Skip to Main content Skip to Navigation
Theses

Simple and yet novel approach in flood assessment to overcome data scarcity : high quality DEM and rainfall proxies

Résumé : De nombreuses villes d’Asie du Sud-Est subissent de graves inondations liées d’une part à l’intensité croissante des précipitations et d’autre part à une urbanisation rapide souvent due à une planification urbaine non maitrisée. L'évaluation quantitative des risques d'inondation nécessite deux éléments essentiels : (1) un modèle numérique de terrain (MNT) haute définition, et (2) une chronologie de précipitations la plus longue possible. Un MNT haute définition est à la fois coûteux et long à acquérir. Les chronologies de précipitations longues sont fréquemment indisponibles dans de nombreux sites et ne présentent pas toujours une durée suffisante pour une définition pertinente des valeurs extrêmes. Cette thèse présente une approche opérationnelle pour générer des MNT haute définition et suggère une stratégie pour définir des pluies extrêmes en dehors de chronologies de précipitations longues. Des données pour la production des MNT issues de capteurs satellitaires - mission SRTM (Shuttle Radar Topography Mission) et images multi spectrales Sentinel 2 - ont été utilisées et mises en œuvre. Un réseau de neurones artificiels (ANN) est utilisé afin d'améliorer la qualité du MNT. Dans la phase d’apprentissage du réseau de neurones, la qualité des MNE utilisés comme référence est essentielle et conditionne la performance de l’outil dans son application ultérieure. A la suite de cet apprentissage, le réseau de neurones peut être mis en œuvre pour générer, à faible coût, des MNT haute résolution dans des secteurs où les données sont partiellement indisponibles.Les performances de la méthode d’amélioration du MNT sont évaluées dans des différents secteurs caractérisés par des occupations du sol variées (secteur urbain dense, secteurs boisés par exemple) et dans différents pays (Nice, France, Singapour, Jakarta, Indonésie). La qualité des résultats est analysée avec différents indicateurs tels que les diagrammes de dispersion, la clarté visuelle, l’erreur quadratique moyenne (RMSE) et l’adéquation avec les réseaux de drainage réels. Le MNT issu des données SRTM améliorées montre (1) une qualité nettement supérieure au MNT initial puisque le RMSE passe de 34% à 57% du RMSE ; (2) la clarté visuelle est largement améliorée ; et (3) le réseau de drainage calculé correspond davantage au réseau réel. La production de ce MNT amélioré permet une meilleure modélisation des processus d’inondation et augmente la qualité des résultats des simulations hydrauliques. Des données de précipitation issues d'un Modèle Climatologique Régional (RCM) haute résolution spatiale ainsi que des prévisions issues de données ERA-Interim (WRF / ERAI) ont été extraites, analysées et comparées avec les observations haute résolution enregistrées à Singapour. Les comparaisons ont également été effectuées avec les courbes Intensité-Durée-Fréquence (IDF) qui sont utilisées pour l'évaluation des risques d'inondation. Les résultats sont très satisfaisants et valident les données produites par le modèle régional. Cette validation permet d’utiliser les données pluviométriques issues du modèle régional pour le site de la métropole de Jakarta (Indonésie) où les enregistrements pluviométriques ne sont pas disponibles pour la production des courbes IDF.Un modèle hydraulique détaillé a été construit avec le système de modélisation MIKE 21 pour toute la métropole de Jakarta à partir d’un MNT amélioré et des précipitations associées à des périodes de retour de 50 et 100 ans. Des cartes d’inondation ont été générées et sont utilisées par les services gestionnaires. Cet exemple démontre que les nouvelles méthodes et approches proposées dans cette thèse sont pertinentes pour produire une évaluation des risques d’inondation pertinente lorsque des données locales (MNT haute résolution et données pluviométriques sur une période longue) sont insuffisantes ou indisponibles.
Complete list of metadatas

Cited literature [132 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02492281
Contributor : Abes Star :  Contact
Submitted on : Wednesday, February 26, 2020 - 6:08:18 PM
Last modification on : Thursday, May 28, 2020 - 10:57:02 AM
Document(s) archivé(s) le : Wednesday, May 27, 2020 - 8:12:26 PM

File

2019AZUR4029.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-02492281, version 1

Collections

Citation

Dong Eon Kim. Simple and yet novel approach in flood assessment to overcome data scarcity : high quality DEM and rainfall proxies. Risques. COMUE Université Côte d'Azur (2015 - 2019), 2019. English. ⟨NNT : 2019AZUR4029⟩. ⟨tel-02492281⟩

Share

Metrics

Record views

172

Files downloads

749