Développement d’une approche de suivi des fleurs d’eau d’algues à l’aide de l’imagerie désagrégée du capteur MODIS, adaptée aux lacs du Québec méridional.
Notice bibliographique
Résumé
La transcription des symboles et des caractères spéciaux utilisés dans la version originale de \nce résumé n’a pas été possible en raison de limitations techniques. La version correcte de ce \nrésumé peut être lue en PDF. L’occurrence et l’intensité de l’extension des fleurs d'eau d'algues et/ou de \ncyanobactéries (FEA) ont connu un développement important au cours des dernières \nannées dans les plans d’eau douce partout sur la planète. Bien que ces \nmicroorganismes aient toujours fait partie intégrante des écosystèmes aquatiques, leur \nprolifération reflète un état avancé d’eutrophisation et causent divers dommages variant \nd'une simple perturbation à un débalancement plus sérieux et une réduction des \nservices rendus par ces écosystèmes. Le moyen le plus utilisé actuellement pour \ndétecter la présence des FEA est l’échantillonnage in situ. Toutefois, ce processus de \nsurveillance, laborieux et coûteux, demeure limité dans le temps et dans l’espace. Par \nsa vision synoptique, la télédétection satellite s'avère être un outil intéressant pour \nfournir la couverture spatiale et la fréquence temporelle nécessaire pour suivre et mieux \ncomprendre les facteurs de contrôle des FEA. L'activité bio-optique de la chlorophylle-a \n(Chl-a), pigment principal des algues et des cyanobactéries, est caractérisée par une \nsignature spectrale typique détectable par les capteurs satellitaires. L’objectif de cette \nétude était de développer une approche satellitaire d’estimation de la concentration en \nChl-a adaptée aux lacs du Québec méridional permettant la surveillance en temps \nquasi réel de la dynamique spatiale des FEA, via l’imagerie du capteur MODIS \n(Moderate Resolution Imaging Spectroradiometer) désagrégée à 250 mètres de \nrésolution spatiale. L’étude a permis de mettre en évidence que : 1) les 7 premières \nbandes désagrégées du capteur MODIS, non-conçues initialement pour l'étude des \npropriétés de l’eau, ont la capacité de détecter les FEA dans les eaux douces avec un \nniveau de précision satisfaisant, en particulier pour les eaux fortement chargées en \nChl-a (R2 jusqu'à 0.93) ; 2) les modèles standards (Gitelson, FAI (floating algae index), \nKahru et APPEL (APProach by ELimination)), lorsqu’ils sont appliqués sur les images \nMODIS désagrégées, ne permettent pas de produire des estimations précises de la \nconcentration en Chl-a (R2 jusqu'à 0.11) durant la phase d'initiation des FEA (‹ 50 mg \nChl-a m-3) ; 3) la détermination a priori de la classe de concentration en Chl-a d'un pixel \ndonné augmente significativement la précision des estimations, non seulement pour les \nfortes concentrations (R2 = 0.96) mais aussi durant la phase d'initiation des FEA \n(R2 = 0.56) et 4) l’utilisation des méthodes d'ensemble permet d’améliorer la qualité et la \nrobustesse des estimations quelle que soit la charge en Chl-a (R2 = 0.98 pour les fortes \nfloraison et R2 = 0.77 durant leur d’initialisation) tout en fournissant un niveau \nd’incertitude sur l’estimation. En effet, tout processus de modélisation est une \nsimplification de la réalité et est porteur d’erreurs, le contrôle de ces erreurs ainsi que \nleur prise en considération par les méthodes d'ensemble lors de l’estimation finale de la \nconcentration en Chl-a ont significativement amélioré la qualité de la modélisation des \nFEA, particulièrement durant leur phase d’initiation. Le développement d’une telle \napproche se veut complémentaire aux méthodes standards de suivi puisqu’elle permet \nd’identifier les plans d'eau affichant des charges chlorophylliennes problématiques sur \nun territoire aussi étendu que le Québec méridional (les images MODIS couvrent une \nscène de plus de 23,300 km2). De plus, l’automatisation de cette approche, pour des \nfins opérationnelles, permettra aux intervenants de suivre quotidiennement la \ndynamique spatiale des FEA, et ce en temps quasi réel puisque les images MODIS \nsont disponibles en ligne environ deux heures après leur acquisition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».