Synergie des données satellitaires optiques et radar pour l'étude des zones côtières inondables à l'ouest algérien

Flood risk assessment and land cover planning of flood-prone areas have become key actions in the framework of flood control strategy. This will has motivated the design of a new method of analysis of flood-prone areas that integrates the contribution of remote sensing with hydraulic models.The proposed method has been applied on two coastal floodable areas in Western Algeria. First, Machine and Deep Learning methods are applied for the land cover classification in these areas. This classification was performed on multiple high and very high spatial resolution satellite images at two image levels: pixel and object. The results of the accurate modeling of the land use of flood-prone areas were then integrated into a hydraulic model.Here, a Digital Surface Model (DSM) from a Pleiades image with very high spatial resolution was used upstream of the model as topographic data. The results of the flood hazard simulation and flood risk assessment show that the areas susceptible to flooding are mainly located near the river, and extend towards the floodplain of the studied watershed. These areas are characterized by the presence of infrastructures and constructions due to the expansion of the urban extension. This urban concentration makes these areas very vulnerable to flooding. The results of the applied method could be a reliable tool for decision support, especially for the reinforcement of the development plan and the elaboration of the flood risk prevention plans (PPRI).L’évaluation du risque d’inondation et la planification de l’occupation du sol des zones inondables sont devenues des actions essentielles dans le cadre de la stratégie de lutte contre les inondations. Ce contexte explique la conception d’une nouvelle méthode d’analyse des zones inondables, celle qui intègre les images satellites aux modèles hydrauliques. La méthode proposée a été appliquée sur deux zones côtières inondables à l’Ouest algérien. En premier temps, des méthodes de Machine et Deep Learning ont été appliquées pour la classification de l’occupation du sol de ces zones. Les classifications ont été réalisées à l’aide de plusieurs images satellitaires à haute et très haute résolution spatiale avec deux niveaux de l’image : pixel et objet.Les résultats fiables de la modélisation de l’occupation du sol des zones inondables ont été ensuite intégrés à un modèle hydraulique.A ce niveau, un Modèle Numérique de Surface (MNS) provenant d’une image Pléiades à très haute résolution spatiale a été utilisé en amont du modèle comme donnée topographique. Les résultats de simulation d’aléa inondation et d’évaluation du risque d’inondation montrent que les zones susceptibles d'être inondées sont principalement situées près de la rivière, et s'étendent vers la plaine inondable du bassin versant étudié. Ces zones sont caractérisées par la présence d’infrastructures et des constructions en raison de l’expansion de la tâche urbaine. La concentration urbaine rend ces zones très vulnérables aux inondations. Les résultats de la synergie méthodologique et de différents types de données spatiales pourront être un outil fiable d’aide à la décision, notamment pour le renforcement du plan d’aménagement et l’élaboration des plans de prévention du risque d’inondation (PPRI)