Apport des techniques de télédétection à l’étude de la vulnérabilité et risques côtiers: (cas de la côte ouest-algérienne)

L'importance croissante des zones côtières, en raison de leurs services éco-systémiques et la concentration urbanistique et ainsi que l'accélération alarmante de l'élévation du niveau de la mer, ont conduit un nombre croissant de scientifiques à développer des méthodes d’évaluation de la vulnérabilité. Le but de ce travail est d'identifier une méthode efficace et (semi)-automatique de monitoring des côtes pour l'évaluation de leur vulnérabilité en utilisant les techniques d’informatique et de télédétection. A travers une étude comparative entre les méthodes de classification orientées pixels et objets, un développement algorithmique a été réalisé en utilisant des algorithmes de Machine Learning. Ces méthodes de classification ont permis d'obtenir différents types de traits de côte qui ont été comparés à un trait de côte de référence acquis in-situ le même jour que les images satellites par un DGPS. Il s'agissait d'une opportunité unique pour valider et estimer avec précision la performance des méthodes développées. En outre, une approche intégrée basée sur un modèle de Deep Learning, le réseau neuronal convolutif (CNN), a été développée pour la détection du trait de côte. Les résultats de la méthode combinée CNN-OBIA ont montré les plus grandes précisions (94 % pour le trait de côte et 91% pour l’occupation du sol). L'analyse des données a permis d'évaluer la vulnérabilité du littoral de Mostaganem, en utilisant des méthodes de télédétection et des systèmes d'information géographique.