Modélisation des capacités d'invasion de ravageurs forestiers et agricoles // modeling the invasion capabilities of forest and agricultural pests

Topic description

Le nombre d'invasions biologiques est en augmentation constante en lien avec le commerce international, les flux de marchandises, le tourisme et le changement climatique. Un exemple récent concerne le nématode du pin, détecté pour la première fois en France fin. Dans ce contexte, il est nécessaire de pouvoir évaluer rapidement les capacités d'invasion des ravageurs des plantes les plus préoccupants. Différents types de modèles (mécanistes, statistiques, machine learning) peuvent être développés dans ce but mais leurs performances respectives dépendent des données disponibles et des caractéristiques du système modélisé. Il est jusqu'à présent difficile de savoir comment choisir le modèle le plus adapté à une question donnée. L'objectif de cette thèse est de déterminer les principaux facteurs déterminant les performances de ces modèles, puis d'établir des règles de décision pour faciliter le choix du modèle le plus performant selon l'application visée.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The number of biological invasions is constantly increasing due to international trade and the flow of goods. It is therefore necessary to quantify and anticipate the invasion capabilities of the most concerning plant pests. Different types of models (mechanistic, statistical, machine learning) can be developed to assess these invasion risks, but their performance depends heavily on the available data and the context (changes in management practices, climate change, etc.). The objective of this thesis is, firstly, to compare the performance of these models according to the data and the context in order to identify a decision rule for choosing the most effective model. This work will then allow for the production of predictions for pests of economic interest, such as the pine wood nematode, detected for the first time in France at the end of .
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/

Funding category

Funding further details

Programmes de l'Union Européenne de financement de la recherche (ERC, ERASMUS)