Agence de moyen
              
          Année de démarrage - Année de fin de projet
              2019-2024
          Année de soumission
              2018
          Cordinateur.trice
              Catherine Matias
          Date de fin du projet
              Equipe(s)
              
          Etat
              
          Nom de l'appel d'offre
              ANR Blanc
          Partenaires (hors MIA-PS)
              LPSM (Sorbonne Université), LBBE (Lyon), ISEM (Montpellier), IEES (Paris), Evo-Eco-Paléo (Lille)
          Participants de MIA-PS
               Stéphane Robin (resp. partenaire), Pierre Barbillon, Julien Chiquet, Sophie Donnet, Mahendra Mariadassou, Sarah Ouadah, Timothée Tabouy, Saint-Clair Chabert-Liddel
          Site internet
              
          Titre du projet
              Advanced statistical modelling of ecological networks
          Résumé
              Le projet vise à développer des méthodes statistiques pour analyser différents types de réseaux écologiques : trophiques, mutualistes, de compétition ou antagonistes et systèmes hôtes-parasites. Nous créons un consortium unique alliant des chercheurs en statistique appliquée avec une longue expérience de la modélisation du vivant et des écologues à l'avant-garde de leur science, pour s'attaquer aux défis de la modélisation statistique avancée des reéseaux écologiques. Notre proposition inclut :
l'intégration des dimensions temporelles et spatiales dans la modélisation des réseaux écologiques et le développement d'outils de comparaison de réseaux le long de gradients environnementaux ;
l'intégration des interactions multiples, en utilisant les informations de covariables disponibles (traits, distributions, phylogeénies,...) ;
la prise en compte des effets de l'échantillonnage dans nos analyses
la prédiction de réponses de l'écosystème à des changements environnementaux.
          l'intégration des dimensions temporelles et spatiales dans la modélisation des réseaux écologiques et le développement d'outils de comparaison de réseaux le long de gradients environnementaux ;
l'intégration des interactions multiples, en utilisant les informations de covariables disponibles (traits, distributions, phylogeénies,...) ;
la prise en compte des effets de l'échantillonnage dans nos analyses
la prédiction de réponses de l'écosystème à des changements environnementaux.