Conclusion
57
Cependant, l’étude a connu quelques limitations qui ont pu avoir une influence sur la précision
des résultats en termes de superficies des zones et leur délimitation exacte, notamment :
L’absence d’une cartographie précise de la posidonie sur toute la zone d’étude,
ainsi que celle des faciès sédimentaires et biocénotiques.
L’absence de données sur les paramètres qui ont une influence sur la qualité du
produit comme les concentrations en éléments traces métalliques, les
hydrocarbures et les pesticides.
Les incertitudes liées aux algorithmes d’extraction des données satellites.
L’absence de conditions aux limites sur toute la zone d’étude
Le travail réalisé peut être complété et poursuivi sous différents aspects. Les résultats
permettent déjà de cibler les zones sur lesquelles des investigations complémentaires de terrain
serviront à affiner l’étude. Il serait pertinent d’appuyer les données générées par les algorithmes
par des données in situ, et quantifier la capacité de charge environnementale des zones
identifiées par des modèles tel que le modèle FARM ou DEPOMOD-shellfish pour prévoir les
impacts éventuels sur les écosystèmes locaux.
57
Cependant, l’étude a connu quelques limitations qui ont pu avoir une influence sur la précision
des résultats en termes de superficies des zones et leur délimitation exacte, notamment :
L’absence d’une cartographie précise de la posidonie sur toute la zone d’étude,
ainsi que celle des faciès sédimentaires et biocénotiques.
L’absence de données sur les paramètres qui ont une influence sur la qualité du
produit comme les concentrations en éléments traces métalliques, les
hydrocarbures et les pesticides.
Les incertitudes liées aux algorithmes d’extraction des données satellites.
L’absence de conditions aux limites sur toute la zone d’étude
Le travail réalisé peut être complété et poursuivi sous différents aspects. Les résultats
permettent déjà de cibler les zones sur lesquelles des investigations complémentaires de terrain
serviront à affiner l’étude. Il serait pertinent d’appuyer les données générées par les algorithmes
par des données in situ, et quantifier la capacité de charge environnementale des zones
identifiées par des modèles tel que le modèle FARM ou DEPOMOD-shellfish pour prévoir les
impacts éventuels sur les écosystèmes locaux.
