Modélisation des risques d`inondation aux îles Fidji
Transcription
Modélisation des risques d`inondation aux îles Fidji
Modélisation des risques d’inondation aux îles Fidji • Présenté par : Jessy Paquette B.Sc., M.Sc. Les îles Fidji Viti-Levu Nadi Source: ESRI 2012 Buts et objectifs L'objectif principal de ce projet est de fournir aux pays en développement, comme Fidji, une méthode d'acquisition de données, en utilisant des équipements peu coûteux, pour modéliser, avec l'aide des SIG, les risques d'inondation. Les buts plus spécifiques sont: • La création de données vectoriels détaillées du bassin de la Rivière Nadi • La création d’un modèle d’élévation numérique haute résolution; • Le développement d’un SIG pouvant déterminer les risques d’inondation • La formulation de différentes mesures d’atténuation des effets néfastes des inondations Source: SOPAC 2009 (haut) / Narayan A. 2009 (bas) Méthodologie La première étape fut de compiler et analyser la donnée secondaire (cartes topographiques, images satellites, cartes pédologiques, données de recensement, etc.) disponible. La seconde étape fut la collecte de la donnée primaire pour le modèle dans la région de Nadi: • Points DGPS avec une résolution < 30 cm • Observation des marques d’inondation • Collecte de données hydrologiques La troisième étape fut le traitement et l’analyse de la donnée primaire ainsi que le développement du modèle d’inondation. La quatrième étape fut la formulation de différentes mesures d’atténuation des effets néfastes des inondations. Source: Paquette J. 2011 Méthodologie (suite) Source: http://www.trimble.com/ Source: http://www.trimble.com Source: Paquette J. 2011 Source: Paquette J. 2011 Source: Paquette J. 2011 Méthodologie (suite) Source: Paquette J. 2011 Collecte de point GPS Topographie Bassin versant Utilisation du sol Pentes Distance du chenal Pédologie des sols AHP (Analytic Hierarchy Process)* Layers Weighting Classification Ranking Elevation 0.4810 10 and + 0.2905 8 to 10 0.2499 6 to 8 0.1632 4 to 6 0.1158 2 to 4 0.0812 1 to 2 0.0587 Catchment Land-use Slopes Distance Soil types *(En français: Aide à la décision multicritère) 0.2080 0.1365 0.0839 0.0543 0.0364 1 and - 0.0408 Consistency Ratio: 0.0155 Other 0.6667 Nadi 0.3333 Consistency Ratio: N/A Forest 0.3426 Mix crops/Open areas 0.2263 R 0.1532 Cane 0.1049 Dense R/Dirt Road 0.0700 C/I 0.0476 Roads/Dense C 0.0326 Wet areas 0.0228 Consistency Ratio: 0.0377 1 and + 0.8571 0 to 1 0.1429 Consistency Ratio: N/A > 1000 0.4396 200 to 1000 0.3718 100 to 200 0.1401 < 100 0.0485 Consistency Ratio: 0.0346 Class A 0.6030 Class B 0.2232 Class C 0.1116 Class D 0.0622 Consistency Ratio: 0.0124 Matrice AHP LandUse Reciprocal matrix Forest Mix crops/Open areas R Cane Dense R/Dirt Road C/I Roads/Dense C Wet areas Sum Forest 1.00 0.50 0.33 0.25 0.17 0.14 0.13 0.11 2.63 Mix crops/Open areas 2.00 1.00 0.50 0.33 0.25 0.20 0.17 0.13 4.58 Normalized matrix Forest Mix crops/Open areas R Cane Dense R/Dirt Road C/I Roads/Dense C Wet areas sum Forest 0.380 0.190 0.127 0.095 0.063 0.054 0.048 0.042 1.000 Mix crops/Open areas 0.437 0.219 0.109 0.073 0.055 0.044 0.036 0.027 1.000 N= Lambda Max Consistency Index (CI) Consistency Ratio (CR) 8 8.3721 0.0532 0.0377 R Cane 3.00 4.00 2.00 3.00 1.00 2.00 0.50 1.00 0.33 0.50 0.25 0.33 0.20 0.25 0.17 0.20 7.45 11.28 R 0.403 0.268 0.134 0.067 0.045 0.034 0.027 0.022 1.000 Cane 0.355 0.266 0.177 0.089 0.044 0.030 0.022 0.018 1.000 Dense R/Dirt Road C/I 6.00 7.00 4.00 5.00 3.00 4.00 2.00 3.00 1.00 2.00 0.50 1.00 0.33 0.50 0.25 0.33 17.08 22.83 Roads/Dense C Wet areas 8.00 9.00 6.00 8.00 5.00 6.00 4.00 5.00 3.00 4.00 2.00 3.00 1.00 2.00 0.50 1.00 29.50 38.00 Dense R/Dirt Road 0.351 0.234 0.176 0.117 0.059 0.029 0.020 0.015 1.000 Roads/Dense C Wet areas sum Priority Vector 0.271 0.237 2.741 0.3426 0.203 0.211 1.810 0.2263 0.169 0.158 1.226 0.1532 0.136 0.132 0.839 0.1049 0.102 0.105 0.560 0.0700 0.068 0.079 0.381 0.0476 0.034 0.053 0.261 0.0326 0.017 0.026 0.182 0.0228 1.000 1.000 8.000 1.0000 C/I 0.307 0.219 0.175 0.131 0.088 0.044 0.022 0.015 1.000 Carte des risques Source: Paquette J. 2011 L’utilité du modèle Le SIG est un excellent outil d’aménagement et de gestion de crise: • 15 énumérations • 6 441 individus • 1 307 bâtiments • Plus de 310 bâtisses dans des zones à risque haut et extrême Source: Paquette J. 2011 Limitations du modèle Ce modèle statistique ne prend pas compte des: • Lois hydrodynamiques • Précipitations • Changements climatiques Sources d’erreurs potentielles: • Données de recensement de 2007 • Généralisations dans la topographie • Interprétation humaine des valeurs AHP Source: Narayan A. 2009 D’autres applications des SIG Avec les bandes B40 (IR près) et B70 (IR centre 2) des images LANDSAT 7 et Spatial Analyst: De 2001 à 2005: • La canopée fut réduite de 243,2 km2 à 231,5 km2 • Soit une réduction de 3,4% de la canopée en 4 ans Source: Paquette J. 2011 Questions ? Merci! Jessy Paquette, M.Sc., B.Sc. 680, montée Sainte-Julie Sainte-Julie, QC J3E 1W8 T: 450.922.6694 F: 450.922.0391 www.savariaexperts.ca