Prédiction de la qualité microbienne des rivières dans des zones urbanisées (Erdre et Loire) via des données in-situ, satellitaires et d'observation de la Terre dans le contexte du changement climatique (PEARL)

La surveillance de la qualité de l’eau dans les rivières et fleuves urbains représente encore un enjeu crucial pour la gestion des ressources en eau.
En effet, la pollution ponctuelle et diffuse reste un défi majeur et les méthodes traditionnelles de surveillance de la qualité de l’eau à parti d’indicateur de contamination fécale comme la bactérie Escherichia coli (E. coli) sont coûteuses et limitées en fréquence et en couverture spatiale. La télé-épidémiologie apparaît donc comme un outil puissant pour étudier les relations climat-environnement-santé, et prédire la distribution spatio-temporelle de l’E. coli dans les eaux de surface par l’utilisation de données d’observation de la terre.
L’objectif principal de cette thèse et de ce projet financé par le CNES, la Région Pays de la Loire et Nantes Université, est donc d’évaluer le potentiel des données d’observation de la terre associé à des approches de machine learning afin de concevoir des méthodes de surveillance de la qualité de l’eau dans un contexte de changements climatiques. Ce projet s’appuie sur la réalisation de mesures in situ (E. coli, matières en suspension, pH, température de l’eau, conductivité, oxygène dissous), l’utilisation de données d’observation de la terre (Sentinel-2 pour inverser les matières en suspension, suivre le couvert végétal avec le NDVI ; GLDAS (Global Land Data Assimilation System) : pour l’humidité, le rayonnement UV, le ruissellement, la température).
A partir de ces données la dynamique d’E. coli sera modélisée et prédite à l’aide d’approches de machine learning, puis uniquement à partir des données satellitaires et d’observation de la terre.

L’identification des principaux paramètres environnementaux clés sera utilisée pour tester l’impact des changements climatiques sur la qualité de l’eau selon les différents scénarios SSP (Shared Socio-economic Pathways). A partir d’une revue bibliographique identifiant les évolutions futures des paramètres environnementaux (NDVI, température, pluviométrie, etc.) jouant un rôle dans le développement de l’E. coli, il s’agira de réaliser des tests de sensibilité (stress test) à l’aide de modèles statistiques afin de montrer les évolutions de la contamination.