Supervised classification methods for automatic damage detection caused by heavy rainfall using multitemporal high resolution optical imagery and auxiliary data
Méthodes de classification supervisées pour la détection automatique des dommages causés par de fortes pluies à l'aide d'imagerie optique multitemporelle haute résolution et de données auxiliaires
Résumé
In the context of climate change and rising frequency of extreme hydro-meteorological events around the world, flood risk management and mapping of heavy rainfall-related damages represent an ongoing critical challenge. For decades now, remote sensing has been largely used to investigate spatial and temporal changes in land use and water resources. Today, different satellite products provide fast and crucial knowledge for the study of hydrological disasters over large areas, possibly in remote regions, with high spatial resolution and high revisit frequency. Yet, until now, few works have sought to detect the full range of extreme rainfall-related damages with optical imagery, especially those caused by intense rainwater runoff beyond the direct vicinity of major waterways. The work presented in this paper focuses on the Aude severe weather event of October 15th, 2018, in the South of France, for which more than a thousand claims for agricultural disaster were registered, both related to river overflowing and rainwater runoff. The full resources of ground truths, contextual information, land use as well as digital elevation model (DEM) combined to high resolution and high frequency optical imagery (Sentinel-2, Pléiades) are used to develop an automatic damage detection method based on supervised classification algorithms. Through the combination of several indicators characterizing heterogeneous spectral variations among agricultural plots following the event, a Gaussian process classifier achieved various classification accuracies up to 90% on a large comparable and independent photo-interpreted validation sample. This work builds great expectations for applications in other areas with contrasted climate, topography and land cover.
Dans le contexte du changement climatique et de la fréquence croissante des événements hydrométéorologiques extrêmes dans le monde, la gestion des risques d'inondation et la cartographie des dommages liés aux fortes pluies représentent un défi critique permanent. Depuis des décennies, la télédétection a été largement utilisée pour étudier les changements spatiaux et temporels de l'utilisation des terres et des ressources en eau. Aujourd'hui, différents produits satellitaires fournissent des connaissances rapides et cruciales pour l'étude des catastrophes hydrologiques sur de vastes zones, éventuellement dans des régions éloignées, avec une résolution spatiale élevée et une fréquence de revisite élevée. Pourtant, jusqu'à présent, peu de travaux ont cherché à détecter la gamme complète des dommages liés aux pluies extrêmes par imagerie optique, en particulier ceux causés par un ruissellement intense des eaux de pluie au-delà du voisinage direct des principaux cours d'eau. Les travaux présentés dans cet article se concentrent sur l'épisode de temps violent de l'Aude du 15 octobre 2018, dans le sud de la France, pour lequel plus d'un millier de sinistres agricoles ont été enregistrés, tous deux liés au débordement des rivières et au ruissellement des eaux de pluie.
L'ensemble des ressources de vérités de terrain, d'informations contextuelles, d'occupation des sols ainsi que du modèle numérique d'élévation (DEM) combiné à l'imagerie optique haute résolution et haute fréquence (Sentinel-2, Pléiades) sont utilisés pour développer une méthode de détection automatique des dommages basée sur une classification supervisée. algorithmes. Grâce à la combinaison de plusieurs indicateurs caractérisant les variations spectrales hétérogènes entre les parcelles agricoles à la suite de l'événement, un classificateur de processus gaussien a obtenu diverses précisions de classification allant jusqu'à 90% sur un grand échantillon de validation photo-interprété comparable et indépendant. Ce travail suscite de grandes attentes pour des applications dans d'autres domaines au climat, à la topographie et à la couverture du sol contrasté.