116
Partie II : Matériels et méthodes
Chapitre VII : Évaluation de la vulnérabilité
côtière
La classification supervisée des objets résultants de la segmentation a été réalisée par le biais
de l’algorithme RF avec une optimisation préalable des hyperparamètres (nombre d’arbres Ntree
et profondeur maximale Mtry). En effet, ces valeurs ont été choisies sur la base des modèles de
classification qui ont obtenu la plus grande précision globale (OA) (Mtry=25 et Ntree=500).
Une étape de validation a été entreprise en calculant la matrice de confusion et les indices de
pertinence (indice de précision globale et indice Kappa), afin d’estimer la précision du modèle de
la classification.
VII1.2 Taux d'érosion/accrétion (Trait de côte)
Une analyse spatio-temporelle de l’évolution du trait de côte a été élaborée afin de calculer le
taux d’érosion, en comparant l’ancienne position du trait de côte issue des photos aériennes avec
sa position récente extraite automatiquement à partir des images de type Pléiades (0.5 m).
L’acquisition de ces images a été programmée en juillet 2019 pour couvrir la zone d’étude le jour
même de l’acquisition des données In-Situ par GPS, ces dernières ont été utilisées afin de valider
le modèle d’extraction automatique du Trait de côte. Le modèle est basé sur une classification
supervisée des images par une approche intégrée du CNN et OBIA.
La méthode d’extraction automatique comprend trois étapes principales : (a) la création du
modèle CNN (b) Segmentation de l’image par MRS et classification (c) Extraction du trait de côte.
La création du modèle CNN et la segmentation ont été effectuées par le biais du logiciel
eCognition. Après un processus d'optimisation par validation croisée, les hyper-paramètres du
CNN ont été fixés afin de détecter l'indicateur du TC retenu pour l'évaluation du taux érosion, qui
est la limite sable sec/humide. Ce dernier a été extrait automatiquement et intégré dans un SIG
(ArcGIS 10.2). Une étape de lissage s’est avérée nécessaire afin de le comparer à celui extrait des
photos aériennes (voir chapitre V, titre V.5.3).
Les traits de côte extraits des images pléiades et digitalisés des photos aériennes ont été
intégrées dans le modèle DSAS. Les valeurs des EPR ont été calculées sur des transects d’une
équidistance de 20 m (voir chapitre VI, titre VI.4). Il s'agit d'un taux calculé en divisant la distance
entre la position du TC initial (1959) et celle du plus récent (2019) par le temps écoulé (60 ans).
Partie II : Matériels et méthodes
Chapitre VII : Évaluation de la vulnérabilité
côtière
La classification supervisée des objets résultants de la segmentation a été réalisée par le biais
de l’algorithme RF avec une optimisation préalable des hyperparamètres (nombre d’arbres Ntree
et profondeur maximale Mtry). En effet, ces valeurs ont été choisies sur la base des modèles de
classification qui ont obtenu la plus grande précision globale (OA) (Mtry=25 et Ntree=500).
Une étape de validation a été entreprise en calculant la matrice de confusion et les indices de
pertinence (indice de précision globale et indice Kappa), afin d’estimer la précision du modèle de
la classification.
VII1.2 Taux d'érosion/accrétion (Trait de côte)
Une analyse spatio-temporelle de l’évolution du trait de côte a été élaborée afin de calculer le
taux d’érosion, en comparant l’ancienne position du trait de côte issue des photos aériennes avec
sa position récente extraite automatiquement à partir des images de type Pléiades (0.5 m).
L’acquisition de ces images a été programmée en juillet 2019 pour couvrir la zone d’étude le jour
même de l’acquisition des données In-Situ par GPS, ces dernières ont été utilisées afin de valider
le modèle d’extraction automatique du Trait de côte. Le modèle est basé sur une classification
supervisée des images par une approche intégrée du CNN et OBIA.
La méthode d’extraction automatique comprend trois étapes principales : (a) la création du
modèle CNN (b) Segmentation de l’image par MRS et classification (c) Extraction du trait de côte.
La création du modèle CNN et la segmentation ont été effectuées par le biais du logiciel
eCognition. Après un processus d'optimisation par validation croisée, les hyper-paramètres du
CNN ont été fixés afin de détecter l'indicateur du TC retenu pour l'évaluation du taux érosion, qui
est la limite sable sec/humide. Ce dernier a été extrait automatiquement et intégré dans un SIG
(ArcGIS 10.2). Une étape de lissage s’est avérée nécessaire afin de le comparer à celui extrait des
photos aériennes (voir chapitre V, titre V.5.3).
Les traits de côte extraits des images pléiades et digitalisés des photos aériennes ont été
intégrées dans le modèle DSAS. Les valeurs des EPR ont été calculées sur des transects d’une
équidistance de 20 m (voir chapitre VI, titre VI.4). Il s'agit d'un taux calculé en divisant la distance
entre la position du TC initial (1959) et celle du plus récent (2019) par le temps écoulé (60 ans).