Cartographie du risque d'inondation en milieu urbain adapté à la gestion de crise. Analyse préliminaire.

Full text

CARTOGRAPHIE DU RISQUE D’INONDATION EN MILIEU
URBAIN ADAPTÉE À LA GESTION DE CRISE
ANALYSE PRÉLIMINAIRE
Présenté à :
Direction de la sécurité civile
Ministère de la Sécurité publique du Québec
Par
Marion TANGUY
Dans le cadre de son examen doctoral pour l’obtention
du doctorat en Sciences de l’eau
Institut national de la recherche scientifique
Centre Eau Terre Environnement
490, rue de la Couronne
Québec (Québec) G1K 9A9
Rapport de recherche R1395
Version finale : Lundi 26 novembre 2012

ISBN : 978-2-89146-765-0

iii
TABLE DES MATIÈRES
TABLE DES MATIÈRES .......................................................................................................... III
LISTE DES TABLEAUX .......................................................................................................... VII
LISTE DES FIGURES ............................................................................................................... IX
1 INTRODUCTION ............................................................................................................ 1
1.1 Mise en contexte ............................................................................................................. 1
1.2 Problématique ................................................................................................................. 2
1.3 Notions de base relatives à la gestion du risque d’inondation ......................................... 3
1.3.1 Risque : Aléa et Vulnérabilité .......................................................................................... 3
1.3.2 La gestion du risque d’inondation .................................................................................... 4
1.3.3 Inondations à cinétique lente et inondations à cinétique rapide ....................................... 5
1.4 Objectif principal et objectifs spécifiques ......................................................................... 6
1.4.1 Objectif principal ............................................................................................................. 6
1.4.2 Objectifs spécifiques ....................................................................................................... 7
1.5 Contenu du rapport ......................................................................................................... 8
2 PRÉSENTATION DU SITE D’ÉTUDE ET DES DONNÉES ............................................ 9
2.1 Présentation du site d’étude ............................................................................................ 9
2.2 Présentation des données ............................................................................................ 10
3 CARACTÉRISATION DE L’ALÉA INONDATION ........................................................ 13
3.1 Les outils de cartographie de l’aléa inondation .............................................................. 13
3.1.1 Les relevés sur le terrain ............................................................................................... 13
3.1.2 La modélisation hydraulique ......................................................................................... 14
3.1.3 La télédétection ............................................................................................................ 14
3.1.4 La télédétection radar ................................................................................................... 16
3.2 Principes de télédétection radar .................................................................................... 18
3.2.1 Physique du signal ........................................................................................................ 18
3.2.2 Longueur d’onde des systèmes RSO ............................................................................ 18
3.2.3 La polarisation .............................................................................................................. 19
3.2.4 L’angle d’incidence ....................................................................................................... 20
3.2.5 Les systèmes radar à synthèse d’ouverture .................................................................. 20
3.3 Interaction du signal radar avec les plans d’eau ............................................................ 22
3.3.1 Plans d’eau libre et champs inondés ............................................................................. 22

iv
3.3.2 Végétation et zones boisées inondées .......................................................................... 23
3.3.3 Zones urbaines inondées .............................................................................................. 24
3.4 Analyse des méthodologies de caractérisation de l’aléa inondation à l’aide
de l’imagerie radar satellitaire ....................................................................................... 26
3.4.1 Milieu urbain et milieu rural ........................................................................................... 26
3.4.2 Capteurs et données utilisées pour la détection des zones inondées ........................... 26
3.4.3 Techniques de traitement de l’image pour la détection et la délimitation des
zones inondées ............................................................................................................. 28
3.4.4 Méthodologies non adaptées au contexte de gestion de crise ...................................... 28
3.4.5 Intérêt des approches orientées objet ........................................................................... 30
3.4.6 Intégration des paramètres hydrauliques ...................................................................... 32
3.4.7 Estimation des hauteurs d’eau ...................................................................................... 34
3.4.8 Prise en compte des effets géométriques en zone urbaine ........................................... 36
3.5 Méthodologie de caractérisation de l’aléa inondation .................................................... 36
3.5.1 Création de la fonction niveau-débit pour la zone d’étude ............................................. 40
3.5.2 Premier niveau de classification .................................................................................... 40
3.5.3 Délimitation de la plaine inondée minimale ................................................................... 42
3.5.4 Création de la bibliothèque de rétrodiffusions ............................................................... 43
3.5.5 Second niveau de classification .................................................................................... 44
3.5.6 Affinement de la classification ....................................................................................... 44
3.5.7 Extraction des niveaux d’eau en tout point de la zone inondée ..................................... 45
4 CARACTÉRISATION ET ÉVALUATION DE LA VULNÉRABILITÉ DE LA
POPULATION AUX INONDATIONS ............................................................................ 47
4.1 Concepts relatifs à la vulnérabilité de la population aux inondations ............................. 47
4.1.1 Définition et conceptualisation de la vulnérabilité .......................................................... 47
4.1.2 Un manque d’analyses orientées vers la gestion de crise ............................................. 49
4.1.3 Études intégrées de la vulnérabilité .............................................................................. 50
4.1.4 Sélection des indicateurs de vulnérabilité sociale .........................................................
50
4.1.5 L’importance de l’échelle d’analyse ............................................................................... 51
4.1.6 Vulnérabilité induite par le manque de ressources essentielles..................................... 52
4.1.7 La vulnérabilité du bâti .................................................................................................. 53
4.2 Méthodologies d’évaluation des différentes dimensions de la vulnérabilité
de la population aux inondations ................................................................................... 54
4.2.1 Évaluation de la vulnérabilité intrinsèque ...................................................................... 55
4.2.2 Évaluation de la vulnérabilité du bâti ............................................................................. 58
4.2.3 Évaluation de la vulnérabilité structurelle ...................................................................... 59

v
4.2.4 Méthodologie d’évaluation de la vulnérabilité de la population aux
inondations ................................................................................................................... 63
5 CONCLUSION .............................................................................................................. 65
6 ÉCHÉANCIER .............................................................................................................. 69
7 RÉFÉRENCES ............................................................................................................. 71
ANNEXES ................................................................................................................................ 81
ANNEXE 1 PRÉSENTATION DES DONNÉES DE TÉLÉDÉTECTION
DISPONIBLES ..................................................................................................... 83
ANNEXE 2 INFRASTRUCTURES ESSENTIELLES PAR SECTEUR ET SOUS-
SECTEURS ......................................................................................................... 89
ANNEXE 3 QUESTIONNAIRE CRÉÉ POUR L’ÉVALUATION DE LA
VULNÉRABILITÉ INTRINSÈQUE ........................................................................ 91

vii
LISTE DES TABLEAUX
Tableau 1 Bandes spectrales, plages de fréquences et longueurs d’ondes
utilisées par les capteurs Radar (Henry, 2004) .................................................... 19
Tableau 2 Caractéristiques des capteurs radar cités dans l’étude ........................................ 21
Tableau 3 Niveau de vulnérabilité indirecte de la population selon les
infrastructures essentielles touchées ................................................................... 62
Tableau 4 Échéancier proposé pour la réalisation du projet de doctorat ............................... 69

ix
LISTE DES FIGURES
Figure 1 Étendue de la zone inondée (tons bleu foncé) le 11 Mai 2011 (Image
EO-1 ALI, NASA) et limites de la municipalité de Saint-Jean-sur-
Richelieu (en rouge) ............................................................................................... 11
Figure 2 Niveau d'eau (Station Marina St-Jean-sur-Richelieu) notamment lors
des dates d'acquisition des images ........................................................................ 12
Figure 3 Mécanismes et intensité de rétrodiffusion des surfaces inondées et des
surfaces sèches (d’après Schumann et al. (2012))................................................. 25
Figure 4 Organigramme méthodologique de caractérisation de l’aléa inondation ................. 39
Figure 5 Caractéristiques de l'aléa et de la vulnérabilité retenues pour cette
étude ...................................................................................................................... 54
Figure 6 Vue schématique des méthodologies d'évaluation des différents
aspects de la vulnérabilité humaine ....................................................................... 55
Figure 7 Indicateurs de vulnérabilité socio-économique relevés dans la
littérature ................................................................................................................ 56
Figure 8 Vulnérabilités des infrastructures essentielles (Bouchon, 2006) ............................. 59
Figure 9 Méthodologie d’évaluation de la vulnérabilité de la population aux
inondations ............................................................................................................ 64
Figure 10 Exemple de résultats produits par l’outil de caractérisation et
d’évaluation du risque d’inondation en milieu urbain .............................................. 66

1
1 INTRODUCTION
1.1 Mise en contexte
Les inondations sont, de toutes les catastrophes naturelles qui frappent le monde
chaque année, les plus fréquentes, les plus dommageables et les plus mortelles
(Pulvirenti et al., 2011b). Elles sont la source de près de la moitié des décès
occasionnés par les catastrophes naturelles au cours des 50 dernières années, et sont
responsables de près du tiers des pertes économiques au niveau mondial (James,
2008).
Si l’impact des inondations en termes de dommages et de pertes en vies humaines est
plus important dans les pays en voie de développement du fait d’une vulnérabilité
humaine et économique plus élevée, une province comme le Québec se trouve elle
aussi régulièrement en proie à ce type de phénomène. Entre 1990 et 2010, 27
inondations qualifiées de catastrophiques ont ainsi touché le Québec. Les inondations
survenues en juillet 1996 au Saguenay-Lac-Saint-Jean, et plus récemment, d’avril à juin
2011 le long de la rivière Richelieu, en sont des illustrations marquantes. À ces
phénomènes d’envergure s’ajoutent les inondations hivernales, causées par les
embâcles et les débâcles de glace de rivière, de moindre intensité mais néanmoins
récurrentes.
Si les tendances aux changements climatiques, combinées à l’augmentation de la
population vivant sur les terres inondables, à la déforestation, à la disparition des
terrains marécageux et à l’augmentation du niveau moyen des mers, se confirment dans
les décennies à venir, les inondations catastrophiques devraient être plus fréquentes
(IPCC, 2012). Un nombre croissant d’individus devraient donc être exposés à ce
phénomène, ce qui rend la question de la gestion du risque d’inondation de plus en plus
importante pour les gouvernements et pour les municipalités.

2
1.2 Problématique
Depuis de nombreuses années, les efforts consentis par les organismes
gouvernementaux et municipaux en matière de gestion du risque d’inondation se sont
concentrés sur la promotion d’une culture d’atténuation des risques, de gestion et de
préparation aux catastrophes. Un outil tel que le système GéoConférence, mis en place
au Québec en 2004 par le programme GeoInnovation du secrétariat Géoconnexions de
Ressource Naturelles Canada, a par exemple été développé pour aider à la concertation
des responsables en sécurité civile et à l’organisation efficace des secours lors des
sinistres. Ce type de système doit, afin d’être efficace, se baser sur des informations
fiables et précises sur l’étendue du sinistre et sur la vulnérabilité de la population face à
ce sinistre. Or, à l’heure actuelle, de nombreuses limites existent encore en matière de
caractérisation de l’aléa inondation et d’évaluation de la vulnérabilité des populations
face à cet aléa.
Tout d’abord, la télédétection radar satellitaire, qui est considérée comme l’outil le plus
performant pour la génération d’informations spatiales indispensables à la gestion du
risque, n’est pas encore pleinement exploitée. En effet, la majorité des études mettant à
profit les capacités de cet outil pour la détection des zones inondées se sont jusque-là
concentrées sur la détection des inondations en milieu rural (Calabresi, 1996;
Oberstadler et al., 1997; Pellizzeri et al., 2003; Townsend et Walsh, 1998). Ainsi, les
algorithmes développés manquent encore de fiabilité dans les milieux urbains, où les
enjeux humains et économiques sont pourtant plus importants, et ne permettent pas
d’évaluer l’ampleur réelle de l’aléa, ni son évolution.
De plus, la plupart des méthodes actuelles d’analyse du risque lié aux inondations se
limitent à la cartographie de l’aléa lui-même, et ne prennent pas en compte les aspects
sociaux et économiques de la vulnérabilité, qui sont eux aussi des composantes
importantes du risque. Les fonctions reliant les dommages matériels potentiels que
pourraient subir les bâtiments selon la profondeur de submersion de l’inondation sont
privilégiées, et les outils créés s’adressent davantage aux assureurs qu’aux
gestionnaires du territoire ou à une réelle planification des mesures d’urgence. De ce
fait, aucun modèle conceptuel de formalisation de l’évaluation de la vulnérabilité n’a pour
le moment été développé.

3
Ainsi, les outils de cartographie du risque d’inondation en milieu urbain offerts comme
soutien spécifique à l’optimisation des procédures de planification et d’implantation des
mesures d’urgence visant à réduire les impacts d’une inondation en cours sur la
population, sont encore peu développés et sont rarement opérationnels en phase de
gestion de crise.
1.3 Notions de base relatives à la gestion du risque
d’inondation
1.3.1 Risque : Aléa et Vulnérabilité
Le risque, l’aléa, la vulnérabilité sont les notions centrales de cette étude. Leurs
définitions étant variables selon les domaines d’expertise (sécurité civile, ingénierie,
assurances, etc.), les auteurs ou les études (Schneiderbauer et Ehrlich, 2004), il est
nécessaire de leur donner une définition précise dans un contexte de sécurité civile.
La vulnérabilité représente une condition résultant de facteurs physiques, sociaux,
économiques ou environnementaux, qui prédispose les éléments exposés à la
manifestation d’un aléa à subir des préjudices ou des dommages (Morin, 2008).
L’aléa constitue un phénomène, une manifestation physique ou une activité susceptible
d’occasionner des pertes en vies humaines ou des blessures, des dommages aux biens,
des perturbations sociales et économiques ou une dégradation de l’environnement
(Morin, 2008).
Enfin, le risque est le résultat de l’interaction entre un aléa et la vulnérabilité des
éléments exposés à son égard. Il correspond ainsi à la combinaison de la probabilité
d’occurrence d’un aléa et des conséquences pouvant en résulter sur les éléments
vulnérables d’un milieu donné (Morin, 2008). Les pertes peuvent être estimées en
termes de vies humaines, de destruction d’infrastructures ou en termes financiers
(UNDRO, 1979).
Ainsi, une inondation ne constitue pas un risque dans une zone inhabitée, aucun
élément vulnérable n’y étant en théorie présent en termes de sécurité civile. Si au
contraire elle touche une zone densément peuplée, où des infrastructures importantes
sont implantées, le risque sera présent et pourra être fort (Cutter et al., 2003).

4
La capacité qu’a un aléa à causer des dommages résulte donc de ses caractéristiques
propres, mais aussi des caractéristiques du milieu touché. Une analyse complète et
fiable du risque lié aux inondations ne peut donc s’affranchir d’un de ces deux éléments,
à savoir l’aléa et la vulnérabilité, et doit intégrer de manière précise l’ensemble de leurs
caractéristiques (Morin, 2008; Peduzzi et al., 2009).
Dans le cas de l’aléa inondation, ces caractéristiques varient selon les études. La
vitesse des flots, la hauteur de l’eau, la durée de l’inondation, la température de l’eau,
l’étendue de l’inondation ou encore la concentration en sédiments peuvent être
considérés (Jonkman, 2005; Zhai et al., 2006). Nous avons choisi de n’utiliser que les
trois caractéristiques qui, selon nous, sont les plus susceptibles d’influencer la
vulnérabilité : l’étendue spatiale de l’inondation, la hauteur d’eau dans les zones
submergées et la durée de l’inondation. La vulnérabilité sera quant à elle caractérisée à
l’aide de trois dimensions principales : la vulnérabilité intrinsèque, la vulnérabilité du bâti
et la vulnérabilité des infrastructures essentielles. Ces trois dimensions seront détaillées
dans la quatrième partie du document.
1.3.2 La gestion du risque d’inondation
La gestion du risque lié aux inondations se décompose en trois volets: le volet de
prévention et d’atténuation, le volet de gestion de crise et le volet de retour d’expérience.
Le volet de prévention et d’atténuation prend appui sur la connaissance et la localisation
des zones à risque, et vise à réduire les vulnérabilités humaine et économique, en
protégeant l’existant, en informant la population ou encore en limitant l’implantation des
biens et des personnes dans les zones exposées à l’aléa inondation. Elle est basée, tout
comme la phase de retour d’expérience, sur l’analyse des crues potentielles ou passées
afin d’aider la compréhension des phénomènes physiques et de limiter le risque à long
terme (Hostache et al., 2005).
La phase de gestion de crise correspond quant à elle à des actions en état d’urgence, et
comporte donc une contrainte temporelle importante. Une des préoccupations majeures
est alors de connaître dans les délais les plus brefs l’ampleur précise de l’inondation
mais aussi la localisation des populations les plus vulnérables. L’objectif est de déployer
rapidement les moyens d’actions et de secours les plus appropriés et ainsi de réduire
les conséquences humaines et matérielles du sinistre (Henry, 2004).

5
Enfin, la phase de retour d’expérience cherche à tirer des conclusions sur les
conséquences de l’inondation, à en mesurer les impacts humains et économiques mais
aussi à analyser la pertinence des moyens déployés lors de la phase de gestion de
crise. Cette phase permet de bâtir ou d’améliorer les politiques de prévention du risque
et de protection des éléments vulnérables face à une inondation future (Hostache et al.,
2009).
1.3.3 Inondations à cinétique lente et inondations à cinétique rapide
Dans le cadre de cette étude, il est important de distinguer deux types de crues, dont les
dynamiques, la gestion et les conséquences sont distinctes. Il s’agit des inondations à
cinétique lente et des inondations à cinétique rapide.
Les inondations à cinétique lente concernent le plus souvent des bassins versants
moyens à grands, dont la superficie peut aller de 15 000 à 100 000 km
2
. Elles sont
causées par des précipitations sous forme de pluies ou de neige successives et
prolongées saturant les sols, et se caractérisent par une montée des eaux et une décrue
lentes et progressives, de l’ordre de la journée ou plus. Les durées de submersion sont
ainsi longues, et les quantités d’eau écoulées sont importantes (de centaines de millions
à plusieurs milliards de m
3
d’eau). Ces inondations n’étant pas violentes, le risque direct
pour la population est relativement limité lors de l’inondation, mais le coût des
dommages liés à la durée de submersion est élevé. Ces inondations sont aussi
désignées sous le terme d’inondations fluviales ou d’inondations de plaine.
Les inondations à cinétique rapide, ou inondation éclair, concernent quant à elles des
bassins versants très réactifs, souvent de petite superficie, ayant une dimension allant
de quelques km
2
à une centaine de km
2
, ou encore le lit de torrents à forte pente (> 6°).
Elles sont le plus souvent dues à des pluies orageuses extrêmes localisées sur des
surfaces petites à moyennes (jusqu’à quelques centaines de km
2
pour des temps de
réaction du bassin versant de l’ordre de quelques heures), et se caractérisent par une
montée des eaux rapide, d’une durée souvent inférieure à 1 heure, par une charge
alluviale élevée et par un fort pouvoir érosif et destructif. Le risque humain et
économique est alors très élevé, car le temps d’alerte est souvent très limité et
l’évacuation est difficile.

6
L’échelle temporelle du risque n’est ainsi pas la même en cas d’inondation lente et
d’inondation éclair. Lors d’une inondation éclair, la gestion de crise se fait sur le court
terme : les dégâts humains et matériels sont importants dès les premiers instants de
l’inondation et le risque est aussitôt élevé. Dans ce contexte, les mécanismes d’alerte et
de prévention sont les plus adaptés à la réduction des dégâts humains et matériels.
Différemment, dans le cas des inondations lentes, la gestion de crise s’inscrit sur le long
terme : les dégâts humains et matériels sont peu élevés dans les premiers temps de
l’inondation, mais le risque croît avec la durée de l’inondation et la profondeur de
submersion. L’apport d’un outil permettant de spatialiser le risque en temps quasi-réel
devient alors pertinent. Un cas concret de ce type d’inondation est survenu au printemps
2011 dans le bassin versant de la rivière Richelieu au Québec et dans l’état de New-
York (Environnement Canada, 2011; GéoInfo, 2011; CyberPresse.ca, 2011). Le retour
d’expérience fait par la Sécurité publique du Québec (Serge Légaré, Nicolas Gignac,
communications personnelles) a fait ressortir les limites des outils actuels et a souligné
le besoin de développer un outil opérationnel de cartographie en temps quasi-réel du
risque d’inondation en milieu urbain qui puisse soutenir la gestion des mesures
d’urgence et ainsi réduire les impacts humains des inondations.
1.4 Objectif principal et objectifs spécifiques
1.4.1 Objectif principal
L’objectif principal de cette thèse est de développer une méthode de cartographie du
risque pour la population lié aux inondations en milieu urbain, adaptée au contexte de la
gestion de crise.
Trois volets sont considérés :
1. Le développement d’une méthode de caractérisation spatiale de l’aléa
inondation, permettant de déterminer avec précision l’étendue des zones
inondées au niveau intra-urbain ainsi que la hauteur d’eau en tout point de ces
zones.
2. Le développement d’une méthode de formalisation et d’évaluation de la
vulnérabilité de la population aux inondations, permettant une analyse de la
vulnérabilité à l’échelle du foyer.

7
3. Une étude de cas, qui permettra d’évaluer la faisabilité de la méthode intégrée
de cartographie en temps quasi-réel du risque pour la population lié aux
inondations. Cette dernière étape permettra de tester et de valider les approches
méthodologiques développées à partir d’un cas réel.
1.4.2 Objectifs spécifiques
Afin de répondre à l’objectif principal qui vient d’être énoncé, les objectifs spécifiques
suivants devront être atteints :
1) Caractérisation de l’aléa inondation
a) Améliorer la délimitation des zones inondées à l’aide de l’imagerie
RADARSAT-2, en vue de son intégration dans un outil d’évaluation en temps
quasi-réel du risque humain lié aux inondations en milieu urbain;
i) Définir les paramètres d’acquisition optimaux pour la détection et la
délimitation des zones urbaines inondées à l’aide de l’imagerie RADARSAT-2
en termes de polarisation, d’angle d’incidence et de résolution spatiale;
ii) Valider la pertinence de l’intégration des paramètres hydrauliques (relations
niveaux-débits) dans la méthodologie de détection des zones inondées;
b) Calculer les profondeurs de submersion en tout point de la zone inondée, avec
une précision centimétrique.
2) Formalisation et évaluation de la vulnérabilité humaine aux inondations
a) Définir les besoins en termes d’évaluation de la vulnérabilité de la population lors
d’une inondation en milieu urbain, en phase de gestion de crise;
b) Développer des indicateurs de vulnérabilité adaptés à la gestion de crise;
c) Formaliser l’évaluation de la vulnérabilité humaine aux inondations en milieu
urbain.
Il s’agit d’intégrer les méthodes d’évaluation de la vulnérabilité humaine aux inondations
et la méthodologie de caractérisation de l’aléa inondation en milieu urbain développée
dans cette étude au sein d’un même outil.
Pour développer et tester cet outil, l’ensemble des données de terrain et des données
géomatiques (images satellitaires, données cartographiques, données hydrologiques,
etc.) acquises durant les deux mois qu’a duré l’inondation du printemps 2011

8
dans le bassin versant de la rivière Richelieu — tout particulièrement au niveau de la
ville de St-Jean-sur-Richelieu, en Montérégie — a été mis à notre disposition par le
ministère de la Sécurité publique du Québec.
1.5 Contenu du rapport
Ce document s’articule autour de trois parties.
Tout d’abord, le site d’étude sur lequel les approches méthodologiques seront évaluées
sera présenté, ainsi que l’ensemble des données mises à disposition par le Ministère de
la Sécurité Publique pour cette étude.
La seconde traite de la caractérisation spatiale de l’aléa inondation. Il y sera fait état des
avantages et des limites de la télédétection radar à synthèse d’ouverture pour la
détection des zones inondées, ainsi que des interactions existant entre l’onde radar et
les différents milieux inondés. Les remarques issues de la revue de littérature seront
ensuite présentées. Enfin, une méthodologie de caractérisation spatiale de l’aléa
inondation sera proposée.
La troisième partie de l’étude est consacrée à la caractérisation de la vulnérabilité aux
inondations. Il y sera fait état des besoins actuels en matière d’analyse de la
vulnérabilité humaine aux inondations, des différents aspects à prendre en compte pour
une analyse fiable de la vulnérabilité, ainsi que de leurs méthodologies d’évaluation
spécifiques. La présentation d’une méthodologie d’évaluation de la vulnérabilité humaine
aux inondations conclura cette partie.
Une conclusion présentera les résultats attendus, ainsi qu’un échéancier des travaux
prévus jusqu’à la fin de 2014.

9
2 PRÉSENTATION DU SITE D’ÉTUDE ET DES DONNÉES
Cette seconde partie présente les caractéristiques du site d’étude sur lequel les
approches méthodologiques seront évaluées et validées, ainsi que l’ensemble des
données mises à disposition par le Ministère de la Sécurité Publique, qui est partenaire
de cette étude.
2.1 Présentation du site d’étude
Le site d’étude est celui de la municipalité de Saint-Jean-sur-Richelieu, située au sud du
Québec, dans la région administrative de la Montérégie. Cette municipalité de 92 394
habitants s’est développée sur les rives de la rivière Richelieu, dans les basses-terres
du Saint-Laurent. La zone d’étude se caractérise donc par un très faible dénivelé.
L’occupation du sol de la municipalité est à dominante rurale, avec 57 % des sols
occupés par des activités agricoles ou de cultures et 8 % occupés par des forêts. Les
zones urbaines, situées de part et d’autre de la rivière, occupent 35 % de la zone
d’étude.
La rivière Richelieu a connu, de la fin avril à la fin juin 2011, une inondation majeure.
Cette inondation a été la première d’une telle envergure depuis l’enregistrement de
données hydrométriques sur la rivière Richelieu, soit depuis plus de 150 ans. Elle a ainsi
largement dépassé les niveaux de crue centennale établis par le Centre d’Expertise
Hydrique du Québec (CEHQ), occasionnant l’inondation de plus de 3 000 résidences,
l’évacuation de près de 1 000 personnes, la fermeture d’écoles, de routes et de ponts,
etc. (Quebecgeographique 2011). L’inondation a surpris par son intensité — de
nombreuses zones n’ayant jamais été inondées ont été touchées — mais aussi par sa
durée exceptionnellement longue, de près de deux mois. Au maximum de la crue, les
zones touchées s’étendaient du lac Champlain jusqu’à la ville de Beloeil, s’inscrivant
ainsi dans un rectangle de 65 km (du Nord au Sud) par 22 km (d’Est en Ouest)
(Figure 1).
À Saint-Jean-sur-Richelieu, deux types de zones ont été particulièrement touchées. Ces
zones, situées en grande partie en amont du centre-ville, sont des zones boisées et des
zones résidentielles, dont certaines sont entourées d’arbres. Au total, ce sont presque
500 maisons qui ont été inondées dans la municipalité.

10
2.2 Présentation des données
L’inondation de la rivière Richelieu ayant duré près de deux mois — entre fin avril et fin
juin 2011 —, il a été possible pour le Centre Canadien de Télédétection de planifier
l’acquisition d’un grand nombre d’images RADARSAT-2 en double polarisation (HH-HV)
sur une zone s’étendant du lac Champlain jusqu’à la ville de Sorel-Tracy. Ainsi, 33
images ont pu être acquises entre le 5 mai et le 6 juillet 2011, selon différents modes
d’acquisition (Fin et Standard), différents angles d’incidence et différentes orbites. Une
série d’images RADARSAT-2 en polarisation simple HH a également pu être acquise le
1
er
mai 2011, en mode Ultra Fin. Les images ayant été acquises sur une période de près
de deux mois, et ce dès la première semaine de l’inondation, nous avons donc à
disposition des images correspondant aux pics de crues, permettant également de nous
renseigner sur la dynamique spatio-temporelle de l’inondation (Figure 2). Ces données
sont complétées par des images optiques issues des capteurs GeoEye (1
er
mai),
WorldView (1
er
mai) et Ikonos (8 mai) et par des images dans le proche infrarouge,
issues du capteur EO-1 ALI (11 mai). Elles seront mises à profit lors des phases de
validation des méthodologies. L’ensemble des données satellitaires est détaillé dans
l’Annexe 1.
Au niveau des données topographiques, nous disposons de données LIDAR d’une
résolution horizontale et verticale de 5 mètres et de contours topographiques au
1 mètre, couvrant l’ensemble de la zone d’étude. Ces données ont également été
fournies par le Ministère de la Sécurité Publique du Québec. Pour la suite des travaux, il
pourrait s’avérer nécessaire d’obtenir des données topographiques à une résolution
spatiale plus fine, de l’ordre de 1 ou 2 mètres.
Les données de niveau et de débit relatives aux cotes de crue de référence 2 ans,
20 ans et 100 ans ont également été produites pour la zone d’étude dans le cadre du
Plan de Détermination des Cotes de Crues de récurrences PDCC, et sont disponibles
sous forme vectorielle. Ces données sont accessibles sur le site internet Geoboutique,
du Ministère des Ressources Naturelles et de la Faune du Québec. Enfin, nous
disposons de fichiers vectoriels de l’occupation du sol pour toute la municipalité de
Saint-Jean-sur-Richelieu.

11
Figure 1 Étendue de la zone inondée (tons bleu foncé) le 11 Mai 2011 (Image EO-1 ALI, NASA) et
limites de la municipalité de Saint-Jean-sur-Richelieu (en rouge)

12
Figure 2 Niveau d'eau (Station Marina St-Jean-sur-Richelieu) notamment lors des dates d'acquisition des images

13
3 CARACTÉRISATION DE L’ALÉA INONDATION
Cette section vise à définir l’ensemble des principes et des concepts relatifs à la
caractérisation de l’aléa inondation à partir de l’imagerie radar satellitaire. Les avantages
et les limites des capteurs radar à synthèse d’ouverture seront tout d’abord présentés,
ainsi que les concepts de base de la télédétection radar. Les interactions du signal radar
avec les différents types de zones inondées seront ensuite définies. Enfin, nous
présenterons les principales remarques issues de la revue de littérature et les
orientations méthodologiques qui en découlent.
3.1 Les outils de cartographie de l’aléa inondation
Trois catégories d’outils permettent la cartographie de l’aléa inondation quand celui-ci
est en cours. Il s’agit des relevés sur le terrain, de la modélisation hydraulique ainsi que
de la télédétection. Cependant, et ce malgré leurs avantages respectifs, certains de ces
outils présentent des limites importantes, qui réduisent leur intérêt pour la caractérisation
de l’aléa inondation dans un contexte de gestion de crise.
3.1.1 Les relevés sur le terrain
L’acquisition de données directement sur le terrain est une méthode largement utilisée
pour l’étude des phénomènes spatiaux et environnementaux, mais n’est pas adaptée à
la caractérisation de l’aléa inondation en phase de gestion de crise. En effet,
l’échantillonnage spatial réalisé sur le terrain est souvent peu élevé et mal distribué, ce
qui ne permet pas d’obtenir des informations précises sur les limites des zones inondées
et sur les hauteurs de submersion en tout point de ces zones (Townsend et Walsh,
1998). À cela s’ajoutent souvent des problèmes logistiques d’accès aux zones inondées
et des coûts d’acquisition des données élevés (Hess et al., 1995; Lang et al., 2008).
Enfin, et c’est une limite importante, le temps nécessaire à l’acquisition de données sur
la zone, à leur traitement puis à la production d’une carte de l’aléa inondation est
souvent trop long pour être adapté à la phase de gestion de crise, en particulier quand
l’étendue des zones touchées est importante.

14
3.1.2 La modélisation hydraulique
La modélisation hydraulique permet de simuler numériquement et de prédire l’évolution
spatio-temporelle des caractéristiques hydrauliques d’une rivière au cours d’une crue,
telles que le débit, la hauteur d’eau, les surfaces inondées ou les vitesses de l’eau
(Hostache et al., 2005; L'Homme, 2006). C’est un outil couramment employé dans le
cadre de la gestion des inondations, aussi bien pour la prévision des inondations que
dans les volets de prévention et de gestion de crise. Les modèles hydrauliques
demeurent cependant une représentation schématique d’un système réel complexe et
requièrent la compréhension et l’intégration de chaque processus du cycle de l’eau, à
l’aide de données spécifiques (Estupina Borrell, 2004). Cela représente un volume
important de données, qu’il peut parfois être difficile et coûteux d’obtenir à cause d’un
manque inéluctable de stations de mesures, aussi bien en milieu rural qu’en milieu
urbain (Mason et al., 2012a; Matgen et al., 2007). Ces modèles restent donc teintés
d’une part d’incertitude. Cette incertitude, de même que le manque de données
nécessaires au fonctionnement optimal de ces modèles, peuvent cependant être réduits
par l’intégration de données issues de sources autres que les relevés manuels sur le
terrain ou les stations de mesures automatisées. En effet, les données issues de la
télédétection sont parfois mises à profit durant les phases de calage et de validation des
modèles hydrauliques (Giustarini et al., 2011; Mason et al., 2012b; Matgen et al., 2007).
3.1.3 La télédétection
Différents outils de télédétection peuvent être utilisés pour caractériser l’aléa inondation.
La photographie aérienne, qui permet d’obtenir des images de haute résolution de la
zone inondée, est considérée comme une source de données de qualité pour la
délimitation et l’analyse des zones inondées (Schumann et al., 2009). Cependant, son
utilisation pour la génération de cartes de l’aléa inondation est souvent limitée par le
coût élevé des acquisitions aéroportées et par le temps nécessaire à l’acquisition des
données, souvent trop long lorsque l’inondation est étendue (Mallinis et al., 2011). À
cela peuvent s’ajouter des conditions météorologiques empêchant le survol de la zone
inondée et enfin les difficultés de détection des zones inondées sous un couvert végétal
dense ou à travers un épais couvert nuageux.
Les capteurs optiques satellitaires opérant dans les bandes du visible et de l’infrarouge
(de 0.4 µm à 100 µm) ont permis d’améliorer l’accès aux données nécessaires à la

15
cartographie des inondations à un coût moins élevé que celui de la photographie
aérienne (Brivio et al., 2002). La très haute résolution spatiale — de l’ordre du mètre —
des capteurs les plus récents (Ikonos, WorldView, Geoeye, etc.) permet maintenant
l’identification précise de la ligne d’eau et des objets urbains et sous-urbains inondés.
C’est ainsi une avancée intéressante par rapport aux capteurs optiques plus anciens
(Spot, Landsat, etc.) dont la résolution spatiale est ou était souvent de l’ordre de
plusieurs dizaines de mètres (Van der Sande et al., 2003). Cependant, l’acquisition de
données de qualité est souvent fortement réduite par la présence d’un couvert nuageux
récurrent durant les inondations, les longueurs d’onde du visible et de l’infrarouge ne
pouvant pénétrer les nuages (Horritt et al., 2003; Marti-Cardona et al., 2010; Schumann
et al., 2011). L’imagerie optique ne permet pas non plus de détecter les zones inondées
sous un couvert végétal dense, ce qui exclut une partie de l’information recherchée dans
certaines zones (Hess et al., 1995; Sanyal et Lu, 2004). Enfin, la très haute résolution
spatiale des données optiques se fait également au détriment de la largeur de fauchée.
Il peut ainsi être nécessaire de programmer l’acquisition de plusieurs images pour
couvrir l’intégralité de la zone inondée, ce qui peut s’avérer coûteux, le prix de ce type
d’images variant entre 20 à 25 $ par km
2
, selon le capteur (André et al., 2002).
Les capteurs satellitaires opérant dans les micro-ondes passives — hyperfréquences
allant de 1GHz à 100 GHz —, tels que les capteurs SSM/I ou AMSR-E, mesurent les
radiations micro-ondes émises naturellement par la terre et l’atmosphère. Les radiations
micro-ondes ont pour avantage d’être relativement peu sensibles à la diffusion
atmosphérique, ce qui permet au capteur d’acquérir des images en conditions
nuageuses (Smith, 1997). Une des limites principales de ce type de capteur réside en
leur faible résolution spatiale. En effet, les hyperfréquences étant émises en faible
quantité par la surface terrestre, il est nécessaire pour les radiomètres à micro-ondes
passives d’intégrer les émissions d’une large zone avant de pouvoir enregistrer un
signal. Ainsi, la faible résolution spatiale des images acquises — de l’ordre de 20 à
60 km, selon les capteurs — limite très fortement leur utilisation pour la détection précise
des inondations au niveau local (Matgen et al., 2011). Leur grande emprise spatiale, de
même que la haute résolution temporelle des capteurs (1 à 2 passages quotidiens), en
font tout de même des capteurs satellitaires intéressants pour la détection et le suivi des
zones inondées sur de grands territoires.

16
3.1.4 La télédétection radar
Les satellites radar à synthèse d’ouverture (RSO) sont des capteurs actifs opérant dans
les hyperfréquences (1 GHz à 40 GHz, selon les bandes). L’atmosphère ne présentant
pas d’absorption marquée des hyperfréquences aux longueurs d’onde supérieures à
2 cm (soit environ 12 GHz), ces capteurs ont la capacité d’acquérir des images de la
surface terrestre à travers les nuages, de jour comme de nuit (Bonn et al., 1996). Ils
permettent ainsi de fournir des informations aux phases actives de la crue, durant
lesquelles les conditions de nébulosité sont souvent importantes (Evans et al., 2010;
Horritt et Bates, 2001).
De plus, la rétrodiffusion du signal émis par un capteur RSO est particulièrement
sensible à l’humidité de la surface imagée, à ses propriétés diélectriques, mais aussi à
la rugosité de la surface et à sa géométrie (Baghdadi et al., 2001). Ses capacités, qui
seront détaillées par la suite, lui confèrent un fort potentiel pour la détection des
changements de condition d’humidité du sol et, ainsi, pour la cartographie des zones
inondées (Brisco et al., 2008; Mallinis et al., 2011).
Les capteurs à bord des satellites lancés depuis 2007, tels que TerraSAR-X,
RADARSAT-2 ou encore COSMO-SkyMed, permettent maintenant l’acquisition
d’images dont la résolution peut aller jusqu’à 1 mètre selon les modes d’acquisition (par
exemple, 1 m avec le mode High Resolution Spotlight de TerraSAR-X, 3 m avec le
mode Ultra Fin de RADARSAT-2 et 1 m avec le mode Spotlight de COSMO-SkyMed).
Ces améliorations vers la très haute résolution spatiale, jusque-là non disponible sur les
capteurs satellitaires RSO, permettent ainsi d’obtenir une image précise et détaillée de
la zone d’étude, adaptée aux analyses en milieu urbain (Schmitt et al., 2010). Cette
haute résolution se fait cependant au détriment de la largeur de fauchée au sol.
Une des limites à l’utilisation des satellites RSO pour le suivi opérationnel des
inondations a été pendant longtemps leur trop basse résolution temporelle (Pulvirenti et
al., 2011a). Cependant, les mises en orbite des satellites de la constellation COSMO-
SkyMed, et bientôt de ceux de la constellation RADARSAT-3, permettent un temps de
revisite dans un délai maximal de 12 h (Pierdicca et al., 2010; Pulvirenti et al., 2011a).
Certains capteurs RSO (comme RADARSAT-2) sont dotés d’une visée sélective (droite
ou gauche) permettant la sélection du faisceau et de l’angle d’incidence pour assurer un
meilleur suivi de la région d’intérêt.

17
Cela permet de réduire le temps d’observation moyen de ces satellites et d’accroître leur
fréquence d’observation lors de situations jugées critiques (André et al., 2002; Voigt et
al., 2008).
Enfin, l’acquisition de données en double polarisation (HH+HV ou VV+VH) et en
quadruple polarisation (HH+VV+HV+VH) est maintenant possible avec certains capteurs
(voir Tableau 2), et n’est donc plus limitée à la polarisation simple (HH ou VV) ou croisée
(HV ou VH). Cela permet une meilleure discrimination entre les différentes surfaces
présentes sur l’image car chaque signal reçu par le capteur possède une sensibilité
particulière à diverses caractéristiques ou propriétés de surface (Baghdadi et al., 2001).
Un des problèmes récurrent associé aux images issues des capteurs RSO est celui du
haut niveau de bruit qui dégrade les images et rend difficile leur interprétation. Ce bruit
est provoqué par le phénomène d’interférences aléatoires entre les ondes cohérentes
émises par le radar et une surface rugueuse, dans laquelle une infinité de réflecteurs
élémentaires se trouvent (Henry, 2004). Ce bruit étant de nature multiplicative, il est
d’autant plus fort que la rétrodiffusion est forte, ce qui rend l’analyse et l’interprétation
des images parfois difficiles dans les zones urbaines ou boisées (Hahmann et al., 2008;
Horritt, 1999).
Enfin, si la très haute résolution spatiale des capteurs les plus récents est un de leur
atout principal pour la cartographie des inondations, elle a également pour effet de
détecter un grand nombre d’objets présents au sol, dont le signal rétrodiffusé peut
parfois entraver la cartographie précise des zones inondées par des méthodes
d’analyse traditionnelles, et alourdir les traitements (Giustarini et al., 2011; Hahmann et
al., 2008; Voigt et al., 2008). C’est le cas tout particulièrement dans les milieux urbains,
où de multiples réflecteurs de l’ordre d’un ou deux mètres, tels que les murs, voitures,
balcons, etc., peuvent dominer le signal par des mécanismes de rétrodiffusion multiple
(Franceschetti et al., 2002; Schumann et al., 2011).
Malgré ces derniers aspects, les capteurs radar satellitaires ont un potentiel très
intéressant pour la détection et la délimitation des inondations, et se présentent comme
les outils les plus adaptés à la génération d’informations adaptées au contexte de la
gestion de crise (Cossu et al., 2009).

18
3.2 Principes de télédétection radar
Cette section rappelle brièvement les principes de base de la télédétection radar, qui
seront régulièrement évoqués au cours de cette étude. Ces définitions sont issues de
trois sources (Bonn et al., 1996; Henry, 2004; Polidori, 1997).
3.2.1 Physique du signal
Les systèmes radar sont des systèmes hyperfréquences composés d’un émetteur, qui
émet une onde électromagnétique en direction d’une surface, et d’un récepteur, qui
enregistre le signal réfléchi par cette surface. Le signal rétrodiffusé est mesuré sur les
plans temporel (date de réception du signal) et énergétique (intensité du signal) puis
comparé avec le signal émis. La mesure du temps de parcours de l’onde permet
d’accéder à la distance entre l’antenne et la surface, et par conséquent à la distance
entre les cibles élémentaires constituant la surface.
L’équation radar relie les caractéristiques du signal reçu, du radar et de la cible du point
de vue énergétique, et est exprimée par l’équation suivante :
𝑃
𝑟
= 𝑃
𝑒
𝐺
2
𝜆
2
𝜎
(4𝜋)³𝐷
4
𝑎
Où 𝑃
𝑟
est la puissance reçue [W], 𝑃
𝑒
est la puissance émise [W], 𝐺 est le gain de
l’antenne [W], 𝜆 est la longueur d’onde, 𝜎 est la Surface Équivalente Radar [m²], 𝐷 est la
distance antenne-cible [m] et 𝑎 est le coefficient de perte par absorption.
La Surface Équivalent Radar (SER) est une fonction qui intègre les paramètres liés à la
surface de réflexion, tels que sa géométrie ou sa constante diélectrique, et est ainsi
dépendante de la fréquence et de la polarisation du signal radar.
3.2.2 Longueur d’onde des systèmes RSO
Les systèmes radar utilisent une gamme de fréquences qui s’étend de 0.225 GHz à
36.0 GHz. Cette région du domaine des hyperfréquences est divisée en 7 bandes
(Tableau 1).
L’atmosphère est presque transparente pour ces différentes bandes radar. Cependant,
les bandes Ka et Ku sont peu utilisées pour la définition de systèmes spatiaux, car elles
sont fortement atténuées par la troposphère.

19
La bande P est quant à elle fortement dispersée par l’ionosphère. Les autres bandes
sont par conséquent les plus largement utilisées par les capteurs satellitaires.
Tableau 1 Bandes spectrales, plages de fréquences et longueurs d’ondes utilisées par les
capteurs Radar (Henry, 2004)
P
0.025-0.390
GHz
133-76.9 cm
L 0.39-1.55 GHz
76.9-19.3
cm
S 1.55-4.20 GHz 19.3-7.1 cm
C 4.20-5.75 GHz 7.1-5.2 cm
X 5.75-10.90 GHz 5.2-2.7 cm
Ku 10.9-22.0 GHz 2.7-1.36 cm
Ka 22.0-36.0 GHz
1.36-0.83
cm
3.2.3 La polarisation
L’onde électromagnétique émise par une antenne radar est composée d’une variation
du champ électrique 𝐸
�
⃗
et du champ magnétique 𝑀
�
�
⃗
, ayant des axes orthogonaux (à 90
degrés l’un de l’autre). La polarisation décrit l’alignement et la régularité des champs
électriques et magnétiques de l’onde dans le plan transverse à sa propagation. Elle se
définit par la direction du champ électrique 𝐸
�
⃗
par rapport au plan d’incidence qui contient
le vecteur d’onde 𝑘
�
⃗
et la normale de la surface de réflexion.
Les antennes d’un système radar peuvent être configurées de façon à émettre et à
capter un rayonnement électromagnétique polarisé horizontalement ou verticalement.
Ainsi, la polarisation est caractérisée par deux lettres : la première désigne la
polarisation suivant laquelle l’onde est émise par le capteur et la seconde la direction
dans laquelle l’antenne mesure l’onde rétrodiffusée.

20
La lettre H désigne une polarisation horizontale et la lettre V désigne une polarisation
verticale. Selon les capteurs, différentes combinaisons de polarisation sont disponibles :
Polarisation simple HH, VV, HV ou VH
Double polarisation HH et HV, VV et VH, HH et
VV
Quadruple polarisation HH, VV, HV et VH
Lorsque l’onde radar frappe une surface et est réfléchie, la polarisation peut être
modifiée, tout dépendant des propriétés de ladite surface. Cette transformation modifie
l’apparence de la scène sous imagerie radar polarimétrique, ce qui permet souvent de
déterminer le type de surface frappée à partir de l’image.
3.2.4 L’angle d’incidence
L’angle d’incidence correspond à l’angle entre la direction antenne-cible et la normale au
sol au niveau de la cible. La normale est le vecteur qui est perpendiculaire au sol, et
dépend donc de la pente locale et de l’azimut du terrain.
Le phénomène de rétrodiffusion n’est généralement pas isotrope. Ainsi, la rétrodiffusion
d’un objet ou d’une surface ne sera pas la même selon l’angle d’incidence avec lequel
l’onde radar est émise.
3.2.5 Les systèmes radar à synthèse d’ouverture
La synthèse d’ouverture est une technique qui s’applique aux systèmes radar à visée
latérale, permettant d’améliorer la résolution géométrique. Elle exploite, d’une part, le
principe de la compression d’impulsion — simulant une impulsion de signal très brève à
partir d’une impulsion physique longue, pour augmenter la résolution en distance — et,
d’autre part, la focalisation des échos Doppler d’une cible, qui permet d’améliorer la
résolution géométrique, sur la direction azimutale. Ce traitement de la phase du signal
permet de simuler une antenne de très grande taille, d’où le nom de « synthèse
d’ouverture ».

21
Ces deux traitements RSO donnent accès à des résolutions géométriques bien
meilleures et donc à des produits d’imagerie plus intéressants tant sur les plans
physique que thématique. Le tableau 2 résume les caractéristiques des différents
capteurs radar cités au cours de cette étude.
Tableau 2 Caractéristiques des capteurs radar cités dans l’étude
Capteur Lancement
Bande
(GHz)
Résolution
spatiale (m)
Polarisations
Temps de revisite
(jours)
ERS-1 1991-2000 C (5,3) 25 VV 3
JERS-1 1992-1998 L (1,3) 18 HH 44
ERS-2 1995-2011 C (5,3) 25 VV 3
RADARSAT-1 1995- C (5,3) 8-100 HH 24
ENVISAT 2002-2012 C (5.3) 9-2000
HH ou VV
HH/VV ou HH/HV
ou VV/VH
3
ALOS-
PALSAR
2006-2011 L (1.3) 10-100
HH ou VV
HH+HV ou VV+VH
HH+HV+VH+VV
46
RADARSAT-2 2007- C (5.4) 3- 100
HH ou VV
HH+HV ou VV+VH
HH+HV+VH+VV
24
COSMO-
SkyMed
2007- X (9.6) 1-100
HH, VV, HV ou VH
HH+HV, VV+VH
16
(<1 à 4 jours avec
constellation)
TERRASAR-X 2007- X (9.6) 1-18
HH, HV, VH, VV
HH-HV ou HH-VH,
ou VV-HV
11

22
3.3 Interaction du signal radar avec les plans d’eau
La diffusion de l’onde radar reçue par une surface est dépendante des propriétés de la
surface imagée (rugosité, constante diélectrique, composition et géométrie), des
paramètres du capteur RSO utilisé (longueur d’onde et polarisation) mais aussi de la
géométrie d’acquisition du capteur, à savoir la direction de l’orbite, l’angle d’incidence
local et l’aspect de la cible par rapport à la position du capteur (Badji et Dautrebande,
1997; Sanyal et Lu, 2004). Nous définirons ici l’ensemble des interactions du signal
radar avec les surfaces en eau dans différentes conditions.
3.3.1 Plans d’eau libre et champs inondés
Les plans d’eau libre et les champs non cultivés totalement inondés présentent des
surfaces lisses avec une constante diélectrique élevée et agissent comme des
réflecteurs spéculaires (Smith, 1997). L’énergie incidente est donc presque entièrement
rétrodiffusée hors du champ de réception du capteur. Ces surfaces apparaissent ainsi
avec des valeurs de rétrodiffusion très faibles sur l’image, donc des tons noirs (Brivio et
al., 2002; Horritt et al., 2003). Les zones d’asphalte ou de béton, omniprésentes en
milieu urbain et souvent étendues, agissent comme des réflecteurs spéculaires et
peuvent être confondus avec des champs inondés ou des plans d’eau (Badji et
Dautrebande, 1997). Il est cependant possible de limiter ces effets à l’aide
d’informations auxiliaires dérivées de cartes topographiques ou de l’occupation du sol.
La rugosité des plans d’eau libre peut augmenter sous l’action d’un vent fort créant des
vaguelettes à la surface de l’eau (Badji et Dautrebande, 1997). La réflexion diffuse
remplace alors localement la réflexion spéculaire. Les vagues ayant une longueur
d’onde proche ou supérieure à celle de la résolution du capteur peuvent ainsi être
visibles sur l’image, sous la forme de traits linéaires clairs à la surface de l’eau
(Hahmann et al., 2008; Mason et al., 2001; Stabel et Löffler, 2004).
Étant donné que les plus longues longueurs d’onde permettent d’obtenir un meilleur
rapport de contraste entre la terre et l’eau, la bande X est plus adaptée à la détection
des plans d’eau que les plus courtes longueurs d’onde, comme les bandes C et L
(Martinis et al., 2009). Le choix de la polarisation joue également un rôle important dans
la détection des plans d’eau libre. La polarisation HH semble être la plus adaptée pour
distinguer les surfaces inondées des surfaces non inondées et offre la meilleure
dynamique radiométrique (Ahtonen et Hallikainen, 2005; Henry et al., 2006).

23
On la préfère à la polarisation VV, qui permet une séparabilité assez similaire de l’eau et
de la terre, mais qui est plus sensible à l’augmentation de la rugosité de surface. De
même, les polarisations croisées HV et VH semblent être plus adaptées que la
polarisation VV, car moins sensibles aux vagues et aux ondulations à la surface de l’eau
(Horritt et al., 2003; Solbø et Solheim, 2005).
3.3.2 Végétation et zones boisées inondées
Lorsqu’un sol couvert de végétaux (cultures, plantes basses, bois) est inondé, le
mécanisme de réflexion diffuse des sols secs ne domine plus. La constante diélectrique
d’un sol inondé étant plus élevée que cette d’un sol sec, une quantité plus importante
d’énergie sera réfléchie de manière spéculaire par le sol inondé, et sera soumise à une
réflexion par double bond entre l’eau et les troncs et feuilles verticales de la partie
inférieure de la végétation (Hess et al., 1995). À cela s’ajoute une diffusion de volume
issue des parties supérieures de la végétation (André et al., 2002; Bonn et Dixon, 2005).
Les forêts et la végétation inondées apparaîtront ainsi dans des tons clairs sur l’image,
ce qui permet généralement de les distinguer des forêts et de la végétation non
inondées, pour lesquelles la réflexion diffuse du sol réduit l’effet de réflexion par double
bond, induisant des tons plus foncés (Hahmann et al., 2008; Horritt et Bates, 2001;
Mason et al., 2012a). Les berges des rivières étant souvent bordées de zones végétales
parfois larges de plusieurs mètres, il est important de tenir compte de ce phénomène
pour ne pas fausser la délimitation des zones inondées (Horritt et al., 2003; Mason et al.,
2012a).
Les courtes longueurs d’onde, comme les bandes C et X, ne peuvent traverser une
canopée ou une végétation dense. En effet, la diffusion de volume issue des couches
supérieures de la canopée domine la rétrodiffusion de ces ondes plus courtes,
empêchant l’obtention d’informations sur la présence d’eau au sol (Townsend, 2002). À
l’inverse, les plus longues longueurs d’onde, telles que les bandes L et P, sont capables
de pénétrer la canopée et atteignent les couches inférieures de la végétation et le sol
(Ahtonen et Hallikainen, 2005; Townsend, 2002). Ces bandes permettent ainsi de
discriminer les forêts inondées des forêts non inondées, en tout contexte, tandis que les
courtes longueurs d’ondes ne sont utiles qu’en présence d’une végétation moins dense,
en conditions hivernales par exemple. De même, la contribution de la canopée est plus
grande avec les petits angles d’incidence (< 35 degrés) qu’avec les grands angles

24
d’incidence (> 35 degrés), ce qui peut permettre de détecter les zones inondées et ce,
même sous un couvert relativement dense (Hess et al., 1990; Mason et al., 2007). Enfin,
la polarisation multiple semble apporter davantage d’informations sur la végétation
inondée que la polarisation simple, et en particulier les polarisations HH et VV pour
séparer les forêts inondées des forêts non inondées (Evans et al., 2010;
Townsend, 2002).
3.3.3 Zones urbaines inondées
La rétrodiffusion des zones urbaines est dominée par des mécanismes de réflexion en
coin et de réflexion par double bond dues à leurs structures angulaires, qui les font
apparaître dans des tons très clairs sur une image RSO (Bonn et Dixon, 2005).
Lorsqu’une zone urbaine est inondée, ces mécanismes restent les mêmes (Stabel et
Löffler, 2004). Le signal est alors réfléchi intégralement par l’eau, en direction des
bâtiments ou des arbres, puis en grande partie réfléchi directement de ces structures
vers le capteur (Figure 3). Cela explique pourquoi les zones urbaines ont une forte
rétrodiffusion même lorsqu’elles sont inondées lors de l’acquisition. Ainsi, distinguer les
zones urbaines inondées des zones urbaines non inondées sur une image RSO est
complexe (Mason et al., 2010; Sanyal et Lu, 2004; Solbø et Solheim, 2005). Les zones
inondées en milieu urbain sont ainsi détectables uniquement quand les bâtiments sont
suffisamment éloignés les uns des autres pour laisser la réflexion spéculaire dominer
(Martinis et al., 2011).
Les avenues bordées d’arbres, que l’on retrouve souvent en milieu urbain, génèrent
également une réflexion par double bond, ce qui leur donne des tons clairs sur une
image RSO et ce, qu’elles soient inondées ou non (Sanyal et Lu, 2004). Aussi, il est
important de souligner qu’à cause de la géométrie de vue des capteurs RSO, les
phénomènes d’ombre et de déversement causés par les bâtiments et les arbres peuvent
masquer une partie de l’inondation, à certains angles d’incidence ou en visée
descendante (Mason et al., 2010). Cela peut poser un problème important dans les
zones résidentielles de banlieues, qui regroupent souvent des maisons unifamiliales
entourées d’un nombre d’arbres assez élevé (Oberstadler et al., 1997). Ces
phénomènes d’ombre et de déversement se retrouvent aussi dans les zones au relief
marqué.

25
Étant donné que ces phénomènes sont irréversibles, une partie de l’information peut
être masquée et les tons noirs peuvent se confondre avec des plans d’eau libre (Brivio
et al., 2002; Schumann et al., 2012). Peu d’études ayant été réalisées sur les zones
urbaines inondées à ce jour, nous ne pouvons indiquer avec précision quels sont les
paramètres d’acquisition les plus adaptés.
Figure 3 Mécanismes et intensité de rétrodiffusion des surfaces inondées et des surfaces
sèches (d’après Schumann et al. (2012))
Ainsi, la détection des surfaces inondées peut être entravée par plusieurs facteurs,
relatifs à la nature de la surface inondée imagée, aux effets de la géométrie du terrain
ou encore à des paramètres d’acquisition inappropriés (Matgen et al., 2011; Stephens et
al., 2012). Le développement d’une méthodologie de caractérisation de l’aléa inondation
fiable et précise doit donc tenir compte de l’ensemble de ces facteurs.

26
3.4 Analyse des méthodologies de caractérisation de l’aléa
inondation à l’aide de l’imagerie radar satellitaire
Cette section apporte une vue générale de l’état de l’art en matière de techniques de
délimitation des zones inondées et d’évaluation des hauteurs d’eau. Elle se divise en
différents points, selon les éléments majeurs qui ressortent de cette revue de littérature.
3.4.1 Milieu urbain et milieu rural
Malgré le fait que le risque est souvent bien plus important en zone urbaine qu’en zone
rurale, la rareté des études portant de manière spécifique sur le développement d’une
méthodologie de détection des zones urbaines inondées est flagrante (Mason et al.,
2007). Cela peut s’expliquer, d’une part, par le fait que la très haute résolution spatiale,
nécessaire à la détection des inondations en milieu urbain, n’est disponible que depuis
peu (2006) sur les capteurs radar satellitaire. D’autre part, le temps de revisite des
capteurs de très haute résolution spatiale étant encore élevé (voir Tableau 2), le nombre
d’évènements durant lesquels il est possible d’acquérir des images RSO d’inondations
urbaines est fortement réduit (Mason et al., 2011; Schumann et al., 2012). Les satellites
permettant d’acquérir des images de ces évènements sont donc avant tout des satellites
de faible résolution spatiale (~ 100 m) qui, eux, ont un temps de revisite plus court, mais
ne sont pas adaptés aux analyses à l’échelle intra-urbaine (Schumann et al., 2011). La
mise en orbite de constellations de capteurs à très haute résolution spatiale ouvre
cependant des possibilités intéressantes pour une exploitation plus efficace des images
RSO dans les applications en zones urbaines (Giustarini et al., 2011; Pellizzeri et al.,
2003).
3.4.2 Capteurs et données utilisées pour la détection des zones inondées
L’analyse des données utilisées dans les diverses études portant sur la délimitation des
zones inondées permet d’appuyer le constat précédent.
En effet, seules quelques images de très haute résolution spatiale présentant une
situation d’inondation en zone urbaine sont disponibles. Parmi ces images, celles
acquises par le satellite TerraSAR-X (mode StripMap, polarisation HH, angle
d’incidence de 24°) lors de l’inondation de la ville de Tewkesbury (Angleterre) en 2007
ont souvent été utilisées dans les études les plus récentes (Giustarini et al., 2011;
Martinis et al., 2011; Mason et al., 2010; Schumann et al., 2011; Voigt et al., 2008). Les

27
systèmes radar aéroportés (ASAR) ont également été mis à profit dans certaines études
et permettent d’obtenir une vue très détaillée de la zone touchée, avec une résolution
spatiale de l’ordre du mètre (Bates et al., 2006; Néelz et al., 2006). Enfin, quelques
images présentant des zones urbaines et rurales inondées ont été acquises par les
capteurs ENVISAT, RADARSAT-1, ERS-1 et ERS-2 (Di Baldassarre et al., 2009;
Pellizzeri et al., 2003; Voigt et al., 2008). Ces images ayant une résolution spatiale
moindre (> 10 mètres), l’analyse précise des zones urbaines inondées n’est pas
possible et les zones inondées détectées sont surtout les plans d’eau libres.
Au niveau des études en milieu rural, les capteurs et paramètres d’acquisition sont plus
variés. Les capteurs les plus utilisés pour la détection des zones inondées en milieu
rural sont les capteurs ERS-1, ERS-2 et ENVISAT (Dellepiane et al., 2000; Giordano et
al., 2005; Horritt et Bates, 2001; Oberstadler et al., 1997; Stabel et Löffler, 2004). Les
satellites RADARSAT-1 et RADARSAT-2 ont été utilisés dans quelques études
seulement, en particulier pour l’analyse et le suivi des zones humides inondées (Evans
et al., 2010; Kussul et al., 2011; Pellizzeri et al., 2003). Les acquisitions réalisées par les
capteurs de haute résolution spatiale sont en nombre plus restreint. Les images issues
du capteur COSMO-SkyMed ont été utilisées à quelques reprises (Angiati et al., 2010;
Hahmann et al., 2008). On peut citer en particulier la série de cinq images en
polarisation HH acquises lors de l’inondation de la rivière Tanaro (Italie) et utilisées par
la suite dans de nombreuses études (Chini et al., 2011; Dellepiane et al., 2010;
Pierdicca et al., 2010; Pulvirenti et al., 2011a; Pulvirenti et al., 2010).
Ainsi, à ce jour, seul le capteur TerraSAR-X a permis l’acquisition de données de haute
résolution spatiale présentant une inondation en milieu urbain. Ce manque de données
peut induire deux contraintes : les méthodologies développées sont souvent spécifiques
au site d’étude sur lequel elles ont été développées et les résultats générés n’ont pas
toujours la même précision si des données aux caractéristiques différentes sont
utilisées. Enfin, on constate que les données RADARSAT-2 (bande C) de haute
résolution spatiale n’ont jamais été utilisées pour la détection des zones inondées en
milieu urbain. Les images disponibles pour cette étude, acquises en polarisation simple
HH (mode Ultra Fin) mais aussi en double polarisation HH-HV (mode Fin et mode
Standard), avec différents angles d’incidences et différentes polarisations, constituent
donc la première opportunité de tester et d’évaluer l’intérêt de paramètres d’acquisition
différents pour la détection des zones inondées en milieu urbain.

28
3.4.3 Techniques de traitement de l’image pour la détection et la
délimitation des zones inondées
De nombreuses techniques de traitement de l’image ont été utilisées pour détecter et
délimiter les zones rurales et urbaines inondées sur des images RSO. Ces techniques
ont été référencées dans plusieurs articles ou ouvrages (Liu et al., 2004;
Sanyal et Lu, 2004; Schumann et al., 2012). Parmi les techniques les plus souvent
utilisées, on retrouve le seuillage d’histogramme de l’image (Henry et al., 2006; Hess et
al., 1995; Schumann et al., 2007), les méthodes de détection des changements multi-
temporels (Badji et Dautrebande, 1997; Boni et al., 2007; Giordano et al., 2005) et les
modèles statistiques de contours actifs (Ahtonen et Hallikainen, 2005; Bates et al., 2006;
Horritt, 1999; Matgen et al., 2007). À cela s’ajoutent l’interprétation visuelle simple
(Brivio et al., 2002; Maggi et al., 1998; Oberstadler et al., 1997), les algorithmes de
classification par texture de l’image (Schumann et al., 2007; Vinu Chandran et al., 2006),
l’analyse en composante principale (Gan et al., 2012; Matgen et al., 2007) et enfin les
algorithmes de classification automatique (Bonn et Dixon, 2005; Hoque et al., 2011;
Sohn et al., 2005).
3.4.4 Méthodologies non adaptées au contexte de gestion de crise
Malgré la volonté affichée d’un grand nombre d’études de développer des
méthodologies de cartographie des zones inondées servant de support à la gestion du
risque d’inondation, on remarque que les impératifs identifiés en matière
d’automatisation des traitements et d’accès rapide aux données nécessaires ne sont
souvent pas atteints, mais aussi que les méthodes développées sont souvent
spécifiques à un site d’étude (Matgen et al., 2011; Schumann et al., 2011). La revue de
littérature nous a permis d’identifier deux approches très largement utilisées mais qui ne
peuvent s’inscrire dans un contexte opérationnel.
La technique du seuillage est souvent utilisée pour séparer les zones inondées des
zones non inondées sur les images RSO et est appréciée pour sa simplicité et son faible
temps de traitement (Brivio et al., 2002; Henry et al., 2006; Martinis et al., 2009;
Zwenzner et Voigt, 2009). L’approche est simple : tous les pixels de l’image RSO ayant
une intensité ou une amplitude inférieure à un seuil fixé suite à l’analyse de
l’histogramme des rétrodiffusions de l’image sont considérés comme « inondés » et
ceux ayant une rétrodiffusion plus élevée sont considérés comme « non inondés ». Pour

29
fixer ce seuil, on utilise souvent la faible rétrodiffusion des plans d’eau — à la surface
desquels la réflexion spéculaire domine — qui permet de les distinguer aisément des
autres types d’occupation du sol (Martinis et al., 2009). Cette approche est aussi
souvent utilisée dans les approches de segmentation de l’image par croissance de
région ou par contour actif, où elle sert à sélectionner les pixels servant de « noyaux »
de croissance (Mason et al., 2011; Matgen et al., 2011). Cependant, si le seuillage
d’histogramme permet généralement la détection précise des plans d’eau, il ne s’adapte
pas à la détection des zones inondées dont les mécanismes de rétrodiffusion sont plus
complexes et dont les coefficients de rétrodiffusion varient selon les paramètres
d’acquisition de l’image (zones urbaines, forêts, végétation) et selon les caractéristiques
de la zone imagée (Pulvirenti et al., 2010). Il n’est donc pas possible de fixer un seuil
unique et universel pour délimiter chaque type de zone inondée, ce qui la rend
difficilement automatisable (Sanyal et Lu, 2004). Des efforts ont cependant été faits
dans ce sens, mais encore peu d’études utilisent la technique du seuillage sous forme
automatisée (Ahtonen et Hallikainen, 2005; Schumann et al., 2007; Solbø et Solheim,
2005).
Les techniques multi-temporelles de détection des changements ont également été
utilisées fréquemment pour la détection et la cartographie des zones inondées, étant
elles aussi appréciées pour leur simplicité et leur rapidité (Boni et al., 2009). Cette
approche se base sur le principe de la forte dépendance de la rétrodiffusion de
l’intensité du signal aux propriétés diélectriques de la surface, et a pour objectif de
détecter les changements de rétrodiffusion entre deux images RSO, l’une acquise hors
inondation et l’autre durant l’inondation (Badji et Dautrebande, 1997). Une détection des
changements d’amplitude mais aussi de cohérence peut être réalisée. Les approches
par amplitude recherchent dans l’image les baisses de rétrodiffusion correspondant
généralement à des surfaces totalement submergées durant l’inondation et les
augmentations de rétrodiffusion correspondant à l’émergence de surfaces et à des
mécanismes de réflexion par double bond (Andreoli et Yesou, 2007). Deux méthodes de
détection des changements, souvent utilisées, ont été relevées dans la littérature : les
compositions colorées faites à partir de deux images ou plus (Angiati et al., 2010; Boni
et al., 2009; Cossu et al., 2009; Temimi et al., 2011; Weydahl, 1996), les opérations
arithmétiques entre deux images (Andreoli et Yesou, 2007; Hahmann et al., 2008; Nico
et al., 2000) et les approches par cohérence. Ces dernières utilisent les informations de
phase dérivées de l’interférométrie RSO (Dellepiane et al., 2010; Giordano et al., 2005;

30
Smith, 1997; Wdowinski et al., 2006). L’eau peut alors être identifiée à l’aide des régions
ayant une faible corrélation de phase interférométrique entre les deux images, les
surfaces sèches ayant une plus forte cohérence.
Ces méthodes de détection des changements, bien qu’avantageuses, présentent deux
limites majeures. Dans un premier temps, elles nécessitent l’utilisation d’au moins deux
images, dont les paramètres d’acquisition doivent être similaires (fréquence,
polarisation, angle d’incidence) et dont la différence temporelle n’est pas trop élevée
pour ne pas que des changements dus à l’occupation du sol ou à un stade de
croissance de la végétation différent entrent en jeu (André et al., 2002; Boni et al., 2009;
Weydahl, 1996). Or, ces besoins sont difficilement satisfaits dans les applications
opérationnelles (Angiati et al., 2010). De plus, les résultats produits par la méthode de
détection des changements ne constituent pas une carte finale utilisable, et les résultats
doivent encore être classifiés ou interprétés. Certaines études proposent ainsi le recours
à l’interprétation visuelle (Stabel et Löffler, 2004; Weydahl, 1996), au seuillage (Andreoli
et Yesou, 2007; Giordano et al., 2005; Temimi et al., 2011), à la segmentation orientée
objet sur une image composée-couleur ou encore à l’application d’un indice de
différence normalisé (Badji et Dautrebande, 1997). Ainsi, si les approches de détection
des changements sont souvent automatisées, les méthodes de classification
nécessaires à la production de la carte finale ne le sont pas toujours.
3.4.5 Intérêt des approches orientées objet
Les éléments individuels présents dans une image RSO de très haute résolution
spatiale ont une grande variance spectrale, ce qui résulte en des variances importantes
à l’intérieur d’une même classe thématique, et ainsi en une confusion interclasse élevée
(Mason et al., 2012a). À cela s’ajoute le bruit souvent important qui dégrade les images
RSO. Ainsi, les approches de classification par pixel, qui classent les pixels de manière
indépendante sur la base de leurs rétrodiffusions, ne peuvent produire de bons résultats
sur ce genre d’images (Voigt et al., 2008). Les méthodes d’analyse de l’image orientées
objet semblent être une des meilleures manières de s’affranchir de ces phénomènes
(Mallinis et al., 2011).

31
En effet, au lieu de tenter de reconstruire une estimation de la rétrodiffusion pour chaque
pixel, la segmentation s’affranchit du bruit en identifiant des régions ou des objets dont
les propriétés de texture ou les tons de gris sont similaires à constants (Hahmann et al.,
2008). Les objets identifiés par la segmentation peuvent ensuite être classifiés selon des
paramètres tels que l’information de contexte, la texture, la géométrie de l’objet, etc.
(Pulvirenti et al., 2011a).
La méthode de segmentation statistique de l’image par contours actifs ou « snakes »,
développée par Kass et al. (1988) a été très largement utilisée pour la détection des
zones inondées en milieu rural (Horritt et Bates, 2001; Mason et al., 2007; Néelz et al.,
2006; Voigt et al., 2008). Les contours actifs sont des contours curvilignes qui évoluent
dans le temps et dans l’espace bidimensionnel de l’image pour s’approcher de la forme
d’un objet à détecter et s’y fixer. Ils utilisent les propriétés de texture et/ou de ton,
mesurées au niveau local le long des contours, pour distinguer les limites des objets
(Horritt, 1999; Matgen et al., 2007). L’évolution de ces contours est guidée par une
fonction d’énergie définie par l’utilisateur selon les caractéristiques de l’image (Horritt et
Bates, 2001). Si cette méthode permet une délimitation précise des plans d’eau libre
(supérieure à 90 %) et permet de s’affranchir du bruit de l’image, elle n’est cependant
pas appropriée pour la détection des zones inondées en milieu urbain (Mason et al.,
2012a). Les contours curvilignes ne s’adaptent pas, en effet, à l’étroitesse des rues en
milieu urbain. De plus, plusieurs de ses paramètres requièrent des ajustements manuels
et semblent encore difficilement automatisables, ce qui constitue une limite importante
pour notre projet (Ahtonen et Hallikainen, 2005).
Une approche plus simple de segmentation par croissance de région peut être utilisée,
où le noyau de croissance s’étend aux pixels voisins selon leurs propriétés statistiques
jusqu’à ce que les conditions de similitude ne soient plus remplies (Malnes et al., 2002).
Une approche de croissance de région supervisée pour les zones urbaines est proposée
par Mason et al. (2010) sur des données TerraSAR-X de très haute résolution spatiale,
sur lesquelles les effets d’ombre et le repliement en milieu urbain ont été masqués. Les
noyaux de croissance sont déterminés à l’aide d’un seuillage automatique, puis le
regroupement des pixels se fait à l’aide d’un opérateur morphologique de dilatation des
régions par itérations successives, puis par l’application d’un second opérateur
morphologique d’érosion sur ces régions.

32
Cette même méthode a été utilisée par Pulvirenti et al. (2011a), sur une série d’images
COSMO-SkyMed d’une région rurale proche de la ville d’Alessandria, en Italie. Son
originalité réside dans le fait que les segments délimités automatiquement sur l’image
par les opérateurs morphologiques d’érosion et de dilatation sont ensuite classifiés à
l’aide d’une approche par logique floue permettant d’intégrer les connaissances
théoriques de la rétrodiffusion radar des zones inondées à l’aide de modèles
électromagnétiques de diffusion, des considérations hydrauliques simples et
d’informations contextuelles.
3.4.6 Intégration des paramètres hydrauliques
Les paramètres hydrauliques sont peu utilisés dans les études portant sur la délimitation
des zones inondées à l’aide de l’imagerie RSO (Pierdicca et al., 2008). La plupart des
méthodes développées utilisent en effet uniquement les caractéristiques de
rétrodiffusion des surfaces inondées et seules quelques études intègrent les aspects
hydrauliques.
Une des premières études mettant à profit des considérations hydrauliques tente
d’estimer les zones inondées au maximum d’une crue à l’aide de la position des plans
d’eau stagnants observés après la crue sur des images RSO (ERS-1) et des
informations topographiques extraites d’un modèle numérique d’élévation (MNE) (Brivio
et al., 2002). La méthode utilise une matrice cumulée de moindre distance-coût pour
retrouver les cellules submergées durant l’inondation, en retraçant le chemin de l’eau
entre la zone stagnante observée sur l’image RSO et le lit de la rivière. Cette matrice
permet de prendre en compte l’énergie nécessaire à l’eau pour surmonter les éléments
naturels et anthropiques qui freinent l’écoulement de l’eau sur une surface — tels que la
topographie montante, la rugosité de surface, le couvert végétal et l’utilisation du sol, qui
sont autant de facteurs de résistance — et alors atteindre une cellule de hauteur
supérieure. Les considérations hydrauliques sont ainsi intégrées de manière simple :
étant donné que le coût est fonction de la topographie et de la distance combinées, le
débit nécessaire à l’eau pour atteindre des cellules à « coût » plus élevé doit en même
temps être suffisant pour que l’eau atteigne aussi les cellules ayant un « coût » moins
élevé. Cependant, la résistance est un paramètre très complexe à modéliser selon les
auteurs, qui font ainsi la supposition que les caractéristiques de rugosité de la surface
sont constantes à travers toute la zone. Malgré cela, cette méthode semble produire des

33
résultats satisfaisants en zone rurale. Une méthode assez similaire, basée uniquement
sur la distance euclidienne au point de destination, a été utilisée pour la sélection de
pixels supposés inondés à partir d’une ligne maximale de hauteur d’eau extraite en zone
rurale (Mason et al., 2012a). La délimitation des zones urbaines inondées qui en résulte
teintée d’une très large part d’erreur (environ 35% des pixels sont correctement
classifiés) et est ainsi insuffisante. On peut ainsi supposer que le facteur « résistance »,
particulièrement présent en zone urbaine à cause du grand nombre d’éléments
anthropiques qui s’y trouvent, doit être pris en compte lorsqu’on intègre l’hydraulique
urbaine à une méthodologie de détection.
Les travaux réalisés par Macina et al. (2006) et par Pierdicca et al. (2008) mettent
également les considérations hydrauliques à profit, au sein d’une approche hybride
combinant la détection des changements de rétrodiffusion entre des images ERS-1
acquises avant puis au cours d’une inondation et la logique floue. Ces considérations
hydrauliques sont intégrées sous la forme de fonctions d’appartenance, relatives à
l’information de contexte des pixels et aux caractéristiques de surface extraites d’un
MNE. Elles sont basées sur les principes suivants :
- la probabilité de présence d’un pixel inondé isolé à l’intérieur d’une zone
de pixels non inondés (ou inversement) est faible,
- la probabilité de présence de pixels non-inondés proches de pixels
inondés situés à une plus haute altitude est faible
- Enfin, la probabilité de présence d’un pixel inondé proche de pixels non
inondés situés à une plus faible altitude est faible.
Une fonction d’appartenance correspondant à la proximité d’un pixel à un plan d’eau est
par la suite intégrée à cette même approche (Pierdicca et al., 2010; Pulvirenti et al.,
2011a). L’idée est ainsi que si une rivière sort de son lit, la probabilité d’inondation est
forte pour les pixels proches de la rivière ayant une altitude n’excédant par celle du lit de
la rivière. Ces pixels auront alors un fort degré d’appartenance à la classe pixel inondés.
Dans une approche développée par Mason et al. (2010), les auteurs estiment
raisonnable de supposer qu’en condition d’inondation, le niveau d’eau en zone urbaine
ne devrait pas être beaucoup plus élevé que dans les zones rurales proches. Ainsi, la
hauteur maximale de la ligne d’eau déterminée en zone rurale grâce à une
segmentation par « snake » est utilisée pour déduire la hauteur d’eau maximale en zone
urbaine.

34
Cela permet de sélectionner un ensemble de pixels en zone urbaine situés sous la ligne
maximale des eaux et dont la rétrodiffusion est spéculaire, lesquels serviront de base à
une interpolation par krigeage ou encore de noyaux à un algorithme de croissance de
région (Mason et al., 2011).
Les méthodes qui viennent d’être présentées intègrent ainsi les notions de débit
nécessaire lors de l’inondation pour couvrir une surface que l’on sait être inondée, mais
aussi la notion de connectivité hydraulique des pixels inondés, dans les domaines
spatial et topographique, aussi bien en milieu rural qu’en milieu urbain. Or, bien que la
connectivité topographique semble être un apport intéressant pour les méthodes de
classification en zone rurale, elle semble l’être moins en zone urbaine, où les résultats
sont beaucoup moins probants (Mason et al., 2012b; Schumann et al., 2011). Étant
donné que les études en zone urbaine utilisent toutes des données LIDAR d’une
résolution spatiale de 2 mètres acquises hors inondation, leurs résultats ne peuvent être
entièrement imputables à des données topographiques inadaptées. Cela peut
cependant être dû en grande partie à la présence d’éléments complexifiant les
connectivités hydrauliques à l’échelle micro-topographique, tels que des murs, clôtures,
digues, etc. Ainsi, ces paramètres de connectivité topographique doivent être utilisés
avec précaution en milieu urbain.
3.4.7 Estimation des hauteurs d’eau
Les hauteurs d’eau ne peuvent être extraites directement des données RSO, ce qui
nécessite le recours à des méthodes de mesure indirecte et, ainsi, à l’intégration de
données auxiliaires (Smith, 1997; Voigt et al., 2008). Les mesures indirectes impliquent
la fusion d’une image RSO et de données topographiques (Sanyal et Lu, 2004). L’image
satellite RSO, sur laquelle les zones inondées ont été préalablement délimitées, est
projetée sur un MNE et est transformée en plan de crue. On obtient alors une « lame
d’eau » par l’intersection des deux couches d’information, ce qui permet d’estimer les
hauteurs de submersion dans les zones inondées (André et al., 2002).
Sur cette base, différentes méthodes ont été développées. La plus simple consiste en
l’extraction manuelle des zones inondées après la fusion des limites de l’inondation avec
une carte topographique au 1 : 5000 (Oberstadler et al., 1997; Schumann et al., 2008).
La résolution spatiale des données topographiques utilisées dans cette étude étant trop
faible, les erreurs d’estimation du niveau d’eau peuvent aller jusqu’à 2 mètres.

35
L’utilisation de MNE dérivés de relevés LIDAR, dont la résolution spatiale est de l’ordre
du mètre, s’est largement développée depuis le début des années 2000 (Hostache et
al., 2009; Néelz et al., 2006; Zwenzner et Voigt, 2009). La fusion de ces données
topographiques de haute résolution spatiale avec les limites des zones inondées
extraites d’images RSO améliore globalement l’extraction des hauteurs d’eau, atteignant
généralement une précision de 0.5 à 1.1 mètres. De meilleurs résultats sont cependant
obtenus avec l’utilisation de modèles d’interpolation et de modèles de régression sur les
hauteurs d’eau issues de la fusion des données LIDAR et des données RSO (Bates et
al., 2006; Matgen et al., 2007; Schumann et al., 2007).
Les niveaux d’eau obtenus ont alors une précision de l’ordre de 20 à 35 cm, ce qui peut
être considéré comme très précis. Une des limites majeures de ces méthodes est
qu’elles ne sont pas automatisables.
Un des problèmes récurrents associés à l’extraction des hauteurs d’eau par fusion des
limites des zones inondées extraites des images RSO et de données topographiques
est l’incertitude importante sur les résultats. Ces incertitudes peuvent avoir trois
sources : les paramètres de segmentation de l’algorithme servant à délimiter les zones
inondées, la correspondance géométrique des deux couches de données utilisées et,
enfin, la précision verticale et la résolution horizontale du MNE (Giustarini et al., 2011).
De légères erreurs de classification des zones inondées, des imprécisions durant le
processus de géocodage ou encore l’utilisation de données RSO et topographiques dont
les résolutions spatiales sont trop grossières ou trop différentes l’une de l’autre, peuvent
réduire de manière importante la qualité des estimations de la hauteur d’eau dans les
zones inondées (Zwenzner et Voigt, 2009).
Ainsi, les données topographiques doivent être sélectionnées avec soin. Les données
SRTM (Shuttle Radar Topography Mission), dont la précision verticale varie beaucoup
avec la localisation (de 3.5 à 16 mètres selon les zones), produisent une erreur trop
importante et ne peuvent en aucun cas être utilisées à l’échelle locale (Schumann et al.,
2008). Les données LIDAR, certes plus chères et couvrant une petite zone, semblent les
plus appropriées grâce à leur haute résolution spatiale.

36
3.4.8 Prise en compte des effets géométriques en zone urbaine
Étant donné que peu d’études portent de manière spécifique sur la délimitation des
zones inondées en milieu urbain, les méthodes permettant de tenir compte des effets
d’ombre et de déversement et ainsi de limiter leurs impacts sur la qualité des résultats
de la classification sont encore peu nombreuses. Nous n’en avons ainsi recensé qu’une.
Cette méthode, appelée SETES pour SAR End-to-End simulator, a été développée par
Speck et al. (2007) et a été utilisée par Mason et al. (2012a) et Mason et al. (2011) pour
la délimitation des zones inondées en milieu urbain à l’aide d’images TerraSAR-X. Elle
permet d’estimer les régions de l’image où l’eau pourrait ne pas être visible à cause de
la présence d’ombre ou de déversement. L’estimation de ces régions est purement
géométrique et utilise le LIDAR DSM de la surface de la scène ainsi que les paramètres
d’acquisition de l’image RSO, à savoir la direction de visée du radar et l’angle
d’incidence. Les résultats sont des images binaires montrant l’ombre et le déversement
qui sont par la suite combinées pour créer un masque sur l’image RSO. Cette méthode
peut demander des temps de calculs parfois longs (plusieurs dizaines de minutes),
selon la taille de la zone urbaine, mais peut être réalisée en période de pré-
classification, une fois les paramètres de l’image RSO connus.
Ainsi, l’utilisation de cet outil permet de masquer les effets d’ombre et de déversement
en zone urbaine, ce qui permet de réduire les erreurs de classification. Il peut cependant
être important de souligner que, dans ce cas, une partie de l’information en zone urbaine
est perdue. On ne peut donc pas calculer l’apport réel de cet outil dans les résultats de
la classification, les résultats étant en grande partie dus aux techniques de classification
développées et à la précision des données utilisées.
3.5 Méthodologie de caractérisation de l’aléa inondation
Cette dernière section présente les orientations méthodologiques définies à l’issue de la
revue de littérature.
Ces orientations méthodologiques reposent sur la définition préalable d’une fonction de
débit-niveau, selon la méthode développée par Poulin et al. (2012) dans le cadre du
projet CADYRI. L’objectif de cette méthode, qui est déjà opérationnelle, est de
déterminer, pour un débit donné, le niveau de la surface d’eau associée et
subséquemment de dériver l’étendue de la plaine inondable et la profondeur de

37
submersion en tout point de la zone inondée, en utilisant le modèle numérique de terrain
de cette zone. Cette relation débit-niveau est calculée en tous points du domaine à partir
des cotes de récurrence officielles disponibles pour les crues de récurrence 2, 20 et 100
ans et des débits correspondants établis dans le cadre du programme de cartographie
des zones inondables et du programme de détermination des cotes de crues (PDCC).
Pour les besoins de cette étude, la relation débit-niveau créée à l’aide de l’outil CADYRI
sera inversée. En effet, la fusion de l’image RSO et du MNE va permettre de déterminer
les niveaux d’eau en certains points du domaine que l’on estime être inondés avec
certitude, sur la base de leurs caractéristiques de rétrodiffusion. Ainsi, ce qui est
recherché n’est plus le niveau d’eau, mais le débit nécessaire à l’inondation de ce ou de
ces points, afin de calculer et de simuler une plaine inondée « minimale » pour la zone.
Cette plaine inondée minimale permettra de détecter les zones inondées avec certitude.
Les caractéristiques de rétrodiffusion et l’occupation du sol des zones situées entre le lit
de la rivière et la limite supérieure de l’inondation seront extraites afin de créer une
bibliothèque de rétrodiffusion, contenant des signatures de référence pour chaque
classe de zone inondée (urbain inondé, forêt inondée, champs inondés, végétation
inondée, etc.) Cette bibliothèque de rétrodiffusion permettra par la suite de réaliser une
classification de l’ensemble de la zone d’étude. Un affinement de la classification sera
ensuite réalisé, afin de minimiser les erreurs de classification. Cet affinement intègrera
diverses fonctions de probabilité relatives à l’information de contexte des segments de
l’image, aux connectivités spatiale et topographique et enfin à la cote de récurrence
simulée pour les points éloignés. Les différentes étapes de cette méthodologie sont
présentées dans la figure 4 et sont détaillées ci-après.
Étant donné qu’un des objectifs de cette étude est de déterminer quel peut être l’apport
des données RADARSAT-2 en polarisation HH et en polarisation HH-HV pour la
détection des zones inondées, cette méthodologie sera testée sur les différentes images
radar disponibles, avec différentes combinaisons de paramètres d’acquisition
(polarisation, angle d’incidence, orbite). De même, à chaque étape de classification de
l’image, différents paramètres seront testés et évalués. Ces différents essais sont
nécessaires à la définition de l’outil le plus adapté à la détection des zones inondées.
Cette méthodologie peut être considérée comme novatrice car c’est la première fois
qu’une fonction niveau-débit est intégrée comme paramètre de délimitation des zones
inondées sur des images RSO de haute résolution spatiale. Cette méthodologie

38
nécessite un certain nombre de données autres que les images RADARSAT-2, ce qui
pourrait être un facteur limitant dans un contexte de gestion de crise. Ces données, à
savoir les modèles numériques de terrain, l’occupation du sol ou encore les niveaux et
débit des cotes de crue de référence de 2, 20 et 100 ans, sont cependant disponibles
pour la majorité des rivières et des municipalités du Québec. L’intégration de données
auxiliaires ne présente ainsi pas une contrainte majeure.

39
Figure 4 Organigramme méthodologique de caractérisation de l’aléa inondation
1·' niveau
de
classification
Sélection
des
segments Inondés
avec
certitude
(eau
libre)
2- niveau
de
c
la
ssification
Classifkallon
de
tous
les
segm
ents de rlmage
sur
la
base
de
la
bibliothèque
de
rétrodiffu
sion
3- niveau
de
cla
ss
ifi
ca
ti
on
Classification finale de l'image
Calcul
des
hauteurs
d'eau
en
tout
point
du
domain
e

40
3.5.1 Création de la fonction niveau-débit pour la zone d’étude
Les différentes étapes de la création de la fonction de régression niveau-débit utilisée
dans cette étude sont détaillées dans Poulin et al. (2012) et ne sont ici présentées que
de manière synthétique. La création de cette fonction est réalisée en mode pré-
opérationnel et a pour but de déterminer les paramètres de la fonction niveau-débit en
tout point de la région d’étude. Ces paramètres seront par la suite utilisés pour
déterminer la profondeur de submersion en tout point pour un débit donné. Elle utilise en
intrant des positions 3D représentant le niveau de l’eau en un point donné du domaine
pour un débit donné. Ces intrants peuvent être des limites de plaines inondées connues
(2, 20, 100 ans) et des profils en long. Ceux-ci seront utilisés pour générer une surface
simulant le niveau d’eau correspondant à chaque débit, à l’aide d’interpolations et
d’extrapolations. L’équation qui sert à déterminer les paramètres de la fonction débit-
niveau en tout point de la région à l’étude est la suivante :
𝐻 = 𝛼𝑄
𝛽
où, Q, le débit, et H, la hauteur d’eau, sont connus et α et β sont des constantes à
déterminer par optimisation. Il est possible de linéariser cette équation sous la forme :
Ln(H) = αln(Q) + β
Cette fonction de régression est calculée pour chacune des mailles communes à toutes
les surfaces d’eau. Le résultat est formé de deux matrices contenant les valeurs des
paramètres α et β spécifiques à chaque maille du domaine. La connaissance des
paramètres α et β permettra, une fois le niveau d’eau connu, d’extraire le débit
nécessaire à l’inondation des points submergés et ainsi à simuler la plaine inondée
minimale.
3.5.2 Premier niveau de classification
Données nécessaires
Images RADARSAT-2,
polarisations HH et HH-HV
Occupation du sol
Données de validation
Images IKONOS, WorldView et GeoEye
(selon la date d’acquisition de l’image
RADARSAT-2 utilisée)
Logiciels Geomatica 2012 ou Definiens e-Cognition

41
L’objectif de cette seconde étape est de détecter les zones étant inondées avec
certitude sur l’image RADARSAT-2. Ces zones sont celles qui présentent une réflexion
spéculaire qui n’est pas typique de la réflexion de la classe d’occupation du sol à
laquelle elles appartiennent.
Dans un premier temps, une segmentation orientée objet automatique de l’image pourra
être réalisée, afin que les segments homogènes présents sur l’image RADARSAT-2
soient préalablement identifiés. Divers paramètres de segmentation seront évalués : les
paramètres de taille et de forme, les valeurs de rétrodiffusion ou encore la texture. Cette
segmentation sera réalisée sur les images en polarisation HH (orbite descendante,
angle d’incidence de 23°) ainsi que sur les images en polarisation HH-HV (dont les
paramètres d’acquisition en termes d’orbite, d’angle d’incidence mais aussi de résolution
spatiale sont différents). Les résultats des segmentations seront validés à l’aide des
images optiques de très haute résolution spatiale disponibles (IKONOS, GeoEye et
WorldView).
Cette seconde étape consiste en la détection et en la classification des segments de
l’image correspondant à des zones inondées en eau libre. Ces segments doivent en
théorie présenter une réflexion de type spéculaire, mais ne doivent pas appartenir à la
classe d’occupation du sol « eau ». Plusieurs paramètres de classification seront testés,
afin de déterminer le ou les plus adaptés à la détection de ces zones inondées : les
paramètres de texture (identifiés comme les plus pertinents lors de la revue de
littérature), les coefficients de rétrodiffusion et, pour la polarisation HH-HV, le rapport de
polarisation. L’intérêt de ces différents paramètres sera réévalué selon les
caractéristiques de l’image RADARSAT-2 utilisée.
À la fin de cette étape, les zones d’eau libre inondées avec «certitude» pourront être
détectées puis délimitées. Il s’agit ainsi du premier niveau de classification de l’image.

42
3.5.3 Délimitation de la plaine inondée minimale
Données nécessaires
Image RADARSAT-2 segmentée
Segments « inondés » identifiés
Modèle numérique de terrain
Fonction de débit-niveau
Données de validation
Images IKONOS, WorldView et GeoEye
(selon la date d’acquisition de l’image
RADARSAT-2 utilisée)
Logiciels Geomatica 2012, ArcGIS 10
L’objectif de cette troisième étape est de déterminer le débit nécessaire à l’inondation du
segment classifié comme étant « inondé » au cours de l’étape précédente et ayant
l’altitude la plus haute. Ce débit servira à simuler une plaine inondée minimale
permettant de déterminer quels sont les segments de l’image inondés avec certitude.
Pour cela, le segment classifié comme « inondé » et ayant la plus haute élévation sur le
modèle numérique de terrain est sélectionné. On extrait ensuite le point le plus haut de
ce segment. Rechercher ce point revient à rechercher le point le plus haut connu
comme étant inondé et suppose de ce fait que le débit durant la crue permet de
submerger tout point de la zone ayant une élévation inférieure.
La fonction de niveau-débit développée dans la première étape de la méthodologie va
ensuite être mise à profit pour déterminer le débit minimal pour ce point. La zone
inondée sera ainsi délimitée.

43
3.5.4 Création de la bibliothèque de rétrodiffusions
Données nécessaires
Image RADARSAT-2 segmentée
Limites de la zone inondée « minimale »
Occupation du sol
Données de validation
Images IKONOS, WorldView et GeoEye
(selon la date d’acquisition de l’image
RADARSAT-2 utilisée)
Logiciels Geomatica 2012, ArcGIS 10
Cette troisième étape a pour objectif de créer une bibliothèque de rétrodiffusions,
contenant les informations sur la rétrodiffusion typique des différentes classes de
surfaces inondées présentes sur l’image RADARSAT-2. Les informations contenues
dans cette bibliothèque de rétrodiffusions permettront, avec l’occupation du sol, de
classifier l’ensemble des segments de l’image. Si cette méthode s’inspire directement de
celle développée par (Pulvirenti et al., 2011b), son originalité réside dans le fait que la
bibliothèque de signatures de rétrodiffusion est construite sur la base des informations
issues de l’image elle-même, et n’utilise pas des signatures de rétrodiffusion déjà
établies, considérées comme « universelles » et issues d’environnements différents.
Les signatures de rétrodiffusion des différentes classes de zones inondées seront
déterminées sur la base du type d’occupation du sol des segments et de leurs
caractéristiques de rétrodiffusion, qui seront évaluées à l’aide de différents paramètres
(texture, ton, intensité de rétrodiffusion, etc.)
Des segments appartenant à une même classe d’occupation du sol peuvent présenter
des caractéristiques de rétrodiffusion différentes. On pense, par exemple, aux milieux
urbains, dont les propriétés de rétrodiffusion peuvent changer d’un endroit à un autre. Il
n’est ainsi pas optimal de fixer des signatures de rétrodiffusion trop restrictives pour
chaque classe. On pourrait ainsi envisager de définir des valeurs minimales et
maximales définissant l’appartenance à une classe, selon les statistiques de
rétrodiffusion de l’ensemble des segments de l’image appartenant à une même classe.

44
3.5.5 Second niveau de classification
Données nécessaires
Image RADARSAT-2 segmentée
Bibliothèque de signatures de rétrodiffusion
Occupation du sol
Données de validation
Images IKONOS, WorldView et GeoEye
(selon la date d’acquisition de l’image
RADARSAT-2 utilisée)
Logiciels Geomatica 2012
L’ensemble des segments de l’image sont ensuite classifiés, selon leur occupation du
sol et selon leur similitude à chacune des différentes signatures de rétrodiffusion définies
pour chaque classe d’occupation du sol.
3.5.6 Affinement de la classification
Données nécessaires
Image RADARSAT-2 segmentée
Relation niveau-débit
Occupation du sol
Données de validation
Images IKONOS, WorldView et GeoEye (selon la
date d’acquisition de l’image RADARSAT-2
utilisée)
Logiciels Geomatica 2012, ArcGIS 10
Étant donné que la plaine inondée définie au cours de la deuxième étape (cf. 3.5.2) ne
correspond qu’à une plaine inondée « minimale », on ne peut savoir avec certitude où
se trouvent les limites de la plaine inondée maximale. Il est bien sûr possible de se
baser sur les points les plus hauts des segments les plus élevés classifiés comme étant
inondés, mais des erreurs de classification générées à l’étape 5 (cf. 3.5.5) pourraient
fausser l’estimation de la plaine inondée maximale de plusieurs mètres. Ainsi, un
affinement de cette classification s’impose. Pour cela, diverses fonctions de probabilité
d’appartenance pourront être définies, sur le modèle de Macina et al. (2006) et de
(Pierdicca et al., 2010). Ces fonctions d’appartenance pourraient par exemple être

45
relatives à l’information de contexte des segments, aux connectivités spatiale et
topographique à la zone inondée, ou encore à la valeur des débits simulés pour les
segments les plus éloignés de la plaine inondée « minimale » par rapport aux cotes de
crues maximales établies pour la zone étudiée (ex : cote de crue de récurrence
supérieure à celle de 100 ans).
3.5.7 Extraction des niveaux d’eau en tout point de la zone inondée
Données nécessaires
Image RADARSAT-2 classifiée
Relation niveau-débit
Données de validation
Autres données acquises sur le terrain,
Rapport de dommages, etc.
Logiciels Geomatica 2012, ArcGIS 10
Enfin, une fois l’ensemble des segments de l’image classifiés, il est possible d’extraire le
niveau d’eau maximal dans la plaine à l’aide de l’élévation maximale des segments les
plus élevés inondés, à l’aide du mode opérationnel de l’outil CADYRI.

47
4 CARACTÉRISATION ET ÉVALUATION DE LA
VULNÉRABILITÉ DE LA POPULATION AUX INONDATIONS
Cette section s’attache à définir l’ensemble des concepts relatifs à la caractérisation et à
l’évaluation de la vulnérabilité de la population aux inondations. Elle permet de
déterminer les dimensions de la vulnérabilité les plus pertinentes pour l’évaluation des
risques humains liés aux inondations, dans un contexte de gestion de crise. Sur la base
des travaux réalisés dans ce domaine et des remarques qui en sont issues, nous
proposerons une méthodologie d’évaluation propre à chaque dimension de la
vulnérabilité retenue. Une attention particulière sera portée à la manière de fusionner
ces différentes dimensions de la vulnérabilité, pour obtenir une évaluation de la
vulnérabilité de la population aux inondations. Si la méthodologie développée s’inscrit
avant tout dans un contexte de gestion de crise, elle devrait également permettre, à
terme, la réalisation de scénarios hors crise pour la préparation à la gestion de crises
potentielles.
4.1 Concepts relatifs à la vulnérabilité de la population aux
inondations
Une vue générale des travaux réalisés dans le domaine de la vulnérabilité de la
population aux inondations est présentée dans cette section. Les concepts sur la
vulnérabilité sont définis ainsi que les limites des approches existantes selon la
littérature sont présentés.
4.1.1 Définition et conceptualisation de la vulnérabilité
Durant les années 1970 et jusqu’au milieu des années 1980, la vulnérabilité était
souvent associée à la fragilité physique du bâti, c’est-à-dire à la probabilité qu’un
bâtiment ou une structure s’effondre à cause de l’impact d’un aléa (Kienberger, 2007).
Ainsi, l’évaluation des dommages matériels était au centre des analyses, et les aspects
humains de la vulnérabilité n’étaient souvent pas pris en compte. Aujourd’hui cependant,
le concept de vulnérabilité a évolué et intègre de nombreux aspects (Birkmann, 2007).
Cette évolution peut être constatée à la lecture de la définition de la vulnérabilité donnée
par les Nations Unies dans la Stratégie Internationale pour la Réduction des Désastres.
Selon cette définition, la vulnérabilité peut être définie comme « les conditions ou

48
processus déterminés par des facteurs physiques, sociaux, économiques et
environnementaux qui font augmenter la sensibilité ou la prédisposition d’une
communauté aux impacts d’un risque » (UN/ISDR, 2004 ). Ainsi, on considère
maintenant la vulnérabilité comme l’ensemble des conditions d’une société ou
d’éléments à risque qui déterminent le potentiel de l’aléa en termes de pertes en vie
humaines ou de pertes financières mais aussi en termes de perturbation de la société.
Un plus grand intérêt est donc porté depuis quelques années à la question de la
vulnérabilité des individus et des communautés, à travers leurs caractéristiques sociales
et économiques. Différentes manières de considérer la vulnérabilité sociale ont ainsi
émergé, et peuvent être regroupées en trois « écoles » (Rygel et al., 2006).
Dans certaines études, la vulnérabilité est considérée comme un état préexistant,
résultant des caractéristiques intrinsèques à la population. Ces études se concentrent
davantage sur l’exposition potentielle aux risques, et ainsi sur l’occupation humaine
dans les zones à risque. Dans ce cas, c’est plus souvent le degré de pertes humaines et
monétaires pouvant résulter d’un aléa particulier qui est examiné (Cutter et al., 2003).
Une vision plus évoluée de la vulnérabilité suggère que tous les individus présents dans
une zone à risque ne sont pas vulnérables de la même manière à un aléa. Ainsi, pour un
aléa donné, les pertes et les dommages peuvent varier grandement d’un individu ou
d’un foyer à l’autre. C’est sur cette approche que les études les plus récentes portant sur
la vulnérabilité humaine se sont concentrées. Selon celle-ci, la vulnérabilité de la
population varie avec la capacité d’adaptation des individus lorsqu’ils sont touchés par
un sinistre, qui est une combinaison de la résistance des individus (ou de leur capacité à
faire face à l’aléa) et de leur résilience, qui correspond à leur capacité à se remettre des
pertes ou des dommages rapidement (Birkmann, 2007; Buckle et al., 2001; Demoraes et
D'Ercole, 2009). Ainsi, la vulnérabilité est considérée comme un élément construit
socialement, et qui peut trouver d’une part ses origines dans le contexte économique et
politique de la zone d’étude (développement institutionnel, relations sociales, pouvoir
politique etc.) (Cutter et al., 2003), mais aussi dans les caractéristiques socio-
économiques des individus eux-mêmes (Demoraes et D'Ercole, 2009; Hebb et Mortsch,
2007; Morin, 2008).

49
Il existe enfin une troisième approche, qui combine les éléments des deux premières
approches. Cette autre école de pensée considère la vulnérabilité comme la réponse
sociale à un risque biophysique. Ainsi, si la vulnérabilité résulte de facteurs sociaux ou
économiques variant dans l’espace, elle est aussi dépendante des caractéristiques de
l’aléa (Barroca et al., 2005; Clark et al., 1998; Wilhelmi et Morss; Wilhelmi et Morss,
2012). Cette approche, considérée comme plus complète et la plus réelle, est nommée
« Vulnerability of places ».
4.1.2 Un manque d’analyses orientées vers la gestion de crise
La revue de littérature a permis de souligner le fait que très peu d’études portant sur
l’évaluation de la vulnérabilité de la population à un aléa sont menées dans le but de
fournir des informations utiles à l’organisation des secours à la population en phase de
gestion de crise. La majorité des études se concentrent en effet sur l’analyse des
causes des désastres passés et sur la localisation des individus ou des infrastructures
les plus vulnérables, afin de cibler les zones les plus à risque et ainsi de développer les
politiques et mesures de réduction du risque adéquates. Elles sont ainsi plus tournées
vers les phases de prévention du risque que vers la phase de gestion de crise. Ces
analyses tiennent souvent compte des caractéristiques sociales et économiques de la
population, mais aussi de leur environnement économique, politique et institutionnel, à
une échelle d’analyse qui est souvent celle du quartier (Barroca et al., 2006; Hebb et
Mortsch, 2007; Kienberger, 2007). L’aléa est considéré dans ces analyses comme un
aléa « potentiel » ayant une probabilité de récurrence donnée.
En temps de gestion de crise, disposer d’informations sur la vulnérabilité sociale et
économique de la population est essentiel, mais n’est pas suffisant pour obtenir une vue
précise de la situation en cours. Il est en effet primordial de savoir où se situent les
populations touchées, quel est le niveau d’eau dans les habitations ou encore quelles
sont les infrastructures essentielles non fonctionnelles, afin de définir et de localiser
avec précision les individus ayant besoin des secours (Wilhelmi et Morss, 2012). Dans
ce cas, il est donc nécessaire de tenir compte des caractéristiques de la vulnérabilité,
mais aussi de l’aléa.

50
4.1.3 Études intégrées de la vulnérabilité
Il est également intéressant de souligner le fait que, dans un très grand nombre
d’études, la vulnérabilité de la population à un aléa donné est analysée et évaluée à
l’aide d’indicateurs sociaux ou économiques, faisant état de sa capacité à faire face à un
aléa et de sa résilience (Azar et Rain, 2007; Cutter et al., 2003; Rygel et al., 2006;
Wilhelmi et Morss, 2012). Les autres éléments vulnérables aux inondations, comme les
bâtiments ou les infrastructures essentielles, sont évalués à l’aide de méthodologies
spécifiques (Blin et al., 2005; Jousseaume et Mercier, 2009; Leclerc et al., 2003;
Pageon, 2008). Ainsi, les liens permettant d’analyser l’impact de la vulnérabilité du bâti
et de la vulnérabilité des infrastructures essentielles sur la vulnérabilité de la population,
ne sont que rarement pris en compte.
Il n’existe ainsi que peu d’études réalisant véritablement une analyse intégrée de la
vulnérabilité humaine aux inondations, tenant compte des caractéristiques socio-
économiques de la population, mais aussi des effets de la vulnérabilité du bâti et de la
vulnérabilité structurelle sur la vulnérabilité humaine. Seules quelques études réalisent à
ce jour cette évaluation intégrée de la vulnérabilité (Kaźmierczak et Cavan, 2011;
Messner et Meyer, 2006). On peut citer en guise d’exemple la méthode OSIRIS-risque
(et OSIRIS-inondation), qui intègre la vulnérabilité des individus, la vulnérabilité des
infrastructures essentielles (en particulier des réseaux), et la vulnérabilité directe (ou
géographique), dans un outil d’aide à la décision en situation de crise (Morel et al.,
2009).
4.1.4 Sélection des indicateurs de vulnérabilité sociale
Comme nous venons de le souligner, la vulnérabilité sociale est maintenant souvent au
cœur des évaluations de la vulnérabilité aux aléas. Étant un état préexistant, elle n’a pas
de rapport direct avec le type d’aléa considéré dans l’analyse. Ainsi, les indicateurs de
vulnérabilité sociale diffèrent généralement peu dans la littérature. Une revue des
indicateurs les plus utilisés pour mesurer la vulnérabilité sociale aux aléas naturels a été
réalisée par (Cutter et al., 2003). Les traits les plus cités sont l’âge, les handicaps
physiques ou mentaux, la structure familiale et le réseau social, les ressources
matérielles et l’environnement bâti.

51
Ces indicateurs sont utilisés pour mesurer la vulnérabilité sociale à différents types
d’aléas, comme les vagues de tempête (Rygel et al., 2006), les inondations (Sebald,
2010; Zhai et al., 2006) ou encore les avalanches et les glissements de terrain
(Papathoma-Köhle et al., 2010).
Ces indicateurs sont souvent choisi de manière manuelle ou suite à des analyses
statistiques, car ils permettent de représenter aisément la vulnérabilité sociale dans les
pays développés. Cependant, dans un pays en développement ou sous-développé, les
valeurs de pauvreté et de propriété ne sont pas des variables significatives, les valeurs
de propriété et de revenus étant souvent faibles. Ainsi, dans les zones dont les
caractéristiques sociales et économiques de la population sont différentes et où les
données de recensement (utilisées pour obtenir la valeur des indicateurs au niveau
local) ne sont pas disponibles, d’autres indicateurs que ceux précédemment présentés
doivent être recherchés (Rygel et al., 2006).
4.1.5 L’importance de l’échelle d’analyse
Un des éléments importants liés à l’évaluation de la vulnérabilité humaine à un aléa, et
qui découle du point précédent, est l’échelle spatiale à laquelle l’évaluation est réalisée.
L’analyse de quelques outils développés pour l’évaluation de la vulnérabilité à l’échelle
globale, tel que le « Disaster Risk Index » (UNDP, 2004) ou encore le projet
« Hotspots » (Dilley et al., 2005), a permis de souligner le fait que ces différentes
approches ont avant tout pour objectif, en comparant les conséquences des désastres
pour plusieurs pays, de comprendre comment le développement économique, social et
politique d’un pays peut influencer sa vulnérabilité à différents types d’aléa (Peduzzi et
al., 2009). Pour un même niveau d’aléa et un même niveau d’exposition dans deux pays
différents, on peut ainsi comprendre quels sont les facteurs influençant le risque et cibler
les besoins en matière de politique de gestion des risques. Le risque est alors considéré
comme le produit de la fréquence des aléas et de leurs conséquences, et la vulnérabilité
n’est caractérisée qu’à l’aide des pertes en vies humaines (Birkmann, 2007).
A l’inverse, les outils développés pour les analyses au niveau local estiment
généralement que la vulnérabilité représente un risque biophysique et une réponse
sociale à l’intérieur d’un domaine géographique spécifique, aux caractéristiques
sociales, économiques ou institutionnelles particulières (Rygel et al., 2006). De
nombreuses études ont en effet souligné le fait que l’environnement local, les

52
caractéristiques démographiques et les inégalités sociales et économiques créent des
vulnérabilités différentielles (Buckle et al., 2001; Cutter et al., 2003; Kienberger, 2007).
Ainsi, la vulnérabilité peut varier fortement entre les quartiers d’une même zone urbaine
et même entre les différents foyers présents dans cette zone . Réaliser une analyse à
une échelle inadaptée peut donc induire une généralisation trop importante des résultats
et l’obtention de résultats non conformes à la réalité (Fekete et al., 2010). Ainsi, les
analyses à l’échelle du quartier, voir même du foyer, si les données nécessaires sont
disponibles, sont les plus adaptées à la mise en place de mesures de gestion de crise
efficaces et aux politiques de mitigation des risques (Wilhelmi et Morss, 2012).
4.1.6 Vulnérabilité induite par le manque de ressources essentielles
Dans une étude récente (Kaźmierczak et Cavan, 2011) soulignent que certains types
d’infrastructures peuvent avoir un impact négatif sur le fonctionnement des zones
urbaines si elles sont affectées par l’inondation. L’inondation d’infrastructures
essentielles, présentées en Annexe 2, peut être un inconvénient lors de l’inondation,
mais aussi une menace importante pour la population, en particulier si le phénomène
s’inscrit dans la durée (Robert et al., 2001). La défaillance de ces infrastructures
essentielles, qui fournissent des ressources à la population, peut donc un être un facteur
aggravant la vulnérabilité de la population. Ce constat est appuyé par (Pageon, 2008),
qui présente une méthodologie d’évaluation de la vulnérabilité d’une MRC face à la
défaillance des ressources produites par les infrastructures essentielles. Il y est fait état
des conséquences potentielles de la défaillance ou de la destruction des infrastructures
essentielles pour la population, selon le type de ressource et selon la durée de la
défaillance. Les conclusions de ces études permettent ainsi de souligner l’importance de
tenir compte de la défaillance ou de la destruction des infrastructures essentielles dans
l’analyse du risque. Cependant, si ces études apportent des leçons importantes en
matière de sécurité civile, elles ne permettent pas de faire le lien entre la vulnérabilité
des infrastructures essentielles lors de l’inondation et la vulnérabilité humaine pour la
gestion de l’urgence, et restent ainsi très théoriques (Chakraborty et al., 2005).
Il est également important de comprendre que le manque d’une ressource essentielle a
des conséquences qui peuvent s’aggraver dans la durée (Pageon, 2008). Par exemple,
la perte d’une ressource en eau potable peut être triviale durant une heure ou deux,
mais sur une période étendue, elle a le potentiel d’affecter toute la population de

53
manière critique (DHS 2000). La gestion de crise doit donc intégrer la notion d’évolution
temporelle de la vulnérabilité induite par le manque d’une ressource essentielle, qui peut
faire évoluer les besoins en matière de secours.
4.1.7 La vulnérabilité du bâti
Enfin, nous nous sommes interrogés sur l’effet que peut avoir l’inondation du bâti sur la
vulnérabilité de la population au cours de l’inondation. Force est de constater que si la
vulnérabilité du bâti a été pendant longtemps au centre des analyses du risque
d’inondation, elle n’est actuellement pas prise en compte dans l’évaluation de la
vulnérabilité de la population. Les quelques études intégrant les caractéristiques des
bâtiments résidentiels considèrent avant tout le bâti comme un indicateur de richesse ou
de pauvreté de la population. Ainsi (Wilhelmi et Morss, 2012), dans une étude réalisée
aux Royaume-Uni, concluent que les maisons en « terrasse », typiques dans les
quartiers ouvriers, sont un indicateur de revenus modestes alors que les maisons
individuelles avec un étage ou plus sont un indicateur de revenus plus élevés.
L’environnement bâti est ainsi considéré comme un indicateur de vulnérabilité
intrinsèque, et pas comme un indicateur d’exposition de la population lors de
l’inondation.
Les remarques issues de la revue de littérature nous ont permis de souligner les points
les plus intéressants pour la définition d’une méthode d’évaluation de la vulnérabilité des
populations aux inondations. La nécessité de réaliser une analyse intégrée de la
vulnérabilité apparaît ainsi comme un élément central. Si la vulnérabilité intrinsèque sert
de base à l’évaluation de la vulnérabilité de la population, des éléments tels que la
vulnérabilité induite par la vulnérabilité des infrastructures essentielles doivent
également être intégrés. Les notions d’échelle d’analyse, et de sélection des indicateurs
socio-économiques permettant de réaliser une analyse adaptée aux caractéristiques de
la zone d’étude, ont également été mises en relief. Enfin, la question de l’effet de la
vulnérabilité du bâti sur la population a été soulevée et ouvre de nouvelles perspectives
d’analyse.

54
4.2 Méthodologies d’évaluation des différentes dimensions de
la vulnérabilité de la population aux inondations
Les remarques issues de la revue de littérature ont permis de définir les aspects de la
vulnérabilité les plus pertinents pour les objectifs de cette étude. Deux dimensions de la
vulnérabilité ont ainsi été identifiées (Figure 5). Il s’agit de la vulnérabilité directe qui
englobe les éléments influençant directement la vulnérabilité de la population durant la
crise, à savoir sa vulnérabilité intrinsèque (correspondant à ses caractéristiques socio-
économiques) et les caractéristiques des bâtiments dans lesquels les individus se
trouvent lors de l’inondation. La vulnérabilité indirecte est quant à elle constituée de la
vulnérabilité structurelle, qui permet de définir le niveau de vulnérabilité induit par le
manque d’une ou de plusieurs ressources essentielles (eau, électricité, accès à une
route, etc.).
Nous présentons maintenant les orientations méthodologiques propres à chaque aspect
de la vulnérabilité identifié précédemment. L’objectif est de développer une
méthodologie d’évaluation propre à chacun de ces aspects et de réfléchir aux influences
que peuvent avoir la vulnérabilité du bâti et la vulnérabilité structurelle sur la vulnérabilité
intrinsèque et à la manière d’évaluer ces influences. La figure 6 présente une vue
schématique de ces méthodologies, qui seront décrites brièvement par la suite.
Figure 5 Caractéristiques de l'aléa et de la vulnérabilité retenues pour cette étude

55
Figure 6 Vue schématique des méthodologies d'évaluation des différents aspects de la
vulnérabilité humaine
4.2.1 Évaluation de la vulnérabilité intrinsèque
La méthodologie qui est ici proposée a pour objectif de déterminer le niveau de
vulnérabilité intrinsèque de la population dans une zone d’étude, à l’aide des données
issues du recensement le plus récent. Il est important de souligner que ces données ne
sont généralement pas disponibles pour chaque foyer, mais quelles sont exprimés par
aire de diffusion, regroupant entre 400 et 700 personnes. La méthodologie proposée est
composée de 4 étapes.
Sélection des indicateurs
La revue de littérature a permis de dresser une liste complète d’indicateurs socio-
économiques pouvant être utilisés pour évaluer la vulnérabilité intrinsèque de la
population aux inondations (Figure 7). Ces indicateurs étant nombreux et parfois
redondants, les inclure tous ne serait pas pertinent et pourrait complexifier l’analyse.

56
Ainsi, il est important de ne sélectionner que les indicateurs de cette liste les plus
représentatifs des caractéristiques sociales et économiques de la zone d’étude. Ce
choix peut être réalisé avec l’aide des experts en gestion de crise, qui savent par
expérience quelles sont les populations les plus vulnérables lors d’une inondation. Ces
indicateurs doivent être exprimés dans une unité commune, à savoir le pourcentage de
la population totale correspondant à cet indicateur, par aide de diffusion recensement de
Statistique Canada.
Indicateurs de vulnérabilité
socio-économique
Personnes âgées
Jeunes
Handicapés physiques ou mentaux
Genre (Femmes)
Chômage
Isolement physique
Classe sociale
Origine ethnique, religion
Langue
Familles monoparentales
Familles élargies
Propriétaire, locataire
Niveau d’éducation, illettrés
Personnes en transit, touristes
Figure 7 Indicateurs de vulnérabilité socio-économique relevés dans la littérature
Standardisation des données
De plus, et comme suggéré dans (Sebald, 2010), il peut être avantageux pour l’analyse
d’exprimer ces valeurs sous forme de classes, même si cela induit une certaine part
d’incertitude dans les résultats. Une échelle à 4 niveaux (vulnérabilité mineure, sérieuse,
sévère et très sévère), issue des travaux de (Robert et al., 2001), et qui est également
utilisée pour l’estimation de la vulnérabilité structurelle, peut être mise à profit.

57
Il est possible de différencier ces classes selon une proportion statistique de la
population, et cela pour l’ensemble des indicateurs de vulnérabilité intrinsèque. Il
demeure cependant intéressant, sinon indispensable de discuter de la définition de ces
seuils avec les experts en sécurité publique.
Importance relative des indicateurs et pondération
Tous les indicateurs sélectionnés dans cette étude ne revêtent pas la même importance
dans leur capacité à estimer la vulnérabilité intrinsèque. Il peut donc être nécessaire,
après les avoir sélectionnés et standardisés, d’attribuer un poids à chaque indicateur.
Nous suggérons ici d’utiliser la méthode d’analyse multicritères développée par Saaty
(1977), qui propose une approche de comparaison par paire relativement simple. Cette
approche consiste à comparer chaque indicateur avec un autre à l’intérieur d’une
matrice, et d’attribuer à chaque paire un coefficient de comparaison, représentant des
niveaux d’importance allant de « Peu important » à « Extrêmement important ». Cette
échelle numérique est ensuite utilisée pour évaluer l’importance de chaque indicateur de
vulnérabilité intrinsèque par rapport à l’ensemble des indicateurs sélectionnés pour
l’étude. Ces valeurs permettront de calculer le poids de chaque indicateur, par la
résolution du problème des vecteurs propres (Conchita et Kêdowidé, 2010).
L’importance relative des différents critères est exprimée par les valeurs du vecteur
propre normalisé à 1.0. Plus la valeur du poids de l’indicateur est proche de 1, plus
l’indicateur est important dans le calcul de la vulnérabilité intrinsèque.
Agrégation des données
La dernière étape de cette analyse consiste en l’agrégation des données pondérées
issues de chaque indicateur. Les poids attribués à chaque indicateur sont multipliés par
la valeur de chaque indicateur, puis l’ensemble des valeurs obtenues sont additionnées.
Les résultats issus de l’agrégation des données permettent ainsi de déterminer le niveau
de vulnérabilité intrinsèque pour chaque aire d’analyse.
L’approche présentée comporte une forte part de suggestivité, notamment aux étapes
de sélection des indicateurs et de pondération de ces indicateurs. N’ayant pas les
connaissances requises pour réaliser de manière fiable ces deux étapes, nous avons
créé des questionnaires, qui seront adressés aux divers responsables et gestionnaires
en sécurité publique locale et/ou provinciale, dans le but de nous fournir des

58
informations plus précises sur les indicateurs les plus pertinents et sur la pondération de
ces indicateurs, en prenant pour exemple une municipalité québécoise de taille
moyenne comme celle de Saint-Jean-sur-Richelieu. Le questionnaire créé pour
l’estimation de la vulnérabilité intrinsèque est présenté en annexe 3.
4.2.2 Évaluation de la vulnérabilité du bâti
Le développement d’une méthode d’évaluation de la vulnérabilité du bâti a pour objectif
de définir, pour chaque type de bâtiment, quel est la hauteur d’eau permettant d’évaluer
l’exposition des individus à l’aléa en cours et quel est le niveau de risque induit pour la
population. Il permet ainsi de déterminer quels sont les foyers les plus vulnérables
affectés par l’inondation et pouvant nécessiter une évacuation prioritaire.
L’évacuation d’une résidence peut se faire selon plusieurs critères, comme la perte de
certaines fonctionnalités de la résidence (par exemple, l’absence prolongée de
chauffage), une submersion importante ou une submersion importante à venir, ou
encore l’isolement du bâtiment (chemins d’accès coupés). Étant donné que nous
n’avons pas l’entière maîtrise des règles d’évacuation établies par les municipalités et
les gestionnaires en sécurité publique, dresser une typologie du bâti permettant
d’estimer la vulnérabilité de la population selon les hauteurs d’eau n’a pour le moment
pas été possible. Deux critères pourraient cependant être adaptés à cette analyse :
• La hauteur du premier plancher de l’habitation par rapport au niveau du terrain,
permettant de déterminer si le premier plancher du bâtiment est inondé ou non.
• Le type de construction de l’habitation, et en particulier les roulottes ou maisons
mobiles, peu résistantes à l’eau et à l’humidité.
La définition des niveaux de vulnérabilité de la population induits par la vulnérabilité du
bâti est également en question. Il ne semble en effet pas possible d’utiliser l’échelle de
vulnérabilité à 4 niveaux définie par (Robert et al, 2001) servant à exprimer les niveaux
de vulnérabilité indirecte et intrinsèque, puisque le but est de savoir si le bâtiment est
inondé ou pas. Une solution pourrait être d’augmenter le niveau de vulnérabilité
intrinsèque au niveau supérieur quand le bâtiment est inondé. Par exemple, si le niveau
de vulnérabilité intrinsèque des résidents est « sévère » et que le premier plancher de la
maison est inondé, le niveau de vulnérabilité humaine devient « Très Sévère ».

59
Une fois la typologie du bâtiment définie, il sera nécessaire de définir les hauteurs d’eau
minimales nécessaires à l’inondation du premier plancher et permettant de déterminer le
niveau de vulnérabilité induit.
4.2.3 Évaluation de la vulnérabilité structurelle
La vulnérabilité structurelle est liée aux disfonctionnements ou à la destruction des
infrastructures dites essentielles.
Ces perturbations ont souvent des effets sociaux et économiques néfastes, en
particulier sur le long terme, et peuvent faire augmenter la vulnérabilité globale de
manière significative (Nicholls et Small, 2002). A l’extrême, des pertes en vies humaines
peuvent survenir. Il est donc important d’identifier l’ensemble des infrastructures et
services essentiels présents dans une zone à risque, de localiser la population
desservie par ces infrastructures mais aussi et surtout de définir quelles pourraient être
les conséquences du dysfonctionnement d’une ou de plusieurs de ces infrastructures
essentielles pour la population, à plus ou moins long terme. Ces relations de
dépendance et d’interdépendance entre infrastructures essentielles mais aussi entre les
infrastructures essentielles et la population qui utilise leurs ressources constituent des
relations de vulnérabilité directe et de vulnérabilité indirecte (Figure 8) (Bouchon, 2006).
Figure 8 Vulnérabilités des infrastructures essentielles (Bouchon, 2006)

60
Les orientations méthodologiques qui sont ici présentées se basent en grande partie sur
une série de travaux portant sur l’analyse de la vulnérabilité des infrastructures
essentielles (Petit, 2009) et sur les défaillances au sein de réseaux interdépendants
(Debernard, 2011; Demoraes, 2004). Les travaux de Pageon (2008), dont l’objectif est
de développer une méthodologie d’évaluation de la vulnérabilité d’une MRC face à la
défaillance des ressources essentielles, ont également été particulièrement utiles.
La méthodologie développée se décompose en sept points.
1. Localisation des infrastructures essentielles
Il est nécessaire, en premier lieu, d’identifier et de localiser les infrastructures
fournissant des ressources essentielles à la population présente dans la zone d’étude.
Leur identification peut être réalisée à partir de la liste des infrastructures essentielles
émise par le ministère de la Sécurité Publique du Québec et servant de base de
référence au niveau national. La localisation de chaque infrastructure essentielle peut
être facilitée par l’utilisation du Code d’Évaluation Foncière du Québec, dans lequel
chaque type d’infrastructure est désigné par un numéro, selon sa fonction.
2. Priorisation des infrastructures essentielles
Toutes les infrastructures essentielles n’ont pas la même importance en matière de
gestion de crise. La destruction d’une usine de filtration (eau potable) peut par exemple
être plus dommageable à la population que la perte d’une infrastructure électrique. Il
peut donc être nécessaire de prioriser certaines infrastructures essentielles, afin de
mieux évaluer l’impact de leur dégradation sur la population.
3. Identification des services fournis par chaque infrastructure essentielle
Chaque infrastructure essentielle regroupe un nombre de fonctions précises qui
permettent son bon fonctionnement, mais qui fournissent également des services et des
ressources à la population. La perturbation d’une de ces fonctionnalités peut avoir des
conséquences sur une autre fonctionnalité, mais aussi sur la population. Il est donc
important d’établir l’ensemble de ces fonctionnalités.