De violentes coulées de boue ont frappé la région de Valence. Mais comment analyser une zone sinistrée lorsque l'on ne dispose pas d'images antérieures à la coulée ? Cette question a été au cœur d'une semaine de formation stimulante avec des étudiants. À l'aide de données satellitaires, du Flood Mud Index (FMI) et du traitement d'images avancé dans ERDAS , nous avons développé une méthode d'analyse intelligente et rapide. Cela nous a permis de détecter les coulées de boue à partir d'une seule image satellite, ce qui est crucial dans les situations où le temps, les ressources et les informations sont rares. Le résultat : une carte visuellement percutante qui montre non seulement où se trouve la boue, mais aussi en quelle quantité. Une méthode directement applicable aux secours d'urgence, à la planification de la reconstruction et même aux opérations militaires.
Pourquoi cette analyse ?
Les inondations ont provoqué des coulées de boue de grande ampleur qui ont menacé les infrastructures, les zones agricoles et les zones urbaines. Il était essentiel de disposer rapidement d'une vue d'ensemble de l'ampleur et de l'étendue de ces coulées de boue, tant pour les services de secours sur place que pour la planification stratégique et les mesures de reconstruction.
Détecter les changements à partir d'une seule image satellite
En temps normal, on utilise plusieurs images pour détecter des changements : une avant et une après un événement. Mais dans les situations d'urgence, chaque minute compte, et la collecte et l'analyse de plusieurs ensembles de données sont souvent trop lentes. La rapidité du traitement des données étant cruciale, nous avons adopté une approche différente dans le cadre de ce projet. Nous avons développé une méthode qui permet d'obtenir des informations fiables à partir d'une seule image satellite. Cela permet de gagner du temps lors de la collecte, du prétraitement et de l'analyse des données, et c'est précisément ce temps qui compte dans les situations d'urgence.
Indice de boue de crue (FMI) : mieux comprendre les coulées de boue
Les indices existants, tels que le NDWI (Normalized Difference Water Index), fonctionnent bien avec de l'eau claire, mais s'avèrent insuffisants dans le cas d'eaux boueuses riches en sédiments. C'est précisément ce qui a posé problème à Valence lors des inondations extrêmes. La solution : le Flood Mud Index (FMI), développé par Emanuele Alcaras (Université de Gênes). Ce nouvel indice est conçu pour identifier les zones boueuses à partir de seulement deux bandes spectrales d'une image satellite : le rouge et le bleu. L'indice FMI se distingue par sa simplicité et sa précision. Lors de nos tests, l'indice a atteint une précision impressionnante de 97,86 %. Et comme seules des données RVB sont nécessaires, cette méthode peut également être appliquée à des drones bon marché ou dans des conditions météorologiques nuageuses.
Réalisé par nos soins dans ERDAS
L'indice Flood Mud n'est pas inclus par défaut dans ERDAS , mais nous avons pu facilement créer nous-mêmes le modèle à l'aide de Spatial Modeler. En combinant cet indice avec une coloration RGBI et un modèle numérique d'élévation (MNE) de l'Espagne d'une résolution de deux mètres, nous avons obtenu une représentation visuelle très parlante de l'inondation et de ses conséquences.
D'un index à une carte visuellement percutante
Le fait que les zones boueuses ressortent clairement est une bonne chose, cela permet de mieux s'y retrouver. Mais nous aimerions désormais savoir précisément où la boue est plus ou moins présente. Nous intégrerons cet indice dans une prochaine étape.
Afin de mieux visualiser la boue, nous avons ajouté une application d'analyse supplémentaire : l'indice FMI a été combiné à une image multispectrale via la fonction RGBI (Red-Green-Blue-Index). Dans ce cadre, les valeurs de luminosité issues de l'indice sont intégrées aux informations chromatiques provenant des données satellitaires. Une étape supplémentaire est donc ajoutée à l'analyse. Création d'un relief ombré RGBI. Il s'agit d'une fonction disponible en standard dans Erdas et qui, les images ayant déjà été analysées, ne nécessite pratiquement aucun temps de calcul.
À partir des « zones » claires de l'image, nous passons à une image en couleurs, où la teinte foncée reflète l'intensité de la concentration en boue. L'image ci-dessous se situe juste au sud de Valence, dans la région de Cullera. On constate à quel point le fleuve Júcar est boueux. On voit clairement le déversement de boue dans la mer Méditerranée, à l'embouchure du Júcar près de Cullera. Nous avons superposé ce résultat sur un modèle numérique d'élévation (MNE) d'une résolution de 2 mètres. Ce MNE est disponible gratuitement via le géoportail espagnol. Cette carte finale donne une image claire de l'impact des inondations, un outil précieux pour des applications tant civiles que militaires.
De l'exercice au modèle opérationnel
Ce qui n'était au départ qu'un cas d'étude a désormais été intégré à Erdas . Ainsi, d'autres peuvent également bénéficier des innovations et des enseignements tirés au cours de cette semaine de formation.
Vous souhaitez en savoir plus ?
Vous souhaitez en savoir plus sur ce sujet ? Envoyez un e-mail à Harald.
Harald Görtz
Consultant en gestion
