Daniel Schönig

Doctorat et Professionnel de recherche
A complex adaptive systems view on forest multifunctionality: implications for modelling and managing forest ecosystem services
Université du Québec à Montréal

Directeur: Christian Messier
Codirecteur: Jérôme Dupras

ou

Services offerts

Mon principal domaine d’expertise concerne les techniques statistiques permettant de représenter et d’analyser des phénomènes non linéaires, notamment dans l’espace géographique. Cela inclut les modèles additifs généralisés (GAM), les modèles de régression avec des structures d’autocorrélation spatiales et spatio-temporelles, les modèles avec des structures de dépendance complexes (par exemple, des plans en blocs emboîtés). Pour ces approches et d’autres, je suis familier avec l’inférence bayésienne approximative et entièrement bayésienne, ainsi qu’avec des méthodes qui se généralisent aux grands ensembles de données (plusieurs millions d’observations) et comment préparer une analyse pour le calcul à haute performance (par exemple avec l’Alliance de recherche numérique du Canada).

Je peux offrir des consultations (en français et en anglais) sur les méthodes suivantes (principaux paquets R et autres logiciels en parenthèses):

• Statistiques bayésiennes (mgcv, brms, INLA, Stan) : Modèles gaussiens latents, modèles de mélange, Markov Chain Monte Carlo. -Effets non linéaires et modèles non paramétriques, GAMs (mgcv, qgam, INLA) : Splines de régression, processus gaussiens, régression quantile
• Modèles spatio-temporels (mgcv, INLA, sf, stars) : Structures d’autocorrélation géospatiale et temporelle
• Modèles multi-niveaux et hiérarchiques (glmmTMB, lme4, glmnet, brms, mgcv, Stan) : Inclut les effets aléatoires, la régularisation L1 et L2, et les modèle avec excès de zéros; pour traiter des données issues de parcelles emboîtées, des données observationelles déséquilibrées, et des variables fortement corrélées
• Validation pour les modèles fréquentistes et bayésiens (DHARMa, bayesplot) : résidus quantiles et contrôles prédictifs postérieurs
• Optimisation pour données massives (data.table, Apache Arrow)
• Réseaux bayésiens généraux (bnlearn, Stan) : Généralisation des modèles d’équations structurelles aux variables qui ne suivent pas une distribution normale
• Réduction de dimensionnalité : Cartes auto-organisatrices (kohonen), Uniform Manifold Approximation and Projection (UMAP)
• Approches d’apprentissage automatique : Random forest (ranger), gradient boosting (h2o)

Autre services offerts:

• Optimisation du code pour l’exécution parallèle et le calcul haute performance (par exemple pour les serveurs de l’Alliance de recherche numérique du Canada, anciennement Calcul Canada).
• Consultation sur le formatage des scripts R à inclure dans des publications
• Ateliers sur les GAM, les modèles mixtes, les statistiques géospatiales, etc. – soit sous forme de laboratoire d’une journée / demi-journée, soit dans le cadre d’une école d’été.

Si vous cherchez du soutien pour vos analyses statistiques, vous pouvez également consulter les services offert par mes collègues : Juanita C. Rodríguez  et Stéphane Daigle 

Projet de doctorat

Mes principaux intérêts de recherche portent sur la gouvernance et la gestion des forêts en relation avec les changements globaux. Les forêts néotropicales, en particulier, jouent un rôle essentiel face aux changements climatiques et à la perte de biodiversité. De grandes parties de ces forêts sont situées sur des territoires autochtones, et elles contribuent aux moyens de subsistance de nombreuses communautés locales. Dans le cadre de mon doctorat, j'évalue les effets de divers facteurs socio-écologiques sur le sort des forêts néotropicales. Cela inclut le développement de méthodes d'inférence causale dans l'espace géographique.

Une approche spatialement explicite pour évaluer les résultats de la gestion et de la gouvernance de l'environnement

La prise de décision en matière d'environnement est cruciale pour maintenir la contribution de la nature aux personnes et aligner les systèmes socio-écologiques sur les objectifs liés à la durabilité, à la conservation de la biodiversité et au climat. Une prise de décision réussie dépend, à son tour, d'évaluations solides de l'impact des interventions de gestion et des politiques environnementales sur les conséquences environnementales. En outre, les programmes environnementaux (c'est-à-dire un ensemble d'interventions et de politiques de gestion visant à atteindre des objectifs particuliers) sont généralement mis en œuvre dans des régions spécifiques et dans des conditions prédéterminées - autrement dit, leur mise en œuvre ne constitue pas une expérience aléatoire. L'étude des relations causales dans l'espace géographique implique donc généralement un certain nombre de covariables liées à un résultat environnemental (par exemple, le couvert forestier) et à la présence d'une intervention de gestion, d'un instrument politique ou d'un autre attribut du système d'intérêt. Dans ce contexte, la complexité inhérente aux systèmes socio-écologiques pose des défis importants pour l'inférence : Les associations entre les covariables et la variable de résultat peuvent être non linéaires, et les interactions entre deux ou plusieurs covariables peuvent considérablement affecter le résultat. Pour relever ces défis, nous développons un cadre d'inférence bayésienne appelé embedded Gaussian process inference (EGPI) comme approche d'inférence causale conçue pour traiter les dépendances spatiales complexes. Cette approche est conçue pour traiter des ensembles de données massives facilement accessibles - provenant souvent de systèmes de télédétection - et permet de prendre en compte des millions d'observations.

L'effet de la gouvernance autochtone sur la perte de forêts dans les pays néotropicaux

Au cours de la dernière décennie, les régions néotropicales ont à nouveau subi une perte nette de superficie forestière, malgré des efforts accrus de reboisement. Éviter la déforestation reste essentiel pour atteindre les objectifs liés à la conservation de la biodiversité, à la séquestration du carbone et à la fourniture d'autres services écosystémiques forestiers. Dans ce contexte, les populations autochtones revêtent une importance particulière, car de nombreuses études de cas ont montré que la tenure autochtone est liée à la réduction de la déforestation. Cependant, nos connaissances sont encore limitées en ce qui concerne la force et l'universalité de cette relation. Pour combler cette lacune, nous menons une analyse intensive de données sur la perte de forêts entre 2011 et 2020 pour l'Amérique centrale et l'Amazonie : En utilisant des jeud de données massifs, nous utilisons des modèles additifs généralisés combinés avec des cartes auto-organisées pour évaluer l'effet des territoires autochtones et des aires protégées sur la probabilité de perte de forêt se produisant dans une zone donnée.

L'effet de la pandémie de COVID-19 sur les résultats forestiers dans les Néotropiques

De multiples hypothèses ont été avancées concernant les effets possibles de la pandémie de COVID-19 sur les forêts néotropicales, en particulier sur la déforestation. Par ses effets sur les grands écosystèmes forestiers, la pandémie pourrait aggraver les crises actuelles du climat et de la biodiversité, ainsi que les conditions de vie locales. Nous utilisons des modèles spatio-temporels de déforestation pour la biorégion amazonienne afin d'étudier les trajectoires de déforestation avant et après la pandémie, tout en contrôlant les facteurs connus de déforestation.

Autres projets

Dans un rôle de soutien, je suis également impliqué dans les projets suivants :

• Développement d'outils d'aide à la prise de décision pour la gouvernance des aires protégées qui tiennent compte de la variation spatiale des services écosystémiques (depuis 2021).
• Adaptation au changements climatiques des propriétaires forestiers privés (depuis 2021)
• Changement d'utilisation des terres, gouvernance autochtone et connaissances écologiques traditionnelles le long de la rivière Majé, Panama (depuis 2018).
• Gestion communautaire des forêts de mangrove dans le golfe intérieur de Guayaquil, Équateur (depuis 2007).

Enseignement

• Auxiliaire d'enseignement à l'UQAM pour le cours BIO8072 - Traitement de données biologiques (depuis 2021)
• Ateliers R sur les modèles additifs généralisés (principalement pour le CSBQ)