Contexte
Durant les dernières décennies, des épisodes estivaux répétés de stress hydriques et de vagues de chaleur, imputables au changement climatique, ont entraîné des dépérissements forestiers dans les forêts européennes. Les scénarios du climat futur font par ailleurs craindre que ces dépérissements climato-induits s’amplifient dans les forêts tempérées, en fréquence, en magnitude et en étendue. Il existe actuellement relativement peu d’études sur les incidences des dépérissements et de la foresterie appliquée aux secteurs dépérissants sur les conditions d’habitat de la biodiversité forestière. Un dépérissement se traduit par un affaiblissement généralisé des arbres et une transformation progressive et profonde de l’écosystème forestier à plusieurs échelles spatiales emboîtées, de la canopée des arbres au paysage régional. Les dépérissements forestiers sont ainsi susceptibles de modifier la structure de l’habitat des communautés forestières, en particulier lignicoles et saproxyliques, par leurs impacts sur la composition et la densité de variables-clés comme le bois mort ou la fermeture de la canopée.

Problématique
Notre objectif est d’analyser la contribution de l’historique de dépérissement à la structure du stock de bois mort, en saisissant l’opportunité d’un large jeu de données disponibles à l’échelle de l’Europe. Nous aborderons plusieurs hypothèses écologiques relatives à la temporalité des processus environnementaux. Le stock de bois mort local est-il indépendant des niveaux de dépérissement contemporains et passés ? Est-il partiellement expliqué par les niveaux de dépérissement dans le passé récent de façon contexte-dépendante (plaine vs montagne, feuillus vs résineux) ? Les effets d’un ou de plusieurs dépérissements passés sont–ils immédiats ou différés (Tappeiner et al. 2021) ? Le stock de bois mort est-il une fonction complexe des dépérissements passés ? Est-il corrélé à une métrique synthétique des dépérissements passés (moyenne, maximum) ? Le stock de bois mort est-il principalement structuré par une ou plusieurs perturbations naturelles de grande ampleur et ponctuelles dans le passé proche (tempête, canicule estivale…) ? Y a-t-il des effets cumulatifs des niveaux de dépérissement successifs ?
Nous disposons (i) de données dendrométriques ponctuelles sur le stock de bois mort sur une partie des placettes européennes de niveau I (projet ForestFocus Biosoil 2006-2008 ; Puletti et al. 2017, Galuzzi et al. 2019), et de deux sources de données sur le niveau de dépérissement, (ii) des placettes européennes de niveau I (16*16 km) par les mesures du protocole « défoliation » ICP-Forest de 1989 à 2008 (« annual surveys of crown condition », environ 6000 points), et (iii) des forêts européennes de 1986 à 2008 à une résolution spatiale plus large (dans un rayon de 500m autour des points ; Senf & Seidl, 2021). Nous analyserons ainsi la contribution de l’historique de dépérissement (une quinzaine d’années pour les données ICP, une vingtaine d’années pour les données de Senf & Seidl 2021) à la structuration des stocks de bois mort local mesurés ponctuellement en 2006 ou 2007 ou 2008 (selon les placettes).
Le stage inclut une réflexion méthodologique sur le mode d’analyse des effets des séries temporelles de prédicteurs (données longitudinales répétées) sur une réponse ponctuelle (mesure non répétée). S’il existe une littérature biomédicale sur ce type de modèles (Tu et al. 2013, Chen et al. 2015, Welten et al. 2018, Bull et al ; 2020), ces approches ont été peu employées jusqu’à présent en écologie (Lange 2006). Comment combiner les données issues d’une chronique de mesures pour co-expliquer l’état d’une métrique ponctuelle ? Comment gérer la colinéarité des prédicteurs non-indépendants (auto-corrélation temporelle = corrélations entre les niveaux de dépérissement d’une année sur l’autre) ? Comment déclarer la structure de leur matrice de corrélation (corrélation constante, autorégressive de premier ordre…) ? Peut-on identifier les prédicteurs déterminants (e.g. maximum ou moyenne des niveaux de dépérissement sur la série temporelle, ou combinaison additive de plusieurs niveaux de dépérissement) par des comparaisons de modèles (Kozák et al., 2020) ?
Dans un second temps, le stagiaire étudiera la réponse au dépérissement de certains compartiments de la biodiversité (bryophytes, plantes vasculaires), dont les données ont été collectées sur une partie des placettes européennes de la maille 16*16 (projet ForestFocus Biosoil 2006-2008 ; Bastrup-Birk et al. 2007) et qui sont potentiellement sensibles à certains facteurs environnementaux impactés par le dépérissement (incl. bois mort et ouverture de la canopée).

Calendrier d’activité
Le stage comporte une phase de prise en main et de formatage des différentes bases de données, avant la mise en œuvre de modèles d’analyse des données. Le stage ne comporte pas de module d’acquisition de données sur le terrain ou au laboratoire. La participation active à la rédaction d’un article scientifique issu des résultats produits est prévue.

Profil recherché
Etudiant(e) en Master 2 d’écologie ou de biostastistiques, ou en Ecole d’Ingénieurs Agronomes ou Forestiers
Connaissances en écologie forestière bienvenues, fort intérêt pour l’analyse de données et les traitements statistiques (pratique usuelle de R), formé(e) aux méthodes scientifiques avec de bonnes capacités rédactionnelles. Des connaissances en SIG seraient appréciées mais ne sont pas obligatoires.

Conditions pratiques :
– Durée de stage : 6 mois, début envisagé en février-mars 2022.
– Lieu du stage : INRAE, Centre de Nogent-sur-Vernisson (Loiret – 45) : Domaine des Barres, 45290 Nogent-sur-Vernisson.
– Conditions matérielles : Possibilité de logement sur place (100 € par mois). Gratification (environ 550 € par mois).
– Stagiaire accueilli(e) au centre INRAE de Nogent-sur-Vernisson.
– Encadrants : Christophe Bouget (chercheur), Jérémy Cours (doctorant) (INRAE EFNO)

Modalités des candidatures :
Pour candidater, merci d’envoyer un courriel avec CV et lettre de motivation à christophe.bouget@inrae.fr et jeremy.cours@inrae.fr

Références citées
Bastrup-Birk A, Neville P, Chirici G, Houston T (2007) The BioSoil Forest biodiversity field manual. ICP Forests, Hamburg
Bull, L.M., Lunt, M., Martin, G.P. et al. Harnessing repeated measurements of predictor variables for clinical risk prediction: a review of existing methods. Diagn Progn Res 4, 9 (2020). https://doi.org/10.1186/s41512-020-00078-z
Chen YH, Ferguson KK, Meeker JD, TF ME, Mukherjee B. Statistical methods for modeling repeated measures of maternal environmental exposure biomarkers during pregnancy in association with preterm birth. Environ Health. 2015;14:9.
Galluzzi, M., Giannetti, F., Puletti, N. et al. (2019) A plot-level exploratory analysis of European forest based on the results from the BioSoil Forest Biodiversity project. Eur J Forest Res 138, 831–845
Kozák D., Svitok M., Wiezik M. et al. 2020. Historical Disturbances Determine Current Taxonomic, Functional and Phylogenetic Diversity of Saproxylic Beetle Communities in Temperate Primary Forests, Ecosystems.
Lange, H. (2006). Time‐series Analysis in Ecology. 10.1038/npg.els.0003276.
Puletti, N., Giannetti, F., Chirici, G., Canullo, R. (2017) Deadwood distribution in European forests, Journal of Maps, 13:2, 733-736, DOI: 10.1080/17445647.2017.1369184
Senf, C. and Seidl, R. (2021) Mapping the forest disturbance regimes of Europe. Nature Sustainability, 4, 63-70. https://doi.org/10.1038/s41893-020-00609-y

Le contenu de cette offre est la responsabilité de ses auteurs. Pour toute question relative à cette offre en particulier (date, lieu, mode de candidature, etc.), merci de les contacter directement. Un email de contact est disponible: jeremy.cours@inrae.fr

Pout toute autre question, vous pouvez contacter sfecodiff@sfecologie.org.