Artificial Intelligence Techniques for Automatic Segmentation and Characterization of the Coastal Upwelling System

Abstract

L’analyse des processus physiques au sein d’un syst`eme d’upwelling est essentielle pour comprendre sa variabilit`e actuelle ainsi que ses ´evolutions pass´ees et futures. Ce ph´enom`ene naturel, modul´e par des variables dynamiques, fait partie int´egrante de la r´egulation des conditions oc´eaniques et du maintien des ressources marines vitales. Parall`element, les progr`es de l’intelligence artificielle et du traitement des signaux ouvrent de nouvelles voies pour une compr´ehension, une surveillance et une gestion plus pr`ecises et plus efficaces des syst`emes de remont´ee d’eau. Cette th`ese pr´esente une recherche interdisciplinaire centr´ee sur la d´etection automatique des syst`emes de remont´ee d’eau. Elle s’appuie sur le traitement des images et des signaux et utilise diverses donn´ees provenant de di↵´erentes sources satellitaires. Les objectifs de cette ´etude sont les suivants: (1) Am´eliorer l’identification automatique et l’extraction du ph´enom`ene de remont´ee des eaux le long de la cˆote atlantique marocaine. Pour ce faire, des algorithmes d’intelligence artificielle sont appliqu´es `a des donn´ees satellitaires biologiques et physiques. (2) L’utilisation de l’apprentissage profond pour surveiller l’upwelling cˆotier dans di↵´erentes zones, en utilisant des images satellitaires de la temp´erature de surface de la mer (SST). (3) R´ealisation d’une analyse statistique sur la variation spatio-temporelle de la remont ´ee des eaux dans la r´egion de l’Afrique du Nord-Ouest (NWA). Cela implique de proposer et d’examiner divers nouveaux indices associ´es `a l’upwelling. Cette recherche vise `a fusionner les connaissances de l’oc´eanographie, de l’intelligence artificielle, du traitement des images et du traitement des signaux pour favoriser une compr´ehension globale des syst`emes d’upwelling et de leurs impacts `a multiples facettes.