Méthodes et outils numériques innovants pour l'exploitation des données d'observation (haute et basse fréquences) du milieu marin

La forte variabilité du milieu marin est un facteur clés de l’évolution de la dynamique phytoplanctonique. Ainsi, une des explications de la connaissance imparfaite de cette dynamique est la difficulté à effectuer des observations régulières de cet environnement aux variations rapides et des phénomènes associés. La compréhension générale de la dynamique du phytoplancton (caractéristiques saisonnières et pluriannuelles en réponse à différents types de forçages) commence à être mieux comprise.  De plus, ces dernières années l’observation de ce milieu a considérablement évolué avec un recourt à des systèmes automatisés de mesures à haute fréquence (HF).  Toutefois, le rôle et l’impact de forçages plus spécifiques sur cette dynamique ne sont que partiellement abordés faute de méthodes numériques adaptées, optimisées. Afin d’extraire la quantité maximale d’information de ces données HF, une architecture de classification multi-niveau par approche spectrale a été développée. Les tests préliminaires effectués sur un jeu de données simulées et étiquetées manuellement montrent que la méthode s’avère globalement plus puissante que les méthodes habituellement utilisées. Après validation, la méthode a été appliquée sur un jeu de données de la station MAREL Carnot (Boulogne-sur-mer) issu du réseau de Mesures Automatisées en Réseau pour l’Environnement Littoral (MAREL) (fig. 1).  Alors que les premiers niveaux de classification permettent de retrouver les grandes phases du développement du phytoplancton et même d’identifier automatiquement des défaillances de capteurs, les niveaux supérieurs correspondent davantage à des événements extrêmes (courte durée, amplitude exceptionnelle). Ce genre d’approche laisse présager une capacité renforcée à mieux comprendre les relations pressions/impacts donc à améliorer la prédiction de certains événements comme les efflorescences nuisibles du phytoplancton (HAB).