EcoTaxa 2.0 :

EcoTaxa est une application web dédiée à l’exploration visuelle et l’annotation taxinomique des images issues d’appareil d’imagerie quantitative et qualitative du plancton (UVP, ZooScan, Flowcam…). Un taxon est défini comme une entité constitutionnelle permettant de classer un organisme ou un ensemble d’organismes vivants dans un groupe bien défini. Les organismes d’un même taxon sont regroupés selon des caractères taxinomiques ou diagnostiques (qui ressemble le plus à qui) bien définis, le plus souvent selon des critères phylogénétiques (qui est le plus proche « parent » de qui).

a. Obtention des données :

Les images une fois acquises sont enregistrées sur une banque de données, dans laquelle chaque image est associée à un ensemble de métadonnées sur l’échantillon (Nom de la campagne, projet, longitude, latitude, profondeur, date d’acquisition…) ainsi que des métadonnées sur l’image elle-même (nombre de pixels, aire de l’objet, échelle de pixel, dimensions fractales…). La base de données EcoTaxa, ainsi que le module EcoPart permettent d’explorer les banques d’images de manière libre pour les projets sans accès restreint (eg : Tara Oceans Project 2009-2013,

CASSIOPEE Project 2015, UAF Project 2015, GOA Project 2015, SARGASSO Project 2014…) et d’en exporter les données (Figure 4.4).

Figure 4.4 : Ensemble des points dans lesquels des prélevements d’imagerie quantitative de particule ont été réalisés. Les points

verts correspondent à des stations dont les fichiers sont librement téléchargeables. Les points oranges correspondent à des stations dont les fichiers contiennent des données manquantes ou cachées. Les points rouges correspondent à des profils dont seules les donnée hydrographiques (CTD et particules totales exportés) sont disponibles.

b. Taxinomie du zooplancton par apprentissage:

Le “deep learning”, “data learning” ou “machine learning” est défini comme un ensemble de méthodes d’apprentissage automatique pouvant interpréter ou modéliser avec un haut niveau de précision des données. Dans notre cas, un tri dans des catégories de particules basées sur la reconnaissance de la forme des objets, leurs tailles et leurs transparences (niveau de gris). Un travail collaboratif dans l’identification des taxons d’organismes planctoniques par une communautée d’expert contribue à enrichir la reconnaissance automatique des images par le logiciel.

Ainsi, l’identification des objets photographiés par l’UVP5 se fait de manière quasiment automatique sur EcoTaxa, l’ayant droit sur le projet doit alors valider les objets qui ont été classés

dans les bonnes catégories. Plus il y a d’objets assignés à une catégorie, mieux le logiciel reconnaît la forme et arrive donc à la discriminer d’une autre forme (Figure 4.5).

Figure 4.5 : Exemple d’images acquises par l’UVP5.

4. Préambule

Nous avons vu dans le Chapitre II, que les limitations en nutriment qui surviennent en fin d'efflorescence, ou bien prédites par le réchauffement global, pouvaient modifier à la fois la physiologie des diatomées, mais également l’activité alimentaire des copépodes. Nous avons également constaté dans le Chapitre III, qu’il existait des interactions alimentaires entre les copépodes et les agrégats qui composent la neige marine. L’exploitation des données de la campagne GreenEdge 2016 en Baie de Baffin va nous permettre de comparer les profils de distributions entre les agrégats et les copépodes, lors de la progression temporelle de l'efflorescence printanière phytoplanctonique.

L'objectif de ce quatrième chapitre est de répondre aux questions suivantes:

→ Quels sont les paramètres hydrologiques et biologiques qui contrôlent la formation d’agrégats lors de l'efflorescence phytoplanctonique en Baie de Baffin ?

→ Quel est le « devenir » des agrégats ?

→ Les copépodes influencent-ils la distribution de la neige océanique ?

Dans ce Chapitre IV, correspondant à un article en cours de préparation pour soumission dans Elementa: Science of the Anthropocene, j’ai exploité des données acquises par imagerie quantitative et qualitative des particules in situ (l’UVP5), que j’ai croisé avec les données

hydrologiques (couverture de glace, concentration en bSi, chlorophylle a, nutriments…) et biologique (composition de l’assemblage phytoplanctonique).

Toullec, J., Moriceau, B., Vincent, D. & Guidi L. (In Prep). Processes controlling aggregate

formation and distribution during diatom spring bloom in the Baffin Bay. (Elementa: Science of the Anthropocene)

5. Résumé de la publication

Au cours des dernières décennies, l'océan Arctique a été affecté par le changement climatique et la modification de la couverture de glace de mer, ce qui influence directement l’efflorescence printanière du phytoplancton, le réseau trophique associé ainsi que la séquestration du carbone. Au cours de l'expédition GreenEdge 2016 à bord de l’Amundsen dans la partie centrale de la baie de Baffin, l'efflorescence printanière du phytoplancton pélagique et son développement ont été suivis au cours de sept transects entre la glace de mer et l'eau libre couvrant une large zone de la baie de Baffin. Dans cette étude, nous avons identifié des processus qui controllent l'agrégation du phytoplancton, grâce à l’analyse de profils de distribution en agrégats et copépodes, obtenus par l’UVP5 (Underwater Vision Profiler 5), déployés le long des transects. Nos résultats ont révélé un schéma séquentiel entre le retrait de la glace de mer, la production du phytoplancton, la formation et la distribution des agrégats. Tout d'abord, sous la glace de mer, l’efflorescence du phytoplancton pélagique commence lorsque l'intensité lumineuse permet la photosynthèse. Ensuite, après la fonte de la glace de mer, le phytoplancton (principalement les diatomées et Phaeocystis spp.) bénéficie de la disponibilité en lumière et de l'environnement stable pour croître. Enfin, le phytoplancton épuise le stock de nutriments en augmentant sa biomasse. Lorsque les stations sont limitées par les silicates en premier, les cellules phytoplanctoniques entrent en agrégation. En fin d’efflorescence, les agrégats sont plus nombreux en profondeurs, ce qui suggère une sédimentation massive sous la couche de mélange. Les copépodes semblent suivre les agrégats en profondeur à la fin d’efflorescence.

6. Publication: Processes controlling aggregate formation and