Post-doc ou ingénieur 12 à 36 mois: Modélisation et évaluation intégrées de scénarios sur les t[...]

INRAE; France; Sur place; EUR 30 000 - 50 000; Plein temps

Résumé du poste

Une opportunité passionnante s'offre à vous avec une durée de 12 à 36 mois pour développer des modèles et évaluer des scénarios dans le cadre du projet SLAM-B. Vous aurez un rôle clé dans l'application de la modélisation intégrée pour soutenir une bioéconomie durable centrée sur les forêts, en collaborant avec des chercheurs et des acteurs locaux. Votre expertise en sciences forestières et vos compétences en programmation seront essentielles pour réaliser des simulations et analyser leurs impacts.

Qualifications

• Formation recommandée: doctorat, ingénieur, master en sciences forestières.
• Connaissances en manipulation de données spatialisées, programmation, et statistiques.
• Expérience en modèles de croissance ou dynamique forestière appréciée.

Responsabilités

• Développer des agents forestiers dans MAELIA pour simuler des décisions face au changement climatique.
• Constituer des données d’entrée pour les plateformes MAELIA et Capsis.
• Simuler des scénarios prospectifs et analyser les résultats avec les acteurs du territoire.

Connaissances

Programmation objet

Geomatique

Statistique

Formation

Doctorat, ingénieur, master en sciences forestières, environnement, ou écologie

Outils

QGIS

R

Java

Python

Description du poste

Post-doc ou ingénieur 12 à 36 mois: Modélisation et évaluation intégrées de scénarios sur les territoires forestiers de la vallée de la Doller

Dans le cadre du PEPR FairCarboN, le projet SLAM-B vise à structurer la communauté de recherche française qui développe et applique des approches de modélisation et évaluation intégrées (IAM) pour soutenir le développement d’une bioéconomie durable basée sur l’agroécologie. Concernant la forêt, SLAM-B prendra en compte les différentes composantes de la bioéconomie notamment, la diversité des peuplements et leur sylviculture, les produits de première et seconde transformation, les boucles de recyclage, et l’organisation des filières. SLAM-B vise à relever trois grands défis scientifiques : (i) développer des approches IAM génériques pour simuler les transitions bioéconomiques et anticiper leurs conséquences via l’amplification des fonctionnalités de la plateforme MAELIA.

Votre mission sera de :

• Développer dans MAELIA des agents forestiers, notamment leur dynamique de prise de décision face au changement climatique et les facteurs externes (contraintes biophysiques, incitations diverses, marché),
• Sur le terrain de la Doller, constituer les données d’entrée de MAELIA et de Capsis (sol, peuplements forestiers avec différentes essences, en mélange ou non, pratiques sylvicoles, forçage météorologique, données satellitaires et LIDAR, piquets enregistrant le microclimat du sol et de la végétation), sur la base de données existantes et d’avis d’experts,
• Instancier le territoire dans sa diversité (territoire entier pour MAELIA / parcelles représentatives pour Capsis), valider ces instances de terrains en confrontant avec les chercheurs et acteurs locaux les résultats de simulation de la situation actuelle.
• Simuler avec les deux plateformes les scénarios prospectifs imaginés à partir de ces situations initiales par les acteurs lors des ateliers de coconstruction déjà réalisés.
• Participer à la présentation et coanalyse des résultats avec les acteurs du territoire. Ces simulations alimenteront les réflexions et les actions à mener pour maintenir la forêt dans cette vallée ainsi que les services multiples qu’elle rend (production de bois, production non bois, quantité et qualité de l’eau, récréation, paysage).

Position and assignments

Dans le cadre du PEPR FairCarboN, le projet SLAM-B vise à structurer la communauté de recherche française qui développe et applique des approches de modélisation et évaluation intégrées (IAM) pour soutenir le développement d’une bioéconomie durable basée sur l’agroécologie. Concernant la forêt, SLAM-B prendra en compte les différentes composantes de la bioéconomie notamment, la diversité des peuplements et leur sylviculture, les produits de première et seconde transformation, les boucles de recyclage, et l’organisation des filières. SLAM-B vise à relever trois grands défis scientifiques : (i) développer des approches IAM génériques pour simuler les transitions bioéconomiques et anticiper leurs conséquences via l’amplification des fonctionnalités de la plateforme MAELIA.

Missions

Votre mission sera de :

• Développer dans MAELIA des agents forestiers, notamment leur dynamique de prise de décision face au changement climatique et les facteurs externes (contraintes biophysiques, incitations diverses, marché),
• Sur le terrain de la Doller, constituer les données d’entrée de MAELIA et de Capsis (sol, peuplements forestiers avec différentes essences, en mélange ou non, pratiques sylvicoles, forçage météorologique, données satellitaires et LIDAR, piquets enregistrant le microclimat du sol et de la végétation), sur la base de données existantes et d’avis d’experts,
• Instancier le territoire dans sa diversité (territoire entier pour MAELIA / parcelles représentatives pour Capsis), valider ces instances de terrains en confrontant avec les chercheurs et acteurs locaux les résultats de simulation de la situation actuelle.
• Simuler avec les deux plateformes les scénarios prospectifs imaginés à partir de ces situations initiales par les acteurs lors des ateliers de coconstruction déjà réalisés.
• Participer à la présentation et coanalyse des résultats avec les acteurs du territoire. Ces simulations alimenteront les réflexions et les actions à mener pour maintenir la forêt dans cette vallée ainsi que les services multiples qu’elle rend (production de bois, production non bois, quantité et qualité de l’eau, récréation, paysage).

Geographic mobility: National

Telework Occasional

Profile

Formation recommandée: doctorat, ingénieur, master en sciences forestières, de l’environnement, ou en écologie.

Connaissances recommandées:

• Geomatique: Manipulation et modification de données spatialisées (QGIS par exemple)
• Informatique: langages de programmation objet (java, python,..)
• Statistiques: Utilisation de R combiné avec des données spatialisées,
• Connaissances approfondies en sciences forestières (pratiques sylvicoles)

Expériences appréciées: utilisation de modèles de croissance ou de dynamique forestière, manipulation de données spatialisées en foresterie

Aptitudes recherchées: Capacité à travailler en équipe, esprit d’analyse.