Le Bureau des Études Doctorales a le plaisir de vous informer que
Madame Léa SCHAMBERGER
Doctorante au laboratoire LIS rattaché à l’École Doctorale 548 « Mer & Sciences » (France)
soutiendra sa thèse en vue de l’obtention du Grade de Docteur
sous la direction de
Mme Audrey MINGHELLI Professeure des Universités, Université de Toulon (France), Directrice de thèse
Discipline : Sciences de l’Univers
sur le thème
« Détermination et analyse de la distribution spatio-temporelle de l’espèce invasive “Sargasses” par télédétection spatiale »
jeudi 12 octobre 2023 à 14h00
A l’Université de Toulon – Campus La Garde Bâtiment M – Amphi M.01
devant un jury composé de :
M. Rodolphe MARION, Directeur de Recherche, CEA (France), Rapporteur
M. Victor MARTINEZ-VICENTE, Directeur de Recherche, Plymouth Marine Laboratory (Royaume-Uni), Rapporteur
M. Benoit BEGUET, Docteur, I-Sea (France), Examinateur
M. Malik CHAMI, Professeur des Universités, Université Paris 4 (France), Examinateur
Mme Héloïse LAVIGNE, Docteure, Institut Royal Sciences Naturelles (Belgique), Examinatrice
Mme Audrey MINGHELLI, Professeure des Universités, Université de Toulon (France), Directrice de thèse
Résumé :
Les échouements de l’algue invasive Sargasse ont fortement augmenté dans les Caraïbes durant la dernière décennie. L’indice algal Maximum Chlorophyll Index (MCI) qui avait a été développé pour détecter la présence de Sargasses dans les images satellites Sentinel-3/OLCI, se révèle inefficace quand les Sargasses sont immergées. Dans cette étude, le modèle de transfert radiatif développé par Lee et al., 1998 a été adapté pour détecter les Sargasses dans les courtes longueurs d’onde quand elles sont immergées. Pour utiliser ce modèle, une méthode de correction atmosphérique valide en présence de Sargasses a été développée. Puis l’inversion du modèle a permis d’obtenir la couverture et la profondeur des Sargasses à partir des réflectances OLCI. Pour accélérer le temps de calcul, un réseau de neurones a été mis en place utilisant le modèle de transfert radiatif direct pour l’apprentissage. La méthode proposée permet de détecter 30% de de couverture en Sargasses supplémentaire par rapport à l’indice algal. L’analyse temporelle de l’année 2021 montre une augmentation des surfaces de Sargasses par rapport à l’indice algal pour toute les scènes étudiées.
Mots-clés : Sargasses, Télédétection, Couleur de l’eau.
Determination and analysis of the spatial and temporal distribution of the Sargassum species using remote sensing techniques
Abstract
Sargassum is an invasive species of algae and its strandings have strongly increased in the Caribbean Sea in the last decade. The Maximum Chlorophyll Index (MCI) developed to detect the Sargassum occurrences in Sentinel-3/OLCI data is inefficient when Sargassum are immersed. In this study, the radiative transfer model developed by Lee et al., 1998 is adapted to consider immersed Sargassum using short spectral wavebands. The model requires the application of an atmospheric correction efficient even in presence of Sargassum and such method was also developed in this study. The adapted model was then inverted to retrieve the coverage and depth of Sargassum using OLCI data. A neural network was implemented to speed up the processing time of the inversion and it was trained using data simulated by the direct radiative transfer model. The proposed methodology retrieves more than 30% more Sargassum coverage compared to the MCI method on a study area. The time analysis of the Sargassum coverage in 2021 showed more detections when using the proposed methodology compared to the MCI method.
Keywords: Sargassum, remote sensing, ocean color.
