Diffuser et promouvoir la culture en mathématiques et en informatique déployée dans les sciences agronomiques à INRAE et rassembler la communauté des maths-info INRAE.

Back to top

Modèle de régression auto-logistique spatio-temporel: application à la propagation d'une maladie des forêts

Description: 

Contexte :

L'armillaire est un champignon parasite observé dans des forêts de résineux.  Il est à l'origine
d'une maladie du système racinaire qui conduit à la mort des arbres atteints. L'espèce Armillaria
ostoaye
est fortement représentée dans la forêt des Landes, exploitée pour la production de bois.
Les dégâts causés par l'armillaire entraînent des pertes économiques importantes dans la filière
forêt-bois.  L'expérience menée à l'INRAE de Bordeaux avait pour l'objectif l'acquisition des
connaissances nécessaires pour comprendre les mécanismes de la propagation de la maladie. Une
plantation des pins maritimes a été établie sur une parcelle de 3 ha et suivie pendant 20 ans.
Le statut épidémique de chaque arbre (vivant/mort) a été relevé une fois par an et l'information
sur des covariables susceptibles d'influencer son état a été renseignée également. L'objectif
de stage est de modéliser les données en utilisant une approche auto-logistique proposée dans [1].

Missions :

Le stage commencera par l'étude du modèle auto-logistique spatial et son extension spatio-temporelle.
Dans un premier temps le stagiaire travaillera sur des méthodes d'estimation des paramètres et
des algorithmes de simulation du modèle, en les testant sur des données synthétiques. Ces
connaissances seront ensuite mise en pratique pour ajuster le modèle aux données expérimentales
de l'INRAE de Bordeaux. L'attention particulière sera portée aux questions concernant les facteurs
déterminants la mortalité des arbres: la présence de la forêt ancienne infestée par l'armillaire,
l'âge des arbres, la structure du voisinage ...

Compétences :

Une formation en mathématiques appliquées/statistiques ou une formation en agronomie avec des
bonnes connaissances en statistiques. L'intérêt pour la modélisation statistique, les connaissances
en algorithmes stochastiques et la maîtrise de programmation en R sont attendus.  L'expérience
en analyse des données spatiales sera un atout.

Type de l'offre: 
Date limite de la candidature: 
15/12/2022
Période d'emploi: 
01/03/2023 - 31/07/2023
Email du contact: 
Localisation CR INRA: