Mots-clés relatif à mon travail de recherche : 

​

• Sttatistiques pour des données spatiales

• Apprentissage statistique

• Estimation bayésienne

• Modèles stochastiques de processus individuel

• Ecologie du Paysage

Je travaille dans un environnement INRA depuis 1983. J'ai fait ma thèse en étant Attaché Scientifique Contractuel à l'unité de Biométrie (devenu maintenant MISTEA)  du centre INRA à Montpellier de 1983 à 1988, entrecoupé d'une période de service national au titre de Volontaire à l'Aide Technique au centre INRA Antilles-Guyanne. J'ai été ensuite recruté comme Chargé de Recherche en 1988 et j'ai exercé mes fonctions à l'Unité de Biométrie (devenu maintenant BioSP) du INRA d'Avignon de 1988 à 1996. Puis j'ai fait une mobilité vers l'unité de Biométrie et Intelligence Artificielle (devenu depuis MIAT) du centre INRA de Toulouse où je suis resté de 1996 à 2008.

​

Recherche :

​

Mon activité recherche est dirigée par la volonté de développer de l'apprentissage statistique spatialisé, c'est à dire d'extraire des connaissances à partir de données spatialisées.L'originalité est d'ajouter à l'apprentissage la dimension spatiale et surtout d'apprendre dans des applications en écologie du paysage, élément complexe et spatialisé. Il y a la volonté de développer une deuxième facette qui concerne l'intégration de l'apprentissage dans une modélisation. Cette intégration est en gestation mais semble déterminante pour la contribution à « l'écologie des paysages pour l'action ». Elle s'appuie sur l'implication dans des projets thématiques dans lesquels l'UMR est engagée mais aussi sur l'animation d'une composante méthodologique dans l'UMR. Cette composante appelée RAMSSES pour « Recherche en Ananlyse et en Modélisation des Systèmes Sociaux Ecologiques Spatialisés » permet à l'UMR d'équilibrer un tripode constitué outre RAMSSES par deux autres axes, l'un qui travaille sur les services écosystémiques l'autre se préoccupant plus de la biodiversité au sein des forêts, pour répondre au défi lié à la gestion durable dans l'agriculture en se centrant pour DYNAFOR sur l'écosystème agri-forestier.

​

Il s'agit le plus souvent de construire des modèles ou des méthodes statistiques qui permettent de mettre en évidence l'effet du paysage sur des indicateurs biologiques. Les problèmes qui motivent ce travail sont issues de l'écologie du paysage et proviennent principalement de l'UMR DYNAFOR mais aussi de l'Unité CEFS (« Comportement et Ecologie de la Faune Sauvage ») de l'INRA de Toulouse. Le travail englobe aussi bien la construction de nouveaux modèles statistiques et de leur estimation, des nouvelles façons d'estimer que de nouvelles utilisations de méthodes ou de modèles en les adaptant au problème posé. L'approche utilisée pour cette construction se rattache à l'apprentissage statistique en ce sens qu'on ne recourt pas systématiquement, voire pas du tout, aux arguments asymptotiques, et qu'il ne s'agit pas de modéliser une réalité mais d'apprendre sur elle au travers de modèles simplifiés. Quand cela est nécessaire ces modèles posséderont une composante de corrélation spatiale Les grandes classes d'objet statistique qui sont visés sont l'analyse de tableaux de présence/absence ou d'abondance, les observations de trajectoire d'individus et les localisations d'objets dans une zone. L'orientation « apprentissage statistique » semble être la plus efficace dans le cadre des travaux menés à Dynafor dans l'Ecologie du Paysage mais aussi dans les collaborations avec les collègues du CEFS.

Formation :

​

Maitrise de Mathématiques - Université Paul Sabatier Toulouse, 1982

DEA Maths Pures & Appliquées - Université Paul Sabatier Toulouse, 1983

Thèse de Doctorat Mathématiques de l'Université de Montpellier II, 20 Janvier 1988

Publications :

​

Jacquin A., Goulard M., Hutchinson J.M.S., Devienne T., Hutchinson S.L. , 2016. A Statistical Approach for Predicting Grassland Degradation in Disturbance-Driven Landscapes. Journal of Environmental protection, 7,6, 912-925.

Tsafack N., Alignier A., Head G.P., Kim J.H., Goulard M., Ouin A., 2016. Landscape effects on the abondance and larva diet of the polyphagous pest Helicoverpa armigera in cotton fields in North Benin. Pest Management, 72, 8, 1613-1626.

Debeffe L., Lemaître J.-F., Bergvall U.A., Hewison M.A., Gaillard J.-M.,Morellet N. , Goulard M., Monestier C., David M., Verheyden-Tixier,H., Jäderberg L., Vanpé C., Kjellander P., 2015. Short-and long-term repeatability of docility in the roe deer: sex and age matter. Animal Behaviour, 109, 53-63.

Favreau F.-R., Pays O., Fritz H., Goulard M., Best E., Goldizen A., 2015. Predators, food and social context shape the types of vigilanceexhibited by kangaroos. Animal Behaviour, 99, 109-121.

Pelosi C., Bonthoux S., Castellarini F., Goulard M., Ladet S., Balent G.,2014. Is there an optimum scale for predicting bird species' distribution in agricultural landscapes? Journal of Environmental Management, 136, 54-61.

Bonthoux S., BarnagaudJ.-Y., Goulard M., Balent G.,2013.Contrasting spatial and temporal responses of bird communities tolandscape changes. Oecologi a, 172,2, 563-574.

Jacquin A., Goulard M., 2013.Using spatial statistics tools on remote-sensing data to identify fireregime linked with savanna vegetation degradation. Journalof Agricultural and Environmental Information Systems (IJAEIS) .Special Issue:  Remote Sensing data for agricultural and environmental Geographic Information Systems, 4,1, 69-83.

Dupuis J., Goulard M. 2011. Estimating species richness from quadrat sampling data : a general approach. Biometrics ,67, 4, 1489-1497.

Franc A., Goulard M., Peyrard N., 2010. Chordal graphs to identify graphical models solutions of maximum of entropy under constraints on marginals.SIAM journal on discrete mathematic, 24,3, 1104-1116.

Pelosi C., Goulard M., Balent G. 2010. The spatial scale mismatch between ecological processes and agricultural management: do difficulties come from underlying theoretical frameworks? Agriculture,Ecosystems and Environment, 139 , 455–462.