Résumé

Les inondations pluviales se produisent typiquement lors de précipitations de courte durée et de forte intensité et se caractérisent par un ruissellement intense des eaux pluviales, provoquant divers types de dégâts. À l'instar des inondations fluviales (i.e. le débordement des rivières), les inondations pluviales sont estimées responsables de la moitié des sinistres dus chaque année aux inondations. Les écoulements intenses peuvent se produire potentiellement n'importe où, en particulier en dehors de la proximité des cours d'eau, et sur des laps de temps très courts. Par conséquent, les données in situ sont difficiles à recueillir et souvent incomplètes. Cette thèse vise à tirer parti de l’imagerie satellitaire à haute résolution pour identifier les empreintes des inondations pluviales au sol dans les jours qui suivent un événement météorologique extrême, et non les surfaces en eau inondées à proprement parler.En premier lieu, des jeux de vérité terrain à grande échelle ont été générés sur trois événements dans le sud de la France après géo-référencement et labellisation de parcelles affectées. Puis, les produits optiques Sentinel-2 (S-2) ont été considérés pour leur résolution spatiale fine, leur fréquence de revisite globale élevée et leur gamme spectrale fournie. Des images de changement ont été produites à partir des données sans nuage les plus proches avant et après chaque événement afin de mettre en évidence des profils statistiques spécifiques dans les évolutions temporelles d’indices spectraux au sein des zones affectées. Des premiers travaux ont permis d'identifier les combinaisons optimales à exploiter dans un classifieur gaussien transférable orienté objet appelée SPCD, pour Sentinel Plot-based Change Detection. Des taux de détection ≥ 70% et des faux positifs ≤ 12% ont été obtenus sur les trois événements à l’aide d’indices spectraux VNIR comme le NDVI ou le NDWI. Ensuite, les cartes d'impact SPCD ont été mises en regard des mesures radar de précipitation des événements pour évaluer de manière approfondie la méthode de diagnostic IRIP©. Le modèle IRIP s'est avéré très performant, avec des proportions de parcelles endommagées d'autant plus importantes que les niveaux de susceptibilité étaient élevés, et encore plus importantes dans les zones les plus arrosées. Des améliorations structurelles pour IRIP ont été proposées dans une version dénommée IRIP++. Les principaux facteurs d’IRIP expliquant la localisation des dégâts pluviaux se sont avérés être le topographic wetness index et l’indicateur de susceptibilité à la production de ruissellement en amont. Ensuite, une deuxième méthode appelée FuSVIPR, pour Fusion of Sentinel-2 and Very high resolution Imagery for Pluvial Runoff, a été développée. L’objectif a été d’enrichir les images de changement S-2 par des images optiques post évènement à très haute résolution spatiale provenant des satellites Pléiades ou de capteurs aéroportés pour identifier les changements plus précisément et à l'échelle du pixel, à l’aide d’algorithmes tels que les forêts aléatoires ou les réseaux U-net. Les cartes d'impact finales apportent une résolution submétrique et présentent sur les trois sites de validation contrastés de bons taux de détection (≥ 75%) avec moins de faux positifs (≤ 2%) comparés à SPCD. Cette méthode a également été éprouvée avec des performances de classification similaires (77%) sur un événement supplémentaire récent en Afrique du Sud à l’aide de vérités terrain externes et dans des zones péri-urbaines. Ensuite, les cartes issues d’IRIP ainsi que de sa version potentiellement améliorée IRIP++ ont été à nouveau évaluées, cette fois-ci grâce aux données d'impact FuSVIPR. En parallèle, une méthodologie originale a été développée pour guider la désagrégation de précipitations extrêmes à l’aide d’un simulateur stochastique afin de produire des scénarios de pluie cohérents avec la répartition spatiale des inondations pluviales telle qu'identifiée dans les cartes FuSVIPR.

Accéder au manuscrit