Moteur de recherche Veille sanitaire internationale

Cette étude a examiné la capacité migratoire de la chenille Spodoptera frugiperda et son impact potentiel sur la production européenne de maïs-grain en l’absence de contrôle. Les résultats révèlent des pertes économiques potentielles seraient considérables pour les États membres du sud de l’Europe, avec des pertes annuelles de marge brute de maïs-grain pouvant atteindre 546 € par ha (plus de 900 millions d’euros avec le scénario le plus pessimiste). Cette étude fournit des informations importantes sur les risques posés par S. frugiperda en Europe et peut aider à la préparation et à la prise de décision pour atténuer les conséquences économiques de son invasion.

Bactrocera dorsalis menace plus de 600 espèces de cultures fruitières dans le monde. Une étude a évalué la répartition potentielle actuelle et future du ravageur en Italie, le point d’entrée probable de son invasion en Europe. Les résultats montrent une expansion spectaculaire des habitats favorables, pouvant atteindre plus de 7 000 % d’ici 2100, notamment dans les vergers et vignobles, sous l’effet du réchauffement climatique. Ces projections soulignent la nécessité de stratégies de gestion intégrée (piégeage, aménagement de l’habitat et sensibilisation) pour prévenir la propagation de l’espèce en Europe. Pour limiter sa propagation, des stratégies comme le piégeage de masse, la gestion de l’habitat et la sensibilisation sont recommandées, tandis que les détections répétées en Italie (incursions pour le moment) suggèrent une acclimatation locale, justifiant une alerte précoce.

Les modèles épidémiologiques à haute résolution montrent que la maladie de Pierce, causée par Xylella fastidiosa, présente un risque accru au niveau de vignobles situés sur des reliefs abrupts et des vallées fluviales. L’analyse de plus de 100 000 vignobles révèle une augmentation de la superficie à risque : 21,8 → 41,2 % en Europe et 5,6 → 47,2 % en Afrique du Sud. Les conditions microclimatiques locales, souvent non capturées par des données climatiques à basse résolution, sont cruciales pour identifier les zones vulnérables et anticiper la propagation de l’agent pathogène émergent.

Bactrocera dorsalis menace plus de 600 espèces de cultures fruitières dans le monde. Une étude a évalué la répartition potentielle actuelle et future du ravageur en Italie, le point d’entrée probable de son invasion en Europe. Les résultats montrent une expansion spectaculaire des habitats favorables, pouvant atteindre plus de 7 000 % d’ici 2100, notamment dans les vergers et vignobles, sous l’effet du réchauffement climatique. Ces projections soulignent la nécessité de stratégies de gestion intégrée (piégeage, aménagement de l’habitat et sensibilisation) pour prévenir la propagation de l’espèce en Europe. Pour limiter sa propagation, des stratégies comme le piégeage de masse, la gestion de l’habitat et la sensibilisation sont recommandées, tandis que les détections répétées en Italie (incursions pour le moment) suggèrent une acclimatation locale, justifiant une alerte précoce.

En Inde, cette étude a utilisé le modèle MaxEnt avec les projections climatiques CMIP6 (scénarios SSP126 et SSP585) pour estimer la répartition actuelle et future de Spodoptera frugiperda. Les résultats montrent une forte précision du modèle (AUC > 0,85) et les facteurs principaux qui ressortent sont la plage annuelle de température et la répartition du maïs. Actuellement, 40,5% du territoire indien est favorable au ravageur, surtout dans le sud et l’est. D’ici 2030, une légère expansion est prévue selon le scénario climatique, avec un risque accru dans le centre et le nord-est du pays.

Pour anticiper ces évolutions, les niches climatiques de plus de 4 000 espèces d’insectes et de champignons forestiers ont été modélisées à partir de données historiques de relevés nationaux, de collections de recherche et de GBIF. Des cartes de l’adéquation climatique actuelle et projetées ont été produites et sont accessibles au public via une application Web (https://cfs.cloud.nrcan.gc.ca/bmfid/), qui permet de les consulter et de les télécharger. L’article fait un focus sur 3 organismes et le groupe des scolytes : le longicorne brun de l’épinette (Tetropium fuscum), le dendroctone du pin du Sud (Dendroctonus frontalis), le flétrissement du chêne (Bretziella fagacearum). Cet outil a pour but d’aider les gestionnaires de ravageurs à mieux comprendre les effets du changement climatique sur ces espèces.

Cet article propose une évaluation des stratégies de délimitation des zones infestées par les organismes nuisibles de quarantaine en prenant pour cas d’étude la maladie du Huanglongbing (HLB). L’étude souligne qu’une stratégie adaptée aux caractéristiques épidémiologiques spécifiques du ravageur serait la plus efficace, en particulier, pour le cas du HLB. En effet, elle serait plus adaptée à la nature polycyclique du ravageur qui inclue de longues périodes asymptomatiques.

Cet article présente une nouvelle approche automatisée pour la détection et la classification des maladies des feuilles d'agrumes, basée sur les symptômes, à l'aide d'une méthodologie d'ensemble non linéaire basée sur les rangs flous (NL-FuRBE), renforcée par des techniques d'amélioration de la qualité d'image. Un ensemble complet de données sur les maladies des feuilles de citronnier, composé de 1 354 images réparties sur neuf classes, a été utilisé pour la formation et l'évaluation. Les résultats expérimentaux obtenus par validation croisée en cinq étapes démontrent que le modèle proposé atteint des performances supérieures avec une précision moyenne de 96,51 %, surpassant ainsi les approches d'ensemble conventionnelles et les approches de pointe.

Cette étude propose un système de ‘piège intelligent’ basé sur l'IoT combiné à un modèle YoloV8x amélioré pour la surveillance et l’identification automatisées des insectes ravageurs, comme les mouches des fruits et la légionnaire d’automne, aussi bien en plein champ qu’en milieu fermé. Le système optimisé, validé pour sa précision, capture des images en temps réel à l'aide de pièges à phéromones et les transmet pour analyse avec une précision de détection de 94 % dans les vergers de manguiers et les champs de maïs. Une application mobile complète le système, facilement utilisable par les agriculteurs pour accéder aux données et les aider à améliorer les décisions de gestion.