Big data et science des donnéees pour le suivi des ressources naturelles

Big data and data science for natural resource monitoring

• Auteur / Autrice : Jannaï Tokotoko
• Direction : Nazha Selmaoui, Hugues Lemonnier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 12/12/2022
• Etablissement(s) : Nouvelle Calédonie
• Ecole(s) doctorale(s) : École doctorale du Pacifique (Faaa ; 2005-....)
• Partenaire(s) de recherche : Laboratoire : Institut de science économique appliquée (Université de la Nouvelle-Calédonie ; 19..-1974)
• Partenaire(s) de recherche : Equipe de recherche : Délégation Ifremer de la Nouvelle-Calédonie - Unité de Recherche Lagons, Ecosystèmes et Aquaculture Durable (LEAD)
• Jury : Président / Présidente : Jean-Philippe Babau
• Jury : Examinateurs / Examinatrices : Jean-Philippe Babau, Thierry Laugier, Philippe Fournier-Viger
• Jury : Rapporteurs / Rapporteuses : Thierry Laugier

Mots clés

Mots clés contrôlés

Aquaculture

Intelligence artificielle en biologie

Analyse des données -- Logiciels

Production -- Contrôle

Gestion des ressources naturelles

Nouvelle-Calédonie

Crevetticulture

Bases de données -- Interrogation

Mots clés libres

Big data

Sciences de données

Ressources naturelles

Séries temporelles

Multivariés

Multiéchelles

Clustering

Aquaculture

Big data

Sciences of the data

Natural resources

Time series

Multivariate

Multiscale

Clustering

Aquaculture

Résumé

La thèse propose de nouvelles méthodes théoriques dans le domaine de la science des données et de nouveaux outils informatiques pour traiter et analyser des données complexes générées pour le suivi des ressources naturelles. Cette thèse se focalise sur le problème du suivi et de la gestion des bassins aquacoles en Nouvelle-Calédonie. Elle s’appuie sur différentes sources de données disponibles telles que les données d’élevage (base de données Stylibase), les données de qualité du produit et les données météorologiques. Un nouveau processus permettant de croiser ces données a mis en évidence des typologies de croissance, de réussite des élevages et de qualité des produits en fonction de la qualité du milieu d'élevage (température d'eau, salinité, oxygène dissous...). En raison des différentes fréquences d’acquisition des variables, ce processus intègre de nouvelles méthodes génériques pour l’analyse de données temporelles multi-échelles et multivariées. L'aspect générique des méthodes et des algorithmes proposés ont été validé dans d'autres domaines d'application pour confirmer la portée des avancées méthodologiques.

The thesis proposes new theoretical methods in the field of data science and new computational tools to process and analyze complex data generated for the monitoring of natural resources. This thesis focuses on the problem of monitoring and management of aquaculture basins in New Caledonia. It relies on different available data sources such as breeding data (Stylibase database), product quality data and meteorological data. A new process for cross-referencing these data has highlighted typologies of growth, breeding success and product quality depending on the quality of the breeding environment (water temperature, salinity, dissolved oxygen, etc.) . Due to the different acquisition frequencies of the variables, this process incorporates new generic methods for the analysis of multi-scale and multivariate temporal data. The generic aspect of the proposed methods and algorithms have been validated in other fields of application to confirm the scope of the methodological advances.