Comparative Google Earth Engine Workflows for Flood and Landslide Diagnostics in Lower Silesia, Poland, and Batang Kali, Malaysia
Cette étude démontre que Google Earth Engine offre un cadre de calcul transférable pour les diagnostics géospatiaux post-événement de risques naturels contrastés, en appliquant avec succès un flux de travail unifié pour cartographier l'inondation de 2024 en Basse-Silésie et le glissement de terrain de Batang Kali en 2022, tout en révélant que la précision du diagnostic dépend fortement du type de risque spécifique et des indicateurs de télédétection utilisés.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Lorsqu'une crue fait gonfler un fleuve ou qu'un versant de montagne s'effondre, le sol sous nos pieds change de manières souvent impossibles à voir depuis la route. Dans les heures et les jours qui suivent un tel désastre, le terrain est fréquemment trop dangereux pour y pénétrer, et la météo peut être trop mauvaise pour qu'un pilote puisse survoler la zone. Pourtant, les gens ont besoin de savoir où l'eau s'est élevée ou où la terre a glissé pour sauver des vies et planifier le rétablissement. C'est là qu'un type d'œil différent entre en jeu : des satellites qui orbitent haut au-dessus de la Terre, capturant des images de la surface jour après jour. En comparant une image d'un paysage prise avant un désastre avec une autre prise après, les scientifiques peuvent repérer les différences qui racontent l'histoire de ce qui s'est passé. Le défi a toujours été de savoir comment faire cela rapidement et de manière fiable sur de vastes zones, surtout lorsque les deux désastres ne se ressemblent pas du tout. L'un implique de l'eau s'étendant sur la terre, tandis que l'autre implique le sol lui-même glissant le long d'une colline.
Un chercheur de Pologne et de Malaisie s'est donné pour mission de tester un système numérique unique et unifié pour gérer ces deux problèmes très différents. Ils ont utilisé une puissante plateforme basée sur le cloud appelée Google Earth Engine, qui agit comme une immense bibliothèque d'images satellites et un superordinateur capable de les traiter toutes à la fois. Au lieu de télécharger des milliers de photos sur un ordinateur local, le chercheur a écrit un ensemble d'instructions pouvant s'exécuter directement sur la plateforme. Il a appliqué ce même ensemble d'instructions à deux événements distincts : une inondation majeure qui a frappé la Basse-Silésie en Pologne en septembre 2024, et un glissement de terrain dévastateur à Batang Kali, en Malaisie, survenu en décembre 2022. L'objectif n'était pas de prouver que les inondations et les glissements de terrain sont la même chose, mais de voir si le même flux de travail numérique pouvait être adapté pour trouver les signes spécifiques de chacun.
Pour l'inondation en Pologne, le chercheur a examiné des images optiques, qui sont similaires aux photographies prises par un appareil photo. Il s'est concentré sur un signal spécifique qui révèle la présence d'eau. L'eau absorbe la lumière d'une manière qui la fait ressortir nettement par rapport à la terre sèche et à la végétation. En calculant la différence entre le signal de l'eau avant la tempête et le signal après, ils ont créé une carte montrant exactement où l'eau s'était propagée. Le système a fonctionné avec une clarté remarquable pour cet événement. Il a identifié une zone de 70,142 kilomètres carrés qui avait été inondée. Lorsque le chercheur a vérifié son travail par rapport à 240 points spécifiques qu'il avait marqués sur la carte, chaque point correspondait parfaitement à ses attentes. Cependant, l'auteur prend soin de noter que ce score parfait provient de la vérification de la carte par rapport à d'autres images satellites, et non d'une descente sur le terrain pour vérifier les niveaux d'eau de ses propres yeux. Bien que le résultat soit encourageant, cela suggère que la méthode est très efficace pour repérer les eaux de crue dans ce type d'environnement, même si les chiffres pourraient être légèrement optimistes sans vérité terrain.
La situation en Malaisie était beaucoup plus complexe. Le glissement de terrain de Batang Kali s'est produit dans une forêt tropicale dense où les nuages bloquent souvent la vue des caméras optiques. Pour voir à travers les nuages et les arbres, le chercheur est passé au radar, un type de capteur qui renvoie des ondes radio sur le sol. Lorsqu'un glissement de terrain se produit, il arrache la végétation et lisse la surface rugueuse de la colline, ce qui modifie la façon dont les ondes radar rebondissent. Le chercheur a recherché les zones où ce signal de rebond chutait brusquement, indiquant une perturbation soudaine. Le système était incroyablement sensible ; il a trouvé chacun des 11 sites de glissements de terrain connus qu'ils avaient testés. Mais cette sensibilité a eu un coût élevé. Le système a également signalé 109 autres endroits comme étant des glissements de terrain alors qu'il s'agissait de terrains stables. Au total, la carte n'était correcte qu'environ 9 % du temps lorsqu'elle affirmait qu'un glissement de terrain avait eu lieu.
Cette différence flagrante de résultats raconte une histoire claire sur les limites d'une approche universelle. Le même flux de travail numérique a réussi à passer d'un désastre à l'autre, prouvant que l'architecture informatique est assez flexible pour gérer différents types de données. Cependant, la nature physique du désastre dicte l'efficacité de la méthode. Pour l'inondation, l'eau a créé un signal clair et distinct que le système a pu isoler facilement. Pour le glissement de terrain, le signal était brouillé par l'environnement complexe de la forêt tropicale, où la pluie, l'humidité du sol et la couverture arborée peuvent toutes ressembler à un glissement de terrain pour un capteur radar. Le chercheateur a conclu que, bien que la méthode radar soit excellente pour un premier regard rapide — disant aux équipes d'urgence : « Regardez ici, quelque chose a définitivement changé » — elle ne peut pas encore être considérée comme fiable pour tracer une ligne précise autour d'un glissement de terrain sans vérifications supplémentaires.
L'étude démontre qu'un processus unique et répétable peut servir de colonne vertébrale à la réponse aux catastrophes, mais que l'interprétation finale doit toujours respecter les conditions spécifiques de l'événement. Dans l'inondation polonaise, la méthode a fourni une carte propre et utilisable de la zone touchée. Dans le glissement de terrain malaisien, elle a fourni un outil de dépistage à haute alerte qui pointe vers des zones de perturbation, mais nécessite que des experts humains filtrent les fausses alertes. La valeur de ce travail réside dans le fait de montrer que les données satellites libres et ouvertes ainsi que la puissance de calcul partagée peuvent être utilisées pour construire ces outils de diagnostic rapidement. Cela offre un moyen aux scientifiques et aux intervenants d'urgence d'obtenir une vue rapide et cohérente d'une zone de catastrophe, qu'elle soit sous l'eau ou ensevelie sous la boue, tout en reconnaissant que l'étape finale de compréhension du danger nécessite toujours une analyse minutieuse et spécifique.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.