Stage : Estimation des interactions entre plantes herbacées

Vous exercerez votre activité au sein du Laboratoire d’Ingénierie pour les Systèmes Complexes (LISC, INRAE, Aubière, https://lisc.inrae.fr), en partenariat avec l’Unité de Recherche sur l’Ecosystème Prairial (UREP, Clermont-Ferrand, https://urep.clermont.hub.inrae.fr/).  Contexte scientifique :  L’étude des interactions entre espèces est une composante fondamentale de l’écologie des communautés. Pour certains groupes, il est possible d’observer ces interactions directement, comme chez les pollinisateurs ou les grands prédateurs, ce qui permet de reconstruire des réseaux d’interactions, outils essentiels pour comprendre le fonctionnement de ces communautés. Hélas, il est souvent difficile d’observer directement ces interactions pour de nombreux autres groupes, comme les espèces sessiles, immobiles pendant la plus grande partie de leur cycle de vie. Les plantes, par exemple, restent immobiles durant leur phase de croissance et n’attendent que d’être comptées (Harper in Turkington, 2009). Cependant, leur observation ponctuelle ne nous dit souvent pas grand-chose des interactions qu’elles ont entre elles. Pour ces groupes, il est donc nécessaire d’estimer les interactions par des méthodes plus indirectes. Une approche possible consiste à se baser sur l’agencement des individus de chaque espèce dans l’espace. Les plantes étant sessiles, les effets qu’elles ont sur les autres s’exercent dans un voisinage autour de chacune d’entre elles. Une plante ayant des effets négatifs inhibera le recrutement de nouvelles plantes dans son voisinage. Inversement, si une espèce a un effet positif sur une autre, alors cette dernière devrait s’établir préférentiellement à côté de la première. En observant au cours du temps l’agencement spatial des diverses espèces de plantes, il est en principe possible de mesurer ces effets et donc d’estimer de potentielles interactions en « inversant le signal ». Objectifs du stage :  Divers formalismes peuvent être utilisés pour effectuer ce travail, et on utilisera ici un modèle dynamique décrivant l’évolution de la présence/absence d’espèces de plantes sur une grille spatiale (i.e. un modèle d’« occupancy » dynamique, dynamic occupancy model ; Broms, 2016 ; MacKenzie, 2003). Ce modèle, en temps discret, décrit ici la probabilité d’apparition et de disparition de chaque espèce dans un microsite au temps t, étant donné sa présence ou son absence au temps t − 1 et la présence, au voisinage de ce microsite, des autres espèces de la communauté. Ce modèle est un cas particulier des modèles d’occupancy dynamiques, habituellement utilisés à des échelles spatiales plus grandes (Kelleher et al., 2024), mais ici avec des sites répartis sur une grille à très fine échelle. Le principal produit en termes d’interactions est une matrice de coefficients quantifiant l’effet positif ou négatif de chaque espèce sur l’apparition ou la disparition d’une autre espèce dans son voisinage. L’objectif de ce stage est de valider l’approche basée sur ce modèle, d’abord sur des données simulées afin de confirmer la possibilité de retrouver les paramètres du modèle sous-jacent, notamment les coefficients d’interaction entre espèces, puis sur des données réelles disponibles à l’Unité de Recherche sur l’Écosystème Prairial (UREP, INRAE). Ces données ont permis de quantifier la dynamique spatiale de plantes herbacées sur des grilles de 5 × 5 cm dans six zones de 280 × 40 cm pendant quatre ans. En ajustant le modèle à ces données, il sera possible d’estimer des coefficients d’interaction. Ces coefficients seront mis en lien avec des attendus écologiques simples, liés notamment à la stratégie clonale des plantes, qui a été caractérisée in situ. Enfin, si le temps le permet et suivant les intérêts du/de la stagiaire, une application sera possible sur des jeux de données à plus large échelle et à plus gros grain spatial, concernant des plantes subalpines en réserve naturelle (Puy de Sancy). Une base de code relativement complète existe déjà pour le modèle, basée sur NIMBLE, qui permet déjà l’estimation des paramètres du modèle, dont les interactions, dans un cadre bayésien. Cette base de code sera à explorer et à étendre pour répondre aux objectifs du stage. La durée du stage peut être variable, idéalement six mois et la date d’entrée en fonction peut se faire de janvier à juillet 2027.