Soutenance de thèse de Guillaume Franchi
Guillaume Franchi soutiendra publiquement ses travaux de thèse intitulés « Modélisation dynamique de l’abondance des espèces en écologie » le lundi 2 décembre 2024 à 16h30, à l’ENSAI.
Ecole Doctorale : Mathématiques, Télécommunications, Informatique, Signal, Systèmes, Electronique (Matisse)
Unité de recherche : CREST (UMR 9194)
Directeur de thèse : Lionel TRUQUET, Enseignant-chercheur, CREST-ENSAI
Co-directeur de thèse : M. Paul DOUKHAN, Professeur, Université de Cergy Pontoise
Composition du jury
Cécile HARDOUIN, Professeure, Université de Paris Nanterre, Rapporteuse
Suhasini SUBBA RAO, Professeure, Texas A&M University, Rapporteuse
Thierry HUILLET, Chargé de recherche CNRS, Université de Cergy Pontoise, Examinateur
Eva LÖCHERBACH Professeure, Université de Paris 1 Panthéon-Sorbonne, Examinatrice
Directeur de thèse : Lionel TRUQUET, Enseignant-chercheur, CREST-ENSAI
Co-directeur de thèse : Paul DOUKHAN, Professeur, Université de Cergy Pontoise
Mots-clés
Séries temporelles, ergodicité, dépendance, abondance, écologie
Modélisation dynamique de l’abondance des espèces en écologie
Résumé : Dans cette thèse, on s’intéresse à la modélisation de la dynamique des séries d’abondances en écologie, en particulier des processus d’abondance relative et d’absence-présence. Pour ce faire, on y développe des méthodes générales de construction de processus stationnaires et ergodiques à valeurs dans un espace compact, en particulier dans le simplexe et . Une attention particulière est apportée à l’interprétation des paramètres de ces modèles. L’inférence statistique de ces paramètres est délicate de par la non-linéarité de ces modèles multivariées et de la non-convexité de la log-vraisemblance. Nous introduisons des méthodes de pseudo-vraisemblance ou de vraisemblance composite suffisamment précises et facilement optimisables. Des résultats de consistance sont aussi donnés dans le cadre de données longitudinales à partir de théorèmes ergodiques pour des processus multi-indicés. On présente enfin une modélisation spécifique de l’abondance relative dans un cadre HMM, où l’estimation des paramètres se fait par espérance-maximisation, et nécessite la construction de filtres particulaires.
Dynamic modeling of abundance data in ecology
Abstract: In this manuscript, we focus on the modeling of the dynamic of abundance time series in ecology, especially relative abundance processes and absence-presence processes. To do so, we develop in this dissertation general construction methods of stationary and ergodic processes valued in a compact space, such as the simplex and a particular attention is paid to the interpretation of the parameters of these models. Statistical inference of these parameters is challenging due to the non-linearity of such multivariate models, and the non-convexity of the log-likelihood. We introduce pseudo-likelihood or composite-likelihood methods that are sufficiently accurate and easily optimisable. Consistency results are also provided in the panel data framework, based on ergodic theorems for multi-index processes. We finally present a specific modeling for relative abundance data in a HMM framework, where the parameters estimation is performed through an expectation-maximization strategy, which requires the construction of particle filters.