Analyse réalisée avec le service ALADIM GEP pour la construction d’inventaires automatisés de glissements de terrain à partir d’images Pléiades à très haute résolution.

Le 14-08-2021, un séisme de magnitude 7,2 a frappé Haïti. Cet événement a été suivi de quelques jours de fortes pluies associées à la dépression tropicale Grace. La combinaison de ces phénomènes extrêmes a provoqué un grand nombre de glissements de terrain dans la région vallonnée d’Haïti, notamment dans la région du parc national du Pic Macaya.

Le 23-08-2021, une image Pléiades sans nuage (acquise par la Charte internationale des catastrophes et le programme CIEST2 de ForM@Ter/CNES couvrant la zone affectée par une forte densité de glissements de terrain nous a permis de réaliser une cartographie presque entièrement automatique.

Figure 1: Détection de glissement de terrain avec ALADIM-VHR en mode mono-date, pour lequel seule une image post-événement est utilisée. En haut : Fusion d’une image P (panchromatique) et MS (multi-spectrale) des Pléiades du 23-08-2021. En bas : Glissements de terrain détectés (à gauche) et probabilité de détection exacte (à droite).

Une première analyse (Figure 1, Figure 2) a été réalisée en utilisant uniquement un jeu de données post-événement des Pléiades qui comprend une image multispectrale (résolution spatiale de 2m) et une image panchromatique (résolution spatiale de 0,7m) couvrant une zone > 350 km2. Un échantillon d’entraînement de quelques glissements de terrain a été créé manuellement pour une très petite partie de la zone affectée (e.g. 4 km2 sur une superficie de plus de 350 km2 pour l’image complète). Cet échantillon est utilisé pour entraîner un modèle de détection de changement par apprentissage automatique (e.g. Random Forest) afin de prédire l’emplacement des glissements de terrain (et la confiance d’une détection exacte) sur toute la région d’intérêt à partir d’une série de caractéristiques radiométriques, texturales et topographiques.

Figure 2: Zoom sur les glissements de terrain détectés avec ALADIM-VHR en mode mono-date. Gauche : Fusion des images P (panchromatique) et MS (multi-spectrale) des Pléiades du 23-08-2021. A droite : Glissements de terrain détectés.

La surface des glissements de terrain détectés est d’environ 45 km2 (environ 13% de la zone d’intérêt) et de très petits glissements de terrain de taille < 500 m2 ont pu être identifiés.

Une deuxième analyse (Figure 3) a été effectuée en utilisant une image des Pléiades acquise le 25-12-2015 avant l’événement. Le chevauchement entre l’image de 2021 et celle de 2015 correspond à une zone d’environ 100 km2.

Le service ALADIM-VHR en mode bi-date (images pré-événement et post-événement) est utilisé pour augmenter la qualité de la détection. L’utilisation du mode bi-date permet de détecter uniquement les glissements de terrain directement déclenchés par le tremblement de terre Mw 7.2 et par Grace, et non la population complète des glissements de terrain. Elle permet également de mieux délimiter la forme des glissements de terrain et d’éviter les fausses détections (par exemple, les dépôts de sédiments dans les canaux des rivières, les objets à forte réflectance). Sur la zone de recouvrement de 100 km2, la surface des glissements de terrain détectés est d’environ 7 km2 (environ 7% de la zone d’intérêt).

Figure 3: Détection de glissement de terrain avec ALADIM-VHR en mode mono-date (à gauche) et en mode bi-date (à droite). En haut à gauche : Fusion d’une image P (panchromatique) et MS (multi-spectrale) des Pléiades du 25-12-2015. En haut à droite : Fusion des images P et MS des Pléiades du 23-08-2021. En bas à gauche : Glissements de terrain détectés avec ALADIM-VHR en mode mono-date. En bas à droite : Glissements de terrain détectés avec ALADIM-VHR en mode bi-date.

Les résultats sont publics et peuvent être consultés ici  pour le mode ALADIM-VHR mono-date et ici pour le mode bi-date. Cliquez sur « Show results » en bas du panneau de droite pour voir les inventaires de glissements de terrain générés non filtrés.

Ce travail a été soutenu par le CNRS-EOST, le CNES et l’ESA.

Auteurs: Aline Déprez, Julien Jean-Baptiste et Jean-Philippe Malet

 

 

Plus d'actualités

CIEST2

Estimation du volume de glace détaché lors de l’effondrement du glacier au Kirghizistan à l’aide d’images Pléiades

Le 10 juillet 2022, une semaine après l’effondrement du glacier Marmolada en Italie, un glacier au Kirghizistan s’effondre également sans laisser de victimes. Le 11 juillet, le dispositif d’urgence CIEST² de ForM@Ter a été activé.

29.07.2022

CIEST2

Estimation du volume de glace détaché lors de l’effondrement du glacier de la Marmolada à l’aide d’images Pléiades

Le 3 juillet 2022 s’est produit l’effondrement meurtrier du glacier Marmolada en Italie. Au 6 juillet 2022, la CIEST2 a été activé

19.07.2022

CIEST2

Suivi de l’éruption du volcan Cumbre Vieja, La Palma, Espagne par imagerie Pléiades

Le volcan Cumbre Vieja, situé sur l’île de La Palma, Les Canaries, Espagne est entré en éruption le 19 septembre 2021 après un demi-siècle d’inactivité. L’éruption caractérisée par une activité […]

21.09.2021

Rechercher