partie IV Annexes
5.3 Appr´ehender la variabilit´e des donn´ees qui reste inexpliqu´ee par les mod`eles
En int´egrant `a nos mod`eles de propagation les fragilit´es (chapitre 3) et les fonctions
d’anisotropie (chapitre 4), nous avons captur´e une partie de la variabilit´e des donn´ees qui
ne l’est pas lorsqu’un gradient de maladie isotrope est utilis´e. Mais une part de la
variabi-lit´e reste inexpliqu´ee. Si l’on s’interroge sur les causes de cette variabivariabi-lit´e inexpliqu´ee, nos
mod`eles de propagation peuvent ˆetre utilis´es. En effet, pour sch´ematiser,
– les mod`eles contiennent les ´el´ements majeurs de la propagation et
– les ´ecarts entre mod`eles et donn´ees contiennent les ´el´ements non mod´elis´es `a l’origine
de la part de variabilit´e qui reste inexpliqu´ee.
Ainsi, analyser les ´ecarts entre mod`eles et donn´ees peut permettre de d´etecter quels ´el´ements
non int´egr´es aux mod`eles jouent un rˆole dans la variabilit´e inexpliqu´ee des donn´ees, et de
caract´eriser ces ´el´ements.
5.3.1 D´etection des ´el´ements non mod´elis´es
Les mod`eles que l’on peut d´eriver du cadre de mod´elisation sont bien-entendu incorrects.
D’un point de vue plus positiviste, ce sont des approximations plus ou moins correctes de la
“r´ealit´e”, le niveau de correction ´etant jug´e en fonction des questions pos´ees. Par exemple,
les mod`eles que nous avons propos´es peuvent ˆetre jug´es comme de bonnes approximations
lorsqu’ils sont utilis´es pour r´epondre aux questions suivantes : les feuilles de bl´e (homog`enes
g´en´etiquement) sont-elles h´et´erog`enes face `a l’infection ? Quelle variabilit´e l’h´et´erog´en´eit´e
5.3 Appr´ehender la variabilit´e des donn´ees qui reste inexpliqu´ee par les mod`eles de propagation 71
induit-elle dans les donn´ees ? Dans quelle direction les spores vont-elles pr´ef´erentiellement ?
Dans quelle direction les spores vont-elles le plus loin ? Ces deux directions sont-elles les
mˆemes ?
Apr`es avoir r´epondu `a ces questions grˆace aux mod`eles propos´es, de nouvelles questions
peuvent ˆetre pos´ees sur la part de la variabilit´e des donn´ees qui reste inexpliqu´ee par les
mod`eles. Cette part inexpliqu´ee existe parce que des ´el´ements jouant un rˆole dans la
pro-pagation de la maladie n’ont pas ´et´e pris en compte6. Une deuxi`eme ´etape peut alors ˆetre
men´ee : d´etecter des ´el´ements non mod´elis´es.
Les mod`eles que nous avons propos´es peuvent servir d’outils pour d´etecter les ´el´ements
non mod´elis´es. En effet, ces mod`eles peuvent ˆetre vus comme des filtres appliqu´es aux
donn´ees. Avec ces filtres, on isole dans les donn´ees d’une part ce qui rel`eve des ´el´ements
connus et mod´elis´es, et d’autre part ce qui rel`eve des ´el´ements non mod´elis´es (connus ou
non). Certains de ces ´el´ements non mod´elis´es peuvent ˆetre d´etect´es par l’analyse des ´ecarts
entre mod`eles et donn´ees. Par exemple, une telle analyse a ´et´e conduite `a la section 3.6.
Cette analyse indique que les donn´ees de propagation `a courte distance pourraient refl´eter
(ou contenir de l’information sur) les ´el´ements suivants
– la structuration spatiale de l’h´et´erog´en´eit´e des feuilles face `a l’infection,
– le frottement entre feuilles comme mode additionnel de dispersion des spores,
– la propagation de la maladie depuis des sources de spores non introduites par
l’exp´erimentateur.
Les donn´ees sur la propagation `a longue distance pourraient, elles, refl´eter l’´el´ement
suivant qui n’a pas ´et´e mod´elis´e
– la dispersion de nuages de spores.
Explicitons cet ´el´ement. Dans les mod`eles des chapitres 3 et 4, il est explicitement
(sec-tion 3.3.1) ou implicitement suppos´e que les posi(sec-tions de d´epˆot des spores sont ind´ependantes
et identiquement distribu´ees selon la fonction de dispersion. Cette hypoth`ese permet de
d´efinir le potentiel infectieux comme le produit entre la fonction de dispersion et la force de
la source qui est un indicateur de la quantit´e de spores lib´er´ees. Cependant, on peut faire
l’hypoth`ese que des spores lib´er´ees en mˆeme temps et par la mˆeme source sont transport´ees
dans un mˆeme volume d’air et se d´eposent plus ou moins au mˆeme endroit. C’est ce que
nous appelons la dispersion de nuages de spores. Sous cette hypoth`ese, les positions de d´epˆot
de spores ne peuvent plus ˆetre ind´ependantes. A partir de l`a, deux cas se pr´esentent.
– Dans le premier cas, le nombre de lib´erations de nuages de spores est suppos´e grand.
Alors l’effet nuage n’apparaˆıt que faiblement dans la r´epartition des positions de
d´epˆots, et le nombre de spores d´epos´ees en tout point du plan ne s’´ecarte pas trop du
potentiel infectieux d´efini comme le produit entre la fonction de dispersion et la force
de la source.
6 Il faut avoir `a l’esprit que la pr´esence de tels ´el´ements a pu fausser l’inf´erence faite sur les ´el´ements int´egr´es
aux mod`eles : les estimateurs des param`etres peuvent ˆetre biais´es et les variances d’estimation sous- ou
sur-estim´ees.
– Dans le deuxi`eme cas, le nombre de nuages lib´er´es est faible. Alors l’effet nuage est
mis en ´evidence par des zones o`u l’intensit´e de la maladie est anormalement ´elev´ee, et
le nombre de spores d´epos´ees en un point donn´e du plan peut s’´ecarter fortement du
potentiel infectieux en ce mˆeme point.
Illustrons la dispersion de nuages de spores en analysant succinctement les donn´ees de
propagation `a longue distance. NotonsN(x) la quantit´e totale de feuilles etY(x) la quantit´e
de feuilles malades dans un carr´e d’un m`etre carr´e centr´e en x. Sous le mod`ele d´evelopp´e
dans la section 4.2.2
{Y(x)|x, N}=N(x)p(x)
car Y(x) suit une loi binomiale de taille N(x) et de probabilit´ep(x) qui est la probabilit´e
qu’une feuille situ´ee enx soit malade. Ne conditionnons plus que par la positionx :