Les travaux présentés dans cette thèse concernent la paramétrisation de la distribution verticale de la biomasse et de la structure des communautés phytoplanctoniques dans l’océan global. Nous avons d’abord développé une méthode neuronale de calibration de la fluorescence en concentration en chlorophylle a ([Chl]) associée à la biomasse phytoplanctonique totale et à trois classes de taille de phytoplancton. Cette méthode, FLAVOR, a été entrainée et validée à l’aide une base de données de ~900 profils de fluorescence et de pigments mesurés pat HPLC. Une base de données globale de ~49000 profils de fluorescence a ensuite été assemblée et calibrée en termes de biomasse chlorophyllienne et composition du phytoplancton. Ce travail représente une première étape vers une vision tridimensionnelle de la biomasse phytoplanctonique. Nous avons ensuite développé deux réseaux de neurones (SOCA) pour estimer la distribution verticale de deux paramètres bio-optiques, [Chl] et le coefficient de rétrodiffusion. Ces réseaux de neurones requièrent comme données d’entrée des données satellites de couleur de l’eau co-localisées avec un profil hydrologique collecté par un flotteur Argo. Ils ont été entrainés et validés avec une base de données globale composée de ~5 000 profils de propriétés bio-optiques et hydrologiques acquises par des flotteurs Bio-Argo. Les bases de données utilisées pour développer les méthodes FLAVOR et SOCA proviennent de régions océaniques représentatives de l’océan global, permettant ainsi l’application de ces méthodes à la majorité des eaux océaniques. Finalement, nous avons mené une étude focalisée sur l’Atlantique Nord qui exploite les outils développés. Les champs tridimensionnels de biomasse obtenus, couplés à un modèle bio-optique de production primaire, permettent d’étudier les cycles saisonniers de la distribution verticale de la biomasse phytoplanctonique et de la production primaire dans différentes bio-régions de l’Atlantique Nord. / This PhD work focuses on the parameterization of the vertical distribution of phytoplankton biomass and community structure in the global open ocean. First we have developed a neural network-based method for the calibration of the fluorescence in chlorophyll a concentration [Chl] associated with the total phytoplankton biomass and with three phytoplankton size classes. This method, (FLAVOR for Fluorescence to Algal communities Vertical distribution in the Oceanic Realm), was trained and validated using a database of ~900 concomitant fluorescence and HPLC-determined pigment profiles. A global database comprising ~49 000 fluorescence profiles was assembled and calibrated with FLAVOR. The resulting database represents a first step towards a global three-dimensional view of phytoplankton biomass and community composition. Second, two neural networks (SOCA for Satellite Ocean Color and Argo data to infer vertical distribution of bio-optical properties) were developed to infer the vertical distribution of two bio-optical proxies of the phytoplankton biomass, [Chl] and the particulate backscattering coefficient, using as input satellite-derived products matched up with a hydrological Argo profile. The SOCA methods were trained and validated using a global database of ~5 000 profiles of bio-optical and hydrological properties collected from Bio-Argo floats with concomitant satellite products. The database used to develop FLAVOR and SOCA originates from various oceanic regions largely representative of the global ocean, making the methods applicable to most oceanic waters. Finally, we proposed a study dedicated to the North Atlantic where the tools developed in this thesis are used in conjunction with a bio-optical primary production model. This allows us to characterize the seasonal cycle of the vertical distribution of the phytoplankton biomass and primary production in various bio-regions of the North Atlantic.
| Identifer | oai:union.ndltd.org:theses.fr/2015PA066625 |
| Date | 11 December 2015 |
| Creators | Sauzède, Raphaëlle |
| Contributors | Paris 6, Claustre, Hervé, Uitz, Julia |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French, English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0023 seconds