Identification of phytoplankton assemblages from space based on radiance and in-situ data analyses
Vers l’identification d’assemblages phytoplanctoniques depuis l’espace à travers le couplage innovant d’analyses des luminances et de données in-situ, perspectives pour l’étude des habitats et des réponses des assemblages
Résumé
Over the past years, a large number of new approaches in the domain of ocean color have been developed
to study phytoplankton ocean processes based on phytoplankton size classes and functional
types. One of these methods, named PHYSAT, currently allows for the qualitative identification
of five main phytoplankton groups from remote sensing measurements (Alvain et al., 2008). This
method established empirical relationships between in-situ dominant phytoplankton groups and
specific ocean color radiance anomalies in open ocean waters. These radiance anomalies are defined
by specific shape and amplitude according to the dominant phytoplancton group in waters. The
theoretical explanation of PHYSAT (Alvain et al., 2012) showed that radiance anomalies are induced
by a combination of inherent optical properties (absorption and backscattering coefficients,
absorption of colored dissolved organic matters). This study suggested that the empiric identification
of dominant cases represents an under-exploitation of the radiance anomalies. The work
presented here adresses the potential development of the PHYSAT method toward the empiric
identification of phytoplankton assemblages. A global ocean (based on biomarker pigments data)
and a regional sea’s (North Sea, based on CPR abundance data) applications are presented. Our
results show, for the first time, the ability of PHYSAT to identify phytoplankton assemblages using
empirical relationships with radiance anomalies, beyond the identification of dominance cases only.
This work was facilitated by the use of previous mathematical classification of radiance anomalies
in terms of shape and amplitude (using a self-organizing map, Ben Mustapha et al. (2014), coupled
with a new classification that take into account the phenology of radiance anomalies types.
This work emphasizes the potential of PHYSAT’s radiance anomalies when using new classification
tools, and detailed in-situ databases. Future directions are listed to understand the empirical
relationships observed in this work beyond the current theoretical knowledge.
L’identification des groupes phytoplanctoniques depuis l’espace présente un fort intérêt pour de
nombreux domaines de recherche en lien avec l’étude des océans. Afin de fournir des observations
attendues par la communauté scientifique, différentes approches ont été développées, et permettent
d’obtenir des informations en lien avec la taille ou des groupes fonctionnels de phytoplancton depuis
les mesures effectuées par des radiomètres à bord de satellites. Cette thèse a eu pour cadre le développement
d’une méthode initiée en 2005, nommée PHYSAT. Cette dernière est initialement basée
sur la mise en évidence de relations empiriques entre des anomalies de luminance et la présence d’un
groupe phytoplanctonique dominant. Alvain et al. (2008) ont ainsi permis l’identification de cinq
groupes phytoplanctoniques lorsqu’ils sont dominants, via la détermination empirique d’anomalies
de luminance dont les amplitudes et formes spectrales, aux longueurs d’ondes visibles des capteurs
de couleur de l’océan, sont spécifiques à la présence de ces groupes. Une étude théorique (Alvain
et al., 2012) a, par ailleurs, permis d’apporter une première explication théorique à la présence
de ces anomalies de luminance, en tenant compte des propriétés optiques inhérentes (coefficient
d’absorption, de rétrodiffusion et absorption des matières dissoutes colorées). Ces résultats théoriques
formulaient l’hypothèse que l’identification des cas de dominance uniquement représentait
une sous-utilisation du potentiel d’informations porté par les anomalies de luminance. Dans cette
thèse, nous avons donc évalué le potentiel de développement de la méthode PHYSAT au-delà de la
dominance, vers l’identification empirique d’assemblages phytoplanctoniques. Cela a nécessité, en
premier lieu, une adaptation de la chaîne de traitement de la méthode. En effet, les anomalies de
luminance étaient classées jusqu’à la dernière version (Ben Mustapha et al., 2014) uniquement à
l’aide d’une carte auto-organisatrice des caractéristiques spectrales (classification mathématique).
Cette approche ne prenait pas pleinement en compte les caractéristiques spatio-temporelles des anomalies.
Il a donc été proposé une nouvelle approche, plus adaptée, basée sur les outils issus de la
phénologie, associés à une approche innovante concernant l’analyse des données in-situ elle-même.
Ensuite, le potentiel de développement de PHYSAT vers l’identification empirique des assemblages
a été évalué dans une étude globale à partir de données de pigments biomarqueurs, ainsi que dans
une étude régionale en Mer du Nord, à partir des données CPR. Nos résultats montrent, pour la première
fois, la possibilité de détecter empiriquement des cas phytoplanctoniques mixtes, au-delà de
la dominance. Enfin, des pistes de recherche pour poursuivre la compréhension et le développement
de PHYSAT sont proposées.
Fichier principal
REVE-LAMARCHE-THESIS-VCORRECTED-05-2018_compressed.pdf (12.81 Mo)
Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...