En effet, l’impact de l’activité humaine sur les modifications du climat à l’échelle
globale depuis le siècle dernier est désormais reconnu, et les météorologues prédisent que ces
changements vont s’accélérer dans les prochaines décennies (IPCC 2007). Devant l’ampleur
de ces phénomènes (notamment l’augmentation de température et la modification du régime
des précipitations), les espèces animales et végétales sont contraintes d’adapter leur
phénologie/physiologie (e.g., période de reproduction) et/ou de modifier leurs aires de
distribution qui sont majoritairement déterminées par le climat à large échelle (Pearson &
Dawson 2003). Les études visant à prédire les aires de distribution futures des espèces se
multiplient au même rythme que l’augmentation du nombre de scénarios climatiques fournis
par les météorologues ou bien de nouvelles méthodes statistiques appliquées à l’écologie.
Globalement, toutes ces études s’accordent à trouver des modifications d’aires de distribution
très variables selon le jeu de données initial, le type de modélisation statistique, la
paramétrisation des modèles ou le scénario futur appliqué (Thuiller 2004 ; Thuiller et al.
2004 ; Araujo et al. 2005 ; Pearson et al. 2006). L’une des préoccupations actuelles est donc
de chercher à évaluer l’incertitude de ces projections, à expliquer son origine et à la
minimiser.
L’objectif de ce stage sera double. Tout d’abord, en utilisant des données de pêche sur
655 stations réparties dans les réseaux hydrographiques français, le candidat comparera les
prédictions futures résultant de différentes techniques de modélisation. Des méthodes
d’analyse classiques (e.g., GLM, GAM, CART, ANN) seront comparées à des méthodes plus
récentes (e.g., GARP, MARS, MDA, MAXENT, Boosted Regression Trees, Random Forest –
Elith et al. 2006). Plusieurs scénarios climatiques seront couplés à ces méthodes statistiques,
résultant ainsi en un grand nombre de combinaisons méthodes x scénarios. La qualité
prédictive des différents modèles sera comparée ainsi que la variabilité des prédictions
(Ensemble Forecasting - Araujo & New 2007). Dans un second temps, l’étudiant s’intéressera
à la cohérence des techniques de modélisation pour quelques espèces cibles et cherchera à
relier la variabilité des prédictions aux descripteurs environnementaux disponibles. Ce travail
permettra d’identifier les habitats potentiellement favorables (e.g. zones refuges) et les zones
fortement soumises aux risques d’extinction des espèces, fournissant ainsi des outils pour la
mise en place de mesures de conservation et de gestion des écosystèmes aquatiques.
Ce projet de stage consistant exclusivement en l’analyse statistique de données, il est
vivement souhaité que le candidat présente un fort intérêt pour les biostatistiques ainsi que de
bonnes connaissances en écologie générale. De plus, des compétences en l’utilisation de
logiciels statistiques (notamment R) seraient particulièrement appréciées.
Pour les stages de M2 UNIQUEMENT (effacez les phrases inutiles)
o Ce stage ne se poursuivra pas par une thèse