[fr] Une série temporelle de 13 ans (2004-2016) du mésozooplancton de la baie de Calvi a été générée en
adoptant une approche d’apprentissage supervisée (machine learning). A partir de méthodes
d’analyse d’image et de classification (semi-) automatique, l’abondance mais également le spectre de
taille de 14 groupes taxonomiques différents ont pu être déterminés avec un taux de réussite de
classification de plus de 90%. L’abondance respective de chacun des groupes est caractérisée par une
variation annuelle et/ou interannuelle et différentes corrélations avec des paramètres
environnementaux sont soulignées. La caractérisation d’une variation annuelle moyenne par la
succession d’ensemble de groupes a permis de décrire une variation interannuelle à l’échelle de
communautés. Concernant la variation interannuelle des blooms printaniers, il est mis en évidence
que bien que l’intensité du bloom soit corrélée à la température de l’eau, son présence/absence
dépend de la concentration en nitrate. Aussi, les périodes et laps de temps caractérisant ces
corrélations entre paramètres environnementaux et bloom ont été déterminés. De manière
générale, le potentiel contenu dans ces données abondance mais aussi spectre de taille et la
biomasse est suggéré.
