MétaCan
Menu
Back to cohort
Record W2611923467

Développement d’une méthode de caractérisation et d’évaluation du risque humain lié aux inondations en milieu urbain.

2016· article· fr· W2611923467 on OpenAlexaboutno aff
Marion Tanguy

Bibliographic record

VenueEspaceINRS (National Institute for Scientific Research (Canada)) · 2016
Typearticle
Languagefr
FieldEnvironmental Science
TopicFlood Risk Assessment and Management
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical scienceGeographyPhilosophy
DOInot available

Abstract

fetched live from OpenAlex

Les inondations sont les catastrophes naturelles les plus fréquentes dans le monde affectant le plus grand nombre d’individus chaque année. Si le nombre de décès liés à ces phénomènes a baissé de manière importante depuis les années 1980, l’inondation d’une zone habitée induit de manière presque systématique une détresse des populations et un besoin de soutien parfois important. Afin de pouvoir gérer au mieux ce type d’évènements, les services en charge de la sécurité civile doivent disposer d’outils leur permettant d’évaluer avec précision les niveaux de risque en cours pour la population. Une telle information permet en effet de localiser les individus ayant besoin d’assistance et ainsi de définir les actions à mener, et les ressources humaines et matérielles à engager. Or, les outils d’évaluation du risque humain lié à une inondation en cours présentent certaines insuffisances, pouvant limiter leur utilisation opérationnelle au cours de la phase d’intervention. L’objectif de cette recherche doctorale était ainsi de développer un outil d’évaluation et de cartographie du risque humain lié à une inondation, tant en milieu urbain que rural, pouvant être utilisé en soutien à la prise de décision lors de la phase d’intervention au cours d’une inondation. \nLe premier volet s’intéressait au développement d’une méthode de caractérisation spatiale d’une inondation en cours, utilisant des données radar satellitaires et des données à caractère hydraulique, et permettant de déterminer l’étendue des zones inondées en milieu urbain et rural, ainsi que la hauteur d’eau en tout point de ces zones. La méthode originale proposée, combinant des données RSO en bande C et en polarisation HH et des données d’intervalles de récurrence d’inondation estimées en tout point de la zone d’étude, a été appliquée à deux images RADARSAT-2 en mode Ultra-Fin et en mode Fin, acquises durant l’inondation de la rivière Richelieu (Québec) au printemps 2011. Les précisions des classifications sont supérieures à celles obtenues dans des études aux objectifs similaires (Giustarini et al., 2013, Mason et al., 2012b), avec des taux de 86% (Ultra-Fin) et de 87% (Fin) de pixels correctement identifiés en zone urbaine, et de 96% (Ultra-Fin) et 97% (Fin) en zone rurale. L’intérêt d’utiliser de manière combinée des données RSO et des données d’intervalles de récurrence d’inondation, qui n’avaient jusque-là jamais été exploitées pour la détection des zones urbaines et rurales inondées, a ainsi été illustré. Une méthode estimant les hauteurs d’eau en zone inondée à partir des données d’élévation et de la carte des zones inondées de l’image RS-2 en mode Ultra-Fin a également été proposée et testée. Le RMSE des hauteurs d’eau estimées est de 8 cm et l’erreur moyenne n’est que de 5 cm lorsque comparées aux données de validation disponibles. Des tests sur des surfaces plus étendues, et pour lesquelles des données de validation des hauteurs d’eau recueillies au cours de l’inondation seraient disponibles, seront cependant nécessaires pour valider l’efficacité et la précision de cette méthode. \nLe second volet de cette thèse consistait en le développement de méthodes d’évaluation puis de cartographie de la vulnérabilité et du risque humain face à une inondation en cours, à l’échelle du bâtiment. L’approche proposée associe trois composantes de la vulnérabilité, n’ayant jusqu’à présent jamais été combinées dans une telle étude, et dont l’intégration a été validée par des experts en sécurité civile. Il s’agit 1) de la vulnérabilité sociale et économique, 2) de la vulnérabilité induite par le manque de ressources essentielles et 3) de l’exposition de la population à l’échelle du bâtiment. Chacune de ces composantes a fait l’objet d’une méthode d’évaluation spécifique, intégrant des indicateurs de vulnérabilité identifiés avec l’aide d’experts. Les valeurs de hauteur d’eau générées dans le premier volet sont mises à profit dans ces méthodes. C’est là un des aspects innovants de ce second volet, puisque les approches orientées vers la phase d’intervention utilisent de manière presque systématique des données issues de la modélisation hydraulique. Les résultats de l’évaluation de chaque composante de la vulnérabilité sont exprimés à l’aide d’une échelle à 4 niveaux, à savoir « Faible, Sérieux, Sévère et Très Sévère », et sont cartographiés à l’échelle du bâtiment. Le niveau de risque humain lié à l’inondation en cours est défini au moyen du plus fort niveau de vulnérabilité de l’ensemble des composantes de la vulnérabilité humaine intégrées à la méthode, et est cartographié à l’échelle du bâtiment. Un intérêt particulier a été porté à la disponibilité des données requises par ces méthodes, pour permettre leur application au plus grand nombre de scénarios d’inondation possible. \nEnfin, le dernier volet de la thèse consistait en la démonstration de la pertinence de la méthode d’évaluation et de cartographie du risque humain lié à une inondation en cours comme outil d’aide à la décision lors de la phase d’intervention, à l’aide d’un scénario d’inondation réel. Une zone à dominante résidentielle fortement touchée par l’inondation de la rivière Richelieu en 2011 a été choisie et l’ensemble des méthodes ont été appliquées. Afin de faciliter la génération de l’évaluation du risque humain, une suite de protocoles a été créée et l’outil d’aide à la décision a été automatisé. Une cartographie détaillée et aisément interprétable du niveau de risque à l’échelle du bâtiment a ainsi été obtenue et discutée. D’autres tests à l’aide d’autres scénarios d’inondation devront être faits pour valider les performances de cet outil d’aide à la décision et pour lui apporter les modifications qui pourraient s’imposer pour mieux répondre aux besoins des utilisateurs.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.018
metaresearch head score (Gemma)0.050
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.022
Threshold uncertainty score0.093

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0180.050
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.002
Bibliometrics0.0040.003
Science and technology studies0.0020.002
Scholarly communication0.0050.002
Open science0.0020.003
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0110.003

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.084
GPT teacher head0.354
Teacher spread0.270 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreMethods

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations1
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueEspaceINRS (National Institute for Scientific Research (Canada))Same topicFlood Risk Assessment and ManagementFrench-language works237,207