Suivi d’infestation : varroa phorétiques ou chutes naturelles ?

Afin de lutter contre le varroa, via des traitements ou via un travail de sélection, un préalable indispensable est d’avoir une estimation fiable de l’infestation des colonies.Pour comparer les principales méthodes existantes, chutes naturelles et comptage de varroas phorétiques, l’ITSAP-Institut de l’abeille a mis en œuvre une expérimentation sur plus de 80 ruches de sa station expérimentale en 2015.

Afin de suivre la mortalité des varroas, les chutes naturelles de ces derniers étaient comptées une à deux fois par semaine dès le mois de mars jusqu’en début septembre. Le comptage s’est effectué à l’aide des grilles VarEval (KRETZSCHMAR, 2015) lorsque le nombre de varroas semblait supérieur à 100 à l’œil nu, et sans grille sinon.

Afin de dénombrer les varroas phorétiques, environ 40g d’abeilles étaient prélevés sur un cadre de couvain de chaque ruche puis directement mis au frais. Les échantillons d’abeilles, après avoir été pesés, étaient lavés au Teepol® (VALLON, 2014) puis le comptage des varroas phorétiques était eRésultats du suivi varroa

Figure1

Figure 1: Chute de varroa par jour en fonction du temps

Le nombre de varroas tombés par jour augmente en avançant dans la saison. On multiplie environ par 12 la chute quotidienne en début de saison pour obtenir la chute en fin de saison. On observe un pallier d’environ 10 varroas par jour de mars à mi-juin puis une augmentation rapide exponentielle de mi-juin à fin aout pour arriver à une chute quotidienne de 120 varroas.
Le tableau suivant est un tableau de corrélation entre les dates de comptage des varroas sur lange.
Chacune des 25 dates de comptage réalisées entre mars et aout 2015 a été corrélée avec toutes les dates de comptage antérieures et postérieures. La valeur dans une case correspond à la corrélation estimée entre la date en ligne et la date en colonne. Le nombre de varroas tombés au comptage « c » est corrélé avec le nombre de varroas tombés au comptage « c-1 » et « c+1 ». Par exemple, pour la date de comptage du 24/03/2015 (voir encadré noir du tableau), on voit que le nombre de varroas tombés à cette date est corrélé avec un coefficient de 0.93 avec le nombre de varroas tombés le 18/03/2015 (date antérieure) et est corrélé avec un coefficient de 0.88 avec le nombre de varroas tombés le 31/03/2015. Plus la couleur se rapproche du rouge foncée, plus le coefficient de corrélation est proche de 1. Une parfaite corrélation est une corrélation de 1.

Tableau 1: Corrélation dans le temps des chutes de varroas sur lange

Si on choisit arbitrairement de travailler sur les coefficients de corrélation proches ou supérieurs à 0.7, soit une corrélation assez élevée, on voit que les valeurs de chute de varroas se corrèlent bien durant les périodes encadrées en rouges. Par exemple le nombre de varroas tombés le 18 mars se corrèle avec le nombre de varroas tombés le 16 avril avec un coefficient de 0.75 (premier encadré rouge en haut à gauche). Par contre, la corrélation est moins bonne pour la date suivante du 20 avril (coefficient de 0.54 de l’encadré vert).

Interprétation du tableau de corrélation

Ce tableau met en évidence que le nombre de varroas tombés à une date donnée est corrélé avec celui des dates de comptage antérieures et postérieures proches. A contrario, il est peu voir pas corrélé avec les valeurs des dates très éloignées (plus d’un mois environ).
Selon les objectifs visés et la précision souhaitée, ces résultats d’analyse de corrélation entre dates de comptage montrent qu’il est possible de limiter les interventions de comptage sur les ruchers aux périodes encadrées en rouge par exemple. Les comptages de varroas sur lange étant longs et fastidieux, les limiter représente un gain de temps considérable.

Résultats pour les varroas phorétiques

La même étude que pour les chutes de varroas a été réalisée pour les varroas phorétiques avec les 7 dates de prélèvement.
Ci-dessous la courbe du nombre de varroas phorétiques pour 10g d’abeilles au cours du temps.

Figure2

Figure 3: Varroa phorétique en fonction du temps

Comme pour les chutes naturelles, la saison semble commencer par un pallier du nombre de varroas phorétiques avec 1 ou 2 varroas pour 10g d’abeilles entre avril et mi-mai. Puis à l’été le nombre de varroas phorétiques augmente pour atteindre environ 9 varroas phorétiques fin aout.
De la même façon que pour les chutes naturelles, un tableau de corrélation entre les valeurs de varroas phorétiques de chaque date de prélèvement a été construit.

Tableau2

Tableau 2 Corrélation dans le temps du nombre de varroas phorétiques pour 10g d’abeilles

Les 7 prélèvements sont espacés d’environ 1 mois, sauf les deux derniers espacés d’environ 15 jours. Le nombre de varroas phorétiques du 30 mars ne semble pas se corréler avec une autre date. En revanche le nombre de varroas phorétiques du 20 avril est assez bien corrélé avec celui du 11 mai (coefficient de 0.61), mais la mesure du 11 mai se corrèle faiblement avec celle du 1er juin. Puis les phorétiques du 1er juin se corrèlent assez bien avec ceux du 7 juillet (coefficient de 0.59), et enfin, les phorétiques du 17 aout sont bien corrélés avec ceux du 31 aout (coefficient de 0.7).

Résultats pour les « varroas totaux »

Rappel : Dans cette expérience, les varroas « totaux » correspondent à l’ensemble des varroas tombés après traitement entre septembre et décembre (4 mois).
La courbe des chutes de varroas après traitement en fonction du temps a été réalisée.

Figure42 

Figure 42: Chutes de varroas par jour après traitement en fonction du temps

Le nombre de varroas tombés par jour diminue fortement une fois le traitement appliqué. En moins de 15 jours on passe d’environ 700 varroas quotidien à 150, ce qui confirme l’effet du traitement acaricide. Ensuite, après quelques fluctuations, on arrive à un plateau vers la mi-octobre avec une chute régulière de moins de 50 varroas quotidien. L’application du traitement de contrôle ne semble entrainer aucun effet sur la chute des varroas.

Les boxplots sont très allongés ce qui indique une très grande hétérogénéité au sein des colonies. La moyenne finale en fin d’expérience est d’environ 6000 varroas totaux par ruches, soit 6000 varroas tombés par ruche en 4 mois après traitement.

Le graphique suivant présente le nombre de varroas totaux pour chacune des ruches. Il confirme l’hétérogénéité des 83 colonies citée ci-dessus, avec des colonies allant de moins de 500 varroas totaux jusqu’à près de 17 500 varroas au total sur les 4 mois.

image019

Figure 5: Varroas totaux par ruche

Relation entre-mesures

Corrélation entre chutes naturelles et varroas phorétiques

La corrélation entre les valeurs de varroas lange et les valeurs de varroas phorétiques d’une même date ont été calculées dans le tableau ci-dessous. Les 7 dates de prélèvements de varroas phorétiques ont été corrélées avec les 7 dates de comptage de chutes naturelles de varroas correspondantes.
Par exemple le coefficient de corrélation entre les deux dates encadrées en noir indique que le nombre de varroas tombés sur lange le 30 mars 2015 est corrélé avec un coefficient de 0.83 au nombre de varroas phorétiques de ce même jour.

Tableau3
Tableau 3: Corrélation entre varroas lange et varroas phorétiques

L’ensemble des encadrés rouge nous donne la valeur du coefficient de corrélation entre les chutes naturelles est les varroas phorétiques d’une même date. La corrélation est assez élevée entre ces deux valeurs, avec un coefficient qui varie entre 0.62 et 0.83.

Interprétation

Les varroas lange et les varroas phorétiques sont relativement bien corrélés pour une même date. Ces deux valeurs « varroas lange » et « varroas phorétiques » étant toutes deux liées étroitement à la population en varroas au sein de la ruche, il peut sembler rassurant de voir qu’elles se corrèlent entre elles pour une même date.
Toutefois, ces deux valeurs sont censées mesurer et estimer une même variable qui est la population en varroa. On pourrait donc espérer une corrélation plus élevée.

Corrélation entre varroas totaux, chute naturelle et varroas phorétiques

Le tableau suivant présente la corrélation entre le nombre de varroas totaux d’une ruche et son nombre de varroas lange ou phorétique pour les différentes dates d’expériences. Les expériences de comptage de varroas lange et phorétiques sont antérieures à la date du premier traitement anti-varroa (1er septembre) à partir de laquelle les varroas totaux ont commencé à être comptés.
Par exemple, au niveau de l’encadré noir, on voit que pour la même date d’expérience du 31 aout, la valeur du nombre de varroas sur lange est mieux corrélée au nombre de varroas totaux d’une ruche que la valeur du nombre de varroas phorétiques. Le coefficient de corrélation est en effet de 0.57 entre le nombre de varroas lange comptés le 31 aout et les varroas totaux de la ruche, alors qu’il est de 0.31 pour les varroas phorétiques.

Tableau4

Tableau 4 : Corrélation entre les varroas lange, phorétiques et les varroas totaux

Interprétation

Pour les mesures antérieures au 17 aout, les corrélations entre le nombre de varroas totaux d’une ruche et son nombre de varroas sur lange ou phorétiques sont nulles ce qui indique clairement qu’il n’y a aucun lien direct entre ces mesures et le niveau d’infestation estimé à l’automne après traitement. Cette première approche indique qu’il semble difficile de prédire l’infestation avec des valeurs précoces.

En revanche, le coefficient de corrélation entre le nombre de varroas comptés le 31 aout juste avant traitement et les varroas totaux est de 0.57. Au 17 aout, cette corrélation est de 0.41. Ces corrélations moyennes indiquent qu’un comptage sur lange peut prédire l’infestation d’une colonie pour une période proche (quelques semaines) mais avec une corrélation moyenne.

Suivi varroa et dynamique de colonie

Analyse de la dynamique en fonction des varroas totaux

Afin d’avoir une vision plus globale de l’effet du varroa sur la colonie, des « niveaux » d’infestation ont été fait arbitrairement à partir du nombre de varroa totaux des ruches. 4 niveaux ont ainsi été constitués : les ruches ayant eu un nombre de varroas totaux compris entre 0 et 2000, entre 2000 et 3500, entre 3500 et 10 000 et enfin entre 10 000 et 18 000 (voir figure ci-dessous). La dynamique des colonies et la moyenne de production pour chacun de ces niveaux ont ensuite été calculées.

image027

Figure 63: Formation arbitraires des groupes de ruches en fonction de leurs varroas totaux

Figure7

Figure 7: Dynamique de colonie par niveaux de varroas totaux

Les niveaux ayant été fait arbitrairement, il convient d’être vigilant dans l’interprétation de cette figure.

La population d’abeille est d’autant plus importante qu’on a un niveau d’infestation élevé. Les colonies avec le plus faible niveau d’infestation (de 0 à 2000) semblent être les colonies avec la plus faible dynamique (moins d’abeilles, plus faible moyenne de production et chute des réserves en fin de saison). Dans la même logique, les colonies du plus fort niveau d’infestation sont aussi celles qui semblent avoir la meilleure dynamique (population d’abeilles plus importante et meilleure moyenne de production).

On remarque que la population d’abeilles des colonies à plus fort niveau d’infestation est réduite par deux rapidement à partir de juillet, pour retrouver en fin de saison une dynamique proche des deux niveaux d’infestation intermédiaires.

Interprétation

Il semble que les ruches avec un faible niveau d’infestation soient aussi des ruches avec une faible dynamique de départ. Les varroas se reproduisant dans le couvain, si la dynamique de ponte est faible, les varroas ne pourront pas voir leur population fortement augmenter.

A l’inverse, les ruches qui avaient la meilleure dynamique en début de saison (avant juillet) semblent être celles qui soient ensuite le plus touchée par varroas (ruches avec les plus forts niveaux en varroa totaux). La bonne dynamique de la colonie semble favoriser la bonne dynamique de croissance de varroa.

On constate donc que la dynamique des colonies influe fortement sur la dynamique de la population en varroa.

Vers un modèle de prédiction d’infestation via des mesures précoces ?

En considérant que le nombre de varroas totaux d’une ruche représentait son infestation avant l’hiver, l’objectif de ce travail est d’expliquer cette valeur en fonction des données recueillies. La valeur à expliquer était donc le nombre de varroas totaux et les variables explicatives potentielles retenues étaient celles des différentes mesures réalisés sur les ruches (varroas lange, varroas phorétiques et ColEval).

image031

Une régression linéaire multiple a été réalisée sous le logiciel R avec les différentes variables explicatives désignées sur le schéma. La fonction utilisée sous R était le modèle linéaire noté « lm ». Plusieurs options sont possibles pour traiter les variables explicatives. On peut choisir des dates différentes, sommer des valeurs entre elles, faire des ratios etc. Sur les différents modèles de régression linéaires réalisés, seuls ceux ayant une qualité de régression supérieure à 0.5 ont été présentés dans le tableau ci-dessous.

Pour le premier sous-tableau, on ne considère que la date du 17 aout, c’est-à-dire que les variables explicatives sont : le nombre de varroas tombés sur lange le 17 aout, le nombre de varroas phorétiques trouvés sur le prélèvement d’abeilles du 17 aout et les valeurs de ColEval réalisé le 17 aout. Pour le deuxième sous tableau, on choisit la date du 31 aout pour les valeurs de varroas lange et varroas phorétiques et la date du 17 aout pour les valeurs de ColEval. Et enfin dans le dernier tableau, on a sommé le nombre de varroas tombés le 17 aout et le 31 aout, de même que pour le nombre de varroas phorétiques. Il faut savoir que pour chacune des combinaisons de date, l’ensemble des combinaisons possibles avec les 6 variables explicatives a été réalisé. A droite des tableaux, on a la valeur de R² de la variable à expliquer en fonction de chaque variable explicative prise individuellement.

Les couleurs associées dans la colonne « R² » sont croissantes du bleu vers le rouge en passant par le blanc pour des valeurs respectivement moindre ou supérieure de R². On rappelle que plus R² est proche de 1, plus la qualité de la régression est bonne et mieux les valeurs explicatives expliquent la variable à expliquer.

 image033

Tableau 5: Modèles de régression linéaire multiple

Quel que soit le modèle considéré et les dates choisies pour les trois premiers tableaux, les variables « lange » et « abeille » interviennent ensemble et de manière hautement significative dans le modèle. Les autres variables interviennent mais de manière moins significative.

Les valeurs de R² les plus élevées sont toutes issues des modèles considérés avec la somme des dates du 17 et 31 aout pour les lange et phorétiques, et la valeur du 17 aout pour le ColEval. Le modèle qui présente le R² le plus élevé est celui qui cumule les données du 17 et du 31 aout.

Le dernier tableau où les valeurs considérées sont celles du 7 juillet n’a aucun R² supérieur à 0.29.

Interprétation des résultats de régression linéaire multiple

Suite à cette analyse, on peut dire que ce sont les variables « lange » et « abeille » qui expliquent le mieux les varroas totaux. Autrement dit, la chute de varroas et le nombre d’abeilles dans la ruche sont les données qui permettent d’avoir la meilleure estimation de l’infestation de la ruche en fin de saison. On voit qu’on n’augmente que de 0.01 la qualité de la régression lorsqu’on prend en compte d’autres variables telles que le couvain, les varroas phorétiques, le pollen ou les réserves.

Ces premières analyses de régression montrent que ce sont les valeurs les plus proches de la date avant traitement qui permettent d’expliquer le nombre de varroas totaux. Les valeurs proches (environ 15 jours avant traitement) expliquent mieux les varroas totaux, que des valeurs plus éloignées de la date de traitement. Les valeurs de R² obtenues pour les mesures faites en juillet illustrent ce constat, avec des R² qui chute à des valeurs de 0.2. Une prédiction précoce du nombre de varroas totaux en fin de saison dans une colonie semble donc difficile.

CONCLUSION

L’objectif principal de l’ITSAP-Institut de l’abeille sur la thématique sélection est de définir des indicateurs simples de résistance d’une colonie à varroa. Il a été vu que la recherche de ces indicateurs passe par différentes étapes, la première étant la prédiction d’infestation des colonies. C’est sur cette étape que cette étude a permis d’avancer significativement.

L’objectif de cette étude était de déceler des indicateurs précoces d’infestation pré-hivernale d’une colonie. L’analyse des données nous a montré qu’il est difficile de prédire précocement cette infestation mais qu’il est possible d’avoir une estimation « assez correcte » de l’infestation tardivement en saison. Ce sont les données de mortalité naturelle de varroas sur lange et la population d’abeilles qui sont les valeurs clefs de cette prédiction.

Cette étude permet également de mettre en évidence l’importance de la prise en compte de la dynamique des ruches lors d’une éventuelle sélection contre varroa car il a été vu que la dynamique du varroa est fortement impactée par la dynamique des colonies. Autrement dit les ruches avec une forte dynamique sont aussi celles qui ont été repérées comme les plus infestées. Afin d’être plus précis quant à l’effet de la dynamique de la colonie sur la dynamique du varroa et la prédiction d’infestation, il serait intéressant de poursuivre les analyses notamment en intégrant le taux de croissance des différentes variables de ColEval.

En vue de l’objectif principal de l’ITSAP-Institut de l’abeille sur la thématique sélection, des mesures SMR et/ou VSH seraient des ajouts complémentaires aux variables déjà suivies car ces mesures traduisent un comportement de « résistance » des abeilles à varroa. La connaissance de l’infestation du couvain, aussi régulièrement que les autres paramètres, permettrait également de préciser l’infestation d’une colonie en connaissant l’état de ce comportement. Ce protocole de suivi varroa sur un cheptel de colonie va être réitéré pour la saison 2016 avec la prise en compte de ces mesures additionnelles. On peut ainsi espérer des résultats complémentaires et plus précis quant à la création d’un « outil de sélection ».

Dernière mise à jour

2017-07-05 11:23:14

L'expertise technique et scientifique

au service de la filière apicole