Accueil · 16 juillet – SEMI-TWIST Nolan Ernouf & Tyméa Perret: Bathymétrie et sorties de fluides dans la colonne d’eau

16 juillet – SEMI-TWIST Nolan Ernouf & Tyméa Perret: Bathymétrie et sorties de fluides dans la colonne d’eau

Une première présentation a été faite par Nolan Ernouf, étudiant de Licence 3 en stage à Ifremer Brest. L’un des outils indispensables de cette mission est le sondeur multi-faisceau (SMF). il permet d’étudier la bathymétrie (topographie des fonds marins) mais également l’imagerie acoustique (c.f. outils) sous forme de MNT (Modèle Numérique de Terrain) et la colonne d’eau. Ils sont très utiles dans la recherche des ressources minérales (aquifères, hydrothermalisme …).

Rappelons rapidement le principe: une onde acoustique est envoyée depuis un appareil à coque ou non (c.f. outil – bathymétrie), celles-ci vont pouvoir se réfléchir sur l’interface eau-sédiment et donc sont renvoyées vers la coque du navire. Les passages (bandes de fauchée) se font au fur et à mesure de l’avancée du bateau (6-7 nœuds) et nous permettent d’obtenir une couverture de toute la zone à cartographier.

La résolution est adaptée à la profondeur du site d’étude et peut varier de quelques dizaines de mètre au décimètre. Les fréquence influent sur la résolution. Les hautes fréquences pénètrent peu mais offrent une bonne résolution: dans le cas de la campagne HAITI-TWIST, la plupart des profils ont été faits à 24 kHz. Puis il y a quelques jours, aux abords de Cuba, l’équipe scientifique a décidé de passer à 12 kHz pour avoir des résultats à plus grande profondeur. Cependant, il existe de nombreuses contraintes extérieures : facteurs environnementaux (marée, célérité) et ceux de l’outil (décalage de position). Pour effectuer les corrections, des sondes « sippican » sont lancées régulièrement lors des enregistrements.

La seconde étude présentée à partir de ces données SMF concerne la colonne d’eau. La donnée colonne d’eau multifaisceau permet d’étudier toute sorte d’objets visibles au-dessus du fond marin ou sur celui-ci, comme la biomasse, les sédiments en suspension ou des épaves. Tyméa Perret, doctorante à l’Ifremer (Laboratoire GEO-OCEAN, Brest) a développé dans sa thèse une approche utilisant l’intelligence artificielle (réseaux de neurones convolutifs) capable de détecter les bulles issues de sorties de fluides (fluides froids, fluides hydrothermaux par exemple) dans la colonne d’eau, qui sont visibles par sondeur multifaisceau. Cette approche permet de traiter beaucoup plus rapidement que par une approche manuelle les très nombreuses images acoustiques dans la colonne d’eau issues des campagnes océanographiques. Cela a un intérêt particulier pour les domaines comme la recherche de ressources énergétiques et minérales, les géorisques, les bilans de gaz à effet de serre, les variations d’activité des failles actives sous-marines et l’étude des écosystèmes qui vivent près de ces fluides.

Dans le cas d’Haïti-Twist, le volume de données acquis en colonne d’eau représente au moins le million d’image SMF (environ 850 000 rien que pour le LEG1). Investiguer toutes ces images à la recherche de signaux acoustiques liés aux fluides représentent donc une charge de travail importante pour l’Homme (les opérateurs), l’intelligence artificielle que Tyméa Perret a pu développer et mettre au point va permettre de traiter efficacement ces données, de détecter les fluides sans faire trop de fausses détections sur les poissons, artefacts acoustiques et bruits anthropiques. Cet algorithme a été entraîné afin d’être utilisable sur différents systèmes multifaisceaux, à des profondeurs et fréquences variables.

Finalement, malgré quelques difficultés (bruit ambiant naturel, anthropique, lobes et autres artefacts en fonction des conditions rencontrées), l’algorithme a permis de détecter de nouvelles sorties de fluides pendant la campagne Haïti-Twist, en faisant peu de fausses détections.

Références: pour en savoir plus:

Pour conclure, ces présentations ont permis de nous rendre compte de l’importance de l’analyse bathymétrique des fonds marins et de l’analyse acoustique de la colonne d’eau. La qualité de l’imagerie des fonds dépendra de la rigueur du traitement appliqué aux données bathymétriques issues des sondeurs multifaisceaux, et les méthodes d’apprentissage par intelligence artificielle décuplent nos capacités de traitement des grandes quantités de données issues des campagnes océanographiques, ouvrant la voie à la détection de plus en plus fiable des émissions de fluides dans la colonne d’eau depuis le fond de mer.

Lucie et Tifenn, au nom des étudiant·es de l’Université Flottante

Retour à la page des séminaires SEMI-TWIST