Résumé vulgarisé
La tache goudronneuse du maïs (Phyllachora maydis) est une des maladies les plus importantes en Amérique latine et aux États-Unis, créant des pertes de 50 % en années épidémiques, menaçant la sécurité alimentaire mondiale. En 2018, seulement trois ans après sa première détection, des pertes de 30 % ont été observées aux États-Unis en raison de conditions climatiques favorables. La gestion de la tache goudronneuse inclut les rotations, l’enfouissement de résidus, les fongicides foliaires et l’utilisation d’hybrides moyennement résistants. Autant que les rotations peuvent aider à réduire l’inoculum provenant du champ, les infections sur les feuilles du haut de la plante dans des champs aux États-Unis suggèrent que les ascospores de P. maydis peuvent voyager de champs voisins et sur de longues distances, réduisant l’efficacité des rotations et du travail du sol pour la gestion de la tache goudronneuse. Des hybrides moyennement résistants existent, mais, des études démontrent que la majorité des hybrides sont susceptibles, rendant la gestion de cette maladie dépendante principalement aux fongicides foliaires. Les études démontrent que les fongicides foliaires les plus efficaces pour la gestion de la tache goudronneuse sont ceux ayant deux ou trois ingrédients actifs et des indices de risque pour la santé et l’environnement plus élevées. Avec les changements climatiques, des outils de gestion sont nécessaires pour prendre des décisions informées tant à la nécessité d’appliquer des fongicides foliaires ou non. Des modèles prévisionnels existent pour la tache goudronneuse du maïs, que ça soit avec des données météorologiques ou la détection hâtive par imagerie multispectrale, et permettent de cibler le moment d’applications de fongicides foliaires uniquement lorsque nécessaire et dans les secteurs du champ réellement atteints par la maladie. Par contre, il manque encore des connaissances tant à leur exactitude, précision et spécificité sous conditions agroclimatiques québécoises. Pour les modèles d’imagerie multispectrale, il manque encore des études suivant le développement de la maladie aux différents stades phénologiques du maïs et à différents niveaux de sévérité de la maladie au champ. Ce projet vise à évaluer, adapter et valider les modèles prévisionnels climatiques, et de développer des modèles de surveillance et détection hâtive par imagerie multispectrale par drone pour outiller les producteurs et productrices québécois et québécoises.
Crédit photo : CÉROM










