Partie I
Chapitre II : La télédétection et l’observation de la dynamique côtière
34
II.5 La télédétection et la détection du trait de côte
Le phénomène de l’érosion s’exprime physiquement par le recul du trait de côte. En raison de
sa nature dynamique, on utilise la notion d’indicateur de trait de côte qui est un substitut pour
représenter la "vraie" position du trait de côte (voir Chapitre I – Titre I. 3.1)
Plusieurs études ont examiné le potentiel des images satellites pour étudier l'évolution du trait
de côte. Pour cela, l'imagerie spatiale SAR (radar à ouverture synthétique) a été largement utilisée
(Gens, 2010). Des auteurs (Baghdadi et al., 2004; Modava et Akbarizadeh, 2017; She et al., 2017)
ont utilisé avec succès ces images pour la détection et l'extraction du trait de côte. Cependant, cela
nécessite souvent une correction rigoureuse du terrain, un géocodage, ainsi qu'une correction et un
équilibrage radiométrique (Liu et Jezek, 2004). D'autres sources de données ont été employées
pour détecter la position des côtes, notamment les systèmes LiDAR (Light Detection et Ranging)
(Liu et al., 2007; Yang et al., 2013), qui fournissent une bonne délimitation, bien qu'un posttraitement manuel soit toujours nécessaire pour éliminer les traits de côtes erronés et affiner sa
position réelle (Gens, 2010).
En outre, il a été démontré que l'imagerie optique offre des approches plus pratiques pour
détecter la position des traits de côte à différentes échelles spatiales et temporelles (AlmonacidCaballer et al., 2016; Hegde et Akshaya, 2015). Le capteur multispectral spatial Landsat est le plus
utilisé pour la cartographie du trait de côte (Cardoso et al., 2014). Cependant, en raison de sa faible
résolution spatiale (30 m), il est généralement inadéquat pour la cartographie à petite échelle
(Ghioca-Robrecht et al., 2008). L'imagerie multispectrale à des résolutions de 10 m et 20 m, telle
que Sentinel et SPOT, fournit des informations de meilleure qualité, mais reste insuffisante. Avec
le développement des capteurs multispectraux à Très Haute Résolution (THR), on affirme que la
cartographie détaillée de l'environnement côtier est devenue possible (Toure et al., 2019).
Bien que la pertinence des résultats du traitement soit directement liée à la résolution et le type
des capteurs, le développement des techniques de détection précise de la position du trait de côte
est incontournable. Une des techniques les plus courantes pour la détection du trait de côte était
(et est toujours dans certains cas) l'interprétation visuelle relative à sa numérisation manuelle.
Cependant, cette approche est hautement subjective et il n'est pas possible d'accéder à un indicateur
de précision. L'alternative est d’utiliser des techniques de traitement d'images plus automatique,
comme les algorithmes de classification supervisée et non supervisée. Ces techniques (semi)
Chapitre II : La télédétection et l’observation de la dynamique côtière
34
II.5 La télédétection et la détection du trait de côte
Le phénomène de l’érosion s’exprime physiquement par le recul du trait de côte. En raison de
sa nature dynamique, on utilise la notion d’indicateur de trait de côte qui est un substitut pour
représenter la "vraie" position du trait de côte (voir Chapitre I – Titre I. 3.1)
Plusieurs études ont examiné le potentiel des images satellites pour étudier l'évolution du trait
de côte. Pour cela, l'imagerie spatiale SAR (radar à ouverture synthétique) a été largement utilisée
(Gens, 2010). Des auteurs (Baghdadi et al., 2004; Modava et Akbarizadeh, 2017; She et al., 2017)
ont utilisé avec succès ces images pour la détection et l'extraction du trait de côte. Cependant, cela
nécessite souvent une correction rigoureuse du terrain, un géocodage, ainsi qu'une correction et un
équilibrage radiométrique (Liu et Jezek, 2004). D'autres sources de données ont été employées
pour détecter la position des côtes, notamment les systèmes LiDAR (Light Detection et Ranging)
(Liu et al., 2007; Yang et al., 2013), qui fournissent une bonne délimitation, bien qu'un posttraitement manuel soit toujours nécessaire pour éliminer les traits de côtes erronés et affiner sa
position réelle (Gens, 2010).
En outre, il a été démontré que l'imagerie optique offre des approches plus pratiques pour
détecter la position des traits de côte à différentes échelles spatiales et temporelles (AlmonacidCaballer et al., 2016; Hegde et Akshaya, 2015). Le capteur multispectral spatial Landsat est le plus
utilisé pour la cartographie du trait de côte (Cardoso et al., 2014). Cependant, en raison de sa faible
résolution spatiale (30 m), il est généralement inadéquat pour la cartographie à petite échelle
(Ghioca-Robrecht et al., 2008). L'imagerie multispectrale à des résolutions de 10 m et 20 m, telle
que Sentinel et SPOT, fournit des informations de meilleure qualité, mais reste insuffisante. Avec
le développement des capteurs multispectraux à Très Haute Résolution (THR), on affirme que la
cartographie détaillée de l'environnement côtier est devenue possible (Toure et al., 2019).
Bien que la pertinence des résultats du traitement soit directement liée à la résolution et le type
des capteurs, le développement des techniques de détection précise de la position du trait de côte
est incontournable. Une des techniques les plus courantes pour la détection du trait de côte était
(et est toujours dans certains cas) l'interprétation visuelle relative à sa numérisation manuelle.
Cependant, cette approche est hautement subjective et il n'est pas possible d'accéder à un indicateur
de précision. L'alternative est d’utiliser des techniques de traitement d'images plus automatique,
comme les algorithmes de classification supervisée et non supervisée. Ces techniques (semi)