• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Développement d'un outil géo-décisionnel pour améliorer l'évaluation du risque d'érosion côtière
 

Développement d'un outil géo-décisionnel pour améliorer l'évaluation du risque d'érosion côtière

on

  • 911 views

Ce travail traite du développement d’un outil d’aide à la décision dans le cadre de l’analyse de risque d’érosion côtière. L’érosion côtière est un phénomène naturel complexe qui ...

Ce travail traite du développement d’un outil d’aide à la décision dans le cadre de l’analyse de risque d’érosion côtière. L’érosion côtière est un phénomène naturel complexe qui menace le littoral du monde entier. Ces régions sont généralement habitées et sous l'autorité de différents paliers d’organisations gouvernementales. Chaque organisation a sa propre source de données et ses propres critères pour évaluer le risque associé à l'érosion. Souvent, les données et les critères des organisations concernées sont en situation de conflit, ce qui empêche de fournir une vision cohérente des risques. Une telle situation ne permet donc pas d’avoir un processus décisionnel efficace. Un système d’analyse de risque multi échelles et intégré est ainsi nécessaire pour gérer des données contradictoires et des critères environnementaux, sociaux et économiques différents. Les systèmes d’information géographique (SIG) permettent l’intégration des données spatiales et non-spatiales pour l’aide à la décision. Par contre, la combinaison de plusieurs critères, de plusieurs époques, mais aussi d’échelles différentes d’information et enfin l’existence d’incertitudes à différents niveaux posent d’importants défis avec les outils existants. Gérer une telle analyse multidimensionnelle de manière efficace, permettant une synthèse rapide, des comparaisons faciles et l’interrogation multi-niveaux est encore très difficile au sein des SIG conventionnels. Cette recherche vise le développement d’un outil multidimensionnel intégré pour améliorer l'évaluation du risque d'érosion côtière à l'aide d’une technologie Spatial On-Line Analytical Processing (SOLAP). La technologie SOLAP a été développée pour de telles situations, lui permettant d’offrir de meilleures performances et des capacités adaptées pour de telles analyses. En particulier, on y inclue plusieurs types d’objets vulnérables à l’érosion en plus de leurs interactions avec les aspects environnementaux, sociaux et économiques. Pour prendre en compte l’incertitude inhérente, la théorie de l’ensemble flou est utilisée et permet de mieux gérer les zones à risques.

Statistics

Views

Total Views
911
Views on SlideShare
911
Embed Views
0

Actions

Likes
0
Downloads
30
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Développement d'un outil géo-décisionnel pour améliorer l'évaluation du risque d'érosion côtière Développement d'un outil géo-décisionnel pour améliorer l'évaluation du risque d'érosion côtière Presentation Transcript

    • Présentée par: Amaneh Jadidi Mardkheh Candidate de doctorat en Sciences Géomatiques Université Laval Département des Sciences Géomatiques
    • Plan de la présentation
      • Mise en contexte
      • Défis de recherche
      • Objectifs
      • Solutions
      • Résultats
      • Conclusion
      1
    • Mise en Contexte
      • Érosion côti è re
        • Érosion côtière est un phénomène naturel complexe qui menace le littoral du monde entier
      2 Phénomène naturel : Érosion cotière Enjeux: Eléments à risques a
    • Mise en Contexte
      • Risque et ses composants et analyse de risque
        • Identification d’alea  Érosion
        • Élaborer l’index des vulnérabilités
      2 Phénomène naturel : Érosion cotière Enjeux: Eléments à risques a alea Enjeux Vulnérabilité Risque vulnérabilité physique Vulnérabilité sociale Vulnérabilité économique Probabilité d'occurrence intensité b Risque = alea x vulnérabilité
    • Mise en Contexte
      • Prise à la décision
      2 Phénomène naturel : Érosion cotière Enjeux: Eléments à risques a alea Enjeux Vulnérabilité Risque vulnérabilité physique Vulnérabilité sociale Vulnérabilité économique Probabilité d'occurrence intensité b Risque = alea x vulnérabilité Prise de décision c Pêche et océan Environnement Agriculture Transport Municipalité Cadastre etc.
    • Mise en Contexte
      • Représentation des zones à risque
      3 Faible Moyen Elevé
    • Défis de recherche
      • Plusieurs utilisateurs de littoral sous l'autorité de différents paliers d’organisations gouvernementales
      • Plusieurs sources de données
      • Plusieurs critères pour évaluer de risque
              •  empêche d’avoir une vision cohérente du risque et un processus décisionnel efficace
      4
    • Défis de recherche
      • Nature du risque
        • Multidimensionnel
        • Multi-échelle (micro, méso, macro)
        • Hiérarchie
        • Existence d’incertitude
      • Limites de SIG
        • Requêtes complexes
        • Retrouver rapidement l'information ad hoc
       Besoin d’un outil géo-décisionnel  SOLAP  Besoin d’une représentation multi échelle en considérant le paramètre d’ incertitude 5
    • Objectifs
      • I: Développement d’un outil géo-décisionnel pour améliorer l'évaluation du risque d'érosion côtière à l'aide SOLAP
      • II: Représentation des zones à risque pour prendre en compte l’incertitude inhérente en utilisant la théorie des ensembles flous
      6
    • Solution I
      • Approche analytique conceptuelle pour développer un outil géo-décisionnel
      7
    • Solution I
      • Analyse des besoins
      • Inventaire des données
        • Régions de Gaspé
      8 Data Source Lidar Data (2003, 2004, 2006) INRS-ETE, Quebec, Canada 2006 Census Canada Statistic Canada Administrative boundary Nat. Resources Canada Geobase database Topography Map Natural Resource of Canada Habitat map Natural Resource of Canada Hydrology Network Nat. Resources Canada (GeoBase database) National Road Network Nat. Resources Canada (GeoBase database) Land Cover Nat. Resources Canada (GeoBase database) Technical Reports Transport Ministry of Quebec
    • Solution I
      • Identification d’alea (érosion)
        • Niveau de marée (MSL)
        • ArcGIS et LP360
      • Identification des enjeux
        • Les peuples
        • Les infrastructures (routes, ponts,…)
        • Les maisons
        • … .
      9
    • Solution I
      • Élaborer l’index de vulnérabilité
      (Gornitz et al. 1991; Thieler and Hammer-Klos 1999; Shaw et al. 1998; Xhardé 2007, Boruff et al. 2005) 10
    • Solution I
      • Développement d'un modèle conceptuel multidimensionnel spatial
        • Identification des dimensions
          • Spatiales
          • Temporelles
          • Thématiques
        • Identification des mesures
          • Spatiales
          • Numériques
      11
    • Solution I
      • Dimensions spatiaux
        • Segment d’analyse
        • Structures
      12
    • Solution I
      • Dimension temporelle
      13
    • Solution I
      • Dimensions thématiques
        • Peuples
        • Niveau de marée
        • Hauteur de vague
        • Réseau hydrologie
        • Géologie
        • … .
      13
    • Solution I
      • Identification des mesures
        • Mesures spatiales
          • risque pour tous les enjeux vulnérables dans n'importe quel niveau de détail par rapport à une ou plusieurs dimensions dans une région particulière et de la période avec une priorité de distance de la côte,
        • Mesures numériques
          • Nombre de personnes à risque
          • Nombre des structures à risque
      14
    • Résultat I 15
    • Résultat I
      • Modèle de requête en étoile
      16 Spatial unit analysis Country Analysis unit Day Distance of vulnerable object from coastline Classification Time Land Use Type Section Structure Elevation Coastal change rate Type Weakness Geology Type Week Month Year Municipality MRC Region Province Property Classification Value Segment Real value Classification Classification Erosion rate Distance Season
    • Solution II
      • Approche algorithmique à l’aide de la théorie des ensembles flous
        • Ensemble des objets dont l'appartenance à la classe prend une valeur entre zéro et un
      17
    • Solution II 18 Load LiDAR Data Geo-referencing Create TIN & DTM Extract MSL Calculate Erosion Rate Classification: represent erosion sites Load other cartography Layers Extract and classify vulnerable features Determine segment size Gridding space as pixel Define Membership Function for each pixel Pre-calculate Measures based on risk formula Construct Fact table Fuzzy representation of risk for each pixel Aggregation of pixel (fuzzy object) Multi scale representation of risk zones Repeat for each epoch LP360 MF is defined for each criterion
    • Résultat attendu II 19
    • Conclusion
      • Arguments:
        • Nature du risque
        • Plusieurs sources de données et des critères sont en conflit
        • Étude spécifique sur un enjeu du risque à l’échelle locale avec les perspectives courts termes
        • Les limites de SIG
        • L’existence d’incertitude
      • Outil géo-décisionnel est un rôle important pour améliorer l'évaluation du risque d'érosion côtière:
            • inclue plusieurs types d’objets vulnérables et leurs interactions
            • Approche des ensembles flous est une solution pour mieux représenter les zones à risque
      20
    • Fin 21