Identification automatique des comportements à partir de bio-loggers : une solution pour améliorer les connaissances sur l’écologie des tortues marines ?

Automatic identification of behaviors from bio-loggers : a solution to improve our knowledge on the ecology of marine turtles ?

• Auteur / Autrice : Lorène Jeantet
• Direction : Damien Chevallier
• Type : Thèse de doctorat
• Discipline(s) : Écologie-éthologie
• Date : Soutenance le 17/12/2021
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale Sciences de la vie et de la santé (Strasbourg ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Institut pluridisciplinaire Hubert Curien (Strasbourg ; 2006-....)
• Jury : Président / Présidente : Jean-Benoît Charrassin
• Jury : Examinateurs / Examinatrices : Céline Le Bohec, Thiphaine Jeanniard Du Dot
• Jury : Rapporteurs / Rapporteuses : Philippe Gaspar, Jehan-Hervé Lignot

Mots clés

Mots clés contrôlés

Écologie animale

Protection

Comportement animal

Tortues marines

Mots clés libres

Tortues marines

Accéléromètre

Bio-logging

Deep learning

V-net

Stratégie énergétique

Écologie comportementale

Sea turtles

Accelerometer

Bio-logging

Deep learning

V-net

Energetic strategy

Behavioral ecology

Résumé

La Plateforme intergouvernementale sur la biodiversité et les services écosystémiques (IPBES) alertait en 2019 qu’un million d’espèces animales et végétales sont désormais menacées d’extinction. L’étude du comportement animal peut apporter une contribution significative à la conservation en améliorant les connaissances sur l’écologie des espèces et permettre l’élaboration de mesures de protection adaptées et effectives. Ainsi, l’objectif de cette thèse était de développer une méthode d’identification automatique des comportements à partir de bio-loggers pour des espèces menacées difficiles à observer ; les tortues marines. A partir du déploiement de caméras embarquées couplées à des accéléromètres, gyroscopes et capteurs de pression sur les tortues vertes en Martinique, un puissant réseau de neurones a été entrainé pour répondre à cet objectif. L’application de cette méthode sur cette même population via le déploiement de bio-loggers sur plusieurs jours nous a permis d’identifier des mesures de protection concrètes et adaptées aux enjeux économiques de la région.

The Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services (IPBES) warned in 2019 that one million animal and plant species are now threatened with extinction. The study of animal behavior can make a significant contribution to conservation by improving knowledge of species ecology and enabling the development of appropriate and effective protection measures. Thus, the aim of this thesis was to develop a method of automatic identification of behaviors from bio-loggers for endangered species that are difficult to observe, and in particular sea turtles. From the deployment of on-board cameras coupled with accelerometers, gyroscopes and pressure sensors on green turtles in Martinique, a powerful neural network was trained to meet this objective. The application of this method on this same population via the deployment of bio-loggers over several days allowed us to identify concrete protection measures adapted to the economic issues of the region.