PRÉAMBULE
L’UMS 2006 Patrimoine Naturel (UMS PatriNat) – co-habilitée par le Muséum national d’Histoire naturelle (MNHN), l’Office française de la biodiversité (OFB) et le Centre national de la recherche scientifique (CNRS) – a pour mission de produire une expertise scientifique et technique en faveur de la conservation de la biodiversité.

Au sein du MNHN, l’UMS PatriNat est rattachée à la Direction Générale Déléguée Recherche, Expertise, Valorisation et Enseignement du Muséum (DGD REVE), et a pour objectif de fournir, en lien fort avec les activités de recherche, une expertise scientifique sur la biodiversité et géodiversité de France métropolitaine et ultra-marine, sur les thématiques terrestres et marines, pour l’environnement passé et actuel. Cette expertise et l’ingénierie associée porte sur la connaissance du patrimoine naturel, dont les systèmes d’informations et à l’application de ces connaissances pour l’appui aux politiques et programmes de conservation de la biodiversité.

CONTEXTE
L’UMS Patrinat (OFB-CNRS-MNHN) et AgroParisTech proposent un stage de master 2 de 6 mois dans le domaine de la statistique et de l’informatique appliquée à la biodiversité. Le stagiaire sera chargé de conduire des analyses afin de mieux comprendre les dynamiques d’échantillonnage de la biodiversité (données d’occurrence) et de proposer des solutions afin d’améliorer l’apport des sciences participatives pour la connaissance.

Les données de biodiversité sont de plus en plus mobilisées pour aborder des questions de recherche et de gestion de la biodiversité (1-3). Les données d’occurrence ont dépassé le seuil des 70 millions de données de présence en France et >1 milliard dans le monde, mais malgré cette progression, les biais spatiaux et temporels de ces données continuent de limiter la pertinence et l’utilité de telles données (4,5). Bien que de nouvelles méthodes émergent pour tenir compte de la complexité de ces données (6), il n’existe que peu de substituts lors d’ une absence totale de données dans le temps ou l’espace.

DESCRIPTION DES MISSIONS
Les objectifs de ce travail de stage sont de :
– Comprendre les biais actuels des données de biodiversité en France (métropole)
– Créer un algorithme permettant de guider les collectes de données vers les lieux et périodes les plus profitables pour améliorer la connaissance.

Partenaires internes : Equipe données, Equipe Évaluation & suivi, Equipe Centre de données et de service.
Partenaires externes : AgroParisTech

CONDITIONS ADMINISTRATIVES REQUISES
Être étudiant en master 2

QUALIFICATIONS REQUISES
Le-la candidat.e recherché.e doit avoir de très bonnes capacité d’analyse et de codage sous R. Il-elle dispose de très bonnes connaissances en traitement informatique et en statistiques sur les données spatialisées. De bonnes connaissances générales sur la biodiversité sont également nécessaires (connaissances naturalistes fortement appréciées).

MODALITÉS DE RECRUTEMENT
Type de contrat : Stage
Durée : 6 mois
Rémunération : selon réglementation en vigueur
Date de prise de fonction : selon période de stage de l’école ou université d’attache.
Lieu : Le-la candidat-e sera basé-e à AgroParisTech à Nancy, mais une localisation à Paris est envisageable selon ses préférences. Le français et l’anglais seront employés pendant le stage. Un accès à un serveur de calcul est prévu pour les analyses. Un travail de terrain peut éventuellement être envisageable sous réserve des avancements sur les objectifs fixés.

Le travail sera exécuté en collaboration avec deux équipes: l’UMS PatriNat (OFB-CNRS-MNHN http://www.patrinat.fr/fr, Isabelle Witté), et AgroParisTech Nancy – Centre Nancy (Josep M Serra-Diaz).

PROCÉDURE DE RECRUTEMENT
Merci d’envoyer votre CV et lettre de motivation (1 page maximum) à [email protected] avant le 15/11/2020 avec le sujet d’email “M2 APT-PatriNat”.

Les candidat.e.s sélectionné.e.s seront invité.e.s à passer un entretien en ligne avec l’équipe d’encadrement.

Références :
1 Burgess, H. K. et al. The science of citizen science: Exploring barriers to use as a primary research tool. Biological
Conservation 208, 113-120, doi:10.1016/j.biocon.2016.05.014 (2017).
2 Theobald, E. J. et al. Global change and local solutions: Tapping the unrealized potential of citizen science for
biodiversity research. Biological Conservation 181, 236-244, doi:10.1016/j.biocon.2014.10.021 (2015).
3 Franklin, J., Serra-Diaz, J. M., Syphard, A. D. & Regan, H. M. Big data for forecasting the impacts of global change
on plant communities. Global Ecology and Biogeography 26, 6-17, doi:10.1111/geb.12501 (2017).
4 Mair, L. & Ruete, A. Explaining Spatial Variation in the Recording Effort of Citizen Science Data across Multiple
Taxa. PLoS One 11, e0147796, doi:10.1371/journal.pone.0147796 (2016).
5 Geldmann, J. et al. What determines spatial bias in citizen science? Exploring four recording schemes with
different proficiency requirements. Diversity and Distributions 22, 1139-1149, doi:10.1111/ddi.12477 (2016).
6 Bird, T. J. et al. Statistical solutions for error and bias in global citizen science datasets. Biological Conservation
173, 144-154, doi:10.1016/j.biocon.2013.07.037 (2014).

Le contenu de cette offre est la responsabilité de ses auteurs. Pour toute question relative à cette offre en particulier (date, lieu, mode de candidature, etc.), merci de les contacter directement. Un email de contact est disponible: [email protected]

Pout toute autre question, vous pouvez contacter [email protected].