Approche intégrée pour la prévision opérationnelle d'échouements de Sargasses – SargAlert

Des méthodes de calcul l'indices, d'inversion de modèles radiatifs et d'apprentissage profond (IA) sont appliqués à des donnée satellitaires corrigée du transfert atmosphérique (VIIRS, OLCI, MSI, ABI, MODIS) pour détecter et quantifier la présence de radeaux de Sargasses, afin d'en déduire des surfaces et des biomasses.

Les vitesses et directions des radeaux sont obtenus à partir des cartes d’indices algaux obtenues avec 3 heures d’intervalle dans la journée et en utilisant des méthodes de suivi de points clef ou de flot optique.

Pour valider les mesures obtenues par satellite, une campagne de terrain a été réalisée du 24 juin au 4 juillet 2024 en Martinique pour 1) mesurer la vitesse des radeaux (en utilisant des balises SPOT), 2) mesurer la réflectance spectrale des Sargasses (à l’aide d’un spectromètre de terrain), 3) mesurer la profondeur des radeaux (en utilisant des images sous-marines), 4) mesures la biomasse des Sargasses correspondant à une surface (en pesant les échantillons de 1m²) et 5) en mesurant la couverture des radeaux (à l’aide d’images aériennes).

Des interviews d'acteurs locaux (communes, pêcheurs, préfecture, ministère de la mer, collecteurs de Sargasses pour la valorisation...), en Martinique sont menés pour bien comprendre leur besoin en matières de bulletins. A partir des cartes de fraction de couverture, des nouveaux indicateurs quantitatifs de présence de Sargasses et d'évolution sont développés dans des zones ciblées.

Une archive de données satellitale sur 3 ans sur la mer des Caraïbes et l’océan Atlantique est en cours de développement (OLCI, MSI, MODIS) qui sera accessible via un serveur Web pour l’exploitation des données et le développement d’algorithmes. Des produits de détection de radeaux, d’indices algaux (type dAFAI) et de fractions de couvertures (pour en déduire des surfaces et des biomasses) sont déjà disponibles, obtenus à partir d’images MODIS, OLCI et MSI, et des méthodes d’inversion de modèles radiatifs ou d’apprentissage profond (intelligence artificielle).

La comparaison des vitesses d'agrégation de sargasses obtenues à partir de données satellite (MODIS et GOES) avec des dériveurs co-occurents a prouvé la fiabilité des méthodes de points clef et de flot optique.

Une application de science participative a été développée sous forme d'application smartphone pour permettre d'enregistrer des observations qui serviront à valider les cartes de détection obtenues par images satellite. Ces données seront également visualisables sur un site internet dédié.

Ces nouveaux indicateurs d’activité et d'évolution ont été intégrés dans le bulletin que Météo-France publie tous les 3 jours, pour indiquer les tendances à deux semaines.

L'archive de données satellitaires doit être complétée avec les données VIIRS et géostationnaires GOES. Cette archive sera accessible via un serveur web pour le développement d'algorithmes et l'exploitation des données.

La méthode d'estimation des vitesses des radeaux va maintenant être étendue à toutes les détections satellitaires possibles à quelques heures d’intervalle. Ces vitesses seront ensuite intégrées dans des modèles de transport pour prévoir le lieu et les dates d’échouements.

L'analyse des interviews des acteur locaux va permettre de mettre au point et diffuser des bulletins spécifiques à chaque utilisateur.

Laval, M., Belmouhcine, A., Courtrai, L., Descloitres, J., Salazar-Garibay, A., Schamberger, L., Minghelli A. Thibaut T., Dorville R., Mazoyer C., Zongo P., & Chevalier, C. (2023). Detection of Sargassum from Sentinel Satellite Sensors Using Deep Learning Approach. Remote Sensing, 15(4), 1104 [link]

Podlejski, W., Berline, L., Nerini, D., Doglioli, A., & Lett, C. (2023). A new Sargassum drift model derived from features tracking in MODIS images. Marine Pollution Bulletin, 188, 114629

L’objectif du projet SargAlert est d'améliorer la prévision des échouements de l’espèce invasive d’algues Sargasses dans l’Océan Atlantique tropical, la Mer des Caraïbes et sur les côtes du Brésil, par synergie entre données satellitaires/ modélisation du transport / mesures biologiques in-situ. SargAlert proposera des bulletins d’alerte destinés aux utilisateurs finaux (e.g., collectivités territoriales, touristes ou pêcheurs) et relèvera les défis scientifiques suivants :
- la détection et le suivi des sargasses à différentes échelles de temps (heure à journée) et d’espace (20m à 5km) à travers l’analyse de données satellitaires multi-capteurs (orbites basses ou géostationnaires),
- l’amélioration de la prévision des échouements de sargasses en combinant modélisation hydrodynamique et intelligence artificielle,
- la validation des produits satellitaires et des modèles de prévisions d'échouements à travers l’acquisition de mesures in situ,
- la production de bulletins d'alerte pour répondre aux enjeux socio-économiques.

Les développements innovants permettront d’obtenir une approche intégrée de la problématique d’échouement des Sargasses incluant la synergie de données satellitaires, la compréhension de la distribution spatio-temporelle des sargasses et la prévision de leur transport. L'amélioration de nos capacités de modélisation de leur dynamique et de leur prévision d'échouement bénéficiera à la société civile pour faire face à leur prolifération croissante observée dans l’océan Atlantique tropical. Ce projet fournira au centre de prévision opérationnel les éléments nécessaires pour prédire les échouements en temps quasi réel avec une performance améliorée.

Ce projet fédérateur implique des partenaires interdisciplinaires incluant des laboratoires académiques de sciences et sciences humaines (AEM, IRISA, LATMOS, LC2S, LIS, Marbec, MIO, UFPE/UFRPE), un centre opérationnel de prévision (Météo-France) et un pôle national de données et de services (AERIS/ICARE).