L’Institut national de l’information géographique et forestière (IGN) est un établissement public à caractère administratif placé sous la tutelle des ministères chargés de l’écologie et de la forêt. Sa vocation est de produire et diffuser des données (open data) et des représentations (cartes en ligne et papier, géovisualisation) de référence relatives à la connaissance du territoire national et des forêts françaises ainsi qu’à leur évolution. Grâce à son école d’ingénieurs, l’ENSG-Géomatique, et à ses équipes de recherche pluridisciplinaires, l’institut cultive un potentiel d’innovation de haut niveau dans plusieurs domaines (géodésie, forêt, photogrammétrie, intelligence artificielle, analyse spatiale, visualisation 3D, etc.).

L’ENSG-Géomatique est une grande école, au carrefour des sciences de l’observation et de la mesure et du numérique. Elle forme des étudiants du post-bac jusqu’au doctorat sur l’ensemble du champ et des disciplines de l’information géographique et de la géomatique. Elle est une direction de l’IGN mais aussi une école membre de l’Université Gustave Eiffel.

Le Laboratoire d’inventaire forestier (LIF) situé à Nancy se dédie à la recherche sur les méthodes d’inventaire forestier, en collaboration avec AgroParisTech et l’INRAE.

Le projet post-doctoral fait partie du projet ciblé X-RISKS du programme national de recherche PEPR FORESTT (https://www.pepr-forestt.org/). L’objectif est de développer des stratégies d’échantillonnage (plan d’échantillonnage et estimateurs) dans le cadre de l’inventaire forestier national français (IFN) pour estimer les effets de perturbations multiples dans les forêts. Les exemples d’effets de perturbations qui nous intéressent sont la perte de volume ou de biomasse à cause d’une tempête ou d’un incendie, et la mortalité des arbres ou le ralentissement de la croissance dû à une infestation d’insectes ou de pathogènes ou à une sécheresse. Étant donné que les perturbations diffèrent les unes des autres par la rapidité de leur apparition, par l’étendue spatiale et le caractère diffus / non-diffus de leur manifestation, et par la gravité de leurs effets, elles nécessitent des stratégies d’échantillonnage adaptées.

Les tâches principales consisteront à :

- réaliser une revue de littérature afin d'obtenir une bonne compréhension des méthodes utilisant des données auxiliaires dans le plan de l'échantillonnage (échantillonnage spatialement équilibré, échantillonnage d’importance dans une population continue) et dans l'estimation (estimation assistée par modèle, également dans une population continue) applicable à l'inventaire forestier ;

- proposer des méthodes basées sur des données auxiliaires pour créer un plan d'échantillonnage et un estimateur assisté par modèle afin d'estimer l'effet d’une perturbation individuelle, en mettant l'accent sur l'estimation de la variance de l'estimateur ponctuel ;

- participer à la création d'attributs d’arbres caractérisant les perturbations et de données auxiliaires artificielles dans la population utilisée pour la simulation, et tester par simulation les stratégies d'échantillonnage proposées ;

- participer à la réflexion sur la manière de traiter les perturbations multiples et simultanées qui se chevauchent dans l'espace ;

- participer à la réflexion sur la manière dont les informations provenant de l'estimation de l'effet des perturbations peuvent être intégrées à l'estimation standard de l'IFN français ;

- rédaction d'articles scientifiques sur les résultats.

Doctorat en statistique ou en sciences forestières ou dans une autre discipline pertinente sur le sujet.

Compétences scientifiques et techniques :

- connaissances approfondies de la théorie et de la méthodologie d’échantillonnage ; des connaissances des méthodes d’inventaire forestier ou des méthodes d’échantillonnage environnemental seraient appréciées ;

- compétences en programmation en R ;

- anglais écrit et parlé couramment dans un contexte scientifique et technique ;

- expérience de la rédaction d’articles scientifiques ;

- rigueur méthodologique ;

- autonomie et capacité à collaborer avec des chercheurs d’autres disciplines (télédétection, écologie forestière).

Renseignements sur le poste :

Jean-Daniel BONTEMPS, Directeur de l'UMR LIF, jean-daniel.bontemps@ign.fr

Minna PULKKINEN, Ingénieure de recherche, minna.pulkkinen@ign.fr

Renseignements sur le recrutement :

Mélanie BARBET, chargée de développement RH, melanie.barbet[a]ign.fr

Aucune candidature transmise par mail ne sera traitée. Toutes nos offres sur ign.fr/nous-rejoindre !

Date limite de candidature : 15 novembre 2024.