Discussion des résultats
Partie III
Chapitre IX :
159
limite humide/sec réelle. Cela pourrait s'expliquer par la variation et la complexité du littoral
(dunes, végétation, et embouchure de rivière), mais aussi par la pente relativement importante
dans cette zone. En effet, dans le secteur C (figure VIII.4), le trait de côte était plus ou moins
droit, uniforme, et la transition entre le sable humide et le sable sec semblait plus distincte ;
ainsi, la compatibilité était meilleure entre les traits de côte obtenus et la limite humide/sec. Par
conséquent, la méthode d'extraction PBIA semblait être plus sensible aux hétérogénéités du
littoral que la méthode OBIA, car en plus de la valeur spectrale du pixel, l'OBIA prend en
compte les valeurs des facteurs de forme et de texture.
Avec un run-up (excursion horizontale des vagues) de 0.6m l’intervalle de confiance pour
les méthodes de machine Learning a été estimé à +/- 0.43m, ce qui est assez minime révélant
la bonne précision des méthodes testées.
Pour le modèle de CNN-OBIA une limite dans la détection du trait de côte a été constatée
quand la végétation terrestre est assez proche du trait de côte. Il convient de noter que le modèle
CNN conçu est assez simple, car l'essentiel de l'investissement a été effectué sur l'aspect
méthodique où nous avons combiné la robustesse du modèle Deep Learning et la capacité de
l'OBIA pour l'extraction de traits de côte, en particulier de côtes rocheuses. En effet, de plus
complexes architectures peuvent être éventuellement réalisées.
Les méthodes combinées ont été testées sur une côte micro-tidale, avec un marnage
insignifiant (0,17m) (Ali, 2016). Dans le cas d'une détection de trait de côte d’une côte macrotidale, cette méthode ne serait pas adaptée sans inclure une estimation précise du marnage.
IX.3 Calcul de l’Indice de Vulnérabilité Côtière (IVC)
Dans de nombreux indices de vulnérabilité côtière qui ont été développés précédemment,
les facteurs socio-économiques ont souvent été identifiés comme des composants
recommandés à être intégré pour une étude plus approfondie (McLaughlin et al., 2002). Les
variables socio-économiques sont nécessaires pour déterminer la vulnérabilité du point de vue
de l'impact de ces changements sur la société. À cet égard, une côte non développée
socioéconomiquement qui s'érode rapidement, par exemple, n'est pas vulnérable puisqu'elle
s'adaptera à la perturbation par le biais de processus naturels et atteindra un nouvel équilibre.
Les variables socio-économiques elles-mêmes ne permettent toutefois pas de quantifier toute
la vulnérabilité, car celle-ci dépend de la probabilité de changements physiques sur la côte ;
Partie III
Chapitre IX :
159
limite humide/sec réelle. Cela pourrait s'expliquer par la variation et la complexité du littoral
(dunes, végétation, et embouchure de rivière), mais aussi par la pente relativement importante
dans cette zone. En effet, dans le secteur C (figure VIII.4), le trait de côte était plus ou moins
droit, uniforme, et la transition entre le sable humide et le sable sec semblait plus distincte ;
ainsi, la compatibilité était meilleure entre les traits de côte obtenus et la limite humide/sec. Par
conséquent, la méthode d'extraction PBIA semblait être plus sensible aux hétérogénéités du
littoral que la méthode OBIA, car en plus de la valeur spectrale du pixel, l'OBIA prend en
compte les valeurs des facteurs de forme et de texture.
Avec un run-up (excursion horizontale des vagues) de 0.6m l’intervalle de confiance pour
les méthodes de machine Learning a été estimé à +/- 0.43m, ce qui est assez minime révélant
la bonne précision des méthodes testées.
Pour le modèle de CNN-OBIA une limite dans la détection du trait de côte a été constatée
quand la végétation terrestre est assez proche du trait de côte. Il convient de noter que le modèle
CNN conçu est assez simple, car l'essentiel de l'investissement a été effectué sur l'aspect
méthodique où nous avons combiné la robustesse du modèle Deep Learning et la capacité de
l'OBIA pour l'extraction de traits de côte, en particulier de côtes rocheuses. En effet, de plus
complexes architectures peuvent être éventuellement réalisées.
Les méthodes combinées ont été testées sur une côte micro-tidale, avec un marnage
insignifiant (0,17m) (Ali, 2016). Dans le cas d'une détection de trait de côte d’une côte macrotidale, cette méthode ne serait pas adaptée sans inclure une estimation précise du marnage.
IX.3 Calcul de l’Indice de Vulnérabilité Côtière (IVC)
Dans de nombreux indices de vulnérabilité côtière qui ont été développés précédemment,
les facteurs socio-économiques ont souvent été identifiés comme des composants
recommandés à être intégré pour une étude plus approfondie (McLaughlin et al., 2002). Les
variables socio-économiques sont nécessaires pour déterminer la vulnérabilité du point de vue
de l'impact de ces changements sur la société. À cet égard, une côte non développée
socioéconomiquement qui s'érode rapidement, par exemple, n'est pas vulnérable puisqu'elle
s'adaptera à la perturbation par le biais de processus naturels et atteindra un nouvel équilibre.
Les variables socio-économiques elles-mêmes ne permettent toutefois pas de quantifier toute
la vulnérabilité, car celle-ci dépend de la probabilité de changements physiques sur la côte ;