Définition multivariée et multi-échelle d'états environnementaux par Machine Learning : caractérisation de la dynamique phytoplanctonique

Multivariate and multi-scale definition of environmental states by Machine Learning : characterization of phytoplankton dynamics

• Auteur / Autrice : Kelly Grassi
• Direction : Alain Lefebvre, Émilie Poisson, André Bigand
• Type : Thèse de doctorat
• Discipline(s) : Biologie de l'environnement, des populations, écologie
• Date : Soutenance le 19/11/2020
• Etablissement(s) : Littoral
• Ecole(s) doctorale(s) : École doctorale Sciences de la matière, du rayonnement et de l'environnement (Lille ; 1992-....)
• Partenaire(s) de recherche : Entreprise : WeatherForce (Toulouse, France)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, signal et image de la Côte d'Opale (Calais, Pas de Calais) - Laboratoire Environnement et Ressources (Boulogne-sur-Mer, Pas-de-Calais) - Laboratoire d'Informatique Signal et Image de la Côte d'Opale / LISIC
• Jury : Président / Présidente : François Cabestaing
• Jury : Examinateurs / Examinatrices : David Nérini, Véronique Creach, Pascal Claquin, Cédric Bacher
• Jury : Rapporteurs / Rapporteuses : David Nérini, Véronique Creach

Mots clés

Mots clés contrôlés

Écologie marine

Modèles écologiques

Apprentissage automatique

Lion, Golfe du (France)

Iroise, Mer d' (France)

Manche (mer)

Phytoplancton marin

Mots clés libres

Manche

Atlantique

Méditérranée

Phytoplancton

Nuisible

Bouée instrumentée

Machine Learning

Classification spectrale

English Channel

Atlantic

Mediterranean Sea

Phytoplankton

Harmful

High frequency

Buoy

Deep learning

Spectral clustering

Résumé

Les systèmes automatisés de mesures à haute fréquence (HF) déployés dans des écosystèmes contrastés sont censés permettre une meilleure compréhension de la dynamique de l'environnement (et du phytoplancton) en réponse aux pressions d'origine naturelle et anthropiques, ainsi que les effets directs et indirects des proliférations du phytoplancton nuisible pouvant conduire à des dysfonctionnements des écosystèmes. La compréhension de cette dynamique est également importante afin de proposer des indicateurs conformes aux objectifs des directives européennes et des conventions des mers régionales. Alors que les données basses fréquences (BF) continuent de livrer leurs secrets, la complexité des données HF (bases volumineuses, convexes, avec des données manquantes,...) rend leur exploitation difficile. Dans ce contexte, cette thèse a pour objectif de développer un système numérique Open Source basé sur plusieurs méthodes du Machine Learning. Ce système doit permettre (i) de définir des schémas de fonctionnement des efflorescences multi-sources et multi-échelles à partir de données multivariées, (ii) de disposer d'un système de prédiction et d'alerte, (iii) de pouvoir adapter en temps (quasi) réel les stratégies d'échantillonnage pour les besoins de l'Observation, de la Surveillance et de la Recherche. La mise en évidence d'états environnementaux favorables ou pas aux efflorescences algales permet de hiérarchiser les facteurs de contrôle et d'identifier des schémas de fonctionnements. Ainsi, cette thèse a été conduite en différentes phases. Tout d'abord, une étude exploratoire des différentes variables, sources et échelles de données et des sites d'études a permis de définit les spécificités de chaque environnement et d'appliquer une stratégie d'étude multicritères. Ensuite, une nouvelle méthode de classification adaptée aux problématiques écologiques et HF est développée : la Classification Spectrale Multi-Niveaux. Cette approche appliquée aux données de la station MAREL-Carnot (IR ILICO, SNO COAST-HF) a permis la description (au niveau biogéochimique et taxonomique) d'événements récurrents mais aussi extrêmes, dont la période peut être infra-hebdomadaire ou même horaire. En plus de la caractérisation par état, cette approche multicritères identifie des schémas relationnels (états pressions et réponses). Ainsi, elle met en évidence des schémas de succession des facteurs d'influences, et des communautés. Enfin, une comparaison des réponses du modèle de classification à d'autres bases de données (MAREL-Iroise et MesuRho) est présentée. Pour aller plus loin, la méthodologie proposée est étendue à la prédiction d'événements météorologiques à partir de réanalyses (prévisions ERA5) et à un cas d'étude spatialisé (campagne océanographique CGFS). Elle démontre des classes cohérentes avec les expertises et s'ouvre ainsi vers une variété d'applications.

Automatic observing high frequency (HF) systems should allow a better understanding of the environment dynamic (and phytoplankton) in response to natural and anthropogenic pressures, as well as direct and indirect effects of phytoplankton blooms, leading to ecosystem dysfunctions. Improving knowledges is important in order to propose indicators consistent with the aims of the European directives and regional seas conventions. While low frequency (LF) data are widely used, processing HF data is a difficult task, due to their complexity (heavy, non linear, missing, etc...). In this context, the aim of this thesis is to propose an open source numeric system that should be able to (i) define multi-scale efflorescence functioning patterns from multivariate and multi-source data, (ii) have a forecasting and warning system, (iii) adapt in near real time the sampling strategies for the Observation, Monitoring and Research needs. Therefore, this thesis was divided in different steps. First of all, a study of the different available databases on each study sites allows defining a multi-criteria study strategy. Then, a new non-supervised clustering method, enabling environmental states labelling, was developed : the Multi-Level Spectral Clustering. The detection of environmental states allows the classification and comparison of blooms controlling factors and the identification of functioning patterns. This multi-criteria method, applied to data from the instrumented station MAREL-Carnot, leads to the biogeochemical and taxonomic description of recursive and extreme events. Moreover, it detects temporally structured relational patterns (pressures and responses) and highlights successive patterns of influencing factors, and communities. These states provide a learning base allowing the development of a learning model, through supervised classification methods, in order to analyze and predict these states. Thus, a semi-supervised approach, coupling a multi-level spectral clustering (unsupervised) and a classification method (supervised) is proposed. A comparison of the responses from the supervised classification model to other databases (MAREL-Iroise and MesuRho) is presented. Furthermore, this method is applied to the prediction of meteorological events, based on reanalyzes (ERA5 predictions) and a spatialized case sutdy (CGFS oceanographic campaign). It demonstrates clusters consistent with the expertise and opens up to a variety of applications.