Oui c’est possible! Notre laboratoire travaille au développement d’algorithmes visant à détecter les macroalgues flottantes à partir de l’espace. Loic et Rakesh ont présenté des résultats préliminaires lors du congrès d’Arctic Change 2020.
Les algues sont cultivées ou récoltée pour être directement utilisée comme source de nourriture ou pour d’autres applications industrielles tel l’énergie (biogaz), la pharmaceutique et les cosmétiques. Les algues flottantes agissent comme des radeaux qui transportent des invertébrés, maintenant la diversité. Elles jouent de plus un rôle potentiellement significatif dans l’exportation du carbone organique des zones côtières vers les zones plus profondes de l’océan. Ces caractéristiques font qu’il est essentiel de les suivre et les évaluer pour une utilisation optimale ansi que pour avoir une meilleure connaissance de leur distribution le long de la côte. Par contre, compte tenue de leur nature dynamique et leur petite taille, il est difficile de les détecter à partir de capteurs satellites. Les nouvelles technologies de capteur à haute résolution comprennent des bandes multispectrales tel que le Multi-Spectral Instrument (MSI) à bord de Sentinel-2 peut nous permettre de détecter ces algues à partir d’images satellitaires. La présence d’une algue flottante dans un pixel va changer la forme et la magnitude de la reflectance (Rrs) près du point d’inflexion rouge (red-edge; 600 – 800 nm). Le présent travail vise à utiliser des technique d’apprentissage automatisé (machine learning technique, MLT) pour identifier les pixels susceptibles de contenir des algues flottantes. Les algorithmes MLT ont été entrainés en utilisant des Rrs et des concentrations de chlorophylle-a comme intrants pour identifier des algues flottantes basé sur l’inspection visuelle d’images libres de nuages de la région de l’île d’Anticosti dans le Golfe du Saint-Laurent. L’algorithme a été testé dans l’arctique canadien à Resolute Bay. Les résultats préliminaires démontrent que le MLT peut être utilisé pour détecter les algues flottantes et permettre d’identifier de potentiels sites de production. Par contre, la présence de glace de mer peut mener à des erreurs et nécessiter des ajustements au modèle.
Ce travail sera approfondi et appliqué dans notre plus récent projet Algae-WISE.
Pour télécharger le poster sur ResearchGate
