Académique Documents
Professionnel Documents
Culture Documents
Aucune confidentialité ne sera prise en compte si la durée n’en est pas précisée.
(1)
Préciser les limites de la confidentialité :
Mémoire de fin d’études
____________________________________________________________________________________
Je soussigné(e) Raphaël Girardin , propriétaire des droits de reproduction dudit résumé, autorise
toutes les sources bibliographiques à le signaler et le publier.
Rennes, le
L’Enseignant responsable(2),
(1) L’administration, les enseignants et les différents services de documentation d’AGROCAMPUS OUEST s’engagent à respecter cette
confidentialité.
(2) Signature et cachet de l’organisme.
Remerciements
Je tiens tout d’abord à remercier L’IRD de Brest et tout particulièrement Patrice Brehmer et
Olivier Aumont pour leur accueil au sein des UMR LPO et LEMAR, leur encadrement, leur
aide et leur disponibilité irréprochable. Merci de m’avoir retenu pour mener a bien cette étude
et de m’avoir accompagné, dans cette expérience inestimable.
Je tiens aussi à remercier tous ceux qui m’ont aidé durant ces 6 mois et m’excuser auprès de
ceux que j’aurais pu oublier.
Erwan Josse (UMR LEMAR) et Michel Potier (UMR EME) pour avoir mis à ma disposition
les données de campagne exploitées au cours de mon stage. Thomas Gorgues pour m’avoir
familiarisé avec l’utilisation du système d’exploitation LINUX, Isabelle Leblond (Europle
Mer) et Gildas Roudaut (UMR LEMAR) pour m’avoir aidé dans la conception de script sur
Matlab, et m’avoir permis d’utiliser les différents outils qu’ils ont développés. Merci encore
une fois à Isabelle Leblond pour m’avoir introduit à l’utilisation de MOVIES+. Merci aussi à
Laurent Berger (IFREMER, Brest) pour avoir répondu à mes questions sur l’utilisation de
MOVIES 3D et pour son script permettant l’utilisation des données acoustiques sur Matlab.
Merci à Dominique Dagorne (US IMAGO) pour ses lumières sur l’utilisation des données
satellites, à Louis Du Buisson (LMI ICEMASA) pour avoir travaillé avec moi sur l’utilisation
des données acoustiques dans le modèle End to End et également pour m’avoir fait découvrir
la vie sur Brest…A Nolwenn Behagle (UMR LEMAR) pour sa bonne humeur dans le bureau
et pour ces conseils avisés, à Daniel Le Corre pour son soutien en informatique…
Merci également à toutes les personnes que j’ai pu rencontrer lors de la réunion annuelle de
MACROES en mai à Paris, ce qui m’a permis de mieux juger l’ampleur de ce projet.
Mais aussi…
Sandrine, Dominique, François, Denis, pour tous les moments de détente que j’ai pu passer
avec eux.
1 INTRODUCTION ......................................................................................... 1
1.1 Les enjeux de la modélisation écosystèmique .................................................. 1
1.2 Principe de la théorie DEB (Dynamic Energy Budget) et des modèles « End
to End » 1
1.3 Manque d’information sur le niveau trophique intermédiaire : intérêts de
l’utilisation des données acoustiques ..................................................................................... 3
1.4 Objectifs de l’étude ........................................................................................... 3
2 L’ORIGINE DES DONNEES ...................................................................... 4
2.1 Les données délivrées par les échosondeurs scientifiques ............................... 4
2.1.1 Descriptif des campagnes à la mer ............................................................. 5
2.1.2 Calibration et acquisition ............................................................................ 6
2.1.3 Limites de la donnée acoustique ................................................................. 7
2.2 Les données environnementales ....................................................................... 8
2.3 Etude bibliographique des différents organismes présents dans le Canal du
Mozambique 8
2.3.1 Origine des données issues de la littérature ................................................ 8
2.3.2 Diversité des espèces rencontrées dans le Canal du Mozambique ............. 9
2.3.3 Intérêts et limites des données issues de la littérature .............................. 10
3 REPARTITION DU ZOOPLANCTON ET DU MICRONECTON ...... 10
3.1 Traitement des données acoustiques issues des campagnes ........................... 10
3.1.1 Correction et sélection des données acoustiques ..................................... 10
3.1.2 Echo-intégration des données acoustiques ............................................... 11
3.2 Observation de la répartition des organismes ................................................. 12
3.2.1 Structuration de la colonne d’eau en trois ................................................ 12
3.2.2 Stabilité de la répartition verticale des organismes dans la colonne d’eau
…………………………………………………………………………...14
3.3 Analyse statistique de la distribution des organismes .................................... 15
3.3.1 Densité acoustique (sA) dans le canal et hors du canal du Mozambique .. 15
3.3.2 Etude de la couche méso-pélagique .......................................................... 15
3.4 Discussion et apports à la modélisation ‘End to End’ .................................... 17
4 EFFET DE L’ENVIRONNEMENT SUR LA DISTRIBUTION
DES ORGANISMES ................................................................................................... 18
4.1 Sélection des données ..................................................................................... 19
4.2 Influence du niveau d’oxygène dissous et de la concentration en Chlorophylle
a sur la distribution de la couche épipélagique .................................................................... 19
4.3 Impact de la zone euphotique sur la répartition des organismes .................... 20
4.4 Discussion et apports pour le modèle ............................................................. 21
5 ANALYSE BI-FREQUENTIELLE DE LA COUCHE
EPIPELAGIQUE ........................................................................................................ 22
5.1 Intérêt et principe de la méthode d’analyse bi-fréquentielle .......................... 22
5.1.1 Revue d’études utilisant l’analyse bi-fréquentielle ................................... 22
5.1.2 La méthode utilisée ................................................................................... 23
5.2 Analyse des réponses en fréquences .............................................................. 24
5.2.1 Réponse bi-fréquences à 38 et 120 kHz.................................................... 24
5.2.2 Analyse des différences et sommes des fréquences .................................. 26
5.3 Discussion ....................................................................................................... 27
6 ANALYSE MULTI-FREQUENTIELLE DE LA COUCHE
EPIPELAGIQUE ........................................................................................................ 29
6.1 Principe de l’analyse multi-fréquentielle du plancton et méthodologie ......... 29
6.2 Analyse des réponses en fréquence aux 38, 70, 120 et 200 kHz .................... 30
6.3 Choix du modèle et analyse des différences de tailles ................................... 32
6.4 Discussion et limites des résultats .................................................................. 33
7 CONCLUSIONS ET PERSPECTIVES .................................................... 34
8 BIBLIOGRAPHIE ...................................................................................... 36
9 ANNEXES .................................................................................................. 411
Table des figures
Figure 1: Schéma représentant les flux d’énergie dans l’organisme (Maury et al., 2007a). .... 2
Figure 4 : Trajet suivi lors des campagnes ECOTEM 6 en mai 2004 et 7 en novembre 2004 et
celui du transit entre l’île de la réunion et le Canal du Mozambique durant MESOP 2010,
projet MESOBIO en avril 2010. ................................................................................................. 5
Figure 6: Position des stations hydrologiques des campagnes ECOTEM de 2004 et des
stations de prélèvement biologique de la base de données COPEPOD de 1964 ...................... 8
Figure 9: Echogramme compressé sur 50 pings issu de Matlab, campagne MESOP 2010, le
08 avril 2010. Deux phases de transitions sont visibles, une période de nuit avec une couche
épipélagique plus dense (à droite) et une période de jour plus riche dans la couche méso-
pélagique. ................................................................................................................................. 13
Figure 10: Distribution des réponses acoustiques (sA en m-2.nmi-2) dans les trois couche (sA
de surf : couche épipélagique de 0-200m, sA int : couche intermédiaire de 200-350m et sA de
fond : couche méso-pélagique de 350-750m) pour les trois campagnes étudiées : ECOTEM 6,
ECOTEM 7 et MESOP 2010. ................................................................................................... 14
Figure 11: Exemple de profils verticaux de jour et de nuit pour la journée du 10 avril 2010
lors de la campagne MESOP 2010 (à gauche) et pour l’ensemble de la campagne ECOTEM 6
(à droite). La moyenne est représentée en trait plein alors que les écart-types sont en
pointillés. .................................................................................................................................. 14
Figure 12: Profils verticaux moyens jour et nuit de la couche méso pélagique lors de la
campagne MESOP 2010, le 08 avril 2010 hors du canal (traits pleins) et le 10 avril 2010
dans le canal (traits en pointillés). En vert est représentée la profondeur à laquelle nous
retrouvons 50% de la réponse acoustique (sA) cumulée depuis la surface de la couche méso
pélagique (ici 350m). ................................................................................................................ 16
Figure 13: Probabilité de présence des organismes du compartiment méso-pélagique prédit
par le modèle APECOSM sur la radiale 20°S et entre 39°E et 42°E (correspondant à la zone
ECOTEM 7). ............................................................................................................................. 18
Figure 14: Variation de la quantité d’oxygène et du MVBS avec la profondeur pour la station
1 de la campagne ECOTEM 6.................................................................................................. 19
Figure 16: Probabilité de présence des organismes du compartiment épipélagique prédit par
le modèle APECOSM sur la radiale 20°S et entre 39°E et 42°E (correspondant à la zone
ECOTEM 7). ............................................................................................................................. 22
Figure 17: Target strength (TS) en fonction de la fréquence. Les modèles représentés sont
issus pour le krill de Lawson et al. (2006) pour les ptéropodes (1 mm de diamètre), les
siphonophores (1.5mm de diamètre) et les copépodes (2mm de diamètre) les modèles sont
issues de Lawson et al. (2004). La courbe est séparée en deux zones, la zone de Rayleigh de
basse fréquence avec un accroissement constant du TS en fonction de la fréquence, et la zone
géométrique de haute fréquence avec un TS constant ou oscillant en fonction de la fréquence
(Lawson et al., 2008). ............................................................................................................... 24
Figure 19: Exemple de discrimination de deux groupes afin de séparer les deux modes. En
haut la réponse bi-fréquentielle aux fréquences 38 et 120 kHz, en bas à gauche la répartition
du groupe 2 sur les échogrammes et en bas à droite celle du groupe 1. ................................ 26
Figure 21: Répartition des groupes 1 (+MVBS > seuil) et 2 (+MVBS < seuil) de jour (seuil=
-156dB) et de nuit (seuil= -142dB) pendant toute la campagne ECOTEM 7. Echogramme de
toutes les périodes de jour (a) et de nuit (b) avant séparation des groupes ; groupe 1 de jour
(c) et de nuit (d) ; groupe 2 de jour (e) et de nuit (f). Dans chaque panneau, l’échogramme
38kHz est en haut et le 120 kHz en bas. .................................................................................. 28
Figure 22: Classification des réponses multi fréquentielles 38, 70, 120 et 200 kHz des 130
premiers mètres de la couches épipélagiques du transit de la campagne MESOP 2010 et
visualisation des réponses multi fréquentielles relatives des deux groupes majoritaires par
rapport à la fréquence 38 kHz. Le schéma de la classification des 8 catégories de réponses
multi fréquentielles possibles (a) et réponses en fréquence relatives moyennes des groupes 4
(b) et 6 (c) par rapport à la fréquence 38 kHz avec en trait plein la moyenne et en pointillé les
écart types. ............................................................................................................................... 31
Figure 23: Echogrammes de quatre fréquences 38, 70, 120, 200 kHz pour les groupes 4 et 6
sur tout le transit MESOP2010. ............................................................................................... 32
Figure 24: Résultats des prédictions du modèle de sphère gazeuse de Stanton (1989)
présentant le biovolume par rayon de sphère équivalente pour chaque réponse acoustique
ajustée, à droite le groupe 6 et à gauche le groupe 4. ............................................................. 33
Table des tableaux
Tableau 1: Paramètres des sondeurs acoustiques pour les campagnes réalisées sur le « Cap
Morgane » et l’ « Antéa »........................................................................................................... 6
Tableau 3: Contenu stomacal des proies de thon dans la région du Nord de Juan de Nova (en
% individu présent). ................................................................................................................. 10
Tableau 6: Résultats des tests de régression linéaire multiple entre le MVBS et les paramètres
environnementaux (y : MVBS ; a : Oxygène ; b : Fluorescence)............................................. 20
Tableau 7: Seuil moyen utilisé sur le +MVBS (en dB) pour séparer les deux groupes l’un
ayant une réponse forte aux deux fréquences et inversement. ................................................. 27
Table des annexes
Annexe II : Revue des différents paramètres utilisés en acoustiques et leurs formules (tiré de
MacLennan et al., 2002)……………………………………………………………………...42
Annexe III : Discrimination du zooplancton en trois catégories selon Stanton et al.(1996) : (a)
« fluid like » (e.g. euphausiacea), (b) « hard elastic-shelled » (e.g. gastéropodes), et (c) « gas
bearing » (e.g. siphonophore). A côté de chaque animal, un schéma illustre le mécanisme
dominant de diffusion et de réflexion………………………………………………………...43
Annexe V : Répartition des groupes 1 (+MVBS > seuil) et 2 (+MVBS < seuil) de jour (Seuil=
-165 dB) et de nuit (seuil= -150 dB) pendant toute la campagne ECOTEM 6. Échogramme de
toutes les périodes de jour(a) et de nuit (b) avant séparation des groupes ; groupes 1 de jour
(c) et de nuit (d) ; groupe 2 de jour (e) et de nuit (f). Dans chaque sous bloque l’échogramme
38 kHz est en haut et le 120 kHz en bas……………………………………………………...46
Abréviations
1.2 Principe de la théorie DEB (Dynamic Energy Budget) et des modèles « End to
End »
Dans cette étude, nous cherchons à intégrer les données acoustiques (issues
d’échosondeurs halieutiques) dans deux modèles, le modèle biogéochimique PISCES (Pelagic
Interaction Scheme for Carbon and Ecosystem Studies) (Aumont et al., 2003) et le modèle
écosystémique APECOSM (Apex Predators ECOSystem Model) (Maury et al., 2007a ;
Maury et al., 2007b).
Le modèle PISCES simule la production biologique marine et décrit les cycles
biogéochimiques du carbone et des principaux nutriments (P, N, Si, Fe) (Annexe I). Il est
composé de plusieurs compartiments, le compartiment des nutriments dissous dans l’eau, la
matière organique dissoute, la matière organique particulaire ainsi que de quatre
compartiments vivants, deux pour le phytoplancton (le nano-phytoplancton et les diatomées)
et deux groupes de zooplancton (le micro-zooplancton et le méso-zooplancton). Le
phytoplancton est représenté par sa biomasse, sa quantité de fer, de chlorophylle et de silice.
1
Le zooplancton pour sa part, est représenté par sa biomasse totale. Pour les groupes de
zooplanctons les ratios des différents éléments sont supposés constants, ce qui permet alors de
modéliser les liens entre compartiments par des flux d’élément nutritifs. Ce modèle est
également couplé à des modèles océaniques physiques regroupés dans le modèle NEMO
(Nucleus for European Modelling of the Ocean, www.nemo-ocean.eu ) (Madec, 2008).
Le modèle APECOSM modélise les organismes marins du phytoplancton au
prédateurs de haut niveau trophique (mais pas les producteurs primaire) et est basé sur la
théorie DEB (Kooijman, 2000 ; Kooijman, 2001). Cette théorie est basée sur un modèle
individu centré (IBM) qui décrit les flux d’énergies gouvernant le métabolisme des
organismes (Figure 1). De nombreuses hypothèses sont faites sur l’organisme, tel que
l’homéostasie : (i) il suppose sa structure et (ii) la composition constante. L’organisme est
décomposé en deux compartiments, la structure et les gonades avec des facteurs de
maintenance associés. L’énergie provenant de l’ingestion est divisées en deux avec une partie
assimilée qui sert au maintient de la structure et de la fonction de reproduction (maturation et
reproduction) et une partie rejetée par les fèces.
Figure 1: Schéma représentant les flux d’énergie dans l’organisme (Maury et al., 2007a).
L’ensemble du modèle APECOSM est régis par des transferts de flux d’énergie. Il est
divisé en trois compartiments, un compartiment épipélagique, un compartiment méso-
pélagique et un compartiment migrant. Ce dernier est mélangé au compartiment épipélagique
de nuit et au compartiment méso-pélagique de jour. Le modèle est structuré en une population
unique divisée par classes de taille (Figure 2) avec comme premier groupe de classes de taille
la « production primaire » puis pour les autres groupes, des consommateurs.
2
appartient (Jennings et al., 2001 ; Blanchard et al., 2009). La propagation de l’énergie le long
de ces classes de taille prend en compte les phénomènes de croissance, de perte (respiration,
fèces) et de prédation. Chaque classe de taille peut se nourrir d’un nombre certain de classe de
taille inférieur à la sienne, le modèle est basé sur la nature opportuniste des prédateurs, la
seule régulation de la prédation est réalisée par un ratio entre la taille de la proie et celle du
prédateur.
Le couplage vue de façon simplifiée entre le modèle PISCES et APECOSM se fait par
une conversion de la biomasse des deux groupes de phytoplancton de PISCES en énergie,
celle-ci est ensuite injectée comme un paramètre d’entré dans le compartiment « production
primaire » d’APECOSM.
Pour atteindre ces objectifs, trois méthodologies sont mises en place, tout d’abord une
analyse acoustique mono-fréquence sera effectuée afin de mettre en évidence les grandes
structures qui composent le milieu. Puis une approche d’analyse en bi-fréquence permettra de
caractériser les organismes présents dans la couche épipélagique et enfin pour affiner cette
analyse, nous utiliserons les méthodes d’inversions à l’aide de quatre fréquences.
Dans une première partie, nous présentons les données qui ont été utilisées dans cette
étude ainsi que les grands principes de l’analyse des données acoustiques. Nous étudions la
distribution du zooplancton et du micro-necton in situ à l’aide des données acoustiques et
environnementales. Puis deux analyses multi-fréquentielles nous permettent d’affiner cette
étude et de classer les organismes. Dans chaque partie, nous faisons un lien entre les
observations obtenues et leurs intérêts pour les modèles. Cette étude a été menée en parallèle
avec Louis Du Buisson, doctorant à l’IRD et à l’Université de Cape Town en Afrique du Sud,
ce qui m’a permis d’apprécier l’intérêt d’un travail réalisé en partenariat pour le
développement d’un pays du Sud.
Pour cette étude, plusieurs types de données ont été mis à notre disposition. Il s’agit
principalement de données d’échosondeurs halieutiques, issues de différentes campagnes
effectuées dans le canal du Mozambique par l’IRD. Nous exposons dans un premier temps les
principes de base de l’acoustique, l’origine de ces données ainsi que le matériel utilisé pour
les acquérir et leur traitement. Puis, nous présentons l’ensemble des données complémentaires
utilisées pour l’analyse des structures mise en évidence à l’aide des données acoustiques, afin
de caractériser la dynamique du zooplancton et du micro-necton.
4
l’intensité du signal réfléchie varie, la mesure et le calcul de cet écho nous permettent de
définir les caractéristiques de la cible. De façon synthétique, un système de sondeur
acoustique scientifique se compose d’un émetteur pouvant émettre à différentes fréquences,
d’un récepteur et d’un système d’acquisition (Figure 3). A l’issue de chaque émission, le
signal reçu par le sondeur varie en fonction du temps, du nombre de cibles rencontrées par
l’onde acoustique lors de sa propagation dans le milieu.
Tableau 1: Paramètres des sondeurs acoustiques pour les campagnes réalisées sur le « Cap
Morgane » et l’ « Antéa ».
La largeur nominale du faisceau acoustique (beam angle) était de 7° environ pour tous
les transducteurs. A bord du « Cap Morgane » la durée d’un pulse d’émission (ping) était de
1024µs avec un intervalle entre les pings de 3 à 5 secondes alors que sur l’ « Antéa », la
durée du pulse était de 512µs pour un intervalle entre les pings d’environ une seconde.
Lors des campagnes, les sondeurs 38 kHz ont permis d’échantillonner la colonne
d’eau jusqu’à une profondeur de 750 mètres. L’enregistrement des signaux réfléchis par les
cibles, a été effectué à l’aide du logiciel ER60 (fichier au format « .raw ») et à l’aide du
logiciel Movies+ (fichier au format « .hac »). Pour toutes les campagnes, le seuil d’acquisition
a été fixé à -80 décibels (dB). Le seuil d’acquisition permet de minimiser l’intégration du
bruit dans la donnée mais aussi de diminuer la quantité d’espace de stockage à utiliser (celle-
ci étant très importante dans le cadre de l’archivage des données acoustiques). La
visualisation de l’énergie acoustique reçue sous forme d’échogramme est effectuée sur le
6
logiciel Movies+, ce qui permet une première visualisation des données, de leur structure
ainsi que de la présence éventuelle d’agrégations ou de banc (Figure 5).
Enfin, pour les campagnes ECOTEM seuls les sondeurs 38 et 120 kHz ont été utilisés,
les analyses multi-fréquentielles (plus de deux fréquences) ne pourront avoir lieu que sur les
données du transit MESOP 2010. Pour ce qui est des données ECOTEM une analyse bi-
fréquentielle est possible sur les 200 premiers mètres de la colonne d’eau (38 et 120 kHz).
7
2.2 Les données environnementales
Lors des deux campagnes en mer ECOTEM, des données hydrologiques ont pu être
collectées par un dispositif d’échantillonnage d’eau de mer appelé rosette. Pour toutes les
campagnes, ils étaient dotés d’une sonde CTD (Conductivité, Température en fonction de la
profondeur), équipée de capteurs supplémentaires pour mesurer la fluorimétrie, l’oxygène
dissous et le niveau de PAR (Photosynthesis Available Radiance) et des bouteilles de
prélèvement NISKIN permettaient de calibrer les mesures d’oxygène de la sonde et de
prélever des échantillons pour le dosage des sels nutritifs, des pigments phytoplanctoniques et
de la matière organique particulaire. Seules les données issues des campagnes ECOTEM ont
pu être utilisées car durant le transit de MESOP 2010 il n’y a pas eu de station
d’échantillonnage. La colonne d’eau a été échantillonnée jusqu’à une profondeur de 300
mètres en moyenne avec une mesure tous les mètres. Pour la campagne ECOTEM 6, les
mesures ont été effectuées sur 9 stations durant la période diurne alors que pour ECOTEM 7 il
y’a eu 17 stations (Figure 6). Pour cette dernière campagne les données de PAR n’ont pas été
enregistrées, en effet les mesures ont été effectuées pendant la nuit ou durant le crépuscule.
Ces données nous seront utiles par la suite pour l’étude de l’impact environnemental sur la
répartition des organismes dans la colonne d’eau. Les données satellites sur la zone nous
fournissent la PAR de surface ainsi que la chlorophylle de surface avec une résolution d’un
quart de degré soit 15 miles nautique et sur un mois. Le modèle APECOSM est capable par la
suite de calculer à partir de ces données et de donnée telle que la quantité de matière en
suspension le coefficient d’atténuation de la lumière dans la colonne d’eau et ainsi de nous
donner une estimation de la PAR en fonction de la profondeur.
8
2008 ; Sourisseau et al., 2008).
Au final, seuls trois sources d’informations ont pu être collectées sur la zone. La
première est issue de la base de données en libre accès COPEPOD
(http://www.st.nmfs.noaa.gov/plankton/atlas/index.html) de la NOAA (National Oceanic and
Atmospheric Administration). Ces données ont été collectées durant le programme IIOE
(International Indian Ocean Expedition) qui s’est déroulé de février 1960 à mai 1965 (Figure
6). Les données dans la zone ont été échantillonnées par le navire « Anton Bruun » à l’aide
d’un filet planctonique ayant une ouverture de 1 m² et une maille de 330 µm. La deuxième
source de données est une campagne organisée par l’ORSTOM (Office de la Recherche
Scientifique et Technique d’Outre-Mer, actuellement l’IRD) au large de Nosy-Be à
Madagascar. Il s’agit d’une collecte effectuée à onze reprises sur une station fixe entre
septembre 1966 et janvier 1968 (Le Reste, 1969). L’échantillonnage a été réalisé à l’aide d’un
filet vertical fermant ayant une ouverture de 0.5 mètres de diamètre et une maille de 190 µm.
Pour ce qui est de la dernière source d’information, elle provient de l’analyse des contenus
stomacaux de thons (Roger, 1994). Ils ont été prélevés durant le programme Indian Ocean
Tuna et par des senneurs commerciaux dans le nord de Juan de Nova. Ces captures se sont
déroulées pendant la période de mars à septembre 1989.
2.3.2 Diversité des espèces rencontrées dans le Canal du Mozambique
A partir des données issues de la base COPEPOD nous avons pu observer que la
répartition des différents taxons était homogène sur toute la zone. Dans cette zone, le groupe
majoritaire est le copépode, avec les trois quarts du zooplancton. Nous pouvons constater la
présence de 8% de Chaetognathes, pour le reste le milieu se compose d’Appendiculaires
(Copelata), d’Ostracodes et d’Euphausiacés (Figure 7).
Zooplankton
Euphausiacea
2% Ostracoda other
4% 5%
Chaetognatha
8%
Copelata
6%
Copepoda
other
75%
Pour ce qui est de l’étude menée par Le Reste (1969), les résultats sont assez similaires
en termes de proportions avec 80 à 90% de copépodes, de 3 à 8% d’appendiculaires, les
chaetognathes sont retrouvés en plus petite quantité. La majeur partie de ces organismes se
concentre dans les 150 premiers mètres de la colonne d’eau.
Lors de la campagne d’échantillonnage de thon (Roger, 1994), l’analyse des contenus
stomacaux a pu révéler une présence majoritaire de poissons 70% pour les thons listaos et
87% pour les thons Albacores (en nombre d’individus), de plus des petits céphalopodes d’une
longueur moyenne de 24mm ont été observés (4 à 6% du nombre d’individus total) ainsi que
9
des crustacés (9% pour le Listao et 24% pour l’Albacore). Les espèces de poisson rencontrées
sont par exemple des juvéniles de thon, des exocets (Exocoetidea) ou des Paralepididae. Pour
étudier l’échelon trophique inférieur, le contenu stomacal de ces poissons (65 individus
provenant des estomacs de thons Listaos et 193 pour les Albacores) a permis d’obtenir des
informations supplémentaires sur la composition du zooplancton dans la zone Nord du canal
(Tableau 3).
Tableau 3: Contenu stomacal des proies de thon dans la région du Nord de Juan de Nova (en
% individu présent).
Thon Copépode Amphipode Ostracode Lucifer Euphausiacé Chaetognathe Larves autres
de
poisson
Listao 95 0.5 1 1 1 0.5 0.5 0.5
Albacore 80 1.5 0.5 2 5 8 1 2
Les données collectées présentent une dominance des copépodes dans les contenus
stomacaux des poissons pélagiques, pour ce qui est des autres organismes rencontrés, ont
constate une dominance des Euphausiacés, des Chaetognathes et des Lucifers.
10
logiciel Movies+ qui permet la correction des échogrammes soit en moyennant les données
sur un certaine nombre de pings autour de l’interférence, soit en effaçant les données. Pour ce
qui est des parasites liés aux réglages des capteurs pendant l’acquisition, nous utilisons le
filtre médian de Matlab. Après avoir préalablement converti les fichiers « .hac » en fichier
« .mat » à l’aide du script de Laurent Berger (Ifremer, Brest), le filtre médian consiste en une
attribution à un échantillon sur un ping donnée de la valeur médiane calculée à partir de ses
voisins ayant la même profondeur. Dans notre étude, toutes les valeurs d’énergie acoustique
de chaque échantillon ont été modifiées par un filtre ayant un pas de trois pings (c'est-à-dire la
médiane des échantillons ayant la même profondeur sur trois pings consécutifs). Le résultat de
cette opération est observable dans la figure 8. Les interférences sont lissées par l’utilisation
du filtre.
11
Les calculs effectués pendant l’écho-intégration, aboutissent à un indice de
réverbération qui peut être :
- de surfacique par mille nautique, en anglais « nautical area scattering coefficient »
(NASC), exprimé en m² de surface réfléchissante par mille nautique au carré (s A en
m².nmi-2) :
(1) sv = ∑ (σbs / V)
(2) sA = 4π (1852)² v dz
Bien que l’utilisation d’un filtre médian et les corrections introduisent un biais dans les
données, cette étape a été nécessaire pour pouvoir les exploiter. En effet, les données brutes
étaient très bruitées sur l’ensemble des campagnes et il était impossible de ne sélectionner que
les plages de données n’ayant pas besoin d’être rectifiées. Nous avons fait le choix d’effectuer
des écho-intégrations sur des ESU de 5 mètres de profondeur et de 5 minutes dans le but de
pouvoir analyser la répartition journalière des individus. Au final, pour la campagne
ECOTEM 6 nous avons retenu 61 heures de période diurne et 68 heures de période nocturne
sur 15 jours de campagne, pour ECOTEM 7, 38 heures de jour et 24 heures de nuit sur 14
jours et afin pour MESOP 2010 nous avons 16 heures de jour et 22 heurs de nuit sur 5 jours
de transit.
13
ECOTEM 6 ECOTEM 7 MESOP 2010
100% 100% 100%
0% 0% 0%
jour nuit jour nuit jour nuit
Figure 10: Distribution des réponses acoustiques (sA en m-2.nmi-2) dans les trois couche (sA
de surf : couche épipélagique de 0-200m, sA int : couche intermédiaire de 200-350m et sA de
fond : couche méso-pélagique de 350-750m) pour les trois campagnes étudiées : ECOTEM 6,
ECOTEM 7 et MESOP 2010.
-300
profondeur
-300
-400 -400
-500 -500
jour -600 jour
-600
-700 nuit
-700 nuit
-800
-800
=
Figure 11: Exemple de profils verticaux de jour et de nuit pour la journée du 10 avril 2010
lors de la campagne MESOP 2010 (à gauche) et pour l’ensemble de la campagne ECOTEM 6
(à droite). La moyenne est représentée en trait plein alors que les écart-types sont en
pointillés.
14
Sur l’ensemble des profils nous avons constaté que les écarts à la moyenne sont très
faibles sur une même journée. Nous pouvons également observer l’enrichissement de la
couche épipélagique durant la période nocturne. Pour ce qui est des différences entres les
journées sur une même campagne peu de variation ont pu être observée sauf au niveau de la
zone épipélagique où nous voyons des variations importantes. Nous avons observé durant le
transit MESOP 2010 une différence importante de la densité acoustique cumulée dans le canal
et hors du canal du Mozambique, avec une densité plus importante dans le canal ce qui est
l’objet du paragraphe suivant.
15
Profils verticaux jour/nuit MESOP 08/04/2010 (hors canal)
- 10/04/2010 (canal)
sA moyen
0 10 20 30 40 50 60
-350
-400
jour hors canal
-450
jour canal
-500 nuit hors canal
profondeur
-700
-750
Figure 12: Profils verticaux moyens jour et nuit de la couche méso pélagique lors de la
campagne MESOP 2010, le 08 avril 2010 hors du canal (traits pleins) et le 10 avril 2010
dans le canal (traits en pointillés). En vert est représentée la profondeur à laquelle nous
retrouvons 50% de la réponse acoustique (sA) cumulée depuis la surface de la couche méso
pélagique (ici 350m).
Tout d’abord, nous avons testé la différence de profondeur entre les périodes diurnes
et nocturnes sur l’ensemble d’une même campagne. Après avoir testée la normalité des
échantillons à l’aide d’un test de Shapiro-Wilk, nous avons utilisé un test de Wilcoxon pour
les tests non-paramétriques et un test de Student pour les tests paramétriques en ayant au
préalable testée l’égalité des variances avec un test de Fisher (Tableau 4).
16
L’hypothèse de normalité des échantillons n’est pas vérifiée pour le transit MESOP
2010 de nuit dans le canal, c’est pourquoi des tests non-paramétriques sont réalisés pour
toutes les comparaisons de moyennes faisant intervenir cet échantillon. Nous pouvons
constater que toutes les moyennes sont différentes entre le jour et la nuit de façon significative
exceptée pour le transit MESOP 2010 dans le canal. Cependant, pour ECOTEM 6 et le transit
MESOP 2010 hors du canal les valeurs moyennes n’excèdent pas 10 mètres entre les deux
périodes ce qui ne représente qu’une faible variation de profondeur. Nous pouvons donc
estimer qu’il n’y pas de différence notable durant ECOTEM 6 et le transit MESOP 2010.
Cependant la différence reste importante pour ECOTEM 7.
Nous avons testé la différence de profondeur entre les échantillons dans le canal et
hors du canal. Sur le transit MESOP 2010 de jour, la différence (Figure 12) est significative
avec une profondeur moyenne de 583 mètres hors du canal et de 526 mètres dans le canal (test
de Fisher : F= 3.7303, p-value = 1.339e-11 ; test de Student : t= -25.1463, p-value < 2.2e-16).
Pour ce qui est de la période de nuit sur ce transit nous obtenons un résultat identique avec
une profondeur de 593 mètres hors du canal et de 522 mètres dans le canal (test de Wilcoxon :
W=4.5, p-value < 2.2e-16).
Enfin, nous avons cherché à savoir si ces observations peuvent être généralisées à
l’ensemble du canal sur des saisons différentes en testant les trois campagnes sur une même
période de jour ou de nuit (Tableau 5). L’ensemble des tests mis en place montre des
différences significatives pour toutes les comparaisons.
17
campagnes ne peut être analysée car celles-ci n’ont pas été effectuées pendant les mêmes
périodes. Nous ne pouvons pas conclure sur le fait que les différences entre la zone du canal
et hors du canal sont liées uniquement à ces grands ensembles. Dans le modèle, la distribution
dans les différents habitats est calculée par une formule empirique (5), pour la couche méso
pélagique :
Avec les paramètres que sont la PAR à une profondeur z ainsi que la concentration en
chlorophylle a (Chlo-a) à cette même profondeur et une fonction de l’oxygène. Les
probabilités de présence obtenues sont présentées dans l’exemple de la figure 13
correspondant à la zone ECOTEM 7. En moyenne sur cette zone, nous pouvons constater que
la couche méso-pélagique simulée, se situe au dessus de ce qui est obtenu lors de l’analyse
des données acoustiques.
18
4.1 Sélection des données
Avant toute analyse il a fallu au préalable sélectionner les données acoustiques. Les
stations d’échantillonnages étant des données ponctuelles il a fallu relier chaque station à une
observation acoustique. Pour cela, nous avons recherché, à l’aide des coordonnées des stations
et celles des ESU, les échantillonnages acoustiques les plus proches des stations
hydrologiques en utilisant la formule (6) du calcul des distances entre deux points A et B dont
les coordonnées sont repérées par la latitude et la longitude en radian :
(6) D=6378 * [π/2 – arcsin [sin (latitude A) * sin (latitude B) + cos (longitude A
– longitude B) * cos (latitude A) * cos (latitude B)]]
Avec le rayon de la Terre supposé égal à 6378 km nous obtenons la distance D entre
les deux points en kilomètre. Après avoir attribué un échantillon acoustique à une station,
nous ne conservons que les stations dont la distance entre la donnée acoustique et la station et
inférieur à 2 km. Seuls sept stations ont pu être utilisées pour ECOTEM 6 et cinq pour
ECOTEM 7.
-50
-100
-150
-200
Figure 14: Variation de la quantité d’oxygène et du MVBS avec la profondeur pour la station
1 de la campagne ECOTEM 6.
19
Pour la campagne ECOTEM 6 sur cinq stations on a pu observer une corrélation entre
l’oxygène et le MVBS. Sur quatre stations, une corrélation entre la fluorescence et le MVBS a
pu être mise en évidence. Pour ce qui est des autres paramètres, on ne retrouve pas de
corrélation (Tableau 6). La normalité des résidus est vérifiée pour les cinq modèles proposés
(test de Shapiro p-values < 0.03). Pour ce qui est de la campagne ECOTEM 7, aucune
corrélation n’a pu être mise en évidence entre les paramètres environnementaux et la réponse
acoustique. La plupart, des stations sont très éloignées de la zone d’échantillonnage des
données acoustiques que nous avons sélectionnées. De plus, pour un grand nombre de station,
les données hydrologiques ont été collectées durant la période de transition lors du crépuscule.
Nous pouvons constater que la plupart des corrélations sont faibles voir très faible
entre les paramètres environnementaux et le MVBS. La corrélation entre l’oxygène et le
MVBS est négligeable pour la station 4 avec un coefficient de corrélation très faible (Tableau
6). De plus le nombre de station, présentant des corrélations entre le MVBS et les deux
paramètres environnementaux est lui aussi restreint. Ces corrélations peuvent en partie
s’expliquer par la production d’oxygène du phytoplancton et de ce fait par la présence de
prédateurs en grand nombre dans les zones où la production primaire est la plus élevée.
Tableau 6: Résultats des tests de régression linéaire multiple entre le MVBS et les paramètres
environnementaux (y : MVBS ; a : Oxygène ; b : Fluorescence).
20
cumulée de la zone épipélagique qui se situe dans cette zone euphotique. Nous pouvons
visualiser les résultats par campagne dans la figure 15.
21
(7) Proba.présence= [0.2 + PAR/ (0.1+PAR)] * exp (-|z-200|/200) * chl/ (chl+1)
* f(O2)
Figure 16: Probabilité de présence des organismes du compartiment épipélagique prédit par
le modèle APECOSM sur la radiale 20°S et entre 39°E et 42°E (correspondant à la zone
ECOTEM 7).
Comme nous l’avons précisé plus tôt, cette analyse utilise les réponses acoustiques
aux fréquences 38 et 120 kHz, il nous est donc impossible de travailler à plus de 200 mètre de
profondeur. De plus, nous avons utilisé des ESU de 25 pings (environ une minute) et des
couches de un mètre d’épaisseur. L’écho-intégration et la manipulation des données ont
entièrement été effectuées avec le logiciel Matlab interfacé avec les librairies du logiciel
Movies 3D. Dans un premier temps, nous présentons des travaux utilisant cette approche pour
différencier les groupes ou espèces présentes dans le milieu puis nous présentons la méthode
que nous avons appliquée dans cette étude.
22
utilisation des différences caractéristiques entre les densités acoustiques volumiques
moyennes (MVBS, en dB) de deux fréquences ou plus permet de classer les réponses
acoustiques par catégories taxonomiques, biologiques ou spécifiques dans le cas du necton et
du zooplancton (Cochrane et al., 1991), dans le cas de poisson (Kloser et al., 2002) ou le long
d’un spectre de taille pour les espèces de zooplancton (Brierley et al., 1998).
McKelvey et Wilson (2006) ont analysé les différences de réponses acoustiques entre
les fréquences 38 et 120 kHz en comparant leurs MVBS. L’étude est effectuée sur des
données collectées dans le Pacifique sur la côte Ouest des Etats-Unis et du Canada. Le but de
leur étude est de différencier trois groupes : les euphausiacés, les euphausiacés mélangés avec
des Merlus et les Merlus seuls. Pour cela, ils ont utilisé les données de captures ainsi que
d’écho-intégrations. Ils ont pu mettre en évidence des ΔMVBS120-38 différents pour chaque
groupe et ainsi classer les différentes réponses reçues selon ces groupes.
Dans un second travail visant à déterminer les caractéristiques acoustiques d’espèces
pélagiques dans le Kuroshio-Oyashio, les eaux inter-frontales et subarctiques du nord-ouest
du Pacifique au printemps, Murase et al. (2009) proposent d’utiliser également le ΔMVBS120-
38 ainsi que les données de captures. Ils ont sélectionné six groupes que sont les copépodes, le
krill, l’anchois (Engraulis japonicus), les myctophidés (Diaphus theta), les Ammodytes et en
ensemble regroupant les larves et juvéniles de poissons. Ils ont pu relier grâce aux captures la
taille des individus avec les variations de ΔMVBS120-38 au sein des différents groupes.
Dans notre étude, nous avons décidé d’utiliser ces techniques d’analyses bi-
fréquentielles pour obtenir de plus amples informations sur le type d’organisme détecté par
acoustique. Pour cela nous utilisons un algorithme issu de la thèse de Ballón (2010).
23
Figure 17: Target strength (TS) en fonction de la fréquence. Les modèles représentés sont
issus pour le krill de Lawson et al. (2006) pour les ptéropodes (1 mm de diamètre), les
siphonophores (1.5mm de diamètre) et les copépodes (2mm de diamètre) les modèles sont
issues de Lawson et al. (2004). La courbe est séparée en deux zones, la zone de Rayleigh de
basse fréquence avec un accroissement constant du TS en fonction de la fréquence, et la zone
géométrique de haute fréquence avec un TS constant ou oscillant en fonction de la fréquence
(Lawson et al., 2008).
Pour le groupe dont le +MVBS est inférieur à -135 dB (le groupe sans poisson) il s’agit
de séparer le groupe « fluid like » du reste appelé « blue noise ». Cependant avec les
fréquences 38 et 120 kHz il est impossible de séparer le « fluid like » du groupe « elastic-
shelled » tout deux ont une réponse plus faible à 38 kHz qu’à 120 kHz (Korneliussen and
Ona, 2003). De plus, avec ces deux fréquences, il est impossible de déceler la présence des
copépodes. Selon Coyle (2005) pour détecter des copépodes avec un seuil d’acquisition de -
80 dB il faudrait au minimum 550 à 1445 individus par m3, seule une très forte densité de
copépodes peu être observable. Le ΔMVBS120-38 permet d’effectuer cette séparation avec un
masque qui regroupe les réponses au ΔMVBS120-38 positive formant le groupe « fluid like », le
reste regroupe les individus ayant une réponse plus importante à 38 kHz où l’on retrouve les
« gas bearing ».
24
La fréquence 38 kHz est plus forte que la réponse 120kHz dans tous les cas. De même la
réponse acoustique est globalement homogène le long de l’axe ΔMVBS120-38=0 il ne semble
pas y avoir de groupe qui se distingue nettement. Cependant, une différence entre le jour et la
nuit se dégage, le +MVBS de nuit est plus important que de jour. Si l’on s’en tient au critère
évoqué dans la partie précédente, les groupes prédominants dans la zone épipélagique sont
les « gas bearing » avec une très faible quantité de réponse de type « fluid like ». Pour ce qui
est des poissons, il est impossible de savoir si lors de la période nocturne le groupe +MVBS
supérieur à -135 dB correspond à du poisson ayant migré ou un enrichissement d’un autre
type d’organisme.
ECOTEM 7 ECOTEM 6
Sous Echopen il est possible de visualiser des groupes préalablement sélectionnés par
des polygones (Figure 19). A l’aide de ces sélections, nous n’avons pas réussi à séparer de
structures bien marquées sur les échogrammes. Le centre de la couche épipélagique, plus
dense, ressort souvent comme étant le groupe 1 ayant le +MVBS le plus important alors que
le fond de la couche et le bruit ressort dans le groupe 2. Dans le but d’affiner l’analyse de ces
25
réponses bi-fréquentielles, l’étude du ΔMVBS120-38 et du +MVBS va nous apporter des
informations supplémentaires sur les groupes d’organismes présents dans cette couche.
Groupe 1
Groupe2
38 kHz
120 kHz
Figure 19: Exemple de discrimination de deux groupes afin de séparer les deux modes. En
haut la réponse bi-fréquentielle aux fréquences 38 et 120 kHz, en bas à gauche la répartition
du groupe 2 sur les échogrammes et en bas à droite celle du groupe 1.
26
de bruit est plus importante pour la fréquence 120kHz du fait que le rapport signal sur bruit de
cette fréquence décroit beaucoup plus rapidement que celui de la fréquence 38kHz.
Tableau 7: Seuil moyen utilisé sur le +MVBS (en dB) pour séparer les deux groupes l’un
ayant une réponse forte aux deux fréquences et inversement.
ECOTEM 6 ECOTEM 7 MESOP
Jour -165 -156 -154
Nuit -150 -142 -143
Ces résultats nous montrent que durant la nuit, la réponse bi-fréquentielle est plus
forte, cela peut être expliqué soit par une augmentation de la densité de la couche
épipélagique, soit par une augmentation de la taille moyenne des individus durant la nuit due
à une éventuelle remontée d’organismes de tailles moyennes supérieures soit par les deux
phénomènes. Après avoir déterminé ces seuils nous avons visualisé la répartition de ces
groupes au sein des échogrammes (Figure 21) (Annexe V). Comme dans la partie précédente
la séparation par un seuil sur le +MVBS discrimine la partie centrale de la couche ayant une
densité acoustique plus importante sans pour autant mettre en avant une structure particulière
nous permettant d’identifier des structures en agrégat ou banc.
5.3 Discussion
L’objectif de cette analyse bi-fréquentielle était de chercher à caractériser des grands
ensembles au sein de la couche épipélagique et réussir à classer les réponses acoustiques
(MVBS) selon les types d’organismes présentés par Ballón (2010). Comme nous avons pu le
remarquer, la zone épipélagique du canal du Mozambique ne semble pas présenter de
27
structures indépendantes bien définies, comme elles ont pu être présentées dans l’étude de
(Ballón et al., 2010) sur l’abondance du zooplancton au large du Pérou.
c) d)
Groupe 1
e) f)
Groupe 2
Figure 21: Répartition des groupes 1 (+MVBS > seuil) et 2 (+MVBS < seuil) de jour
(Seuil= -156 dB) et de nuit (seuil= -142 dB) pendant toute la campagne ECOTEM 7.
Échogramme de toutes les périodes de jour(a) et de nuit (b) avant séparation des groupes ;
groupes 1 de jour (c) et de nuit (d) ; groupe 2 de jour (e) et de nuit (f). Dans chaque sous
panneau, l’échogramme 38 kHz est en haut et le 120 kHz en bas.
De plus, le fait de ne pas utiliser de données de capture nous empêche de valider nos
observations. Cependant, nous pouvons émettre l’hypothèse que la couche épipélagique est
riche en organismes possédant une inclusion gazeuse, qui ont une réponse supérieure à la
fréquence 38kHz. La seconde observation concerne la différence des réponses entre le jour et
28
la nuit. Cette différence met en évidence une nouvelle fois un enrichissement de la couche de
surface durant la nuit ce qui conforte les observations effectuées dans le paragraphe 3.2.1.
Pour essayer d’affiner notre analyse sur cette couche épipélagique visiblement homogène en
utilisant les données à 38 et 120 kHz, nous allons utiliser les données multi-fréquentielles du
transit MESOP 2010 en cherchant à classer les différentes réponses acoustiques.
6.2 Analyse des réponses en fréquence aux 38, 70, 120 et 200 kHz
Pour effectuer cette analyse nous avons avec l’outil Matlab Echopen classé chaque
ESU en fonction des huit combinaisons de réponse aux quatre fréquences, cette classification
est présentée dans la figure 22 a. En croisant ces réponses avec les prédictions de TS en
fonction de la fréquence des modèles d’inversions (Figure 17, paragraphe 5.1.2) nous avons
pu faire correspondre ces groupes à des types d’organismes probables. Pour le groupe 8, la
dominance de la réponse au 38 kHz nous permet de supposer une dominance des organismes
de type gazeux, pour les autres groupes la détermination visuelle de type d’organismes
présents est plus complexe. En effet les groupes 6 et 3 par exemple peuvent correspondre au
groupe « fluid like » avec des oscillations de la réponse acoustique aux basses fréquences ou
également à des organismes gélatineux qui eux aussi ont une réponse oscillante aux basses
fréquences (Lavery et al., 2007). Par la suite, nous nous sommes concentrés sur les deux
groupes prédominant, le groupe 4 qui regroupe 32% des cellules d’intégration et le groupe 6
qui en regroupe 26%. Pour mieux visualiser les réponses en fréquence de ces deux groupes
nous avons étudié la réponse relative de ces groupes par rapport à la fréquence au 38 kHz.
Nous avons calculé la différence moyenne de dB entre la fréquence 38kHz et les trois autres
fréquences afin de vérifier la dominance de cette fréquence sur ces groupes (Figure 22, b et
c) :
(9) ΔdB = Ŝv(f) – Ŝv(38)
avec Ŝv(f) le MVBS moyen à la fréquence f et Ŝv(38) le MVBS moyen à la fréquence 38 kHz
sur toutes les cellules sélectionnées dans chacun des groupes.
30
Figure 22: Classification des réponses multi fréquentielles 38, 70, 120 et 200 kHz des 130
premiers mètres de la couches épipélagiques du transit de la campagne MESOP 2010 et
visualisation des réponses multi fréquentielles relatives des deux groupes majoritaires par
rapport à la fréquence 38 kHz. Le schéma de la classification des 8 catégories de réponses
multi fréquentielles possibles (a) et réponses en fréquence relatives moyennes des groupes 4
(b) et 6 (c) par rapport à la fréquence 38 kHz avec en trait plein la moyenne et en pointillé les
écart types.
L’analyse des réponses fréquentielles relatives (ΔdB), nous confirme les résultats
retrouvés dans le paragraphe 5, l’ensemble des réponses en fréquence au 70, 120 et 200 kHz
est plus faible que celles au 38 kHz. Nous pouvons émettre comme hypothèse pour le choix
des modèles pour caractériser ces deux groupes des modèles de type gazeux, bien que les
oscillations surtout pour le groupe 6 ne nous permettent pas d’affirmer avec certitude ce
choix. L’utilisation d’un masque pour séparer ces deux groupes permet la visualisation de la
répartition de ces groupes dans la couche épipélagique durant le transit MESOP 2010 (Figure
23). Le groupe 4 est présent dans la zone de transition entre l’île de la Réunion et le sud de
Madagascar alors qu’à l’inverse le groupe 6 est visible au sein du canal. De ces observations
nous pouvons conclure que les types d’organismes présent dans 60% des ESUs correspondant
aux 2 groupes, dans et hors du canal ont des caractéristiques acoustiques différentes. Il reste à
savoir si nous pouvons décrire plus finement ses différences.
31
Figure 23: Echogrammes de quatre fréquences 38, 70, 120, 200 kHz pour les groupes 4 et 6
sur tout le transit MESOP2010.
32
Figure 24: Résultats des prédictions du modèle de sphère gazeuse de Stanton (1989)
présentant le biovolume par rayon de sphère équivalente pour chaque réponse acoustique
ajustée, à droite le groupe 6 et à gauche le groupe 4.
Dans cette étude, pour le groupe 4 il y’a 66 400 réponses en fréquence à inverser et
68 400 pour le groupe 6. Pour chaque groupe un échantillon aléatoire de 10 000 réponses en
fréquence est sélectionné pour être inversé. Pour les mêmes paramètres d’entrée seul le
modèle de sphère gazeuse a pu s’ajuster. Sur les 10 000 réponses en fréquence testées 6 900
se sont ajustées au modèle pour le groupe 4 contre 4 800 pour le groupe 6 (Figure 24). Les
résultats obtenus mettent en évidence une différence de classe de taille pour l’ensemble des
réponses ajustées, avec pour le groupe 4 un biovolume concentré dans les classes de taille
allant de 0.5 à 1.5 mm et pour le groupe 6 de 1.5mm à 5 mm. De plus, nous pouvons
également constater que le biovolume total est plus important dans le groupe 6 que dans le
groupe 4.
33
(crustacées, les gélatineux, les petits poissons pélagiques, etc.), les données acoustiques multi-
fréquentielles peuvent apporter des informations importantes sur la distribution de ces groupes
d’organismes aussi bien dans l’espace qu’au sein des différentes classes de taille. La
différence de taille entre la zone dans le canal et hors du canal pourrait permettre d’orienter ce
futur modèle.
7 CONCLUSIONS ET PERSPECTIVES
Notre étude nous a permis de mettre en pratique des techniques et des principes
d’analyse de données acoustiques dans le but de caractériser in situ la distribution du
zooplancton et du micro-necton, et ainsi d’apporter des critères de « paramétrisation » pour le
modèle « End to End » PISCES-APECOSM, mais aussi des informations pour la validation
des sorties du modèle.
L’étude de la distribution de ces deux groupes à 38 kHz confirme la structuration en
trois couches i.e. épipélagique, méso-pélagique et migrant. La migration nycthémérale a été
mise en évidence par une augmentation de la densité acoustique dans la couche épipélagique
en période nocturne et inversement en période diurne. Nous avons observé que la variabilité
au cours des périodes diurnes et nocturnes est très faible, ce qui valide l’hypothèse de
fonctionnement faite dans APECOSM sur ces deux intervalles temporels, et invalide ainsi
l’utilité d’un intervalle de temps plus court. Nous avons pu déceler une différence
significative de la distribution spatiale entre la zone du canal du Mozambique et la zone hors
du canal du Mozambique. En effet, la couche méso-pélagique est significativement plus
profonde hors du canal qu’à l’intérieur, et la densité acoustique est significativement plus
importante dans le canal qu’à l’extérieur. Dans APECOSM, les différences de position dans la
colonne d’eau de la couche méso-pélagique ne sont pas représentées. De plus, la profondeur
de la zone d’habitat de la couche méso-pélagique prédite est supérieure dans APECOSM à ce
que nous avons pu observer localement. Il serait souhaitable d’adapter la formule de
répartition de cette couche aux observations in situ.
Pour ce qui est des résultats environnementaux, l’effet du niveau d’oxygène dissous et
de la concentration en chlorophylle a sur la distribution spatiale du zooplancton et du micro-
necton restent limités. Pour les zones où une corrélation entre les deux paramètres
environnementaux et le MVBS a été observée, nous formulons l’hypothèse d’une
concentration préférentielle du zooplancton et du micro-necton dans les zones plus riche en
phytoplancton. Cette observation va dans le sens des hypothèses d’APECOSM qui supposent
une sélection de l’habitat épipélagique influencée par la concentration en chlorophylle.
Néanmoins nous avons montré que la zone euphotique concentre en moyenne 90% de la
densité acoustique totale de la couche épipélagique. Il serait nécessaire de prendre en
considération ce paramètre dans APECOSM. L’analyse multifréquence de la couche
épipélagique a révélé une couche homogène avec une dominance de la réponse acoustique à
38 kHz. Cette observation nous permet d’envisager une dominance des organismes possédant
une inclusion gazeuse. L’utilisation des quatre fréquences a permis de discriminer une zone
dans le canal avec des organismes potentiellement plus grands qu’à l’extérieur. Ces
informations seront importantes par la suite lors de l’implémentation dans le modèle
APECOSM du module ‘biodiversité’ en plusieurs groupes d’individus (e.g. de type gazeux,
« fluid like », ou gélatineux).
Les objectifs ambitieux de notre travail ont été partiellement atteints. En effet,
l’utilisation des techniques d’analyses des données acoustiques (sans données de captures)
nous a permis de mettre en évidence un certain nombre de structures. Cependant, il s’est avéré
difficile de séparer des grands groupes d’individus (e.g. de type gazeux, « fluid like », ou
34
gélatineux). La diversité du zooplancton et du micro-necton est masquée dans certaines zones
par la prédominance des individus de type gazeux répondant très fortement à toutes les
fréquences. L’analyse bi-fréquentielle utilisée s’applique plus facilement dans le cas d’un
milieu très structuré, comme cela est le cas au Pérou (Ballón et al., 2010), où il permet la
séparation de groupes agrégés, ce qui ne fut pas le cas dans notre étude. De même, l’absence
de données sur quatre fréquences pour toutes les campagnes analysées a restreint les
possibilités de classification des organismes sur toute la zone du canal du Mozambique. Nous
avons pu valider des hypothèses faites dans le modèle APECOSM et nous avons apporté des
informations qui permettront d’améliorer la représentativité du modèle. Nous avons valorisé
les données de transit, ce qui ouvre la voie à de larges perspectives pour collecter ce type
d’information en routine (collecte peu onéreuse comparée à une campagne classique de
recherche océanographique) afin de constituer des bases de données conséquentes sur le
compartiment trophique intermédiaire.
La compréhension approfondie de la dynamique du compartiment trophique
intermédiaire nécessite une validation par des données de captures. En effet, la validation des
détections par des données de captures permet une classification plus poussée en classes de
tailles des organismes zooplanctoniques et micro nectoniques. Ce type d’informations reste
cependant rare et toujours très localisée (par rapport aux modèles ayant pour objectif une
représentation globale). L’utilisation des données de transit apporte des informations
supplémentaires sur la structure des habitats dans les zones faiblement ou non étudiées. La
perspective de diversifier le modèle APECOSM pourrait potentiellement s’appuyer sur une
analyse multi-fréquentielle en classant le zooplancton et le micro-necton à l’aide des
techniques d’inversions. Enfin nous pouvons raisonnablement envisager la validation des
spectres de tailles au sein de ces groupes discriminés, information essentielle pour les modèles
écosystémiques du type d’APECOSM.
35
8 BIBLIOGRAPHIE
Aumont, O., Maier-Reimer, E., Blain, S., et Monfray, P. (2003). An ecosystem model of the
global ocean including Fe, Si, P colimitations. Global Biogeochemical Cycles, 17, 23
pp.
Ballón, M. Étude acoustique du macrozooplancton au Pérou: estimation de biomasse,
distribution spatiale, impact du forçage physique, et conséquences sur la distribution
des poissons fourrages. Thèse de doctorat d’université. Biologie des populations et
écologie. Université Montpellier II, 2010, 205 pp., 69-89.
Ballón, M., Bertrand, A., Lebourges-Dhaussy, A., Gutiérrez, M., Ayón, P., Grados, D., et
Gerlotto, F. (2010). Is there enough zooplankton to feed forage fish populations off
Peru? An acoustic (positive) answer. Progress In Oceanography, In Press,
Beklioglu, M., Gozen, A. G., Yildirim, F., Zorlu, P., et Onde, S. (2008). Impact of food
concentration on diel vertical migration behaviour of Daphnia pulex under fish
predation risk. Hydrobiologia, 614(1), 321-327.
Bertrand, A., Ballón, M., et Chaigneau, A. (2010). Acoustic Observation of Living Organisms
Reveals the Upper Limit of the Oxygen Minimum Zone. Plos ONE, 5(4), e10330.
Bertrand, A., Borgne, R. L., et Josse, E. (1999). Acoustic characterisation of micronekton
distribution in French Polynesia. Marine Ecology Progress Series, 191, 127-140.
Blanchard, J. L., Jennings, S., Law, R., Castle, M. D., McCloghrie, P., Rochet, M.-J., et
Benoît, E. (2009). How does abundance scale with body size in coupled size-
structured food webs? Journal of Animal Ecology, 78(1), 270-280.
Brierley, A. S., Ward, P., Watkins, J. L., et Goss, C. (1998). Acoustic discrimination of
Southern Ocean zooplankton. Deep Sea Research Part II: Topical Studies in
Oceanography, 45(7), 1155-1173.
Burczynski, J. (1982). Introduction à l’utilisation des systèmes SONAR dans l’estimation de
la biomasse en poissons. Food & Agriculture Org.
Cochrane, N. A., Sameoto, D., Herman, A. W., et Neilson, J. (1991). Multiple-Frequency
Acoustic Backscattering and Zooplankton Aggregations in the Inner Scotian Shelf
Basins. Canadian Journal of Fisheries and Aquatic Sciences, 48(3), 340-355.
Coyle, K. O. (2005). Zooplankton distribution, abundance and biomass relative to water
masses in eastern and central Aleutian Island passes. Fisheries Oceanography, 14, 77-
92.
Cury, P., Shannon, L., et Shin, Y.-J. (2003). The functioning of marine ecosystems a fisheries
perpective. In: Sinclair, M., Valdimarsson, G. (Eds), Responsible Fisheries in the
marine Ecosystem. FAO, Cabi, 462pp.
Fässler, S. M. M., Santos, R., García-Núñez, N., et Fernandes, P. G. (2007). Multifrequency
backscattering properties of Atlantic herring (Clupea harengus) and Norway pout
(Trisopterus esmarkii). Canadian Journal of Fisheries and Aquatic Sciences, 64(2),
362-374.
Fernandes, P. G., Korneliussen, R. J., Lebourges-Dhaussy, A., Masse, J., Iglesias, M., Diner,
N., Ona, E. (2006). The SIMFAMI project : species identification methods from
acoustic multi-frequency information. Final Report to the EC, Q5RS-2001-02054.
Foote, K. G., Knudsen, H. P., Vestnes, G., MacLennan, D. N., and Simmonds, E. J. (1987).
Calibration of acoustic instruments for fish density estimation: a practical guide. ICES
Cooperative Research Report, 144. 69 pp.
36
Gorska, N., Korneliussen, R. J., et Ona, E. (2007). Acoustic backscatter by schools of adult
Atlantic mackerel. ICES Journal of Marine Science: Journal du Conseil, 64(6), 1145 -
1151.
Holliday, D. V. (1996). Multifrequency, multimodel inverse methods. The Journal of the
Acoustical Society of America, 100(4), 2738.
Holliday, D. V., et Pieper, R. E. (1980). Volume scattering strengths and zooplankton
distributions at acoustic frequencies between 0.5 and 3 MHz. The Journal of the
Acoustical Society of America, 67(1), 135.
Kloser R.J., Ryan T., Sakov P., Williams A., et Koslow J.A. (2002). Species identification in
deep water using multiple acoustic frequencies. Canadian Journal of Fisheries and
Aquatic Sciences, 59(6), 1065-1077.
Kooijman, S. A. L. M. (2000). Dynamic energy and mass budgets in biological systems.
Cambridge University Press.
Kooijman, S. A. L. M. (2001). Quantitative aspects of metabolic organization: a discussion of
concepts. Philosophical Transactions of the Royal Society of London. Series B:
Biological Sciences, 356(1407), 331 -349.
Korneliussen, R. J., et Ona, E. (2003). Synthetic echograms generated from the relative
frequency response. ICES Journal of Marine Science: Journal du Conseil, 60(3), 636 -
640.
Lavery, A. C., Wiebe, Peter H, Stanton, Timothy K, Lawson, Gareth L, Benfield, Mark C, et
Copley, N. (2007). Determining dominant scatterers of sound in mixed zooplankton
populations. The Journal of the Acoustical Society of America, 122(6), 3304-3326.
Lawson, G. L, Wiebe, P. H, Ashjian, C. J, Chu, D., et Stanton, T. K. (2006). Improved
parametrization of Antarctic krill target strength models. The Journal of the Acoustical
Society of America, 119, 232.
Lawson, G. L, Wiebe, P. H, Ashjian, C. J, Gallager, S. M., Davis, C. S., et Warren, J. D.
(2004). Acoustically-inferred zooplankton distribution in relation to hydrography west
of the Antarctic Peninsula. Deep-Sea Research Part II-Topical Studies in
Oceanography, 51(17-19), 2041-2072.
Lawson, Gareth L., Wiebe, Peter H., Stanton, Timothy K., et Ashjian, Carin J. (2008).
Euphausiid distribution along the Western Antarctic Peninsula--Part A: Development
of robust multi-frequency acoustic techniques to identify euphausiid aggregations and
quantify euphausiid size, abundance, and biomass. Deep Sea Research Part II: Topical
Studies in Oceanography, 55(3-4), 412-431.
Le Reste, L. (1969). Contribution à l’étude du zooplancton et plus particulièrement des
Euphausiacea au large de Nosy-Be (Madagascar). Cahiers O.R.S.T.O.M., Série
Océanographie, 7(4), 39-50.
Lurton, X. (2001). Acoustique sous-marine. Présentation et applications. Edition Ifremer,
110pp.
Lebourges-Dhaussy, A. (1996). Caractérisation des populations planctoniques par acoustique
multifréquence. Océans, 22(1), 71-92.
Lebourges-Dhaussy, A., et Ballé-Brégançon, J. (2004). Multifréquence multimodal
zooplankton classification. ICES CM 2004/R:22, Vigo, 22-25 September, 2004: 17p.
(http://www.ices.dk/products/CMdocs/2004/R/R2204.pdf)
Lebourges-Dhaussy, A., Marchal, É., Menkes, C., Champalbert, G., et Biessy, B. (2000).
Vinciguerria nimbaria (micronekton), environment and tuna: their relationships in the
Eastern Tropical Atlantic. Oceanologica Acta, 23(4), 515-528.
Maclennan, D. N., Fernandes, P. G., et Dalen, J. (2002). A consistent approach to definitions
and symbols in fisheries acoustics. ICES Journal of Marine Science: Journal du
Conseil, 59(2), 365 -369.
37
Madec, G. (2008). "NEMO ocean engine". Note du Pole de modélisation, Institut Pierre-
Simon Laplace (IPSL). France, 27.
Massé, J. (1996). L’échointégration en halieutique. Oceanis, 22(1), 23-38.
Maury, O., Faugeras, B., Shin, Y.-J., Poggiale, J.-C., Ari, T. B., et Marsac, F. (2007a).
Modeling environmental effects on the size-structured energy flow through marine
ecosystems. Part 1: The model. Progress In Oceanography, 74(4), 479-499.
Maury, O., Shin, Y.-J., Faugeras, B., Ben Ari, T., et Marsac, F. (2007b). Modeling
environmental effects on the size-structured energy flow through marine ecosystems.
Part 2: Simulations. Progress In Oceanography, 74(4), 500-514.
McGehee, D. E., O’Driscoll, R. L., et Traykovski, L. V. M. (1998). Effects of orientation on
acoustic scattering from Antarctic krill at 120 kHz. Deep Sea Research Part II:
Topical Studies in Oceanography, 45(7), 1273-1294.
McKelvey, D. R., et Wilson, C. D. (2006). Discriminant Classification of Fish and
Zooplankton Backscattering at 38 and 120 kHz. Transactions of the American
Fisheries Society, 135(2), 488.
Murase, H., Ichihara, M., Yamusa, H., Watanabe, H., Yonezaki, S., Nagashima, H.,
Kawahara, S., et Miyashita, K. (2009). Acoustic characterization of biological
backscatterings in the Kuroshio‐Oyashio inter‐frontal zone and subarctic waters of the
western North Pacific in spring. Fisheries Oceanography, 18(6), 386-401.
Pauly, D., Christensen, V., et Walters, C. (2000). Ecopath, Ecosim, and Ecospace as tools for
evaluating ecosystem impact of fisheries. ICES Journal of Marine Science: Journal du
Conseil, 57(3), 697 -706.
Roger, C. (1994). Relationships among yellowfin and skipjack tuna, their prey‐fish and
plankton in the tropical western Indian Ocean. Fisheries Oceanography, 3(2), 133-
141.
Jennings, S., Pinnegar, J. K., Polunin, N. V. C., et Boon, T. W. (2001). Weak Cross-Species
Relationships between Body Size and Trophic Level Belie Powerful Size-Based
Trophic Structuring in Fish Communities. Journal of Animal Ecology, 70(6), 934-944.
Sourisseau, M., Simard, Y., et Saucier, F. J. (2008). Krill diel vertical migration fine
dynamics, nocturnal overturns, and their roles for aggregation in stratified flows.
Canadian Journal of Fisheries and Aquatic Sciences, 65(4), 574–587.
Stanton, T. K, Chu, D. Z., et Wiebe, P. H. (1996). Acoustic scattering characteristics of
several zooplankton groups. ICES Journal of Marine Science, 53(2), 289-295.
Stanton, T. K. (1988a). Sound scattering by cylinders of finite length. I. Fluid cylinders. The
Journal of the Acoustical Society of America, 83(1), 55.
Stanton, T. K. (1988b). Sound scattering by cylinders of finite length. II. Elastic cylinders.
The Journal of the Acoustical Society of America, 83(1), 64.
Stanton, T. K. (1989). Sound scattering by cylinders of finite length. III. Deformed cylinders.
The Journal of the Acoustical Society of America, 86(2), 691.
Stanton, T. K., et Chu, D. Z. (2000). Review and recommendations for the modelling of
acoustic scattering by fluid-like elongated zooplankton: euphausiids and copepods.
ICES Journal of Marine Science: Journal du Conseil, 57(4), 793 -807.
Steinacher, M., Joos, F., Frölicher, T. L., Bopp, L., Cadule, P., Cocco, V., Doney, S. C.,
Gehlen, M., Lindsay, K., Moore, J. K., Schneider, B., et Segschneider, J. (2010).
Projected 21 st century decrease in marine productivity: a multi-model analysis.
Biogeosciences, 7(3), 979–1005.
Urick, R. J. (1975). Principles of underwater sound. New York : McGraw-Hill.
38
Wiebe, P. H, Stanton, T. K, Benfield, M. C, Mountain, D. G., et Greene, C. H. (1997). High-
frequency acoustic volume backscattering in the Georges Bank coastal region and its
interpretation using scattering models. IEEE Journal of Oceanic Engineering, 22(3),
445-464.
39
40
9 ANNEXES
41
Annexe II : Revue des différents paramètres utilisés en acoustiques et leurs formules
(tiré de MacLennan et al., 2002)
- Section différentielle de dispersion : σ (ϴ, φ)= [r² Iscat(r, ϴ, φ) 10a.r/10/Iinc] (en m²)
Avec :
- r : distance entre le sondeur et sa cible.
- x, y, z : coordonnées cartésienne.
42
Annexe III : Discrimination du zooplancton en trois catégories selon Stanton et
al.(1996) : (a) « fluid like » (e.g. euphausiacea), (b) « hard elastic-shelled » (e.g.
gastéropodes), et (c) « gas bearing » (e.g. siphonophore). A côté de chaque animal, un schéma
illustre le mécanisme dominant de diffusion et de réflexion.
43
Annexe IV : Schéma récapitulatif de la méthodologie de la discrimination bi-
fréquentielle (38 et 120 kHz) des groupes d’organisme.
44
Sv38 > Sv120
organisme de
Visualisation de la type « gas
réponse bi- bearing »
fréquentielle et
discrimination de Sv38 < Sv120
groupes organisme de
type «fluid like»
ou « elastic-
Histogramme en 2D du Sv38 en shelled »
fonction du Sv120
Recherche du
seuil de séparation
des modes, pour
discriminer le
groupe à forte
réponse
acoustique aux
deux fréquences
Histogramme du +MVBS
(Sv38+Sv120)
45
Annexe V : Répartition des groupes 1 (+MVBS > seuil) et 2 (+MVBS < seuil) de jour
(Seuil= -165 dB) et de nuit (seuil= -150 dB) pendant toute la campagne ECOTEM 6.
Échogramme de toutes les périodes de jour(a) et de nuit (b) avant séparation des groupes ;
groupes 1 de jour (c) et de nuit (d) ; groupe 2 de jour (e) et de nuit (f). Dans chaque sous
bloque l’échogramme 38 kHz est en haut et le 120 kHz en bas.
46
Annexe VI : Schéma du fonctionnement de l’algorithme de sélection de modèle
d’inversion simplifié (tiré de Lebourges-Dhaussy et Ballé-Brégançon (2004))
47
Département : Pôle Halieutique
Spécialisation : Halieutique option : REA
Enseignant responsable : Etienne Rivot
Titre anglais : Spatiotemporal dynamics and distribution of zooplankton and micronekton, acoustic data to “End to End”
models.
Résumé :
Les connaissances acquises par l‟observation in situ et la modélisation sur les compartiments trophiques souffrent
d‟une profonde carence au niveau de l‟échelon intermédiaire. Dans cette étude, nous étudions localement la distribution
spatio-temporelle du zooplancton et du micro-necton à partir de données acoustiques bi et multi-fréquences (38, 70, 120 et
200 kHz) en l‟absence d‟échantillonnages biologiques. Les données traitées ont été acquises lors de campagnes et d‟un
transit dans l‟océan Indien. Le but de cette étude est d‟apporter des connaissances supplémentaires sur le compartiment
trophique intermédiaire afin de pouvoir les intégrer au modèle End to End. La méthodologie repose sur l‟écho-intégration par
couche et l‟utilisation des méthodologies de traitement de données multi-fréquentielles développées ces dernières années.
Les techniques d‟analyses bi-fréquentielles et les procédés d‟inversions, nous ont permis de discriminer le zooplancton et le
micro-necton par groupe d‟organismes ayant les mêmes caractéristiques acoustiques. A partir de ces observations, nous
pouvons étudier la répartition en classe de taille et l‟abondance relative de ces groupes. Il ressort de cette étude une
dominance des organismes présentant une inclusion gazeuse dans toute la couche épipélagique de notre zone d‟étude.
L‟intérieur du canal du Mozambique est plus riche et a une couche méso-pélagique moins profonde qu‟à l‟extérieur. Les
organismes sont plus grands dans la couche épipélagique au sein du canal. De plus, cette étude a aussi révélé que 90% de
la densité acoustique de la couche épipélagique se situe dans la zone euphotique. Enfin, les données issues des transits (ou
de campagne sans échantillonnage biologique) sont une source d‟information peu onéreuse et exploitable. Nos résultats
permettent de valider et de perfectionner le modèle APECOSM.
Abstract :
Knowledge gained from in situ observations and modelling of lower and upper trophic levels suffer from a lack of
information on the intermediate trophic level. In this study, we analyse the spatiotemporal distribution of zooplankton and
micronekton from multi-frequency acoustic data (38, 70, 120 and 200 kHz) without biological sample. Data were collected
during two surveys and during a transit in Indian Ocean. The aim of this study is to gain further information on this trophic
level for integration into an End to End model. The method is based on echo-integration by layer and the use of recently
developed multi-frequency data analysis techniques. Bi-frequency analysis and inversion models were applied to discriminate
between groups with similar acoustic characteristics within zooplankton and micronekton. From these observations, we can
investigate the distribution by size-class and relative abundance of these groups. This study shows a higher acoustic density
for the whole water column and a mesopelagic layer at less depth in the Mozambique channel than outside. Organisms are
largest in epipelagic layer inside the channel. Moreover, the study indicates that 90% of total backscattering of epipelagic
layer is in euphotic zone. Finally, we show that data coming from transit sections (or from survey without biological sample)
can be a cheap source of information and easy to exploit. All of these results allow the validation and the improvement of
APECOSM model.
Mots-clés : Echo-intégration, multi-fréquence, zooplancton, micro-necton, inversion, modèle « End to End », Canal du
Mozambique.
Keywords : Echo-integration, multi-frequency, zooplankton, micronekton, inversion, „End to End‟ model, Mozambique
Channel
I
I