Thèse Identifier les Déterminants Biotiques et Abiotiques Structurant les Communautés Aviaires dans un Cadre Dynamique Spatio-Temporel H/F - Doctorat.Gouv.Fr

Établissement : Université Claude Bernard Lyon 1 École doctorale : E2M2 - Evolution Ecosystèmes Microbiologie Modélisation Laboratoire de recherche : LBBE - LABORATOIRE DE BIOMÉTRIE ET BIOLOGIE EVOLUTIVE Direction de la thèse : Stéphane DRAY ORCID 0000000301531105 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-08-31T23:59:59 Les changements globaux (dérèglement climatique, anthropisation) impactent profondément la structure des assemblages d'espèces (communautés) et la biodiversité. Jusqu'à présent, ces effets ont été principalement étudiés sous l'angle de la variation des abondances et de la distribution des espèces via les modèles de niche (SDM) ou les modèles de distributions jointes (JSDM). Cependant, une communauté écologique ne se limite pas à une collection d'espèces : elle repose également sur un ensemble complexe d'interactions biotiques (e.g., prédation, compétition, parasitisme) qui peuvent se formaliser sous la forme de réseaux multi-couches. Ces interactions sont également sensibles aux modifications de l'environnement, entraînant des remaniements structurels dans les réseaux (rewiring) impactant en retour la distribution des espèces. Ignorer ces dépendances entre les distributions d'espèces et les interactions limite drastiquement notre capacité à décrire et prédire l'effet des changements globaux sur la biodiversité. L'objectif central de ce projet de thèse est de développer un cadre statistique permettant de distinguer l'influence des facteurs environnementaux (niche de Grinnell) et des interactions biotiques (niche d'Elton). Bien qu'il soit largement admis que les assemblage d'espèces résultent de la combinaison de ces deux processus, le développement d'approches rigoureuses permettant de les distinguer est un objectif majeur. Malgré quelques initiatives \citep[e.g.,][]{Staniczenko2017b}, l'information sur les interactions a été rarement intégrée à des modèles de distribution de la biodiversité. Le modèle ELGRIN \citep{Ohlmann2023} fournit un cadre analytique novateur qui se fonde sur l'utilisation de champs aléatoires de Markov (MRF) pour modéliser les dépendances connues entre espèces (méta-réseau) et permet de quantifier et de séparer la part de variation expliquée par l'environnement et par les interactions biotiques sur la distribution des espèces. L'originalité du projet repose sur l'exploitation d'un jeu de données d'une ampleur inédite : les relevés du Breeding Bird Survey (BBS), couvrant plus de 60 ans de suivi d'abondance d'oiseaux en Amérique du Nord (plus de 130 000 relevés au total) couplés au jeu de données AvianMetaNetwork collecté cette année par notre collaboratrice Phoebe Zarnestke (Michigan State University) qui informe, à partir d'une synthèse de la littérature, les interactions observées pour 6 réseaux (e.g., compétition, trophique, parasitisme) entre plus de 600 espèces d'oiseaux nord-américains. L'analyse de ces données conduit à plusieurs verrous méthodologiques associés aux limites de ELGRIN que ce projet de thèse vise à lever : 1) Introduire une composante temporelle explicite pour mieux isoler les signaux biotiques et abiotiques et capturer les processus de colonisation et extinction, 2) Étendre aux données d'abondance (présence-absence pour le moment), 3) Quantifier l'effet relatif et asymétrique de plusieurs types d'interactions (réseaux multi-couches orientés) et 4) Exploiter les traits fonctionnels (notamment les bases de données de traits comme AVONET \citep{Tobias2022a} ou AVONICHE \citep{Sayol2026}) afin d'identifier les mécanismes de 'trait-matching' (association de traits entre partenaires expliquant leur interaction) et intégrer les restructurations futures dans les réseaux (rewiring) dans les modèles prédictifs. Ce travail fournira donc de nouveaux outils (méthodes et logiciels) permettant de mieux décrire les déterminants de la dynamique spatio-temporelle de la biodiversité aviaire à l'échelle continentale et d'affiner les prédictions dans le futur. La compréhension de la distribution des espèces repose historiquement sur l'intégration des facteurs environnementaux dans les modèles de type SDM qui considèrent chaque espèce de façon indépendante \citep{Ferrier2006}. Le développement récent des modèles de distribution joints (JSDM) fournit un cadre permettant une analyse conjointe en modélisant les structures de dépendance entre espèces \citep{Ovaskainen2017a}. Cependant les JSDM n'intègrent pas les interactions biotique de façon explicite et l'exploitation des structures de corrélation résiduelle souffre souvent d'une confusion entre l'effet des variables environnementales manquantes ou la signature de véritables interactions biotiques \citep{Zurell2018}.Le modèle ELGRIN \citep{Ohlmann2023} marque une rupture en intégrant explicitement la structure topologique d'un méta-réseau connu pour distinguer l'effet des facteurs biotiques et abiotiques. Cependant, ce modèle a plusieurs limites (e.g., données de présence-absence, un seul type d'interactions, pas d'aspect temporel) que nous souhaitons lever afin d'analyser les données dont nous disposons et améliorer notre compréhension de la dynamique de la biodiversité. L'utilisation de séries temporelles longues (BBS) et de plusieurs types d'interaction est fondamentale car elle permet d'observer la dynamique de la biodiversité (et pas uniquement instantané) face aux variations environnementales et offre un levier statistique puissant pour séparer ce qui relève de la niche abiotique de ce qui relève des contraintes d'interaction. L'intégration de traits biologiques vient compléter ce projet en améliorant les aspects prédictifs en passant d'un réseau observé (passé) à un réseau potentiel (futur), fondé sur la compatibilité morphologique et écologique des espèces \citep{Pichler2020}.

Candidat(e) avec une solide formation en écologie quantitative, biostatistiques ou mathématiques appliquées. Des connaissances en écologie des communautés et en écologie des réseaux sont attendues. Compétences avancées en programmation R. Une expérience ou un intérêt marqué pour l'utilisation de clusters de calcul est souhaité afin de gérer l'importante volumétrie de données. Un excellent niveau d'anglais est requis pour la collaboration internationale avec la Michigan State University (MSU).

• Programmation
• Anglais
• Cluster