Une approche prédictive de la détermination du statut de conservation conjoint des espèces

Les modèles de distribution d’espèces apprennent les préférences environnementales des espèces et projettent leurs distributions géographiques.
Les récents succès de l'apprentissage profond, associés à l'explosion des données de biodiversité, ont conduit au développement de nouveaux modèles (deep-SDM).
Dans cette thèse, nous explorons leur usage pour la conservation de la biodiversité.
Premièrement, nous évaluons la contribution en entrée de séries temporelles d'images satellites.
La phénologie des habitats s'avère précieuse, en particulier pour les espèces rares et dans les régions riches en espèces.
Deuxièmement, nous entraînons un modèle mondial prédisant les assemblages d'orchidées à l'échelle du kilomètre.
Des indicateurs spatiaux de leur risque d'extinction sont définis via la liste rouge de l'UICN.
Enfin, nous utilisons des représentations d’espèces issues d’un deep-SDM pour prédire les statuts UICN des espèces.
Cette méthode est suffisamment flexible pour projeter l’étude dans des conditions bioclimatiques futures.

Le jury sera composé de :
Catherine H. GRAHAM, Professeur, Institut fédéral de recherches WSL Rapportrice
Daniele SILVESTRO, Professeur assistant, Université de Fribourg Rapporteur
David MOUILLOT, Professeur HDR, Université de Montpellier Président
Jesper ERENSKJOLD MOESLUND, Chercheur senior, Université d’Aarhus Examinateur
Alexis JOLY, Directeur de recherche, Université de Montpellier Directeur
François MUNOZ, Professeur HDR, Université Grenoble Alpes Directeur
Pierre BONNET, Chargé de recherche, CIRAD Encadrant
Maximilien SERVAJEAN, Maître de conférences, Université Paul-Valéry Montpellier Encadrant