Navigation – Plan du site

AccueilTransversalitésDossiers2007-2006Sélection des meilleurs articles ...Caractérisation spatiale de l’alé...

2007-2006
Sélection des meilleurs articles de SAGEO 2005
381

Caractérisation spatiale de l’aléa inondation à partir d’images satellites RADAR

Spatial characterization of flood hazard using SAR images
Renaud Hostache, Christian Puech et Damien Raclot

Résumés

Dans le cadre de la gestion du risque d’inondation, la caractérisation spatiale de l’aléa est une problématique récurrente pour laquelle les techniques de télédétection, en particulier satellitales, peuvent s’avérer très utiles. L’objectif général de notre étude est d’évaluer les apports de l’utilisation de ces données et, en particulier, de développer des méthodes de valorisation des images satellites RADAR d’inondations pour la caractérisation spatiale de l’aléa. A terme, notre étude vise l’aide à la modélisation hydraulique par évaluation de hauteurs et de volumes d’eau. La méthode que nous proposons s’articule en trois étapes principales : 1) cartographie de l’extension des eaux à partir d’images RADAR et extraction des limites informatives, 2) estimation primaire de niveaux d’eau par croisement entre les limites informatives et un MNT, 3) réduction des incertitudes d’estimation des niveaux d’eau par introduction de concepts de cohérence hydraulique.

Haut de page

Texte intégral

1Les satellites RADAR à Synthèse d’Ouverture (RSO) sont très utiles pour la caractérisation spatiale de l’aléa inondation. En effet, ils offrent des observations spatialisées d’inondations avec une haute résolution spatiale. De plus, la qualité des images acquises n’est pas affectée par la nébulosité, ce qui est particulièrement intéressant compte tenu du fait que les crues s’accompagnent la plupart du temps d’un couvert nuageux important.

2Certains organismes (e.g. : le SERTIT à Strasbourg) proposent à ce jour des services de cartographie rapide de champs d’inondation à partir d’images satellites (Yesou, Chastanet et al., 2000). Nos objectifs sont de compléter la cartographie de l’aléa en évaluant des niveaux d’eau et d’utiliser ces niveaux d’eau comme base d’une modélisation hydraulique d’inondation. Dans cet article, nous présentons une méthodologie simplifiée pour l’évaluation des niveaux d’eau dans la plaine inondée en trois étapes. Cette méthode est dite simplifiée car l’hypothèse est faite, pour l'estimation des niveaux d’eau que l’écoulement est monodimensionnel, en lien avec une modélisation hydraulique monodimensionnelle.

3L’originalité de la première étape de cette méthodologie est de compléter la cartographie d’aléa inondation à partir d’images satellites RADAR par l’extraction de la partie la plus informative de cette cartographie.

4L’objectif de la deuxième étape est d’évaluer des niveaux d’eau dans la plaine inondée. Pour cela, nous proposons d’utiliser une fusion entre les limites informatives extraites des images satellites RADAR et un Modèle Numérique de Terrain (MNT) à haute résolution spatiale.

5La troisième étape vise à resserrer les estimations de niveau d’eau et les rendre cohérentes d’un point de vue hydraulique. Pour cela, nous proposons l’utilisation d’un algorithme mise en cohérence hydraulique (Raclot, 2003) basé sur la propagation amont - aval de contraintes numériques entre les estimations successives le long de l’écoulement.

  • 1 Pour plus de clarté, nous nommons dans la suite « tache RADAR » l’extension de l’inondation calculé (...)

6A terme, ces estimations de niveau d’eau peuvent avoir des utilisations multiples, dont la plus attendue est une modélisation hydraulique du devenir de la tache d’eau. Nous nous arrêterons ici à l’étape initiale pour amorcer ce calcul qui consiste à recalculer le dessin de la tache d’eau, par remplissage du MNT à partir des niveaux d’eau estimés. On obtient ainsi une cartographie épurée de l’inondation, la tache MNT1, base du calcul hydraulique de propagation de l’inondation.

Site d’étude et constitution d’une base de données

Le site d’étude

7L’étude porte sur un tronçon de 15 km de la plaine aval de la Moselle entre Thionville et Berg sur Moselle, près de la frontière franco-germano-luxembourgeoise. A cet endroit, la Moselle a un parcours méandreux. Sa vallée a une largeur moyenne de 5 km et agit comme une zone de rétention naturelle de grande surface en cas d’écoulement de crues débordantes. Elle draine un bassin versant d’environ 11 000 km2 au niveau de la frontière. Une particularité du lit de la Moselle est son niveau d’aménagement important.

Les données de télédétection

8Deux images du satellite RADARSAT 1 (orbite descendante, faisceaux standards S1 et S2) ont été utilisées, l’une hors crue (21 février 1997), l’autre pendant une crue (28 février 1997). Le satellite RADASAT 1 acquiert des images en bande C (longueur d’onde 5.6 cm), en polarisation Horizontale-Horizontale. Sur ces images, la détection des surfaces inondées est relativement aisée, mais susceptible d’être fortement perturbée par la présence de vent ou de fortes précipitations dans le cas où les vaguelettes générées ont des dimensions verticales supérieures à 2.8 cm. Les deux images RADARSAT 1 ont des résolutions spatiales de l’ordre de 27 m. L’échantillonnage est régulier avec un pixel de 12.5 m de côté. Ces deux images ont été géoréférencées sous Système d’Information Géographique. La RMSE (erreur quadratique moyenne) à l’issue du géoréférencement est inférieure à un pixel. Par ailleurs l’image RADAR du 28 février a été acquise entre 8 et 15 heures après le passage du pic de crue dans la plaine. Ceci implique que l’image RADAR du 28 février a été acquise pendant le début de la période de décrue (vitesse lente de propagation du pic de crue dans la plaine de la Moselle, de l’ordre de 2 km.h-1).

9Cinq photographies aériennes IGN au 1/25000e, acquise hors période de crue en 1999, couvrant la totalité de la plaine de la Moselle dans la zone d’étude, ont été orthoréctifiées et mosaïquées. La RMSE à l’issue de l’ortho-rectification est inférieure à 10 m. L’orthophotographie ainsi générée nous a permis, par photo-interprétation, de cartographier l’ensemble des zones urbaines et végétalisées dans la plaine d’inondation.

Les données topographiques - création d’un MNT

10Les données topographiques utilisées ont été fournies par les Services de la Navigation du Nord-Est (SNNE) sous forme de points cotés et de lignes de structures 3D, générés par photogrammétrie à partir de photographies aériennes.

11Pour chaque ligne et chaque point sont connus les coordonnées géographiques (X,Y) en projection Lambert 1, et l’altitude Z. La densité spatiale des points et lignes est irrégulière. Elle est d’autant plus importante que les variations d’altitude sont fortes (la plus petite distance entre deux points est de l’ordre de 60 cm). Les lignes représentent des courbes de niveaux et des « structures topographiques » de la plaine (e.g. : talus, gravières, routes, voies ferrées, etc.). La précision altimétrique moyenne des données brutes est de ± 30 cm.

12A partir des données topographiques brutes, nous avons généré un modèle numérique de terrain en réseau de triangles irréguliers (TIN). Le TIN correspond à une interpolation linéaire entre les points et lignes cotés sur des facettes triangulaires construites suivant les critères de Delaunay. Le TIN a ensuite été converti au format « RASTER » (image) avec une résolution spatiale de 8 mètres pour pouvoir être superposé aux données images. Cette résolution du MNT a par ailleurs été définie conformément au théorème de Shannon – Nyquist, inférieure à la moitié des dimensions spatiales des plus petites structures topographiques représentées par les données brutes (~15-20m). Nous nommons dans la suite MNT les données topographiques interpolées au format RASTER.

Méthodologie

13La méthode que nous présentons dans cet article vise à fournir des informations pertinentes pour la modélisation hydraulique d’inondation, et en particulier à estimer des niveaux d’eau dans une plaine d’inondation. L’idée générale est d’extraire, à chaque étape de la méthode la partie la plus informative des données dans le cadre de l’étude du phénomène inondation. La méthode est structurée en trois étapes successives (Cf. schéma de la méthode figure 1.):

  • cartographie de l’extension des eaux à partir d’images RADAR et extraction des limites informatives

  • estimation primaire de niveaux d’eau par croisement des limites informatives avec un MNT

  • réduction des incertitudes d’évaluation des niveaux d’eau par introduction de concepts de cohérence hydraulique.

Cartographie de l’extension des eaux à partir d’images RADAR et extraction des limites informatives

Pré-traitements des « données RADAR »

14Les images RADAR sont soumises aux effets du chatoiement (« speckle » : bruit inhérent aux systèmes RADAR à synthèse d’ouverture), ce qui les rend difficilement utilisables sans traitements préalables (Henry, Matgen et al., 2003; Henry, 2004).

15Un filtrage temporel, suivi d’un filtrage spatial permet de réduire les effets du chatoiement. Le filtre temporel (Gineste, 1998) est appliqué sur au moins deux images RADAR ayant des caractéristiques d’acquisition semblables. Les filtres spatiaux couramment utilisés sont adaptatifs, en particulier de type Gamma-cartographique (Lopes, Touzy et al., 1990; Lopes, Nezry et al., 1993). Avec un objectif de cartographie précise de l’extension des eaux, la taille du filtre doit être maintenue la plus petite possible afin de limiter au maximum la dégradation de résolution spatiale. Le filtre Gamma-cartographique a la particularité de conserver les forts gradients radiométriques au sein des images, ce qui est intéressant pour la cartographie de champ d’inondation.

Classification  « eau-non eau » sur les images

16Les capteurs satellites radar ont une forte sensibilité à la constante diélectrique et à la rugosité de surface. Si on fait l’hypothèse que les surfaces en eau ont une rugosité très faible et une constante diélectrique très grande (Liu, Huang et al., 2002), celles-ci se comportent comme des réflecteurs spéculaires et apparaissent avec des valeurs radiométriques très faibles sur les images.

17Pour identifier l’eau sur l’image filtrée, nous avons choisi une approche basée sur le seuillage radiométrique (Henry, Matgen et al., 2003; Henry, 2004). Pour tenir compte des incertitudes liées à la résolution radiométrique des images et à la variabilité radiométrique des pixels partiellement ou totalement « inondés », il a été choisi de cartographier l’inondation avec une approche en logique floue. Ceci signifie que le seuillage radiométrique est effectué suivant deux valeurs : Smin correspondant à une valeur par défaut, et Smax correspondant à une valeur par excès. La détermination de ces valeurs est basée sur l’analyse de l’histogramme des radiométries de l’image filtrée, la résolution radiométrique des images et les ordres de grandeur des coefficients de rétro-diffusion de l’eau. A l’issue de cette classification, nous obtenons une tache RADAR, dont les limites sont affectées d’une zone d’incertitude (obtenue grâce aux seuils Smin et Smax).

Elimination progressive des zones non pertinentes de la tache RADAR

18La détection par seuillage sur les images RADAR fait apparaître des « sur-détections » et des « oublis ». Ces perturbations sont préjudiciables pour notre problématique car elles rendent non pertinentes les informations issues du RADAR concernant les limites géographiques de l’inondation.

19Les sur-détections se rencontrent essentiellement hors champ d’inondation. Elles proviennent principalement d’effets dus au chatoiement (groupes de pixels isolés supprimés de la tache par seuillage surfacique) et au relief (versants qui ne sont pas atteints par l’onde RADAR incidente, identifiés grâce aux plans des pentes et azimut du terrain naturel sur un modèle numérique de terrain).

20Les « oublis » sont des zones inondées non détectées car elles ont des valeurs radiométriques trop fortes sur les images. Ceci provient d’effets de rugosités locales(e.g. : présence de vent) ou d’éléments qui masquent l’eau (e.g. : végétation ou bâtiments émergés). Les oublis dus aux arbres et bâtiments peuvent être identifiés à l’aide de photographies aériennes (Horrit, Mason et al., 2003).

21D’autre part, le cas des eaux « permanentes » (gravières et lit mineur de la rivière) doit être considéré en particulier. La présence d’eau dans les gravières et le lit mineur de la Moselle n’est pas nécessairement liée aux débordements et ne peut donner d’information pour l’évaluation des niveaux d’eau. Les plans d’information contenant les gravières et le lit mineur de la rivière peuvent être générés à partir de photographies aériennes, de données topographiques ou d’images RADAR acquises hors période de crue.

22De plus, compte tenu de l’incertitude spatiale de tracé des contours de la tache RADAR, l’incertitude d’estimation de l’altitude (par fusion entre données images et MNT) sur des zones à forte pente peut s’avérer trop importante. Nous avons par conséquent considéré peu pertinents les pixels de la tache situés sur des zones de la plaine à forte pente.

23La prise en compte des zones perturbées, des eaux permanentes, et des zones à forte pente permet alors de classer les pixels de la tache RADAR en deux catégories :

  • les pixels peu ou pas pertinents : situés en zone perturbée (urbaine ou arborée) ou correspondant aux eaux permanentes ou aux zones à pente forte.

  • les pixels pertinents

24Ceci permet d’extraire les contours pertinents de la tache RADAR. Ne prenant en compte que les pixels classés pertinents, ces contours apparaissent sous une forme discontinue (groupes de pixels contigus isolés les uns des autres).

A partir des contours pertinents, on définit des segments « informatifs » Si (i∊[1;d]). Ces segments informatifs sont constitués de groupes de pixels contigus du contour pertinent sous la double condition que leurs dimensions spatiales soient suffisamment importantes pour que le nombre mi de pixels Image 10000000000000140000001848764B5400D61A6D.pngdu contour qu’ils contiennent soit représentatif, et suffisamment petites pour que le niveau d’eau Image 1000000000000018000000178514055F7DAA72EF.pngpuisse y être considéré sensiblement constant. De plus, ces segments « informatifs » doivent être les plus homogènes possible en terme de morphologie de manière à être cohérents avec l’hypothèse de niveau d’eau constant.

Finalement, cette première étape de la méthode permet, en plus de la cartographie du champ d’inondation, l’extraction de la partie la plus précise et la plus informative des contours de la zone inondée grâce à une expertise et une élimination progressive des différentes perturbations sur les images RADAR, de considérations sur l’occupation du sol et les pentes du terrain naturel. A l’issue de cette étape a été défini un ensemble de segments informatifs {Si(i∊[1;d])}, chaque segment contenant un ensemble de pixels contigus Image 100000000000005000000017410532712D8E202B.png. De plus, grâce à une approche cartographique en logique floue, à chaque segment informatif est affectée une zone d’incertitude liée au choix de la valeur du seuil radiométrique (Cf. : Classification  « eau-non eau » sur les images)

Estimation primaire de niveaux d’eau par fusion entre les limites informatives et un MNT

25La deuxième étape de la méthode, la fusion entre le MNT et les données issues des images RADAR, a pour objectif de calculer des niveaux d’eau dans la plaine inondée. Il s’agit d’utiliser les segments informatifs des contours de la « tache RADAR » extraits dans la partie précédente pour estimer des niveaux d’eau à partir d’un MNT.

L’incertitude spatiale associée aux segments informatifs Si, est due à la résolution spatiale des images RADAR (r1) et à l’incertitude spatiale liée au choix du seuil radiométrique (r2). L’incertitude liée au choix du seuil radiométrique est connue localement grâce à la cartographie en logique floue (Cf. §3.1. : Classification  « eau-non eau » sur les images). Elle correspond en effet à la dimension de la zone d’incertitude autour des limites de la tache RADAR (obtenue grâce aux seuils Smin et Smax). L’incertitude spatiale (r) de tracé des segments informatifs peut donc être estimée égale à la somme des deux incertitudes : r = r1 + r2. Pour tenir compte de celle-ci dans l’estimation des niveaux d’eau, on calcule, à partir du MNT, toutes les altitudes dans un voisinage des segments Si de dimension r. Ensuite, on retient pour chaque segment informatif les altitudes maximale Image 10000000000000240000001946606D379AB9AFD0.png et minimale Image 1000000000000021000000184754B758E626B486.png de l’ensemble des altitudes calculées. Ainsi chaque segment informatif (et son voisinage associé) est affecté d’un intervalle de niveaux probables Image 100000000000006F00000018D823527F6A2194E0.png, ce qui constitue la première phase de notre extraction.

26A l’issue de cette deuxième étape, nous obtenons une cartographie de segments informatifs pour lesquels sont connus des intervalles d’estimation de niveaux d’eau. Cependant, ces intervalles d’estimation ne tiennent pas compte des phénomènes mis en jeu dans un écoulement et peuvent avoir des tailles trop grandes pour un objectif d’aide à la modélisation hydraulique. C’est pourquoi, nous avons complété cette estimation par la troisième étape.

Réduction des incertitudes d’évaluation des niveaux d’eau par introduction de concepts de cohérence hydraulique

27Dans la troisième étape de la méthode, nous proposons de prendre en considération des concepts de cohérence hydraulique afin de réduire la taille des intervalles d’estimation (i.e. réduire les incertitudes d’estimation sur les niveaux d’eau). La prise en compte de concepts de cohérence hydraulique pour la réduction des incertitudes sur l’estimation de niveau d’eau par fusion entre des données de télédétection un MNT fin a été présentée par D. Raclot pour le cas de photographies aériennes d’inondation (Raclot, 2003).

28Nous proposons de porter ce travail et l’application de contraintes de cohérence hydraulique à une échelle satellitaire. Ces contraintes sont basées sur la cohérence des niveaux d’eau en suivant le sens d’écoulement. En particulier, dans le cadre de cette étude a été utilisé un concept de cohérence amont-aval qui contraint les estimations de niveaux d’eau voisins dans la plaine inondée. La connaissance des directions principales d’écoulement dans la plaine inondée est porteuse d’informations sur la cohérence hydraulique des estimations de niveaux d’eau compte tenu des lois de décroissance des niveaux de l’amont vers l’aval (cas d’écoulement à faible vitesse, le plus souvent rencontré dans les phénomènes de débordement de cours d’eau dans une plaine). La méthode Raclot (Raclot, 2003) est une généralisation de ce concept à l’échelle de la plaine. Elle permet en particulier un resserrement des estimations primaires de niveau d’eau. Ceci implique la connaissance d’une hiérarchie amont-aval des segments informatifs Si. Dans cet article nous proposons de considérer une hiérarchie hydraulique basée sur un écoulement monodimensionnel (écoulements dans la plaine globalement parallèles à l’axe d’écoulement principal : lit mineur de la rivière). Cette hypothèse sur le schéma d’écoulement est particulièrement pertinente dans le cas ou les estimations de niveau d’eau sont exploitées dans le cadre d’une modélisation hydraulique monodimensionnelle (modèle hydraulique 1D aussi appelé modèle filaire).

En supposant que toutes les valeurs Image 100000000000002400000016C8824C325A560567.png et Image 100000000000001F0000001759F6EAFDE6312EB1.png sont acceptables compte tenu des incertitudes et des hypothèses formulées, nous procédons en deux phases (Raclot, 2003) :

  • une phase de vérification et le cas échéant d’élimination des conflits (définition d’un conflit : un niveau aval est plus haut qu’un niveau amont )

  • une phase de resserrement des estimations et d’extraction de l’information commune cohérente.

L’algorithme de resserrement des incertitudes par mise en cohérence hydraulique des estimations de niveaux d’eau revient à imposer une décroissance des estimations maximales (Image 100000000000002400000016C8824C325A560567.png) de l’amont vers l’aval et, inversement une croissance des estimations minimales (Image 100000000000001F0000001759F6EAFDE6312EB1.png) de l’aval vers l’amont. Nous noterons Image 10000000000000770000001154A92A833A3660EE.png les nouveaux intervalles encadrant les niveaux d’eau au sein des Si à l’issue du calcul.

Avec ces notations, les niveaux d’eau estimés ne présentent pas de conflit s’il existe au moins une solution de l’algorithme satisfaisant la condition : Image 100000000000003F00000014C379386A4F6F3DD5.png, Image 1000000000000050000000116031732CF9690ADE.png.

L’application de cet algorithme de réduction des incertitudes conduit aux nouvelles estimations de niveaux d’eau Image 100000000000002E00000019BAA3C71A54C1D031.png et Image 100000000000002C000000173EA36840CCAB3682.png rendues cohérentes hydrauliquement. On en déduit la valeur moyenne Image 100000000000002500000011DC7AE8BC18D65386.png des deux niveaux calculés (Moyenne (Image 100000000000005D00000019B438206EBE337977.png)) pour chaque segment informatif.

Image 100000000000087A0000060DBA58359C7F2ED3FA.jpg

Figure 1 : Schéma de la méthodologie présentée. Les rectangles à fond gris correspondent aux traitements. Les rectangles à fond blanc correspondent aux résultats intermédiaires.

Application de la méthodologie sur le site d’étude

Cartographie de l’extension des eaux à partir d’images RADAR et extraction des limites informatives

29A l’issue des prétraitements sur les images RADAR (filtrage temporel sur les deux images RADARSAT suivi d’un filtrage spatial de type Gamma-cartographique sur une fenêtre de 3*3 pixels), la résolution spatiale a pu être estimée de l’ordre de 30 m pour une résolution radiométrique de 1.8 dB. Pour le seuillage radiométrique, nous avons retenu les valeurs  : Smax = -12 dB et Smin = -15 dB (figure2.A.). Nous avons supposé l’absence d’effets dus au vent sur l’image RADAR du 28 février. La mise en confrontation de la tache RADAR avec les informations collectées dans les journaux concernant les routes coupées lors de la crue a permis une validation partielle de la cartographie. Cette validation, bien que partielle montre une cohérence entre des informations extraites des images RADAR et des données « terrain ».

La classification de la tache RADAR en pixels pertinents – non pertinents est présentée dans la figure 2B. Suivant les critères de construction présentés au § 3.2., nous avons sélectionné, pour le site d’étude, d = 58 segments informatifs Image 100000000000004900000011837F5437CDECAE6B.png (pixels noirs sur la figure 2B.). Ainsi, seule une partie des contours de la tache initiale (Figure 2.A.) est utilisée pour le calcul des niveaux d’eau.

Image 10000000000003730000031564198F93CD2C52A8.jpg

Image 1000000000000367000002D1AFE1078E5A7365F1.jpg

Figures 2.A. et 2.B :

A : à gauche représentation de la tache RADAR aux limites floues.

B : représentation de la classification « pertinents-non pertinents » des pixels de la tache RADAR et des segments informatifs utilisés pour le calcul des niveaux d’eau. Pour plus de clarté, le tracé des segments informatifs a été volontairement épaissi.

Estimation primaire de niveaux d’eau par fusion entre les limites informatives et un MNT

30L’extraction des altitudes du modèle numérique de terrain dans les voisinages (r) des segments informatifs (r1 = 30m et r2 connue grâce à la cartographie en logique floue) à permis d’obtenir des estimations ponctuelles de niveaux d’eau selon des intervalles Min, Max. La valeur moyenne de la demi-incertitude (moyenne des (Max-Min)/2) est estimée à 0.9 m (Cf. estimations de niveaux d’eau figure 3.).

Image 10000000000005DE000003A6BBB06FEBC73B98C0.png

Figure 3 : Résultat de l’étape 2 : estimation primaire des niveaux d’eau (intervalles Max, Min) pour chaque segment informatif. La ligne inférieure représente la cote fond du lit mineur de la Moselle.

Réduction des incertitudes d’évaluation des niveaux d’eau par introduction de concepts de cohérence hydraulique

31Pour définir une hiérarchie amont-aval, les segments informatifs Si sont repérés par leur abscisse curviligne le long de la ligne d’écoulement principal (ligne médiane du lit mineur). A l’issue de l’application de l’algorithme de mise en cohérence hydraulique, la demi-incertitude d’estimation des niveaux d’eau est dans notre cas de 30 cm (cf. estimations resserrées figure 4.). Cette valeur est à rapprocher des demi-incertitudes de 20 cm obtenues par le même type d’approche (Raclot, 2003) à partir de photographies aériennes au 1/18000. L’écart obtenu entre les deux types de supports est net mais acceptable en regard des informations requises en terme de modélisation hydraulique.

Image 10000000000005EC000003AFF53C96D655A65AFA.png

Figure 4 : Résultat de l’étape 3 : estimation des niveaux d’eau (intervalles Max, Min) pour chaque segment informatif après resserrement par l’algorithme de mise en cohérence hydraulique. La ligne inférieure représente la cote fond du lit mineur.

Spatialisation des estimations ponctuelles de niveaux d’eau - création d’une « tache MNT »

Pour définir la condition d’état initial de la plaine dans la modélisation hydraulique, il est nécessaire de connaître des valeurs de niveaux d’eau en tout point. Pour cela, nous généralisons les estimations de l’étape 3 par remplissage du MNT suivant un schéma d’écoulement hydraulique. Nous avons construit une « structure d’écoulement hydraulique » constitué des perpendiculaires Image 100000000000005000000018BBF3BC14388905D1.png à la ligne médiane de la tache RADAR passant par les centres de gravité des segments informatifs Image 100000000000005000000017A607E9AE105D88BB.png. Sur chacun de ces transects Image 100000000000004E00000017DCCF2FB5F51F2C08.png, d’après l’hypothèse d’écoulement 1D, le niveau d’eau est supposé constant, égal aux estimations du paragraphe précédent. En particulier, pour le calcul de la « tache MNT », sont utilisés les niveaux d’eau moyens (Image 10000000000000250000001131984729D30585EF.png). Ensuite, pour estimer le niveau d’eau dans toute la plaine, nous avons interpolé linéairement les estimations entre les transects. Le résultat de la tache MNT obtenue par interpolation des niveaux d’eau et remplissage du MNT est présenté dans la figure 5.B. En comparaison avec la tache RADAR initiale, la tache MNT montre une capacité au remplissage « des trous », des zones urbaines et arborées, et à l’élimination de certaines incertitudes. Normalement, sur cette tache MNT, toutes les limites sont cohérentes par rapport à l’inondation.

Image 100000000000034B000002BDD22C39BE22F96445.jpg

Image 1000000000000302000002C2EB593515151C2D2D.jpg

Figures 5.A. et 5.B. :

A : à gauche représentation de la tache RADAR avec classification des pixels selon la présence/absence d’arbres et de bâtiments.

B : à droite représentation de la tache MNT obtenue par remplissage du MNT aux niveaux d’eau calculés par interpolation linéaire des estimations ponctuelles moyennes.

Conclusion

32En conclusion, cette étude, basée sur une phase de traitement d’image RADAR d’inondation et de photographies aériennes hors crue et une phase de fusion avec un MNT à haute résolution spatiale, a permis une caractérisation spatiale de la crue du 28 février 1997 sur la Moselle. Les caractéristiques spatiales obtenues sont l’estimation de l’extension des eaux avec un zonage suivant la pertinence de l’information RADAR et l’estimation de niveaux d’eau ponctuels dans la plaine inondée. La demi-incertitude moyenne (30 cm) des estimations de niveaux d’eau a pu être obtenue par fusion entre les données RADAR et le MNT, puis application d’un algorithme de mise en cohérence hydraulique amont-aval.

33La méthodologie présentée a l’avantage de valoriser les données satellites de plus en plus nombreuse au-delà de la cartographie d’aléa. D’autre part, les données satellitaires à haute résolution spatiale, en particulier RADAR, ont l’avantage, à l’instar des données aériennes, de fournir des images avec des emprises spatiales au sol importantes avec une continuité sur de longs linéaires de cours d’eau.

34Le désir de porter la méthode (Raclot, 2003) à une échelle satellitaire montre une précision acceptable, en regard des informations requises en terme de modélisation hydraulique. En particulier, nous envisageons l’utilisation des évaluations de niveaux d’eau spatialisées comme condition initiale pour le routage de modèles hydrauliques simplifiés (Roux, Raclot et al., 2003) permettant de calculer rapidement le devenir probable de la crue dans les quelques heures ou quelques jours suivant l’acquisition d’une image par un satellite.

Haut de page

Bibliographie

Gineste, P. (1998), Contribution de l'imagerie satellitale RADAR ERS1 à la télédétection des zones saturées et à la modélisation hydrologique d'un petit bassin versant agricole par TOP MODEL, Thèse de doctorat, Sciences de l'eau, ENGREF.

Henry, J.-B. (2004), Systèmes d'information spatiaux pour la gestion du risque d'inondation de plaine, Thèse de doctorat, Géographie physique, Université de Strasbourg I.

Henry, J.-B., P. Matgen, N. Tholey, L. Pfister, L. Hooffman et P. De Fraipont (2003), Vers une intégration des techniques spatiales pour la gestion des inondations.

Horrit, M. S., D. C. Mason, D. M. Cobby, I. J. Davenport et P. D. Bates (2003), Waterline mapping in flooded vegetation from airborne SAR imagery, Remote Sensing of Environment, Vol. 85, pp. 271-281.

Liu, Z., F. Huang, L. Li et E. Wan (2002), Dynamic monitoring and damage evaluation of flood in north-west Jilin with remote sensing, International Journal Of Remote Sensing, Vol. 23 (18), pp. 3669-3679.

Lopes, A., E. Nezry, R. Touzy et H. Laur (1993), Structure detection and statistical adaptative speckle filtering in SAR images, International Journal Of Remote Sensing, Vol. 14 (9), pp. 535 - 544.

Lopes, A., R. Touzy et E. Nezry (1990), Adaptative speckle filters and scene heterogeneity, IEEE Transactions on Geosciences and Remote Sensing, Vol. 28 (6), pp. 992 - 1000.

Raclot, D. (2003), Méthodologie d'exploitation quantitative des photographies aériennes d'inondation de la plaine, Thèse de doctorat, Ecole doctorale sciences de l'eau dans l'environnement continental, Montpellier II : Sciences et techniques du Languedoc, 284 p. + annexes.

Roux, H., D. Raclot et D. Dartus (2003), Méthodes d'assimilation de données d'observation de la Terre appliquées à la reconstitution de paramètres hydrauliques, SFPT.

Yesou, H., P. Chastanet, K. Fellah, Y. Jeanblanc, P. De Fraipont et J. Bequignon (2000), Contribution of ERS SAR images and ERS coherence data to a flood information system on the Meuse basin - France, European Space Agency, (Special Publication) ESA SP, pp. 597-605.

Haut de page

Notes

1 Pour plus de clarté, nous nommons dans la suite « tache RADAR » l’extension de l’inondation calculée à partir des images RADAR, et « tache MNT » l’extension de l’inondation générée à partir du MNT.

Haut de page

Pour citer cet article

Référence électronique

Renaud Hostache, Christian Puech et Damien Raclot, « Caractérisation spatiale de l’aléa inondation à partir d’images satellites RADAR », Cybergeo: European Journal of Geography [En ligne], Dossiers, document 381, mis en ligne le 06 juillet 2007, consulté le 29 mars 2024. URL : http://journals.openedition.org/cybergeo/7722 ; DOI : https://doi.org/10.4000/cybergeo.7722

Haut de page

Auteurs

Renaud Hostache

UM TETIS CEMAGREF Maison de la Télédétection en Languedoc-Roussillon - 500, rue J.F. Breton 34093 Montpellier Cedex 5, France
renaud.hostache@teledetection.fr

Christian Puech

CIRAD-ENGREF Maison de la Télédétection en Languedoc-Roussillon - 500, rue J.F. Breton 34093 Montpellier Cedex 5, France
puech@teledetection.fr

Articles du même auteur

Damien Raclot

UMR LISAH ENSAM-INRA Campus AGRO - Bat.24 - 2, place Pierre VIALA 34060 Montpellier, France
raclot@ensam.inra.fr

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search