Université de Montréal
Ph.D. candidate
Supervisor: Timothée Poisot
Dominique Gravel
Start: 2019-09-16

Project

Réseaux d’interactions écologiques et changements climatiques : inférence et modélisation par des techniques d’apprentissage automatique
Introduction Les interactions interspécifiques (p.ex. parasitisme, pollinisation, prédation) d’une communauté biologique forment un réseau complexe pour lequel la collecte de données, en milieu naturel, nécessite une allocation soutenue de ressources humaines et financières (1,2). Conséquemment, les données empiriques publiées d’interactions d’espèces se rapportent presqu’exclusivement à des échelles locales et temporelles fines (3), en plus de se faire rares dans plusieurs régions du monde. Ces dernières, dont font notamment partie l’Arctique, le Nord canadien et l’Afrique du Nord, coïncident avec les régions qui seront parmi les plus sévèrement bouleversées par les changements climatiques (4). La description et l’analyse de réseaux d’interactions écologiques typiques de ces régions sont à cet effet primordiales pour modéliser adéquatement l’impact des changements climatiques sur la structure des communautés biologiques qui s’y situent. Objectifs 1) Inférer des réseaux d’interactions d’espèces dans les régions susmentionnées 2) Simuler les effets de divers scénarios de changements climatiques sur la structure de réseaux écologiques à l’échelle mondiale Méthodologie Des techniques d’apprentissage automatique seront mises à profit pour inférer les réseaux d’interactions d’espèces à partir des données publiées dans la base de données d’interactions écologiques MANGAL. En particulier, des modèles s’appuyant sur les relations phylogénétiques et sur certains traits biologiques, ainsi que des méthodes d’apprentissage supervisé et non supervisé, comme la méthode des forêts d'arbres décisionnels et la méthode des k plus proches voisins, qui ont été au préalable appliqués à l’inférence de réseaux trophiques locaux (5,6), seront testés pour leur capacité à adéquatement générer divers types de réseaux à l’échelle mondiale. Des méthodes d’apprentissage profond, comme des réseaux de neurones, seront également explorées. La dépendance de la structure des réseaux écologiques à des variables environnementales sera notamment décrite à l’aide d’analyses canoniques de redondance (RDA). L’effet des changements climatiques sur la résilience des réseaux sera extrapolé selon les scénarios climatiques fournis par le consortium en climatologie régionale Ouranos. Implications Les réseaux écologiques susceptibles d’être singulièrement affectés par les changements climatiques pourront faire l’objet d’une attention particulière de politiques publiques visant à assurer la pérennité des services écosystémiques qu’ils fournissent. Références 1. Gray, C. et al. (2014). Ecological networks: the missing links in biomonitoring science. Journal of Applied Ecology, 51(5), 1444-1449. 2. Thompson, R. et al. (2001). Allocation of effort in stream food-web studies: the best compromise? Marine and Freshwater Research, 52(3), 339-345. 3. Poisot, T. et al. (2016). Synthetic datasets and community tools for the rapid testing of ecological hypotheses. Ecography, 39(4), 402-408. 4. Scholze, M. et al. (2006). A climate-change risk analysis for world ecosystems. Proceedings of the National Academy of Sciences, 103(35), 13116-13120. 5. Desjardins-Proulx, P. et al. (2017). Ecological interactions and the Netflix problem. Peerj, 5, e3644. 6. Pomeranz, J. P. F. et al. (2019). Inferring predator–prey interactions in food webs. Methods in Ecology and Evolution, 10(3), 356‑367.