📖
Arbocarto : un modèle mécaniste fondé sur le cycle de vie des moustiques Aedes
Renaud Marti, Marie Demarchi, Mathieu Castets, Annelise Tran

Arbocarto : un modèle mécaniste fondé sur le cycle de vie des moustiques Aedes

Science & Mathematics Published 2022 Verification Pending

Overview & Synopsis

Par la nature de leur construction, les modèles basés sur les processus, désignés également comme « modèles mécanistes », sont des modèles explicatifs, centrés sur la causalité des relations entre les entrées et les sorties (Craver, 2006). Ce type d’approche nécessite d’expliciter ces relations (p. ex. l’effet de la température sur le développement des moustiques) sous la forme de liens de causalité énoncés dans un espace simplifié, le plus souvent sous une forme mathématique (p. ex. une équation exprimant le taux de développement comme une fonction de la température), en se basant sur des connaissances déjà établies (par des études observationnelles ou expérimentales) sur le système modélisé. Selon les objectifs de modélisation, cette approche implique aussi une nécessaire et parfois difficile démarche de simplification. Cette démarche, à l’initiative du modélisateur et mobilisant ses connaissances sur l’importance des processus à prendre en compte, lui permet de contrôler la parcimonie du modèle. D’autre part, l’explicitation des processus permet, par l’approche mécaniste, de simuler in silico des scénarios (p. ex. l’impact de traitements insecticides selon différents protocoles pour contrôler les populations de moustiques) et, par leur analyse, d’identifier les points de contrôle du système étudié. Des études expérimentales seraient comparativement plus difficiles ou coûteuses à mettre en place. Depuis l’entrée dans l’ère des gros volumes de données (big data ou données massives), l’intérêt de telles approches associées à la compréhension, l’exploitation et la valida- tion de mécanismes explicatifs est parfois questionné au regard de l’hégémonie des approches pilotées par les données (cf. chapitre 2) et du pouvoir prédictif, parfois spectaculaire, des méthodes de machine learning (Baker et al., 2018). Pourtant, les deux types d’approches apportent des informations complémentaires (Tran et al., 2020) et pourraient être avantageusement combinés (Baker et al., 2018). Nous présentons dans ce chapitre l’exemple d’un modèle mécaniste devenu outil applicatif dans le cadre de la surveillance entomologique et de la lutte antivectorielle contre les moustiques Aedes et qui s’appuie sur la description explicite du cycle de vie du moustique. Cet outil est développé dans le cadre du projet Arbocarto 1, qui intervient dans un contexte de consolidation des stratégies de surveillance et de contrôle mises en œuvre par les opérateurs de la lutte antivectorielle dans différentes régions françaises. Le modèle du même nom est un outil de cartographie prédictive des densités de populations des moustiques Aedes, conçu à une échelle spatiale adaptée à l’organisation des actions de surveillance et de contrôle, et s’appuyant sur des données météorologiques (températures et pluviométrie quotidienne) et des produits de télédétection à haute et très haute résolution spatiale.

Indexed from repository: HAL Open Science (hal.science)
Loading document from verified source...
Keyboard Shortcuts: ← / → for pages • + / - for zoom • 0 to fit width Powered by Mozilla PDF.js v3.11

Document Information

Document Title Arbocarto : un modèle mécaniste fondé sur le cycle de vie des moustiques Aedes
Author / Organization Renaud Marti, Marie Demarchi, Mathieu Castets, Annelise Tran
Subject & Discipline Multidisciplinary Academic Open Research
Categories Science & Mathematics
Publication Year 2022
License / Rights Open Access / Creative Commons
Resource Verification Listed PDF (Verification Pending)
Original Host Website HAL Open Science (hal.science)
File Format application/pdf (Portable Document Format)
Language EN
Catalog ID DOC-245631
Original Source Link Visit Source Page on hal.science »