View source for Analyse et visualisation de données environnementales d’espèces envahissantes

Encadrants: [https://www.imbe.fr/thierry-tatoni.html Thierry Tatoni], XXX (Institut Méditerranéen de Biodiversité et d'Ecologie)


La diffusion d’espèces exotiques envahissantes (EEE) est l’une des causes majeures d’appauvrissement de la biodiversité. Une espèce exotique envahissante (EEE) est une espèce introduite par l’homme volontairement ou involontairement sur un territoire hors de son aire de répartition naturelle, et qui menace les écosystèmes, les habitats naturels ou les espèces locales. Ces espèces représentent une menace pour les espèces locales, car elles accaparent une part trop importante des ressources (espace, lumière, ressources alimentaires, habitat…) dont les autres espèces ont besoin pour survivre. Elles peuvent aussi être prédatrices directes des espèces locales. En Europe, le nombre d’espèces exotiques envahissantes a ainsi augmenté d’au moins 76 % ces 35 dernières années [https://www.ecologie.gouv.fr/especes-exotiques-envahissantes ref].

L’[https://www.imbe.fr/l-imbe.html Institut Méditerranéen de Biodiversité et d’Ecologie marine et continentale (IMBE)] développe une approche intégrative pour l’étude de la biodiversité et des systèmes socio-écologiques. L’IMBE apporte ainsi des connaissances fondamentales et appliquées sur les fonctions, la dynamique historique et évolutive de la biodiversité de tous types d’écosystèmes méditerranéens, depuis la construction des paléo-écosystèmes jusqu’à leur devenir dans le contexte du changement global.

L'objectif de ce projet est d'étudier l'évolution d'EEE dans le bassin d'un cours d'eau de Provence pour lequel des observations ont été réalisées pendant plusieurs années par les chercheurs de l'IMBE.

Les taches à effectuer pour le projet seront:
* le nettoyage et la mise en forme de plusieurs sources de données issues des observations et des sources externes (météo, ensoleillement, vent ...)
* l'utilisation d'algorithme d'apprentissage automatique supervisés et non supervisés pour analyser les données ([https://scikit-learn.org/ scikit learn] ...)
* la visualisation efficace des données et des analyses en incluant des cartographiques ([https://kepler.gl/ Kepler.GL] ...) et des graphes interactifs ([https://demo.bokeh.org/ Bokeh] ...)

Les développements seront réalisés en Python sous la forme de Notebook Jupyter afin de garantir la reproductibilité des analyses.