Nouvelles approches statistiques pour l'analyse intégrée de données multi-sources et multi-échelles en épidémiologie végétale: application à la maladie du balai de sorcière du manioc // new statistical approaches for the integrated analysis of multi-sour

Topic description

Cette thèse s'intéresse à l'amélioration de la surveillance des maladies émergentes des cultures, dont la fréquence augmente sous l'effet du changement climatique et de la mondialisation. Ces maladies représentent une menace majeure pour la production agricole et la sécurité alimentaire, ce qui rend nécessaire la mise en place de dispositifs capables de détecter rapidement les émergences, d'évaluer le risque épidémique et d'optimiser les stratégies de surveillance. Le travail vise à répondre à trois défis méthodologiques principaux : 1) l'intégration de données multi-sources (e.g., environnementales, agricoles, spatiales, sociétales), souvent hétérogènes, nombreuses et corrélées dans les modèles épidémiologiques; 2) le développement d'approches capables d'analyser le risque épidémique de manière cohérente à plusieurs échelles, depuis la plante ou la parcelle jusqu'à l'échelle régionale, afin d'orienter efficacement la surveillance; 3) l'optimisation simultanée de plusieurs objectifs (e.g., minimiser le risque, les coûts) dans la construction de scénarios de surveillance et de gestion du risque. Pour cela, la thèse propose de développer des modèles épidémiologiques spatio-temporels dans un cadre bayésien, permettant d'intégrer des données très diverses tout en quantifiant les incertitudes. Des méthodes de sélection de variables seront utilisées pour identifier les facteurs les plus déterminants dans la propagation des maladies. Les modèles serviront ensuite à concevoir des stratégies de surveillance adaptées au niveau de risque, en tenant compte de compromis entre efficacité, coût et faisabilité. Les outils méthodologiques seront d'abord testés sur un jeu de données détaillé afin d'établir un protocole d'analyse et d'évaluer la sensibilité aux données manquantes ou dégradées. Ce protocole sera ensuite appliqué à la maladie du balai de sorcière du manioc, récemment détectée en Guyane française, qui menace fortement la sécurité alimentaire sur le territoire. L'objectif final est de produire des outils pour optimiser la surveillance et la gestion du risque, en collaboration avec les acteurs de terrain, et plus largement de proposer un cadre méthodologique transférable à d'autres maladies végétales, animales ou humaines.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD research focuses on improving the surveillance of emerging crop diseases, whose frequency is increasing as a result of climate change and globalization. These diseases pose a major threat to agricultural production and food security, making it necessary to develop systems capable of rapidly detecting disease emergence, assessing epidemic risk, and optimizing surveillance strategies. The work aims to address three main methodological challenges: integrating multi-source data (e.g., environmental, agricultural, spatial, and societal), which are often heterogeneous, high-dimensional, and correlated, into epidemiological models; developing approaches able to analyze epidemic risk consistently across multiple spatial scales, from the plant or field level to the regional scale, in order to effectively guide surveillance efforts; and simultaneously optimizing multiple objectives (e.g., minimizing risk and costs) in the design of surveillance and risk management scenarios.
To this end, the thesis proposes the development of spatio-temporal epidemiological models within a Bayesian framework, allowing the integration of highly diverse data while explicitly quantifying uncertainty. Variable selection methods will be used to identify the most influential factors driving disease spread. The models will then be used to design surveillance strategies tailored to risk levels, while accounting for trade-offs between effectiveness, cost, and feasibility.
The methodological tools will first be tested on a detailed dataset to establish an analysis protocol and assess sensitivity to missing or degraded data. This protocol will then be applied to cassava witches' broom disease, recently detected in French Guiana, which poses a serious threat to local food security. The ultimate objective is to develop tools to optimize surveillance and risk management in collaboration with field stakeholders, and more broadly to propose a methodological framework transferable to other plant, animal, or human diseases.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/

Funding category

Funding further details

Concours GAIA