Les algues microscopiques flottant librement, appelées phytoplancton, et le minuscule zooplancton qui les mange, sont notoirement difficiles à compter. Les chercheurs ont besoin de savoir comment le réchauffement climatique les affectera tous les deux. Un nouveau type de véhicule sous-marin autonome léger et intelligent (LAUV) peut les aider.

Le phytoplancton marin, ou plancton végétal, est incroyablement important pour la vie sur Terre. En transformant la lumière du soleil en énergie, il produit 50 % de l’oxygène que nous respirons.

Il n’est donc pas étonnant que les chercheurs veuillent savoir ce que le changement climatique et le réchauffement de l’océan pourraient faire à ces minuscules usines à oxygène flottantes, d’autant plus qu’elles servent de base aux réseaux alimentaires marins et soutiennent ainsi la production de zooplancton et de poissons.

Mais compter et identifier le plancton est incroyablement difficile. C’est comme chercher des millions de petites aiguilles dans une énorme botte de foin, sauf que la botte de foin et les aiguilles se déplacent constamment dans les vastes étendues de l’océan, dans l’espace et dans le temps.

Une collaboration interdisciplinaire entre les chercheurs du NTNU et leurs collègues du SINTEF Ocean est en train de mettre au point un véhicule sous-marin autonome léger (LAUV) intelligent, programmé pour trouver et identifier différents groupes de plancton.

Le projet de cinq ans, appelé AILARON, a reçu 1,1 million de dollars du Conseil de la recherche de Norvège en 2017. Plus tôt ce printemps, les chercheurs ont emmené le LAUV sur la côte norvégienne accidentée pour un essai.

Imaginez le LAUV comme une version robotisée d’un vrai chien renifleur de drogue, si le chien pouvait à la fois identifier les drogues dans un sac et dire à ses maîtres où le sac se dirige.

Ce qui est particulier ici, c’est que le LAUV utilise toute la chaîne de traitement de l’imagerie, de l’apprentissage automatique, de l’hydrodynamique, de la planification et de l’intelligence artificielle pour « imager, analyser, planifier et apprendre » pendant qu’il fait son travail.

En conséquence, le robot peut même estimer où se dirigent les organismes flottants, ce qui permet aux chercheurs de recueillir davantage d’informations sur le plancton lorsque les organismes suivent les courants océaniques. Imaginez le LAUV comme une version robotique d’un véritable chien renifleur de drogue, si ce dernier pouvait à la fois identifier les drogues dans un sac et dire à ses maîtres où le sac se dirige.

« Notre LAUV améliore la précision, réduit l’incertitude des mesures et accélère notre capacité à échantillonner le plancton à haute résolution, à la fois dans l’espace et dans le temps », a déclaré Annette Stahl, professeur associé au département d’ingénierie cybernétique de la NTNU, qui dirige le projet AILARON.

Les approches actuelles sont limitées et prennent beaucoup de temps

L’échantillonnage du phytoplancton à l’aide des méthodes conventionnelles prend beaucoup de temps et peut être coûteux.

« Les analyses d’échantillons de phytoplancton, surtout à haute résolution temporelle et spatiale, peuvent coûter assez cher », explique Nicole Aberle-Malzahn, professeur associé au département de biologie de la NTNU, qui fait partie du projet.

L’avantage des méthodes plus conventionnelles est qu’elles peuvent fournir beaucoup d’informations, notamment en ce qui concerne la composition des espèces et la biodiversité.

Mais la plupart des échantillonneurs basés sur des bateaux ou amarrés ne fournissent que des instantanés dans l’espace ou dans le temps, ou si les informations sont recueillies par satellite, une très grande image de ce qui se passe dans l’océan, sans beaucoup de détails. C’est là qu’intervient le chien renifleur robotisé LAUV.

La révolution robotique rencontre l’intelligence artificielle

Le robot LAUV mis au point par le groupe de recherche AILARON ressemble à une petite torpille élancée.

Il est équipé d’une caméra qui prend des images du plancton dans les couches supérieures de l’océan, dans une zone appelée zone photique, qui est aussi profonde que la lumière du soleil peut pénétrer. Il est également équipé de capteurs de chlorophylle, de conductivité, de profondeur, d’oxygène, de salinité, de température et de capteurs hydrodynamiques (DVL).

Lors d’une récente mission sur le terrain, coordonnée par Joseph Garrett, chercheur postdoctoral au département d’ingénierie cybernétique de la NTNU, un groupe interdisciplinaire de scientifiques s’est réuni à la station de Mausund, sur une minuscule île située au milieu de la côte norvégienne, à environ trois heures de route de Trondheim.

L’objectif était d’observer la floraison printanière, lorsque le phytoplancton réagit à l’augmentation de la lumière solaire associée au printemps et que sa biomasse commence à exploser.

Les chercheurs, dirigés par Tor Arne Johansen, professeur au département d’ingénierie cybernétique de la NTNU, ont utilisé l’imagerie hyperspectrale à partir de drones et de petits avions pour fournir des estimations du phytoplancton au-dessus de la surface de l’eau. Ils disposaient également d’images satellites pour fournir des estimations de la chlorophylle depuis l’espace. Enfin, l’équipe de LAUV et d’échantillonnage du plancton a envoyé ses appareils sur la piste pour suivre l’efflorescence dans le temps et l’espace.

Les scientifiques ont confirmé que le phytoplancton « fleurissait » en filtrant l’eau de mer. Lorsque les filtres blancs brillants sont devenus bruns, ils ont su que la production de phytoplancton dans la colonne d’eau était à son maximum.

Entraînement du chien renifleur

L’AUV peut regarder les images et les classer immédiatement, car il a été « éduqué » au fil du temps à reconnaître différents groupes de plancton à partir des images qu’il prend.

L’ordinateur de bord génère également une carte de densité de probabilité pour montrer l’étendue des organismes qu’il a détectés.

Le LAUV peut également décider de retourner sur les points chauds précédemment détectés qui contiennent des espèces intéressantes dans la zone qu’il a étudiée. C’est ici que les opérateurs humains peuvent jouer un rôle, car ils peuvent « parler » au LAUV si nécessaire.

Les chercheurs peuvent également modifier à la volée les préférences d’échantillonnage du LAUV en fonction de ce qu’il trouve, ce qui explique pourquoi on l’appelle une sorte de chien renifleur : il peut détecter des échantillons intéressants et tracer un volume où un navire de recherche pourrait venir effectuer un échantillonnage de suivi.

Les informations recueillies par les capteurs lorsque le LAUV prélève ses échantillons peuvent aider à déterminer la répartition et le volume des créatures ciblées avant que le LAUV ne se rende au prochain point chaud.

Il peut prédire la direction des courants.

Le plancton ne peut pas nager contre les courants. Au contraire, il flotte et est entraîné par les courants. Cela signifie que les chercheurs doivent savoir ce qui se passe avec les courants.

Le chien renifleur LAUV dispose d’un équipement qui lui permet de créer une estimation des courants locaux à différentes couches de profondeur. Il calcule ensuite un modèle qui lui permet de prédire où se dirige le plancton, et qui peut aider le LAUV à décider où il doit aller ensuite.

L’échantillonnage et le traitement des images par le LAUV est un processus dit itératif, c’est-à-dire que l’échantillonnage est répété et affiné. C’est comme le dressage d’un chien renifleur avec des milliers de séances d’entraînement.

L’objectif global est que le LAUV puisse se rendre dans les hotspots de plancton après avoir effectué un premier relevé de type « tondeuse à gazon fixe » – ce qui est à peu près ce à quoi cela ressemble.

« L’objectif est de nous permettre de comprendre les structures et la dispersion des communautés en relation avec les processus biologiques de la colonne d’eau », a déclaré Stahl. « Et l’utilisation du LAUV nous permet de recueillir ces informations – par exemple, notre LAUV peut fonctionner jusqu’à 48 heures. »

Beaucoup de détails dans le temps et l’espace

L’utilisation de technologies LAUV intelligentes permet d’évaluer les conditions biologiques, physiques et chimiques dans une zone donnée avec une haute résolution temporelle et spatiale, a déclaré Mme Stahl.

« Nous ne pourrions jamais obtenir ce type de résolution en utilisant les méthodes traditionnelles d’échantillonnage du plancton », a-t-elle ajouté. « Des projets tels qu’AILARON peuvent donc contribuer à faire progresser nos connaissances sur l’état des écosystèmes et à accroître nos possibilités de surveillance et de gestion des écosystèmes dans les conditions océaniques futures. »

Geir Johnson, biologiste marin au département de biologie de la NTNU, et scientifique clé du Centre pour les opérations et systèmes marins autonomes (AMOS) de l’université, est d’accord.

« Nous voulons obtenir une vue d’ensemble de la distribution des espèces, de la biomasse et de l’état de santé en fonction du temps et de l’espace », a-t-il déclaré. « Mais pour ce faire, nous devons utiliser des robots sous-marins porteurs d’instruments. »

Quentin CLAUDEL

« Ceci est un article « presslib » et sans droit voisin, c’est-à-dire libre de reproduction en tout ou en partie à condition que le présent alinéa soit reproduit à sa suite. Larobolution.com est le site sur lequel vous retrouverez toute l’actualité des métaux précieux. Merci de visiter mon site. Vous pouvez vous abonner gratuitement à la lettre d’information quotidienne sur https://larobolution.com/. »

Source Maritime Executive