Télédétection spatiale et aéroportée de la colonisation du littoral par les huîtres sauvages

Hyperspectral remote sensing of wild oyster reefs (Crassostrea gigas)

• Auteur / Autrice : Anthony Le Bris
• Direction : Marc Robin, Laurent Barillé
• Type : Thèse de doctorat
• Discipline(s) : Géographie et biologie marine
• Date : Soutenance le 28/11/2016
• Etablissement(s) : Nantes
• Ecole(s) doctorale(s) : Ecole doctorale Droit, Economie-Gestion, Sociétés, Territoires (Nantes)
• Partenaire(s) de recherche : COMUE : Université Bretagne Loire (2016-2019)
• Jury : Examinateurs / Examinatrices : Chang-Keun Kang, Martin Gade, Jean-Baptiste Féret
• Jury : Rapporteurs / Rapporteuses : Philippe Goulletquer, Kamel Soudani

Mots clés

Mots clés contrôlés

Crassostrea gigas

Mots clés libres

Microalgues épilithes

Microalgues endolithes

Résumé

L’huître creuse Crassostrea gigas, est considérée depuis les années 90 comme une espèce invasive à cause de son impact sur l’environnement. Cependant, suite aux surmortalités qui touchent les huîtres en élevage depuis l’été 2008, les huîtres sauvages sont considérées comme une réelle ressource. Cela nécessite la production de cartes pour localiser et quantifier les gisements naturels. L’objectif de ce travail est d’étudier la capacité de la télédétection visible et proche infrarouge pour identifier les récifs d’huîtres à différentes résolutions spectrales, spatiales et temporelles. Les premières cartographies à l’échelle d’un bassin ostréicole ont montré l’importance des données hyperspectrales, pour distinguer les types de récifs. Les spectres de réflectance ont révélé l’existence inattendue de bandes d’absorptions chlorophylliennes, suggérant la présence d’un biofilm de microalgues sur les coquilles, jusqu’alors invisible à l’oeil nu. L’étude s’est poursuivie à micro-échelle en scannant des coquilles d’huîtres avec une caméra HySpex en laboratoire. L’analyse des pics de dérivés secondes à 462, 524, 571 et 647 nm a révélé la présence de diatomées, cyanobactéries, rhodophycées et chlorophycées. En parallèle, des analyses pigmentaires par chromatographie (CLHP) et des observations microscopiques ont confirmé la présence de ces microalgues epilithes et endolithes. Enfin, malgré la résolution hyperspectrale, les récifs restent difficiles à identifier dans les zones de vasières où la vase et le microphytobenthos recouvrent les coquilles. Cette difficulté peut être surmontée en couplant les données optiques avec les données radar, sensibles à la rugosité de surface.

Since the 90’s, the Pacific oyster Crassostrea gigas, is considered as an invasive species because of their negative environmental impacts. However, oyster producers are reconsidering wild oyster populations as a resource due to recent high mortalities affecting cultivated oysters since the summer 2008. The social conflicts existing around natural oyster beds require spatial distribution maps for management purposes. The objective of this work is to evaluate the ability of visible and near infrared remote sensing to identify wild oyster reefs using various spectral, spatial and temporal resolutions. Firstly, maps obtained with an airborne campaign at a shellfish ecosystem scale, showed the importance of hyperspectral data, to identify oysters according to the reef structure. Spectral reflectance shapes surprisingly revealed the existence of chlorophyll absorption bands, suggesting the presence of a visually invisible microalgal biofilm colonizing the shell surface. At microscale, oyster shells were imaged using a hyperspectral HySpex camera in the laboratory with a sub-millimeter spatial resolution. The second derivative peaks at 462, 524, 571 and 647 nm were related to the presence of diatoms, cyanobacteria, rhodophytes and chlorophytes. Further pigment analysis by high performance liquid chromatography (HPLC) and microscopic observations confirmed the presence of these epilithic and endolithic biofilms. Finally, despite the high hyperspectral resolution, misclassification of oyster reefs occurred in muddy areas due to spectral mixing with mud and microphytobenthos. This could be overcome by combining optical data with radar images, sensitive to the surface roughness.