Résumé : La cartographie des bio-régions des océans est d'une importance clé pour permettre une meilleure compréhension des dynamiques des écosystèmes qui y sont présents et permettre une saine gestion de ceux-ci. Les classifications actuelles utilisent les mêmes combinaisons d'attributs soit : la bathymétrie, la température de surface, la concentration en chlorophylle a et certaines luminances normalisées (443 nm, 520 nm 550 nm). L'utilisation de la variabilité de 2e ordre du signal optique de la chlorophylle a a permis de mettre en évidence d'autres attributs globaux, indépendants de la concentration en chlorophylle a, ouvrant la porte à de nouvelles démarches de classification non dirigée des océans en provinces biogéochimiques. L'objectif de l'étude est de développer une méthode de classification dynamique, non dirigée des provinces océaniques en utilisant une combinaison de données satellitaires, soit : les signatures optiques des constituants biochimiques présents dans l'océan et les propriétés physiques des masses d'eau selon une nouvelle approche intégrant à la fois des informations complémentaires et indépendantes de la chlorophylle a. Le but étant d'effectuer la classification des provinces océaniques de l'Atlantique Nord pour la période de disponibilité des données MODIS Aqua (2002-2012) et de déterminer l'évolution spatiale des provinces océaniques et leur succession au fil du temps. L'application de différentes techniques de classification a été réalisée sur deux jeux de données mis en place pour les besoins de l'étude. Les résultats montrent que la méthode K-mean et la méthode DBSCAN ne sont pas appropriées pour classifier de manière dynamique les provinces bio-optiques de l'Atlantique Nord. Une nouvelle méthode de classification : PRODENCAN, a été développée pour combler les lacunes de ces techniques. Les résultats obtenus par cette méthode permettent de confirmer le potentiel d'améliorer la classification océanique par l'utilisation de la variabilité de 2e ordre du signal optique de la chlorophylle a mais n'ont pas permis la création d'un patron de classification dynamique pour l'Atlantique Nord. Ceux-ci permettent de préciser le processus de résolution de ce problème par l'implémentation d'un jeu de données spécifiquement choisi d'un point de vue spatial et temporel. L'analyse dynamique a permis de confirmer le potentiel de l'utilisation de la variabilité de 2e ordre du signale optique de la chlorophylle a combinée à la température de surface de l'eau et de la concentration en chlorophylle a pour mieux définir des régions bio-optiques ayant des signatures phénologiques distinctives.||Abstract : Mapping bioregions of the oceans is of key importance for a better understanding the dynamics of ecosystems in oceans and ensure the adequate management of them. Actual existing classifications use the same combinations of attributes including: bathymetry, sea surface temperature, chlorophyll concentration and certain standard luminance (443 nm, 520 nm 550 nm). The use of second order variability of optical signals from chlorophyll a suggest other possible global attributes, independent of chlorophyll a concentration, opening doors to new approaches in unsupervised classification of oceans biogechimical provinces. The objective of the study is to develop a method of ocean provinces dynamic unsupervised classification, using a combination of satellite data as : optical signatures of biochemical constituents in the ocean and the physical properties of water masses according to a new approach that integrates both information complementary and independent of chlorophyll a. The goal is to perform the classification of oceanic provinces of the North Atlantic for the availability period of MODIS Aqua (2002-2012) and to determine the spatial evolution of oceanic provinces and their succession over time. Different techniques of classification were carried out on two data sets developed for the purposes of the study. The results show that the K-mean and DBSCAN method are not appropriate to perform bio-optical provinces dynamic classification of the North Atlantic. A new method of classification: PRODENCAN was developed to fill the gaps of these techniques. The results obtained by this method can confirm the potential to improve the classification by the use of second order variability of chlorophyll a optical signals but have not yet led to the creation of a dynamic pattern classification for North Atlantic. Nevertheless, they allow to specify the process for solving this problem by implementing a set of specifically training data spatially and temporally chosen. Dynamic analysis has confirmed the potential for the use of second order variability of chlorophyll a optical signals combined with sea surface temperature and the chlorophyll a concentration to better define bio-optical regions with distinctive phenology signatures. [symboles non conformes]

Les mesures satellitaires de réflectance de télédétection (Rrs) associée à la fluorescence de la chlorophylle-a induite par le soleil (FCIS), notées Rrs,f , sont largement utilisées dans le domaine de l’océanographie converties sous la forme de rendement quantique de la fluorescence (QYF). Le QYF permet de déterminer l’impact de l’environnement sur la croissance du phytoplancton. Tout comme les autres mesures qui reposent sur la luminance montante, le QYF, et donc la Rrs,f , sont influencés par les effets de bidirectionnalité. Ainsi, sachant que la variabilité naturelle du QYF est faible, les biais engendrés par une normalisation inadéquate de la Rrs,f peuvent avoir des impacts importants sur l’interprétation des mesures de QYF à l’échelle planétaire. La méthode actuelle utilisée pour corriger la dépendance angulaire du signal observé dans la bande de fluorescence par le spectroradiomètre imageur à résolution moyenne (MODIS), embarqué à bord du satellite Aqua, repose sur l’application d’une table de correspondance (LUT) développée par Morel et al. (2002). Toutefois, l’approche de Morel et al. (2002) ne tient pas compte du caractère isotrope de la FCIS ce qui induit des biais systématiques sur les mesures de Rrs,f selon la latitude, par exemple. Dans ce mémoire, une nouvelle méthode de calcul de la LUT ayant pour but de réduire ces biais est introduite. Tout d’abord, celle-ci intègre une mise à jour des propriétés optiques inhérentes (IOPs) dans le modèle de transfert radiatif sur la base de publications plus récentes. Ensuite, la gamme spectrale de son application est élargie à la bande de fluorescence contrairement à la méthode actuelle qui se limite à la longueur d’onde de 660 nm. Finalement, la LUT révisée tient compte des trois composantes principales de la réflectance de télédétection que sont (1) la rétrodiffusion élastique de la lumière par les molécules d’eau et par les particules en suspension, (2) la diffusion Raman (inélastique) par les molécules d’eau et (3) la FCIS. Les résultats de Rrs,f normalisées avec la nouvelle méthode présentent une différence de dispersion moyenne par rapport à celle obtenue par l’application de la méthode de Morel et al. (2002) de l’ordre de -15 %. Des différences significatives, de l’ordre de -22 %, sont observées à de grands angles d’observation et d’éclairement (> 55 %).

Temporal and spatial variations in the Sea of Marmara based on monthly averages of chlorophyll a, which is the major indicator of phytoplankton biomass and primary production, recorded by SeaWiFS and MODIS-Aqua sensors at nearly 100 stations have been analyzed for the period of 1997-2007. Majority of phytoplankton blooms occur during the winter and spring seasons, followed by a smaller secondary bloom during the fall season. The majority of high magnitude blooms occur at the Eastern part of the Sea which may be attributed to an increase in the amount of discharge of water contaminated with nutrients originating on land where the industries are located. The correlations between monthly averages of sea surface temperature (SST) and corresponding chlorophyll a values are statistically significant (inverse) at 1% level, where r= -0.53 and the equation of the fitted model is: Chlorophyll a = 7.09199 &ndash / 0.215402* SST This correlation is expected because a relative decrease in SST is an indicative of upwelling and vertical mixing which are the primary processes for the formation of phytoplankton blooms. We have also found that monthly averages of chlorophyll a recorded by SeaWiFS and MODIS-Aqua are nearly identical and either data set can be used in place of the other.

A major limitation for remote sensing analyses of oceanographic variables is loss of spatial data. The Data INterpolating Empirical Orthogonal Functions (DINEOF) method has demonstrated effectiveness for filling spatial gaps in remote sensing datasets, making them more easily implemented in further applications. However, dataset reconstructions with this method are sensitive to the characteristics of the input data used. The spatial and temporal coverage of the input imagery can heavily impact the reconstruction outcome, and thus, further metrics derived from these datasets, such as phytoplankton bloom phenology. In this study, the DINEOF method was applied to a three-year time series of MODIS-Aqua chlorophyll-a of the Salish Sea, Canada. Spatial reconstructions were performed on an annual and multi-year basis at daily and week- composite time resolutions, and assessed relative to the original, clouded chla datasets and a set of extracted in situ chla measurements. A sensitivity test was performed to assess stability of the results with variation of cross-validation data and simulated scenarios of lower temporal data coverage. Daily input time series showed greater accuracy reconstructing chla (95.08-97.08% explained variance, RMSExval 1.49 - 1.65 mg m-3) than week-composite counterparts (68.99-76.88% explained variance, RMSExval 1.87 – 2.07 mg m-3), with longer time series of both types producing a better relationship to original chla pixel concentrations (R 0.95 over 0.94, RMSE 1.29 over 1.35 mg m-3, slope 0.88 over 0.84). Original daily chla achieved a better relationship to in situ matchups than DINEOF gap-filled chla, with annual DINEOF-processed data performing better than the multi-year. The results of this study are of interest to those who require spatially continuous satellite-derived products, particularly from short time series, and encourage processing consistency in future DINEOF studies to allow unification for global purposes such as climate change studies (Mélin et al., 2017). / Graduate

L'acquisition de paramètres marins à partir des données spatiales de la couleur de l'eau nécessite l'élimination de la contribution de l'atmosphère au signal mesuré par le capteur. En effet, la majorité du rayonnement solaire mesuré par les instruments optiques dans les longueurs d'ondes qui intéressent la couleur de l'eau provient de la diffusion par les molécules de l'air et les aérosols atmosphériques. L'élimination de la contribution de l'atmosphère est appelée correction atmosphérique (CA). Pour les eaux claires, les méthodes de CA supposent une réflectance marine nulle dans le proche infra-rouge (PIR). Ceci permet d'estimer la réflectane de l'atmosphère et de l'extrapoler vers les bandes du visible, et donc de déterminer le signal marin qui contient les informations sur les propriétés optiques des eaux marines. Cette hypothèse n'est cependant pas vérifiée pour les eaux turbides, qui représentent la quasi totalité des eaux côtières. Par conséquent, de nombreux algorithmes de CA ont été développés pour les eaux côtières incluant des hypothèses alternatives. L'objectif de ce travail de thèse est de valider et d'améliorer ces méthodes de CA pour les images MODIS Aqua. Pour cela, diverses approches de CA développées pour les eaux cotières ont été comparées et validées : (1) l'algorithme standard de la NASA, (2) le "NIR Similary spectrum algorithm" qui inclut des hypothèes d'homogénéité spatiale des réflectances marines et atmosphériques, (3) l'algorithme qui utilise les bandes dans l'infrarouge moyen pour la CA dans les eaux très turbides, et (4) un algorithme utilisant un réseau de neurones artificiels. L'exercice de validation à partir de données in situ, et en fonction des types d'eaux, a permis d'identifier différentes pistes d'amélioration pour l'estimation du signal marin. L'un d'entre elles comprend l'utilisation de relations spectrales pour forcer les modèles de réflectances marines utilisés par les algorithmes CA pour estimer le signal marin dans le PIR. Des modifications ont été apportées aux modèles de réflectances marines de l'algorithme standard de la NASA et du "NIR Similarity spectrum algorithm". Chacun des modèles a été forcé avec des relations spectrales préalablement validées grâce à des données globales. Une étude de sensibilité et une validation de ces algorithmes modifiés à partir de données MODIS-Aqua dans la Manhe Orientale/Mer du Nord et la Guyane Française ont démontré que les modifications suggérées amélioraient les estimations du signal marin dans les eaux côtières optiquement complexes. / To acquire marine parameters from remote sensing ocean color data, the sensor-measured signal needs to be corrected for the atmospheric contribution. Indeed, the solar radiation reflected by air molecules and atmospheric aerosols is significant in the sensor bands of interest for ocean color applications. The removal of the atmospheric contribution is called the atmospheric correction (AC). In open ocean waters, the AC relies on the assumption that the water is totally absorbent in the near infrared (NIR) part of the spectral region, allowing to retrieve the atmospheric contribution and to extrapolate it to the visible spectral range, and thus to determine the marine signal that contains the information on the optical properties of seawaters. However, this assumption is not valid in highly productive and turbid coastal waters. Hence, AC approaches for coastal waters need to rely on alternative assumptions. This Ph. D. thesis has as main objective to validate and improve these AC methods developed for contrasted coastal waters, with a focus on MODIS Aqua images. First, a validation and comparison of existing AC methods, relying on diverse assumptions and methods, is performed. Therefore, four commonly used AC methods are selected, (1) the standard NIR AC approach of NASA, (2) the NIR similarity spectrum AC approach including assumptions of spatial homogeneity in the water and aerosol reflectance, (3) the switching algorithm using the short wave infrared bands for AC in highly turbid waters, (4) an Artificial Neural Network algorithm. With the help of a validation exercise based on in situ data and as a function of the water type, several areas of improvement are delineated, including the use of spectral relationships to constrain NIR-modelling schemes. Modified NIR-modelling schemes are suggested for the standard NASA and NIR similarity spectrum AC methods. Both are forced with globally valid spectral relationships. Sensitivity studies and validation exercises, using MODIS-Aqua images in the Eastern English Channel/North Sea and French Guiana waters, are conducted showing that the suggested modified NIR-modelling schemes improve the estimations of the marine signal in contrasted coastal waters.