Le repérage acoustique est largement utilisé par les biologistes marins pour étudier la répartition et les mouvements des poissons ainsi que des mammifères marins sur des échelles de temps qui varient de quelques heures à plusieurs mois, voire même des années. Cette technique fort efficace permet aux scientifiques de cartographier les routes de migration du saumon. Elle donne également la possibilité d’effectuer des corrélations entre l'habitat et le déplacement des requins, en fonction du temps et des variables environnementales. Ces études apportent des données précieuses pour la prise de décision en matière de gestion de l’environnement marin.
Le repérage acoustique consiste essentiellement à munir des animaux d’émetteurs acoustiques et à implanter un réseau sous-marin composé de récepteurs pour détecter lorsqu’un animal se trouve à proximité. Ces démarches sont accompagnées de défis logistiques et techniques. L’interprétation des données peut aussi s’avérer complexe.
Cartes illustrant les taux de détection de récepteurs individuels dans trois réseaux de repérage implantés par l’OTN au large des côtes de la Nouvelle-Écosse
Il est essentiel de déterminer la capacité de chaque récepteur du réseau à détecter un animal (sa « portée »). Or, il s’agit d’une difficulté, car la portée de détection dépend de nombreux paramètres environnementaux qui peuvent varier avec le temps. Par exemple, des niveaux élevés de bruit ambiant peuvent masquer les signaux de suivi acoustique ou des couches de densité et d’autres propriétés défavorables de la colonne d’eau peuvent empêcher les signaux de se propager sur de longues distances.
Pour résoudre ce problème, MERIDIAN s'est associé à Ocean Tracking Network (OTN) dans le cadre d'un projet visant à analyser des données historiques et à modéliser l'efficacité de réseaux de repérage acoustique historiques et projetés à l'aide de techniques d'apprentissage automatique. En utilisant les données historiques de la base de données de l'OTN, nous chercherons à exploiter l'apprentissage automatique (ex. : réseaux neuronaux) pour trouver des corrélations entre l'efficacité de la détection, diverses variables environnementales ainsi que les taux de trafic maritime.
