| Titre | Harmonizing and extending fragmented 100 year flood hazard maps in Canada's capital region using random forest classification |
| |
| Auteur | Bhuiyan, S A ;
Bataille, C P; McGrath, H |
| Source | Water vol. 14, issue 23, 3801, 2022 p. 1-18 |
| Image |  |
| Année | 2022 |
| Séries alt. | Ressources naturelles Canada, Contribution externe 20220028 |
| Éditeur | MPDI |
| Document | publication en série |
| Lang. | anglais |
| Media | papier; en ligne; numérique |
| Formats | pdf |
| Sujets | inondations; techniques de cartographie; modèles; établissement de modèles; niveaux d'eau; hydrodynamique; télédétection; imagerie par satellite; Méthodologie; Intelligence artificielle; hydrogéologie;
géophysique; Nature et environnement; Sciences et technologie; Santé et sécurité |
| Illustrations | cartes de localisation; images satellitaires; tableaux; organigrammes |
| Programme | Centre canadien de télédétection Directives cartographiques des inondations |
| Diffusé | 2022 11 22 |
| Résumé | (non publié)
Avec les inondations record qu'a connues la région de la capitale du Canada (Ottawa/Gatineau) en 2017 et 2019, il est urgent de mettre à jour et d'harmoniser les cartes des risques
d'inondation existantes et de combler les lacunes spatiales entre elles pour améliorer les stratégies d'atténuation des inondations. Pour atteindre cet objectif, nous avons développé une nouvelle approche utilisant la classification par apprentissage
automatique. Nous avons utilisé les cartes fragmentées des risques d'inondation existantes (cartes FDRP et RVCA) pour des sections de la rivière des Outaouais afin d'entraîner une classification par forêt aléatoire utilisant une gamme de facteurs de
conditionnement des inondations. Nous avons ensuite appliqué cette classification à l'ensemble de la région de la capitale pour combler les lacunes spatiales entre les cartes des risques d'inondation existantes et générer une carte harmonisée de
susceptibilité aux inondations à haute résolution (1m) à l'échelle de 1:100 ans. Une fois validée par rapport à la carte des risques d'inondation 1:100 ans (NFHDL) récemment produite dans la région de la capitale, nous constatons que notre
classification par forêt aléatoire produit une carte de susceptibilité aux inondations de haute précision. Nous soutenons que l'approche de classification par apprentissage automatique est une technique prometteuse pour combler les lacunes spatiales
entre les cartes des risques d'inondation existantes et créer des cartes de susceptibilité aux inondations harmonisées à haute résolution dans les zones vulnérables aux inondations (par exemple, la région métropolitaine d'Ottawa). Il faut toutefois
faire preuve de prudence dans le choix des facteurs de conditionnement aux inondations et dans l'extrapolation de la classification à des zones présentant des caractéristiques similaires à celles des sites d'entraînement. La carte harmonisée et
spatialement continue de susceptibilité aux inondations (résolution de 1 m) générée pour la région d'Ottawa/Gatineau est d'une grande pertinence pour la planification de l'atténuation des inondations dans la région de la capitale. L'approche basée
sur l'apprentissage automatique et la méthode d'optimisation de la classification des inondations développée dans cette étude est également un premier pas vers l'objectif de Ressources naturelles Canada de créer une carte de susceptibilité aux
inondations spatialement continue pour l'ensemble du bassin versant de la rivière Ottawa. |
| Sommaire | (Résumé en langage clair et simple, non publié)
Tester une approche d'apprentissage automatique pour créer des cartes d'aléas d'inondation dans des zones où il n'existe pas de cartographie
existante, en utilisant les cartes d'inondation provinciales comme données de formation (entrée). |
| GEOSCAN ID | 331450 |
|
|