Know more

About cookies

What is a "cookie"?

A "cookie" is a piece of information, usually small and identified by a name, which may be sent to your browser by a website you are visiting. Your web browser will store it for a period of time, and send it back to the web server each time you log on again.

Different types of cookies are placed on the sites:

  • Cookies strictly necessary for the proper functioning of the site
  • Cookies deposited by third party sites to improve the interactivity of the site, to collect statistics

Learn more about cookies and how they work

The different types of cookies used on this site

Cookies strictly necessary for the site to function

These cookies allow the main services of the site to function optimally. You can technically block them using your browser settings but your experience on the site may be degraded.

Furthermore, you have the possibility of opposing the use of audience measurement tracers strictly necessary for the functioning and current administration of the website in the cookie management window accessible via the link located in the footer of the site.

Technical cookies

Name of the cookie

Purpose

Shelf life

CAS and PHP session cookies

Login credentials, session security

Session

Tarteaucitron

Saving your cookie consent choices

12 months

Audience measurement cookies (AT Internet)

Name of the cookie

Purpose

Shelf life

atid

Trace the visitor's route in order to establish visit statistics.

13 months

atuserid

Store the anonymous ID of the visitor who starts the first time he visits the site

13 months

atidvisitor

Identify the numbers (unique identifiers of a site) seen by the visitor and store the visitor's identifiers.

13 months

About the AT Internet audience measurement tool :

AT Internet's audience measurement tool Analytics is deployed on this site in order to obtain information on visitors' navigation and to improve its use.

The French data protection authority (CNIL) has granted an exemption to AT Internet's Web Analytics cookie. This tool is thus exempt from the collection of the Internet user's consent with regard to the deposit of analytics cookies. However, you can refuse the deposit of these cookies via the cookie management panel.

Good to know:

  • The data collected are not cross-checked with other processing operations
  • The deposited cookie is only used to produce anonymous statistics
  • The cookie does not allow the user's navigation on other sites to be tracked.

Third party cookies to improve the interactivity of the site

This site relies on certain services provided by third parties which allow :

  • to offer interactive content;
  • improve usability and facilitate the sharing of content on social networks;
  • view videos and animated presentations directly on our website;
  • protect form entries from robots;
  • monitor the performance of the site.

These third parties will collect and use your browsing data for their own purposes.

How to accept or reject cookies

When you start browsing an eZpublish site, the appearance of the "cookies" banner allows you to accept or refuse all the cookies we use. This banner will be displayed as long as you have not made a choice, even if you are browsing on another page of the site.

You can change your choices at any time by clicking on the "Cookie Management" link.

You can manage these cookies in your browser. Here are the procedures to follow: Firefox; Chrome; Explorer; Safari; Opera

For more information about the cookies we use, you can contact INRAE's Data Protection Officer by email at cil-dpo@inrae.fr or by post at :

INRAE

24, chemin de Borde Rouge -Auzeville - CS52627 31326 Castanet Tolosan cedex - France

Last update: May 2021

Menu Logo Principal CBGP Cirad IRD SupAgro Muse

Home page

Ahmed Salem Benahi

BENAHI Ahmed Salem

Ahmed Salem BENAHI
Courriel : ass_benahi(at)yahoo.fr
Sujet : Modélisation du risque de pullulation du criquet pèlerin avec des modèles à états cachés
Dates : Décembre 2022 – Novembre 2025
Encadrement CBGP : C. Piou & L. Marescot
Université : Université de Montpellier, ED GAIA/EFSA - Écologie Fonctionnelle et Sciences Agronomiques

Le principal objectif de cette thèse sera d’améliorer les approches statistiques utilisées pour développer les modèles de prévision jusqu’ici. Piou et al. (2013) ont utilisé une approche statistique de régression logistique multivariée. Cette approche a permis d’identifier des dynamiques de végétation favorisant la présence du criquet pèlerin. Dans des travaux suivants, l’équipe a pu améliorer la méthodologie en utilisant des approches de forêts d’arbres décisionnels et en incluant des variables supplémentaires (Piou et al. 2019). Les taux de réussites de prévisions ont ainsi pu atteindre près de 75 %. Néanmoins, des difficultés pour prévoir les dynamiques de grégarisations et des spécificités locales sont apparues, qui s’expliquent sans doute par le fait que ces modèles ne tiennent pas compte des biais d’échantillonnage.

Or, les protocoles de suivi du criquet pèlerin sont rarement conduits de façon aléatoire ou homogène. Les équipes de prospections sont souvent orientées dans les zones où la présence de l’espèce est déjà connue ou dans des zones faciles d’accès pour les observateurs. Par ailleurs, il arrive que les observateurs ne puissent pas détecter l’espèce ou que des erreurs sont enregistrées sur leurs états. Le criquet pèlerin en phase solitaire est en effet présent à de faible densité sur des aires de répartition très étendues, ce qui rend faible la probabilité de les détecter et donc de détecter leur passage à la phase transiens (intermédiaire avant la phase grégaire). Ne pas tenir compte de cette faible probabilité de détection ni de l’hétérogénéité de l’effort d’échantillonnage peut biaiser les résultats car les facteurs environnementaux favorisant la présence de l’espèce seront confondus avec ceux liés à sa détection. Par ailleurs, étant donné la complexité des processus qui régissent le polyphénisme de phase, des individus en phase solitaire, transiens ou grégaire peuvent changer rapidement d’état d’un site à l’autre et être mal identifiés. Le risque de grégarisation peut donc être sous-estimé, certaines zones de recrudescences peuvent être mal localisées et des phases de pullulations peuvent être prédites avec un retard, si les dynamiques de transition entre états et les erreurs d’identification ne sont pas prises en compte. Des approches intégrant des processus de dynamiques de population sous-jacents sont donc nécessaires pour améliorer les taux de réussites.

A l’aide de modèles couplant des données historiques et des variables issues d’imageries satellitaires, un premier objectif de la thèse est de développer un modèle de distribution représentant les processus sous-jacents de dynamiques de population et vérifier l’amélioration des prévisions. Ahmed Salem utilisera des modèles de Markov caché qui ont pour avantage de faire le lien entre des approches statistiques et mécanistes, en reliant les processus écologiques sous-jacents aux processus d’observation. Ils permettront d’estimer des probabilités de transitions entre états partiellement observés (telle que la transition entre les trois phases solitaire, transiens et grégaire) en fonction de variables climatiques et de variables d’habitats et d’obtenir ainsi des cartes de prévision du risque de recrudescence. Plus généralement, ces modèles permettront de représenter la dynamique spatiale des invasions et seront donc un élément clé pour la gestion préventive de cette espèce pullulante.

Un autre objectif de la thèse sera d’inclure ces nouveaux modèles dans les chaines de process des outils de prévisions automatisés pour la région occidentale. L’objectif ici sera d’apporter de nouvelles approches pour améliorer les performances de la gestion préventive à travers un processus continu de « learning by doing » visant à mieux comprendre les facteurs qui expliquent la distribution spatiale du criquet pèlerin et sa dynamique de pullulation, prédire les prochains foyers d’infestation et de pouvoir orienter les équipes de prospections en charge du suivi et de la surveillance du risque.

  • Piou C, Lebourgeois V, Benahi AS, Bonnal V, Jaavar MEH, Lecoq M & Vassal JM. 2013. Coupling historical prospection data and a remotely-sensed vegetation index for the preventative control of Desert locusts. Basic and Applied Ecology, 14: 593-604.
  • Piou C, Gay PE, Benahi AS, Ould Babah Ebbe MA, Chihrane J, Ghaout S, Cissé S, Diakite F, Lazar M, Cressman K, Merlin O & Escorihuela MJ. 2019. Soil moisture from remote sensing to forecast desert locust presence. Journal of Applied Ecology, 56: 966-975.