Description du sujet de thèse

Une part du déclin des espèces imputée au réchauffement climatique résulte du phénomène de désynchronisation de la phénologie (saisonnalité des cycles de vie) qui peut aboutir à une rupture des relations trophiques. L'un des principaux défis à relever pour comprendre ces effets est notre capacité à acquérir des données en milieu naturel sur la phénologie des différentes espèces a une haute résolution temporelle - une tâche colossale avec les méthodes actuelles de suivi écologique. Les progrès récents de la technologie et de l'intelligence artificielle (IA) offrent la possibilité de développer des capteurs à faible coût pour le suivi de la biodiversité en milieu naturel avec une haute résolution spatio-temporelle. Cette thèse s'appuiera sur l'expertise en écologie de la SETE et l'expertise en IA et réseaux de l'IRIT pour construire un système à faible coût pour le suivi automatisé de la désynchronisation phénologique entre végétaux, insectes herbivores et insectivores.
Les changements globaux associés à l'activité anthropique ont déclenché le déclin de nombreuses espèces au cours des dernières décennies (Parmesan 2006). Parmi ces changements, le réchauffement climatique, en plus de modifier les aires de répartitions des espèces, entraîne une dérégulation du calendrier d'événements biologiques importants - un phénomène que l'on appelle la phénologie. L'ajustement de la phénologie représente un mécanisme important pour permettre aux espèces de faire face à des changements tels que la hausse de température : lorsque le printemps arrive plus tôt, les espèces peuvent se reproduire plus tôt pour se maintenir dans des conditions similaires aux niveaux historiques. Cependant, ces changements ne sont pas toujours bénéfiques (Visser and Both 2005). Les espèces sont liées par la concurrence, le mutualisme et la prédation, de sorte que le succès d'une espèce dépend souvent d'une autre. Si chaque espèce réagit différemment au réchauffement climatique, leurs phénologies peuvent ne plus correspondre, de sorte que certaines espèces s'en sortent mieux tandis que d'autres souffrent plus. Par exemple, de nombreux oiseaux chanteurs programment leur reproduction de manière à ce que la période la plus exigeante en termes de soins parentaux - c'est-à-dire le moment où les poussins ont le plus besoin de nourriture - coïncide avec le pic des ressources en proies telles que les chenilles de lépidoptères. Avec le réchauffement climatique, les plantes avancent la feuillaison; les papillons avancent de ce fait leur reproduction pour que les chenilles émergent avec ces nouvelles feuilles ; et les oiseaux chanteurs avancent leur reproduction pour que le pic de demande des poussins coïncide avec le pic de population de chenilles. Cependant, une évolution plus lente dans les niveaux supérieurs de la chaîne alimentaire signifie que, malgré l'avancement de la phénologie, il existe un décalage entre les niveaux trophiques qui peut modifier considérablement les tendances démographiques des différentes espèces, entraînant des déclins pour certaines espèces et des augmentations pour d'autres (Radchuk et al 2019).
Les nouvelles technologies et l''intelligence artificielle pourraient démocratiser la capacité à mesurer le décalage phénologique et constituer une avancée majeure dans notre compréhension de cet impact clé du changement climatique.
L'objectif du projet proposé est de développer (ou d'adapter et d'optimiser lorsqu'ils existent) une série de capteurs à faible coût et d'algorithmes d'IA associés pour mesurer la phénologie des principaux événements de la vie pour une série d'espèces à différents niveaux trophiques. L'effort initial se concentrera sur le paradigme classique débourrement-insecte-oiseau pour développer et optimiser les systèmes.
Les mesures d'abondance des insectes, en particulier, reste un défi car les méthodes actuelles sont largement destructives et nécessitent une intervention humaine pour la capture et l'identification. Dans le cadre de cette thèse, nous développerons des algorithmes d'IA (avec Axel Carlier) pour traiter les images de chaque capteur et avec de petits ensembles d'entraînement afin de rendre possibles des mesures dans de nouveaux sites d'études. Un objectif important de ce travail serait de réaliser des algorithmes embarquables sur les capteurs, diminuant ainsi le besoin de stockage, la consommation d'énergie, et offrant des options pour le transfert de données légères à distance dans le futur (avec Rahim Kacimi). Pour vérifier les mesures sur le terrain, nous collecterons des données écologiques sur le terrain en utilisant des méthodes classiques avec l'équipe de Alexis Chaine.
Les résultats finaux de ce projet seront 1) le développement de nouveaux capteurs pour mesurer l'abondance des insectes 2) l'adaptation des capteurs existants pour la phénologie des plantes et la phénologie de la reproduction des oiseaux 3) la validation scientifique de ces nouveaux outils. Nous viserons à rendre les capteurs peu coûteux et à fournir des plans sur un modèle open-source pour stimuler plus de recherche sur le décalage phénologique.
Le projet est ambitieux dans la mesure où il propose un développement dans trois domaines différents (écologie, IA, mécatronique) néanmoins un budget significatif d'accompagnement permettra d'externaliser certaines composantes selon les compétences du candidat.

Rôle et profil du Doctorant: L'étudiant jouera 3 rôles essentiels : 1) il/elle sera chargé du développement d'algorithmes d'IA pour le traitement d'images provenant de capteurs sous la direction de Carlier et Cauchoix et 2) il/elle coordonnera et participera à tous les aspects du projet (écologie, mécatronique, IA) pour assurer le développement d'un système de surveillance automatisé robuste, 3) il analysera et publiera les résultats du projet. L'étudiant(e) devra trouver un équilibre entre les contraintes imposées par l'écologie (terrain) et l'histoire naturelle des organismes (saisonnalité) et celles imposées par la technologie actuelle (data science, électronique en milieu naturel). Grâce à ce doctorat, l'étudiant(e) aura également l'occasion d'interagir avec des chercheurs de haut niveau dans nos réseaux connexes. Cette thèse permettra au candidat d'acquérir des compétences à l'avant-garde de la recherche universitaire interdisciplinaire tout en gardant un contact avec des start-ups innovantes dans le domaine de l'environnement. Le candidat idéal aura un parcours en informatique et une expérience en apprentissage profond ainsi qu'un fort intérêt pour l'écologie. Néanmoins les candidatures d'écologues/naturalistes ayant une pratique régulière de Python et des compétences en machine learning seront évaluées avec le plus grand intérêt.

Contexte de travail

Ce projet de thèse émerge de la collaboration entre des équipes d'écologie (A. Chaine, M Cauchoix) et des équipes d'informatique (Axel Carlier, Rahim Kacimi) et est financé par une bourse interdisciplinaire de deux instituts du CNRS (INEE et INS2I). La majeure partie de la thèse se concentrera sur le développement d'outils électronique et logiciels pour le recensement écologique avec un déploiement sur le terrain et des mesures écologiques pour vérifier les métriques automatisées. Comme la plupart des travaux seront axés sur les outils informatiques (IA et électronique), le candidat passera la plupart de son temps à Toulouse dans le laboratoire de Carlier. Les mesures écologiques et le déploiement des prototypes auront lieu à Moulis et le candidat passera un peu de temps chaque année à effectuer des travaux de terrain avec le laboratoire de Chaine en Ariège.

Contraintes et risques

Terrain en millieu forestiere occasionel