Inférer et prédire les dynamiques d'espèces invasives : focus sur Xylella fastidiosa
Institution:
Aix-MarseilleDisciplines:
Directors:
Abstract EN:
The thesis research aims to provide a generic methodology that improves the predictions of an invasive species dynamics for which no dedicated model is available and whose initial conditions are unknown. In order to achieve this goal, we proceed in two complementary lines of research. The first one is to propose a model&data-based inference method of biological invasions, in the framework of the so-called mechanistic-statistical approach. This method allows us to jointly estimate the introduction point and other parameters of the dynamics related to diffusion, reproduction and death. It is hinged on (i) a partial differential equation (PDE) that offers a concise description of the invasive species dynamics in a heterogeneous domain, (ii) a stochastic model that represents the observation process and (iii) a statistical Bayesian inference procedure for estimating model parameters. We propose to replace the PDE by a model issued from the framework of Piecewise-deterministic Markov Process to balance the trade-off between model realism and estimation easiness. The second research line consists on accounting for the uncertainty about models form using the Bayesian model-averaging. This method consists of combining predictions drawn from competing models in order to obtain a unique and ameliorated prediction. This technique is not widespread in the field of epidemiology. One of the methodological goals of the PhD is to investigate its application and usefulness in predictive epidemiology. The case study of my thesis is the phytopathogenic bacterium Xylella fastidiosa which is susceptible to cause in France a major sanitary crisis as the one caused in Italy since 2013
Abstract FR:
La thèse porte sur la recherche d’une méthodologie générique permettant d'améliorer les prédictions d’une invasion biologique pour laquelle on ne dispose pas de modèle spécifique et dont les conditions initiales sont inconnues. Pour atteindre cet objectif, on procède suivant deux axes de recherche complémentaires. Dans le premier axe, on s’intéresse à l’inférence des invasions biologiques à partir d’un modèle spatio-temporel de propagation et de données collectées, en suivant une approche mécanistico-statistique. Elle repose sur (i) une équation aux dérivées partielles (EDP) offrant une représentation concise d’une dynamique qui envahit un domaine hétérogène, (ii) un modèle stochastique représentant le processus d’observation et (iii) une méthode d’inférence Bayésienne pour estimer les paramètres du modèle. Un modèle dérivé des processus de Markov déterministes par morceaux est proposé pour remplacer l'EDP permettant un compromis entre réalisme du modèle et facilité d’estimation. Dans le deuxième axe, on propose une approche prenant en compte les incertitudes entourant des modèles en compétition. La technique du Bayesian model-averaging combine les prédictions de ces modèles pour obtenir une prédiction unifiée améliorée. Cette technique a souvent été utilisée en sciences environnementales. Toutefois, elle n’est pas répandue dans le domaine de l’épidémiologie. L’un des buts méthodologiques de la thèse est d’en évaluer l’intérêt pour l’épidémiologie prédictive. Le cas d’étude est celui de Xylella fastidiosa, bactérie phytopathogène ayant le potentiel de causer en France une crise sanitaire majeure en santé végétale à l’image de celle qu’elle cause depuis 2013 en Italie