Technologies innovantes de prévision et de gestion des inondations dans le monde

Les inondations demeurent l'un des risques naturels les plus destructeurs au monde, causant des milliers de morts et des milliards de dollars de pertes économiques chaque année. Le changement climatique amplifie la fréquence et l'intensité des précipitations extrêmes, rendant plus urgentes que jamais la prévision et la gestion des inondations.Au cours de la dernière décennie, une vague d'innovations technologiques a transformé la façon dont nous surveillons, analysons et réagissons aux inondations.

Télédétection et technologie satellitaire

La télédétection par satellite est devenue l'épine dorsale de la surveillance mondiale des inondations. Des agences comme la NASA, l'ESA, la NOAA et leurs partenaires internationaux exploitent une constellation de satellites d'observation de la Terre qui scannent continuellement la planète. Des capteurs optiques captent des images visibles et infrarouges des eaux d'inondation, tandis que des radars d'ouverture synthétique (SAR) peuvent pénétrer dans la couverture nuageuse et voir dans l'obscurité — critique pendant les tempêtes. Par exemple, les missions Sentinel-1 et Sentinel-2 de l'ESA fournissent des données libres et à haute résolution utilisées par le Global Flood Awareness System (GloFAS) pour émettre des alertes précoces jusqu'à 30 jours à l'avance.

Au-delà de la détection simple, les satellites peuvent mesurer les principaux facteurs d'inondation. La mission Global Precipitations Measurement (GPM), dirigée par la NASA et JAXA, fournit des estimations des précipitations toutes les trois heures à travers le monde. Lorsqu'elle est combinée avec les données sur l'humidité du sol du satellite SMAP, les prévisionnistes peuvent évaluer la quantité de pluie que le sol peut absorber avant le ruissellement déclenche des inondations éclairs.

GloFAS est l'un des nombreux services opérationnels qui dépendent des entrées satellitaires.En 2023, GloFAS a prédit correctement les inondations records au Pakistan semaines à l'avance, aidant à coordonner l'aide internationale avant les pires inondations.

Modélisation hydrologique et analyse des données

Les modèles classiques basés sur la physique comme le U.S. Army Corps of Engineers (US Army Corps of Engineers) HEC-RAS simulent avec une grande précision le débit d'eau à travers les rivières et les plaines inondables, mais ils nécessitent une grande puissance de calibrage et de calcul. Aujourd'hui, ces modèles sont améliorés par l'analyse des données massives et les techniques d'apprentissage automatique.

Un exemple est le système Google="s LSTM-based inondation prevision, qui est opérationnel en Inde et au Bangladesh depuis 2018. Le modèle utilise de longs réseaux de mémoire à court terme (LSTM) pour prédire les étapes de rivière jusqu'à sept jours à l'avance. En ingérant des données de milliers de stations de jaugeage et d'estimations de précipitations par satellite, il envoie des alertes ciblées aux smartphones des résidents à risque.

Les approches statistiques et de prévision des ensembles gagnent également du terrain. Le Centre européen pour les prévisions météorologiques à moyenne distance (ECMWF) produit un ensemble de 51 membres de prévisions de précipitations, que les hydrologues passent par des modèles d'inondation pour produire des cartes probabilistes des inondations.Au lieu de dire qu'il y a un risque d'inondation, , ces cartes montrent la probabilité de dépassement pour différents niveaux d'eau, permettant aux gestionnaires des urgences de prendre des décisions basées sur les risques.

Lien: Google Research – Machine Learning for Flood Forecasting

Internet des objets (IdO) et réseaux de capteurs

L'Internet des objets (IoT) met directement en place la surveillance des inondations. Des réseaux de capteurs à faible coût et à faible puissance sont déployés dans les rivières, les eaux pluviales urbaines, les canaux et les zones côtières pour mesurer en continu le niveau d'eau, l'intensité des précipitations, l'humidité du sol et la vitesse d'écoulement. Ces capteurs communiquent par des protocoles radio cellulaires, Wi-Fi ou à longue portée comme LoRaWAN, transmettant des données aux plates-formes nuageuses toutes les quelques minutes.

L'un des systèmes de surveillance des inondations IoT les plus ambitieux est le Jakarta, Indonésie, une mégaville qui subit des inondations annuelles. La ville a installé des centaines de capteurs ultrasoniques de niveau d'eau le long de ses rivières et affluents. Les données sont transmises dans une salle de contrôle centralisée où un tableau de bord des inondations en temps réel affiche les conditions actuelles et déclenche des alertes SMS aux autorités locales lorsque l'eau atteint des niveaux de danger.

Aux États-Unis, la National Oceanic and Atmospheric Administration (NOAA) exploite un réseau national de plus de 8 000 jauges de courant, dont beaucoup ont été modernisés par télémétrie IoT. Les flux de données dans le modèle national de l'eau, qui produit des prévisions à haute résolution pour chaque courant du pays. Au-delà des réseaux gouvernementaux, les projets communautaires d'IoT prolifèrent.Au Brésil, IBM Research a contribué à créer un système d'alerte aux inondations pour la ville de Itajubá en utilisant un maillage de capteurs ultrasoniques et des algorithmes d'apprentissage automatique qui prédisent les inondations éclairs 45 minutes avant qu'ils ne culminent—temps précieux pour les résidents pour échapper à des vallées étroites.

La véritable puissance de l'IoT réside dans sa densité. Lorsque des capteurs sont placés tous les quelques kilomètres le long d'une rivière, les prévisionnistes peuvent détecter la propagation d'une impulsion d'inondation en temps quasi réel. Ces données granulaires améliorent également la performance des modèles, qui peuvent assimiler les lectures de capteurs toutes les 15 minutes au lieu d'attendre les passes quotidiennes de satellites.

Technologie du drone et de l'UAV

Les véhicules aériens sans pilote (UAV), communément appelés drones, sont de plus en plus utilisés dans la gestion des inondations à trois fins principales : cartographie avant l'inondation, surveillance en temps réel et évaluation après catastrophe. Les drones équipés de caméras optiques haute résolution, de capteurs infrarouges thermiques et de LiDAR légers peuvent générer des modèles 3D détaillés de plaines inondables, identifier les brèches dans les douves et cartographier l'étendue précise de l'inondation.

Au cours des inondations de 2021 en Allemagne et en Belgique, des drones ont été envoyés en quelques heures pour évaluer les dommages causés aux infrastructures essentielles, comme les ponts et les lignes électriques. Les images prises, traitées par photogrammétrie, ont permis aux équipes d'intervention de prioriser les réparations et de localiser les survivants isolés.

En survolant les canaux fluviaux après un événement d'inondation, les drones peuvent capter la bathymétrie à haute résolution et la géométrie des berges qui améliorent les calibrations futures des modèles. Certains drones avancés sont maintenant équipés de dispositifs d'échantillonnage d'eau qui collectent des eaux de crue pour tester les contaminants, aidant les organismes de santé publique à émettre des avis de consommation.

Intelligence artificielle et apprentissage automatique dans les prévisions des inondations

L'application de l'intelligence artificielle (IA) aux prévisions d'inondation s'est accélérée de façon spectaculaire.Au-delà des réseaux LSTM déjà mentionnés, l'IA est utilisée pour améliorer la prévision des précipitations (prédiction des précipitations à très court terme). L'ECMWF et le UK Met Office ont mis au point des méthodes d'apprentissage automatique post-traitement qui corrigent les biais dans les modèles météorologiques et génèrent des champs de précipitations à haute résolution.

Au Japon, des chercheurs ont formé un réseau neuronal convolutionnel sur 10 ans de données radar pour prévoir le début des crues éclair dans les bassins versants urbains. Le système prévoyait des inondations avec un temps d'avance de 20 minutes et un taux d'alarme faux inférieur aux méthodes traditionnelles. Cette vitesse est cruciale pour les mégapoles comme Tokyo, où les fortes pluies peuvent transformer les rues en rivières en quelques minutes.

Le système mondial de prévision atmosphérique à haute résolution (GRAF)[ utilise un modèle météorologique couplé à l'IA pour produire des prévisions de résolution de 3 km toutes les heures. Le GRAF a été déployé pendant la saison des inondations de 2022 en Corée du Sud, où il a prédit avec succès l'intensification locale des précipitations de mousson qui ont entraîné des inondations éclairantes.

Lien: IBM Water & Solutions de gestion des inondations

Technologies communautaires et science citoyenne

Les applications mobiles, les services de messages courts (SMS) et les plateformes de médias sociaux permettent une communication bidirectionnelle entre les autorités et le public. Les applications comme MyCoast aux États-Unis permettent aux citoyens de télécharger des photos de marques de haute qualité, qui sont géotagrées et utilisées pour valider les modèles d'inondation. De même, l'application FEMA fournit des alertes en temps réel et des instructions de sécurité, tandis que le système d'alerte précoce d'inondation de Bangladesh envoie des alertes vocales aux téléphones mobiles de base à Bangla, atteignant des millions de personnes qui manquent de smartphones.

Pendant les inondations de 2023 en Libye, les volontaires ont utilisé la plateforme Ushahidi pour cartographier les quartiers inondés et partager les demandes de sauvetage. Les informations recueillies par des dizaines de contributeurs locaux sur WhatsApp ont aidé les équipes internationales de sauvetage à coordonner leurs efforts et à fournir de l'aide aux zones les plus touchées. Aux Philippines, la plateforme ] du projet NOAH (maintenant partie du gouvernement) a utilisé un réseau de pluviomètres et des rapports sur les médias sociaux pour générer des cartes localisées des risques d'inondation utilisées par chaque barangay (quartier).

Par exemple, dans la ville de Jakarta mentionnée plus haut, le gouvernement s'est associé à des groupes de travail locaux -"inondation" qui reçoivent des données de capteurs et des avertissements de relais de porte à porte. La combinaison de capteurs de haute technologie et de réseaux humains de faible technologie crée un système hybride qui fonctionne même en cas de panne d'Internet ou de puissance.

Jumeaux numériques et modélisation de ville 3D

Pour la gestion des inondations, les villes construisent des jumeaux numériques qui modélisent l'ensemble de leur réseau de drainage, de leurs rivières, de leur terrain et de leur infrastructure critique en 3D. En intégrant les prévisions de précipitations des modèles météorologiques et des données sur le niveau d'eau des capteurs IoT, le jumeau numérique peut simuler des scénarios d'inondation presque instantanément.

Singapour gère ses eaux pluviales avec une plateforme numérique appelée -Virtual Singapore. Elle combine des analyses LiDAR, des modèles de construction et des données en temps réel provenant de capteurs dans les canaux et les égouts. Lorsqu'un événement de pluie intense est prédit, le système simule le flux à travers le réseau de la ville et identifie les routes les plus susceptibles d'inondation. Les opérateurs peuvent alors ajuster les stations de pompage et émettre des avis de circulation ciblés.

Rotterdam, la ville qui se trouve presque entièrement au-dessous du niveau de la mer, a développé un jumeau numérique pour gérer ses plas et ses toits verts. Ces solutions basées sur la nature stockent temporairement l'eau de pluie excédentaire, et le jumeau numérique indique aux opérateurs quand activer les pompes et quand les places atteignent leur capacité. La ville partage son modèle jumeau avec d'autres villes delta à travers le réseau Connecting Delta Cities, accélérant l'adoption d'infrastructures numériques dans le monde entier.

Solutions fondées sur la nature et surveillance des infrastructures vertes

Les zones humides, les mangroves, la restauration des plaines inondables et les jardins pluviaux urbains peuvent absorber et ralentir les eaux de crue, réduisant ainsi les débits de pointe. La technologie est maintenant déployée pour surveiller la performance de ces actifs --verts. Les capteurs IdO dans les plaines inondables restaurées mesurent la recharge des eaux souterraines et l'humidité du sol, ce qui prouve que le NdB n'est pas seulement un tampon d'inondation, mais aussi des habitats et des puits de carbone.

Chine]==Sponge City initiative, qui s'étend maintenant à plus de 30 villes, utilise des chaussées perméables, des toits verts et des bassins de rétention pour imiter les cycles naturels de l'eau. Chaque éponge est équipée de capteurs de niveau d'eau qui communiquent avec une plate-forme centrale de gestion de l'eau urbaine.La plate-forme utilise l'IA pour prévoir la quantité de pluie qu'une ville éponge peut absorber avant de devoir libérer de l'eau dans le système de drainage conventionnel.

Aux Pays-Bas, le programme Plage pour le fleuve a créé des canaux latéraux et abaissé les plaines inondables pour donner plus d'espace aux rivières. Les drones et les données satellitaires sont utilisés annuellement pour suivre la sédimentation et la croissance de la végétation dans ces zones, en assurant le maintien de leur capacité de stockage des inondations.

Conclusion : La voie à suivre

La télédétection fournit le contexte mondial, les modèles hydrologiques fournissent les détails locaux et les capteurs IoT fournissent le battement en temps réel d'un bassin versant. Les Drones, l'IA, les jumeaux numériques et les plateformes communautaires assurent que l'information circule rapidement des satellites aux smartphones. Pourtant, la technologie à elle seule n'est pas une balle d'argent. La gestion efficace des inondations nécessite des investissements dans le matériel et la capacité humaine, la formation des ingénieurs, l'éducation des citoyens et l'intégration de ces outils dans la prise de décisions quotidiennes.

Les tendances émergentes, comme l'informatique quantique pour la modélisation d'ensembles à haute résolution, les constellations de nanosatellites pour les temps de révision sous-horaire et les interfaces de langage naturel pilotées par l'IA qui fournissent des alertes d'inondation dans les dialectes locaux promettent de repousser la frontière. Les pays et les communautés qui embrassent ces technologies et les tissent en gouvernance solide et en engagement communautaire, seront mieux préparés pour les inondations de l'avenir.