Données de classification de substrats benthiques générées par Intelligence Artificielle sur la rive nord de l'estuaire maritime du Saint-Laurent

10.26071/ogsl-66c132fc-b150

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.

Accès et utilisation

Licence: Licence Creative Commons 4.0 Attribution
Limites: Ne pas utiliser à des fins de navigation et en particulier les données du modèle non supervisé

Données et ressources

Citation

Relationships

Mots clés

Étendue du jeu de données

Date(s) de référence des métadonnées juillet 10, 2023 (Publication)
septembre 12, 2024 (Revision)
Date(s) de référence des données octobre 15, 2018 (Création)
septembre 12, 2024 (Revision)
Fréquence de mise à jour Au besoin

Partie responsable 1
Nom
Labbé-Morissette, Guillaume ORCID logo
Affiliation
The Interdisciplinary Centre for the Development of Ocean Mapping ROR logo
Courriel
guillaume.morissette@cidco.ca
Rôle
  • Auteur
  • Distributeur
  • Initiateur
  • Propriétaire
  • Point de contact
  • Chercheur principal
  • Éditeur
  • Ayant droit
  • Contributeur
Partie responsable 2
Nom
Charron-Morneau, Patrick
Affiliation
The Interdisciplinary Centre for the Development of Ocean Mapping ROR logo
Courriel
patrick.cmorneau@cidco.ca
Rôle
  • Distributeur
  • Point de contact
  • Co-auteur
  • Collaborateur
  • Éditeur
  • Contributeur
Partie responsable 3
Nom
Gendreau, Yanick ORCID logo
Affiliation
Pêches et Océans Canada
Courriel
yanick.gendreau@dfo-mpo.gc.ca
Rôle
  • Point de contact
  • Collaborateur
  • Fondateur
Partie responsable 4
Nom
Leclercq, Théau ORCID logo
Affiliation
The Interdisciplinary Centre for the Development of Ocean Mapping ROR logo
Courriel
theau.leclercq@cidco.ca
Rôle
  • Dépositaire
  • Point de contact
  • Collaborateur
  • Éditeur
  • Contributeur
Partie responsable 5
Nom
Munang, Dominic Ndeh ORCID logo
Affiliation
The Interdisciplinary Centre for the Development of Ocean Mapping ROR logo
Courriel
dominic-ndeh.munang@cidco.ca
Rôle
  • Distributeur
  • Collaborateur
  • Éditeur
  • Contributeur
Partie responsable 6
Affiliation
The Interdisciplinary Centre for the Development of Ocean Mapping ROR logo
Courriel
info@cidco.ca
Rôle
  • Propriétaire
  • Fournisseur de ressources

Champ Valeur
Variables océaniques Autre
Portée Jeu de données
Statut Terminé
Associated Datasets
Associated Datasets 1
Parent or Linked Dataset Title
Classification of Coastal Benthic Substrates Using Supervised and Unsupervised Machine Learning Models on North Shore of the St. Lawrence Maritime Estuary (Canada)
Parent or Linked Dataset identifier
https://doi.org/10.3390/geomatics4030013
Association Type
crossReference
Note de maintenance Generated from https://cioos-siooc.github.io/metadata-entry-form#/fr/stlaurent/XUDReOjjAEMH1Abxj4NZRjPtoWe2/-NWIFlmyttprxe4lcxN_
Étendue spatiale [[[-68.38730543733597, 49.02966144045441], [-67.67112221522632, 49.02966144045441], [-67.67112221522632, 49.307440477253174], [-68.38730543733597, 49.307440477253174], [-68.38730543733597, 49.02966144045441]]]
Latitude limite Nord 49.307440477253174
Latitude limite Sud 49.02966144045441
Longitude limite Est -67.67112221522632
Longitude limite Ouest -68.38730543733597
Étendue temporelle
Début
2018-10-15
Fin
2019-10-18
Étendue verticale
Min
-1.17
Max
72.048
Langue par défaut Français
Identifiant de citation
Code
https://doi.org/10.26071/ogsl-66c132fc-b150
Projects
  1. Coastal Environmental Baseline Program
Included in Data Catalogue
Included in Data Catalogue 1
Nom
OGSL/SLGO
URL
https://catalogue.ogsl.ca