Soutenance de thèse de François HAMONIC
Ecole Doctorale
Mathématiques et Informatique de Marseille
Spécialité
Informatique
établissement
Aix-Marseille Université
Mots Clés
connectivité écologique,conservation de la biodiversité,optimisation combinatoire,programmation linéaire,algorithmes de graphes,plus court chemin,
Keywords
landscape connectivity,biodiversity conservation,combinatorial optimization,linear programming,graph algorithms,shortest path,
Titre de thèse
Algorithmes pour la conservation et la restauration des habitats et paysages écologiques
Algorithms for conservation and restauration of landscape connectivty
Date
Vendredi 10 Mars 2023
à 14:00
Adresse
163 avenue de Luminy, 13009, Marseille
amphi 12
Jury
Directeur de these | M. YANN VAXES | LIS, Université d'Aix-Marseille |
Rapporteur | M. Gautier STAUFFER | Université de Lausanne |
Co-encadrant de these | M. Basile COUëTOUX | LIS, Université d'Aix-Marseille |
Co-encadrant de these | Mme Cécile ALBERT | CNRS, IMBE, Université d'Aix-Marseille |
Rapporteur | M. François MUNOZ | Université Grenoble Alpes |
Examinateur | Mme Stéphanie MANEL | CEFE, École Pratique des Hautes Études |
Examinateur | M. Benoït GESLIN | IMBE, Université d'Aix-Marseille |
Président | M. Laurent VIENNOT | INRIA, IRIF, Université Paris Cité |
Résumé de la thèse
La connectivité est une caractéristique importante des paysages écologiques qui est
devenue un outil essentiel pour la conservation et la restauration de la biodiversité au
cours des deux dernières décennies. Définie comme le degré selon lequel un paysage
facilite le mouvement des organismes entre les zones dhabitat, la connectivité des
paysages joue un rôle crucial dans la survie à long terme des espèces en facilitant
laccès aux ressources vitales, le flux génétique entre les populations et même ladapta-
bilité au changement climatique. Un paysage écologique peut être considéré comme
un graphe dirigé dont les n sommets représentent les zones dhabitat du paysage et
les m arcs représentent les connexions entre ces zones. Chaque sommet est associé à
un poids correspondant à la qualité écologique de la zone quil représente et chaque
arc est associé à une longueur qui représente la difficulté pour un individu deffectuer
le déplacement correspondant. La Probabilité de Connectivité du graphe est alors
calculée à partir des distances de plus court chemin dans ce graphe pondéré et est
souvent utilisée par les écologues pour évaluer la connectivité du paysage et identifier
les zones à prioriser pour la conservation ou la restauration.
Dans cette thèse, nous nous intéressons au problème de la maximisation de la Proba-
bilité de Connectivité dun paysage sous contrainte budgétaire. Ce problème consiste
à choisir parmi un ensemble daméliorations du paysage qui modifient les poids du
graphe, un sous-ensemble dont le coût ne dépasse pas le budget et qui augmente
autant que possible la Probabilité de Connectivité. Nous donnons une formalisation
pour ce problème et montrons quelle peut exprimer de nombreuses problématiques
de conservation et de restauration. Nous proposons une formalisation en programma-
tion linéaire en nombres entiers basée sur la notion de flot avec multiplicateur ainsi
quune technique de prétraitement qui permet de réduire de manière significative la
taille des programmes linéaires à résoudre. Pour mettre en uvre ce prétraitement de
manière efficace, nous donnons un algorithme en temps O(m +n log n) pour résoudre
le problème suivant : étant donné un ensemble de scénarios caractérisés par le choix
des longueurs des arcs et un arc (u, v) , calculer lensemble des sommets t tel que (u, v)
est sur un plus court chemin de u à t pour tout scénario. Nous appliquons ensuite
notre formalisation à divers cas détude afin de comparer la solution optimale obtenue
avec notre méthode aux solutions sous-optimales obtenues avec les algorithmes plus
simples utilisés en pratique par les écologues.
Thesis resume
Landscape connectivity is an important feature of ecological landscapes that has
become an essential tool for biodiversity conservation and restoration over the past
two decades. Defined as the degree to which a landscape facilitates the movement of
organisms between habitat areas, landscape connectivity plays a crucial role in the
long-term survival of species by facilitating access to vital resources, gene flow between
populations and even adaptability to climate change. An ecological landscape can
be viewed as a directed graph with n vertices representing the habitat areas of the
landscape and m arcs representing the connections between these areas. Each vertex
is associated with a weight corresponding to the ecological quality of the area it
represents, and each arc is associated with a length that represents the difficulty for
an individual to make the corresponding travel. The Probability of Connectivity is
then calculated from the shortest path distances in this weighted graph and is often
used by ecologists to assess landscape connectivity and identify areas to prioritize for
conservation or restoration.
In this thesis, we are interested in the problem of maximizing the Probability of
Connectivity of a landscape under a budget constraint. This problem consists in
choosing among a set of landscape improvements that modify the weights of the
graph, a subset whose cost does not exceed the budget and which increases as much
as possible the Probability of Connectivity. We give a formalization for this problem
and show that it can express many conservation and restoration problems. We propose
a formalization in mixed integer linear programming based on the notion of flow with
multipliers as well as a preprocessing technique that allows to significantly reduce the
size of the linear programs to be solved. To implement this preprocessing efficiently,
we give a O(m + n log n) time algorithm to solve the following problem: given a set of
scenarios characterized by the choice of arc lengths and an arc (u, v) , compute the
set of vertices t such that (u, v) is on a shortest path from u to t for any scenario. We
then apply our formalization to various case studies in order to compare the optimal
solution obtained with our method to the suboptimal solutions obtained with the
simpler algorithms used in practice by ecologists.