Université LavalDépartement des Sciences Géomatiques

Présentée par: Amaneh Jadidi Mardkheh Candidate de doctorat en Sciences GéomatiquesM Mostafavi Centre de Recherche en géomatiqueM. Mostafavi, Centre de Recherche en géomatiqueY. Bédard, Centre de Recherche en géomatiqueB. Long, INRS-ETE

Plan de la présentationPlan de la présentation

Mise en contexteDéfis de rechercheObjectifsSolutionsRésultatsC l iConclusion

1

Mise en ContexteMise en Contexte

Érosion côtièreÉrosion côtière est un phénomène naturel complexe qui menace le littoral du monde entier

a

Phénomène naturel: Enjeux

2

Phénomène naturel:Érosion cotière

Enjeux:Eléments à risques

Mise en ContexteMise en Contexte

Risque et ses composants et analyse de risqueq p y qa Identification d’alea Érosion

Élaborer l’index des vulnérabilités

Phénomène naturel:Érosion cotière

Enjeux:Eléments à risques

Vulnérabilité Risque

Élaborer l index des vulnérabilités

alea Enjeux

vulnérabilité physique

Vulnérabilité sociale

Vulnérabilité économique

Probabilité d'occurrence intensité

2

économique

b Risque = alea x vulnérabilité

Mise en ContexteMise en Contexte

Prise à la décisiona

Vulnérabilité Risque

Phénomène naturel:Érosion cotière

Enjeux:Eléments à risques

alea Enjeux

vulnérabilité physique

Vulnérabilité sociale

Probabilité d'occurrence intensité

Vulnérabilité économique

b Risque = alea x vulnérabilité

Prise de décisionPêche et océan

C d

etc.

2c

Environnement

AgricultureTransport Municipalité

Cadastre

Mise en ContexteMise en Contexte

Représentation des zones à risque p q

FaiblebMoyenElevé

3

Défis de rechercheDéfis 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 rechercheDéfis de recherche

Nature du risqueqMultidimensionnelMulti-échelle (micro, méso, macro)HiérarchieExistence d’incertitude

Limites de SIGRequêtes complexesR id l'i f i d h Retrouver rapidement l'information ad hoc

Besoin d’un outil géo-décisionnel SOLAP B i d’ é t ti lti é h ll

5

Besoin d’une représentation multi échelle en considérant le paramètre d’incertitude

ObjectifsObjectifs

I: Développement d’un outil géo-décisionnel pourpp g paméliorer l'évaluation du risque d'érosion côtière àl'aide SOLAP

II: Représentation des zones à risque pour prendreen compte l’incertitude inhérente en utilisant lahé i d bl flthéorie des ensembles flous

6

Solution ISolution I

Approche analytique conceptuelle pour développerpp y q p p ppun outil géo-décisionnel

7

Solution ISolution I

Analyse des besoinsy

Inventaire des donnéesRégions de Gaspé

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)

8

Land Cover Nat. Resources Canada (GeoBase database)

Technical Reports Transport Ministry of Quebec

Solution ISolution I

Identification d’alea (érosion)Niveau de marée (MSL)ArcGIS et LP360

Identification des enjeuxLes peuplesp pLes infrastructures (routes, ponts,…)Les maisons….

9

Solution ISolution I

Élaborer l’index de vulnérabilitéCategory Index parameter Ranking of each parameter with respect to coastal erosion

Rank 1* Rank 2* Rank 3* Rank 4* Rank 5*Geology & geomorphology (type of coast) Cliff, fjords

beachesTalus, stable beach( with vegetation)

Talus, and instable beach (without vegetation)

Beach Delta, marsh, dune

s

Coast Elevation (DEM) > 25m 17-24m 11-17m 4-10m 0-3mSlop average 1-13 % 14-20 % 21-28 % 29-35 % > 36 %Tide variation(m/year) <-1 -1-0.99 1-2 2.1- 4 > 4Tide range (m) <1 1-1.9 2-4 4.1-6 > 6Wave height 0- 2.9 3 - 4.9 5- 5.9 6- 6.9 > 6.9Hydrology and drainage network Non-presence ---- ---- ---- Presence

Phys

ical

indi

cato

rs Distance between shore and depth of 5m 1001-1200m 701-1000m 700-401m 301-400m < 300m

Distance between coastline and the vulnerable object

> 61m 31-60m 21-30m 11-20m 0-10m

Weakness of geological structure Absence of faults, fractures or subsidence

---- ---- ---- Presence of faults, fractures or subsidence

icin

dica

tors

Land occupation Park, Forest, marsh, vegetation land

Rural zone mixed Rural zone (rural and other)

Urbane zone (residential)

Mixed urbane zones

Protection structure (type, status, date of construction)

Yes, good state ---- Yes, but destroyed or need to repair

---- Non

People at risk (age, sex, income, occupation, Principal Component analysis of Census data

10 Soci

oeco

nom

i

education)Tourism Principal Component analysis of Census dataStructure (house, manufacture, built environment) and Infrastructure (road, railway, port, bridge, power transfer)

Principal Component analysis of Census data

(Gornitz et al. 1991; Thieler and Hammer-Klos 1999; Shaw et al. 1998; Xhardé 2007, Boruff et al. 2005)

Solution ISolution I

Développement d'un modèle conceptuelpp pmultidimensionnel spatial

Identification des dimensionsSpatialesTemporellesThématiquesThématiques

Identification des mesuresSpatialesNumériques

11

Solution ISolution I

Dimensions spatiauxpSegment d’analyseStructures

12

Solution ISolution I

Dimension temporellep

13

Solution ISolution I

Dimensions thématiquesqPeuplesNiveau de marée H t d Hauteur de vagueRéseau hydrologieGéologie

PEOPLE AT RISK

ALL

….HABITAT EMPLOYEE TOURISM

CLASSIFCATION

13

AGE SEX OCCUPATION EDUCATION INCOME$

Solution ISolution I

Identification des mesuresMesures spatiales

risque pour tous les enjeux vulnérables dans n'importequel niveau de détail par rapport à une ou plusieursquel niveau de détail par rapport à une ou plusieursdimensions dans une région particulière et de la périodeavec une priorité de distance de la côte,…

Mesures numériquesNombre de personnes à risque

b d à iNombre des structures à risque…

14

Résultat IRésultat I

15

Résultat IRésultat I

• Modèle de requête en étoile qSpatial unit analysis

Country

Distance of vulnerable object from coastline

Classification

Time

YearRegionP i

Analysis unit

Classification

Week

Month

Year

MunicipalityMRC

gProvince

Distance

Season

Analysis unitDay

Land Use

TypeTypeWeakness

Geology TypeClassification

Section

Property

Value

Real value

ClassificationClassification

Erosion rate

16

SectionStructureElevationCoastal change rate

Segment

Solution IISolution 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 unprend une valeur entre zéro et un

17

Solution IISolution II

LP360MF is

defined

Load LiDAR Data

Geo-referencing

Load other cartography Layers

Define Membership Function for each pixel

l l C

for each criterion

g

Create TIN & DTM

Extract and classify vulnerable

features

Pre-calculate Measures based on risk formula

Construct Fact table

F t ti feach

epo

ch

Extract MSL

Calculate Erosion

Determine segment size

Fuzzy representation of risk for each pixel

Aggregation of pixel

Rep

eat f

or e

Calculate Erosion Rate

Classification:

Gridding space as pixel Aggregation of pixel

(fuzzy object)

Multi scale representation of risk

18

represent erosion sitesrepresentation of risk

zones

Résultat attendu IIRésultat attendu II

19

Multi-Scale Representation of Coastal Risk

ConclusionConclusion

Arguments:gNature du risquePlusieurs sources de données et des critères sont en conflitÉtude spécifique sur un enjeu du risque à l’échelle localeÉtude spécifique sur un enjeu du risque à l échelle localeavec les perspectives courts termesLes limites de SIGL’ i t d’i tit dL’existence d’incertitude

Outil géo-décisionnel est un rôle important pouraméliorer l'évaluation du risque d'érosion côtière:q

inclue plusieurs types d’objets vulnérables et leurs interactionsApproche des ensembles flous est une solution pour Approche des ensembles flous est une solution pour mieux représenter les zones à risque

20

FinFin

21