Postdoctorat - interactions climat–sol dans les modèles de distribu...

Contexte du recrutement et définition de poste :

Postdoctorat (1 an) – Vers un cadre mécaniste pour les interactions climat–sol dans les modèles de distribution des espèces végétales

Lieu : EDYSAN (Écologie et Dynamique des Systèmes Anthropisés), Université de Picardie Jules Verne, Amiens (France)
Durée : 1 an
Date de début souhaitée : Été 2026 (à partir du 1er juin)
Date limite de candidature : 1er mai 2026
Encadrant : Professeur Jason Fridley

Contexte scientifique

Les modèles de distribution des espèces végétales (SDM) constituent un outil important pour prédire les impacts du changement climatique sur les communautés et les écosystèmes. Toutefois, leur précision dépend de leur capacité à représenter fidèlement les facteurs qui déterminent la fitness des plantes, notamment l’acquisition des ressources, la tolérance au stress et les interactions entre espèces.

Un exemple clé est la théorie de la répartition optimale (Optimal Partitioning Theory, OPT), un paradigme majeur de l’allocation des ressources chez les plantes. Cette théorie décrit la capacité des plantes à ajuster l’allocation racines–parties aériennes en réponse aux déficits en ressources, qu’ils soient aériens ou souterrains. L’OPT conduit souvent à une colimitation des ressources pour la croissance végétale.

Par exemple, une augmentation de la disponibilité en lumière ou de la durée de la saison de croissance accroît le gain annuel en carbone, ce qui améliore la capacité de la plante à acquérir des nutriments grâce à un investissement accru dans les organes souterrains, et inversement. Cela suggère que les facteurs climatiques et édaphiques interagissent fréquemment pour influencer la fitness des plantes et les déplacements potentiels de leur aire de répartition (par exemple, aux marges ou au centre) dans un contexte de changement climatique. Pourtant, les SDM corrélatifs ne disposent pas de cadre formel pour intégrer ces extensions de la théorie fonctionnelle des plantes.

Une prédiction de l’OPT est que les plantes peuvent occuper une gamme plus large de conditions édaphiques dans des habitats riches en énergie, grâce à des mécanismes de compensation. Par exemple, dans des sites à forte évapotranspiration réelle (AET), où l’eau et l’énergie sont plus disponibles, les individus devraient être capables de tolérer une plus grande diversité de contraintes liées au sol, notamment une faible disponibilité en nutriments due à des sols très acides ou très basiques.

Dans les SDM corrélatifs, cela se traduirait par des interactions entre le climat (AET) et des facteurs du sol comme le pH, expliquant pourquoi certaines espèces semblent plus spécialisées édaphiquement dans les parties froides ou sèches de leur distribution. Les différences de potentiel de croissance entre espèces peuvent également jouer un rôle : par exemple, un gain global en carbone plus élevé chez les espèces exotiques envahissantes pourrait leur permettre d’occuper une gamme plus large de conditions édaphiques, à climat équivalent, par rapport aux espèces natives. Les interactions compétitives ou facilitatrices modifieront également ces schémas, d’une manière potentiellement prédictible à partir de la théorie de l’allocation.

Le Professeur Jason Fridley, au laboratoire EDYSAN, propose un projet postdoctoral d’un an visant à affiner les SDM végétaux afin d’y intégrer plus formellement la théorie de la répartition optimale à partir de bases de données existantes. Un des objectifs est d’améliorer la précision des prédictions des SDM corrélatifs, notamment aux marges de distribution des espèces, où les contraintes liées au sol peuvent limiter leur efficacité.

Mission

Ce projet postdoctoral utilisera des bases de données existantes sur les occurrences des espèces végétales (par exemple : European Vegetation Archive, Forest Inventory and Analysis, sPlotOpen), ainsi que des données géospatiales sur les sols et le climat, afin d’intégrer la théorie de la colimitation des ressources dans l’amélioration des SDM corrélatifs.

Le projet comportera des volets statistiques, computationnels et théoriques, incluant :

1. la dérivation de variables environnementales reflétant au mieux les processus d’acquisition des ressources au-dessus et au-dessous du sol ;
2. le développement de structures de modèles SDM représentant l’utilisation de ressources multiples par les plantes (ressources interactives vs substituables) ;
3. le test de l’application de la théorie de la colimitation des ressources à des espèces aux écologies contrastées (espèces natives vs exotiques, différentes formes de croissance et stratégies d’acquisition des nutriments, traits continus liés au potentiel de croissance comme l’économie foliaire ou la taille du génome) ;
4. la comparaison des projections de SDM basées sur le climat en supposant une limitation par une seule ressource ou par plusieurs ressources.

Le projet se déroulera au laboratoire EDYSAN de l’Université de Picardie Jules Verne à Amiens, France.

EDYSAN – Écologie et Dynamique des Systèmes Anthropisés – est une unité de recherche du CNRS et de l’Université de Picardie Jules Verne (UMR CNRS 7058). Le laboratoire étudie la réponse des écosystèmes forestiers à différents facteurs, tels que le changement climatique, les changements d’usage des terres, les invasions biologiques, la fragmentation et les activités humaines, avec un intérêt particulier pour les communautés végétales. Les approches vont de l’analyse moléculaire du (holo)génome à la télédétection à l’échelle globale, en passant par les individus, les écosystèmes et les paysages. Le laboratoire compte environ 80 personnes, incluant chercheurs et personnels techniques.

Conditions

5. Contrat : 1 an (postdoctorat ou ingénieur de recherche)
6. Rémunération : 3041,58 €
7. Lieu : Laboratoire EDYSAN, UPJV, Amiens, France
8. Candidature :

Profil recherché :

Qualifications

Requises :

9. Doctorat en écologie végétale, écologie spatiale, écologie du paysage, science de la végétation ou domaine connexe
10. Maîtrise de l’anglais écrit et oral
11. Compétences démontrées en analyses spatiales et statistiques sous R ou Python

Souhaitées :

12. Solides compétences en calcul scientifique et analyse de grands jeux de données
13. Expérience en modélisation bayésienne hiérarchique
14. Expertise en écologie fonctionnelle des plantes
15. Maîtrise du français écrit et oral