Offre de thèse
CD : Indicateur paysager prédictif multi-échelle des communautés d'invertébrés auxiliaires pour accompagner les changements transformateurs des territoires agricoles
Date limite de candidature
31-05-2026
Date de début de contrat
01-10-2026
Directeur de thèse
CARO Gaël
Encadrement
Encadrement à 50/50, suivis réguliers (minimum hebdomadaire) de l'avancement des activités et des formations suivies
Type de contrat
école doctorale
équipe
AGISEMcontexte
Les macro-invertébrés auxiliaires (carabes, araignées, staphylins, chilopodes, abeilles) fournissent des services écosystémiques essentiels, notamment de biorégulation et de pollinisation, dont dépend la durabilité des systèmes agricoles. Leur déclin, largement documenté, appelle des changements profonds dans la gestion des territoires agricoles. Pourtant, les acteurs du territoire (agriculteurs, conseillers, gestionnaires) ne disposent d'aucun outil opérationnel pour anticiper l'impact des modifications paysagères ou des pratiques culturales sur ces communautés à l'échelle de la parcelle et du paysage environnant. Soto-Navarro et al. (2021, Nature Sustainability) ont proposé le Multidimensional Biodiversity Index (MBI), un indicateur multivarié articulant différentes dimensions écologiques (comme les compositions taxonomique et fonctionnelle) pour évaluer la santé de la biodiversité. Ce cadre n'a jamais été décliné sur des données de terrain à l'échelle du paysage agricole. Par ailleurs, les indicateurs paysagers existants (ex. Fragstats, indices de complexité) restent descriptifs et mono-factoriels, sans capacité prédictive. Les études reliant paysages agricoles et macro-invertébrés auxiliaires sont nombreuses mais généralement mono-taxons et mono-sites, empêchant toute généralisation et hiérarchisation des pressions. Enfin, les outils académiques développés sans co-construction avec les acteurs de terrain restent peu appropriés et sans effet transformateur.spécialité
Sciences agronomiqueslaboratoire
LAE - Laboratoire Agronomie et environnement
Mots clés
Indicateur paysager , multi-échelle , communautés d'invertébrés , territoires agricoles
Détail de l'offre
Les macro-invertébrés auxiliaires (carabes, araignées, staphylins, chilopodes, abeilles) jouent un rôle central dans les agroécosystèmes en assurant des services essentiels comme la régulation biologique des ravageurs et la pollinisation. Leur déclin, largement documenté, souligne la nécessité de transformations profondes des pratiques agricoles et de l'aménagement des territoires. Toutefois, les acteurs de terrain manquent כיום d'outils opérationnels permettant d'anticiper les effets des changements paysagers et des pratiques culturales sur ces communautés à différentes échelles.
Des avancées conceptuelles existent, notamment avec le Multidimensional Biodiversity Index (MBI), qui propose une approche intégrée de la biodiversité en combinant différentes dimensions écologiques. Cependant, cet indicateur n'a pas encore été appliqué à des données de terrain à l'échelle des paysages agricoles. Par ailleurs, les outils paysagers actuels restent majoritairement descriptifs, mono-factoriels et non prédictifs. Les études scientifiques disponibles sont souvent limitées à un seul groupe taxonomique ou à un site unique, ce qui freine la généralisation des résultats. Enfin, le manque de co-construction avec les acteurs limite l'impact concret des outils développés.
Le projet de thèse vise à combler ces lacunes en développant un indicateur paysager prédictif multi-échelle de la biodiversité auxiliaire, basé sur le cadre du MBI. Cet indicateur sera calibré à partir de 15 ans de données françaises multi-sites couvrant cinq groupes taxonomiques. L'objectif est de produire un outil robuste, validé à l'échelle nationale, puis transférable opérationnellement, notamment sur le territoire du Parc naturel régional de Lorraine.
L'approche repose sur l'intégration de variables variées et rarement combinées : structure et composition du paysage, pratiques agricoles, caractéristiques socio-économiques et conditions microclimatiques. Ces variables seront analysées à des échelles spatiales pertinentes pour les déplacements des organismes étudiés. Les données mobilisées sont principalement issues de sources publiques ou de méthodes déjà éprouvées.
La démarche scientifique se structure en trois phases. La première consiste à harmoniser les bases de données existantes et à réaliser une synthèse des indicateurs de biodiversité, tout en préparant les données spatiales via des outils SIG et de télédétection. La deuxième phase vise à calibrer l'indicateur à l'aide de modèles statistiques avancés afin d'identifier les facteurs déterminants et de quantifier leur importance relative. Cette étape inclut aussi l'analyse d'interactions et la détection de seuils critiques affectant les communautés. La robustesse du modèle sera évaluée par validation croisée spatiale.
Enfin, la troisième phase portera sur la construction de scénarios prospectifs (changement de pratiques, aménagements paysagers, politiques agro-environnementales) et sur le déploiement de l'outil dans un territoire pilote. Un prototype opérationnel sera développé sous R, accompagné d'un transfert vers les gestionnaires locaux et d'une valorisation auprès des institutions nationales.
Keywords
landscape indicator , multi-scale, invertebrate communities, agricultural territories
Subject details
Auxiliary macro-invertebrates (carabids, spiders, rove beetles, centipedes, bees) play a central role in agroecosystems by providing essential services such as biological pest control and pollination. Their widely documented decline highlights the need for profound transformations in agricultural practices and landscape management. However, stakeholders currently lack operational tools to anticipate the effects of landscape changes and farming practices on these communities across spatial scales. Conceptual advances exist, notably the Multidimensional Biodiversity Index (MBI), which integrates multiple ecological dimensions to assess biodiversity health. Yet, this framework has not been applied to field data at the scale of agricultural landscapes. Existing landscape indicators also remain largely descriptive, single-factor, and non-predictive. Moreover, most studies focus on a single taxonomic group or site, limiting generalization and the ability to prioritize drivers. Finally, tools developed without co-design with stakeholders often have limited practical impact. This PhD project aims to address these gaps by developing a predictive, multi-scale landscape indicator of auxiliary biodiversity based on the MBI framework. The indicator will be calibrated using 15 years of multi-site data in France, covering five taxonomic groups. The goal is to produce a robust tool, validated at the national level and operationally transferable, particularly to the Lorraine Regional Natural Park as a pilot territory. The approach integrates a wide range of rarely combined variables, including landscape composition and structure, farming practices, socio-economic characteristics, and local microclimate. These variables will be analyzed at spatial scales relevant to the movement of the studied organisms. The data used are primarily publicly available or derived from already operational methods. The methodology is structured into three phases. The first phase focuses on harmonizing existing datasets, conducting a review of biodiversity indicators, and preparing spatial data using GIS and remote sensing tools. The second phase involves calibrating the indicator using advanced statistical models to identify key drivers and quantify their relative importance. This step also includes analyzing interactions and detecting critical thresholds affecting communities. Model robustness will be assessed through spatial cross-validation. The final phase will develop predictive scenarios (e.g., organic conversion, hedgerow implementation, crop diversification, agri-environmental schemes) and deploy the tool in a pilot territory. An operational prototype will be developed in R, accompanied by knowledge transfer to local stakeholders and dissemination to national institutions.
Profil du candidat
- Niveau M2, master en écologie/agroécologie, ou diplôme ingénieur en sciences de la vie
- Compétences solides et goût pour les analyses statistiques (R) et la modélisation
- Connaissances en écologie du paysage et maîtrise des outils SIG
- Des connaissances écologiques sur les groupes taxonomiques étudiés seraient appréciées
- Capacités rédactionnelles, bonne maîtrise de la langue anglaise
- Qualité du dossier académique
- Capacité d'initiative, curiosité, autonomie et capacité à travailler en équipe
Candidate profile
Master's level (MSc) in ecology/agroecology, or an engineering degree in life sciences
Strong skills and interest in statistical analysis (R) and modeling
Knowledge of landscape ecology and proficiency in GIS tools
Ecological knowledge of the studied taxonomic groups would be an asset
Good writing skills and strong command of English
Strong academic record
Initiative, curiosity, autonomy, and ability to work in a team
Référence biblio
-Maudet et al., 2025. Estimating landscape intensity through farming practices: An integrative and flexible approach to modelling farming intensity from field to landscape. Ecological Modelling
-Soto-Navarro et al. 2021. Towards a multidimensional biodiversity index for national application. Nature Sustainability

