Potentiel de l'imagerie optique satellitaire à haute résolution pour détecter les dommages engendrés par des épisodes pluvieux extrêmes☆

De nombreuses données satellites peuvent aujourd'hui être combinées afin de couvrir des surfaces très importantes avec une très haute résolution spatiale (THR) ainsi qu'une haute fréquence de revisite. Le potentiel de ces images pour évaluer et cartographier les dommages engendrés par des pluies extrêmes, en particulier ceux causés par le ruissellement pluvial, a été jusqu'à présent peu étudié. Cette étude propose une méthode pour détecter de la manière la plus exhaustive possible ces dommages à partir de données satellitaires THR et HR acquises au plus près, avant et après, d'un événement de pluie intense. Pour ce faire, nous avons utilisé des images Pléiades (0,7 m) et Sentinel-2 (10 m) acquises au-dessus de la région de l'Aude (France), fortement touchée par des intempéries le 15 octobre 2018. Notre intérêt a porté sur les zones agricoles qui ont fait l'objet de 1119 demandes d'indemnisation en calamités agricoles pour cet événement. Plusieurs indices et filtres spectraux ont été appliqués sur un échantillon d'images Sentinel-2 sélectionnées avant et après l'épisode orageux. Ce travail exploratoire révèle que certains types de dommages agricoles sont bien détectés alors que d'autres, même clairement visibles sur les images Pléiades, sont plus difficiles à distinguer avec les indices et filtres sélectionnés sur les images Sentinel-2. Il démontre également le potentiel de ces méthodes pour discriminer les différents degrés de dégâts relevés sur les parcelles agricoles. Cette étude confirme l'importance de combiner information spectrale, temporelle et contextuelle pour détecter à l'aide de l'imagerie optique les dommages engendrés par des pluies extrêmes, en particulier ceux causés par le ruissellement pluvial. Ces travaux préliminaires ouvrent la voie au développement de nouvelles méthodes de détection, l'utilisation de nouveaux indices ainsi que sur l'intelligence artificielle.