Distribution du plancton à diverses échelles : apport de l'intelligence artificielle pour l'écologie planctonique

Plankton distribution across scales : contributions from artificial intelligence to plankton ecology

• Auteur / Autrice : Thelma Panaïotis
• Direction : Jean-Olivier Irisson
• Type : Thèse de doctorat
• Discipline(s) : Sciences du climat, de l'atmosphère et des océans, terrestres et planétaire
• Date : Soutenance le 06/04/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Sciences de l'environnement d'Île-de-France (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'océanographie de Villefranche (Alpes-Maritimes ; 2001-....)
• Jury : Président / Présidente : Louis Legendre
• Jury : Examinateurs / Examinatrices : Marina Lévy, Lee Karp-Boss
• Jury : Rapporteur / Rapporteuse : Francesco Pomati, Emmanuel Boss

Mots clés

Mots clés contrôlés

Distribution géographique

Zooplancton marin

Intelligence artificielle

Reconnaissance des formes (informatique)

Mots clés libres

Imagerie

Plancton

Intelligence artificielle

Imagery

Plankton

Artificial intelligence

Résumé

En tant que base des réseaux trophiques océaniques et élément clé de la pompe à carbone biologique, les organismes planctoniques jouent un rôle majeur dans les océans. Cependant, leur distribution à petite échelle, régie par les interactions biotiques entre organismes et les interactions avec les propriétés physico-chimiques des masses d'eau de leur environnement immédiat, est mal décrite in situ, en raison du manque d'outils d'observation adaptés. De nouveaux instruments d'imagerie in situ à haute résolution, combinés à des algorithmes d'apprentissage automatique pour traiter la grande quantité de données collectées, nous permettent aujourd'hui d'aborder ces échelles. La première partie de ce travail se concentre sur le développement méthodologique de deux pipelines automatisés basés sur l'intelligence artificielle. Ces pipelines ont permis de détecter efficacement les organismes planctoniques au sein des images brutes, et de les classer en catégories taxonomiques ou morphologiques. Dans une deuxième partie, des outils d'écologie numérique ont été appliqués pour étudier la distribution du plancton à différentes échelles, en utilisant trois jeux de données d'imagerie in situ. Tout d'abord, nous avons mis en évidence un lien entre les communautés planctoniques et les conditions environnementales à l'échelle globale. Ensuite, nous avons décrit la distribution du plancton et des particules à travers un front de méso-échelle, et mis en évidence des périodes contrastées pendant le bloom de printemps. Enfin, grâce aux données d'imagerie in situ à haute fréquence, nous avons étudié la distribution à fine échelle et la position préférentielle d’organismes appartement au groupe des Rhizaria, des protistes fragiles et peu étudiés, dont certains sont mixotrophes. Dans l’ensemble, ce travail démontre l'efficacité de l'imagerie in situ combinée à des approches d’intelligence artificielle pour comprendre les interactions biophysiques dans le plancton et les conséquences sur sa distribution à petite échelle.

As the basis of oceanic food webs and a key component of the biological carbon pump, planktonic organisms play major roles in the oceans. However, their small-scale distribution − governed by biotic interactions between organisms and interactions with the physico-chemical properties of the water masses in their immediate environment − are poorly described in situ due to the lack of suitable observation tools. New instruments performing high resolution imaging in situ in combination with machine learning algorithms to process the large amount of collected data now allows us to address these scales. The first part of this work focuses on the methodological development of two automated pipelines based on artificial intelligence. These pipelines allowed to efficiently detect planktonic organisms within raw images, and classify them into taxonomical or morphological categories. Then, in a second part, numerical ecology tools have been applied to study plankton distribution at different scales, using three different in situ imaging datasets. First, we investigated the link between plankton community and environmental conditions at the global scale. Then, we resolved plankton and particle distribution across a mesoscale front, and highlighted contrasted periods during the spring bloom. Finally, leveraging high frequency in situ imaging data, we investigated the fine-scale distribution and preferential position of Rhizaria, a group of understudied, fragile protists, some of which are mixotrophic. Overall, these studies demonstrate the effectiveness of in situ imaging combined with artificial intelligence to understand biophysical interactions in plankton and distribution patterns at small-scale.