La surveillance du manteau neigeux, la prévision de son évolution et l'estimation du risque d'avalanche qui en découle font partie des missions de Météo-France. L'hétérogénéité des montagnes induite par le relief rend la prévision nivo-météorologique de ces territoires particulièrement difficile. A cela s'ajoute une forte demande sociétale de disposer de prévisions fiables de l'enneigement et du risque d'avalanche avec un niveau d'exigence sans cesse en accroissement tant sur la qualité des prévisions que sur leur
forme et leur étendue géographique. La mise à disposition aux prévisionnistes nivologues et aux autres acteurs de montagne d'observation systématique sur l'activité avalancheuse permettrait une meilleure qualification des situations prévues par rapport aux événements passés et contribuerait à l'amélioration de la gestion du risque avalancheux. La localisation et l'estimation de taille des dépôts d'avalanches sont d'une grande importance pour les études de stabilité du manteau neigeux. Les avancées en matière de télédétection spatiale offrent la possibilité aux chercheurs et acteurs de montagne de suivre au plus près l'évolution du manteau neigeux. Dans cette thèse, nous exploitons les données d'observations satellitaires de Sentinel-1 couvrant l'intégralité des Alpes pour détecter les zones de débris avalancheux et pour suivre l'évolution de l'activité avalancheuse à l'échelle d'une région d'intérêt.
Une méthode est développée permettant de détecter automatiquement les zones de débris d'avalanche de neige en utilisant une technique de segmentation novatrices des images Sentinel-1. Plusieurs autres développements algorithmiques sont menés pour améliorer les détections impliquant des méthodes de filtrage de fausses détection et de classification pour passer d'un ensemble de pixels avalancheux à un événement avalancheux. Les estimations de débris sont étudiées et leurs dépendances selon la direction de l'orbite, les caractéristiques du terrain (pente, altitude, orientation) examinées. La méthode de détection est également évaluée avec succès à l'aide d'une base de données indépendante issues d’identifications de débris d’avalanches sur une image optique de haute résolution. Par la suite, nous dérivons des indicateurs spatialisés à l'échelle des massifs de l'activité avalancheuses. Il s'agit de lignes de débris d'avalanches estimées par pente et par bandes d'altitudes. Ces indicateurs sont comparés à des données d'observations in-situ.
Ce travail de thèse permet le développement de nouveaux produits à valeur ajoutée et est l'occasion d'initier une réflexion sur les besoins pour la prévision du risque
d'avalanche et notamment le besoin de disposer d'indicateurs « synthétisables » sur des
fenêtres temporelles d'intérêts (hebdomadaire, mensuelle, saisonnière) à des échelles allant de l'échelle locale (de l'événement) à l'échelle du massif. |
The snow cover monitoring, the forecast of its evolution and the estimation of the avalanche risk are part of the task of Météo-France. The heterogeneity of the mountains induced by the terrain makes the snow-meteorological forecasting of these territories particularly difficult. In addition, there is a strong social demand for reliable snow and avalanche forecasts, with an ever increasing level of demand for the quality of forecasts as well as their form and geographical extent. The supply of systematic observations of avalanche activity to snow forecasters and other mountain actors would allow a better qualification of predicted situations in relation to past events and would contribute to the improvement of avalanche risk management. The location and size estimation of avalanche deposits are of great importance for snowpack stability studies. Advances in spatial remote sensing offer the possibility for researchers and mountain actors to follow the evolution of the snowpack more closely. In this thesis, we use Sentinel-1 satellite observation data covering the entire Alps to detect avalanche debris areas and to monitor the evolution of avalanche activity at the scale of a region of interest.
A method is developed to automatically detect snow avalanche debris areas using an innovative segmentation technique of Sentinel-1 images. Several other algorithmic developments are conducted to improve detections involving false detection filtering and classification methods to change from a set of avalanche pixels to an avalanche event. Debris estimates are studied and their dependencies on orbit direction, terrain characteristics (slope, elevation, orientation) examined. The detection method is also successfully evaluated using an independent database from avalanche debris identifications on a high resolution optical image. Thereafter, we derive spatialized, massif-scale indicators of avalanche activity. These are avalanche debris lines estimated by slope and elevation bands. These indicators are compared to in-situ observation data.
This thesis work allowes the development of new value-added products and is the opportunity to initiate a reflection on the needs for avalanche risk forecasting
and in particular the need to have "synthesizable" indicators on temporal periods of interest (weekly, monthly, seasonal) at scales ranging from local (event) to massif scale. |