Bandeau du Laboratoire d'Informatique & Systèmes (LIS)

Soutenance de thèse : Marion Poupard

Marion POUPARD, doctorante au LIS sous la direction d'Hervé GLOTIN et Thierry SORIANO, co encadrée par Thierry LENGAGNE soutiendra sa thèse intitulée: Contributions en Méthodes Bioacoustiques Multi-échelles : Spécifiques, Populationnelles, Individuelles et Comportementales le mercredi 09 décembre 2020 à 16h00 en visioconférence dont le lien de connexion est accessible sur demande auprès du directeur de thèse glotin@univ-tln.fr

Marion POUPARD

doctorante au laboratoire LIS Rattaché à l’École Doctorale 548 « Mer & Sciences »

Sous la direction de Monsieur Hervé GLOTIN, Professeur, Université de Toulon (France)

et

M. Thierry SORIANO, Professeur, Université de Toulon (France), Co-directeur de thèse

Co encadrée par M. Thierry LENGAGNE, Chargé de Recherche-HDR, CNRS, Université Lyon I, co-encadrant

soutiendra sa thèse en vue de l’obtention du Grade de Docteur

Discipline : « Automatique, Signal, Productique, Robotique »

Spécialité : "Bioacoustique"

sur le thème

Contributions en Méthodes Bioacoustiques Multi-échelles : Spécifiques, Populationnelles, Individuelles et Comportementales

mercredi 09 décembre 2020 à 16h00

en visioconférence dont le lien de connexion est accessible sur demande
auprès du directeur de thèse glotin@univ-tln.fr

devant un jury composé de

M. Yvan SIMARD, DR Ins. Sciences de la Mer, Rimouski, Univ. Québec, Canada, Rapporteur

  • Mme Clémentine VIGNAL, Pr. Ins. Ecologie & Sciences de l’Environnement de Paris, CNRS, Univ. Sorbonne, Rapporteur
  • Mme Renata SOUSA-LIMA, Pr. Lab. of Bioacoustics, Univ. Rio Grande do Norte, Brésil, Examinatrice
  • Mme Aurélie CELERIER, MC HDR Centre Ecologie Fonctionnelle & Evolutive, CNRS, Univ.
    Montpellier II, Examinatrice
  • M. Gianni PAVAN, Pr. Cent. Interdisci. Bioacustica & Ricerche Ambientali, Univ. Pavia, Italie, Examinatrice
  • M. Hervé GLOTIN, Pr. Lab. Informatique & Systèmes, CNRS, Univ. Toulon, Directeur de thèse
  • M. Thierry SORIANO, Pr. Lab. Conception Systèmes Mécaniques & Robotiques, Univ. Toulon, co-directeur de thèse
  • M. Thierry LENGAGNE, CR HDR Lab. Ecologie des Hydrosystèmes Naturels & Anthropisés, CNRS, Univ. Lyon I, co-encadrant de thèse
  • Mme Anne-Laure BEDU, Responsable de la société Biosong, Invitée

Résumé

L’objectif de cette thèse est d’apporter différentes contributions méthodologiques en bioacoustique pour l’étude de la faune. En effet, la bioacoustique est une science récente, pluridisciplinaire et très efficace pour étudier et classifier un écosystème. Beaucoup d’études ont mis au point des procédés acoustiques pour étudier la faune à des échelles spécifiques, populationnelles, individuelles et comportementales.
Ce travail de thèse propose d’étudier différents cas d’études présents dans ces quatre échelles d’analyses.
L’objectif de cette thèse est de mettre en place des outils depuis la pose du matériel d’acquisition jusqu’à l’analyse des données pour l’ensemble des échelles présentées, de les discuter et de les mettre en perspective. La bioacoustique spécifique est illustrée ici par la classification automatique d’Orques, de Cachalots et d’oiseaux. Pour la bioacoustique populationnelle, la classification acoustique de clans d’Orques est étudiée. Puis l’échelle d’analyse s’affine et étudie les émissions sonores individuelles. Pour cela 3 cas d’études sont utilisés : la localisation individuelle d’Orques, de Cachalots et d’oiseaux. La dernière échelle est appelée bioacoustique comportementale, elle a pour but de mettre en corrélation des comportements avec des émissions acoustiques. Pour cela, l’influence du trafic maritime sur les Dauphins tachetés pantropicaux et l’impact de stimuli chimiques chez la Baleine à bosse est étudié.
Nous avons volontairement fait le choix de sélectionner différentes espèces produisant des types de signaux bien différents (stationnaires vs transitoires) évoluant dans des milieux différents (marins vs terrestres) afin d’homogénéiser les méthodes d’analyses pour faciliter le développement de nouvelles études en bioacoustique. Chaque cas d’étude présente des résultats intéressants en terme de bioacoustique et d’écologie comportementale. Ces résultats sont comparés avec la bibliographie. Puis, les résultats de chaque cas d’étude permettent de valider les méthodes proposées dans cette thèse. Les apports méthodologiques de cette thèse sont synthétisés, comparés et discutés, notamment l’impact des signaux stationnaires et transitoires, des milieux (marin et terrestre) sur la mise en place des méthodes. Les méthodes supervisées et non supervisées sont mises en comparaison. Les méthodes proposées ont été testées et validées sur certains protocoles de données massives (plusieurs dizaines de Tera).
En conclusion, cette thèse montre que les méthodes supervisées (notamment le Deep Learning) étaient très bien adaptées pour la classification de signaux stationnaires en bioacoustique spécifique et populationnelle pour le milieu terrestre et marins. Puis les méthodes non supervisées (clustering et réduction de dimensionnalité) peuvent être utilisées dans le cadre des études en bioacoustique comportementale pour identifier les signaux d’intérêt. Enfin, la bioacoustique individuelle peut se traduire par des méthodes de localisation comme l’estimation du temps de délais d’arrivée inter-capteur, réalisable pour les signaux transitoires, et plus complexe pour les signaux stationnaires.

Mots-clés : Bioacoustique, Masse de données, Espèce, Population, Individu, Localisation, apprentissage supervisé et non supervisé.

Abstract

The objective of this thesis is to make different methodological contributions in bioacoustics for the study of fauna. Bioacoustics is a recent multidisciplinary science and is very effective for studying and classifying an ecosystem. Many past studies have developed acoustical methods to analyze wildlife across (1) specific, (2) populational, (3) individual and (4) behavioral scales. The research presented in this thesis aims to study different case methods in the four scales of analysis listed above while also setting up tools from the setup of the acquisition material to the analysis of the data for all the aforementioned scales, and finally the discussion of the studies and putting them into perspective. In this study, (1) specific bioacoustics were illustrated by the automatic classification of orcas, sperm whales, and birds. The acoustic classification of orca clans were studied for (2) population analysis. Then the scale was refined and (3) individual acoustic emissions were studied through three different case studies : the individual locations of orcas, sperm whales, and birds. The last scale evaluated was (4) behavioral bioacoustics which aimed to correlate behaviors with acoustic emissions. In order to correlate certain behaviors with acoustic emissions, the influence of maritime traffic on pantropical spotted dolphins and the impact of chemical stimuli in humpbacks were evaluated and recorded. We deliberately chose to select a diverse pool of species that would produce a variety of different signals (stationary vs. transient) and had evolved in different nvironments (marine vs. terrestrial). This allows us to standardize analysis methods in order to facilitate the development of new studies in bioacoustics. Each case study showed interesting results in terms of bioacoustics and behavioral ecology. These results were compared with past studies which can be found in the bibliography. The results of each case study validated the methods proposed in this thesis. In particular, our study yielded excellent results in the evaluation of bird songs and is now a sound-recognition application available on any type of mobile phone, making it easy to identify bird species. The methodological contributions of this thesis, specifically the difference between stationary and transient signals and those of marine or terrestrial evolution, were synthesized, compared, and discussed. Supervised and unsupervised methods were also compared. These proposed methods have been tested and validated using massive data (several tens of Tera), which are unique. In conclusion, this thesis shows that supervised methods, in particular Deep Learning, are very well suited for the classification of stationary signals in specific and population-based ioacoustics for the terrestrial and marine environment. We also derived that unsupervised methods such as clustering and reduction of dimensionality, can be used within the framework of behavioral bioacoustics to identify signals of interest. Finally, individual bioacoustics can be translated into localization methods such as estimating the inter-sensor delay time which is feasible for transient signals and more complex for stationary signals.

Keywords : Bioacoustics, Big data, Species, Populations, Individuals, localization, Unsupervised and Supervised Learning.