Abstract FR:

L'étude porte sur les méthodes neuronales dédiées au problème de la couleur de l'eau, consistant à estimer les concentrations d'un certain nombre de composés océaniques, comme le phytoplancton par exemple, à partir de mesures satellitaires de réflectances à différentes longueurs d'ondes. Bien que l'aptitude des réseaux neuronaux à résoudre des problèmes d'approximation de fonctions, de classification ou d'estimation ait été démontrée à plusieurs reprises, les résultats expérimentaux montrent que ces modèles ne permettent pas de résoudre le problème avec une précision suffisante. Dans ce travail, une méthode statistique d'estimation de la concentration en phytoplancton, utilisant la propriété du problème de la couleur de l'eau d'être un continuum de problèmes inverses, est proposée sous la forme d'un continuum d'estimateurs régressifs, appelés estimateurs locaux. Ces estimateurs locaux, dont l'optimalité statistique est démontrée sous quelques hypothèses non restrictives, sont intégrés en un estimateur global pour le problème par une application interpolante à valeurs dans une famille non convexe de densités de probabilité. Le modèle global résultant est un réseau de neurones à fonctions à base radiales normalisées dont les paramètres sont des fonctions continues de plusieurs variables. Ces modèles, construits à partir de données simulées, ont ensuite été utilisés pour estimer la concentration en phytoplancton à partir de données réelles de l'instrument spectro-imageur Sea WiFS.