Évaluation mondiale et régionale de la distribution de Corythucha marmorata selon différentes conditions de modélisation spatiale

Un minuscule insecte au large impact mondial

La plupart des gens ne remarquent jamais la punaise dentelle du chrysanthème, un insecte de la taille d’un point qui se nourrit de fleurs de jardin et de cultures. Pour autant, ce petit voyageur peut emprunter les routes commerciales et les autoroutes pour atteindre de nouveaux continents, endommageant les plantes et engendrant des coûts de lutte. Cette étude pose une question pratique : où dans le monde ce ravageur invasif est‑il le plus susceptible de prospérer aujourd’hui et à l’avenir, et comment les scientifiques peuvent‑ils établir au mieux ces prévisions pour que les gouvernements et les agriculteurs puissent agir à temps ?

Pourquoi il est important de prévoir les ravageurs

Les espèces invasives perturbent de plus en plus la faune locale et l’agriculture, en étouffant les plantes indigènes ou en réduisant la nourriture disponible pour les insectes et les oiseaux. Une fois qu’une espèce comme Corythucha marmorata, la punaise dentelle du chrysanthème, est arrivée, il est très difficile de l’éliminer. Comme elle s’est déjà propagée depuis son aire nord‑américaine vers le Japon, la Chine et la Corée du Sud, les autorités ont besoin d’outils qui identifient les régions à haut risque avant que les foyers n’explosent. Les auteurs utilisent des modèles de distribution d’espèces, qui relient les observations connues d’une espèce aux données climatiques et environnementales pour estimer où les conditions sont favorables. Ces cartes aident à concentrer la surveillance, la mise en quarantaine et les actions de lutte sur les zones qui comptent le plus.

Comment les chercheurs ont construit leurs cartes

L’équipe a compilé plus d’un millier de relevés de la punaise dentelle à partir d’une base de données mondiale de biodiversité et d’enquêtes de terrain, puis les a soigneusement filtrés afin d’éviter que des amas de points ne biaisent les résultats. Ils ont combiné ces occurrences avec des couches climatiques résumant les variations de température et de précipitations à l’échelle mondiale, comme la pluviométrie de la saison la plus chaude ou l’amplitude des variations de température entre les saisons. Ils ont ensuite lancé dix algorithmes de modélisation différents, des approches statistiques classiques aux méthodes modernes d’apprentissage automatique, selon trois manières de définir les zones où l’insecte est supposé être absent. Parce que l’absence réelle est rarement connue, ils ont créé des points dits de « pseudo‑absence » selon différentes règles : les répartir aléatoirement, les limiter à des zones aux environnements très différents, ou les placer en anneaux à des distances définies autour des occurrences connues.

Combiner plusieurs modèles en une seule image

Plutôt que de se fier à une seule méthode, les auteurs ont construit des modèles ensemblistes qui combinent les sorties de plusieurs approches. Ils ont testé quatre façons de moyenniser les modèles, y compris une moyenne simple, une médiane, un système de vote de type comité, et une moyenne pondérée qui accorde plus d’influence aux modèles les plus performants. Ils ont évalué la précision à l’aide de deux scores standard mesurant la capacité des modèles à distinguer les zones favorables des zones défavorables. Les meilleurs résultats proviennent du vote par comité et des moyennes pondérées construites avec des points de pseudo‑absence tirés de zones écologiquement contrastées. Ces combinaisons ont produit des scores de précision très élevés, montrant que des choix attentifs sur la manière de représenter l’« absence » et de pondérer les modèles individuels peuvent sensiblement affiner les prévisions.

Où la punaise dentelle est la plus susceptible de se propager

À partir de leurs ensembles les plus performants, les chercheurs ont cartographié la distribution potentielle de la punaise à l’échelle mondiale et se sont focalisés sur la Corée du Sud. Globalement, les modèles mettent en évidence une forte adéquation non seulement dans l’aire connue de l’insecte en Amérique du Nord et en Asie de l’Est, mais aussi dans des régions encore non envahies, y compris certaines parties de l’Europe, l’est de l’Australie, l’Uruguay et l’Argentine. En Corée du Sud, la plupart des zones intérieures semblent favorables aujourd’hui et le restent dans les projections pour 2050 dans un scénario de changement climatique marqué. L’île méridionale de Jeju, en revanche, apparaît systématiquement peu propice, ce qui correspond aux observations de terrain actuelles indiquant que le ravageur ne s’y est pas implanté. Les zones à trafic intense et à végétation bordant les routes émergent comme des points chauds probables, reflétant la manière dont les véhicules aident l’insecte à se déplacer entre les masses de plantes hôtes.

Ce que cela implique pour la gestion des futures invasions

Pour les non‑spécialistes, la leçon principale est que la manière de construire les outils de prédiction compte autant que l’espèce étudiée. En testant de nombreuses recettes de modélisation, ce travail montre que mélanger les modèles et choisir soigneusement où supposer l’absence d’une espèce peut produire des cartes de risque fiables et utiles à différentes échelles, du global au national. Pour la punaise dentelle du chrysanthème, ces cartes avertissent qu’une grande partie des régions tempérées et saisonnièrement humides du monde pourrait favoriser des invasions futures, tout en confirmant que la majeure partie de la Corée du Sud restera exposée, à l’exception de quelques refuges comme Jeju. Plus généralement, l’étude propose une feuille de route pratique pour prévoir d’autres ravageurs invasifs avant leur arrivée, permettant de cibler la surveillance et les efforts de lutte là où ils seront les plus efficaces.

Citation: Byeon, Dh., Lee, WH. Global and regional evaluation of Corythucha marmorata distribution under different spatial modeling conditions. Sci Rep 16, 13283 (2026). https://doi.org/10.1038/s41598-026-42897-y

Mots-clés: espèces invasives, modélisation de la distribution des espèces, punaise dentelle du chrysanthème, adéquation climatique, modèles écologiques ensemblistes