Votre recherche
Résultats 2 ressources
-
Les inondations sont une préoccupation majeure avec un potentiel de risques importants pour la sécurité publique ainsi qu'un impact économique et social négatif. Pour développer un modèle hydrodynamique permettant de cartographier et d'évaluer les risques d'inondation, un modèle d'élévation est un élément essentiel. La grande disponibilité de données de télédétection multisources facilite la création d'un modèle numérique d'élévation topo-bathymétrique (TBDEM). Cependant, il peut être très difficile de créer un modèle d'élévation à haute résolution homogène adapté à la cartographie des inondations en raison des divergences entre les données topographiques et bathymétriques causées par des changements temporels, des systèmes de référence horizontaux et verticaux différents, et des différences significatives en termes de résolution, incertitude et zone de couverture. Cette étude présente une méthodologie qui élargit les études précédentes axées sur la cartographie côtière à basse résolution en résolvant les différences spatiales et temporelles des jeux de données multisources tout en maintenant l'intégrité de la morphologie des berges et de l'environnement proche du rivage. Ceci est réalisé en appliquant une nouvelle méthodologie de fusion qui est mieux adaptée aux sources de données en jeu. Une méthode de moindre coût est appliquée aux données topographiques alors qu'une méthode de feathering est appliquée aux données bathymétriques. Pour ce qui est de la zone intermédiaire à l'interface de la terre et de l'eau, des transects sont utilisés pour interpoler entre les données manquantes afin de garantir l'intégrité du littoral. Enfin, une méthode de krigeage empirique bayésien appliqué à l'ensemble des données permet de produire une surface sans discontinuité accompagnée d'une surface d'erreur pour analyser l'incertitude en chaque point du modèle. Des données LiDAR aéroporté ainsi que des données de bathymétrie multifaisceau de la section supérieure du fleuve Saint-Laurent au Québec, Canada ont été combinées en utilisant la méthodologie proposée. Le TBDEM produit dans cette étude constitue une meilleure représentation que les modèles précédents et minimise l'erreur dans les données. La capacité de ce TBDEM à être plus performant que les modèles précédents dans les simulations hydrodynamiques sera testée dans des études futures en utilisant des événements de crue enregistrés précédemment.
-
The identification of bedforms has an important role in the study of seafloor morphology. The presence of these dynamic structures on the seafloor represents a hazard for navigation. They also influence the hydrodynamic simulation models used in the context, for example, of coastal flooding. Generally, multiBeam EchoSounders (MBES) are used to survey these bedforms. Unfortunately, the coverage of the MBES is limited to small areas per survey. Therefore, the analysis of large areas of interest (like navigation channels) requires the integration of different datasets acquired over overlapping areas at different times. The presence of spatial and temporal inconsistencies between these datasets may significantly affect the study of bedforms, which are subject to many natural processes (e.g. tides; flow). This paper proposes a novel approach to integrate multisource bathymetric datasets to study bedforms. The proposed approach is based on consolidating multisource datasets and applying the Empirical Bayesian Kriging interpolation for the creation of a multisource Digital Bathymetric Model (DBM). It has been designed to be adapted for estuarine areas with a high dynamism of the seafloor, characteristic of the fluvio-marine regime of the Estuary of the Saint-Lawrence River. This area is distinguished by a high tidal cycle and the presence of fields of dunes. The study involves MBES data that was acquired daily over a field of dunes in this area over the span of four days for the purpose of monitoring the morphology and migration of dunes. The proposed approach performs well with a resulting surface with a reduced error relative to the original data compared to existing approaches and the conservation of the dune shape through the integration of the data sets despite the highly dynamic fluvio-marine environments.