Présentée par: Amaneh Jadidi Mardkhehyvanbedard.scg.ulaval.ca/wp-content/documents/slideshow/...2...
Transcript of Présentée par: Amaneh Jadidi Mardkhehyvanbedard.scg.ulaval.ca/wp-content/documents/slideshow/...2...
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