Contexte :
Les modèles de distribution d’espèces (ou modèles de niche écologiques) sont des approches corrélatives fréquemment utilisées en biogéographie, qui établissent des relations statistiques entre des coordonnées d’observations d’espèces et des variables environnementales, afin de modéliser la niche écologique de ces espèces et, une fois projetée dans l’espace géographique, de prédire la distribution spatiale de leurs habitats [1]. À large échelle, les prédicteurs les plus fréquemment utilisés sont des variables décrivant les grands gradients climatiques et l’occupation des sols. Cependant, le fonctionnement des écosystèmes est largement influencé par des processus se déroulant dans le sol [2], ce qui pose la question du rôle potentiel des propriétés du sol pour prédire la distribution des espèces. Il existe des variables pédologiques à l’échelle mondiale, telles que le jeu de données SoilGrids [3], qui sont dérivées de méthodes d’apprentissage automatique issues de profils pédologiques. La question centrale de ce stage est de savoir comment ces variables peuvent contribuer, et dans quelles conditions, aux modèles de distribution des espèces.
Hypothèses :
On fait l’hypothèse que les propriétés du sol contribuent plus fortement à prédire la distribution des taxons du sol (par exemple les vers de terre) et des taxons qui sont plus étroitement liés aux processus pédologiques (par exemple les plantes) que pour les niveaux trophiques élevés (par exemple les oiseaux ou les mammifères prédateurs). On suppose également que la résolution spatiale de l’analyse joue un rôle prépondérant, notamment car les propriétés du sol varient fortement à de très fines échelles, tout en présentant des gradients significatifs à large échelle.
Objectifs du stage :
L’enjeu du stage sera d’explorer les hypothèses précitées afin d’évaluer dans quelle mesure des variables édaphiques peuvent jouer un rôle dans la modélisation de niche / de distribution d’une large gamme d’espèces présentant des liens plus ou moins directs avec le sol. Cela revêt une importance considérable, tant d’un point de vue méthodologique (quel apport de ces variables dans les modèles ?) que théorique (comment se déroulent les changements d’échelle depuis les propriétés du sol jusqu’aux niveaux trophiques supérieurs ?).
Approche méthodologique :
Le·la stagiaire compilera des données d’observations géoréférencées pour les groupes taxonomiques qui seront retenus, ainsi que des données environnementales climatiques, édaphiques, etc. Il·elle mettra en œuvre des algorithmes de modélisation de niche éprouvés [4] pour les espèces considérées. La contribution des variables et la performance prédictive des modèles seront analysées en fonction de l’écologie des espèces et de la résolution spatiale d’analyse.
Profil recherché :
• Étudiant inscrit en Master 2 d’écologie ou une discipline associée
• Appétence pour la modélisation et les analyses spatiales
• Bonne connaissance du langage R
Dates de stage : Début souhaité en janvier 2026, pour environ 6 mois de stage (flexible).
Laboratoire d’accueil : Le·la stagiaire sera basé·e au sein de l’UMR iEES, équipe interaction dans les sols (iSol), à l’Université Paris-Est Créteil (UPEC).
Gratification : Selon le barème légal en vigueur.
Candidatures : Les candidats sont invités à contacter Yoan Fourcade (MCF UPEC) par courriel à l’adresse yoan.fourcade@u-pec.fr en joignant un CV et une courte lettre de motivation, le 30 septembre 2025 au plus tard.
Références citées :
[1] Elith, J. & Leathwick, J.R. (2009). Species distribution models: ecological explanation and prediction across space and time. Annual Review of Ecology Evolution and Systematics, 40, 677–697.
[2] Bardgett, R.D. & van der Putten, W.H. (2014). Belowground biodiversity and ecosystem functioning. Nature, 515, 505–511.
[3] Hengl, T., Jesus, J.M. de, Heuvelink, G.B.M., Gonzalez, M.R., Kilibarda, M., Blagotić, A., et al. (2017). SoilGrids250m: Global gridded soil information based on machine learning. PLOS ONE, 12, e0169748.
[4] Valavi, R., Guillera-Arroita, G., Lahoz-Monfort, J. J., & Elith, J. (2022). Predictive performance of presence-only species distribution models : A benchmark study with reproducible code. Ecological Monographs, 92(1), e01486.
Commentaires récents