Ce projet a pour but de générer des jeux de données de classification de substrats benthiques en utilisant un modèle d’apprentissage automatique supervisé (entraîné avec des données de vérité terrain) et un modèle d’apprentissage automatique non supervisé (entraîné sans données de vérité terrain). Ces deux modèles utilisent les paramètres de Hackel calculés avec des données de bathymétrie. Les paramètres de Hackel sont les paramètres caractérisant la géométrie des fonds marins comme la planéité, la linéarité, la sphéricité, la verticalité, la variation de surface.
Les données bathymétriques ont été acquises avec un sondeur multifaisceaux Seabat 7125 (Résolution de 1x1m) du 15 octobre 2018 au 18 octobre 2019 sur la rive nord de l’Estuaire Maritime (de la Baie St-Ludger à Godbout) et post-traités avec la méthode CUBE.
Concernant les données de classifications des substrats, deux jeux de données ont été générés avec deux modèles d’apprentissage automatique :
- Un premier modèle entraîné avec des données de vérité terrain provenant de Pêches et Océans Canada et utilisant une méthode de renforcement du gradient.
- Un deuxième modèle entraîné sans données de vérité terrain et s’appuyant sur une méthode de mélange gaussien.
La génération des jeux de données de classification finaux s’est finalisée le 16 mai 2023.
L’ambition de la génération de ces données est de faciliter la classification des substrats pour des domaines variés (la pêche, le dragage, gaz et pétrole) via l’intelligence artificielle, et la rendre plus accessible car moins couteux d’un point de vue opérationnel.
Ce projet a été financé par le Programme sur les données environnementales côtières de référence de Pêches et Océans Canada dans le cadre du Plan de protection des océans.
Pour information supplémentaire, veuillez consulter l’article suivant : Labbé-Morissette, G., Leclercq, T., Charron-Morneau, P., Gonthier, D., Doiron, D., Chouaer, M. A., & Munang, D. N. (2024). Classification of Coastal Benthic Substrates Using Supervised and Unsupervised Machine Learning Models on North Shore of the St. Lawrence Maritime Estuary (Canada). Geomatics, 4(3), 237-252. https://doi.org/10.3390/geomatics4030013, 2024.
10.26071/ogsl-66c132fc-b150
