CARTOGRAPHIE DU RISQUE DINONDATION EN MILIEU

URBAIN ADAPTE LA GESTION DE CRISE

ANALYSE PRLIMINAIRE

Prsent :
Direction de la scurit civile
Ministre de la Scurit publique du Qubec

Par
Marion TANGUY

Dans le cadre de son examen doctoral pour lobtention

du doctorat en Sciences de leau

Institut national de la recherche scientifique

Centre Eau Terre Environnement
490, rue de la Couronne
Qubec (Qubec) G1K 9A9

Rapport de recherche R1395

Version finale : Lundi 26 novembre 2012

ISBN : 978-2-89146-765-0

TABLE DES MATIRES

TABLE DES MATIRES .......................................................................................................... III

LISTE DES TABLEAUX .......................................................................................................... VII
LISTE DES FIGURES ............................................................................................................... IX
1

INTRODUCTION ............................................................................................................ 1

1.1

Mise en contexte ............................................................................................................. 1

1.2

Problmatique................................................................................................................. 2

1.3

Notions de base relatives la gestion du risque dinondation ......................................... 3

1.3.1 Risque : Ala et Vulnrabilit .......................................................................................... 3

1.3.2 La gestion du risque dinondation.................................................................................... 4
1.3.3 Inondations cintique lente et inondations cintique rapide ....................................... 5
1.4

Objectif principal et objectifs spcifiques ......................................................................... 6

1.4.1 Objectif principal ............................................................................................................. 6

1.4.2 Objectifs spcifiques ....................................................................................................... 7
1.5

Contenu du rapport ......................................................................................................... 8

PRSENTATION DU SITE DTUDE ET DES DONNES ............................................ 9

2.1

Prsentation du site dtude............................................................................................ 9

2.2

Prsentation des donnes ............................................................................................ 10

CARACTRISATION DE LALA INONDATION ........................................................ 13

3.1

Les outils de cartographie de lala inondation.............................................................. 13

3.1.1 Les relevs sur le terrain ............................................................................................... 13

3.1.2 La modlisation hydraulique ......................................................................................... 14
3.1.3 La tldtection ............................................................................................................ 14
3.1.4 La tldtection radar ................................................................................................... 16
3.2

Principes de tldtection radar .................................................................................... 18

3.2.1 Physique du signal ........................................................................................................ 18

3.2.2 Longueur donde des systmes RSO ............................................................................ 18
3.2.3 La polarisation .............................................................................................................. 19
3.2.4 Langle dincidence ....................................................................................................... 20
3.2.5 Les systmes radar synthse douverture .................................................................. 20
3.3

Interaction du signal radar avec les plans deau ............................................................ 22

3.3.1 Plans deau libre et champs inonds ............................................................................. 22

iii

3.3.2 Vgtation et zones boises inondes .......................................................................... 23

3.3.3 Zones urbaines inondes .............................................................................................. 24
3.4

Analyse des mthodologies de caractrisation de lala inondation laide

de limagerie radar satellitaire ....................................................................................... 26

3.4.1 Milieu urbain et milieu rural ........................................................................................... 26

3.4.2 Capteurs et donnes utilises pour la dtection des zones inondes ........................... 26
3.4.3 Techniques de traitement de limage pour la dtection et la dlimitation des
zones inondes ............................................................................................................. 28
3.4.4 Mthodologies non adaptes au contexte de gestion de crise ...................................... 28
3.4.5 Intrt des approches orientes objet ........................................................................... 30
3.4.6 Intgration des paramtres hydrauliques ...................................................................... 32
3.4.7 Estimation des hauteurs deau ...................................................................................... 34
3.4.8 Prise en compte des effets gomtriques en zone urbaine ........................................... 36
3.5

Mthodologie de caractrisation de lala inondation .................................................... 36

3.5.1 Cration de la fonction niveau-dbit pour la zone dtude ............................................. 40

3.5.2 Premier niveau de classification .................................................................................... 40
3.5.3 Dlimitation de la plaine inonde minimale ................................................................... 42
3.5.4 Cration de la bibliothque de rtrodiffusions ............................................................... 43
3.5.5 Second niveau de classification .................................................................................... 44
3.5.6 Affinement de la classification ....................................................................................... 44
3.5.7 Extraction des niveaux deau en tout point de la zone inonde ..................................... 45
4

CARACTRISATION ET VALUATION DE LA VULNRABILIT DE LA

POPULATION AUX INONDATIONS ............................................................................ 47

4.1

Concepts relatifs la vulnrabilit de la population aux inondations ............................. 47

4.1.1 Dfinition et conceptualisation de la vulnrabilit .......................................................... 47

4.1.2 Un manque danalyses orientes vers la gestion de crise ............................................. 49
4.1.3 tudes intgres de la vulnrabilit .............................................................................. 50
4.1.4 Slection des indicateurs de vulnrabilit sociale ......................................................... 50
4.1.5 Limportance de lchelle danalyse ............................................................................... 51
4.1.6 Vulnrabilit induite par le manque de ressources essentielles..................................... 52
4.1.7 La vulnrabilit du bti .................................................................................................. 53
4.2

Mthodologies dvaluation des diffrentes dimensions de la vulnrabilit

de la population aux inondations ................................................................................... 54

4.2.1 valuation de la vulnrabilit intrinsque ...................................................................... 55

4.2.2 valuation de la vulnrabilit du bti ............................................................................. 58
4.2.3 valuation de la vulnrabilit structurelle ...................................................................... 59
iv

4.2.4 Mthodologie dvaluation de la vulnrabilit de la population aux

inondations ................................................................................................................... 63
5

CONCLUSION.............................................................................................................. 65

CHANCIER .............................................................................................................. 69

RFRENCES ............................................................................................................. 71

ANNEXES ................................................................................................................................ 81
ANNEXE 1 PRSENTATION DES DONNES DE TLDTECTION
DISPONIBLES ..................................................................................................... 83
ANNEXE 2 INFRASTRUCTURES ESSENTIELLES PAR SECTEUR ET SOUSSECTEURS ......................................................................................................... 89
ANNEXE 3 QUESTIONNAIRE CR POUR LVALUATION DE LA
VULNRABILIT INTRINSQUE ........................................................................ 91

LISTE DES TABLEAUX

Tableau 1

Bandes spectrales, plages de frquences et longueurs dondes

utilises par les capteurs Radar (Henry, 2004) .................................................... 19

Tableau 2

Caractristiques des capteurs radar cits dans ltude ........................................ 21

Tableau 3

Niveau de vulnrabilit indirecte de la population selon les

infrastructures essentielles touches ................................................................... 62

Tableau 4

chancier propos pour la ralisation du projet de doctorat ............................... 69

vii

LISTE DES FIGURES

Figure 1

tendue de la zone inonde (tons bleu fonc) le 11 Mai 2011 (Image

EO-1 ALI, NASA) et limites de la municipalit de Saint-Jean-surRichelieu (en rouge) ............................................................................................... 11

Figure 2

Niveau d'eau (Station Marina St-Jean-sur-Richelieu) notamment lors

des dates d'acquisition des images ........................................................................ 12

Figure 3

Mcanismes et intensit de rtrodiffusion des surfaces inondes et des

surfaces sches (daprs Schumann et al. (2012))................................................. 25

Figure 4

Organigramme mthodologique de caractrisation de lala inondation ................. 39

Figure 5

Caractristiques de l'ala et de la vulnrabilit retenues pour cette

tude ...................................................................................................................... 54

Figure 6

Vue schmatique des mthodologies d'valuation des diffrents

aspects de la vulnrabilit humaine ....................................................................... 55

Figure 7

Indicateurs de vulnrabilit socio-conomique relevs dans la

littrature ................................................................................................................ 56

Figure 8

Vulnrabilits des infrastructures essentielles (Bouchon, 2006) ............................. 59

Figure 9

Mthodologie dvaluation de la vulnrabilit de la population aux

inondations ............................................................................................................ 64

Figure 10 Exemple de rsultats produits par loutil de caractrisation et

dvaluation du risque dinondation en milieu urbain .............................................. 66

ix

1 INTRODUCTION
1.1 Mise en contexte
Les inondations sont, de toutes les catastrophes naturelles qui frappent le monde
chaque anne, les plus frquentes, les plus dommageables et les plus mortelles
(Pulvirenti et al., 2011b). Elles sont la source de prs de la moiti des dcs
occasionns par les catastrophes naturelles au cours des 50 dernires annes, et sont
responsables de prs du tiers des pertes conomiques au niveau mondial (James,
2008).
Si limpact des inondations en termes de dommages et de pertes en vies humaines est
plus important dans les pays en voie de dveloppement du fait dune vulnrabilit
humaine et conomique plus leve, une province comme le Qubec se trouve elle
aussi rgulirement en proie ce type de phnomne. Entre 1990 et 2010, 27
inondations qualifies de catastrophiques ont ainsi touch le Qubec. Les inondations
survenues en juillet 1996 au Saguenay-Lac-Saint-Jean, et plus rcemment, davril juin
2011 le long de la rivire Richelieu, en sont des illustrations marquantes. ces
phnomnes denvergure sajoutent les inondations hivernales, causes par les
embcles et les dbcles de glace de rivire, de moindre intensit mais nanmoins
rcurrentes.
Si les tendances aux changements climatiques, combines laugmentation de la
population vivant sur les terres inondables, la dforestation, la disparition des
terrains marcageux et laugmentation du niveau moyen des mers, se confirment dans
les dcennies venir, les inondations catastrophiques devraient tre plus frquentes
(IPCC, 2012). Un nombre croissant dindividus devraient donc tre exposs ce
phnomne, ce qui rend la question de la gestion du risque dinondation de plus en plus
importante pour les gouvernements et pour les municipalits.

1.2 Problmatique
Depuis

de

nombreuses

annes,

les

efforts

consentis

par

les

organismes

gouvernementaux et municipaux en matire de gestion du risque dinondation se sont

concentrs sur la promotion dune culture dattnuation des risques, de gestion et de
prparation aux catastrophes. Un outil tel que le systme GoConfrence, mis en place
au Qubec en 2004 par le programme GeoInnovation du secrtariat Goconnexions de
Ressource Naturelles Canada, a par exemple t dvelopp pour aider la concertation
des responsables en scurit civile et lorganisation efficace des secours lors des
sinistres. Ce type de systme doit, afin dtre efficace, se baser sur des informations
fiables et prcises sur ltendue du sinistre et sur la vulnrabilit de la population face
ce sinistre. Or, lheure actuelle, de nombreuses limites existent encore en matire de
caractrisation de lala inondation et dvaluation de la vulnrabilit des populations
face cet ala.
Tout dabord, la tldtection radar satellitaire, qui est considre comme loutil le plus
performant pour la gnration dinformations spatiales indispensables la gestion du
risque, nest pas encore pleinement exploite. En effet, la majorit des tudes mettant
profit les capacits de cet outil pour la dtection des zones inondes se sont jusque-l
concentres sur la dtection des inondations en milieu rural (Calabresi, 1996;
Oberstadler et al., 1997; Pellizzeri et al., 2003; Townsend et Walsh, 1998). Ainsi, les
algorithmes dvelopps manquent encore de fiabilit dans les milieux urbains, o les
enjeux humains et conomiques sont pourtant plus importants, et ne permettent pas
dvaluer lampleur relle de lala, ni son volution.
De plus, la plupart des mthodes actuelles danalyse du risque li aux inondations se
limitent la cartographie de lala lui-mme, et ne prennent pas en compte les aspects
sociaux et conomiques de la vulnrabilit, qui sont eux aussi des composantes
importantes du risque. Les fonctions reliant les dommages matriels potentiels que
pourraient subir les btiments selon la profondeur de submersion de linondation sont
privilgies, et les outils crs sadressent davantage aux assureurs quaux
gestionnaires du territoire ou une relle planification des mesures durgence. De ce
fait, aucun modle conceptuel de formalisation de lvaluation de la vulnrabilit na pour
le moment t dvelopp.

Ainsi, les outils de cartographie du risque dinondation en milieu urbain offerts comme
soutien spcifique loptimisation des procdures de planification et dimplantation des
mesures durgence visant rduire les impacts dune inondation en cours sur la
population, sont encore peu dvelopps et sont rarement oprationnels en phase de
gestion de crise.

1.3 Notions de base relatives la gestion du risque

dinondation
1.3.1 Risque : Ala et Vulnrabilit
Le risque, lala, la vulnrabilit sont les notions centrales de cette tude. Leurs
dfinitions tant variables selon les domaines dexpertise (scurit civile, ingnierie,
assurances, etc.), les auteurs ou les tudes (Schneiderbauer et Ehrlich, 2004), il est
ncessaire de leur donner une dfinition prcise dans un contexte de scurit civile.
La vulnrabilit reprsente une condition rsultant de facteurs physiques, sociaux,
conomiques ou environnementaux, qui prdispose les lments exposs la
manifestation dun ala subir des prjudices ou des dommages (Morin, 2008).
Lala constitue un phnomne, une manifestation physique ou une activit susceptible
doccasionner des pertes en vies humaines ou des blessures, des dommages aux biens,
des perturbations sociales et conomiques ou une dgradation de lenvironnement
(Morin, 2008).
Enfin, le risque est le rsultat de linteraction entre un ala et la vulnrabilit des
lments exposs son gard. Il correspond ainsi la combinaison de la probabilit
doccurrence dun ala et des consquences pouvant en rsulter sur les lments
vulnrables dun milieu donn (Morin, 2008). Les pertes peuvent tre estimes en
termes de vies humaines, de destruction dinfrastructures ou en termes financiers
(UNDRO, 1979).
Ainsi, une inondation ne constitue pas un risque dans une zone inhabite, aucun
lment vulnrable ny tant en thorie prsent en termes de scurit civile. Si au
contraire elle touche une zone densment peuple, o des infrastructures importantes
sont implantes, le risque sera prsent et pourra tre fort (Cutter et al., 2003).

La capacit qua un ala causer des dommages rsulte donc de ses caractristiques
propres, mais aussi des caractristiques du milieu touch. Une analyse complte et
fiable du risque li aux inondations ne peut donc saffranchir dun de ces deux lments,
savoir lala et la vulnrabilit, et doit intgrer de manire prcise lensemble de leurs
caractristiques (Morin, 2008; Peduzzi et al., 2009).
Dans le cas de lala inondation, ces caractristiques varient selon les tudes. La
vitesse des flots, la hauteur de leau, la dure de linondation, la temprature de leau,
ltendue de linondation ou encore la concentration en sdiments peuvent tre
considrs (Jonkman, 2005; Zhai et al., 2006). Nous avons choisi de nutiliser que les
trois caractristiques qui, selon nous, sont les plus susceptibles dinfluencer la
vulnrabilit : ltendue spatiale de linondation, la hauteur deau dans les zones
submerges et la dure de linondation. La vulnrabilit sera quant elle caractrise
laide de trois dimensions principales : la vulnrabilit intrinsque, la vulnrabilit du bti
et la vulnrabilit des infrastructures essentielles. Ces trois dimensions seront dtailles
dans la quatrime partie du document.

1.3.2 La gestion du risque dinondation

La gestion du risque li aux inondations se dcompose en trois volets: le volet de
prvention et dattnuation, le volet de gestion de crise et le volet de retour dexprience.
Le volet de prvention et dattnuation prend appui sur la connaissance et la localisation
des zones risque, et vise rduire les vulnrabilits humaine et conomique, en
protgeant lexistant, en informant la population ou encore en limitant limplantation des
biens et des personnes dans les zones exposes lala inondation. Elle est base, tout
comme la phase de retour dexprience, sur lanalyse des crues potentielles ou passes
afin daider la comprhension des phnomnes physiques et de limiter le risque long
terme (Hostache et al., 2005).
La phase de gestion de crise correspond quant elle des actions en tat durgence, et
comporte donc une contrainte temporelle importante. Une des proccupations majeures
est alors de connatre dans les dlais les plus brefs lampleur prcise de linondation
mais aussi la localisation des populations les plus vulnrables. Lobjectif est de dployer
rapidement les moyens dactions et de secours les plus appropris et ainsi de rduire
les consquences humaines et matrielles du sinistre (Henry, 2004).

Enfin, la phase de retour dexprience cherche tirer des conclusions sur les
consquences de linondation, en mesurer les impacts humains et conomiques mais
aussi analyser la pertinence des moyens dploys lors de la phase de gestion de
crise. Cette phase permet de btir ou damliorer les politiques de prvention du risque
et de protection des lments vulnrables face une inondation future (Hostache et al.,
2009).

1.3.3 Inondations cintique lente et inondations cintique rapide

Dans le cadre de cette tude, il est important de distinguer deux types de crues, dont les
dynamiques, la gestion et les consquences sont distinctes. Il sagit des inondations
cintique lente et des inondations cintique rapide.
Les inondations cintique lente concernent le plus souvent des bassins versants
moyens grands, dont la superficie peut aller de 15 000 100 000 km2. Elles sont
causes par des prcipitations sous forme de pluies ou de neige successives et
prolonges saturant les sols, et se caractrisent par une monte des eaux et une dcrue
lentes et progressives, de lordre de la journe ou plus. Les dures de submersion sont
ainsi longues, et les quantits deau coules sont importantes (de centaines de millions
plusieurs milliards de m3 deau). Ces inondations ntant pas violentes, le risque direct
pour la population est relativement limit lors de linondation, mais le cot des
dommages lis la dure de submersion est lev. Ces inondations sont aussi
dsignes sous le terme dinondations fluviales ou dinondations de plaine.
Les inondations cintique rapide, ou inondation clair, concernent quant elles des
bassins versants trs ractifs, souvent de petite superficie, ayant une dimension allant
de quelques km2 une centaine de km2, ou encore le lit de torrents forte pente (> 6).
Elles sont le plus souvent dues des pluies orageuses extrmes localises sur des
surfaces petites moyennes (jusqu quelques centaines de km2 pour des temps de
raction du bassin versant de lordre de quelques heures), et se caractrisent par une
monte des eaux rapide, dune dure souvent infrieure 1 heure, par une charge
alluviale leve et par un fort pouvoir rosif et destructif. Le risque humain et
conomique est alors trs lev, car le temps dalerte est souvent trs limit et
lvacuation est difficile.

Lchelle temporelle du risque nest ainsi pas la mme en cas dinondation lente et
dinondation clair. Lors dune inondation clair, la gestion de crise se fait sur le court
terme : les dgts humains et matriels sont importants ds les premiers instants de
linondation et le risque est aussitt lev. Dans ce contexte, les mcanismes dalerte et
de prvention sont les plus adapts la rduction des dgts humains et matriels.
Diffremment, dans le cas des inondations lentes, la gestion de crise sinscrit sur le long
terme : les dgts humains et matriels sont peu levs dans les premiers temps de
linondation, mais le risque crot avec la dure de linondation et la profondeur de
submersion. Lapport dun outil permettant de spatialiser le risque en temps quasi-rel
devient alors pertinent. Un cas concret de ce type dinondation est survenu au printemps
2011 dans le bassin versant de la rivire Richelieu au Qubec et dans ltat de NewYork (Environnement Canada, 2011; GoInfo, 2011; CyberPresse.ca, 2011). Le retour
dexprience fait par la Scurit publique du Qubec (Serge Lgar, Nicolas Gignac,
communications personnelles) a fait ressortir les limites des outils actuels et a soulign
le besoin de dvelopper un outil oprationnel de cartographie en temps quasi-rel du
risque dinondation en milieu urbain qui puisse soutenir la gestion des mesures
durgence et ainsi rduire les impacts humains des inondations.

1.4 Objectif principal et objectifs spcifiques

1.4.1 Objectif principal
Lobjectif principal de cette thse est de dvelopper une mthode de cartographie du
risque pour la population li aux inondations en milieu urbain, adapte au contexte de la
gestion de crise.
Trois volets sont considrs :
1. Le dveloppement dune mthode de caractrisation spatiale de lala
inondation, permettant de dterminer avec prcision ltendue des zones
inondes au niveau intra-urbain ainsi que la hauteur deau en tout point de ces
zones.
2. Le dveloppement dune mthode de formalisation et dvaluation de la
vulnrabilit de la population aux inondations, permettant une analyse de la
vulnrabilit lchelle du foyer.

3. Une tude de cas, qui permettra dvaluer la faisabilit de la mthode intgre

de cartographie en temps quasi-rel du risque pour la population li aux
inondations. Cette dernire tape permettra de tester et de valider les approches
mthodologiques dveloppes partir dun cas rel.

1.4.2 Objectifs spcifiques

Afin de rpondre lobjectif principal qui vient dtre nonc, les objectifs spcifiques
suivants devront tre atteints :
1) Caractrisation de lala inondation
a) Amliorer

la

dlimitation

des

zones

inondes

laide

de

limagerie

RADARSAT-2, en vue de son intgration dans un outil dvaluation en temps

quasi-rel du risque humain li aux inondations en milieu urbain;
i)

Dfinir les paramtres dacquisition optimaux pour la dtection et la

dlimitation des zones urbaines inondes laide de limagerie RADARSAT-2
en termes de polarisation, dangle dincidence et de rsolution spatiale;

ii) Valider la pertinence de lintgration des paramtres hydrauliques (relations

niveaux-dbits) dans la mthodologie de dtection des zones inondes;
b) Calculer les profondeurs de submersion en tout point de la zone inonde, avec
une prcision centimtrique.
2) Formalisation et valuation de la vulnrabilit humaine aux inondations
a) Dfinir les besoins en termes dvaluation de la vulnrabilit de la population lors
dune inondation en milieu urbain, en phase de gestion de crise;
b) Dvelopper des indicateurs de vulnrabilit adapts la gestion de crise;
c) Formaliser lvaluation de la vulnrabilit humaine aux inondations en milieu
urbain.
Il sagit dintgrer les mthodes dvaluation de la vulnrabilit humaine aux inondations
et la mthodologie de caractrisation de lala inondation en milieu urbain dveloppe
dans cette tude au sein dun mme outil.
Pour dvelopper et tester cet outil, lensemble des donnes de terrain et des donnes
gomatiques (images satellitaires, donnes cartographiques, donnes hydrologiques,
etc.) acquises durant les deux mois qua dur linondation du printemps 2011

dans le bassin versant de la rivire Richelieu tout particulirement au niveau de la

ville de St-Jean-sur-Richelieu, en Montrgie a t mis notre disposition par le
ministre de la Scurit publique du Qubec.

1.5 Contenu du rapport

Ce document sarticule autour de trois parties.
Tout dabord, le site dtude sur lequel les approches mthodologiques seront values
sera prsent, ainsi que lensemble des donnes mises disposition par le Ministre de
la Scurit Publique pour cette tude.
La seconde traite de la caractrisation spatiale de lala inondation. Il y sera fait tat des
avantages et des limites de la tldtection radar synthse douverture pour la
dtection des zones inondes, ainsi que des interactions existant entre londe radar et
les diffrents milieux inonds. Les remarques issues de la revue de littrature seront
ensuite prsentes. Enfin, une mthodologie de caractrisation spatiale de lala
inondation sera propose.
La troisime partie de ltude est consacre la caractrisation de la vulnrabilit aux
inondations. Il y sera fait tat des besoins actuels en matire danalyse de la
vulnrabilit humaine aux inondations, des diffrents aspects prendre en compte pour
une analyse fiable de la vulnrabilit, ainsi que de leurs mthodologies dvaluation
spcifiques. La prsentation dune mthodologie dvaluation de la vulnrabilit humaine
aux inondations conclura cette partie.
Une conclusion prsentera les rsultats attendus, ainsi quun chancier des travaux
prvus jusqu la fin de 2014.

2 PRSENTATION DU SITE DTUDE ET DES DONNES

Cette seconde partie prsente les caractristiques du site dtude sur lequel les
approches mthodologiques seront values et valides, ainsi que lensemble des
donnes mises disposition par le Ministre de la Scurit Publique, qui est partenaire
de cette tude.

2.1 Prsentation du site dtude

Le site dtude est celui de la municipalit de Saint-Jean-sur-Richelieu, situe au sud du
Qubec, dans la rgion administrative de la Montrgie. Cette municipalit de 92 394
habitants sest dveloppe sur les rives de la rivire Richelieu, dans les basses-terres
du Saint-Laurent. La zone dtude se caractrise donc par un trs faible dnivel.
Loccupation du sol de la municipalit est dominante rurale, avec 57 % des sols
occups par des activits agricoles ou de cultures et 8 % occups par des forts. Les
zones urbaines, situes de part et dautre de la rivire, occupent 35 % de la zone
dtude.
La rivire Richelieu a connu, de la fin avril la fin juin 2011, une inondation majeure.
Cette inondation a t la premire dune telle envergure depuis lenregistrement de
donnes hydromtriques sur la rivire Richelieu, soit depuis plus de 150 ans. Elle a ainsi
largement dpass les niveaux de crue centennale tablis par le Centre dExpertise
Hydrique du Qubec (CEHQ), occasionnant linondation de plus de 3 000 rsidences,
lvacuation de prs de 1 000 personnes, la fermeture dcoles, de routes et de ponts,
etc. (Quebecgeographique 2011). Linondation a

surpris par son intensit de

nombreuses zones nayant jamais t inondes ont t touches mais aussi par sa
dure exceptionnellement longue, de prs de deux mois. Au maximum de la crue, les
zones touches stendaient du lac Champlain jusqu la ville de Beloeil, sinscrivant
ainsi dans un rectangle de 65 km (du Nord au Sud) par 22 km (dEst en Ouest)
(Figure 1).
Saint-Jean-sur-Richelieu, deux types de zones ont t particulirement touches. Ces
zones, situes en grande partie en amont du centre-ville, sont des zones boises et des
zones rsidentielles, dont certaines sont entoures darbres. Au total, ce sont presque
500 maisons qui ont t inondes dans la municipalit.
9

2.2 Prsentation des donnes

Linondation de la rivire Richelieu ayant dur prs de deux mois entre fin avril et fin
juin 2011 , il a t possible pour le Centre Canadien de Tldtection de planifier
lacquisition dun grand nombre dimages RADARSAT-2 en double polarisation (HH-HV)
sur une zone stendant du lac Champlain jusqu la ville de Sorel-Tracy. Ainsi, 33
images ont pu tre acquises entre le 5 mai et le 6 juillet 2011, selon diffrents modes
dacquisition (Fin et Standard), diffrents angles dincidence et diffrentes orbites. Une
srie dimages RADARSAT-2 en polarisation simple HH a galement pu tre acquise le
1er mai 2011, en mode Ultra Fin. Les images ayant t acquises sur une priode de prs
de deux mois, et ce ds la premire semaine de linondation, nous avons donc
disposition des images correspondant aux pics de crues, permettant galement de nous
renseigner sur la dynamique spatio-temporelle de linondation (Figure 2). Ces donnes
sont compltes par des images optiques issues des capteurs GeoEye (1er mai),
WorldView (1er mai) et Ikonos (8 mai) et par des images dans le proche infrarouge,
issues du capteur EO-1 ALI (11 mai). Elles seront mises profit lors des phases de
validation des mthodologies. Lensemble des donnes satellitaires est dtaill dans
lAnnexe 1.
Au niveau des donnes topographiques, nous disposons de donnes LIDAR dune
rsolution horizontale et verticale de 5 mtres et de contours topographiques au
1 mtre, couvrant lensemble de la zone dtude. Ces donnes ont galement t
fournies par le Ministre de la Scurit Publique du Qubec. Pour la suite des travaux, il
pourrait savrer ncessaire dobtenir des donnes topographiques une rsolution
spatiale plus fine, de lordre de 1 ou 2 mtres.
Les donnes de niveau et de dbit relatives aux cotes de crue de rfrence 2 ans,
20 ans et 100 ans ont galement t produites pour la zone dtude dans le cadre du
Plan de Dtermination des Cotes de Crues de rcurrences PDCC, et sont disponibles
sous forme vectorielle. Ces donnes sont accessibles sur le site internet Geoboutique,
du Ministre des Ressources Naturelles et de la Faune du Qubec. Enfin, nous
disposons de fichiers vectoriels de loccupation du sol pour toute la municipalit de
Saint-Jean-sur-Richelieu.

10

Figure 1

tendue de la zone inonde (tons bleu fonc) le 11 Mai 2011 (Image EO-1 ALI, NASA) et
limites de la municipalit de Saint-Jean-sur-Richelieu (en rouge)

11

Figure 2

Niveau d'eau (Station Marina St-Jean-sur-Richelieu) notamment lors des dates d'acquisition des images

12

3 CARACTRISATION DE LALA INONDATION

Cette section vise dfinir lensemble des principes et des concepts relatifs la
caractrisation de lala inondation partir de limagerie radar satellitaire. Les avantages
et les limites des capteurs radar synthse douverture seront tout dabord prsents,
ainsi que les concepts de base de la tldtection radar. Les interactions du signal radar
avec les diffrents types de zones inondes seront ensuite dfinies. Enfin, nous
prsenterons les principales remarques issues de la revue de littrature et les
orientations mthodologiques qui en dcoulent.

3.1 Les outils de cartographie de lala inondation

Trois catgories doutils permettent la cartographie de lala inondation quand celui-ci
est en cours. Il sagit des relevs sur le terrain, de la modlisation hydraulique ainsi que
de la tldtection. Cependant, et ce malgr leurs avantages respectifs, certains de ces
outils prsentent des limites importantes, qui rduisent leur intrt pour la caractrisation
de lala inondation dans un contexte de gestion de crise.

3.1.1 Les relevs sur le terrain

Lacquisition de donnes directement sur le terrain est une mthode largement utilise
pour ltude des phnomnes spatiaux et environnementaux, mais nest pas adapte
la caractrisation de lala inondation en phase de gestion de crise. En effet,
lchantillonnage spatial ralis sur le terrain est souvent peu lev et mal distribu, ce
qui ne permet pas dobtenir des informations prcises sur les limites des zones inondes
et sur les hauteurs de submersion en tout point de ces zones (Townsend et Walsh,
1998). cela sajoutent souvent des problmes logistiques daccs aux zones inondes
et des cots dacquisition des donnes levs (Hess et al., 1995; Lang et al., 2008).
Enfin, et cest une limite importante, le temps ncessaire lacquisition de donnes sur
la zone, leur traitement puis la production dune carte de lala inondation est
souvent trop long pour tre adapt la phase de gestion de crise, en particulier quand
ltendue des zones touches est importante.

13

3.1.2 La modlisation hydraulique

La modlisation hydraulique permet de simuler numriquement et de prdire lvolution
spatio-temporelle des caractristiques hydrauliques dune rivire au cours dune crue,
telles que le dbit, la hauteur deau, les surfaces inondes ou les vitesses de leau
(Hostache et al., 2005; L'Homme, 2006). Cest un outil couramment employ dans le
cadre de la gestion des inondations, aussi bien pour la prvision des inondations que
dans les volets de prvention et de gestion de crise. Les modles hydrauliques
demeurent cependant une reprsentation schmatique dun systme rel complexe et
requirent la comprhension et lintgration de chaque processus du cycle de leau,
laide de donnes spcifiques (Estupina Borrell, 2004). Cela reprsente un volume
important de donnes, quil peut parfois tre difficile et coteux dobtenir cause dun
manque inluctable de stations de mesures, aussi bien en milieu rural quen milieu
urbain (Mason et al., 2012a; Matgen et al., 2007). Ces modles restent donc teints
dune part dincertitude. Cette incertitude, de mme que le manque de donnes
ncessaires au fonctionnement optimal de ces modles, peuvent cependant tre rduits
par lintgration de donnes issues de sources autres que les relevs manuels sur le
terrain ou les stations de mesures automatises. En effet, les donnes issues de la
tldtection sont parfois mises profit durant les phases de calage et de validation des
modles hydrauliques (Giustarini et al., 2011; Mason et al., 2012b; Matgen et al., 2007).

3.1.3 La tldtection
Diffrents outils de tldtection peuvent tre utiliss pour caractriser lala inondation.
La photographie arienne, qui permet dobtenir des images de haute rsolution de la
zone inonde, est considre comme une source de donnes de qualit pour la
dlimitation et lanalyse des zones inondes (Schumann et al., 2009). Cependant, son
utilisation pour la gnration de cartes de lala inondation est souvent limite par le
cot lev des acquisitions aroportes et par le temps ncessaire lacquisition des
donnes, souvent trop long lorsque linondation est tendue (Mallinis et al., 2011).
cela peuvent sajouter des conditions mtorologiques empchant le survol de la zone
inonde et enfin les difficults de dtection des zones inondes sous un couvert vgtal
dense ou travers un pais couvert nuageux.
Les capteurs optiques satellitaires oprant dans les bandes du visible et de linfrarouge
(de 0.4 m 100 m) ont permis damliorer laccs aux donnes ncessaires la
14

cartographie des inondations un cot moins lev que celui de la photographie

arienne (Brivio et al., 2002). La trs haute rsolution spatiale de lordre du mtre
des capteurs les plus rcents (Ikonos, WorldView, Geoeye, etc.) permet maintenant
lidentification prcise de la ligne deau et des objets urbains et sous-urbains inonds.
Cest ainsi une avance intressante par rapport aux capteurs optiques plus anciens
(Spot, Landsat, etc.) dont la rsolution spatiale est ou tait souvent de lordre de
plusieurs dizaines de mtres (Van der Sande et al., 2003). Cependant, lacquisition de
donnes de qualit est souvent fortement rduite par la prsence dun couvert nuageux
rcurrent durant les inondations, les longueurs donde du visible et de linfrarouge ne
pouvant pntrer les nuages (Horritt et al., 2003; Marti-Cardona et al., 2010; Schumann
et al., 2011). Limagerie optique ne permet pas non plus de dtecter les zones inondes
sous un couvert vgtal dense, ce qui exclut une partie de linformation recherche dans
certaines zones (Hess et al., 1995; Sanyal et Lu, 2004). Enfin, la trs haute rsolution
spatiale des donnes optiques se fait galement au dtriment de la largeur de fauche.
Il peut ainsi tre ncessaire de programmer lacquisition de plusieurs images pour
couvrir lintgralit de la zone inonde, ce qui peut savrer coteux, le prix de ce type
dimages variant entre 20 25 $ par km2, selon le capteur (Andr et al., 2002).
Les capteurs satellitaires oprant dans les micro-ondes passives hyperfrquences
allant de 1GHz 100 GHz , tels que les capteurs SSM/I ou AMSR-E, mesurent les
radiations micro-ondes mises naturellement par la terre et latmosphre. Les radiations
micro-ondes ont pour avantage dtre relativement peu sensibles la diffusion
atmosphrique, ce qui permet au capteur dacqurir des images en conditions
nuageuses (Smith, 1997). Une des limites principales de ce type de capteur rside en
leur faible rsolution spatiale. En effet, les hyperfrquences tant mises en faible
quantit par la surface terrestre, il est ncessaire pour les radiomtres micro-ondes
passives dintgrer les missions dune large zone avant de pouvoir enregistrer un
signal. Ainsi, la faible rsolution spatiale des images acquises de lordre de 20
60 km, selon les capteurs limite trs fortement leur utilisation pour la dtection prcise
des inondations au niveau local (Matgen et al., 2011). Leur grande emprise spatiale, de
mme que la haute rsolution temporelle des capteurs (1 2 passages quotidiens), en
font tout de mme des capteurs satellitaires intressants pour la dtection et le suivi des
zones inondes sur de grands territoires.

15

3.1.4 La tldtection radar

Les satellites radar synthse douverture (RSO) sont des capteurs actifs oprant dans
les hyperfrquences (1 GHz 40 GHz, selon les bandes). Latmosphre ne prsentant
pas dabsorption marque des hyperfrquences aux longueurs donde suprieures
2 cm (soit environ 12 GHz), ces capteurs ont la capacit dacqurir des images de la
surface terrestre travers les nuages, de jour comme de nuit (Bonn et al., 1996). Ils
permettent ainsi de fournir des informations aux phases actives de la crue, durant
lesquelles les conditions de nbulosit sont souvent importantes (Evans et al., 2010;
Horritt et Bates, 2001).
De plus, la rtrodiffusion du signal mis par un capteur RSO est particulirement
sensible lhumidit de la surface image, ses proprits dilectriques, mais aussi
la rugosit de la surface et sa gomtrie (Baghdadi et al., 2001). Ses capacits, qui
seront dtailles par la suite, lui confrent un fort potentiel pour la dtection des
changements de condition dhumidit du sol et, ainsi, pour la cartographie des zones
inondes (Brisco et al., 2008; Mallinis et al., 2011).
Les capteurs bord des satellites lancs depuis 2007, tels que TerraSAR-X,
RADARSAT-2 ou encore COSMO-SkyMed, permettent maintenant lacquisition
dimages dont la rsolution peut aller jusqu 1 mtre selon les modes dacquisition (par
exemple, 1 m avec le mode High Resolution Spotlight de TerraSAR-X, 3 m avec le
mode Ultra Fin de RADARSAT-2 et 1 m avec le mode Spotlight de COSMO-SkyMed).
Ces amliorations vers la trs haute rsolution spatiale, jusque-l non disponible sur les
capteurs satellitaires RSO, permettent ainsi dobtenir une image prcise et dtaille de
la zone dtude, adapte aux analyses en milieu urbain (Schmitt et al., 2010). Cette
haute rsolution se fait cependant au dtriment de la largeur de fauche au sol.
Une des limites lutilisation des satellites RSO pour le suivi oprationnel des
inondations a t pendant longtemps leur trop basse rsolution temporelle (Pulvirenti et
al., 2011a). Cependant, les mises en orbite des satellites de la constellation COSMOSkyMed, et bientt de ceux de la constellation RADARSAT-3, permettent un temps de
revisite dans un dlai maximal de 12 h (Pierdicca et al., 2010; Pulvirenti et al., 2011a).
Certains capteurs RSO (comme RADARSAT-2) sont dots dune vise slective (droite
ou gauche) permettant la slection du faisceau et de langle dincidence pour assurer un
meilleur suivi de la rgion dintrt.

16

Cela permet de rduire le temps dobservation moyen de ces satellites et daccrotre leur
frquence dobservation lors de situations juges critiques (Andr et al., 2002; Voigt et
al., 2008).
Enfin, lacquisition de donnes en double polarisation (HH+HV ou VV+VH) et en
quadruple polarisation (HH+VV+HV+VH) est maintenant possible avec certains capteurs
(voir Tableau 2), et nest donc plus limite la polarisation simple (HH ou VV) ou croise
(HV ou VH). Cela permet une meilleure discrimination entre les diffrentes surfaces
prsentes sur limage car chaque signal reu par le capteur possde une sensibilit
particulire diverses caractristiques ou proprits de surface (Baghdadi et al., 2001).
Un des problmes rcurrent associ aux images issues des capteurs RSO est celui du
haut niveau de bruit qui dgrade les images et rend difficile leur interprtation. Ce bruit
est provoqu par le phnomne dinterfrences alatoires entre les ondes cohrentes
mises par le radar et une surface rugueuse, dans laquelle une infinit de rflecteurs
lmentaires se trouvent (Henry, 2004). Ce bruit tant de nature multiplicative, il est
dautant plus fort que la rtrodiffusion est forte, ce qui rend lanalyse et linterprtation
des images parfois difficiles dans les zones urbaines ou boises (Hahmann et al., 2008;
Horritt, 1999).
Enfin, si la trs haute rsolution spatiale des capteurs les plus rcents est un de leur
atout principal pour la cartographie des inondations, elle a galement pour effet de
dtecter un grand nombre dobjets prsents au sol, dont le signal rtrodiffus peut
parfois entraver la cartographie prcise des zones inondes par des mthodes
danalyse traditionnelles, et alourdir les traitements (Giustarini et al., 2011; Hahmann et
al., 2008; Voigt et al., 2008). Cest le cas tout particulirement dans les milieux urbains,
o de multiples rflecteurs de lordre dun ou deux mtres, tels que les murs, voitures,
balcons, etc., peuvent dominer le signal par des mcanismes de rtrodiffusion multiple
(Franceschetti et al., 2002; Schumann et al., 2011).
Malgr ces derniers aspects, les capteurs radar satellitaires ont un potentiel trs
intressant pour la dtection et la dlimitation des inondations, et se prsentent comme
les outils les plus adapts la gnration dinformations adaptes au contexte de la
gestion de crise (Cossu et al., 2009).

17

3.2 Principes de tldtection radar

Cette section rappelle brivement les principes de base de la tldtection radar, qui
seront rgulirement voqus au cours de cette tude. Ces dfinitions sont issues de
trois sources (Bonn et al., 1996; Henry, 2004; Polidori, 1997).

3.2.1 Physique du signal

Les systmes radar sont des systmes hyperfrquences composs dun metteur, qui
met une onde lectromagntique en direction dune surface, et dun rcepteur, qui
enregistre le signal rflchi par cette surface. Le signal rtrodiffus est mesur sur les
plans temporel (date de rception du signal) et nergtique (intensit du signal) puis
compar avec le signal mis. La mesure du temps de parcours de londe permet
daccder la distance entre lantenne et la surface, et par consquent la distance
entre les cibles lmentaires constituant la surface.
Lquation radar relie les caractristiques du signal reu, du radar et de la cible du point
de vue nergtique, et est exprime par lquation suivante :
=

2 2
(4) 4

O est la puissance reue [W], est la puissance mise [W], est le gain de
lantenne [W], est la longueur donde, est la Surface quivalente Radar [m], est la

distance antenne-cible [m] et est le coefficient de perte par absorption.

La Surface quivalent Radar (SER) est une fonction qui intgre les paramtres lis la
surface de rflexion, tels que sa gomtrie ou sa constante dilectrique, et est ainsi
dpendante de la frquence et de la polarisation du signal radar.

3.2.2 Longueur donde des systmes RSO

Les systmes radar utilisent une gamme de frquences qui stend de 0.225 GHz
36.0 GHz. Cette rgion du domaine des hyperfrquences est divise en 7 bandes
(Tableau 1).
Latmosphre est presque transparente pour ces diffrentes bandes radar. Cependant,
les bandes Ka et Ku sont peu utilises pour la dfinition de systmes spatiaux, car elles
sont fortement attnues par la troposphre.
18

La bande P est quant elle fortement disperse par lionosphre. Les autres bandes
sont par consquent les plus largement utilises par les capteurs satellitaires.

Tableau 1

Bandes spectrales, plages de frquences et longueurs dondes utilises par les

capteurs Radar (Henry, 2004)

0.025-0.390
GHz

133-76.9 cm

76.9-19.3

0.39-1.55 GHz

1.55-4.20 GHz

19.3-7.1 cm

4.20-5.75 GHz

7.1-5.2 cm

5.75-10.90 GHz

5.2-2.7 cm

Ku

10.9-22.0 GHz

2.7-1.36 cm

Ka

22.0-36.0 GHz

cm

1.36-0.83
cm

3.2.3 La polarisation
Londe lectromagntique mise par une antenne radar est compose dune variation
, ayant des axes orthogonaux ( 90
du champ lectrique et du champ magntique
degrs lun de lautre). La polarisation dcrit lalignement et la rgularit des champs
lectriques et magntiques de londe dans le plan transverse sa propagation. Elle se
dfinit par la direction du champ lectrique par rapport au plan dincidence qui contient

le vecteur donde et la normale de la surface de rflexion.

Les antennes dun systme radar peuvent tre configures de faon mettre et
capter un rayonnement lectromagntique polaris horizontalement ou verticalement.
Ainsi, la polarisation est caractrise par deux lettres : la premire dsigne la
polarisation suivant laquelle londe est mise par le capteur et la seconde la direction
dans laquelle lantenne mesure londe rtrodiffuse.
19

La lettre H dsigne une polarisation horizontale et la lettre V dsigne une polarisation

verticale. Selon les capteurs, diffrentes combinaisons de polarisation sont disponibles :

Polarisation simple

HH, VV, HV ou VH

Double polarisation

HH et HV, VV et VH, HH et
VV

Quadruple polarisation

HH, VV, HV et VH

Lorsque londe radar frappe une surface et est rflchie, la polarisation peut tre
modifie, tout dpendant des proprits de ladite surface. Cette transformation modifie
lapparence de la scne sous imagerie radar polarimtrique, ce qui permet souvent de
dterminer le type de surface frappe partir de limage.

3.2.4 Langle dincidence

Langle dincidence correspond langle entre la direction antenne-cible et la normale au
sol au niveau de la cible. La normale est le vecteur qui est perpendiculaire au sol, et
dpend donc de la pente locale et de lazimut du terrain.
Le phnomne de rtrodiffusion nest gnralement pas isotrope. Ainsi, la rtrodiffusion
dun objet ou dune surface ne sera pas la mme selon langle dincidence avec lequel
londe radar est mise.

3.2.5 Les systmes radar synthse douverture

La synthse douverture est une technique qui sapplique aux systmes radar vise
latrale, permettant damliorer la rsolution gomtrique. Elle exploite, dune part, le
principe de la compression dimpulsion simulant une impulsion de signal trs brve
partir dune impulsion physique longue, pour augmenter la rsolution en distance et,
dautre part, la focalisation des chos Doppler dune cible, qui permet damliorer la
rsolution gomtrique, sur la direction azimutale. Ce traitement de la phase du signal
permet de simuler une antenne de trs grande taille, do le nom de synthse
douverture .

20

Ces deux traitements RSO donnent accs des rsolutions gomtriques bien
meilleures et donc des produits dimagerie plus intressants tant sur les plans
physique que thmatique. Le tableau 2 rsume les caractristiques des diffrents
capteurs radar cits au cours de cette tude.
Tableau 2

Caractristiques des capteurs radar cits dans ltude

Bande
(GHz)

Rsolution
spatiale (m)

Polarisations

Temps de revisite
(jours)

1991-2000

C (5,3)

25

VV

JERS-1

1992-1998

L (1,3)

18

HH

44

ERS-2

1995-2011

C (5,3)

25

VV

RADARSAT-1

1995-

C (5,3)

8-100

HH

24

ENVISAT

2002-2012

C (5.3)

9-2000

Capteur

Lancement

ERS-1

HH ou VV
HH/VV ou HH/HV
ou VV/VH

HH ou VV
ALOSPALSAR

2006-2011

L (1.3)

10-100

HH+HV ou VV+VH

46

HH+HV+VH+VV
HH ou VV
RADARSAT-2

2007-

C (5.4)

3- 100

HH+HV ou VV+VH

24

HH+HV+VH+VV
COSMOSkyMed

2007-

X (9.6)

1-100

TERRASAR-X

2007-

X (9.6)

1-18

HH, VV, HV ou VH
HH+HV, VV+VH

16
(<1 4 jours avec
constellation)

HH, HV, VH, VV

21

HH-HV ou HH-VH,
ou VV-HV

11

3.3 Interaction du signal radar avec les plans deau

La diffusion de londe radar reue par une surface est dpendante des proprits de la
surface image (rugosit, constante dilectrique, composition et gomtrie), des
paramtres du capteur RSO utilis (longueur donde et polarisation) mais aussi de la
gomtrie dacquisition du capteur, savoir la direction de lorbite, langle dincidence
local et laspect de la cible par rapport la position du capteur (Badji et Dautrebande,
1997; Sanyal et Lu, 2004). Nous dfinirons ici lensemble des interactions du signal
radar avec les surfaces en eau dans diffrentes conditions.

3.3.1 Plans deau libre et champs inonds

Les plans deau libre et les champs non cultivs totalement inonds prsentent des
surfaces lisses avec une constante dilectrique leve et agissent comme des
rflecteurs spculaires (Smith, 1997). Lnergie incidente est donc presque entirement
rtrodiffuse hors du champ de rception du capteur. Ces surfaces apparaissent ainsi
avec des valeurs de rtrodiffusion trs faibles sur limage, donc des tons noirs (Brivio et
al., 2002; Horritt et al., 2003). Les zones dasphalte ou de bton, omniprsentes en
milieu urbain et souvent tendues, agissent comme des rflecteurs spculaires et
peuvent tre confondus avec des champs inonds ou des plans deau (Badji et
Dautrebande, 1997). Il est cependant possible de limiter ces effets laide
dinformations auxiliaires drives de cartes topographiques ou de loccupation du sol.
La rugosit des plans deau libre peut augmenter sous laction dun vent fort crant des
vaguelettes la surface de leau (Badji et Dautrebande, 1997). La rflexion diffuse
remplace alors localement la rflexion spculaire. Les vagues ayant une longueur
donde proche ou suprieure celle de la rsolution du capteur peuvent ainsi tre
visibles sur limage, sous la forme de traits linaires clairs la surface de leau
(Hahmann et al., 2008; Mason et al., 2001; Stabel et Lffler, 2004).
tant donn que les plus longues longueurs donde permettent dobtenir un meilleur
rapport de contraste entre la terre et leau, la bande X est plus adapte la dtection
des plans deau que les plus courtes longueurs donde, comme les bandes C et L
(Martinis et al., 2009). Le choix de la polarisation joue galement un rle important dans
la dtection des plans deau libre. La polarisation HH semble tre la plus adapte pour
distinguer les surfaces inondes des surfaces non inondes et offre la meilleure
dynamique radiomtrique (Ahtonen et Hallikainen, 2005; Henry et al., 2006).
22

On la prfre la polarisation VV, qui permet une sparabilit assez similaire de leau et
de la terre, mais qui est plus sensible laugmentation de la rugosit de surface. De
mme, les polarisations croises HV et VH semblent tre plus adaptes que la
polarisation VV, car moins sensibles aux vagues et aux ondulations la surface de leau
(Horritt et al., 2003; Solb et Solheim, 2005).

3.3.2 Vgtation et zones boises inondes

Lorsquun sol couvert de vgtaux (cultures, plantes basses, bois) est inond, le
mcanisme de rflexion diffuse des sols secs ne domine plus. La constante dilectrique
dun sol inond tant plus leve que cette dun sol sec, une quantit plus importante
dnergie sera rflchie de manire spculaire par le sol inond, et sera soumise une
rflexion par double bond entre leau et les troncs et feuilles verticales de la partie
infrieure de la vgtation (Hess et al., 1995). cela sajoute une diffusion de volume
issue des parties suprieures de la vgtation (Andr et al., 2002; Bonn et Dixon, 2005).
Les forts et la vgtation inondes apparatront ainsi dans des tons clairs sur limage,
ce qui permet gnralement de les distinguer des forts et de la vgtation non
inondes, pour lesquelles la rflexion diffuse du sol rduit leffet de rflexion par double
bond, induisant des tons plus foncs (Hahmann et al., 2008; Horritt et Bates, 2001;
Mason et al., 2012a). Les berges des rivires tant souvent bordes de zones vgtales
parfois larges de plusieurs mtres, il est important de tenir compte de ce phnomne
pour ne pas fausser la dlimitation des zones inondes (Horritt et al., 2003; Mason et al.,
2012a).
Les courtes longueurs donde, comme les bandes C et X, ne peuvent traverser une
canope ou une vgtation dense. En effet, la diffusion de volume issue des couches
suprieures de la canope domine la rtrodiffusion de ces ondes plus courtes,
empchant lobtention dinformations sur la prsence deau au sol (Townsend, 2002).
linverse, les plus longues longueurs donde, telles que les bandes L et P, sont capables
de pntrer la canope et atteignent les couches infrieures de la vgtation et le sol
(Ahtonen et Hallikainen, 2005; Townsend, 2002). Ces bandes permettent ainsi de
discriminer les forts inondes des forts non inondes, en tout contexte, tandis que les
courtes longueurs dondes ne sont utiles quen prsence dune vgtation moins dense,
en conditions hivernales par exemple. De mme, la contribution de la canope est plus
grande avec les petits angles dincidence (< 35 degrs) quavec les grands angles
23

dincidence (> 35 degrs), ce qui peut permettre de dtecter les zones inondes et ce,
mme sous un couvert relativement dense (Hess et al., 1990; Mason et al., 2007). Enfin,
la polarisation multiple semble apporter davantage dinformations sur la vgtation
inonde que la polarisation simple, et en particulier les polarisations HH et VV pour
sparer les forts inondes des forts non inondes (Evans et al., 2010;
Townsend, 2002).

3.3.3 Zones urbaines inondes

La rtrodiffusion des zones urbaines est domine par des mcanismes de rflexion en
coin et de rflexion par double bond dues leurs structures angulaires, qui les font
apparatre dans des tons trs clairs sur une image RSO (Bonn et Dixon, 2005).
Lorsquune zone urbaine est inonde, ces mcanismes restent les mmes (Stabel et
Lffler, 2004). Le signal est alors rflchi intgralement par leau, en direction des
btiments ou des arbres, puis en grande partie rflchi directement de ces structures
vers le capteur (Figure 3). Cela explique pourquoi les zones urbaines ont une forte
rtrodiffusion mme lorsquelles sont inondes lors de lacquisition. Ainsi, distinguer les
zones urbaines inondes des zones urbaines non inondes sur une image RSO est
complexe (Mason et al., 2010; Sanyal et Lu, 2004; Solb et Solheim, 2005). Les zones
inondes en milieu urbain sont ainsi dtectables uniquement quand les btiments sont
suffisamment loigns les uns des autres pour laisser la rflexion spculaire dominer
(Martinis et al., 2011).
Les avenues bordes darbres, que lon retrouve souvent en milieu urbain, gnrent
galement une rflexion par double bond, ce qui leur donne des tons clairs sur une
image RSO et ce, quelles soient inondes ou non (Sanyal et Lu, 2004). Aussi, il est
important de souligner qu cause de la gomtrie de vue des capteurs RSO, les
phnomnes dombre et de dversement causs par les btiments et les arbres peuvent
masquer une partie de linondation, certains angles dincidence ou en vise
descendante (Mason et al., 2010). Cela peut poser un problme important dans les
zones rsidentielles de banlieues, qui regroupent souvent des maisons unifamiliales
entoures dun nombre darbres assez lev (Oberstadler et al., 1997). Ces
phnomnes dombre et de dversement se retrouvent aussi dans les zones au relief
marqu.

24

tant donn que ces phnomnes sont irrversibles, une partie de linformation peut
tre masque et les tons noirs peuvent se confondre avec des plans deau libre (Brivio
et al., 2002; Schumann et al., 2012). Peu dtudes ayant t ralises sur les zones
urbaines inondes ce jour, nous ne pouvons indiquer avec prcision quels sont les
paramtres dacquisition les plus adapts.

Figure 3

Mcanismes et intensit de rtrodiffusion des surfaces inondes et des surfaces

sches (daprs Schumann et al. (2012))

Ainsi, la dtection des surfaces inondes peut tre entrave par plusieurs facteurs,
relatifs la nature de la surface inonde image, aux effets de la gomtrie du terrain
ou encore des paramtres dacquisition inappropris (Matgen et al., 2011; Stephens et
al., 2012). Le dveloppement dune mthodologie de caractrisation de lala inondation
fiable et prcise doit donc tenir compte de lensemble de ces facteurs.

25

3.4 Analyse des mthodologies de caractrisation de lala

inondation laide de limagerie radar satellitaire
Cette section apporte une vue gnrale de ltat de lart en matire de techniques de
dlimitation des zones inondes et dvaluation des hauteurs deau. Elle se divise en
diffrents points, selon les lments majeurs qui ressortent de cette revue de littrature.

3.4.1 Milieu urbain et milieu rural

Malgr le fait que le risque est souvent bien plus important en zone urbaine quen zone
rurale, la raret des tudes portant de manire spcifique sur le dveloppement dune
mthodologie de dtection des zones urbaines inondes est flagrante (Mason et al.,
2007). Cela peut sexpliquer, dune part, par le fait que la trs haute rsolution spatiale,
ncessaire la dtection des inondations en milieu urbain, nest disponible que depuis
peu (2006) sur les capteurs radar satellitaire. Dautre part, le temps de revisite des
capteurs de trs haute rsolution spatiale tant encore lev (voir Tableau 2), le nombre
dvnements durant lesquels il est possible dacqurir des images RSO dinondations
urbaines est fortement rduit (Mason et al., 2011; Schumann et al., 2012). Les satellites
permettant dacqurir des images de ces vnements sont donc avant tout des satellites
de faible rsolution spatiale (~ 100 m) qui, eux, ont un temps de revisite plus court, mais
ne sont pas adapts aux analyses lchelle intra-urbaine (Schumann et al., 2011). La
mise en orbite de constellations de capteurs trs haute rsolution spatiale ouvre
cependant des possibilits intressantes pour une exploitation plus efficace des images
RSO dans les applications en zones urbaines (Giustarini et al., 2011; Pellizzeri et al.,
2003).

3.4.2 Capteurs et donnes utilises pour la dtection des zones inondes

Lanalyse des donnes utilises dans les diverses tudes portant sur la dlimitation des
zones inondes permet dappuyer le constat prcdent.
En effet, seules quelques images de trs haute rsolution spatiale prsentant une
situation dinondation en zone urbaine sont disponibles. Parmi ces images, celles
acquises par le satellite TerraSAR-X

(mode StripMap, polarisation HH, angle

dincidence de 24) lors de linondation de la ville de Tewkesbury (Angleterre) en 2007

ont souvent t utilises dans les tudes les plus rcentes (Giustarini et al., 2011;
Martinis et al., 2011; Mason et al., 2010; Schumann et al., 2011; Voigt et al., 2008). Les
26

systmes radar aroports (ASAR) ont galement t mis profit dans certaines tudes
et permettent dobtenir une vue trs dtaille de la zone touche, avec une rsolution
spatiale de lordre du mtre (Bates et al., 2006; Nelz et al., 2006). Enfin, quelques
images prsentant des zones urbaines et rurales inondes ont t acquises par les
capteurs ENVISAT, RADARSAT-1, ERS-1 et ERS-2 (Di Baldassarre et al., 2009;
Pellizzeri et al., 2003; Voigt et al., 2008). Ces images ayant une rsolution spatiale
moindre (> 10 mtres), lanalyse prcise des zones urbaines inondes nest pas
possible et les zones inondes dtectes sont surtout les plans deau libres.
Au niveau des tudes en milieu rural, les capteurs et paramtres dacquisition sont plus
varis. Les capteurs les plus utiliss pour la dtection des zones inondes en milieu
rural sont les capteurs ERS-1, ERS-2 et ENVISAT (Dellepiane et al., 2000; Giordano et
al., 2005; Horritt et Bates, 2001; Oberstadler et al., 1997; Stabel et Lffler, 2004). Les
satellites RADARSAT-1 et RADARSAT-2 ont t utiliss dans quelques tudes
seulement, en particulier pour lanalyse et le suivi des zones humides inondes (Evans
et al., 2010; Kussul et al., 2011; Pellizzeri et al., 2003). Les acquisitions ralises par les
capteurs de haute rsolution spatiale sont en nombre plus restreint. Les images issues
du capteur COSMO-SkyMed ont t utilises quelques reprises (Angiati et al., 2010;
Hahmann et al., 2008). On peut citer en particulier la srie de cinq images en
polarisation HH acquises lors de linondation de la rivire Tanaro (Italie) et utilises par
la suite dans de nombreuses tudes (Chini et al., 2011; Dellepiane et al., 2010;
Pierdicca et al., 2010; Pulvirenti et al., 2011a; Pulvirenti et al., 2010).
Ainsi, ce jour, seul le capteur TerraSAR-X a permis lacquisition de donnes de haute
rsolution spatiale prsentant une inondation en milieu urbain. Ce manque de donnes
peut induire deux contraintes : les mthodologies dveloppes sont souvent spcifiques
au site dtude sur lequel elles ont t dveloppes et les rsultats gnrs nont pas
toujours la mme prcision si des donnes aux caractristiques diffrentes sont
utilises. Enfin, on constate que les donnes RADARSAT-2 (bande C) de haute
rsolution spatiale nont jamais t utilises pour la dtection des zones inondes en
milieu urbain. Les images disponibles pour cette tude, acquises en polarisation simple
HH (mode Ultra Fin) mais aussi en double polarisation HH-HV (mode Fin et mode
Standard), avec diffrents angles dincidences et diffrentes polarisations, constituent
donc la premire opportunit de tester et dvaluer lintrt de paramtres dacquisition
diffrents pour la dtection des zones inondes en milieu urbain.
27

3.4.3 Techniques de traitement de limage pour la dtection et la

dlimitation des zones inondes
De nombreuses techniques de traitement de limage ont t utilises pour dtecter et
dlimiter les zones rurales et urbaines inondes sur des images RSO. Ces techniques
ont t rfrences dans plusieurs articles ou ouvrages (Liu et al., 2004;
Sanyal et Lu, 2004; Schumann et al., 2012). Parmi les techniques les plus souvent
utilises, on retrouve le seuillage dhistogramme de limage (Henry et al., 2006; Hess et
al., 1995; Schumann et al., 2007), les mthodes de dtection des changements multitemporels (Badji et Dautrebande, 1997; Boni et al., 2007; Giordano et al., 2005) et les
modles statistiques de contours actifs (Ahtonen et Hallikainen, 2005; Bates et al., 2006;
Horritt, 1999; Matgen et al., 2007). cela sajoutent linterprtation visuelle simple
(Brivio et al., 2002; Maggi et al., 1998; Oberstadler et al., 1997), les algorithmes de
classification par texture de limage (Schumann et al., 2007; Vinu Chandran et al., 2006),
lanalyse en composante principale (Gan et al., 2012; Matgen et al., 2007) et enfin les
algorithmes de classification automatique (Bonn et Dixon, 2005; Hoque et al., 2011;
Sohn et al., 2005).

3.4.4 Mthodologies non adaptes au contexte de gestion de crise

Malgr la volont affiche dun grand nombre dtudes de dvelopper des
mthodologies de cartographie des zones inondes servant de support la gestion du
risque

dinondation,

on

remarque

que

les

impratifs

identifis

en

matire

dautomatisation des traitements et daccs rapide aux donnes ncessaires ne sont

souvent pas atteints, mais aussi que les mthodes dveloppes sont souvent
spcifiques un site dtude (Matgen et al., 2011; Schumann et al., 2011). La revue de
littrature nous a permis didentifier deux approches trs largement utilises mais qui ne
peuvent sinscrire dans un contexte oprationnel.
La technique du seuillage est souvent utilise pour sparer les zones inondes des
zones non inondes sur les images RSO et est apprcie pour sa simplicit et son faible
temps de traitement (Brivio et al., 2002; Henry et al., 2006; Martinis et al., 2009;
Zwenzner et Voigt, 2009). Lapproche est simple : tous les pixels de limage RSO ayant
une intensit ou une amplitude infrieure un seuil fix suite lanalyse de
lhistogramme des rtrodiffusions de limage sont considrs comme inonds et
ceux ayant une rtrodiffusion plus leve sont considrs comme non inonds . Pour
28

fixer ce seuil, on utilise souvent la faible rtrodiffusion des plans deau la surface
desquels la rflexion spculaire domine qui permet de les distinguer aisment des
autres types doccupation du sol (Martinis et al., 2009). Cette approche est aussi
souvent utilise dans les approches de segmentation de limage par croissance de
rgion ou par contour actif, o elle sert slectionner les pixels servant de noyaux
de croissance (Mason et al., 2011; Matgen et al., 2011). Cependant, si le seuillage
dhistogramme permet gnralement la dtection prcise des plans deau, il ne sadapte
pas la dtection des zones inondes dont les mcanismes de rtrodiffusion sont plus
complexes et dont les coefficients de rtrodiffusion varient selon les paramtres
dacquisition de limage (zones urbaines, forts, vgtation) et selon les caractristiques
de la zone image (Pulvirenti et al., 2010). Il nest donc pas possible de fixer un seuil
unique et universel pour dlimiter chaque type de zone inonde, ce qui la rend
difficilement automatisable (Sanyal et Lu, 2004). Des efforts ont cependant t faits
dans ce sens, mais encore peu dtudes utilisent la technique du seuillage sous forme
automatise (Ahtonen et Hallikainen, 2005; Schumann et al., 2007; Solb et Solheim,
2005).
Les techniques multi-temporelles de dtection des changements ont galement t
utilises frquemment pour la dtection et la cartographie des zones inondes, tant
elles aussi apprcies pour leur simplicit et leur rapidit (Boni et al., 2009). Cette
approche se base sur le principe de la forte dpendance de la rtrodiffusion de
lintensit du signal aux proprits dilectriques de la surface, et a pour objectif de
dtecter les changements de rtrodiffusion entre deux images RSO, lune acquise hors
inondation et lautre durant linondation (Badji et Dautrebande, 1997). Une dtection des
changements damplitude mais aussi de cohrence peut tre ralise. Les approches
par amplitude recherchent dans limage les baisses de rtrodiffusion correspondant
gnralement des surfaces totalement submerges durant linondation et les
augmentations de rtrodiffusion correspondant lmergence de surfaces et des
mcanismes de rflexion par double bond (Andreoli et Yesou, 2007). Deux mthodes de
dtection des changements, souvent utilises, ont t releves dans la littrature : les
compositions colores faites partir de deux images ou plus (Angiati et al., 2010; Boni
et al., 2009; Cossu et al., 2009; Temimi et al., 2011; Weydahl, 1996), les oprations
arithmtiques entre deux images (Andreoli et Yesou, 2007; Hahmann et al., 2008; Nico
et al., 2000) et les approches par cohrence. Ces dernires utilisent les informations de
phase drives de linterfromtrie RSO (Dellepiane et al., 2010; Giordano et al., 2005;
29

Smith, 1997; Wdowinski et al., 2006). Leau peut alors tre identifie laide des rgions
ayant une faible corrlation de phase interfromtrique entre les deux images, les
surfaces sches ayant une plus forte cohrence.
Ces mthodes de dtection des changements, bien quavantageuses, prsentent deux
limites majeures. Dans un premier temps, elles ncessitent lutilisation dau moins deux
images, dont les paramtres dacquisition doivent tre similaires (frquence,
polarisation, angle dincidence) et dont la diffrence temporelle nest pas trop leve
pour ne pas que des changements dus loccupation du sol ou un stade de
croissance de la vgtation diffrent entrent en jeu (Andr et al., 2002; Boni et al., 2009;
Weydahl, 1996). Or, ces besoins sont difficilement satisfaits dans les applications
oprationnelles (Angiati et al., 2010). De plus, les rsultats produits par la mthode de
dtection des changements ne constituent pas une carte finale utilisable, et les rsultats
doivent encore tre classifis ou interprts. Certaines tudes proposent ainsi le recours
linterprtation visuelle (Stabel et Lffler, 2004; Weydahl, 1996), au seuillage (Andreoli
et Yesou, 2007; Giordano et al., 2005; Temimi et al., 2011), la segmentation oriente
objet sur une image compose-couleur ou encore lapplication dun indice de
diffrence normalis (Badji et Dautrebande, 1997). Ainsi, si les approches de dtection
des changements sont souvent automatises, les mthodes de classification
ncessaires la production de la carte finale ne le sont pas toujours.

3.4.5 Intrt des approches orientes objet

Les lments individuels prsents dans une image RSO de trs haute rsolution
spatiale ont une grande variance spectrale, ce qui rsulte en des variances importantes
lintrieur dune mme classe thmatique, et ainsi en une confusion interclasse leve
(Mason et al., 2012a). cela sajoute le bruit souvent important qui dgrade les images
RSO. Ainsi, les approches de classification par pixel, qui classent les pixels de manire
indpendante sur la base de leurs rtrodiffusions, ne peuvent produire de bons rsultats
sur ce genre dimages (Voigt et al., 2008). Les mthodes danalyse de limage orientes
objet semblent tre une des meilleures manires de saffranchir de ces phnomnes
(Mallinis et al., 2011).

30

En effet, au lieu de tenter de reconstruire une estimation de la rtrodiffusion pour chaque

pixel, la segmentation saffranchit du bruit en identifiant des rgions ou des objets dont
les proprits de texture ou les tons de gris sont similaires constants (Hahmann et al.,
2008). Les objets identifis par la segmentation peuvent ensuite tre classifis selon des
paramtres tels que linformation de contexte, la texture, la gomtrie de lobjet, etc.
(Pulvirenti et al., 2011a).
La mthode de segmentation statistique de limage par contours actifs ou snakes ,
dveloppe par Kass et al. (1988) a t trs largement utilise pour la dtection des
zones inondes en milieu rural (Horritt et Bates, 2001; Mason et al., 2007; Nelz et al.,
2006; Voigt et al., 2008). Les contours actifs sont des contours curvilignes qui voluent
dans le temps et dans lespace bidimensionnel de limage pour sapprocher de la forme
dun objet dtecter et sy fixer. Ils utilisent les proprits de texture et/ou de ton,
mesures au niveau local le long des contours, pour distinguer les limites des objets
(Horritt, 1999; Matgen et al., 2007). Lvolution de ces contours est guide par une
fonction dnergie dfinie par lutilisateur selon les caractristiques de limage (Horritt et
Bates, 2001). Si cette mthode permet une dlimitation prcise des plans deau libre
(suprieure 90 %) et permet de saffranchir du bruit de limage, elle nest cependant
pas approprie pour la dtection des zones inondes en milieu urbain (Mason et al.,
2012a). Les contours curvilignes ne sadaptent pas, en effet, ltroitesse des rues en
milieu urbain. De plus, plusieurs de ses paramtres requirent des ajustements manuels
et semblent encore difficilement automatisables, ce qui constitue une limite importante
pour notre projet (Ahtonen et Hallikainen, 2005).
Une approche plus simple de segmentation par croissance de rgion peut tre utilise,
o le noyau de croissance stend aux pixels voisins selon leurs proprits statistiques
jusqu ce que les conditions de similitude ne soient plus remplies (Malnes et al., 2002).
Une approche de croissance de rgion supervise pour les zones urbaines est propose
par Mason et al. (2010) sur des donnes TerraSAR-X de trs haute rsolution spatiale,
sur lesquelles les effets dombre et le repliement en milieu urbain ont t masqus. Les
noyaux de croissance sont dtermins laide dun seuillage automatique, puis le
regroupement des pixels se fait laide dun oprateur morphologique de dilatation des
rgions par itrations successives, puis par lapplication dun second oprateur
morphologique drosion sur ces rgions.

31

Cette mme mthode a t utilise par Pulvirenti et al. (2011a), sur une srie dimages
COSMO-SkyMed dune rgion rurale proche de la ville dAlessandria, en Italie. Son
originalit rside dans le fait que les segments dlimits automatiquement sur limage
par les oprateurs morphologiques drosion et de dilatation sont ensuite classifis
laide dune approche par logique floue permettant dintgrer les connaissances
thoriques de la rtrodiffusion radar des zones inondes laide de modles
lectromagntiques

de

diffusion,

des

considrations

hydrauliques

simples

et

dinformations contextuelles.

3.4.6 Intgration des paramtres hydrauliques

Les paramtres hydrauliques sont peu utiliss dans les tudes portant sur la dlimitation
des zones inondes laide de limagerie RSO (Pierdicca et al., 2008). La plupart des
mthodes

dveloppes

utilisent

en

effet

uniquement

les

caractristiques

de

rtrodiffusion des surfaces inondes et seules quelques tudes intgrent les aspects
hydrauliques.
Une des premires tudes mettant profit des considrations hydrauliques tente
destimer les zones inondes au maximum dune crue laide de la position des plans
deau stagnants observs aprs la crue sur des images RSO (ERS-1) et des
informations topographiques extraites dun modle numrique dlvation (MNE) (Brivio
et al., 2002). La mthode utilise une matrice cumule de moindre distance-cot pour
retrouver les cellules submerges durant linondation, en retraant le chemin de leau
entre la zone stagnante observe sur limage RSO et le lit de la rivire. Cette matrice
permet de prendre en compte lnergie ncessaire leau pour surmonter les lments
naturels et anthropiques qui freinent lcoulement de leau sur une surface tels que la
topographie montante, la rugosit de surface, le couvert vgtal et lutilisation du sol, qui
sont autant de facteurs de rsistance et alors atteindre une cellule de hauteur
suprieure. Les considrations hydrauliques sont ainsi intgres de manire simple :
tant donn que le cot est fonction de la topographie et de la distance combines, le
dbit ncessaire leau pour atteindre des cellules cot plus lev doit en mme
temps tre suffisant pour que leau atteigne aussi les cellules ayant un cot moins
lev. Cependant, la rsistance est un paramtre trs complexe modliser selon les
auteurs, qui font ainsi la supposition que les caractristiques de rugosit de la surface
sont constantes travers toute la zone. Malgr cela, cette mthode semble produire des
32

rsultats satisfaisants en zone rurale. Une mthode assez similaire, base uniquement
sur la distance euclidienne au point de destination, a t utilise pour la slection de
pixels supposs inonds partir dune ligne maximale de hauteur deau extraite en zone
rurale (Mason et al., 2012a). La dlimitation des zones urbaines inondes qui en rsulte
teinte dune trs large part derreur (environ 35% des pixels sont correctement
classifis) et est ainsi insuffisante. On peut ainsi supposer que le facteur rsistance ,
particulirement prsent en zone urbaine cause du grand nombre dlments
anthropiques qui sy trouvent, doit tre pris en compte lorsquon intgre lhydraulique
urbaine une mthodologie de dtection.
Les travaux raliss par Macina et al. (2006) et par Pierdicca et al. (2008) mettent
galement les considrations hydrauliques profit, au sein dune approche hybride
combinant la dtection des changements de rtrodiffusion entre des images ERS-1
acquises avant puis au cours dune inondation et la logique floue. Ces considrations
hydrauliques sont intgres sous la forme de fonctions dappartenance, relatives
linformation de contexte des pixels et aux caractristiques de surface extraites dun
MNE. Elles sont bases sur les principes suivants :
- la probabilit de prsence dun pixel inond isol lintrieur dune zone
de pixels non inonds (ou inversement) est faible,
- la probabilit de prsence de pixels non-inonds proches de pixels
inonds situs une plus haute altitude est faible
- Enfin, la probabilit de prsence dun pixel inond proche de pixels non
inonds situs une plus faible altitude est faible.
Une fonction dappartenance correspondant la proximit dun pixel un plan deau est
par la suite intgre cette mme approche (Pierdicca et al., 2010; Pulvirenti et al.,
2011a). Lide est ainsi que si une rivire sort de son lit, la probabilit dinondation est
forte pour les pixels proches de la rivire ayant une altitude nexcdant par celle du lit de
la rivire. Ces pixels auront alors un fort degr dappartenance la classe pixel inonds.
Dans une approche dveloppe par Mason et al. (2010), les auteurs estiment
raisonnable de supposer quen condition dinondation, le niveau deau en zone urbaine
ne devrait pas tre beaucoup plus lev que dans les zones rurales proches. Ainsi, la
hauteur maximale de la ligne deau dtermine en zone rurale grce une
segmentation par snake est utilise pour dduire la hauteur deau maximale en zone
urbaine.
33

Cela permet de slectionner un ensemble de pixels en zone urbaine situs sous la ligne
maximale des eaux et dont la rtrodiffusion est spculaire, lesquels serviront de base
une interpolation par krigeage ou encore de noyaux un algorithme de croissance de
rgion (Mason et al., 2011).
Les mthodes qui viennent dtre prsentes intgrent ainsi les notions de dbit
ncessaire lors de linondation pour couvrir une surface que lon sait tre inonde, mais
aussi la notion de connectivit hydraulique des pixels inonds, dans les domaines
spatial et topographique, aussi bien en milieu rural quen milieu urbain. Or, bien que la
connectivit topographique semble tre un apport intressant pour les mthodes de
classification en zone rurale, elle semble ltre moins en zone urbaine, o les rsultats
sont beaucoup moins probants (Mason et al., 2012b; Schumann et al., 2011). tant
donn que les tudes en zone urbaine utilisent toutes des donnes LIDAR dune
rsolution spatiale de 2 mtres acquises hors inondation, leurs rsultats ne peuvent tre
entirement imputables des donnes topographiques inadaptes. Cela peut
cependant tre d en grande partie la prsence dlments complexifiant les
connectivits hydrauliques lchelle micro-topographique, tels que des murs, cltures,
digues, etc. Ainsi, ces paramtres de connectivit topographique doivent tre utiliss
avec prcaution en milieu urbain.

3.4.7 Estimation des hauteurs deau

Les hauteurs deau ne peuvent tre extraites directement des donnes RSO, ce qui
ncessite le recours des mthodes de mesure indirecte et, ainsi, lintgration de
donnes auxiliaires (Smith, 1997; Voigt et al., 2008). Les mesures indirectes impliquent
la fusion dune image RSO et de donnes topographiques (Sanyal et Lu, 2004). Limage
satellite RSO, sur laquelle les zones inondes ont t pralablement dlimites, est
projete sur un MNE et est transforme en plan de crue. On obtient alors une lame
deau par lintersection des deux couches dinformation, ce qui permet destimer les
hauteurs de submersion dans les zones inondes (Andr et al., 2002).
Sur cette base, diffrentes mthodes ont t dveloppes. La plus simple consiste en
lextraction manuelle des zones inondes aprs la fusion des limites de linondation avec
une carte topographique au 1 : 5000 (Oberstadler et al., 1997; Schumann et al., 2008).
La rsolution spatiale des donnes topographiques utilises dans cette tude tant trop
faible, les erreurs destimation du niveau deau peuvent aller jusqu 2 mtres.
34

Lutilisation de MNE drivs de relevs LIDAR, dont la rsolution spatiale est de lordre
du mtre, sest largement dveloppe depuis le dbut des annes 2000 (Hostache et
al., 2009; Nelz et al., 2006; Zwenzner et Voigt, 2009). La fusion de ces donnes
topographiques de haute rsolution spatiale avec les limites des zones inondes
extraites dimages RSO amliore globalement lextraction des hauteurs deau, atteignant
gnralement une prcision de 0.5 1.1 mtres. De meilleurs rsultats sont cependant
obtenus avec lutilisation de modles dinterpolation et de modles de rgression sur les
hauteurs deau issues de la fusion des donnes LIDAR et des donnes RSO (Bates et
al., 2006; Matgen et al., 2007; Schumann et al., 2007).
Les niveaux deau obtenus ont alors une prcision de lordre de 20 35 cm, ce qui peut
tre considr comme trs prcis. Une des limites majeures de ces mthodes est
quelles ne sont pas automatisables.
Un des problmes rcurrents associs lextraction des hauteurs deau par fusion des
limites des zones inondes extraites des images RSO et de donnes topographiques
est lincertitude importante sur les rsultats. Ces incertitudes peuvent avoir trois
sources : les paramtres de segmentation de lalgorithme servant dlimiter les zones
inondes, la correspondance gomtrique des deux couches de donnes utilises et,
enfin, la prcision verticale et la rsolution horizontale du MNE (Giustarini et al., 2011).
De lgres erreurs de classification des zones inondes, des imprcisions durant le
processus de gocodage ou encore lutilisation de donnes RSO et topographiques dont
les rsolutions spatiales sont trop grossires ou trop diffrentes lune de lautre, peuvent
rduire de manire importante la qualit des estimations de la hauteur deau dans les
zones inondes (Zwenzner et Voigt, 2009).
Ainsi, les donnes topographiques doivent tre slectionnes avec soin. Les donnes
SRTM (Shuttle Radar Topography Mission), dont la prcision verticale varie beaucoup
avec la localisation (de 3.5 16 mtres selon les zones), produisent une erreur trop
importante et ne peuvent en aucun cas tre utilises lchelle locale (Schumann et al.,
2008). Les donnes LIDAR, certes plus chres et couvrant une petite zone, semblent les
plus appropries grce leur haute rsolution spatiale.

35

3.4.8 Prise en compte des effets gomtriques en zone urbaine

tant donn que peu dtudes portent de manire spcifique sur la dlimitation des
zones inondes en milieu urbain, les mthodes permettant de tenir compte des effets
dombre et de dversement et ainsi de limiter leurs impacts sur la qualit des rsultats
de la classification sont encore peu nombreuses. Nous nen avons ainsi recens quune.
Cette mthode, appele SETES pour SAR End-to-End simulator, a t dveloppe par
Speck et al. (2007) et a t utilise par Mason et al. (2012a) et Mason et al. (2011) pour
la dlimitation des zones inondes en milieu urbain laide dimages TerraSAR-X. Elle
permet destimer les rgions de limage o leau pourrait ne pas tre visible cause de
la prsence dombre ou de dversement. Lestimation de ces rgions est purement
gomtrique et utilise le LIDAR DSM de la surface de la scne ainsi que les paramtres
dacquisition de limage RSO, savoir la direction de vise du radar et langle
dincidence. Les rsultats sont des images binaires montrant lombre et le dversement
qui sont par la suite combines pour crer un masque sur limage RSO. Cette mthode
peut demander des temps de calculs parfois longs (plusieurs dizaines de minutes),
selon la taille de la zone urbaine, mais peut tre ralise en priode de prclassification, une fois les paramtres de limage RSO connus.
Ainsi, lutilisation de cet outil permet de masquer les effets dombre et de dversement
en zone urbaine, ce qui permet de rduire les erreurs de classification. Il peut cependant
tre important de souligner que, dans ce cas, une partie de linformation en zone urbaine
est perdue. On ne peut donc pas calculer lapport rel de cet outil dans les rsultats de
la classification, les rsultats tant en grande partie dus aux techniques de classification
dveloppes et la prcision des donnes utilises.

3.5 Mthodologie de caractrisation de lala inondation

Cette dernire section prsente les orientations mthodologiques dfinies lissue de la
revue de littrature.
Ces orientations mthodologiques reposent sur la dfinition pralable dune fonction de
dbit-niveau, selon la mthode dveloppe par Poulin et al. (2012) dans le cadre du
projet CADYRI. Lobjectif de cette mthode, qui est dj oprationnelle, est de
dterminer, pour un dbit donn, le niveau de la surface deau associe et
subsquemment de driver ltendue de la plaine inondable et la profondeur de
36

submersion en tout point de la zone inonde, en utilisant le modle numrique de terrain

de cette zone. Cette relation dbit-niveau est calcule en tous points du domaine partir
des cotes de rcurrence officielles disponibles pour les crues de rcurrence 2, 20 et 100
ans et des dbits correspondants tablis dans le cadre du programme de cartographie
des zones inondables et du programme de dtermination des cotes de crues (PDCC).
Pour les besoins de cette tude, la relation dbit-niveau cre laide de loutil CADYRI
sera inverse. En effet, la fusion de limage RSO et du MNE va permettre de dterminer
les niveaux deau en certains points du domaine que lon estime tre inonds avec
certitude, sur la base de leurs caractristiques de rtrodiffusion. Ainsi, ce qui est
recherch nest plus le niveau deau, mais le dbit ncessaire linondation de ce ou de
ces points, afin de calculer et de simuler une plaine inonde minimale pour la zone.
Cette plaine inonde minimale permettra de dtecter les zones inondes avec certitude.
Les caractristiques de rtrodiffusion et loccupation du sol des zones situes entre le lit
de la rivire et la limite suprieure de linondation seront extraites afin de crer une
bibliothque de rtrodiffusion, contenant des signatures de rfrence pour chaque
classe de zone inonde (urbain inond, fort inonde, champs inonds, vgtation
inonde, etc.) Cette bibliothque de rtrodiffusion permettra par la suite de raliser une
classification de lensemble de la zone dtude. Un affinement de la classification sera
ensuite ralis, afin de minimiser les erreurs de classification. Cet affinement intgrera
diverses fonctions de probabilit relatives linformation de contexte des segments de
limage, aux connectivits spatiale et topographique et enfin la cote de rcurrence
simule pour les points loigns. Les diffrentes tapes de cette mthodologie sont
prsentes dans la figure 4 et sont dtailles ci-aprs.
tant donn quun des objectifs de cette tude est de dterminer quel peut tre lapport
des donnes RADARSAT-2 en polarisation HH et en polarisation HH-HV pour la
dtection des zones inondes, cette mthodologie sera teste sur les diffrentes images
radar

disponibles,

avec

diffrentes

combinaisons

de

paramtres

dacquisition

(polarisation, angle dincidence, orbite). De mme, chaque tape de classification de

limage, diffrents paramtres seront tests et valus. Ces diffrents essais sont
ncessaires la dfinition de loutil le plus adapt la dtection des zones inondes.
Cette mthodologie peut tre considre comme novatrice car cest la premire fois
quune fonction niveau-dbit est intgre comme paramtre de dlimitation des zones
inondes sur des images RSO de haute rsolution spatiale. Cette mthodologie
37

ncessite un certain nombre de donnes autres que les images RADARSAT-2, ce qui
pourrait tre un facteur limitant dans un contexte de gestion de crise. Ces donnes,
savoir les modles numriques de terrain, loccupation du sol ou encore les niveaux et
dbit des cotes de crue de rfrence de 2, 20 et 100 ans, sont cependant disponibles
pour la majorit des rivires et des municipalits du Qubec. Lintgration de donnes
auxiliaires ne prsente ainsi pas une contrainte majeure.

38

1 ' niveau de classification

Slection des segments Inonds avec certitude
(eau libre)

2-

niveau de classification

Classifkallon de tous les segments de rlmage sur la base de la

bibliothque de rtrodiffusion

3-

niveau de classifica tion

Classification finale de l' image

Calcul des hauteurs d'eau en tout

point du domaine

Figure 4

Organigramme mthodologique de caractrisation de lala inondation

39

3.5.1 Cration de la fonction niveau-dbit pour la zone dtude

Les diffrentes tapes de la cration de la fonction de rgression niveau-dbit utilise
dans cette tude sont dtailles dans Poulin et al. (2012) et ne sont ici prsentes que
de manire synthtique. La cration de cette fonction est ralise en mode proprationnel et a pour but de dterminer les paramtres de la fonction niveau-dbit en
tout point de la rgion dtude. Ces paramtres seront par la suite utiliss pour
dterminer la profondeur de submersion en tout point pour un dbit donn. Elle utilise en
intrant des positions 3D reprsentant le niveau de leau en un point donn du domaine
pour un dbit donn. Ces intrants peuvent tre des limites de plaines inondes connues
(2, 20, 100 ans) et des profils en long. Ceux-ci seront utiliss pour gnrer une surface
simulant le niveau deau correspondant chaque dbit, laide dinterpolations et
dextrapolations. Lquation qui sert dterminer les paramtres de la fonction dbitniveau en tout point de la rgion ltude est la suivante :
=

o, Q, le dbit, et H, la hauteur deau, sont connus et et sont des constantes

dterminer par optimisation. Il est possible de linariser cette quation sous la forme :
Ln(H) = ln(Q) +
Cette fonction de rgression est calcule pour chacune des mailles communes toutes
les surfaces deau. Le rsultat est form de deux matrices contenant les valeurs des
paramtres et spcifiques chaque maille du domaine. La connaissance des
paramtres et permettra, une fois le niveau deau connu, dextraire le dbit
ncessaire linondation des points submergs et ainsi simuler la plaine inonde
minimale.

3.5.2 Premier niveau de classification

Donnes ncessaires

Images RADARSAT-2,
polarisations HH et HH-HV
Occupation du sol

Donnes de validation

Images IKONOS, WorldView et GeoEye

(selon la date dacquisition de limage
RADARSAT-2 utilise)

Logiciels

Geomatica 2012 ou Definiens e-Cognition

40

Lobjectif de cette seconde tape est de dtecter les zones tant inondes avec
certitude sur limage RADARSAT-2. Ces zones sont celles qui prsentent une rflexion
spculaire qui nest pas typique de la rflexion de la classe doccupation du sol
laquelle elles appartiennent.
Dans un premier temps, une segmentation oriente objet automatique de limage pourra
tre ralise, afin que les segments homognes prsents sur limage RADARSAT-2
soient pralablement identifis. Divers paramtres de segmentation seront valus : les
paramtres de taille et de forme, les valeurs de rtrodiffusion ou encore la texture. Cette
segmentation sera ralise sur les images en polarisation HH (orbite descendante,
angle dincidence de 23) ainsi que sur les images en polarisation HH-HV (dont les
paramtres dacquisition en termes dorbite, dangle dincidence mais aussi de rsolution
spatiale sont diffrents). Les rsultats des segmentations seront valids laide des
images optiques de trs haute rsolution spatiale disponibles (IKONOS, GeoEye et
WorldView).
Cette seconde tape consiste en la dtection et en la classification des segments de
limage correspondant des zones inondes en eau libre. Ces segments doivent en
thorie prsenter une rflexion de type spculaire, mais ne doivent pas appartenir la
classe doccupation du sol eau . Plusieurs paramtres de classification seront tests,
afin de dterminer le ou les plus adapts la dtection de ces zones inondes : les
paramtres de texture (identifis comme les plus pertinents lors de la revue de
littrature), les coefficients de rtrodiffusion et, pour la polarisation HH-HV, le rapport de
polarisation.

Lintrt de ces diffrents

paramtres

sera rvalu selon les

caractristiques de limage RADARSAT-2 utilise.

la fin de cette tape, les zones deau libre inondes avec certitude pourront tre
dtectes puis dlimites. Il sagit ainsi du premier niveau de classification de limage.

41

3.5.3 Dlimitation de la plaine inonde minimale

Image RADARSAT-2 segmente
Segments inonds identifis
Donnes ncessaires
Modle numrique de terrain
Fonction de dbit-niveau

Donnes de validation

Logiciels

Images IKONOS, WorldView et GeoEye

(selon la date dacquisition de limage
RADARSAT-2 utilise)
Geomatica 2012, ArcGIS 10

Lobjectif de cette troisime tape est de dterminer le dbit ncessaire linondation du

segment classifi comme tant inond au cours de ltape prcdente et ayant
laltitude la plus haute. Ce dbit servira simuler une plaine inonde minimale
permettant de dterminer quels sont les segments de limage inonds avec certitude.
Pour cela, le segment classifi comme inond et ayant la plus haute lvation sur le
modle numrique de terrain est slectionn. On extrait ensuite le point le plus haut de
ce segment. Rechercher ce point revient rechercher le point le plus haut connu
comme tant inond et suppose de ce fait que le dbit durant la crue permet de
submerger tout point de la zone ayant une lvation infrieure.
La fonction de niveau-dbit dveloppe dans la premire tape de la mthodologie va
ensuite tre mise profit pour dterminer le dbit minimal pour ce point. La zone
inonde sera ainsi dlimite.

42

3.5.4 Cration de la bibliothque de rtrodiffusions

Image RADARSAT-2 segmente
Donnes ncessaires

Limites de la zone inonde minimale

Occupation du sol

Donnes de validation

Logiciels

Images IKONOS, WorldView et GeoEye

(selon la date dacquisition de limage
RADARSAT-2 utilise)
Geomatica 2012, ArcGIS 10

Cette troisime tape a pour objectif de crer une bibliothque de rtrodiffusions,

contenant les informations sur la rtrodiffusion typique des diffrentes classes de
surfaces inondes prsentes sur limage RADARSAT-2. Les informations contenues
dans cette bibliothque de rtrodiffusions permettront, avec loccupation du sol, de
classifier lensemble des segments de limage. Si cette mthode sinspire directement de
celle dveloppe par (Pulvirenti et al., 2011b), son originalit rside dans le fait que la
bibliothque de signatures de rtrodiffusion est construite sur la base des informations
issues de limage elle-mme, et nutilise pas des signatures de rtrodiffusion dj
tablies, considres comme universelles et issues denvironnements diffrents.
Les signatures de rtrodiffusion des diffrentes classes de zones inondes seront
dtermines sur la base du type doccupation du sol des segments et de leurs
caractristiques de rtrodiffusion, qui seront values laide de diffrents paramtres
(texture, ton, intensit de rtrodiffusion, etc.)
Des segments appartenant une mme classe doccupation du sol peuvent prsenter
des caractristiques de rtrodiffusion diffrentes. On pense, par exemple, aux milieux
urbains, dont les proprits de rtrodiffusion peuvent changer dun endroit un autre. Il
nest ainsi pas optimal de fixer des signatures de rtrodiffusion trop restrictives pour
chaque classe. On pourrait ainsi envisager de dfinir des valeurs minimales et
maximales dfinissant lappartenance une classe, selon les statistiques de
rtrodiffusion de lensemble des segments de limage appartenant une mme classe.

43

3.5.5 Second niveau de classification

Image RADARSAT-2 segmente
Donnes ncessaires

Bibliothque de signatures de rtrodiffusion

Occupation du sol

Donnes de validation

Logiciels

Images IKONOS, WorldView et GeoEye

(selon la date dacquisition de limage
RADARSAT-2 utilise)
Geomatica 2012

Lensemble des segments de limage sont ensuite classifis, selon leur occupation du
sol et selon leur similitude chacune des diffrentes signatures de rtrodiffusion dfinies
pour chaque classe doccupation du sol.

3.5.6 Affinement de la classification

Image RADARSAT-2 segmente
Donnes ncessaires

Relation niveau-dbit
Occupation du sol

Donnes de validation

Logiciels

Images IKONOS, WorldView et GeoEye (selon la

date dacquisition de limage RADARSAT-2
utilise)
Geomatica 2012, ArcGIS 10

tant donn que la plaine inonde dfinie au cours de la deuxime tape (cf. 3.5.2) ne
correspond qu une plaine inonde minimale , on ne peut savoir avec certitude o
se trouvent les limites de la plaine inonde maximale. Il est bien sr possible de se
baser sur les points les plus hauts des segments les plus levs classifis comme tant
inonds, mais des erreurs de classification gnres ltape 5 (cf. 3.5.5) pourraient
fausser lestimation de la plaine inonde maximale de plusieurs mtres. Ainsi, un
affinement de cette classification simpose. Pour cela, diverses fonctions de probabilit
dappartenance pourront tre dfinies, sur le modle de Macina et al. (2006) et de
(Pierdicca et al., 2010). Ces fonctions dappartenance pourraient par exemple tre
44

relatives linformation de contexte des segments, aux connectivits spatiale et

topographique la zone inonde, ou encore la valeur des dbits simuls pour les
segments les plus loigns de la plaine inonde minimale par rapport aux cotes de
crues maximales tablies pour la zone tudie (ex : cote de crue de rcurrence
suprieure celle de 100 ans).

3.5.7 Extraction des niveaux deau en tout point de la zone inonde

Donnes ncessaires

Image RADARSAT-2 classifie

Relation niveau-dbit
Autres donnes acquises sur le terrain,

Donnes de validation
Rapport de dommages, etc.
Logiciels

Geomatica 2012, ArcGIS 10

Enfin, une fois lensemble des segments de limage classifis, il est possible dextraire le
niveau deau maximal dans la plaine laide de llvation maximale des segments les
plus levs inonds, laide du mode oprationnel de loutil CADYRI.

45

4 CARACTRISATION ET VALUATION DE LA
VULNRABILIT DE LA POPULATION AUX INONDATIONS
Cette section sattache dfinir lensemble des concepts relatifs la caractrisation et
lvaluation de la vulnrabilit de la population aux inondations. Elle permet de
dterminer les dimensions de la vulnrabilit les plus pertinentes pour lvaluation des
risques humains lis aux inondations, dans un contexte de gestion de crise. Sur la base
des travaux raliss dans ce domaine et des remarques qui en sont issues, nous
proposerons une mthodologie dvaluation propre chaque dimension de la
vulnrabilit retenue. Une attention particulire sera porte la manire de fusionner
ces diffrentes dimensions de la vulnrabilit, pour obtenir une valuation de la
vulnrabilit de la population aux inondations. Si la mthodologie dveloppe sinscrit
avant tout dans un contexte de gestion de crise, elle devrait galement permettre,
terme, la ralisation de scnarios hors crise pour la prparation la gestion de crises
potentielles.

4.1 Concepts relatifs la vulnrabilit de la population aux

inondations
Une vue gnrale des travaux raliss dans le domaine de la vulnrabilit de la
population aux inondations est prsente dans cette section.

Les concepts sur la

vulnrabilit sont dfinis ainsi que les limites des approches existantes selon la
littrature sont prsents.

4.1.1 Dfinition et conceptualisation de la vulnrabilit

Durant les annes 1970 et jusquau milieu des annes 1980, la vulnrabilit tait
souvent associe la fragilit physique du bti, cest--dire la probabilit quun
btiment ou une structure seffondre cause de limpact dun ala (Kienberger, 2007).
Ainsi, lvaluation des dommages matriels tait au centre des analyses, et les aspects
humains de la vulnrabilit ntaient souvent pas pris en compte. Aujourdhui cependant,
le concept de vulnrabilit a volu et intgre de nombreux aspects (Birkmann, 2007).
Cette volution peut tre constate la lecture de la dfinition de la vulnrabilit donne
par les Nations Unies dans la Stratgie Internationale pour la Rduction des Dsastres.
Selon cette dfinition, la vulnrabilit peut tre dfinie comme les conditions ou
47

processus dtermins par des facteurs physiques, sociaux, conomiques et

environnementaux qui font augmenter la sensibilit ou la prdisposition dune
communaut aux impacts dun risque (UN/ISDR, 2004 ). Ainsi, on considre
maintenant la vulnrabilit comme lensemble des conditions dune socit ou
dlments risque qui dterminent le potentiel de lala en termes de pertes en vie
humaines ou de pertes financires mais aussi en termes de perturbation de la socit.
Un plus grand intrt est donc port depuis quelques annes la question de la
vulnrabilit des individus et des communauts, travers leurs caractristiques sociales
et conomiques. Diffrentes manires de considrer la vulnrabilit sociale ont ainsi
merg, et peuvent tre regroupes en trois coles (Rygel et al., 2006).
Dans certaines tudes, la vulnrabilit est considre comme un tat prexistant,
rsultant des caractristiques intrinsques la population. Ces tudes se concentrent
davantage sur lexposition potentielle aux risques, et ainsi sur loccupation humaine
dans les zones risque. Dans ce cas, cest plus souvent le degr de pertes humaines et
montaires pouvant rsulter dun ala particulier qui est examin (Cutter et al., 2003).
Une vision plus volue de la vulnrabilit suggre que tous les individus prsents dans
une zone risque ne sont pas vulnrables de la mme manire un ala. Ainsi, pour un
ala donn, les pertes et les dommages peuvent varier grandement dun individu ou
dun foyer lautre. Cest sur cette approche que les tudes les plus rcentes portant sur
la vulnrabilit humaine se sont concentres. Selon celle-ci, la vulnrabilit de la
population varie avec la capacit dadaptation des individus lorsquils sont touchs par
un sinistre, qui est une combinaison de la rsistance des individus (ou de leur capacit
faire face lala) et de leur rsilience, qui correspond leur capacit se remettre des
pertes ou des dommages rapidement (Birkmann, 2007; Buckle et al., 2001; Demoraes et
D'Ercole, 2009). Ainsi, la vulnrabilit est considre comme un lment construit
socialement, et qui peut trouver dune part ses origines dans le contexte conomique et
politique de la zone dtude (dveloppement institutionnel, relations sociales, pouvoir
politique etc.) (Cutter et al., 2003), mais aussi dans les caractristiques socioconomiques des individus eux-mmes (Demoraes et D'Ercole, 2009; Hebb et Mortsch,
2007; Morin, 2008).

48

Il existe enfin une troisime approche, qui combine les lments des deux premires
approches. Cette autre cole de pense considre la vulnrabilit comme la rponse
sociale un risque biophysique. Ainsi, si la vulnrabilit rsulte de facteurs sociaux ou
conomiques variant dans lespace, elle est aussi dpendante des caractristiques de
lala (Barroca et al., 2005; Clark et al., 1998; Wilhelmi et Morss; Wilhelmi et Morss,
2012). Cette approche, considre comme plus complte et la plus relle, est nomme
Vulnerability of places .

4.1.2 Un manque danalyses orientes vers la gestion de crise

La revue de littrature a permis de souligner le fait que trs peu dtudes portant sur
lvaluation de la vulnrabilit de la population un ala sont menes dans le but de
fournir des informations utiles lorganisation des secours la population en phase de
gestion de crise. La majorit des tudes se concentrent en effet sur lanalyse des
causes des dsastres passs et sur la localisation des individus ou des infrastructures
les plus vulnrables, afin de cibler les zones les plus risque et ainsi de dvelopper les
politiques et mesures de rduction du risque adquates. Elles sont ainsi plus tournes
vers les phases de prvention du risque que vers la phase de gestion de crise. Ces
analyses tiennent souvent compte des caractristiques sociales et conomiques de la
population, mais aussi de leur environnement conomique, politique et institutionnel,
une chelle danalyse qui est souvent celle du quartier (Barroca et al., 2006; Hebb et
Mortsch, 2007; Kienberger, 2007). Lala est considr dans ces analyses comme un
ala potentiel ayant une probabilit de rcurrence donne.
En temps de gestion de crise, disposer dinformations sur la vulnrabilit sociale et
conomique de la population est essentiel, mais nest pas suffisant pour obtenir une vue
prcise de la situation en cours. Il est en effet primordial de savoir o se situent les
populations touches, quel est le niveau deau dans les habitations ou encore quelles
sont les infrastructures essentielles non fonctionnelles, afin de dfinir et de localiser
avec prcision les individus ayant besoin des secours (Wilhelmi et Morss, 2012). Dans
ce cas, il est donc ncessaire de tenir compte des caractristiques de la vulnrabilit,
mais aussi de lala.

49

4.1.3 tudes intgres de la vulnrabilit

Il est galement intressant de souligner le fait que, dans un trs grand nombre
dtudes, la vulnrabilit de la population un ala donn est analyse et value
laide dindicateurs sociaux ou conomiques, faisant tat de sa capacit faire face un
ala et de sa rsilience (Azar et Rain, 2007; Cutter et al., 2003; Rygel et al., 2006;
Wilhelmi et Morss, 2012). Les autres lments vulnrables aux inondations, comme les
btiments ou les infrastructures essentielles, sont valus laide de mthodologies
spcifiques (Blin et al., 2005; Jousseaume et Mercier, 2009; Leclerc et al., 2003;
Pageon, 2008). Ainsi, les liens permettant danalyser limpact de la vulnrabilit du bti
et de la vulnrabilit des infrastructures essentielles sur la vulnrabilit de la population,
ne sont que rarement pris en compte.
Il nexiste ainsi que peu dtudes ralisant vritablement une analyse intgre de la
vulnrabilit humaine aux inondations, tenant compte des caractristiques socioconomiques de la population, mais aussi des effets de la vulnrabilit du bti et de la
vulnrabilit structurelle sur la vulnrabilit humaine. Seules quelques tudes ralisent
ce jour cette valuation intgre de la vulnrabilit (Kamierczak et Cavan, 2011;
Messner et Meyer, 2006). On peut citer en guise dexemple la mthode OSIRIS-risque
(et OSIRIS-inondation), qui intgre la vulnrabilit des individus, la vulnrabilit des
infrastructures essentielles (en particulier des rseaux), et la vulnrabilit directe (ou
gographique), dans un outil daide la dcision en situation de crise (Morel et al.,
2009).

4.1.4 Slection des indicateurs de vulnrabilit sociale

Comme nous venons de le souligner, la vulnrabilit sociale est maintenant souvent au
cur des valuations de la vulnrabilit aux alas. tant un tat prexistant, elle na pas
de rapport direct avec le type dala considr dans lanalyse. Ainsi, les indicateurs de
vulnrabilit sociale diffrent gnralement peu dans la littrature. Une revue des
indicateurs les plus utiliss pour mesurer la vulnrabilit sociale aux alas naturels a t
ralise par (Cutter et al., 2003). Les traits les plus cits sont lge, les handicaps
physiques ou mentaux, la structure familiale et le rseau social, les ressources
matrielles et lenvironnement bti.

50

Ces indicateurs sont utiliss pour mesurer la vulnrabilit sociale diffrents types
dalas, comme les vagues de tempte (Rygel et al., 2006), les inondations (Sebald,
2010; Zhai et al., 2006) ou encore les avalanches et les glissements de terrain
(Papathoma-Khle et al., 2010).
Ces indicateurs sont souvent choisi de manire manuelle ou suite des analyses
statistiques, car ils permettent de reprsenter aisment la vulnrabilit sociale dans les
pays dvelopps. Cependant, dans un pays en dveloppement ou sous-dvelopp, les
valeurs de pauvret et de proprit ne sont pas des variables significatives, les valeurs
de proprit et de revenus tant souvent faibles. Ainsi, dans les zones dont les
caractristiques sociales et conomiques de la population sont diffrentes et o les
donnes de recensement (utilises pour obtenir la valeur des indicateurs au niveau
local) ne sont pas disponibles, dautres indicateurs que ceux prcdemment prsents
doivent tre recherchs (Rygel et al., 2006).

4.1.5 Limportance de lchelle danalyse

Un des lments importants lis lvaluation de la vulnrabilit humaine un ala, et
qui dcoule du point prcdent, est lchelle spatiale laquelle lvaluation est ralise.
Lanalyse de quelques outils dvelopps pour lvaluation de la vulnrabilit lchelle
globale, tel que le Disaster Risk Index (UNDP, 2004) ou encore le projet
Hotspots (Dilley et al., 2005), a permis de souligner le fait que ces diffrentes
approches ont avant tout pour objectif, en comparant les consquences des dsastres
pour plusieurs pays, de comprendre comment le dveloppement conomique, social et
politique dun pays peut influencer sa vulnrabilit diffrents types dala (Peduzzi et
al., 2009). Pour un mme niveau dala et un mme niveau dexposition dans deux pays
diffrents, on peut ainsi comprendre quels sont les facteurs influenant le risque et cibler
les besoins en matire de politique de gestion des risques. Le risque est alors considr
comme le produit de la frquence des alas et de leurs consquences, et la vulnrabilit
nest caractrise qu laide des pertes en vies humaines (Birkmann, 2007).
A linverse, les outils dvelopps pour les analyses au niveau local estiment
gnralement que la vulnrabilit reprsente un risque biophysique et une rponse
sociale lintrieur dun domaine gographique spcifique, aux caractristiques
sociales, conomiques ou institutionnelles particulires (Rygel et al., 2006). De
nombreuses tudes ont en effet soulign le fait que lenvironnement local, les
51

caractristiques dmographiques et les ingalits sociales et conomiques crent des

vulnrabilits diffrentielles (Buckle et al., 2001; Cutter et al., 2003; Kienberger, 2007).
Ainsi, la vulnrabilit peut varier fortement entre les quartiers dune mme zone urbaine
et mme entre les diffrents foyers prsents dans cette zone . Raliser une analyse
une chelle inadapte peut donc induire une gnralisation trop importante des rsultats
et lobtention de rsultats non conformes la ralit (Fekete et al., 2010). Ainsi, les
analyses lchelle du quartier, voir mme du foyer, si les donnes ncessaires sont
disponibles, sont les plus adaptes la mise en place de mesures de gestion de crise
efficaces et aux politiques de mitigation des risques (Wilhelmi et Morss, 2012).

4.1.6 Vulnrabilit induite par le manque de ressources essentielles

Dans une tude rcente (Kamierczak et Cavan, 2011) soulignent que certains types
dinfrastructures peuvent avoir un impact ngatif sur le fonctionnement des zones
urbaines si elles sont affectes par linondation. Linondation dinfrastructures
essentielles, prsentes en Annexe 2, peut tre un inconvnient lors de linondation,
mais aussi une menace importante pour la population, en particulier si le phnomne
sinscrit dans la dure (Robert et al., 2001). La dfaillance de ces infrastructures
essentielles, qui fournissent des ressources la population, peut donc un tre un facteur
aggravant la vulnrabilit de la population. Ce constat est appuy par (Pageon, 2008),
qui prsente une mthodologie dvaluation de la vulnrabilit dune MRC face la
dfaillance des ressources produites par les infrastructures essentielles. Il y est fait tat
des consquences potentielles de la dfaillance ou de la destruction des infrastructures
essentielles pour la population, selon le type de ressource et selon la dure de la
dfaillance. Les conclusions de ces tudes permettent ainsi de souligner limportance de
tenir compte de la dfaillance ou de la destruction des infrastructures essentielles dans
lanalyse du risque. Cependant, si ces tudes apportent des leons importantes en
matire de scurit civile, elles ne permettent pas de faire le lien entre la vulnrabilit
des infrastructures essentielles lors de linondation et la vulnrabilit humaine pour la
gestion de lurgence, et restent ainsi trs thoriques (Chakraborty et al., 2005).
Il est galement important de comprendre que le manque dune ressource essentielle a
des consquences qui peuvent saggraver dans la dure (Pageon, 2008). Par exemple,
la perte dune ressource en eau potable peut tre triviale durant une heure ou deux,
mais sur une priode tendue, elle a le potentiel daffecter toute la population de
52

manire critique (DHS 2000). La gestion de crise doit donc intgrer la notion dvolution
temporelle de la vulnrabilit induite par le manque dune ressource essentielle, qui peut
faire voluer les besoins en matire de secours.

4.1.7 La vulnrabilit du bti

Enfin, nous nous sommes interrogs sur leffet que peut avoir linondation du bti sur la
vulnrabilit de la population au cours de linondation. Force est de constater que si la
vulnrabilit du bti a t pendant longtemps au centre des analyses du risque
dinondation, elle nest actuellement pas prise en compte dans lvaluation de la
vulnrabilit de la population. Les quelques tudes intgrant les caractristiques des
btiments rsidentiels considrent avant tout le bti comme un indicateur de richesse ou
de pauvret de la population. Ainsi (Wilhelmi et Morss, 2012), dans une tude ralise
aux Royaume-Uni, concluent que les maisons en terrasse , typiques dans les
quartiers ouvriers, sont un indicateur de revenus modestes alors que les maisons
individuelles avec un tage ou plus sont un indicateur de revenus plus levs.
Lenvironnement bti est ainsi considr comme un indicateur de vulnrabilit
intrinsque, et pas comme un indicateur dexposition de la population lors de
linondation.
Les remarques issues de la revue de littrature nous ont permis de souligner les points
les plus intressants pour la dfinition dune mthode dvaluation de la vulnrabilit des
populations aux inondations. La ncessit de raliser une analyse intgre de la
vulnrabilit apparat ainsi comme un lment central. Si la vulnrabilit intrinsque sert
de base lvaluation de la vulnrabilit de la population, des lments tels que la
vulnrabilit induite par la vulnrabilit des infrastructures essentielles doivent
galement tre intgrs. Les notions dchelle danalyse, et de slection des indicateurs
socio-conomiques permettant de raliser une analyse adapte aux caractristiques de
la zone dtude, ont galement t mises en relief. Enfin, la question de leffet de la
vulnrabilit du bti sur la population a t souleve et ouvre de nouvelles perspectives
danalyse.

53

4.2 Mthodologies dvaluation des diffrentes dimensions de

la vulnrabilit de la population aux inondations
Les remarques issues de la revue de littrature ont permis de dfinir les aspects de la
vulnrabilit les plus pertinents pour les objectifs de cette tude. Deux dimensions de la
vulnrabilit ont ainsi t identifies (Figure 5). Il sagit de la vulnrabilit directe qui
englobe les lments influenant directement la vulnrabilit de la population durant la
crise, savoir sa vulnrabilit intrinsque (correspondant ses caractristiques socioconomiques) et les caractristiques des btiments dans lesquels les individus se
trouvent lors de linondation. La vulnrabilit indirecte est quant elle constitue de la
vulnrabilit structurelle, qui permet de dfinir le niveau de vulnrabilit induit par le
manque dune ou de plusieurs ressources essentielles (eau, lectricit, accs une
route, etc.).
Nous prsentons maintenant les orientations mthodologiques propres chaque aspect
de la vulnrabilit identifi prcdemment. Lobjectif est de dvelopper une
mthodologie dvaluation propre chacun de ces aspects et de rflchir aux influences
que peuvent avoir la vulnrabilit du bti et la vulnrabilit structurelle sur la vulnrabilit
intrinsque et la manire dvaluer ces influences. La figure 6 prsente une vue
schmatique de ces mthodologies, qui seront dcrites brivement par la suite.

Figure 5

Caractristiques de l'ala et de la vulnrabilit retenues pour cette tude

54

Figure 6

Vue schmatique des mthodologies d'valuation des diffrents aspects de la

vulnrabilit humaine

4.2.1 valuation de la vulnrabilit intrinsque

La mthodologie qui est ici propose a pour objectif de dterminer le niveau de
vulnrabilit intrinsque de la population dans une zone dtude, laide des donnes
issues du recensement le plus rcent. Il est important de souligner que ces donnes ne
sont gnralement pas disponibles pour chaque foyer, mais quelles sont exprims par
aire de diffusion, regroupant entre 400 et 700 personnes. La mthodologie propose est
compose de 4 tapes.
Slection des indicateurs
La revue de littrature a permis de dresser une liste complte dindicateurs socioconomiques pouvant tre utiliss pour valuer la vulnrabilit intrinsque de la
population aux inondations (Figure 7). Ces indicateurs tant nombreux et parfois
redondants, les inclure tous ne serait pas pertinent et pourrait complexifier lanalyse.
55

Ainsi, il est important de ne slectionner que les indicateurs de cette liste les plus
reprsentatifs des caractristiques sociales et conomiques de la zone dtude. Ce
choix peut tre ralis avec laide des experts en gestion de crise, qui savent par
exprience quelles sont les populations les plus vulnrables lors dune inondation. Ces
indicateurs doivent tre exprims dans une unit commune, savoir le pourcentage de
la population totale correspondant cet indicateur, par aide de diffusion recensement de
Statistique Canada.

Indicateurs de vulnrabilit
socio-conomique
Personnes ges
Jeunes
Handicaps physiques ou mentaux
Genre (Femmes)
Chmage
Isolement physique
Classe sociale
Origine ethnique, religion
Langue
Familles monoparentales
Familles largies
Propritaire, locataire
Niveau dducation, illettrs
Personnes en transit, touristes
Figure 7

Indicateurs de vulnrabilit socio-conomique relevs dans la littrature

Standardisation des donnes

De plus, et comme suggr dans (Sebald, 2010), il peut tre avantageux pour lanalyse
dexprimer ces valeurs sous forme de classes, mme si cela induit une certaine part
dincertitude dans les rsultats. Une chelle 4 niveaux (vulnrabilit mineure, srieuse,
svre et trs svre), issue des travaux de (Robert et al., 2001), et qui est galement
utilise pour lestimation de la vulnrabilit structurelle, peut tre mise profit.
56

Il est possible de diffrencier ces classes selon une proportion statistique de la

population, et cela pour lensemble des indicateurs de vulnrabilit intrinsque. Il
demeure cependant intressant, sinon indispensable de discuter de la dfinition de ces
seuils avec les experts en scurit publique.
Importance relative des indicateurs et pondration
Tous les indicateurs slectionns dans cette tude ne revtent pas la mme importance
dans leur capacit estimer la vulnrabilit intrinsque. Il peut donc tre ncessaire,
aprs les avoir slectionns et standardiss, dattribuer un poids chaque indicateur.
Nous suggrons ici dutiliser la mthode danalyse multicritres dveloppe par Saaty
(1977), qui propose une approche de comparaison par paire relativement simple. Cette
approche consiste comparer chaque indicateur avec un autre lintrieur dune
matrice, et dattribuer chaque paire un coefficient de comparaison, reprsentant des
niveaux dimportance allant de Peu important Extrmement important . Cette
chelle numrique est ensuite utilise pour valuer limportance de chaque indicateur de
vulnrabilit intrinsque par rapport lensemble des indicateurs slectionns pour
ltude. Ces valeurs permettront de calculer le poids de chaque indicateur, par la
rsolution du problme des vecteurs propres (Conchita et Kdowid, 2010).
Limportance relative des diffrents critres est exprime par les valeurs du vecteur
propre normalis 1.0. Plus la valeur du poids de lindicateur est proche de 1, plus
lindicateur est important dans le calcul de la vulnrabilit intrinsque.
Agrgation des donnes
La dernire tape de cette analyse consiste en lagrgation des donnes pondres
issues de chaque indicateur. Les poids attribus chaque indicateur sont multiplis par
la valeur de chaque indicateur, puis lensemble des valeurs obtenues sont additionnes.
Les rsultats issus de lagrgation des donnes permettent ainsi de dterminer le niveau
de vulnrabilit intrinsque pour chaque aire danalyse.
Lapproche prsente comporte une forte part de suggestivit, notamment aux tapes
de slection des indicateurs et de pondration de ces indicateurs. Nayant pas les
connaissances requises pour raliser de manire fiable ces deux tapes, nous avons
cr des questionnaires, qui seront adresss aux divers responsables et gestionnaires
en scurit publique locale et/ou provinciale, dans le but de nous fournir des
57

informations plus prcises sur les indicateurs les plus pertinents et sur la pondration de
ces indicateurs, en prenant pour exemple une municipalit qubcoise de taille
moyenne comme celle de Saint-Jean-sur-Richelieu. Le questionnaire cr pour
lestimation de la vulnrabilit intrinsque est prsent en annexe 3.

4.2.2 valuation de la vulnrabilit du bti

Le dveloppement dune mthode dvaluation de la vulnrabilit du bti a pour objectif
de dfinir, pour chaque type de btiment, quel est la hauteur deau permettant dvaluer
lexposition des individus lala en cours et quel est le niveau de risque induit pour la
population. Il permet ainsi de dterminer quels sont les foyers les plus vulnrables
affects par linondation et pouvant ncessiter une vacuation prioritaire.
Lvacuation dune rsidence peut se faire selon plusieurs critres, comme la perte de
certaines fonctionnalits de la rsidence (par exemple, labsence prolonge de
chauffage), une submersion importante ou une submersion importante venir, ou
encore lisolement du btiment (chemins daccs coups). tant donn que nous
navons pas lentire matrise des rgles dvacuation tablies par les municipalits et
les gestionnaires en scurit publique, dresser une typologie du bti permettant
destimer la vulnrabilit de la population selon les hauteurs deau na pour le moment
pas t possible. Deux critres pourraient cependant tre adapts cette analyse :

La hauteur du premier plancher de lhabitation par rapport au niveau du terrain,

permettant de dterminer si le premier plancher du btiment est inond ou non.

Le type de construction de lhabitation, et en particulier les roulottes ou maisons

mobiles, peu rsistantes leau et lhumidit.

La dfinition des niveaux de vulnrabilit de la population induits par la vulnrabilit du

bti est galement en question. Il ne semble en effet pas possible dutiliser lchelle de
vulnrabilit 4 niveaux dfinie par (Robert et al, 2001) servant exprimer les niveaux
de vulnrabilit indirecte et intrinsque, puisque le but est de savoir si le btiment est
inond ou pas. Une solution pourrait tre daugmenter le niveau de vulnrabilit
intrinsque au niveau suprieur quand le btiment est inond. Par exemple, si le niveau
de vulnrabilit intrinsque des rsidents est svre et que le premier plancher de la
maison est inond, le niveau de vulnrabilit humaine devient Trs Svre .

58

Une fois la typologie du btiment dfinie, il sera ncessaire de dfinir les hauteurs deau
minimales ncessaires linondation du premier plancher et permettant de dterminer le
niveau de vulnrabilit induit.

4.2.3 valuation de la vulnrabilit structurelle

La vulnrabilit structurelle est lie aux disfonctionnements ou la destruction des
infrastructures dites essentielles.
Ces perturbations ont souvent des effets sociaux et conomiques nfastes, en
particulier sur le long terme, et peuvent faire augmenter la vulnrabilit globale de
manire significative (Nicholls et Small, 2002). A lextrme, des pertes en vies humaines
peuvent survenir. Il est donc important didentifier lensemble des infrastructures et
services essentiels prsents dans une zone risque, de localiser la population
desservie par ces infrastructures mais aussi et surtout de dfinir quelles pourraient tre
les consquences du dysfonctionnement dune ou de plusieurs de ces infrastructures
essentielles pour la population, plus ou moins long terme. Ces relations de
dpendance et dinterdpendance entre infrastructures essentielles mais aussi entre les
infrastructures essentielles et la population qui utilise leurs ressources constituent des
relations de vulnrabilit directe et de vulnrabilit indirecte (Figure 8) (Bouchon, 2006).

Figure 8

Vulnrabilits des infrastructures essentielles (Bouchon, 2006)

59

Les orientations mthodologiques qui sont ici prsentes se basent en grande partie sur
une srie de travaux portant sur lanalyse de la vulnrabilit des infrastructures
essentielles (Petit, 2009) et sur les dfaillances au sein de rseaux interdpendants
(Debernard, 2011; Demoraes, 2004). Les travaux de Pageon (2008), dont lobjectif est
de dvelopper une mthodologie dvaluation de la vulnrabilit dune MRC face la
dfaillance des ressources essentielles, ont galement t particulirement utiles.
La mthodologie dveloppe se dcompose en sept points.
1. Localisation des infrastructures essentielles
Il est ncessaire, en premier lieu, didentifier et de localiser les infrastructures
fournissant des ressources essentielles la population prsente dans la zone dtude.
Leur identification peut tre ralise partir de la liste des infrastructures essentielles
mise par le ministre de la Scurit Publique du Qubec et servant de base de
rfrence au niveau national. La localisation de chaque infrastructure essentielle peut
tre facilite par lutilisation du Code dvaluation Foncire du Qubec, dans lequel
chaque type dinfrastructure est dsign par un numro, selon sa fonction.
2. Priorisation des infrastructures essentielles
Toutes les infrastructures essentielles nont pas la mme importance en matire de
gestion de crise. La destruction dune usine de filtration (eau potable) peut par exemple
tre plus dommageable la population que la perte dune infrastructure lectrique. Il
peut donc tre ncessaire de prioriser certaines infrastructures essentielles, afin de
mieux valuer limpact de leur dgradation sur la population.
3. Identification des services fournis par chaque infrastructure essentielle
Chaque infrastructure essentielle regroupe un nombre de fonctions prcises qui
permettent son bon fonctionnement, mais qui fournissent galement des services et des
ressources la population. La perturbation dune de ces fonctionnalits peut avoir des
consquences sur une autre fonctionnalit, mais aussi sur la population. Il est donc
important dtablir lensemble de ces fonctionnalits.

60

4. Identification des relations de dpendance entre les infrastructures essentielles

tant donn que les infrastructures ou ressources essentielles forment un systme,
lvaluation des consquences de lala inondation doit tre ralise sur lensemble du
rseau. Il est donc ncessaire dintgrer lanalyse les relations entre les diffrentes
infrastructures, cest--dire leurs relations de dpendance et dinterdpendances. Cette
tape, bien que complexe, est indispensable, car elle aide comprendre et dterminer
les effets domino dcoulant de linondation de certaines infrastructures et les
dsorganisations ou consquences engendres, pour un niveau deau donn.
Laccessibilit ce genre de donnes est cependant souvent difficile, car elles sont
juges sensibles (Debernard 2011).
5. Identification de la population dpendante de chaque ressource essentielle
Ltape suivante de la mthodologie consiste localiser la population utilisant chaque
ressource essentielle, ou plus grande chelle, les quartiers utilisant les services
fournis par chacune de ces infrastructures.
6. Cration des courbes fonctionnelles de dfaillance
Chaque service fourni par une infrastructure essentielle peut tre affect de manire
diffrente par la monte des eaux. Il est donc ncessaire de dfinir partir de quelle
hauteur deau le niveau de fonctionnalit dun service change (Robert et al.,2001; Petit
2009). La livraison dun service ou dune ressource peut tre caractrise selon deux
tats : dfaillant et non fonctionnel. Les seuils de dgradation et de dfaillance doivent
donc tre identifis selon les paramtres tablis par les utilisateurs, pour chacune des
fonctionnalits de la ressource. Le niveau de fonctionnalit peut par exemple tre
considr comme dfaillant quand les ressources et services fournis la population
sont perturbs. Le niveau non fonctionnel peut tre atteint quand plus aucun des
services ne peut tre fourni la population et que linfrastructure est mise hors service.
7. Cration de courbes de consquences
Enfin, la destruction ou la dfaillance dune ou de plusieurs infrastructures essentielles
aura des consquences sur la population. Son degr dexposition et ainsi sa
vulnrabilit indirecte, sera fonction du nombre de ces lments touchs par une

61

inondation.

Les

rgles

dvaluation

du

degr

dexposition

peuvent

tre

les

suivantes (Robert et al., 2001) :

Si tous les lments assurent normalement la fourniture des ressources, le degr

dexposition de la population utilisant les ressources est mineur.

Si un lment nassure plus la fourniture des ressources, le degr dexposition

de la population utilisant les ressources est srieux.

Si au moins trois lments nassurent plus la fourniture des ressources, le degr

dexposition de la population utilisant les ressources est svre.

Si plus de trois lments nassurent plus la fourniture des ressources, le degr

dexposition de la population utilisant les ressources est trs svre.

Pour les infrastructures ayant reu un degr de priorisation, les rgles dvaluation du
niveau de vulnrabilit indirecte varient. Elles considrent limportance relative de ces
rseaux, telle qutablie avec les responsables municipaux, et peuvent comprendre
plusieurs volets. Nous utilisons ici, en guise dexemple, les rseaux de support la vie
(Tableau 3).
Tableau 3

Niveau de vulnrabilit indirecte de la population selon les infrastructures

essentielles touches

lments touchs

Niveau de vulnrabilit indirecte de la

population

Aucun lment touch

Mineur

lments relatifs llectricit, au

gaz ou au ptrole

Srieux

Usine de filtration (eau potable)

Svre

Usine de traitement (eau use)

Trs Svre

Si pour un mme niveau deau,

deux degrs dexposition peuvent
tre tablis

Degr le plus svre est conserv

62

Au final, pour chaque hauteur deau, il est possible dtablir les consquences de
linondation sur les infrastructures essentielles, sur les ressources essentielles fournies
et ainsi, sur la vulnrabilit indirecte de la population. Un lment important de cet
aspect de la vulnrabilit indirecte na pu tre introduit, faute de rfrences
mthodologique fiables. Il sagit de la notion temporelle, un facteur pouvant aggraver la
vulnrabilit indirecte de la population. Ce point devra tre donc tre discut avec les
responsables de la Scurit Civile.
Enfin, il est important de souligner que cette approche mthodologique est complexe, et
ncessite un grand nombre de donnes parfois difficiles obtenir. Les premiers essais
mthodologiques se sont donc concentrs sur une des infrastructures essentielles dont
les donnes sont faciles daccs : le rseau routier (Figure 10).

4.2.4 Mthodologie dvaluation de la vulnrabilit de la population aux

inondations
Enfin, il a t ncessaire de rflchir la manire de fusionner les mthodologies
dvaluation des diffrentes dimensions de la vulnrabilit, afin dobtenir une valuation
finale de la vulnrabilit de la population, selon les caractristiques de linondation en
cours.
Une mthode simple peut tre propose. On value dans un premier temps la
vulnrabilit directe de la population, en prenant pour base le niveau de vulnrabilit
intrinsque calcul et en y ajoutant un niveau suprieur si le btiment dans lequel se
trouvent les individus est inond. On compare ensuite le niveau de vulnrabilit indirecte
avec celui de la vulnrabilit directe. Le niveau le plus lev des deux est retenu comme
niveau de vulnrabilit de la population. La figure 9 schmatise cette mthodologie.

63

Figure 9

Mthodologie dvaluation de la vulnrabilit de la population aux inondations

Les travaux raliss dans le cadre de lvaluation de la vulnrabilit de la population aux

inondations ont permis de distinguer deux dimensions de cette vulnrabilit : la
vulnrabilit directe, compose de la vulnrabilit intrinsque et de la vulnrabilit du
bti, et la vulnrabilit indirecte, compose de la vulnrabilit structurelle. Des mthodes
dvaluation propre chaque dimension de la vulnrabilit ont t dfinies ou sont en
construction.
De nombreuses amliorations restent encore raliser afin que ces mthodes soient
intgrables un outil oprationnel de caractrisation et dvaluation en temps quasi-rel
du risque dinondation en milieu urbain.

Ces amliorations devront se faire, entre

autres, laide de lexpertise des gestionnaires en scurit civile au niveau local et

provincial.

64

5 CONCLUSION
Lobjectif de cette thse est de proposer une mthode de caractrisation et dvaluation
en temps quasi-rel du risque dinondation en milieu urbain. Afin de rpondre cet
objectif, les deux composantes du risque, savoir lala et la vulnrabilit, sont
intgres ltude, et sont traites de manire approfondie.
Dans un premier temps, une mthodologie de caractrisation de lala inondation,
mettant profit les capacits de limagerie RADARSAT-2 de haute rsolution spatiale, a
t propose. Lobjectif de cette mthode est de permettre la dlimitation des zones
inondes puis lextraction des hauteurs deau en tout point de ces zones, avec une
prcision centimtrique. Une attention particulire est porte lautomatisation de la
mthodologie et aux temps de traitement, afin dintgrer cette mthodologie un outil
oprationnel en phase de gestion de crise.
Paralllement, une mthodologie de caractrisation et dvaluation de la vulnrabilit
humaine aux inondations a t dveloppe. Cette mthode intgre diffrentes
dimensions de la vulnrabilit, savoir la vulnrabilit intrinsque, la vulnrabilit
fonctionnelle et la vulnrabilit du bti. Une fois les hauteurs de submersion connues en
tout point de la zone inonde, la mthode finale permet dobtenir une valuation de la
vulnrabilit humaine lala inondation, lchelle du foyer. Cette approche
mthodologique, dont les bases ont t dfinies, ncessitera des ajustements aux
tapes de slection des variables et aux tapes de dfinition des hauteurs deau
permettant le franchissement de chaque niveau de vulnrabilit. Ces ajustements seront
faits aprs concertation avec les responsables de la scurit civile aux niveaux local
et/ou provincial.
Une fois valides et oprationnelles, les mthodologies de caractrisation de lala
inondation et dvaluation de la vulnrabilit humaine aux inondations seront fusionnes
puis intgres au sein dun mme outil. Cette fusion est possible grce llment
commun aux deux mthodologies : les hauteurs deau. Loutil final permettra dobtenir
une valuation en temps quasi-rel du risque humain lors dune inondation, offrant une
capacit danalyse lchelle du foyer. Il constituera un support oprationnel solide pour
la prise de dcision lors de la phase de gestion de crise.

65

La figure 10 prsente un aperu des rsultats escompts. Dans cet exemple, on voit que
le niveau de risque varie dun btiment rsidentiel un autre. Ce niveau de risque a t
estim en fonction des hauteurs deau simules dans la zone, du type de btiment
inond, des caractristiques socio-conomiques des rsidents, mais aussi en fonction
de laccs ou non une route, considre comme infrastructure essentielle en situation
durgence.

Figure 10

Exemple de rsultats produits par loutil de caractrisation et dvaluation du risque

dinondation en milieu urbain

66

Loriginalit de ce travail repose sur le fait que, pour la premire fois, la caractrisation
de lala inondation laide de limagerie radar satellitaire RADARSAT-2 et lvaluation
de la vulnrabilit humaine aux inondations sont fusionnes en un seul et mme outil,
permettant dobtenir une valuation du risque humain aux inondations selon les
caractristiques dune inondation en cours.
Dans le domaine de la caractrisation de lala inondation, une des originalits de ce
projet rside dans les outils utiliss. Cette tude constitue en effet la premire
opportunit de tester et dvaluer les capacits de limagerie RADARSAT-2 (bande C)
de haute rsolution spatiale pour la dlimitation des inondations en milieu urbain. Cest
galement la premire fois que le potentiel de la polarisation HH-HV en bande C sera
valu pour la dtection des surfaces urbaines inondes, selon diffrents paramtres
dacquisition (angle dincidence, orbite).
De mme, lintgration dune relation niveau-dbit la mthodologie de dtection des
zones inondes par imagerie radar satellitaire est une premire. La mthodologie
propose tire galement profit de diverses approches dveloppes dans des travaux
antrieurs, telles que la segmentation oriente objet, lutilisation de signatures spectrales
de rfrence ou encore la logique floue, juges porteuses, mais qui nont jamais t
utilises sous la forme prsente dans cette tude.
De mme, il est important de souligner que lintgration de plusieurs dimensions de la
vulnrabilit au sein dune mme mthodologie dvaluation de la vulnrabilit de la
population aux inondations est un lment novateur. Alors que la plupart des tudes
nintgrent que les dimensions sociales ou conomiques de la vulnrabilit, nous
intgrons galement les notions de vulnrabilit fonctionnelle et de vulnrabilit du bti
lanalyse de la vulnrabilit humaine. Enfin, les diffrents niveaux de vulnrabilit
humaine sont exprims en fonction des hauteurs de submersion dans la zone dtude,
ce qui permet une mise en relation directe avec les caractristiques de linondation en
cours.
Enfin, la publication de trois articles est prvue dans le cadre de ce projet doctoral. Les
thmes de ces articles correspondront aux diffrentes parties du projet. Le premier
article portera ainsi sur la mthodologie de caractrisation et dvaluation de la
vulnrabilit humaine aux inondations dveloppe. Le deuxime article sera consacr

67

la dlimitation des zones urbaines inondes avec des donnes de trs haute rsolution
spatiale en bande C et sur lapport de la polarisation HH-HV pour la dtection des zones
inondes. Enfin, le dernier article prsentera loutil final de caractrisation et dvaluation
en temps quasi-rel du risque dinondation en milieu urbain.

68

6 CHANCIER
Le tableau ci-dessous prsente le plan de travail propos pour mener bien ce projet
doctoral.

Tableau 4

chancier propos pour la ralisation du projet de doctorat

Travaux

Caractrisation de lala
valuation de la

Aut.

Hiv.

Aut.

Hiv.

Aut.

2012

2013

2013

2013

2014

2014

2014

vulnrabilit

Caractrisation du risque
Cours

Article 1 (Vulnrabilit)

Article 2 (Ala)

Article 3 (Risque)
Mini-projet 1

IGARSS 2014

Rdaction Thse

69

7 RFRENCES
Ahtonen, P., Hallikainen, M., 2005. Automatic detection of water bodies from
spaceborne SAR images. 2005 IEEE International Geoscience and Remote
Sensing Symposium, IGARSS 2005, Seoul, pp. 3845-3848.
Andr, G., Guillande, R., Bahoken, F., 2002. Flood mapping using spatial radar and
optical imagery and digital elevation model: Limits and capacities. Cartographie
des zones inondes par imagerie spatiale radar, optique et modles numriques
de terrain: capacits et limites illustres par des exemples en France (Aude
1999) et l'tranger (Honduras 1998, Venezuela 1999 et Madagascar 2000)(1):
49-54.
Andreoli, R., Yesou, H., 2007. Large scale change detection techniques dedicated to
flood monitoring using ENVISAT wide swath mode data, Geoscience and
Remote Sensing Symposium, 2007. IGARSS 2007. IEEE International, pp. 23822385.
Angiati, E. et al., 2010. Operational evaluation of damages in flooded areas combining
Cosmo-Skymed and multispectral optical images, Geoscience and Remote
Sensing Symposium (IGARSS), 2010 IEEE International, pp. 2414-2417.
Azar, D., Rain, D., 2007. Identifying population vulnerable to hydrological hazards in San
Juan, Puerto Rico. GeoJournal, 69(1): 23-43.
Badji, M., Dautrebande, S., 1997. Characterization of flood inundated areas and
delineation of poor drainage soil using ERS-1 SAR imagery. Hydrol. Process.,
11(10): 1441-1450.
Baghdadi, N., Bernier, M., Gauthier, R., Neeson, I., 2001. Evaluation of C-band SAR
data for wetlands mapping. International Journal of Remote Sensing, 22(1): 7188.
Barroca, B., Bernardara, P., Mouchel, J.M., Hubert, G., 2006. Indicators for identification
of urban flooding vulnerability. Natural Hazards and Earth System Sciences, 6(4):
553-561.
Barroca, B., Pottier, N., Lefort, E., 2005. Analyse et valuation de la vulnrabilit aux
inondations du bassin de l'Orge Aval, Actes des septimes rencontres de
TheoQuant, Atelier 3 "Risques, Vulnrabilit", Besanon.
Bates, P.D. et al., 2006. Reach scale floodplain inundation dynamics observed using
airborne synthetic aperture radar imagery: Data analysis and modelling. Journal
of Hydrology, 328(12): 306-318.
Birkmann, J., 2007. Risk and vulnerability indicators at different scales:Applicability,
usefulness and policy implications. Environmental Hazards, 7(1): 20-31.
Blin, P., Leclerc, M., Secreta, Y., Morse, B., 2005. Cartographie du risque unitaire
d'endommagement (CRUE) par inondations pour les rsidences unifamiliales du
Qubec. Revue des Sciences de l'Eau, 18(4): 427-451.
Boni, G. et al., 2009. The OPERA project: EO-based flood risk management in Italy,
Geoscience and Remote Sensing Symposium,2009 IEEE International,IGARSS
2009, pp. II-929-II-932.
71

Boni, G. et al., 2007. High resolution COSMO/SkyMed SAR data analysis for civil
protection from flooding events, Geoscience and Remote Sensing Symposium,
2007. IGARSS 2007. IEEE International, pp. 6-9.
Bonn, F., Dixon, R., 2005. Monitoring flood extent and forecasting excess runoff risk with
RADARSAT-1 data. Natural Hazards, 35(3): 377-393.
Bonn, F., Rochon, G., franaise, A.d.u.p.o.e.d.l., UREF., 1996. Prcis de tldtection:
Principes et mthodes. Presses de l'Universit du Qubec.
Bouchon, S., 2006. Application du concept de vulnrabilit aux infrastructures critiques.
Responsabilit et Environnement, 43.
Brisco, B. et al., 2008. Water resource applications with RADARSAT-2 a preview.
International Journal of Digital Earth, 1(1): 130-147.
Brivio, P.A., Colombo, R., Maggi, M., Tomasoni, R., 2002. Integration of remote sensing
data and GIS for accurate mapping of flooded areas. International Journal of
Remote Sensing, 23(3): 429-441.
Buckle, P., Marsh, G., Smale, S., 2001. Assessment of personal and community
resilience and vulnerability - Principles, Stategies and Actions, Department of
Human Services, Victoria, Australia.
Calabresi, G., 1996. The use of ERS data for flood monitoring: An overall assessment.
European Space Agency, (Special Publication) ESA SP(383): 237-241.
Chakraborty, J., Tobin, G., Montz, B., 2005. Population Evacuation: Assessing Spatial
Variability in Geophysical Risk and Social Vulnerability to Natural Hazards.
Natural Hazards Review, 6(1): 23-33.
Chini, M., Pulvirenti, L., Pierdicca, N., Guerriero, L., 2011. Multi-temporal segmentation
of Cosmo-SkyMed SAR data for flood monitoring. IEEE GRSS and ISPRS Joint
Urban Remote Sensing Event, JURSE 2011, Munich, pp. 281-284.
Clark, G. et al., 1998. Assessing the Vulnerability of Coastal Communities to Extreme
Storms: The Case of Revere, MA., USA. Mitigation and Adaptation Strategies for
Global Change, 3(1): 59-82.
Conchita, M., Kdowid, G., 2010. Modlisation gomatique par valuation multicritre
pour la prospection des sites dagriculture urbaine Ouagadougo. Vertigo, 10(2):
20.
Cossu, R., Schoepfer, E., Bally, P., Fusco, L., 2009. Near real-time SAR-based
processing to support flood monitoring. Journal of Real-Time Image Processing,
4(3): 205-218.
Cutter, S.L., Boruff, B.J., Shirley, W.L., 2003. Social vulnerability to environmental
hazards. Social Science Quarterly, 84(2): 242-261.
Debernard, C., 2011. Dfaillances au sein de rseaux interdpendants: les dfis de la
mise en place d'un systme d'alerte prcoce, cole Polytechnique de Montral,
95 pages pp.
Dellepiane, S., Angiati, E., Vernazza, G., 2010. Processing and segmentation of
COSMO-SkyMed images for flood monitoring, Geoscience and Remote Sensing
Symposium (IGARSS), 2010 IEEE International, pp. 4807-4810.

72

Dellepiane, S., Bo, G., Monni, S., Buck, C., 2000. SAR images and interferometric
coherence for flood monitoring, Geoscience and Remote Sensing Symposium,
2000. Proceedings. IGARSS 2000. IEEE 2000 International, pp. 2608-2610 vol.6.
Demoraes, F., 2004. Mobilit, Enjeux et Risques dans le District Mtropolitain de Quito,
quateur, Universit de Savoie, Chambery-Annecy, 587 pages pp.
Demoraes, F., D'Ercole, R., 2009. Risques et accessibilit des lieux dans le District
Mtropolitain de Quito (quateur). Mappemonde, 95(3): 20.
Di Baldassarre, G., Schumann, G., Bates, P.D., 2009. A technique for the calibration of
hydraulic models using uncertain satellite observations of flood extent. Journal of
Hydrology, 367(3-4): 276-282.
Dilley, M., Chen, R.S., Deichmann, U., Lerner-Lam, A.L., Arnold, M., 2005. Natural
Disaster Hotspots: A Global Risk Analysis. Disaster Risk Management Series
N5. The World Bank and Columbia University, 132 p pp.
Estupina Borrell, V., 2004. Vers une modlisation hydrologique adapte la prvision
oprationnelle des crues clair. Application de petits bassins versants du sud
de la France, Institut National Polytechnique de Toulouse, 254 pages pp.
Evans, T.L., Costa, M., Telmer, K., Silva, T.S.F., 2010. Using ALOS/PALSAR and
RADARSAT-2 to map land cover and seasonal inundation in the Brazilian
Pantanal. IEEE Journal of Selected Topics in Applied Earth Observations and
Remote Sensing, 3(4 PART 2): 560-575.
Fekete, A., Damm, M., Birkmann, J., 2010. Scales as a challenge for vulnerability
assessment. Natural Hazards, 55(3): 729-747.
Franceschetti, G., Iodice, A., Riccio, D., 2002. A canonical problem in Electromagnetic
Backscattering From Buildings. IEEE Transactions on Geoscience and Remote
Sensing., 40(8): 1787-1801.
Gan, T.Y., Zunic, F., Kuo, C.C., Strobl, T., 2012. Flood mapping of Danube River at
Romania using single and multi-date ERS2-SAR images. International Journal of
Applied Earth Observation and Geoinformation, 18(0): 69-81.
Giordano, F., Goccia, M., Dellepiane, S., 2005. Segmentation of coherence maps for
flood damage assessment, Image Processing, 2005. ICIP 2005. IEEE
International Conference on, pp. II-233-6.
Giustarini, L. et al., 2011. Assimilating SAR-derived water level data into a hydraulic
model: A case study. Hydrology and Earth System Sciences, 15(7): 2349-2365.
Hahmann, T., Roth, A., Martinis, S., Twele, A., Gruber, A., 2008. Automatic Extraction of
Water Bodies from TerraSAR-X Data, Geoscience and Remote Sensing
Symposium, 2008. IGARSS 2008. IEEE International, pp. III - 103-III - 106.
Hebb, A., Mortsch, L., 2007. Floods: Mapping vulnerability in the Upper Thames
Watershed under a Changing Climate.
Henry, J.-B., Chastanet, P., Fellah, K., Desnos, Y.-L., 2006. Envisat multi-polarized
ASAR data for flood mapping. International Journal of Remote Sensing, 27(10):
1921-1929.
Henry, J.B., 2004. Systmes d'information spatiaux pour la gestion du risque
d'inondation de plaine, Thse de Doctorat, Facult de Gographie et
d'Amnagement, Universit Louis Pasteur - Strasbourg I. 238 pages, 238 pp.
73

Hess, L.L., Melack, J.M., Filoso, S., Wang, Y., 1995. Delineation of inundated area and
vegetation along the Amazon floodplain with the SIR-C synthetic aperture radar.
IEEE Trans. Geosci. Remote Sensing, 33(4): 896-904.
Hess, L.L., Melack, J.M., Simonett, D.S., 1990. Radar detection of flooding beneath the
forest canopy: a review. International Journal of Remote Sensing, 11(7): 13131325.
Hoque, R., Nakayama, D., Matsuyama, H., Matsumoto, J., 2011. Flood monitoring,
mapping and assessing capabilities using RADARSAT remote sensing, GIS and
ground data for Bangladesh. Natural Hazards, 57(2): 525-548.
Horritt, M.S., 1999. A statistical active contour model for SAR image segmentation.
Image and Vision Computing, 17(3-4): 213-224.
Horritt, M.S., Bates, P.D., 2001. Predicting floodplain inundation: raster-based modelling
versus the finite-element approach. Hydrol. Process., 15(5): 825-842.
Horritt, M.S., Mason, D.C., Cobby, D.M., Davenport, I.J., Bates, P.D., 2003. Waterline
mapping in flooded vegetation from airborne SAR imagery. Remote Sensing of
Environment, 85(3): 271-281.
Hostache, R. et al., 2009. Water level estimation and reduction of hydraulic model
calibration uncertainties using satellite SAR images of floods. IEEE Trans.
Geosci. Remote Sensing, 47(2): 431-441.
Hostache, R., Puech, C., Raclot, D., 2005. Caractrisation spatiale de lala inondation
partir dimages satellites RADAR. Cybergeo: European Journal of Geography,
Slection des meilleurs articles de SAGEO 2005 (article 381).
IPCC, 2012. Managing The Risks of Extreme Events and Disasters to Advance Climate
Change Adaptation. Field, C.B., V. Barros, T.F. Stocker, D. Qin, D.J. Dokken,
K.L. Ebi, M.D. Mastrandrea, K.J. Mach, G.-K. Plattner, S.K. Allen, M. Tignor, and
P.M. Midgley (Eds.).Cambrige University Press, The Edinburgh Building,
Shaftesbury Road, Cambridge, ENGLAND, 582 pp.
James, B., 2008. La prvention des catastrophes: le rle de l'UNESCO. Organisation
des Nations Unies pour l'ducation, la Science et la culture, Paris. 49 pages.
Jousseaume, V., Mercier, D., 2009. valuer la vulnrabilit architecturale de l'habitat en
zone inondable: L'exemple du Val nantais, Risques et environnement:
recherches interdisciplinaires sur la vulnrabilit des socits. L'Harmattan, pp.
199-214.
Kass, M., Witkin, A., Terzopoulos, D., 1988. Snakes: Active contour models.
International Journal of Computer Vision, 1(4): 321-331.
Kamierczak, A., Cavan, G., 2011. Surface water flooding risk to urban communities:
Analysis of vulnerability, hazard and exposure. Landscape and Urban Planning,
103(2): 185-197.
Kienberger, S., 2007. Assessing the vulnerability to natural hazards on the
provincial/community level in Mozambique: The contribution of GIScience and
Remote Sensing, Joint CIG/ISPRS Conference on Geomatics for Disaster and
Risk Management., Toronto, Canada.

74

Kussul, N., Shelestov, A., Skakun, S., 2011. Flood Monitoring from SAR Data - Use of
Satellite and In-Situ Data to Improve Sustainability. In: Kogan, F., Powell, A.,
Fedorov, O. (Eds.). NATO Science for Peace and Security Series C:
Environmental Security. Springer Netherlands, pp. 19-29.
L'Homme, J., 2006. Modlisation des inondations en milieu urbain: approches
unidimensionnelle, bidimensionnelle et macroscopique, Universit de Montpellier
II Sciences et Techniques du Languedoc, Montpellier, 298 pages pp.
Lang, M., Townsend, P., Kasischke, E., 2008. Influence of incidence angle on detecting
flooded forests using C-HH synthetic aperture radar data. Remote Sensing of
Environment, 112(10): 3898-3907.
Leclerc, M., Secretan, Y., Heniche, M., Ouarda, T.B.M.J., Marion, J., 2003. Une
mthode prdictive non biaise et gorfrence d'estimation des dommages
rsidentiels d'inondation. Canadian Journal of Civil Engineering, 30(5): 914-922.
Liu, Y., Nishiyama, S., Yano, T., 2004. Analysis of four change detection algorithms in
bi-temporal space with a case study. International Journal of Remote Sensing,
25(11): 2121-2139.
Macina, F., Bignami, C., Chini, M., Pierdicca, N., 2006. Exploiting Physical and
Topographic Information within a Fuzzy Scheme to Map Flooded Area by SAR,
Geoscience and Remote Sensing Symposium, 2006. IGARSS 2006. IEEE
International Conference on, pp. 1052-1055.
Maggi, M., Brivio, P.A., Colombo, R., Tomasoni, R., 1998. Flooded areas estimation
using radar images and digital elevation model. In: Cecchi, G., Zilioli, E. (Eds.),
Earth Surface Remote Sensing Ii. Proceedings of the Society of Photo-Optical
Instrumentation Engineers (Spie). Spie-Int Soc Optical Engineering, Bellingham,
pp. 46-53.
Mallinis, G., Gitas, I.Z., Giannakopoulos, V., Maris, F., Tsakiri-Strati, M., 2011. An objectbased approach for flood area delineation in a transboundary area using
ENVISAT ASAR and LANDSAT TM data. International Journal of Digital Earth: 113.
Malnes, E., Guneriussen, T., Hgda, K.A., 2002. Mapping of flood-area by RADARSAT
in Vannsj, Norway, Proceedings of the 29th International Symposium on
Remote Sensing of the Environment, Buenos Aires, Argentina.
Marti-Cardona, B., Lopez-Martinez, C., Dolz-Ripolles, J., Blad-Castellet, E., 2010.
ASAR polarimetric, multi-incidence angle and multitemporal characterization of
Doana wetlands for flood extent monitoring. Remote Sensing of Environment,
114(11): 2802-2815.
Martinis, S., Twele, A., Voigt, S., 2009. Towards operational near real-time flood
detection using a split-based automatic thresholding procedure on high resolution
TerraSar-X data. Natural Hazards and Earth System Sciences, 9: 303-314.
Martinis, S., Twele, A., Voigt, S., 2011. Unsupervised extraction of flood-induced
backscatter changes in SAR data using markov image modeling on irregular
graphs. IEEE Trans. Geosci. Remote Sensing, 49(1 PART 1): 251-263.
Mason, D.C. et al., 2001. A Sensitivity Analysis of the Waterline Method of Constructing
a Digital Elevation Model for Intertidal Areas in ERS SAR scene of Eastern
England. Estuarine, Coastal and Shelf Science, 53(6): 759-778.
75

Mason, D.C., Davenport, I.J., Neal, J.C., Schumann, G.J.P., Bates, P.D., 2011. A near
real-time algorithm for flood detection in urban and rural areas using high
resolution Synthetic Aperture Radar images, Space Technology (ICST), 2011
2nd International Conference on, pp. 1-4.
Mason, D.C., Davenport, I.J., Neal, J.C., Schumann, G.J.P., Bates, P.D., 2012a. Near
Real-Time Flood Detection in Urban and Rural Areas Using High-Resolution
Synthetic Aperture Radar Images. Geoscience and Remote Sensing, IEEE
Transactions on, 50(8): 3041-3052.
Mason, D.C., Horritt, M.S., Dall'Amico, J.T., Scott, T.R., Bates, P.D., 2007. Improving
river flood extent delineation from synthetic aperture radar using airborne laser
altimetry. IEEE Trans. Geosci. Remote Sensing, 45(12): 3932-3943.
Mason, D.C., Schumann, G.J.P., Neal, J.C., Garcia-Pintado, J., Bates, P.D., 2012b.
Automatic near real-time selection of flood water levels from high resolution
Synthetic Aperture Radar images for assimilation into hydraulic models: A case
study. Remote Sensing of Environment, 124: 705-716.
Mason, D.C. et al., 2010. Flood Detection in Urban Areas Using TerraSAR-X.
Geoscience and Remote Sensing, IEEE Transactions on, 48(2): 882-894.
Matgen, P. et al., 2011. Towards an automated SAR-based flood monitoring system:
Lessons learned from two case studies. Physics and Chemistry of the Earth,
Parts A/B/C, 36(7-8): 241-252.
Matgen, P., Schumann, G., Henry, J.B., Hoffmann, L., Pfister, L., 2007. Integration of
SAR-derived river inundation areas, high-precision topographic data and a river
flow model toward near real-time flood management. International Journal of
Applied Earth Observation and Geoinformation, 9(3): 247-263.
Messner, F., Meyer, V., 2006. FLOOD DAMAGE, VULNERABILITY AND RISK
PERCEPTION CHALLENGES FOR FLOOD DAMAGE RESEARCH - Flood
Risk Management: Hazards, Vulnerability and Mitigation Measures. In: Schanze,
J., Zeman, E., Marsalek, J. (Eds.). NATO Science Series: IV: Earth and
Environmental Sciences. Springer Netherlands, pp. 149-167.
Morel, G., Hissel, F., Aunay, S., Dmotier, S., 2009. OSIRIS-Multirisques : une mthode
et un outil daide la dcision pour les communes soumises aux risques majeurs
Cybergeo : European Journal of Geography [En ligne], Article 466.
Morin, M., 2008. Concepts de base en scurit civile, 60 pages pp.
Nelz, S. et al., 2006. Using remotely sensed data to support flood modelling. Water
Management, 159(WMI): 35-43.
Nicholls, R.J., Small, C., 2002. Improved estimates of coastal population and exposure
to hazards released. Eos Trans. AGU, 83(28).
Nico, G., Pappalepore, M., Pasquariello, G., Refice, A., Samarelli, S., 2000. Comparison
of SAR amplitude vs. coherence flood detection methods - A GIS application.
International Journal of Remote Sensing, 21(8): 1619-1631.
Oberstadler, R., HNsch, H., Huth, D., 1997. Assessment of the mapping capabilities of
ERS-1 SAR data for flood mapping: a case study in Germany. Hydrol. Process.,
11(10): 1415-1425.

76

Pageon, J., 2008. Mthodologie d'valuation de la vulnrabilit d'une MRC face aux
ressources essentielles, Universit de Montral, 107 pp.
Papathoma-Khle, M., Kappes, M., Keiler, M., Glade, T., 2010. Physical vulnerability
assessment for alpine hazards: state of the art and future needs. Natural
Hazards, 58(2): 645-680.
Peduzzi, P., Dao, H., Herold, C., Mouton, F., 2009. Assessing global exposure and
vulnerability towards natural hazards: The Disaster Risk Index. Natural Hazards
and Earth System Science, 9(4): 1149-1159.
Pellizzeri, T.M. et al., 2003. Flood monitoring in urban areas: Statistical vs. neurofuzzy
approach. 2nd Grss/Isprs Joint Workshop on Remote Sensing and Data Fusion
over Urban Areas. Ieee, New York, 211-215 pp.
Petit, F., 2009. Concepts d'Analyse de la Vulnrabilit des Infrastructures Essentielles Prise en Compte de la Cyberntique, cole Polytechnique de Montral, 267
pages pp.
Pierdicca, N., Chini, M., Pulvirenti, L., Macina, F., 2008. Integrating physical and
topographic information into a fuzzy scheme to map flooded area by SAR.
Sensors, 8(7): 4151-4164.
Pierdicca, N. et al., 2010. A FUZZY-LOGIC-BASED APPROACH FOR FLOOD
DETECTION FROM COSMO-SKYMED DATA. 2010 Ieee International
Geoscience and Remote Sensing Symposium. Ieee, New York, 4796-4798 pp.
Polidori, L., 1997. Cartographie Radar. Taylor & Francis.
Poulin, J., Chokmani, K., Tanguy, M., Bernier, M., 2012. Cartographie dynamique de la
vulnrabilit des populations aux inondations en milieu urbain. Rapport de
recherche nX-xxx (sous presse), INRS-ETE.
Pulvirenti, L., Chini, M., Pierdicca, N., Guerriero, L., Ferrazzoli, P., 2011a. Flood
monitoring using multi-temporal COSMO-SkyMed data: Image segmentation and
signature interpretation. Remote Sensing of Environment, 115: 990-1002.
Pulvirenti, L., Pierdicca, N., Chini, M., 2010. Analysis of Cosmo-SkyMed observations of
the 2008 flood in Myanmar. Riv. Ital. Telerilevamento, 42(1): 79-90.
Pulvirenti, L., Pierdicca, N., Chini, M., Guerriero, L., 2011b. An algorithm for operational
flood mapping from Synthetic Aperture Radar (SAR) data using fuzzy logic.
Natural Hazards and Earth System Science, 11(2): 529-540.
Robert, B., Rousselle, J., Marche, C., 2001. Automatisation de la planification des
mesures d'urgence pour les municipalit risque. Scurit Publique et Protection
Civile Canada: 49 Pages.
Rygel, L., Osullivan, D., Yarnal, B., 2006. A Method for Constructing a Social
Vulnerability Index: An Application to Hurricane Storm Surges in a Developed
Country. Mitigation and Adaptation Strategies for Global Change, 11(3): 741-764.
Saaty, T.L., 1977. A scaling method for priorities in hierarchical structures. Journal of
Mathematical Psychology, 15(3): 234-281.
Sanyal, J., Lu, X.X., 2004. Application of remote sensing in flood management with
special reference to monsoon Asia: A review. Natural Hazards, 33(2): 283-301.

77

Schmitt, A., Wessel, B., Roth, A., 2010. Curvelet-based Change Detection on SAR
Images for Natural Disaster Mapping. Photogramm. Fernerkund. Geoinf.(6): 463474.
Schneiderbauer, S., Ehrlich, D., 2004. Risk, hazard and people's vulnerability to natural
hazards. A Review of definitions, concepts and data. In: European Commission,
J.R.C. (Ed.).
Schumann, G., Di Baldassarre, G., Bates, P.D., 2009. The Utility of Spaceborne Radar
to Render Flood Inundation Maps Based on Multialgorithm Ensembles. IEEE
Trans. Geosci. Remote Sensing, 47(8): 2801-2807.
Schumann, G. et al., 2008. Comparison of remotely sensed water stages from LiDAR,
topographic contours and SRTM. ISPRS Journal of Photogrammetry and
Remote Sensing, 63(3): 283-296.
Schumann, G. et al., 2007. Deriving distributed roughness values from satellite radar
data for flood inundation modelling. Journal of Hydrology, 344(1-2): 96-111.
Schumann, G.J.P., Bates, P.D., Di Baldassarre, G., Mason, D.C., 2012. The Use of
Radar Imagery in Riverine Flood Inundation Studies, Fluvial Remote Sensing for
Science and Management. John Wiley & Sons, Ltd, pp. 115-140.
Schumann, G.J.P., Neal, J.C., Mason, D.C., Bates, P.D., 2011. The accuracy of
sequential aerial photography and SAR data for observing urban flood dynamics,
a case study of the UK summer 2007 floods. Remote Sensing of Environment,
115(10): 2536-2546.
Sebald, C., 2010. Toward an integrated flood vulnerability index - A flood vulnerability
Assessment, University of Twente, Twente, 85 pages pp.
Smith, L.C., 1997. Satellite remote sensing of river inundation area, stage, and
discharge: A review. Hydrol. Process., 11(10): 1427-1439.
Sohn, H.G., Song, Y.S., Kim, G.H., 2005. Detecting water area during flood event from
SAR image. In: Gervasi, O. et al. (Eds.). International Conference on
Computational Science and Its Applications - ICCSA 2005, pp. 771-780.
Solb, S., Solheim, I., 2005. Towards operational flood mapping with satellite SAR. 2004
Envisat and ERS Symposium, Salzburg, pp. 1603-1609.
Speck, R., Turchi, P., S, H., 2007. An end-to-end simulator for high-resolution
spaceborne SAR systems. 65680H-65680H.
Stabel, M.E., Lffler, E., 2004. Optimised mapping of flood extent and floodplain
structures by radar EO-methods. In: Lacoste, H. (Ed.). Proceedings of FRINGE
2003 Workshop, Frascati, pp. 357-363.
Stephens, E.M., Bates, P.D., Freer, J.E., Mason, D.C., 2012. The impact of uncertainty
in satellite data on the assessment of flood inundation models. Journal of
Hydrology, 414415(0): 162-173.
Temimi, M. et al., 2011. A synergetic use of active microwave observations, optical
images and topography data for improved flood mapping in the Gulf of Mexico,
Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE
International, pp. 1544-1546.

78

Townsend, P.A., 2002. Relationships between forest structure and the detection of flood
inundation in forested wetlands using C-band SAR. International Journal of
Remote Sensing, 23(3): 443-460.
Townsend, P.A., Walsh, S.J., 1998. Modeling floodplain inundation using an integrated
GIS with radar and optical remote sensing. Geomorphology, 21(34): 295-312.
UN/ISDR, 2004 Living With Risk, A global Review of Disaster Reduction Initiatives.UN
Publications, Geneva.
UNDP, 2004. Reducing Disaster Risk, A Challenge for Development., Bureau for Crisis
Prevention and Recovery.
UNDRO, 1979. "Natural Disasters and Vulnerability Analysis": Report of Expert Group
Meeting.
Van der Sande, C.J., De Jong, S.M., De Roo, A.P.J., 2003. A segmentation and
classification approach of IKONOS-2 imagery for land cover mapping to assist
flood risk and flood damage assessment. International Journal of Applied Earth
Observation and Geoinformation, 4(3): 217-229.
Vinu Chandran, R., Ramakrishnan, D., Chowdary, V.M., Jeyaram, A., Jha, A.M., 2006.
Flood mapping and analysis using air-borne synthetic aperture radar: A case
study of July 2004 flood in Baghmati river basin, Bihar. Current Science, 90(2):
249-256.
Voigt, S. et al., 2008. Extraction of flood masks using satellite based very high resolution
SAR data for flood management and modeling, 4th International Symposium on
Flood Defence, Toronto, Ontario, Canada. May 6-8 2008.
Wdowinski, S., Kim, S.W., Amelung, F., Dixon, T., 2006. Wetland InSAR: A new spacebased hydrological monitoring tool of wetlands surface water level changes. 1st
International Symposium on GlobWetland: Looking at Wetlands from Space,
Frascati, Rome.
Weydahl, D.J., 1996. Flood monitoring in Norway using ERS-1 SAR images,
Geoscience and Remote Sensing Symposium, 1996. IGARSS '96. 'Remote
Sensing for a Sustainable Future.', International, pp. 151-153 vol.1.
Wilhelmi, O.V., Morss, R.E., Integrated analysis of societal vulnerability in an extreme
precipitation event: A Fort Collins case study. Environmental Science &amp;
Policy(0).
Wilhelmi, O.V., Morss, R.E., 2012. Integrated analysis of societal vulnerability in an
extreme precipitation event: A Fort Collins case study. Environmental Science
&amp; Policy(0).
Zhai, G., Fukuzono, T., Ikeda, s., 2006. An empirical model of fatalities and injuries due
to floods in Japan. Journal of the American Water Resources Association. ,
42(4): 863-875.

79

Zwenzner, H., Voigt, S., 2009. Improved estimation of flood parameters by combining
space based SAR data with very high resolution digital elevation data. Hydrology
and Earth System Sciences, 13(5): 567-576.
Sites internet
http://www.quebecgeographique.gouv.qc.ca/approfondir/bibliotheque/geoinfo/geoinfojuillet-2011.asp

80

ANNEXES

81

ANNEXE 1

PRSENTATION DES DONNES DE TLDTECTION DISPONIBLES

RADARSAT-2

Polarisation

Date
Type
dacquisition dacquisition

Vise

Orbite

Rsolution
Angle
spatiale
dincidence

Beam
mode

Nom Image

er

Ultra fin

Droite

Descendante

3m

23 (Far)
21(Near)

U72

20110501_111414

er

Ultra fin

Droite

Descendante

3m

23 (Far)
21(Near)

U72

20110501_111412

er

Ultra fin

Droite

Descendante

3m

23 (Far)
21(Near)

U72

20110501_111409

1 mai, 11h14

er

Ultra fin

Droite

Descendante

3m

23 (Far)
21(Near)

U72

20110501_111407

HH-HV

5 mai, 10h57

Fin

Droite

Descendante

8m

40 (Far)
43(Near)

F3N

20110505_105727

HH-HV

5 mai, 10h57

Fin

Droite

Descendante

8m

40 (Far)
43(Near)

F3N

20110505_105732

HH-HV

7 mai, 22h59

Fin

Droite

Ascendante

8m

47 (Far)
50(Near)

F6F

20110507_225921

HH

1 mai, 11h14

HH

1 mai, 11h14

HH

1 mai, 11h14

HH

83

Date
Type
dacquisition dacquisition

Vise

Orbite

HH-HV

7 mai, 22h59

Fin

Droite

Ascendante

8m

47 (Far)
50(Near)

F6F

HH-HV

7 mai, 22h59

Fin

Droite

Ascendante

8m

47 (Far)
50(Near)

F6F

HH-HV

7 mai, 22h59

Fin

Droite

Ascendante

8m

47 (Far)
50(Near)

F6F

HH-HV

8 mai, 11h09

Standard

Droite

Descendante

25 m

24 (Far)
31(Near)

S2

20110508_110945

HH-HV

8 mai, 11h09

Standard

Droite

Descendante

25 m

24 (Far)
31(Near)

S2

20110508_110958

HH-HV

11 mai,
22h41

Fin

Droite

Ascendante

8m

31 (Far)
44(Near)

F22N

20110511_224242

HH-HV

11 mai,
22h41

Fin

Droite

Ascendante

8m

31 (Far)
44(Near)

F22N

20110511_224253

HH-HV

11 mai,
22h42

Fin

Droite

Ascendante

8m

31 (Far)
44(Near)

F22N

20110511_224247

HH-HV

12 mai,
10h53

Fin

Droite

Descendante

8m

44 (Far)
47(Near)

F5N

20110512_105323

HH-HV

12 mai,
10h53

Fin

Droite

Descendante

8m

44 (Far)
47(Near)

F5N

20110512_105317

Polarisation

84

Rsolution
Angle
spatiale
dincidence

Beam
mode

Nom Image
20110507_225921
Mixed_ LUT
20110507_225926
20110507_225926
MIXED_LUT

Polarisation

Date
Type
dacquisition dacquisition

Vise

Orbite

Rsolution
Angle
spatiale
dincidence

Beam
mode

Nom Image

HH-HV

12 mai,
10h53

Fin

Droite

Descendante

8m

44 (Far)
47(Near)

F5N

20110512_105312

HH-HV

19 mai,
10h49

Fin

Droite

Descendante

8m

47 (Far)
49(Near)

F6F

20110519_104914

HH-HV

19 mai,
10h49

Fin

Droite

Descendante

8m

47 (Far)
49(Near)

F6F

20110519_104908

HH-HV

19 mai,
10h49

Fin

Droite

Descendante

8m

47 (Far)
49(Near)

F6F

20110519_104903

HH-HV

25 mai,
11h13

Standard

Droite

Descendante

25m

20 (Far)
27(Near)

S1

20110525_111357

HH-HV

31 mai,
22h59

Fin

Droite

Ascendante

8m

47 (Far)
50(Near)

F6F

20110531_225923

HH-HV

31 mai,
22h59

Fin

Droite

Ascendante

8m

47 (Far)
50(Near)

F6F

20110531_225928

HH-HV

5 Juin, 10h53

Fin

Droite

Descendante

8m

44 (Far)
47(Near)

F5N

20110605_105325

HH-HV

5 Juin, 10h53

Fin

Droite

Descendante

8m

44 (Far)
47(Near)

F5N

20110605_105319

85

Date
Type
dacquisition dacquisition

Vise

Orbite

Beam
mode

Nom Image

HH-HV

5 Juin, 10h53

Fin

Droite

Descendante

8m

44 (Far)
47(Near)

F5N

20110605_105314

HH-HV

7 Juin, 22h55

Fin

Droite

Ascendant

8m

44 (Far)
47(Near)

F5N

20110607_225512

HH-HV

12 Juin,
10h49

Fin

Droite

Descendant

8m

48 (Far)
50(Near)

F6F

20110612_104916

HH-HV

12 Juin,
10h50

Fin

Droite

Descendant

8m

48 (Far)
50(Near)

F6F

20110612_104911

HH-HV

14 Juin,
22h51

Fin

Droite

Ascendant

8m

40 (Far)
43(Near)

F3N

20110612_255114

HH-HV

14 Juin,
22h51

Fin

Droite

Ascendant

8m

40 (Far)
43(Near))

F3N

20110612_255108

HH-HV

14 Juin,
22h51

Fin

Droite

Ascendant

8m

40 (Far)
43(Near)

F3N

20110612_255102

HH-HV

29 Juin,
10h53

Fin

Droite

Descendant

8m

44 (Far)
47(Near)

F5N

20110629_105325

HH-HV

29 Juin,
10h53

Fin

Droite

Descendant

8m

44 (Far)
47(Near)

F5N

20110629_105320

Polarisation

86

Rsolution
Angle
spatiale
dincidence

Polarisation

Date
Type
dacquisition dacquisition

Vise

Orbite

Rsolution
spatiale

Angle
dincidence

Beam
mode

Nom Image

HH-HV

6 Juillet,
10h49

Fin

Droite

Descendant

8m

47 (Far)
50(Near)

F6F

20110706_104916

HH-HV

6 Juillet,
10h49

Fin

Droite

Descendant

8m

47 (Far)
50(Near)

F6F

20110706_104911

HH-VV-HVVH

22 Mai,
11h01

Fine Quad
Pol

Droite

Descendant

8m

36 (Far)
38(Near)

FQ17

20110522_110148

HH-VV-HVVH

22 Mai,
11h01

Fine Quad
Polarization

Droite

Descendant

8m

36 (Far)
38(Near)

FQ17

20110522_110144

HH-VV-HVVH

22 Mai,
11h01

Fine Quad
Polarization

Droite

Descendant

8m

36 (Far)
38(Near)

FQ17

20110522_110141

HH-VV-HVVH

22 Mai,
11h01

Fine Quad
Polarization

Droite

Descendant

8m

36 (Far)
38(Near)

FQ17

20110522_110138

HH-VV-HVVH

22 Mai,
11h01

Fine Quad
Polarization

Droite

Descendant

8m

36 (Far)
38(Near)

FQ17

20110522_110134

HH-VV-HVVH

22 Mai,
11h01

Fine Quad
Polarization

Droite

Descendant

8m

36 (Far)
38(Near)

FQ17

20110522_110133

87

Donnes optiques de trs haute rsolution spatiale

Capteur

Date

Bandes

Secteur

GeoEye

1er Mai 2011

RGB

Milieu le Sainte-Thrse- Secteur Domaine

des Saules

IKONOS

8 Mai 2011

RGB

Mosaque (Pont Jean Lessage, autoroute 20-

Nord Lac Champlain)

IKONOS

8 Mai 2011

RGB

Mosaque, prolonge au Sud-Est - Hawley's

Corner

IKONOS

8 Mai 2011

RGB

Section Nord (Nord du Pont Flix-Gabriel

Marchand)

IKONOS

8 Mai 2011

RGB

Section Sud Est (Sud du Pont Flix-Gabriel

Marchand- Nord du lac Champlain)

IKONOS

8 Mai 2011

RGB

Section Sud-Ouest (Sud-Ouest de la zone,

descend plus bas dans le Lac Champlain)

WorldView

1er Mai 2011

Panchromatique

Milieu le Sainte-Thrse- Secteur Domaine

des Saules

ALI

11 Mai 2011

RGB

Les Hurons - Frontire USA

ALI

11 Mai 2011

SWIR

Les Hurons - Frontire USA

88

ANNEXE 2

INFRASTRUCTURES ESSENTIELLES PAR

SECTEUR ET SOUS-SECTEURS

(selon la dfinition nord-amricaine; daprs Robert et al., 2001)

Secteurs
Technologies de linformation et de
la communication

Lnergie et les services publics

Les aliments

Les services et institutions de sant

Les infrastructures
gouvernementales
Les industries de fabrication
Les installations financires
Leau
Les transports
La scurit

89

Sous-secteurs
systmes, logiciels, matriel et
rseaux de tlcommunications
et de radiodiffusion, y compris
Internet
production dnergie lectrique,
de gaz naturel et de ptrole, ainsi
que leurs rseaux de transport
scurit, distribution, agriculture
et industrie alimentaire
hpitaux, tablissements de
soins de sant et de rserve de
sang, laboratoires et produits
pharmaceutiques
services, installations, rseaux
dinformation, biens
gouvernementaux et sites et
monuments nationaux cls
base industrielle de la dfense,
industrie chimique
oprations bancaires, valeurs
mobilires et investissements
eau potable et gestion des eaux
uses
voies ariennes, ferroviaires,
maritimes et terrestres
premiers intervenants, services
d'urgence et barrages

ANNEXE 3

QUESTIONNAIRE CR POUR
LVALUATION DE LA VULNRABILIT
INTRINSQUE

Estimation de la vulnrabilit intrinsque

Cadre de lanalyse :

Cette partie a pour objectif de quantifier la vulnrabilit intrinsque de la population face

au risque dinondation. Cette dimension de la vulnrabilit

est une caractristique

propre de la population hors situation de crise et est considre comme un facteur

aggravant la vulnrabilit des populations touches.

Indicateurs de vulnrabilit intrinsque de la population

Les indicateurs de vulnrabilit intrinsque considrs dans ce projet sont dordre social
et conomique. Les indicateurs relevs dans la littrature tant nombreux et varis,
nous avons choisi de ne slectionner que ceux prsentant le plus de pertinence pour
notre analyse, et dont les donnes sont facilement disponibles. Ces indicateurs seront
exprims en pourcentage de la population totale par aire de diffusion du recensement de
Statistique Canada (environs 500 personnes).

Indicateurs sociologiques

Personnes ges de plus de

65 ans
Personnes de moins de 18
ans

Indicateurs conomiques

Personnes sans emploi

Personnes vivant sous le

seuil de pauvret

Personnes
handicapes
physiques ou mentales

91

Commentaires?

Importance de chaque indicateur dans lestimation de la vulnrabilit

intrinsque

Dans le tableau suivant, indiquer le niveau dimportance que vous accordez chacun
des indicateurs socio-conomiques slectionns dans la gestion des situations
durgence en cas dinondations.

chelle dimportance de lindicateur

Indicateurs

Personnes
ges

Jeunes

Handicaps

Sans
emploi

Personnes
pauvres

Femmes

Personnes
ges
Jeunes
Handicaps
Sans
emploi
Personnes
pauvres
Femmes
1 : Peu important; 2 : Modrment important;
5 : Extrmement important.

3 : Fortement important

4 : Trs important

Commentaires :________________________________________________________

92

Vulnrabilit intrinsque et niveaux de consquences

En vous basant sur les informations prcdentes et sur votre exprience, indiquez, pour
chaque indicateur, partir de quel pourcentage de la population totale du quartier (aire
de diffusion) change de niveau de vulnrabilit est atteint
Exemple : Lorsque le pourcentage de personnes handicapes au sein dun
quartier est entre 25 et 30%, le niveau vulnrabilit face aux inondations est
Svre .
Les cases vides vous permettent dintroduire, si besoin est, dautres lments cette
partie de lanalyse.

Niveaux de vulnrabilit
% de la population
Mineure

Srieux

Svre

Trs Svre

Personnes ges
Jeunes
Handicaps
Sans emploi
Personnes pauvres
Femmes

Commentaires :______________________________________________________

93