Par ses recherches, le Service canadien des forêts empêche la spongieuse asiatique d’entrer au Canada

Par Lara Van Akker – Centre de foresterie du Pacifique
Le 27 avril 2018

Chaque année, des milliers de navires en provenance de l’Asie arrivent dans les ports canadiens, transportant toutes sortes de marchandises, des autos à l’acier en passant par des conteneurs de chaussures de course. Certains ont cependant à leur bord des cargaisons inattendues : des masses d’œufs de spongieuse asiatique cachés dans la coque du navire ou dans les coins et recoins des conteneurs d’expédition. Bien que les inspections de navires et les programmes de certification administrés par l’Agence canadienne d’inspection des aliments permettent de capturer la plupart de ces clandestins, le système n’est pas parfait, si bien qu’à l’occasion quelques spongieuses asiatiques se faufilent et parviennent à se déposer dans nos arbres, ce qui peut avoir des conséquences dévastatrices.

L’établissement permanent de populations de spongieuse asiatique au Canada aurait de graves répercussions sur les forêts, la biodiversité et l’économie du Canada. Pour contrer cela, Brian Van Hezewijk, chercheur au Service canadien des forêts, et Kaitlyn Schurmann, adjointe de recherche, travaillent à la conception d’un système de cartographie des risques qui nous aidera à détecter ces envahisseurs et à en éradiquer les populations avant qu’elles ne prennent des dimensions incontrôlables.

Les modèles classiques de calcul des risques produisent des cartes qui deviennent rapidement caduques à mesure qu’évolue la situation. À l’aide d’une plateforme logicielle libre, Brian et Kaitlyn développent un modèle dynamique de calcul des risques pour montrer comment de l’information à jour fraîchement recueillie – sur l’adéquation du climat, les emplacements et dates des captures par pièges, les activités de transport maritime, la couverture terrestre en données haute résolution et les conditions météorologiques — peut être transformée en mesures du risque pour être ensuite combinée à des connaissances spécialisées pour générer des cartes et des graphiques des risques en temps réel.

La méthode employée par le nouveau système exige l’emploi de données à jour. « En fait, nous savons déjà pas mal de choses au sujet de la gestion du risque que pose la spongieuse asiatique en raison de l’expérience acquise dans nos efforts pour prévenir l’établissement de la spongieuse européenne, une espèce apparentée, déclare Brian. « Mais la situation est en évolution constante ».

Pourquoi? Parce que nombre de facteurs influent sur la probabilité qu’une masse d’œufs pondus sur un conteneur au Japon, par exemple, finisse par produire une population reproductrice au Canada. Pour savoir à quel endroit poser les pièges ou à quel moment commencer un programme d’éradication, les décideurs ont besoin qu’on assemble et qu’on résume à leur intention des couches d’information complexe. Brian explique : « Nous sommes en train de concevoir un outil capable de rassembler rapidement toutes les données pertinentes à propos de la spongieuse asiatique, de les combiner et de les présenter d’une manière facile à comprendre. »

Le sud-ouest de la Colombie-Britannique sert d’étude de cas. La prochaine étape consistera à rencontrer les experts pour raffiner le modèle. Le programme final sera flexible et intégrera de nouvelles données plus précises à mesure qu’elles seront disponibles.

À terme, nous disposerons d’un outil de pointe très sophistiqué. Des cartes dynamiques des risques et des résumés générés par le modèle guideront la gestion de la spongieuse asiatique à chaque étape du processus d’invasion – de la prévention à l’éradication en passant par la détection. Les résultats aideront à raffiner les protocoles de détection et de piégeage en déterminant précisément à quel moment et à quel endroit le risque est le plus grand. Les pièges pourront ensuite être déployés stratégiquement pour mieux estimer la taille de la population introduite et définir la marche à suivre pour l’éradiquer.

En permettant de mieux recueillir l’information disponible et de la résumer de manière reproductible, le modèle facilitera une prise de décision fondée sur des données probantes qui aura de nombreuses applications pratiques.