5. Systèmes d’observation à long terme pour la connaissance de l’océan

Contacts : Jean-Philippe Babau, Christophe Delacourt, Lucie Cocquempot

Cadre scientifique

Les technologies d’observation des océans sont en constante évolution, tout comme la façon dont nous traitons et exploitons les données. Nous sommes actuellement confrontés à une augmentation de deux ou trois ordres de grandeur du flux de données provenant de missions effectuées par des robots sous-marin autonomes (AUV) ou de satellites (par exemple, le satellite Sentinelle de la constellation Copernicus a livré 2,5 pétaoctets de données en seulement un an de service) et les données biologiques et génétiques augmentent de manière exponentielle.

Pour garantir des bénéfices scientifiques rapides, il est essentiel d’être conscient du potentiel de ces technologies et ainsi anticiper les nouveaux développements en matière de capteurs et de traitements des données au travers de stratégies expérimentales d’avant-garde.

De l’échelle de l’océan mondial aux domaines côtiers, un objectif majeur est de réduire les écarts d’échantillonnage et de mieux révéler les interactions entre les composantes physiques, biologiques et écologiques.

Objectifs spécifiques

Ce thème abordera cinq objectifs spécifiques :

• l’élaboration de nouvelles technologies et de stratégies de surveillance des composantes océaniques non-résolues, en particulier les variables chimiques, biologiques et écologiques, grâce à la mise au point de nouveaux capteurs intégrés (taxonomie, génomique, acoustique, etc.) et de méthodologies de repérage intercapteurs ;
• l’élaboration de nouvelles technologies et de stratégies de surveillance pour l’étude des variations de la couverture terrestre/usage des terres sur les zones côtières dans différentes conditions environnementales dans un contexte de changement climatique. Évaluer les approches existantes et nouvelles en analyse de données satellites (ex. fusion de données hétérogènes et « analytique des zones côtières ») pour la classification, segmentation, régression et « machine learning » utilisant des sujets et exemples précis ;
• la conception et la mise en œuvre d’observatoires intégrés (ex. qualité de l’eau, environnement physique, chimique et géologique, biodiversité, pressions humaines), en mettant l’accent sur l’inférence des tendances climatiques et l’étude des événements extrêmes ;
• l’extraction, la reconstruction, la prévision et l’émulation des variables essentielles océaniques (EOVs) physiques, chimiques, biologiques, géologiques et écologiques à partir de flux de données océaniques multi-sources afin de découvrir les interactions locales et distantes à court terme et à l’échelle climatique, en mettant l’accent sur des stratégies couplées de données et de modèles, pour des applications en océanographie opérationnelle et pour la recherche ;
• la conception et la mise en œuvre de moyens de gestion et de diffusion des données pertinentes sur le plan thématique afin de favoriser l’accès et l’exploitation de données marines multi-sources pour la diffusion des connaissances et la création de nouveaux services à haute valeur ajoutée.

(C) Sébastien Hervé | UBO