Contexte du recrutement et définition de poste :

Projet DIFOREST – Diversité fonctionnelle des peuplements forestiers et résistance face aux sécheresses. L’unité mixte de recherche UMR Silva propose une thèse de doctorat portant sur l’étude des mécanismes de résistance et de résilience des écosystèmes forestiers face aux sécheresses, dans un contexte de changement climatique.

Contexte et enjeux

L’intensification des épisodes de sécheresse observée au cours des dernières décennies affecte significativement le fonctionnement des écosystèmes forestiers, entraînant une diminution de leur productivité et une augmentation de la mortalité des arbres.

Dans ce cadre, la diversité fonctionnelle des espèces et la structure des peuplements forestiers constituent des leviers potentiels d’adaptation. Toutefois, leurs effets restent encore insuffisamment caractérisés à large échelle.

Objectifs scientifiques

Cette thèse a pour objectif d’analyser l’influence de la diversité fonctionnelle et structurelle des peuplements forestiers sur leur réponse aux sécheresses.

Les travaux s’articuleront autour des axes suivants :

• Caractérisation de la diversité fonctionnelle des espèces forestières
• Analyse de la structure des peuplements et de leur complexité
• Évaluation de l’impact de ces facteurs sur la croissance et la mortalité en contexte de sécheresse
• Identification des combinaisons de traits et de structures favorisant la résistance et la résilience

Les analyses seront conduites à partir de données issues de l’Inventaire Forestier National et de bases de données de traits fonctionnels, sur la période 1980–2025.

Méthodes

Le projet repose principalement sur :

• L’exploitation et la structuration de bases de données existantes
• L’intégration de données climatiques et écophysiologiques
• La mise en œuvre de modèles statistiques avancés

L'offre complète et les modalité de candidatire à ce lien. Déposez votre dossier avant le 28 juin 2026

https://silva.nancy.hub.inrae.fr/actualites/offre-de-these-en-ecologie-forestiere

Profil recherché :

Le ou la candidat·e devra être titulaire d’un Master en écologie, sciences forestières, environnement ou discipline connexe.

Les compétences suivantes sont attendues :

• Analyse de données et modélisation statistique (notamment sous R)
• Manipulation de bases de données
• Bon niveau d’anglais scientifique