À quatre heures de l’après-midi, un lac de pêche peut sembler rassurant. L’eau est chaude, les poissons sont peut-être encore actifs et une mesure de l’oxygène dissous près de la surface peut paraître tout à fait acceptable. Pourtant, le lac s’achemine peut-être déjà vers la phase la plus éprouvante de son cycle quotidien de l’oxygène — à une heure où peu de personnes l’observent.
La chaleur, l’oxygène dissous, les algues et les cyanobactéries sont liés, mais pas par une unique chaîne simple de cause à effet. Le système de surveillance le plus utile n’est donc pas nécessairement celui qui comporte le plus grand nombre de capteurs. C’est celui qui répond aux véritables questions de l’exploitant :
Le même problème fondamental de mesure se pose dans les lacs de pêche de loisir, les piscicultures continentales, les cages offshore et les élevages de moules. Les processus physiques et biologiques sous-jacents sont communs ; ce qui change, c’est le degré de renouvellement de l’eau, la densité d’élevage, la salinité, l’exposition et l’objectif biologique.
- Le niveau d’oxygène devient-il dangereux pour les poissons ?
- L’activité biologique contribue-t-elle à cette évolution ?
- Les cyanobactéries — ou un autre groupe d’efflorescences pertinent localement — prennent-elles de l’importance ?
- La tendance peut-elle être détectée suffisamment tôt pour intervenir ?
Ce billet examine ce que les mesures d’oxygène dissous, de chlorophylle-a, de cyanobactéries, de turbidité et de salinité peuvent — ou ne peuvent pas — nous apprendre dans les lacs de pêche, les piscicultures continentales et offshore, ainsi que les élevages de moules en eau saumâtre ou marine. Les dernières sections reviennent sur la question du moment critique : quand le risque lié à l’oxygène est-il souvent le plus élevé, et pourquoi une inspection l’après-midi peut-elle ne pas le détecter ?
La chaleur modifie le bilan d’oxygène
À mesure que l’eau se réchauffe, sa capacité à retenir l’oxygène dissous diminue. Dans le même temps, la respiration des poissons et des micro-organismes se poursuit, et la demande biologique en oxygène peut augmenter. Un temps chaud et calme peut également renforcer la stratification thermique, ce qui réduit les échanges entre les eaux de surface oxygénées et les couches plus profondes.
Ces mécanismes n’affectent pas de la même manière tous les lacs de pêche, les sites aquacoles ou les élevages de moules. La profondeur, l’exposition au vent, la transparence de l’eau, la charge organique, la densité de poissons ou de moules et la géométrie du bassin influencent toutes le résultat. Même une eau relativement peu profonde peut présenter d’importantes différences verticales ou spatiales.
C’est la première raison pour laquelle une mesure ponctuelle et occasionnelle constitue une preuve peu robuste. Une valeur décrit un lieu et un instant. Elle ne révèle pas le sens de l’évolution.
Le premier capteur n’est pas un « capteur d’algues »
Si l’objectif de gestion est de protéger les poissons ou les moules, l’oxygène dissous (DO) constitue le point de départ logique. C’est la variable environnementale directement liée à l’oxygène immédiatement disponible pour les poissons.
La température doit normalement être mesurée en même temps. Elle influe sur la solubilité de l’oxygène, le métabolisme des poissons, le brassage et l’interprétation tant de la concentration en oxygène que du pourcentage de saturation.
Sur les sites offshore et saumâtres, la conductivité ou la salinité doit également faire partie du socle de mesure. La salinité influe sur la solubilité de l’oxygène et aide à détecter les apports d’eau douce, la stratification et les changements de masses d’eau. Dans l’élevage de moules, elle fournit aussi un contexte important pour les conditions de filtration et les évolutions de la communauté phytoplanctonique.
Une série continue de DO et de température commence à répondre à des questions opérationnelles qu’une mesure ponctuelle ne peut pas résoudre :
- Quelle est l’amplitude des fluctuations récurrentes de l’oxygène ?
- Le minimum diminue-t-il progressivement ?
- À quelle vitesse l’oxygène baisse-t-il ?
- La colonne d’eau se comporte-t-elle de manière uniforme ?
- Un aérateur a-t-il produit l’effet attendu ?
Le niveau d’alarme approprié dépend du site et des organismes. L’espèce, le stade de développement, la densité d’empoissonnement, la température de l’eau et la durée d’exposition comptent tous. La vitesse de variation peut être aussi importante qu’un seuil fixe : une valeur qui chute rapidement peut justifier une intervention avant même que le seuil d’alarme soit atteint.
L’IA peut-elle prévoir une chute d’oxygène à partir du seul DO ?
Parfois — à condition de formuler l’affirmation avec précision.
Une série de DO suffisamment longue et régulière contient des informations sur les cycles récurrents et sur la réponse du site aux conditions antérieures. Les modèles de séries temporelles et d’apprentissage automatique peuvent apprendre ces motifs et estimer la trajectoire future du DO. Eze et Ajmal (2020), par exemple, ont obtenu des prévisions encourageantes à court et à plus long terme à partir d’une série de DO mesurée dans un bassin d’aquaculture, au moyen d’une approche hybride EEMD–LSTM.
Cela ne signifie pas qu’un modèle entraîné sur un site peut être simplement transféré à un autre. Une prévision utile en exploitation exige des données locales, des tests hors échantillon et une validation continue à mesure que les saisons et les conditions du site évoluent.
L’historique du seul DO peut également contenir des motifs compatibles avec une forte productivité biologique ou l’activité d’une efflorescence. Il ne permet toutefois pas d’en établir la cause de manière fiable. Il ne peut pas indiquer à l’exploitant si les algues ou les cyanobactéries dominent, quelles espèces sont présentes, ni si des toxines sont produites.
L’ajout de mesures de température, de météo et de pigments peut rendre l’interprétation plus spécifique. Des recherches ont aussi montré que la dynamique des cyanobactéries pouvait être prévue à partir de jeux de données environnementales incomplets, même si les performances obtenues restent tributaires des variables, des sites et de la stratégie de validation employés (Fournier et al., 2024).
La distinction opérationnelle prudente est la suivante : les modèles fondés uniquement sur le DO peuvent prévoir le risque lié à l’oxygène. Ils ne diagnostiquent pas directement une efflorescence.
Ce qu’un capteur de chlorophylle-a voit réellement
La chlorophylle-a est présente dans le phytoplancton producteur d’oxygène, notamment les algues eucaryotes et les cyanobactéries. La fluorescence de la chlorophylle-a est donc largement utilisée comme indicateur indirect de l’abondance ou de l’activité globale du phytoplancton.
Les mots importants sont indicateur indirect. Un fluoromètre ne compte pas les organismes. Il émet de la lumière à des longueurs d’onde choisies et mesure celle qu’émettent les pigments excités. La relation entre ce signal optique et la biomasse réelle peut varier en fonction de :
- La composition en espèces et celle de la communauté.
- La taille des cellules, la formation de colonies et la teneur en pigments.
- L’état physiologique et l’exposition récente à la lumière.
- L’extinction non photochimique de la fluorescence.
- La température et la matière organique dissoute.
- Les particules en suspension.
- La géométrie, la plage de mesure et l’étalonnage du capteur.
Les cyanobactéries contiennent elles aussi de la chlorophylle-a. Toutefois, les fluoromètres CHL conventionnels peuvent ne pas les représenter de la même manière que les algues vertes ou d’autres groupes du phytoplancton, car les pigments accessoires et l’organisation cellulaire modifient la réponse optique.
Les recommandations de terrain de l’USGS considèrent donc la fluorescence in situ comme un indicateur opérationnel indirect qui exige un étalonnage adapté à l’objectif, des essais d’interférence, un nettoyage et une assurance qualité, plutôt que comme une mesure absolue de la biomasse (Foster et al., 2022). Une évaluation de terrain menée dans les Finger Lakes a également démontré l’importance de comparer les résultats à des échantillons ponctuels et de comprendre les performances propres à chaque capteur (Johnston et al., 2024).
DO + CHL est donc utile lorsque la question est : la dynamique générale du phytoplancton évolue-t-elle parallèlement au cycle de l’oxygène ?
Ce qu’ajoute un capteur CYANO
Pour la surveillance des eaux douces, un fluoromètre CYANO cible généralement la phycocyanine, un pigment accessoire fortement associé aux cyanobactéries. Ce canal est donc plus sélectif pour les cyanobactéries d’eau douce qu’une mesure générale de la chlorophylle-a.
Cela ne rend pas pour autant le signal exclusif ni absolu. La réponse varie selon les espèces de cyanobactéries, car la teneur en pigments, l’agencement des cellules et leur état physiologique diffèrent. Les algues vertes, les matières en suspension, la matière organique naturelle, la lumière ambiante et la température peuvent également influencer la lecture.
Choo et al. (2018) ont testé plusieurs fluoromètres in situ avec des cultures de cyanobactéries, des interférences dues aux algues vertes et une turbidité ajoutée. Les instruments ont donné de bons résultats dans des monocultures contrôlées, mais les interférences pouvaient entraîner une surestimation ou une sous-estimation selon l’instrument et les conditions.
Ma et al. (2022) ont constaté que la matière organique naturelle et l’augmentation de la température pouvaient réduire les lectures de phycocyanine. Leurs résultats de terrain ont également montré que la relation entre fluorescence et biovolume des cyanobactéries dépendait en partie des organismes dominants et du contexte environnemental.
Un signal CYANO est donc plus spécifique que CHL lorsque les cyanobactéries d’eau douce ou saumâtre constituent la préoccupation principale — mais il ne fournit ni identification d’espèce, ni comptage cellulaire, ni mesure des toxines.
La qualification « eau douce » est importante. Il ne faut pas supposer automatiquement qu’un canal CYANO fondé sur la fluorescence de la phycocyanine représente la communauté d’efflorescences d’un site offshore ou saumâtre. Les communautés marines et saumâtres peuvent comprendre des cyanobactéries riches en phycoérythrine et de nombreuses microalgues eucaryotes nuisibles qui exigent un autre canal optique, la microscopie, une analyse moléculaire ou des tests de toxines. Le choix des capteurs doit suivre les organismes et les pigments pertinents localement, et non le seul mot « algues » (Foster et al., 2022 ; McKergow, 2025).
DO + CYANO est utile lorsque la question est : un signal associé à la phycocyanine évolue-t-il en même temps que le risque lié à l’oxygène ?
DO + CHL + CYANO est utile lorsque la question est : est-ce l’ensemble de la communauté phytoplanctonique, sa composante cyanobactérienne, ou les deux, qui évolue ?
Turbidité : le signal qui aide à interpréter les autres
La turbidité est intéressante précisément parce que la fluorescence est une mesure optique.
Les particules en suspension diffusent et absorbent la lumière. Elles peuvent affecter à la fois la lumière d’excitation envoyée dans l’eau et la lumière fluorescente qui revient vers le détecteur. Selon le type et la concentration des particules ainsi que la géométrie de l’instrument, il peut en résulter une atténuation, une diffusion supplémentaire, une perte de linéarité ou un biais de mesure positif ou négatif.
Concrètement, une augmentation de CHL ou de CYANO peut être en partie masquée — ou sembler amplifiée — lorsque l’environnement optique change. Un canal de turbidité mesuré simultanément peut donc :
- Signaler les périodes durant lesquelles la fluorescence est moins fiable.
- Aider à distinguer les tendances des pigments des épisodes sédimentaires ou de remise en suspension.
- Fournir une variable d’entrée à un modèle de correction étalonné localement.
- Améliorer les règles automatisées de contrôle qualité.
Mais la turbidité ne compense pas automatiquement la fluorescence. Une efflorescence peut elle-même augmenter la turbidité, et une biomasse dense peut créer un auto-ombrage ou une atténuation optique que ne décrit pas complètement une valeur de turbidité distincte. Le sens et l’ampleur de la correction doivent être établis avec le capteur effectivement utilisé et des échantillons représentatifs du site (Foster et al., 2022 ; Choo et al., 2018 ; McKergow, 2025).
La turbidité doit avant tout être considérée comme un élément de contexte et de contrôle qualité : elle peut révéler les moments où la fluorescence risque d’être masquée ou déformée, mais elle ne peut pas transformer CHL ou CYANO en mesure directe de la biomasse.
Choisir le plus petit ensemble de mesures utile
Scénario 1 : la priorité est de prévenir un stress aigu des poissons dû au manque d’oxygène
Commencez par DO + température. Cette combinaison mesure l’état immédiat de l’oxygène, sa tendance et la réponse à l’aération. Elle n’identifie pas la cause d’une baisse.
Scénario 2 : la priorité est d’alerter plus tôt sur le risque de baisse de l’oxygène
Utilisez DO + température + un historique local suffisant. Un modèle de prévision validé peut estimer la trajectoire probable et le temps restant avant qu’un seuil de gestion soit atteint.
Scénario 3 : la dynamique générale des algues est importante
Ajoutez CHL. Ce canal fournit un indicateur indirect des changements au sein de la communauté phytoplanctonique au sens large. Des échantillons propres au site sont nécessaires pour relier la fluorescence à la biomasse ou à la concentration en chlorophylle.
Scénario 4 : les cyanobactéries d’eau douce constituent une préoccupation particulière
Ajoutez CYANO. Ce canal fournit un signal associé à la phycocyanine plus sélectif, mais aucune information sur les espèces, le nombre de cellules ou les toxines.
Scénario 5 : l’exploitant doit distinguer les tendances générales des algues de celles des cyanobactéries
Utilisez DO + température + CHL + CYANO. Les deux canaux pigmentaires peuvent être interprétés conjointement, tandis que le DO enregistre la condition directement pertinente pour les poissons.
Scénario 6 : les sédiments, le ruissellement ou la remise en suspension varient fréquemment
Ajoutez la turbidité à la configuration appropriée. Elle permet de détecter les changements des conditions optiques et d’étayer des corrections validées localement.
Scénario 7 : des toxines ou des décisions de santé publique sont en jeu
Utilisez les capteurs continus pour orienter un échantillonnage représentatif. Aucun fluoromètre CHL ou CYANO ne remplace l’identification des espèces ou l’analyse des toxines.
Scénario 8 : le site est offshore ou saumâtre
Ajoutez la conductivité ou la salinité et choisissez les canaux pigmentaires en fonction de la communauté phytoplanctonique pertinente localement. Dans ces milieux, les changements de masses d’eau, les marées et les courants peuvent dominer le signal, tandis qu’un canal de phycocyanine conçu pour l’eau douce peut ne pas être l’indicateur d’efflorescence le plus informatif.
Comment adapter le cadre au système de production
Pisciculture continentale
Les étangs et les bassins continentaux partagent une grande partie du cycle de l’oxygène des lacs de pêche, mais la densité d’élevage, l’alimentation et l’accumulation de matière organique peuvent intensifier la demande en oxygène et rendre l’intervention opérationnelle plus urgente. DO + température reste le socle ; CHL, CYANO et la turbidité s’y ajoutent lorsque la dynamique des efflorescences ou l’évolution des conditions optiques influencent la gestion. Dans les systèmes intensifs, le pH et l’ammoniac peuvent aussi être importants, même s’ils sortent du comparatif de capteurs plus étroit développé ici.
La prévision permet ici d’agir très directement, car il est souvent possible de déclencher immédiatement des aérateurs, des pompes ou un apport complémentaire d’oxygène. L’étang étudié par Eze et Ajmal (2020) illustre le potentiel d’une prévision du DO propre au site, tandis que Shoko et al. (2014) montrent pourquoi le moment de la mesure compte.
Pisciculture offshore
Les cages offshore bénéficient généralement d’un renouvellement d’eau supérieur à celui d’un étang continental. Leur dynamique de l’oxygène peut donc dépendre des courants, des marées, des masses d’eau, de la biomasse en cage, de l’alimentation et de la distribution verticale des poissons, plutôt que d’un cycle d’étang unique et répétitif. Le socle devrait normalement comprendre DO, température et salinité ou conductivité, avec des capteurs placés aux profondeurs biologiquement pertinentes. Des mesures en amont, dans la cage ou en aval répondent à des questions différentes.
CHL peut fournir un contexte général sur le phytoplancton, mais un canal CYANO d’eau douce n’est pas un capteur universel des efflorescences algales nuisibles en mer (HAB). L’historique local des efflorescences et les prélèvements ciblés sur les organismes restent essentiels. Les conditions environnementales, notamment l’oxygène, la température, la salinité, les courants et la lumière, sont des facteurs reconnus du comportement et de la distribution des poissons dans les cages marines (Oppedal et al., 2011).
Élevage de moules, en particulier en eau saumâtre
Pour les moules, le phytoplancton est à la fois une source de nourriture et un danger potentiel. CHL peut fournir un indicateur général de la disponibilité du phytoplancton, tandis que la turbidité aide à distinguer l’évolution des conditions optiques et les matières inorganiques en suspension d’une simple tendance pigmentaire. Aucun de ces deux signaux ne décrit à lui seul la qualité de la nourriture.
Les sites saumâtres sont particulièrement dynamiques, car les apports d’eau douce, les gradients de salinité, les marées et la stratification peuvent modifier rapidement les conditions d’oxygène et la composition de la communauté. Un socle pratique est donc température + conductivité/salinité + DO, auquel CHL et la turbidité ajoutent le contexte du phytoplancton et des particules. Un canal propre à un pigment ne devrait être choisi qu’après avoir identifié les organismes pertinents localement.
Certaines microalgues nuisibles peuvent contaminer les coquillages même lorsque DO, CHL et l’aspect de l’eau semblent ordinaires. Les capteurs continus peuvent orienter l’attention et l’échantillonnage, mais ils ne remplacent ni l’identification des espèces, ni l’analyse des biotoxines marines, ni le programme applicable de sécurité sanitaire des coquillages (Shumway, 1990).
Ce qu’un seul point de mesure peut manquer
Un capteur mesure l’eau qui l’entoure — pas l’ensemble de la masse d’eau ou de l’exploitation.
Un capteur de surface peut ne pas détecter un niveau d’oxygène plus faible près du fond. Un capteur situé à côté d’un aérateur peut mesurer l’effet local de celui-ci plutôt que les conditions dans l’ensemble de l’habitat des poissons. Les baies abritées, les arrivées d’eau et les zones plus profondes peuvent suivre des trajectoires différentes.
En mer, il faut aussi interpréter l’emplacement par rapport au courant dominant, à la géométrie de la cage et à la profondeur occupée par les animaux. Sur une palangre ou un radeau mytilicole, les conditions peuvent différer entre la surface et les niveaux inférieurs de culture ; au changement de marée, les côtés amont et aval de l’élevage peuvent s’inverser.
La conception du dispositif doit donc tenir compte des éléments suivants :
- Les zones où se trouvent les poissons ou les organismes élevés par temps chaud.
- La profondeur et la probabilité d’une stratification.
- Les entrées, les sorties et les zones abritées.
- La position et l’influence des aérateurs.
- La nécessité éventuelle de mesurer à plusieurs profondeurs ou emplacements.
Le bioencrassement et les sédiments déposés peuvent également créer de fausses tendances. Le nettoyage, l’inspection, les contrôles d’étalonnage et les prélèvements ponctuels appariés ne sont pas des suppléments facultatifs : ils font partie du système de mesure. Les recommandations de l’USGS et du NIWA soulignent toutes deux la nécessité d’adapter le fonctionnement des capteurs et l’assurance qualité à l’utilisation prévue des données (Foster et al., 2022 ; McKergow, 2025).
En entraînant un modèle d’apprentissage automatique sur de longues séries temporelles provenant de plusieurs capteurs, on peut s’attendre à des prévisions nettement supérieures à celles des modèles fondés sur le seul DO.
Le piège du moment de mesure : pourquoi l’oxygène atteint souvent son minimum avant l’aube
Revenons maintenant au lac qui paraissait rassurant dans l’après-midi.
Pendant la journée, les algues, les cyanobactéries et les plantes aquatiques réalisent la photosynthèse et ajoutent de l’oxygène à l’eau. Dans les milieux productifs, cette production biologique peut temporairement dépasser la consommation d’oxygène et donner une valeur impressionnante dans l’après-midi.
Après le coucher du soleil, la photosynthèse s’arrête. La respiration, elle, continue : poissons, plantes, plancton et micro-organismes continuent à consommer de l’oxygène. La concentration peut donc diminuer tout au long de la nuit, jusqu’au retour de la lumière et à la reprise de la production photosynthétique.
C’est pourquoi le minimum quotidien survient souvent à l’aube ou peu avant — et non pendant la partie la plus chaude et la plus visible de la journée. Des mesures effectuées dans des étangs piscicoles en terre ont révélé des valeurs de DO significativement plus faibles entre minuit et la période précédant l’aube que durant l’après-midi (Shoko et al., 2014). La surveillance à haute fréquence du lac Taihu, eutrophe, a de même enregistré des minima récurrents vers 05:00–06:00, en parallèle de fortes dynamiques saisonnières et nycthémérales (Xie et al., 2025).
Ce schéma est particulièrement pertinent pour les lacs productifs et relativement fermés, ainsi que pour les étangs continentaux. Il ne faut pas l’imposer aveuglément à une cage offshore bien renouvelée, où les marées, les courants et le passage de masses d’eau peuvent déterminer le minimum, ni à une lagune saumâtre, où le cycle biologique journalier et les échanges de marée peuvent tous deux compter. Les données locales continues révèlent quel rythme gouverne réellement le site.
Les efflorescences peuvent accroître cette amplitude quotidienne. Une population dense peut produire beaucoup d’oxygène à la lumière du jour et en consommer par respiration pendant la nuit. Si l’efflorescence s’effondre, sa décomposition peut ajouter une demande supplémentaire en oxygène.
La mesure de l’après-midi n’était pas nécessairement erronée. Elle répondait simplement à la mauvaise question.
La question opérationnelle n’est pas : « Quel est le niveau d’oxygène lorsque je me tiens au bord du lac ? » Elle est : « Jusqu’où l’oxygène descendra-t-il avant le début de la prochaine remontée ? »
De la prévision à l’intervention
Un système d’alerte utile peut combiner la valeur mesurée de DO, sa vitesse actuelle de diminution, le minimum attendu, l’incertitude de la prévision et un seuil d’intervention propre au site.
Dans un lac de pêche ou une pisciculture continentale, cette alerte peut laisser le temps de déclencher l’aération, la circulation ou un apport complémentaire d’oxygène avant l’apparition de signes visibles de détresse chez les poissons. Offshore, elle peut guider l’alimentation, l’oxygénation ou d’autres décisions de gestion des cages. Dans l’élevage de moules, elle peut déclencher un échantillonnage ciblé, une inspection ou une décision liée à la récolte, plutôt qu’une tentative de maîtriser la masse d’eau environnante.
La surveillance doit ensuite se poursuivre. Les données postérieures à l’intervention montrent si les conditions se sont effectivement améliorées, à quelle vitesse elles ont changé et si l’emplacement du capteur choisi représente les organismes d’élevage.
Outils opérationnels
Pour des outils de surveillance opérationnelle, découvrez nos bouées netH₂O : la B100-5 pour les sites intérieurs et la B400-10 pour les installations côtières et offshore plus exigeantes.
Conclusions
- DO + température constitue la base de la gestion du risque d’hypoxie pour les poissons.
- L’historique de DO peut étayer des prévisions propres au site concernant la baisse d’oxygène, mais le seul DO ne diagnostique pas les efflorescences.
- CHL est un indicateur indirect de la dynamique générale du phytoplancton.
- Un canal CYANO pour l’eau douce est plus sélectif pour les cyanobactéries, mais ne mesure pas directement les espèces, les cellules ou les toxines.
- Les sites offshore et saumâtres exigent aussi le contexte de la salinité ou de la conductivité ; le canal pigmentaire pertinent localement peut ne pas cibler la phycocyanine.
- Dans l’élevage de moules, les capteurs continus peuvent orienter l’attention et l’échantillonnage, mais ne remplacent pas la surveillance des biotoxines marines.
- La turbidité peut révéler les interférences optiques et n’étayer une correction qu’après validation locale.
- Dans les systèmes d’eau douce, DO + CHL + CYANO se justifie lorsque la distinction entre les tendances générales des algues et celles des cyanobactéries modifie une décision de gestion.
- L’emplacement, le nettoyage et les échantillons représentatifs restent essentiels.
- La mesure d’oxygène la plus instructive pourrait être celle qui est effectuée lorsqu’il n’y a presque personne sur le site.
Références
- Choo, F.; Zamyadi, A.; Newton, K.; Newcombe, G.; Bowling, L.; Stuetz, R.; Henderson, R.K. (2018). “Performance evaluation of in situ fluorometers for real-time cyanobacterial monitoring.” H2Open Journal, 1(1), 26–46. https://doi.org/10.2166/h2oj.2018.009.
- Eze, E.; Ajmal, T. (2020). “Dissolved Oxygen Forecasting in Aquaculture: A Hybrid Model Approach.” Applied Sciences, 10, 7079. https://doi.org/10.3390/app10207079.
- Foster, G.M.; Graham, J.L.; Bergamaschi, B.A.; Carpenter, K.D.; Downing, B.D.; Pellerin, B.A.; Rounds, S.A.; Saraceno, J.F. (2022). Field Techniques for the Determination of Algal Pigment Fluorescence in Environmental Waters—Principles and Guidelines for Instrument and Sensor Selection, Operation, Quality Assurance, and Data Reporting. U.S. Geological Survey Techniques and Methods, Book 1, Chapter D10. https://doi.org/10.3133/tm1D10.
- Fournier, C.; Fernandez-Fernandez, R.; Cirés, S.; López-Orozco, J.A.; Besada-Portas, E.; Quesada, A. (2024). “LSTM networks provide efficient cyanobacterial blooms forecasting even with incomplete spatio-temporal data.” Water Research, 267, 122553. https://doi.org/10.1016/j.watres.2024.122553.
- Johnston, B.D.; Finkelstein, K.M.; Gifford, S.R.; Stouder, M.D.; Nystrom, E.A.; Savoy, P.R.; Rosen, J.J.; Jennings, M.B. (2024). Evaluation of Sensors for Continuous Monitoring of Harmful Algal Blooms in the Finger Lakes Region, New York, 2019 and 2020. U.S. Geological Survey Scientific Investigations Report 2024-5010. https://doi.org/10.3133/sir20245010.
- Ma, L.; Moradinejad, S.; Guerra Maldonado, J.F.; Zamyadi, A.; Dorner, S.; Prévost, M. (2022). “Factors Affecting the Interpretation of Online Phycocyanin Fluorescence to Manage Cyanobacteria in Drinking Water Sources.” Water, 14, 3749. https://doi.org/10.3390/w14223749.
- McKergow, L. (2025). Algal Fluorescence Sensor Selection. High Frequency Water Quality Monitoring Guidance, NIWA Client Report 2025313HN. PDF officiel du guide.
- Oppedal, F.; Dempster, T.; Stien, L.H. (2011). “Environmental drivers of Atlantic salmon behaviour in sea-cages: A review.” Aquaculture, 311(1–4), 1–18. https://doi.org/10.1016/j.aquaculture.2010.11.020.
- Shumway, S.E. (1990). “A review of the effects of algal blooms on shellfish and aquaculture.” Journal of the World Aquaculture Society, 21(2), 65–104. https://doi.org/10.1111/j.1749-7345.1990.tb00529.x.
- Shoko, A.P.; Limbu, S.M.; Mrosso, H.D.J.; Mgaya, Y.D. (2014). “A comparison of diurnal dynamics of water quality parameters in Nile tilapia monoculture and polyculture with African sharp tooth catfish in earthen ponds.” International Aquatic Research, 6, 56. https://doi.org/10.1007/s40071-014-0056-8.
- Xie, D.; Chen, X.; Qian, Y.; Feng, Y. (2025). “Prolonged Summer Daytime Dissolved Oxygen Recovery in a Eutrophic Lake: High-Frequency Monitoring Diel Evidence from Taihu Lake, China.” Water, 17(22), 3221. https://doi.org/10.3390/w17223221.