Impacts des changements environnementaux globaux sur les communautés et distributions des arthropodes en utilisant des approches d'Intelligence Artificielle (IA)

Impacts of global environmental changes on arthropod communities and distributions through AI approaches

• Auteur / Autrice : Marianne Tzivanopoulos
• Direction : Wilfried Thuiller, Tamara Munkemuller
• Type : Projet de thèse
• Discipline(s) : Biodiversité-Ecologie-Environnement
• Date : Inscription en doctorat le 01/04/2023
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale chimie et science du vivant
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'ECologie Alpine

Mots clés

Mots clés libres

Invertébrés

Changement climatique

Modèles de Distribution d'Espèces

Changements de l'utilisation des sols

Télédétection

Invertebrates

Climate change

Species Distribution Models

Land-use change

Remote sensing

Résumé

Plus de la majorité d'espèces animales sur Terre sont des invertébrés, fournissant des services essentiels comme la pollinisation ou le contrôle des ravageurs. Durant les dernières décennies, les insectes, et d'autres groupes d'invertébrés, sont menacés avec des déclins de populations importants. Cependant ils restent sous-représentés dans les aires protégées, et les facteurs principaux déterminant leurs distributions sont toujours relativement mal-connus. De nouveaux développements dans les domaines de l'apprentissage automatique et de l'intelligence artificielle, ainsi que l'augmentation de la quantité de données de biodiversité disponibles concernant les invertébrés, nous permettent d'explorer les facteurs déterminants des distributions d'invertébrés dans le temps, d'échelles locales à régionales. Dans le cadre de mon projet de thèse, j'identifie premièrement les facteurs influençant les préférences environnementales des invertébrés en relation avec le climat et leur habitat, et j'utilise des modelés d'apprentissage automatique pour prédire leur distribution présente et future à l'échelle Européenne. Ces résultats, combinés avec des cartes de la diversité des invertébrés et des services écosystémiques qu'ils fournissent, pourront contribuer à guider la planification de mesures de conservation futures. Un deuxième chapitre consiste à étudier l'impact de la structure et l'hétérogénéité du paysage sur la distribution des invertébrés à une échelle plus locale, en combinant des produits de télédétection et des modèles d'intelligence artificielle. La dernière partie de mon projet a comme objectif de détecter des changements dans la structure des communautés d'invertébrés dans le temps au niveau national et les attribuer à des facteurs potentiels tels que le changement climatique ou les changements de l'utilisation des sols.

Over the majority of animal species worldwide are invertebrates, providing key contributions to humans, such as pollination and pest control. During the past decades insects and other invertebrate groups are being threatened with large declines, yet they remain under-represented in protected areas and the main factors driving their distributions are still relatively unknown. New developments in the field of machine learning and artificial intelligence, along with the increase in biodiversity data including invertebrate observations, allow us to explore the key determinants of invertebrate distributions across time, from local to regional scales. As part of my PhD project, I first identify the factors determining invertebrate environmental preferences with regards to habitat and climate, and then apply state-of-the-art machine learning models to predict their current and future distribution at the European scale. These results will be completed with maps of invertebrate diversity and provided ecosystem services that can be used to guide future conservation planning. As a second step, I explore the impact of landscape structure and heterogeneity on invertebrate distributions at a more local scale, combining remote sensing products and artificial intelligence models. The final part of my project aims to detect changes in the structure of insect communities over time at the national level and attribute them to potential drivers, such as climate or land-use change.