Aller au contenu principal

Pour la première fois, dans le cadre d’une collaboration internationale, une équipe de recherche du Laboratoire d’Océanographie de Villefranche sur Mer (LOV, Sorbonne Université/CNRS) a rassemblé un immense jeu de données sur le zooplancton acquis par des caméras sous-marines à l’échelle globale. Son analyse (1) a permis de modéliser la composition et la biomasse océanique du zooplancton. Les estimations montrent des valeurs de biomasse maximales dans les zones productives équatoriales, tempérées et polaires, ainsi que des valeurs minimales au niveau des déserts océaniques. Les résultats de cette étude ont été publiés dans Frontiers of Marine Science le 9 août 2022.

Le plancton constitue l’ensemble des organismes vivants à la dérive dans les compartiments aquatiques et marins du globe terrestre. Il est extrêmement diversifié et joue un rôle central dans les chaînes trophiques marines et les cycles géochimiques. Ces organismes peuplent toute la colonne d’eau et sont fondamentaux à nos sociétés car ils apportent d’importants services écosystémiques tels que la pêche et la séquestration du carbone. Il est primordial de pouvoir quantifier rapidement leur diversité et leur biomasse dans les océans.

Si les satellites peuvent observer le plancton autotrophe (2) à l’échelle globale, ils ne peuvent le faire que dans les premiers mètres de surface. Quant aux navires d’expédition, ils peuvent obtenir des données en profondeur mais uniquement localement. De plus, le traitement des échantillons ramenés à bord est souvent long et fastidieux. La biomasse globale du zooplancton est ainsi très mal connue.

Récemment, des chercheuses et chercheurs du LOV ont développé et commercialisé une caméra numérique sous-marine dont l’utilisation par des dizaines de collègues internationaux (3) a déjà permis d’obtenir une observation globale du zooplancton entre 1 et 50 mm dans les océans mondiaux sur plus de 3 500 sites. Des algorithmes de reconnaissance utilisant l’intelligence artificielle ont pu identifier des millions d’images considérant la biomasse de 30 catégories de macro-plancton.

En utilisant des algorithmes de Machine Learning, l’équipe de recherche a associé les conditions environnementales (température, salinité, nutriments et oxygène…) à la biomasse en carbone estimée des organismes afin de prédire globalement les biomasses de ces catégories de plancton. Les sorties de modèles estiment la biomasse a minima à 0.403 gigatonne de carbone entre 0 et 500 m de profondeur soit du même ordre de grandeur que l’ensemble des poissons dans l'océan (Bar-on et al., 2018).

Les cartes d’estimation de biomasse planctonique montrent la distribution spatiale des organismes en fonction des conditions environnementales (température, salinité...) et peuvent désormais servir à la modélisation du climat ou à la quantification des ressources pour les poissons. Ces cartographies permettent également d’évaluer, pour la première fois, la biomasse du plancton à partir de millions d’images collectées dans les océans.

Le LOV équipe désormais ses flotteurs autonomes de cette technologie d’imagerie afin d’obtenir des informations dans des régions océaniques où les bateaux naviguent rarement. Un déploiement international de ces caméras sur des flottes de robots sous-marins autonomes est attendu dans le cadre de l’observation (4) supportée par les Nations Unies.

 

© SORBONNE UNIVERSITE - CNRS

Légende : Schéma récapitulatif de la méthodologie - 1) Acquisitions d’images de plancton et de particules en utilisant l’Underwater Vision Profiler 5 (UVP5, Picheral et al., 2010). 2) Classification de ces images en différents groupes taxonomiques et sélection du groupe d’intérêt (ici des copépodes). 3) Calcul de la biomasse pour ce groupe planctonique pour chaque profil vertical réalisé par l’UVP5. 4) Récupération de variables environnementales dans des bases de données scientifiques internationales (WOA, Copernicus, NOAA). 5) Réalisation et utilisation de modèles d’habitat, des outils d'apprentissage automatique pour estimer l'abondance d'un groupe taxonomique à un endroit non observé. Pour cela, nous utilisons la relation entre le groupe d’intérêt et les conditions environnementales pour estimer sa répartition mondiale. Nous obtenons ainsi deux sorties de modèles : la variation de la biomasse en fonction des variables environnementales et une carte globale de biomasse prédite.

 

Communiqué de Sorbonne Université et du CNRS, 08/09/22

Référence :

Global Distribution of Zooplankton Biomass Estimated by In Situ Imaging and Machine Learning, Laetitia Drago, Thelma Panaïotis, Jean-Olivier Irisson, Marcel Babin, Tristan Biard, François Carlotti, Laurent Coppola, Lionel Guidi, Helena Hauss, Lee Karp-Boss, Fabien Lombard, Andrew M. P McDonnell, Marc Picheral, Andreas Rogge, Anya M. Waite, Lars Stemmann and Rainer Kiko, Front. Mar. Sci., 09 August 2022 Sec. Ocean Observation 

(1) Faite dans le cadre de la thèse de Laetitia Drago au LOV.

(2) Le plancton autotrophe désigne les organismes planctoniques capables d’utiliser la lumière et les nutriments de l’eau pour transformer le CO2 en biomasse par le processus de photosynthèse.

(3) En France ces travaux ont impliqué des scientifiques du laboratoire Takuvik (CNRS/Université Laval), du Laboratoire d'océanologie et de géosciences (CNRS/Université de Lille/Université du Littoral-Côte d'Opale), de l’Institut méditerranéen d'océanologie (CNRS/IRD/Aix-Marseille Université/Université de Toulon), de l’observatoire Stations marines (CNRS/Sorbonne Université)  

(4) Le projet Biogeochemical-Argo (BGC-Argo) soutient la contribution française à la mise en place du réseau global de flotteurs-profileurs biogéochimiques du programme international BGC-Argo, dont le plan scientifique et d’implémentation a été publié en 2016.

 

Aller plus loin

Rubriques
Science et Environnement
Dossiers
Alliance Sorbonne Université