Human-Animal Interactions

Maëlis KERVELLEC

Published: 16 September 2023

PhD candidate – Université de Montpellier

MaelisK

 

Doctorante en écologie statistique, j’étudie l’apport des méthodes de suivi non-invasif, de l’intégration de données et de la modélisation statistique à la compréhension de l’écologie des populations de carnivores en France. Je travaille en particulier sur les questions de connectivité.

I’m a PhD student in statistical ecology. I study the contribution of non-invasive monitoring, data integration and statistical modelling to study the ecology of carnivore populations in France. I work in particular on connectivity issues.

 

Supervisor: Olivier Gimenez (CEFE-CNRS)
Co-supervisor: Cyril Milleret (NMBU, University of Life Sciences, Ås, Norway)

 

Contact information

This email address is being protected from spambots. You need JavaScript enabled to view it.
Twitter / X: @MaelisKervellec
Bureau 202, 2ème étage aile C

 

Project outline

Dans le cadre de ma thèse, j’intègre le concept de surface de résistance – définie en écologie du paysage pour modéliser les coûts des déplacements – aux modèles hiérarchiques de distribution d’espèce (modèles d’occupancy et modèles spatialisés de capture recapture). Ajouter la structure du paysage sur la détection ou la colonisation permet d’améliorer la modélisation de la distribution des espèces ou de l’effectif d’une population. De plus cette extension des modèles permet aussi d’estimer explicitement la connectivité du paysage à partir de suivi non-invasifs. Comme cas d’étude, je considère l’ours brun, le lynx boréal et la loutre d’Europe, trois espèces de carnivores présentes en France et pour lesquelles la connectivité a été identifiée comme un axe majeur pour leur conservation par leur respectif plan national d’action.

 

Bio (Background, employment)

  • 2021 – 2024 : Doctorante Université de Montpellier.
  • 2021 : Stage M2 - Variations spatio-temporelles des densités d’ours brun dans les Pyrénées et connectivité de l’habitat à partir de modèles spatialisé de capture-recapture.
  • 2020 : Stage M1 - Étude de la co-occurrence prédateur proies (lynx, chamois, chevreuil) dans le Jura français à partir d'un modèle d'occupancy.
  • 2019 – 2021 : Master BEE, parcours Ecosystèmes, Université de Montpellier
  • 2018 – 2019 : Échange L3, Université de Montréal.
  • 2016 – 2019 : Double Licence Biologie-Mathématique, Station Biologique de Roscoff, Université Pierre et Marie Curie.

 

Publications

  • Kervellec, M., C. Milleret, C. Vanpé, P.-Y. Quenette, J. Sentilles, S. Palazón, I. A. Jordana, R. Jato, M. M. Elósegui Irurtia, and O. Gimenez. 2023. Integrating opportunistic and structured non- invasive surveys with spatial capture-recapture models to map connectivity of the Pyrenean brown bear population. Biological Conservation 278:109875.
  • Couturier, T., S. Bauduin, G. Astruc, A. Blanck, C. Canonne, T. Chambert, J. Chiffard, A. Cosquer, S. Cubaynes, L. Curtet, E. Dortel, N. Drouet, C. Duchamp, C. Francesiaz, O. Grente, A. Jailloux, M. Kervellec, V. Lauret, D. Lebreton, J. Louvrier, L. Marescot, R. Mathevet, L. Navas, C. Perrot, N. Poulet, Y. Quenette, M. Salas, G. Souchay, C. Vanpé, A. Besnard, and O. Gimenez. 2023. Building spaces of interactions between researchers and managers: Case studies with wildlife monitoring and conservation in France. Ecological Solutions and Evidence. 4:e12245
  • Gimenez, O., M. Kervellec, J.-B. Fanjul, A. Chaine, L. Marescot, Y. Bollet, and C. Duchamp. 2022. Trade-off between deep learning for species identification and inference about predator-prey co-occurrence: Reproducible R workflow integrating models in computer vision and ecological statistics. Computo.