalement l’utilisation de produits phytopharmaceutiques.
Ce projet de stage de master 2 s’inscrit dans un projet plus large qui vise à anticiper les risques associés aux ravageurs émergents de la vigne en alliant la modélisation avec un réseau de surveillance du vignoble en France (réseau OVNI géré par l’UMR SAVE, partenaire du projet). Il s’inscrit aussi dans un contexte historique d’augmentation significative des invasions biologiques à l’échelle mondiale qui affectent fortement les cultures, dont la vigne – filière importante pour la balance commerciale française. Dans ce contexte, nous avons identifié une liste d’une quinzaine d’insectes, ravageurs actuels ou potentiels de la vigne en France. Certaines de ces espèces sont déjà présentes en France, et nous avons des registres de leur occurrence grâce au réseau de surveillance OVNI ; les autres espèces ont été identifiées comme émergentes car elles ont déjà envahi et causé des dégâts sur des vignobles dans d’autres pays du monde mais ne sont pas encore présentes sur le territoire.
Ce stage de master vise à utiliser des modèles statistiques de répartition des espèces (appelés SDM = Species Distribution Models ou ENM = Environmental Niche Models) pour faire une première évaluation globale du risque potentiel associé à ces ravageurs émergents. Il s’agira donc de (1) compiler et vérifier des données d’occurrences disponibles dans la littérature et dans les bases de données internationales telles que GBIF (https://www.gbif.org/); (2) les associer à des données climatiques disponibles telles que CHELSA ou Worldclim ; et (3) réaliser des projections des aires de répartition potentielle de ces espèces au niveau global et en France.
Déroulement du stage (acquisition de données, modélisation, résultats attendus etc.)
Les trois objectifs principaux du stage seront de :
(1) Compiler et vérifier des données d’occurrence au niveau global, ainsi que des données climatiques
(2) Calibrer des SDM
(3) Projeter des aires potentielles au niveau global, européen, et français
Le stage sera basé au CBGP, mais co-encadré par une équipe de SAVE. Il y aura donc un certain nombre de réunions virtuelles et potentiellement des échanges entre les deux UMR. Le ou la stagiaire sera encadré.e sur la modélisation, et pourra interagir avec des experts entomologiques des différents taxons visés au CBGP. Ceci permettra de nettoyer et de compléter les données d’occurrence en considérant les connaissances des experts, ainsi que la prise en compte de la biologie des différentes espèces sur la sélection des variables et sur le réalisme des cartes de répartition produites. Les échanges avec SAVE permettront d’incorporer les données du réseau OVNI, l’interaction avec les experts de la surveillance du vignoble, et le co-encadrement sur la modélisation.
Méthodes, techniques, outils à utiliser
L’essentiel du stage consistera à la manipulation et analyse de données en utilisant le logiciel R. L’étudiant(e) recruté(e) devra donc être motivé(e) pour des analyses statistiques et du travail sur ordinateur, ainsi qu’à des échanges avec les experts taxonomiques pour la vérification des données et des résultats des analyses. S’il s’avère utile, la personne recrutée pourra faire appel à la collection entomologique du CBGP. Les analyses envisagées incluent l’utilisation d’un script pour la modélisation SDM d’ensemble (voir Meynard et al 2023 ci-dessous), qui doit être adapté aux besoins et aux données disponibles dans cet exercice. En plus de R, on utilisera un éditeur de programmation (RStudio), une librairie pour la production de rapports standardisés et reproductible (Quarto), et un logiciel pour la gestion de la bibliographie (Zotero).
L’un des co-encadrants est anglophone ; la bonne compréhension de l’anglais est donc un facteur à considérer pour votre candidature.
Mots clé
Modélisation, macroécologie, SDM, ravageurs des cultures, vigne
Référence(s) (publication(s) de l’équipe d’accueil illustrant le contexte général du sujet)
Herbillon, F., Piou C. & C. N. Meynard (2024) An increase in management actions has compensated for past climate change effects on desert locust gregarization in western Africa. Heliyon 10: e29231. https://doi.org/10.1016/j.heliyon.2024.e29231
Meynard, C.N., Piou C. & Kaplan D. M. (2023) A theoretical framework for upscaling species distribution models. Methods in Ecology and Evolution: 2888–2899. DOI: http://doi.org/10.1111/2041-210X.14207
Meynard, C. N., Lecoq, M., Chapuis, M. P. & C. Piou (2020) On the relative role of climate change and management in the current Desert Locust outbreak in East Africa. Global Change Biology 26:3753–3755. DOI: https://doi.org/10.1111/gcb.15137
Meynard, C. N., Leroy B. & D. M. Kaplan (2019) Testing methods in species distribution modelling using virtual species: what have we learnt and what are we missing? Ecography 42: 2021-2036. DOI: 10.1111/ecog.0438
Rusch, A., Delbac, L., & Thiéry, D. (2017). Grape moth density in Bordeaux vineyards depends on local habitat management despite effects of landscape heterogeneity on their biological control. Journal of Applied Ecology, 54(6), 1794-1803.
Rusch, A., Valantin-Morison, M., Sarthou, J. P., & Roger-Estrade, J. (2010). Biological control of insect pests in agroecosystems: effects of crop management, farming systems, and seminatural habitats at the landscape scale: a review. Advances in agronomy, 109, 219-259.
Soubeyrand, S., Estoup, A., Cruaud, A., Malembic-Maher, S., Meynard, C., Ravigné, V., … Rusch, A., … et al. (2024). Building integrated plant health surveillance: a proactive research agenda for anticipating and mitigating disease and pest emergence. CABI Agriculture and Bioscience 5: 72. DOI: https://doi.org/10.1186/s43170-024-00273-8
Autres références
Delaune, T., Ouattara, M. S., Ballot, R., Sausse, C., Felix, I., Maupas, F., … & Barbu, C. (2021). Landscape drivers of pests and pathogens abundance in arable crops. Ecography, 44(10), 1429-1442.
Finnoff, D., Shogren, J. F., Leung, B., & Lodge, D. (2007). Take a risk: preferring prevention over control of biological invaders. Ecological Economics, 62(2), 216-222.
Lake, T. A., Briscoe Runquist, R. D., & Moeller, D. A. (2020). Predicting range expansion of invasive species: Pitfalls and best practices for obtaining biologically realistic projections. Diversity and Distributions, 26(12), 1767-1779.
Wen, X., Fang, G., Chai, S., He, C., Sun, S., Zhao, G., & Lin, X. (2024). Can ecological niche models be used to accurately predict the distribution of invasive insects? A case study of Hyphantria cunea in China. Ecology and Evolution, 14(3), e11159.
Contact
Si vous êtes intéressé.e par ce stage, envoyez votre candidature à christine.meynard@inrae.fr en mettant comme sujet « Candidature M2 ». La candidature devra inclure : un CV, une lettre de motivation, et les notes / classement de M1.
Commentaires récents