Contexte du recrutement et définition de poste
Le développement exponentiel en cours de l’énergie éolienne terrestre génère de forts impacts écologiques, en particulier les collisions entre les pales et la faune volante qui engendrent de nombreuses mortalités s’additionnant aux causes naturelles et pouvant affecter l’état et la dynamique de population de ces espèces. Pour réduire les mortalités impactant les chiroptères, une des solutions repose sur le bridage préventif, une mesure qui consiste à arrêter les éoliennes lorsque les conditions météorologiques sont très favorables à l’activité de ces animaux (vent faible et températures douces) et peu favorable à la production d’électricité (vent faible). La méthode de bridage préventif actuellement utilisée sur les parcs éoliens repose simplement sur deux seuils fixes : (i) un seuil de vent et (ii) un seuil de température, en dessous et au-dessus desquels, respectivement, la décision d’arrêter l’éolienne est prise car le risque de collision est jugé trop élevé. Si cette approche simpliste peut montrer une certaine efficacité, elle s’avère très imparfaite et son efficacité est extrêmement variable. Il existe donc un fort enjeu à optimiser cette approche, à la fois pour améliorer la protection des chiroptères mais aussi pour réduire la perte de production d’énergie.
Dans cette perspective, des approches plus élaborées ont commencées à être développées, reposant sur l’usage d’algorithmes qui prédisent le risque de collision à partir d’un nombre plus important de variables environnementales. Ces algorithmes fonctionnent en deux étapes : (1) lors d’une phase d’entraînement (ou apprentissage), ils analysent un ensemble de données connues pour apprendre les relations qui existent entre l’activité des chiroptères et différentes variables environnementales ; (2) dans la phase de prédiction, les algorithmes utilisent ce qu’ils ont appris pour prédire l’activité des chiroptères dans de nouvelles situations.
À ce jour, l’efficacité réelle de ces algorithmes n’a pas été directement évaluée sur le terrain. Leur optimisation et l’évaluation de leur potentiel reposent sur l’analyse de leur capacité à prédire l’activité des chiroptères dans les parcs éoliens, en s’appuyant sur des données de suivi acoustique préexistantes. Les résultats qui découlent de ces premières analyses montrent néanmoins que ces algorithmes possèdent un potentiel d’efficacité nettement supérieur aux approches de bridage classiques basées sur les seuls seuils de vent et de température fixes. Certaines règles d’utilisation de ces algorithmes ont également pu être définies en précisant la façon dont les phases d’entrainement et de prédiction doivent être réalisées. Par exemple, il semble essentiel que le site d’implantation de l’éolienne soit inclus aux données servant à entrainer l’algorithme, par une année de calibration, et de réaliser la prédiction sur des tranches horaires relativement fines.
Objectifs du projet
Avant que ces algorithmes ne puissent être recommandés et utilisés comme mesure de réduction sur des parcs éoliens terrestres, il est encore nécessaire d’évaluer certaines règles d’utilisation (phase de prédiction de l’algorithme) visant à maximiser leur efficacité, notamment en ce qui concerne les points suivants :
• Le déclenchement d’un bridage préventif doit-il se baser sur données météorologiques passées ou disponibles en temps réel ?
• Faut-il exclure ou non de la période hivernale dans le plan de bridage ciblé par l’algorithme ?
• Quelle résolution taxonomique (inter-guildes, intra-guildes) de prédiction du risque est la plus appropriée pour déclencher le bridage ?
D’autre part, avant d’envisager le déploiement de ces algorithmes en situation réelle, il est également nécessaire de tester directement leur efficacité sur le terrain en menant une phase expérimentale sur un échantillon de parcs éoliens tests. Le projet AlgoChiro aura pour objectif (1) de finaliser la définition des conditions de déploiement des algorithmes, et (2) définir un cahier des charges en vue d’une future phase de test à destination des parties prenantes pour qu’elles s’en emparent. Pour ce faire, le projet mobilisera une base de données existante qui compile les données de fonctionnement des éoliennes et l’activité des chiroptères en nacelle pour 130 sites, 30 000 nuits et 7 années de suivi.
En termes de méthodologie, le projet mettra en œuvre des approches validées de modélisation prédictive (GLMM). Pour la construction du cahier des charges des tests opérationnels, le projet s’appuiera sur la littérature disponible en matière de designs expérimentaux, ainsi que sur la réalisation de tests de puissance statistique.
Missions
Il s’agira pour la personne recrutée de piloter en autonomie totale le projet AlgoChiro, en assurant l’animation du réseau des parties prenantes au projet (Office Français de la Biodiversité, ADEME, chercheurs, et professionnels de l’énergie) afin d’ancrer les choix méthodologiques dans une réalité de terrain conforme aux contraintes opérationnelles (réglementation, caractéristiques des éoliennes, notamment). La personne recrutée devra également faire dialoguer ce projet avec les projets existants (en France et à l’étranger) et futurs (articulation avec les réponses aux appels à projet déjà effectuées, et montage de nouveaux projets, notamment pour assurer la phase de test terrain qui découlera de ce projet). La personne aura aussi à charge la réalisation des analyses statistiques et la manipulation de grands volumes de données, et devra restituer régulièrement ces résultats au comité de pilotage du projet, les communiquer dans des séminaires et colloques, et les publier dans des revues scientifiques. Enfin, la personne recrutée pourra également avoir la responsabilité de personnes en charge de parties spécifiques du projet (possiblement stagiaires de M2, chargé(e)s de mission, et/ou ingénieur(e)s de recherche).
Partenaires internes : MNHN- CESCO, station marine de Concarneau
Partenaires externes : OFB, ADEME, professionnels de l’énergie, laboratoires CEFE et IMBE, université du Luxembourg
Profil recherché
Formation : BAC +8 en écologie, biologie de la conservation
Expérience : 5 ans après le doctorat
Condition :
* Expérience en gestion et montage de projet
* Expérience en animation de réseau
* Expérience de la gestion de grandes bases de données hétérogènes
* Expérience en protocoles standardisés de collecte de données empiriques (acoustiques) sur les chauves-souris
* Expérience en traitement du signal acoustique
* Expérience en supervision d’étudiants et personnel
* Maitrise des outils statistiques
* Forte expérience en publication scientifique
* Fortes capacités de communication (conférences, réunions d’avancement, etc)
* Maitrise de l’anglais (écrit et parlé)
Connaissances :
* Compétences en bioacoustique, connaissances sur l’écologie et le comportement des chauves-souris
* Compétences sur les énergies renouvelables et leurs impacts sur la biodiversité
* Compétences en analyse de données acoustiques
Savoir-être professionnel :
* Fortes aptitudes à travailler aussi bien en équipe qu’en autonomie, qualités relationnelles
* Capacités rédactionnelles (français et anglais)
* Rigueur scientifique
Information(s) complémentaire(s)
Venez rejoindre un établissement chargé d’histoire, engagé dans la société, en pleine évolution, à la renommée nationale et internationale. Riche d’une grande variété de métiers et d’activités, le Muséum vous propose d’intégrer des équipes à taille humaine dans un cadre de travail agréable et un environnement stimulant.
Le contrat
Localisation : Concarneau
Contrat : CDD de 7 mois
Temps de travail : 35h35 par semaine et 44 jours de congés annuels
Les avantages
Remboursement des frais de transport en commun et forfait mobilités durables (vélo ou covoiturage)
Télétravail possible jusqu’à deux jours par semaine après 4 mois d'ancienneté selon le poste
Tickets restaurants
Prise en charge partielle de votre mutuelle selon conditions
Un comité social et une association sportive et culturelle
Accès illimité aux sites de l’établissement avec invités
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.