Extraction des zones urbaines inondées à partir d’imagerie radar : Étude de cas de la rupture du barrage de Kakhovka en Ukraine, juin 2023

FLORIA, un outil permettant d’identifier les inondations en zones urbaines à partir d’imagerie radar

Les inondations sont parmi les catastrophes les plus fréquentes et les plus destructrices dans le monde. Lorsqu’une inondation se produit en milieu urbain, les risques sont encore plus élevés en raison de la densité de population et des nombreuses infrastructures.

Moins sensibles aux conditions atmosphériques que les images optiques, les produits issus de capteurs radar ont l’avantage de percer la quasi-totalité de la couverture nuageuse qui accompagne généralement les inondations. Pour cartographier les inondations urbaines, le SERTIT propose un outil appelé FLORIA (FLOodwater detection over urban areas using Radar and artificIAl intelligence). Il est basé sur l’imagerie radar et des recherches récentes sur le sujet, comme celle de Chini et al. (2019). L’outil nécessite seulement trois images : deux acquises avant l’inondation et une acquise pendant l’inondation, définie comme « image de crise ».

Visualisation de l’inondation dans l’oblast de Kherson en fausses couleurs

L’inondation urbaine peut être visualisée en fausses couleurs. Cette visualisation est une composition RVB (Rouge Vert Bleu) proposée par Li et al. (2019). Sa composition ne sera pas décrite ici, mais il est simplement important de retenir que :

• Les pixels urbains inondés apparaissent en jaune
• Les pixels urbains non inondés apparaissent en blanc
• Les étendues d’eau permanentes sont sombres, presque noires
• Les pixels non urbains non inondés apparaissent en rouge
• Les pixels non urbains inondés apparaissent en vert

Le GIF ci-dessous présente l’évolution de l’inondation dans les villes de l’oblast de Kherson entre le 6 et le 9 juin 2023.

Comparaison des visualisations en fausses couleurs, en utilisant différents produits comme image de crise

En utilisant l’acquisition du 6 juin comme image de crise, peu d’eau peut être vue à l’intérieur de la ville de Kherson. Cela s’explique par le fait que la rupture du barrage s’est produite à 2h20 (heure locale), seulement 5 heures avant l’acquisition du produit radar à 7h05 (heure locale), les eaux de crue n’avaient donc pas encore atteint les villes. Cependant, en utilisant l’image acquise le 9 juin comme image de crise, l’étendue des inondations dans les zones urbaines est visible, en particulier dans la ville de Kherson, en haut de l’image.

Résultats de l’extraction de l’étendue de l’inondation urbaine avec FLORIA

Les trois produits Sentinel-1 utilisés pour cette extraction ont été acquis :

• Le 16 mai 2023 à 15:36:55 UTC

• Le 28 mai 2023 à 15:36:56 UTC

• Le 9 juin 2023 à 15:36:56 UTC

Le résultat de l’extraction est visible sur une image Planet acquise le même jour, le 9 juin 2023.

Extraction des inondations urbaines le 9 juin 2023

En regardant l’image Planet, l’extraction obtenue avec FLORIA semble être fidèle à la réalité de l’inondation urbaine, en particulier dans la ville de Kherson, en haut de l’image.

Comparaison des résultats obtenus via FLORIA avec l’étendue de l’inondation en zones non urbaines

L’équipe Rapid Mapping du SERTIT a eu l’occasion de travailler avec l’équipe RAAPS (Rapid Agricultural Assessments for Policy Support), du laboratoire ICube-TRIO dans le cadre du programme Harvest de la NASA, pour suivre l’évolution des inondations en Ukraine. Ce travail a donné lieu à plusieurs extractions grâce à l’outil ExtractEO, développé également par le SERTIT. L’une d’elles est visible avec l’extraction FLORIA sur l’illustration ci-dessous.

Extraction globale de l’inondation

Encore une fois, l’extraction obtenue avec FLORIA semble correspondre assez bien à l’étendue globale de l’inondation. À l’avenir, il est espéré que FLORIA soit en mesure de compléter tout type d’extraction d’inondation, quel que soit le lieu de celle-ci, en détectant les parties urbaines manquantes sur les extractions automatiques.

Références

Chini, M., Pelich, R., Pulvirenti, L., Pierdicca, N., Hostache, R. et Matgen, P. (2019) Sentinel-1 InSAR Coherence to Detect Floodwater in Urban Areas: Houston and Hurricane Harvey as A Test Case, Remote Sensing, 112, p. 107. [https://doi.org/10.3390/rs11020107].

Li, Y., Martinis, S., Wieland, M., Schlaffer, S. et Natsuaki, R. (2019) Urban Flood Mapping Using SAR Intensity and Interferometric Coherence via Bayesian Network Fusion, Remote Sensing, 1119, p. 2231. [https://doi.org/10.3390/rs11192231].