La composition chimique de l’océan est contrôlée par les apports atmosphériques et fluviatiles et par des échanges permanents entre les phases dissoute et particulaires. Ces échanges résultent de couplages non-linéaires complexes entre des processus physiques, chimiques et biologiques. Nous proposons une approche pour quantifier ces processus et étudier leur variabilité en fonction des régimes trophiques. Elle repose sur l’estimation des paramètres d’un modèle non-linéaire des flux de matière dans la colonne d’eau à partir des mesures in situ réalisées en deux sites oligotrophe et mésotrophe localisés au large de l’upwelling mauritanien.
Etant données la dynamique non-linéaire du modèle et la mauvaise connaissance a priori des paramètres, la théorie inverse linéaire n’est pas applicable. Nous définissons une fonction coût qui préserve la dynamique non-linéaire du modèle et qui mesure l’écart quadratique entre les observations et les prévisions. La complexité de cette fonction exige de recourir à un algorithme d’optimisation globale. La comparaison du TRUST, du recuit simulé et de l’algorithme génétique montre que l’algorithme génétique est le mieux adapté à la minimisation du coût.
A cause de la faible résolution spatio-temporelle et des fortes incertitudes des données, les solutions inverses sont nombreuses et réparties dans plusieurs bassins disjoints. Le nombre de solutions admissibles est réduit en analysant leur robustesse vis-à-vis des erreurs sur les mesures in situ et en comparant les solutions obtenues pour différents traceurs biogéochimiques. Les solutions sélectionnées démontrent que les régimes trophiques contrôlent directement la dynamique des échanges dissous-particulaire dans la couche profonde. De plus, l’influence de la variabilité de la productivité primaire sur la distribution des éléments en trace serait nettement sous-estimée. L’approche inverse fournit des contraintes fortes pour améliorer les stratégies d’échantillonnage de la colonne d’eau.

Mots-clés : modélisation, cycles biogéochimiques, colonne d'eau océanique, traceur géochimique, méthode inverse, assimilation de données, algorithme d'optimisation globale, upwelling mauritanien

The chemical composition of the ocean is controlled by the atmospheric and river supplies and by permanent exchanges between the dissolved and particulate phases. These exchanges result from complex nonlinear couplings between physical, chemical and biological processes. We propose an approach to quantify these processes and to study their variability as a function of trophic regimes. It rests on the estimation of the parameters of a nonlinear model of the material fluxes through the water column with in situ measurements made at an oligotrophic and a mesotrophic site off the Mauritanian upwelling.
Given the nonlinear dynamics of the model and the poor a priori knowledge of the parameters, the linear inverse theory is not applicable. We define a cost function which retains the nonlinear dynamics of the model and which measures the squared distance between the observations and the predictions. The complexity of this function requires to resort to a global optimization algorithm. Comparing the TRUST, the simulated annealing and the genetic algorithm shows that the genetic algorithm is the most appropriate to minimize the cost.
Because of the low spatiotemporal resolution and the high uncertainties of the data, the inverse solutions are numerous and distributed among several disconnected basins. The number of admissible solutions is reduced by analyzing their robustness with respect to in situ data errors and by comparing the solutions found for different biogeochemical tracers. The selected solutions demonstrate that the dynamics of the dissolved-particulate exchanges in the deep layer is directly controlled by the trophic regimes. In addition, the influence of the variability of the primary productivity on the distribution of trace elements may be distinctly underestimated. The inverse approach provides us with strong constraints to improve the measurement strategies of the water column.

Keywords: modelization, biogeochemical cycles, oceanic water column, geochemical tracer, inverse method, data assimilation, global optimization algorithm, Mauritanian upwelling