Les thématiques de recherche de Liliana Perez s’inscrivent à l’intersection de la géomatique, de la science des systèmes complexes, de la modélisation spatiale et de l’intelligence artificielle géospatiale (GeoAI). Ses travaux portent principalement sur la compréhension et la simulation des dynamiques socio-écologiques et environnementales dans un contexte de changements climatiques, de pressions anthropiques et de prise de décision territoriale.

Ses recherches visent le développement et l’application de modèles spatiaux avancés — notamment les modèles multi-agents, les automates cellulaires et les approches d’apprentissage automatique — afin de caractériser les processus émergents reliant environnement, sociétés humaines et systèmes écologiques. Elle s’intéresse particulièrement à la modélisation des perturbations environnementales (incendies de forêt, infestations d’insectes, inondations), à la dynamique des paysages, ainsi qu’aux interactions entre facteurs environnementaux et systèmes biologiques.

Plusieurs projets en cours explorent la dimension spatiale de l’adaptation aux changements climatiques, incluant l’impact des variables environnementales sur la santé des pollinisateurs, la productivité agricole, la biodiversité, la dynamique des zones humides urbaines et périurbaines, ainsi que la résilience des systèmes socio-écologiques. D’autres travaux portent sur la modélisation des mobilités humaines, des comportements collectifs et des processus décisionnels dans des contextes urbains et de gestion des risques.

Sur le plan méthodologique, ses contributions incluent l’intégration de la science des données spatiales, de l’apprentissage supervisé et non supervisé, et de la modélisation par simulation, afin de soutenir le développement d’outils d’aide à la décision et de plateformes de visualisation spatiale destinées aux décideurs publics, aux gestionnaires territoriaux et aux acteurs de terrain.

Champs d’expertise : géomatique; systèmes d’information géographique (SIG); modélisation spatiale; science des systèmes complexes; modèles multi-agents; GeoAI; apprentissage automatique; analyse spatiale environnementale; géosimulation; aide à la décision spatiale.

Ma formation initiale est en cadastre et géodésie (B.Ing. de l'Université Distrital, UD, Colombie). Après l'obtention de ma maîtrise en géographie (UPTC, Colombie) en 2003, j'ai travaillé pour l’Institut de Recherche Marine et Côtière «José Benito Vives de Andreis» (INVEMAR) et aussi pour le Centre international d'agriculture tropicale (CIAT). Trois ans plus tard, en 2006, j'ai quitté la Colombie pour m’installer au Canada et commencer un doctorat en géographie avec spécialisation en modélisation de systèmes complexes à l’université Simon Fraser (SFU), sous la direction du Dr Suzana Dragicevic (SAMLab). Dans cette thèse j'ai abordé le sujet de la modélisation spatiale et temporelle des épidémies des insectes et leurs comportements complexes. À la suite de l'obtention de mon doctorat en 2011, j'ai entrepris mes études de post doctorat à l’Université de la Colombie-Britannique (2011) et aussi à l’Université de Victoria (2011-2013) où j'ai travaillé sur des questions liées à la relation spatiale et temporelle  entre les changements d’indicateurs indirects de la biodiversité et du changement climatique.

Responsable du programme de D.E.S.S. en géomatique et cartographie dynamique

Modélisation de répartition d’espèces aviaires et de feux en forêt boréale du Québec dans un contexte de changement climatique

Diplômé(e) : Gaudreau, Jonathan
Cycle : Maîtrise
Diplôme obtenu : M. Sc. -  2016

Articles publiés dans des revues avec comité de lecture  (*Membres de mon groupe de recherche)

1. Perez, L.; Yousefi, M.; Mahdizadeh, N.*; Vukicevic, S.; Dragicevic, S. (2026). Census-Validated Agent-Based Modeling of Immigrant Settlement and Diversity in Metro Vancouver. Computers, Environment and Urban Systems, 130, 102515 

2. Plante, J; Brunelle, C.B; Perez, L. (2026). Characterizing landslide‐induced floods using the SWOT mission: A case study on the Chilcotin River, Canada. Geophysical Research Letters, 53(5):e2025GL119357

3. Seuru, S; Grimm, V; Barton, M; Perez, L; Gharakhanlou, N.M*; Sengupta, R; Dagnino, A.M*, (2026). The ODE (Overview, Data, and Execution) protocol for a standardized use of machine learning in environmental, social and related interdisciplinary sciences. Environmental Modelling & Software, 198, 10691

4. Mahdizadeh, N*; Perez, L. (2025). Spatial Susceptibility Mapping of Boreal Forest Fires: Insights from Quebec’s Historical and Future Trends (1980-2050). Advances in Cartography and GIScience of the ICA, 5, 20.

5. Molowny-Horas, R; Harati, S*; Perez, L. (2025). Understanding Forest Insect Outbreak Dynamics: A Comparative Analysis of Machine Learning Techniques. Geo-spatial Information Science, 29(2), 1196-1213.

6. Mahdizadeh, N*; Vadnais, J*; Perez, L; Coallier, N. (2025). Urban buzz or urban bust? Beekeeping challenges, suitability, and survival insights in Montreal, Canada. Ecological Informatics, 90:103296.

7. Zhao, L. Q.*, Dragicevic, S., Balram, S. & Perez, L., (2025). Assessing the Number of Criteria in GIS-Based Multicriteria Evaluation: A Machine Learning Approach. Geographical Analysis, 57(3):489-506.

8. Vadnais, J*; Perez, L; Coallier, N. (2025). Assessing foraging landscape quality in Quebec's commercial beekeeping through remote sensing, machine learning, and survival analysis. Journal of Environmental Management., 374:124157.

9. Mahdizadeh, N*; Perez, L; Henry, E. (2025). Evaluating environmental, weather, and management influences for sustainable beekeeping in California and Quebec: Enhancing beehive survival predictions. Journal of Environmental Management, 373:123783.

10. Coallier, N; Perez, L; Fraser Franco, M; Cuellar, Y*; Vadnais, J*. (2025). Poor air quality raises mortality in honey bees, a concern for all pollinators. Communications Earth & Environment, 6(1):126.

11. Chu, H*; Wu, J; Perez, L; Huang, Y. (2024). Exploring Family Ties and Interpersonal Dynamics – A Geospatial Simulation Analyzing their Influence on Evacuation Efficiency within Urban Communities. ISPRS International Journal of Geo-Information, 13(7):258.

12. Mahdizadeh, N.*; Perez, L., (2024). From data to harvest: Leveraging ensemble machine learning for enhanced crop yield predictions across Canada amidst climate change. Science of The Total Environment, 951:175764.

13. Perez, L; Cuellar, Y*; Gibbons, J; Pinilla, E; Demers, S*; Capella, J. (2024). Mapping the Future: Revealing Habitat Preferences and Patterns of the Endangered Chilean Dolphin in Seno Skyring, Patagonia. Biology, 13(7):514.

14. Harati, S*; Perez, L; Molowny-Horas, R. (2024). Learning from conceptual models – a study of emergence of cooperation towards resource protection in a social-ecological system. Geoscientific Model Development, 17(20): 7423–7443

15. Mahdizadeh, N*; Perez, L; Coallier, N. (2024). Mapping Crop Types for Beekeepers Using Sentinel-2 Satellite Image Time Series: Five Essential Crops in the Pollination Services. Remote Sensing, 16(22):4425

16. Perez L, Sengupta R. (2024). Big Data (r)evolution in Geography: Complexity Modeling in the last two decades. Geography Compass, 18(11): e70009; https://doi.org/10.1111/gec3.70009

17. Seuru, S.*, Burke, A., & Perez, L. (2024). Evidence of an age and/or gender-based division of labor during the Last Glacial Maximum in Iberia through rabbit hunting. Journal of Archaeological Science: Reports, 56, 104560; https://doi.org/10.1016/j.jasrep.2024.104560

18. Cuellar, Y. A.*, Perez, L. (2023). Multitemporal modeling and simulation of the complex dynamics in urban wetlands: the case of Bogota, Colombia. Scientific Reports, 13, 9374; https://doi.org/10.1038/s41598-023-36600-8

19. Cuellar, Y. A.*, Perez, L., (2023). Assessing the accuracy of sensitivity analysis: an application for a cellular automata model of Bogota’s urban wetland changes. Geocarto International, 38:1, https://10.1080/10106049.2023.2186491

20. Mahdizadeh, N.*, Perez, L., (2023). Flood susceptible prediction through the use of geospatial variables and machine learning methods. Journal of Hydrology, 2022, 24(11), 129121; https://doi.org/10.1016/j.jhydrol.2023.129121 

21. Mahdizadeh, N.*, Perez, L., (2022). Geocomputational Approach to Simulate and Understand the Spatial Dynamics of COVID-19 Spread in the City of Montreal, QC, Canada. ISPRS International Journal of Geo-Information​, 2022, 11(12), 596; https://doi.org/10.3390/ijgi11120596

22. Mahdizadeh, N.*, Perez, L., (2022). Spatial Prediction of Current and Future Flood Susceptibility: Examining the Implications of Changing Climates on Flood Susceptibility Using Machine Learning Models. Entropy, 24(11), 1630; https://doi.org/10.3390/e24111630

23. Seuru, S., Burke, A., & Perez, L., (2021). Réflexions sur la proportion du lapin de garenne (Oryctolagus cuniculus) dans le régime alimentaire des chasseurs-cueilleurs autour du Dernier Maximum Glaciaire en Ibérie. Trabajos De Prehistoria, 78(2), 221–236; https://doi.org/10.3989/tp.2021.12273

24. Harati, S.*, Perez, L., Molowny-Horas, R., (2021). Promoting the Emergence of Behavior Norms in a Principal–Agent Problem—An Agent-Based Modeling Approach Using Reinforcement Learning. Applied Sciences, 11 (18), 8368; https://doi.org/10.3390/app11188368

25. Harati, S.*, Perez, L., Molowny-Horas, R. & Pontius, R. G., (2021). Validating models of one-way land change: an example case of forest insect disturbance. Landscape Ecology, 36, 2919–2935, https://doi.org/10.1007/s10980-021-01272-0

26. Katan, J.* and Perez, L., (2021). ABWiSE v1.0: Toward and Agent-Based Approach to Simulating Wildfire Spread. Natural Hazards and Earth System Sciences. 21 (10), 3141-3160, https://doi.org/10.5194/nhess-21-3141-2021 

27. Patel J., Katan, J.*, Perez, L., Sengupta, R., (2021). Transferring Decision Boundaries onto a Geographic Space: Agent-Rules Extracted from Movement Data using Classification Trees. Transactions in GIS, 25 (3), 1176-1192, https://doi.org/10.1111/tgis.12770

28. Gauvin-Bourdon, P., King, J., & Perez, L., (2021). Impacts of grazing on vegetation dynamics in a sediment transport complex model. Earth Surface Dynamics, 9 (1), 29-45, https://doi.org/10.5194/esurf-9-29-2021

29. Anderson, T., Leung, A., Perez, L., & Dragićević, S., (2021). Investigating the Effects of Panethnicity in Geospatial Models of Segregation. Applied Spatial Analysis and Policy, 14, 273-295, https://doi.org/10.1007/s12061-020-09355-2

30. Anderson, T., Leung, A., Dragicevic, S., & Perez, L., (2021). Modeling the geospatial dynamics of residential segregation in three Canadian cities: An agent‐based approach. Transactions in GIS, 25(2), 948-967, https://doi.org/10.1111/tgis.12712

31. Harati, S.*, Perez, L., & Molowny-Horas, R., (2020). Integrating Neighborhood Effect and Supervised Machine Learning Techniques to Model and Simulate Forest Insect Outbreaks in British Columbia, Canada. Forests, 11(11), 1215, https://doi.org/10.3390/f11111215.

32. Tiné, M.*, Perez, L., & Molowny-Horas, R., (2020). Modelagem das mudanças espaço-temporais de áreas úmidas: estudo de caso da Região Administrativa de Abitibi-Témiscamingue – Québec, Canadá. Revista Cartográfica, (101), 119-134, https://doi.org/10.35424/rcarto.v0i101.672.

33. Tiné, M.*, Perez, L., Molowny-Horas, R., (2019). Fundamentos teóricos de modelagem em Sistemas Complexos. Revista Contexto Geográfico, v. 4, n. 7:111– 120. (Lien vers l'article)

34. Perez L., Dragicevic S., Gaudreau J.*, (2019). A geospatial agent-based model of the spatial urban dynamics of immigrant population: A study of the island of Montreal, Canada. PLoS ONE, 14(7): e0219188, https://doi.org/10.1371/journal.pone.0219188.

35. Quesada-Ruiz, L.C.*, Perez, L. and Rodriguez-Galiano, V., (2019). Spatiotemporal analysis of the housing bubble's contribution to the proliferation of illegal landfills – The case of Gran Canaria. Science of the Total Environment, 687:104-117

36. Tiné, M.*, Perez, L., Molowny-Horas, R., Darveau, M.,(2019). Hybrid spatiotemporal simulation of future changes in open wetlands : A study of the Abitibi-Témiscamingue region, Québec, Canada. International Journal of Applied Earth Observations and Geoinformation, 74, 302–313

37. Gaudreau, J.*, Perez, L. and Harati, S*. (2018) Towards Modelling Future Trends of Quebec's Boreal Birds Distribution under Climate Change. ISPRS International Journal of Geo-Information, 7(9):335. (Lien vers l'article)

38. Gaudreau, J.*, Perez, L. and Drapeau, P. (2016) BorealFireSim: A GIS-based Cellular Automata Model of Wildfires for the Boreal Forest of Quebec in a Climate Change Paradigm. Ecological Informatics, 32:12-27. (Scopus)

39. Perez, L., Nelson, T.A., Coops, N.C., Fontana, F. and Drever, CR (2016) Characterization of spatial relationships between three remotely sensed indirect indicators of biodiversity and climate: a 21years' data series review across the Canadian boreal forest. International Journal of Digital Earth, 9(7):676-696. (Scopus)

1. Perez, L., (2026). How Immigrants Reshape Cities: Simulating Urban Diversity with Geospatial Agent-Based Modeling. GeoSpectives (McGill University), Montreal, Canada, February 16.

2. Perez, L., (2025). Agentes, algoritmos e identidad urbana: modelización de la dinámica de asentamiento de los inmigrantes. Viernes de Investigación (Instituto Geográfico Agustín Codazzi – IGAC), Bogotá, Colombia, July 11.

3. Perez, L., (2024). L'apprentissage automatique pour mieux comprendre l'impact de la mauvaise qualité de l'air sur l'augmentation de la mortalité des abeilles mellifères : Donnons une voix aux abeilles ! Les Lundis Biologiques (UdeM), Montreal, Canada, December 9.

4. Plunkett, G; Hintz, D; Kralidis, T; O’Rourke, B; Perez, L. (2024). The transformative role of industry in national geospatial strategy and spatial data infrastructure. OGC Canada Forum – Experts Panel, Montreal, Canada, June 17-18.

5. Kellett, N; Santana, M; Parkinson, W.; Perez, L. (2024). Leading with Data: Geomatics and Its Role in Climate Resilience. GeoIgnite 2024 - Scientific Panel, Ottawa, Canada, May 13-15.

6. Harati, S.*, Perez, L., &  Molowny-Horas, R. &Pontius Jr, R. G., (2021). Validation of Irreversible Spatially-Spreading Land Change Models – an Example of Forest Insect Infestations. International Association of Landscape Ecologists - North America (IALE-NA) 2021. Online. April 12-16.

7. Cuellar, Y. A.*, Perez, L., (2021). Modeling, Simulation and Spatial Dynamics Analysis in Urban Wetlands by Cellular Automata: a Case Study of Bogota city, Colombia. International Association of Landscape Ecologists - North America (IALE-NA) 2021. Online. April 12-16.

8. Harati, S.*, Perez, L., & Molowny-Horas, R. & Pontius Jr, R. G., (2021). Use of proximity as a baseline for comparison in validating models of irreversible land change. American Association of Geographers (AAG) 2021. Online. April -9.

9. Patel J., Katan, J.*, Perez, L., Sengupta, R., (2020). Transferring Decision Boundaries onto a Geographic Space: Agent-Rules Extracted from Movement Data using Classification Trees. IEEE VIS 2020 Workshop. Online. October 26th.

10. Quesada-Ruiz, L. C.*, Perez, L., Rodriguez-Galiano, V. and Aragones, D., (2020). Spatiotemporal analysis of the housing bubble's contribution to the proliferation of illegal landfills – The case of Gran Canaria. EGU General Assembly 2020. Online. May 4–8.

11. Harati, S.*, Perez, L., Molowny-Horas, R., (2020). Validation of a forest insect infestation model with the method of 3-map comparison at multiple resolutions. ESRI Canada Conference on GIS in Education and Research. Toronto, ON, Canada, March 4-5.

12. Katan, J.*, Perez, L., Sengupta, R., (2020). Harnessing Chaos: Using agent-based modelling to study the effects of poor decision-making during building evacuation. ESRI Canada Conference on GIS in Education and Research. Toronto, ON, Canada, March 4-5.

13. Perez, L., Dragicevic, S., (2019). The role of language in urban segregation: an agent-based model of the spatial dynamics of immigrants in Montreal, Canada. ABMUS2019: The 4th International Workshop on Agent-Based Modelling of Urban Systems, Montreal, QC, Canada, May 14.

14. Patel, J., Jones, B.*, Perez, L., Sengupta, R., (2019). Uncovering landscape desirability with classification trees. SKI 2019 - Spatial Knowledge and Information Canada, Banff, AB, Canada, February 21-24.

15. Sengupta, R., Perez, L., (2018). Big Data (r)evolution in ABM and Complexity Science. 10th International Conference on Geographic Information Science, Melbourne, VIC, Australia, August 28-31.