Analyse d’images satellitaires d’inondations pour la caractérisation tridimensionnelle de l’alea et l’aide à la modélisation hydraulique

Satellite image analysis for three-dimensionnal flood hazard characterisation and hydraulic modelling support

• Auteur / Autrice : Renaud Hostache
• Direction : Christian Puech
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'eau
• Date : Soutenance en 2006
• Etablissement(s) : Ecole nationale du génie rural, des eaux et des forêts (Paris ; Nancy ; 1968-2006)

Mots clés

Mots clés contrôlés

Modèles mathématiques

Relief (géographie)

Monte-Carlo, Méthode de

Modèles hydrauliques

Dommages causés par les inondations -- Prévention

Télédétection

Inondations

Mots clés libres

Télédétection spatiale

Inondation

Cohérence hydraulique

Modèle Numérique de Terrain (MNT)

Modélisation hydraulique

équifinalité

Simulations Monte-Carlo

Résumé

Ce travail vise à étendre les méthodes d'analyse d'images satellitaires de crues au-delà de la détection des limites d'inondation afin d'estimer des niveaux d'eau distribués dans l'espace et d'aider la modélisation hydraulique. Inspirée des travaux de Raclot (2003) sur photographies aériennes qui fournissent des incertitudes moyennes de ±20cm, la méthode d'estimation des niveaux d'eau utilise des images satellitaires RADAR de crue et un MNT fin. Elle repose sur 1) une phase de télédétection pour cartographier l'inondation et analyser la pertinence de ses limites pour l'estimation des niveaux d'eau, 2) une phase d'analyse spatiale dans laquelle les niveaux d'eau sont estimés par croisement entre les limites pertinentes et un MNT fin, puis contraints par le schéma de circulation des eaux. Les estimations de niveaux d'eau obtenues ont une incertitude moyenne de ±38cm pour une image RADARSAT-1 d'une crue de la Moselle (France, 1997). Des travaux de validation ont permis de calculer une RMSE de l'ordre de 13cm pour une image ENVISAT de l'Alzette (Luxembourg, 2003). Pour aider la modélisation hydraulique, la démarche proposée vise à réduire le phénomène d'équifinalité grâce aux images satellitaires. Pour cela, un calage ''traditionnel'' à partir d'hydrogrammes observés est complété par la comparaison entre résultats du modèle et surfaces inondées ou niveaux d'eau extraits des images. Pour cerner les incertitudes du calage, des simulations Monte-Carlo ont été mises en place. En perspective, la prévision de l'évolution d'une crue après acquisition d'une image devrait bénéficier de modèles mieux contraints grâce à l'utilisation des images comme condition initiale ou donnée de calage.

The Thesis aims at deploying methods of flood satellite image analysis beyond 2D flood area delineation in order to estimate water levels and to help hydraulic modelling. Based on Raclot (2003) works with aerial photographs, which provide ±20cm mean uncertainty, the water level estimation method uses satellite RADAR images of flood and a fine DEM. The method is composed of two steps : i) flood cartography and analysis of image hydraulic relevance for water level estimation, ii) fusion between relevant information resulting from the image with a fine Digital Elevation Model (DEM) and constraining the water levels extracted from image by concepts of coherence with respect to a hydraulic flow through a plain. It provides water level estimations with a ±38cm mean uncertainty for a RADARSAT-1 image of a Mosel Flood (1997, France). In addition, validation works with an ENVISAT image of an Alzette river flood (Luxembourg, 2003) allowed us to calculate a Root Mean Square Error of 13 cm on the estimates of water levels. To help hydraulic modelling, the PhD aims at reducing equifinality thanks to satellite images of flood. To meet this aim, a ''traditional'' step of calibration thanks to hydrographs is completed by comparison between simulation results and flood extends or water levels extracted from images. To deals with calibration uncertainties, Monte-Carlo simulations have been used. In perspective, the results of the thesis imply great benefits for flood evolution forecasting after acquisition of flood satellite images because the use of these images as initial conditions or calibration data provide better-constrained models.