Dynamique spatio-temporelle des zones de sources et puits de CO₂ dans les zones côtières basé sur un réseau de neurones.
Encadrants : Laurent Coppola (LOV – IMEV) et Raphaëlle Sauzède (IMEV).
Mots-clés : systèmes des carbonates, zones côtières françaises, impact des rivières, réseau de neurones, plateforme multi-observations.
Résumé : Les zones côtières influencées par les apports fluviaux abritent des écosystèmes essentiels mais particulièrement sensibles aux pressions anthropiques, à l’eutrophisation, à la pollution et aux effets du changement climatique. Ces perturbations modifient profondément leur fonctionnement biogéochimique. Cette thèse vise à étudier l’évolution du système des carbonates dans deux zones côtières françaises clés du projet : le Golfe du Lion et la Baie de Seine. L’objectif principal est de mieux comprendre les dynamiques du CO₂ en milieu côtier, en particulier les flux air-mer, et de caractériser les processus qui les contrôlent dans des environnements fortement influencés par les fleuves. Pour cela, un ensemble qualifié et contrôlé de données physiques (température, salinité) et biogéochimiques (O₂, AT, DIC, pH, pCO₂, Chl a) est compilé afin d’entraîner des modèles de Deep Learning. Ces modèles permettront d’estimer avec précision les variables du système des carbonates (AT, DIC, pH) en quatre dimensions, ainsi que le flux air-mer de CO2 en surface à haute résolution.
Spatio-temporal dynamics of CO2 source and sink areas in coastal zones based on a neural network.
Thesis advisers : Laurent Coppola (LOV – IMEV) et Raphaëlle Sauzède (IMEV).
Keywords : carbonate system, french coastal areas, river impact, neural network, multi-observation platform.
Abstract : Coastal areas influenced by river inflows are home to ecosystems that are essential but particularly sensitive to anthropogenic pressures, eutrophication, pollution and the effects of climate change. These disturbances profoundly alter their biogeochemical functioning. This thesis aims to study the evolution of the carbonate system in two key French coastal areas covered by the project: the Gulf of Lion and the Bay of Seine. The main objective is to better understand CO₂ dynamics in coastal environments, particularly air-sea fluxes, and to characterise the processes that control them in environments strongly influenced by rivers. To this end, a qualified and controlled set of physical (temperature, salinity) and biogeochemical (O₂, AT, DIC, pH, pCO₂, Chl a) data is compiled to train Deep Learning models. These models will enable accurate estimation of carbonate system variables (AT, DIC, pH) in four dimensions, as well as high-resolution air-sea CO₂ flux at the surface.