Résultats et discussion
52
L'absence de validation in-situ constitue également une limite significative. Notre étude porte
principalement sur des données de l'année précédente. Dans ce contexte, il n'était pas possible
de réaliser une validation in-situ en temps réel. Cela introduit donc une incertitude dans les
résultats.
Enfin, nous constatons des confusions avec d'autres matériaux flottants, tels que des bateaux,
des navires et des fermes aquacoles. Cette confusion a nécessité une analyse manuelle pour
distinguer les débris plastiques des autres matériaux, ce qui était contraignant.
4.2 Méthode 2 : Détection de la contamination plastique par le script de Copernicus
Le premier aspect à souligner est que le prototype du script développé par les services
Copernicuspermet effectivement de détecter la contamination plastique potentielle à partir des
images Sentinel-2 téléchargées. L'analyse de ces images a permis l'élaboration de cartes
représentants la répartition spatio-temporelle de la contamination plastique potentielle durant
l’année 2023-2024, dont celles couvrant les zones et la période d'étude (Figure 19), afin
d’étudier la variabilité temporelle de la contamination à une échelle plus fine, en fonction de
la disponibilité des images.La couleur jaune des images correspond aux pixels contaminés par
la pollution plastique, l’intensité de la couleur dépend de l’abondance de ces derniers.
La classification supervisée est cruciale pour visualiser de manière concrète la distribution
spatiale de la contamination plastique potentielle au fil des quatre saisons (Figure 20), ainsi
que pour quantifier cette contamination. Néanmoins, la tentative de quantification n’a pas été
très fructueuse en raison de la présence de pixels mixtes comme indiqué dans le Tableau 16.
Ces pixels ont conduit à une surestimation de la contamination plastique dans certaines
régions et saisons par exemple le printemps, et à une sous-estimation dans d'autres comme
l’automne. De ce fait, ces résultats n’ont pas été discutés, et seule la distribution spatiale a été
abordée en détail.
Tableau 16: Quantification de la contamination plastique potentielle.
Zone d’étude
Printemps
(25/03/2023)
Été
(12/08/2023)
Automne
(06/10/2023)
Hiver
(03/02/2024)
Nombre de pixels « Contamination potentielle »
1 471 583
1 375 686
16 694
208 547
Nombre de pixels « Non-contamination »
295 010
390 907
1 749 899
1 558 046
Superficie totale de contamination potentielle (km²)
3210,45
3001
36,42
455
% Contamination plastique
83,3
77,87
0,94
11,81
52
L'absence de validation in-situ constitue également une limite significative. Notre étude porte
principalement sur des données de l'année précédente. Dans ce contexte, il n'était pas possible
de réaliser une validation in-situ en temps réel. Cela introduit donc une incertitude dans les
résultats.
Enfin, nous constatons des confusions avec d'autres matériaux flottants, tels que des bateaux,
des navires et des fermes aquacoles. Cette confusion a nécessité une analyse manuelle pour
distinguer les débris plastiques des autres matériaux, ce qui était contraignant.
4.2 Méthode 2 : Détection de la contamination plastique par le script de Copernicus
Le premier aspect à souligner est que le prototype du script développé par les services
Copernicuspermet effectivement de détecter la contamination plastique potentielle à partir des
images Sentinel-2 téléchargées. L'analyse de ces images a permis l'élaboration de cartes
représentants la répartition spatio-temporelle de la contamination plastique potentielle durant
l’année 2023-2024, dont celles couvrant les zones et la période d'étude (Figure 19), afin
d’étudier la variabilité temporelle de la contamination à une échelle plus fine, en fonction de
la disponibilité des images.La couleur jaune des images correspond aux pixels contaminés par
la pollution plastique, l’intensité de la couleur dépend de l’abondance de ces derniers.
La classification supervisée est cruciale pour visualiser de manière concrète la distribution
spatiale de la contamination plastique potentielle au fil des quatre saisons (Figure 20), ainsi
que pour quantifier cette contamination. Néanmoins, la tentative de quantification n’a pas été
très fructueuse en raison de la présence de pixels mixtes comme indiqué dans le Tableau 16.
Ces pixels ont conduit à une surestimation de la contamination plastique dans certaines
régions et saisons par exemple le printemps, et à une sous-estimation dans d'autres comme
l’automne. De ce fait, ces résultats n’ont pas été discutés, et seule la distribution spatiale a été
abordée en détail.
Tableau 16: Quantification de la contamination plastique potentielle.
Zone d’étude
Printemps
(25/03/2023)
Été
(12/08/2023)
Automne
(06/10/2023)
Hiver
(03/02/2024)
Nombre de pixels « Contamination potentielle »
1 471 583
1 375 686
16 694
208 547
Nombre de pixels « Non-contamination »
295 010
390 907
1 749 899
1 558 046
Superficie totale de contamination potentielle (km²)
3210,45
3001
36,42
455
% Contamination plastique
83,3
77,87
0,94
11,81