La concentration en chlorophylle-a (Chl-a) dans les masses d'eau, en tant que paramètre climatique clé, joue un rôle crucial dans la télédétection précise, essentielle pour l’étude du cycle global du carbone, ainsi que pour la surveillance et la gestion de l’environnement marin. Les satellites de la série HY-1C/1D embarquent le capteur océanique de couleur et de température de l’eau (COCTS), permettant une surveillance globale des couleurs océaniques à l’échelle kilométrique. Le développement d’un algorithme de télédétection haute précision pour le Chl-a basé sur les données COCTS est une condition fondamentale pour assurer un soutien fiable à la surveillance océanique et aux recherches sur le changement climatique avec des données satellitaires autonomes. Cette étude s’appuie sur 2165 ensembles de données mesurées couvrant les zones marines mondiales et a construit un modèle de réseau neuronal perceptron multicouche (MLP-NN) basé sur les réflectances multibandes (R_rs) du capteur HY-1C/1D COCTS et des paramètres environnementaux, réalisant une inversion précise à l’échelle globale de la concentration en Chl-a. Par une analyse de sensibilité des facteurs d'entrée, la combinaison optimale d’entrée a été déterminée, comprenant les réflectances à 412, 443, 490, 520, 565 et 670 nm, la latitude, le mois, la température moyenne de surface de la mer du mois précédent, ainsi que les paramètres de rayonnement photosynthétiquement actif climatiques du mois précédent. Les résultats de validation indiquent que l’erreur quadratique moyenne (Root Mean Square Difference, RMSD) après transformation logarithmique de la concentration estimée par le modèle MLP-NN est de 0,22, tandis que l’erreur médiane absolue en pourcentage (Median Absolute Percentage Difference, MAPD) est de 29,1 %, ce qui représente une réduction respective de 0,1 et 16,9 % par rapport à l’algorithme commercial de l’indice de couleur de l’eau (OCI) de la NASA. Une validation supplémentaire par appariement des données satellites et mesurées a montré que les valeurs RMSD et MAPD du Chl-a estimé par MLP-NN sont inférieures de 0,09 et 9,8 % à celles de l’algorithme OCI, démontrant une excellente robustesse de l’algorithme. Cette étude offre une méthode innovante pour les satellites nationaux dans le domaine de la surveillance écologique marine, renforçant considérablement la capacité à utiliser les observations des satellites HY-1C/1D pour la concentration mondiale en Chl-a.

Chlorophylle-a (Chl-a); réflectance de télédétection; algorithme d’inversion; satellites HY-1C/1D; réseau neuronal; COCTS; couleur de l’eau océanique