4 Discussion

L’objectif de cette étude était de caractériser les sources de variations résultant de l’influence des parcelles, des variétés et du statut HLB sur les spectres de réflectance. Au vu des résultats, de par une valeur F de Fisher élevée (plus de 500 en moyenne), le lieu d’échantillonnage semble avoir une influence significative sur les valeurs de réflectance de 750 à 2500 nm (figure 3.2). Dans une moindre mesure, la variété a aussi une influence sur les valeurs de réflectance de 1400 à 2500 nm (figure 3.3). Aucun de ces deux facteurs ne semble affecter les longueurs d’onde dans le visible de 350 à 700 nm et les effets des variétés et du lieu d’échantillonnage sur le statut sont assez négligeables sur cette zone et dans l’infrarouge courte longueur d’onde (de 1400 à 2500 nm). Le statut seul a donc une influence sur cette partie du spectre avec une influence modérée des variétés et du lieu d’échantillonnage (figure 3.7). Ainsi, dans le visible et le début du “Red edge”, cette influence peut s’expliquer par une moins bonne absorbance de la lumière par la chlorophylle des feuilles à cause de la maladie. Dans le proche infrarouge autour de 800 nm le statut a aussi une influence importante sur la réflectance avec en parallèle une influence importante du lieu d’échantillonnage sur cette partie du spectre (figure 3.3). Le proche infrarouge correspondant à la structure interne de la feuille a un effet sur le spectre de réflectance global dû à la maladie. En effet, le HLB affecte la structure cellulaire et en particulier celle du phloème, là où la bactérie se développe. Celle-ci va entraîner des nécroses et obstruer les vaisseaux. Ces dégradations vont donc altérer la réflectance de la lumière de cette partie de la feuille ce qui se voit lors de l’analyse des spectres. Pour finir, c’est dans l’infrarouge courte longueur d’onde autour de 2000 nm que s’observe la plus grande valeur F de Fisher (figure 3.7) mais c’est aussi une zone du spectre où le lieu d’échantillonnage (figure 3.3) et les variétés (figure 3.2) dans une moindre mesure ont un effet sur la réflectance globale. L’effet du statut sur cette zone peut s’expliquer par le fait que le HLB affecte grandement l’alimentation en eau de la feuille par l’obstruction des vaisseaux (Bové, 2006). En plus de l’approche par la variance via l’ANOVA, l’approche par arbre de décision a permis de mettre en évidence d’une autre manière les longueurs d’onde discriminantes les plus clivantes. Ainsi, au vu de ces deux approches pour détecter plus facilement la maladie, trois tranches de longueurs d’onde sont à favoriser, autour de 700 nm, 1000 nm et 2000 nm (figure 3.8). Ces longueurs d’onde trouvées sont similaires à celles présentes dans la littérature pour la détection du HLB (Mishra et al., 2007).

La réalisation d’un modèle de prédiction du statut HLB par arbre à partir du spectre de réflectance s’est révélée être pertinente à bien des égards. Le modèle de prédiction a permis de connaître l’état sanitaire des arbres via trois méthodes d’analyse des spectres de réflectance. Ces trois méthodes ont des qualités de prédiction qui varient de 92.6% pour la méthode PLS à 85.8% et 76.4% pour la méthode SVM et RF (table 3.2). Ces valeurs sont là aussi proches de celles présentes dans la bibliographie concernant la qualité de la prédiction avec 85% pour le SVM dans l’article de Sindhuja Sankaran (Sankaran et al., 2013) et 96.4% pour la PLS dans l’article de Xiaoling Deng (Deng et al., 2020). La méthode PLS étant la meilleure, elle permet de minimiser les erreurs de type 2 pour une meilleure identification de la maladie sur les parcelles (table 3.2). Cela peut s’expliquer dans la mesure où l’un des principaux intérêts de l’algorithme PLS est d’augmenter en performance et en fiabilité proportionnellement avec l’augmentation du nombre de variables explicatives permettant de prédire les composantes du modèle. C’est donc la méthode PLS qui est à favoriser pour les prédictions du statut HLB.

Finalement, cette étude confirme le haut potentiel qu’offre l’utilisation de la Spectroscopie Proche Infrarouge via une classification par PLS et SVM avec une approche orientée à la feuille pour la caractérisation de l’infection au HLB. Cette caractérisation est possible grâce aux seuils de décision trouvés. Ces deux seuils sont de 0.4 et plus pour les arbres malades à 0.35 et moins pour les arbres sains avec une classe indéterminée entre ces deux seuils. Ces analyses ont aussi permis d’améliorer le protocole de terrain en préconisant un échantillonnage minimal de huit feuilles par arbres (figure 3.11) et trois répétitions SPIR par feuille (figure 3.12) pour un bon compromis entre le temps d’échantillonnage et la précision du modèle. L’utilisation de la proxidétection dans la surveillance du HLB doit tout de même être couplée à un travail de terrain avec analyse en qPCR pour la validation du statut des arbres.

Le modèle de prédiction réalisée dans ce rapport pourra, à terme, être utilisé comme un outil de détection décisif dans l’amélioration de surveillance épidémiologique du HLB à La Réunion, surtout si le modèle est alimenté avec de nouveaux échantillons dans le but d’agrandir la base d’apprentissage. En effet, ce modèle est pour l’instant valable uniquement pour trois variétés d’agrumes sur les 27 que compte la Réunion. Afin d’optimiser ce modèle, il serait intéressant de l’enrichir avec davantage de variétés sur des lieux d’échantillonnages différents. Cela permettrait de répéter les analyses effectuées en comparant les résultats et les performances des différentes méthodes d’apprentissage supervisé testées pour améliorer le modèle.