Cartographie Automatique des Zones Inondées et Evaluation des Dommages dans le District d’Abidjan depuis Google Earth Engine

Amandine Carine Njeugeut Mbiafeu; Marc Youan Ta; Jean-Robert Kamenan Satti; Tchimou Vincent Assoma; Jean Patrice Jourda

doi:10.19044/esj.2023.v19n32p54

Amandine Carine Njeugeut Mbiafeu Doctorant, Centre Universitaire de Recherche Appliquée en Télédétection (CURAT), Université Félix Houphouët-Boigny, Abidjan, Côte d’Ivoire
Marc Youan Ta Enseignant-Chercheur, Hydrogéologie, Télédétection, Base de Données et WEBSIG, Centre Universitaire de Recherche Appliquée en Télédétection (CURAT), Université Félix Houphouët-Boigny d’Abidjan-Cocody, Abidjan, Côte d’Ivoire
Jean-Robert Kamenan Satti Doctorant, Institut National Polytechnique Houphouët-Boigny (EDP-INPHB), Yamoussoukro, Côte d’Ivoire
Tchimou Vincent Assoma Enseignant-Chercheur, Hydrogéologie, Télédétection et SIG, Centre Universitaire de Recherche Appliquée en Télédétection (CURAT), Université Félix Houphouët-Boigny, Abidjan, Côte d’Ivoire
Jean Patrice Jourda Enseignant-Chercheur, Télédétection et SIG en Hydrogéologie, Centre Universitaire de Recherche Appliquée en Télédétection (CURAT), Université Félix Houphouët-Boigny, Abidjan, Côte d’Ivoire

DOI: https://doi.org/10.19044/esj.2023.v19n32p54

Keywords: Inondation, Intelligence artificielle, Apprentissage automatique, Google earth engine, Sentinel-1, Alos Polsar, Abidjan, Côte d’Ivoire, dommages

Abstract

L'objectif de cette étude est de générer automatiquement des cartes de l'étendue des zones inondées dans le district d'Abidjan et d’évaluer les dommages causés. L’approche méthodologique a consisté à cartographier l'étendue des zones inondées en utilisant une méthode de détection des changements basée sur les données Sentinel-1 (SAR) avant et après une crue spécifique. Ensuite, les différentes classes d'enjeux (telles que les cultures, les zones habitées, les bâtiments, les routes et la densité de la population) ont été extraites à partir de diverses sources de données gratuites. Puis la superficie des enjeux affectés a été évaluée, en superposant les classes d’enjeux sur les zones inondées. De plus, une interface web a été conçue à l'aide des packages de Google Earth Engine. Cette interface web offre à l'utilisateur la possibilité de visualiser l'étendue des zones inondées et les cartes des enjeux affectés, avec une estimation statistique, pour une date donnée dans l'intervalle allant de 2015 à la date actuelle. La cartographie des zones inondées à la date du 25 juin 2020 a révélé une superficie totale de 25219,23 hectares de zones inondées soit 11,50% de la superficie totale du District d’Abidjan. Une estimation des dégâts causés par cette crue indique que 22 307,53 hectares d'enjeux ont été affectés en moyenne, ce qui représente 88,45 % des zones inondées. Cette répartition se décompose en 13 538,49 hectares (soit 53,68 %) de terres agricoles touchées et 8 769,04 hectares (soit 34,77 %) de zones urbaines touchées, impactant en moyenne 35 065 personnes. Les résultats de cette étude ont permis de constater que la partie centrale de la zone d'étude, au-dessus de la lagune, présente le plus grand potentiel de risque d'inondation en raison de la morphologie du terrain et de la vulnérabilité élevée des zones construites qui occupent la plaine inondable.

The objective of this study is to automatically generate maps of the extent of flooded areas in the Abidjan district and assess the resulting damages. The methodological approach involved mapping the extent of flooded areas using a change detection method based on Sentinel-1 (SAR) data before and after a specific flood event. Subsequently, various classes of assets, such as crops, residential areas, buildings, roads, and population density, were extracted from various free data sources. The affected asset areas were then evaluated by overlaying the asset classes on the flooded areas. Furthermore, a web interface was designed using Google Earth Engine packages. This web interface allows users to visualize the extent of flooded areas and maps of the affected assets, along with statistical estimates, for a specific date within the interval from 2015 to the current date. Mapping of the flooded areas as of June 25, 2020, revealed a total area of 25219.23 hectares of flooded areas, representing 11.50% of the total area of the Abidjan District. An estimation of the damages caused by this flood indicates that, on average, 22307.53 hectares of assets were affected, accounting for 88.45% of the flooded areas. This distribution breaks down into 13538.49 hectares (53.68%) of affected agricultural lands and 8769.04 hectares (34.77%) of affected urban areas, impacting an average of 35,065 people. The study results revealed that the central part of the study area, located above the lagoon, presents the highest flood risk potential due to the terrain's morphology and the high vulnerability of built-up areas occupying the floodplain.

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

PlumX Statistics

References

1. Adje, N. P., & Kouadio, K. F. (2021). Résilience des populations des zones a risque face aux inondations : le cas de la commune d’attecoube. International Journal of Humanities and Cultural Studies (IJHCS) ISSN 2356-5926, 8(1), Article 1.
2. Alla, D. A., Atta, K. J.-M., & Yassi, G. A. (2018). Les risques naturels et leurs manifestations dans une ville secondaire : érosion et inondation à daloa (centre- ouest de la côte d’ivoire). Revue de Géographie Tropicale et d’Environnement, 2, Article 2.
3. ALLA, D. A., DOS SANTOS, S., & Zahiri, E.-P. (2019, juin). Penser les vulnérabilités aux inondations par le prisme de la justice environnementale : cas du projet evidence à Abidjan”. Cyberséminaire Justice Environnemental - Justice environnementale et sanitaire au Nord et au Sud Quels apports heuristiques de l’interdisciplinarité ? https://hal-amu.archives-ouvertes.fr/hal-02481276
4. Ambroise, B., Beven, K., & Freer, J. (1996). Toward a Generalization of the TOPMODEL Concepts : Topographic Indices of Hydrological Similarity. Water Resources Research, 32(7), 2135 2145. https://doi.org/10.1029/95WR03716
5. Benzougagh, B., Frison, P.-L., Meshram, S. G., Boudad, L., Dridri, A., Sadkaoui, D., Mimich, K., & Khedher, K. M. (2021). Flood Mapping Using Multi-temporal Sentinel-1 SAR Images : A Case Study— Inaouene Watershed from Northeast of Morocco. Iranian Journal of Science and Technology, Transactions of Civil Engineering. https://doi.org/10.1007/s40996-021-00683-y
6. Bi, V. H. N., Saley, B., Wade, S., Valere, D. E., Kouame, F., & Affian, K. (2014). Cartographie du risque d’inondation par une approche couplée de la télédétection et des systѐmes d’informations géographiques (sig) dans le département de sinfra (centre-ouest de la cote
d ’ivoire). 22.
7. Danumah, J. H. (2016). Assessing Urban Flood Risks under Changing Climate and Land Use in Abidjan District, South Cote d’Ivoire [Doctor Of Philosophy In Climate Change and Land-use]. Kwame Nkrumah University Of Science And Technology A.
8. Danumah, J. H., Odai, S. N., Saley, B. M., Szarzynski, J., Thiel, M., Kwaku, A., Kouame, F. K., & Akpa, L. Y. (2016). Flood risk assessment and mapping in Abidjan district using multi-criteria analysis (AHP) model and geoinformation techniques, (cote d’ivoire). Geoenvironmental Disasters, 3(1), Article 1. https://doi.org/10.1186/s40677-016-0044-y
9. De Almeida Pereira, G. H., Cechim Júnior, C., Fronza, G., & Deppe, F. A. C. (2019). multitemporal analysis of sar images for detection of flooded areas in pantanal. Raega - O Espaço Geográfico Em Análise, 46(3), 88. https://doi.org/10.5380/raega.v46i3.66988
10. Eba, A. E. L., Ake, G. E., Gouadou, D. F., & Jourda, J. (2021). Evaluation de la Vulnérabilite à l’Inondation des Communes à Proximité des Grandes Villes Ouest Africaines : Cas de la Commune de Bingerville (Est d’Abidjan – Côte d’Ivoire). European Scientific Journal ESJ, 17(14). https://doi.org/10.19044/esj.2021.v17n14p277
11. Fulbert, Y. (2022, juillet 8). Côte d’Ivoire / Inondations : 19 morts enregistrés à Abidjan (bilan). Agence Anadolu. https://www.aa.com.tr/fr/afrique/côte-divoire-inondations-19-mortsenregistrés-à-abidjan-bilan/2632800
12. Habal, T. K. (2021). Appréhender l’urbanisation en milieu tropical humide. Le 4 pages. https://hal.univ-lorraine.fr/hal-03472004
13. Hauhouot, C. (2008). Analyse du risque pluvial dans les quartiers précaires d’Abidjan. Etude de cas à Attécoubé. Geo-Eco-Trop, 32, 75 82.
14. INS. (2014). Recensement Général de la Population et de l’Habitat 2014 (p. 49) [Rapport d’exécution et présentation des principaux résultats].
15. Jo, M.-J., Osmanoglu, B., Zhang, B., & Wdowinski, S. (2018). Flood extent mapping using dual-polarimetric sentinel-1 synthetic aperture radar imagery. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII 3, 711 713. https://doi.org/10.5194/isprs-archives-XLII-3-711-2018
16. Jourda, J. P., Kouamé, K. F., Soro, N., Kouamé, K. J., Kouadio, B. H., Saley, M. B., Kouamé, K., & Ahoussi, E. (2003). Gestion et protection des eaux souterraines urbaines : Apports d’un système d’information géographique à la réalisation de la carte de vulnérabilité de la nappe du continental terminal au niveau de l’agglomération d’Abidjan. 11.
17. Kangah, A., & Alla, D. A. (2015). Détermination des zones à risque d’inondation à partir du modèle numérique de terrain (MNT) et du système d’information géographique (SIG) : Cas du bassin-versant de Bonoumin-Palmeraie (commune de Cocody, Côte d’Ivoire). Geo-EcoTrop., 39(2), Article 2.
18. Kefi, M., Mishra, B. K., Kumar, P., Masago, Y., & Fukushi, K. (2018). Assessment of Tangible Direct Flood Damage Using a Spatial Analysis Approach under the Effects of Climate Change : Case Study in an Urban Watershed in Hanoi, Vietnam. ISPRS International Journal of Geo-Information, 7(1), Article 1. https://doi.org/10.3390/ijgi7010029
19. Konan, A. N. (2018). Urban Flood modelling and Floodplain Mapping using ArcGIS, HEC-HMS and HEC-RAS in Abidjan city, Côte D’Ivoire – West Africa : Case study of the watershed of Bonoumin - Rivièra Palmeraie. http://repository.pauwes-cop.net/handle/1/372
20. Konaté, L., Kouadio, B. H., Djè, B. K., Ake, G. E., Gnagne, L., Kouame, M. K., & Biémi, J. (2016). Caractérisation des pluies journalières intenses et récurrences des inondations : Apport des totaux glissants trois (3) jours à la détermination d’une quantité seuil d’inondation (District d’Abidjan au Sud-Est de la Côte d’Ivoire) ( Heavy daily rainfall characterization and flooding repeating: contri.
21. Kouamé, K. A., Biemi, J., & Kouame, K. F. (2013). Application du modèle hydrologique distribué hydrotel à la simulation des écoulements des eaux en milieu tropical humide soumis aux pressions anthropiques cas du bassin versant du bandama en Côte D’Ivoire (UFR Sciences de la Terre et des Ressources Minières). Article UFR Sciences de la Terre et des Ressources Minières.
22. Kumar, R. (2019). Flood Inundation and Hazard Mapping of 2017 Floods in the Rapti River Basin Using Sentinel-1A Synthetic Aperture Radar Images. In P. Kumar, M. Rani, P. Chandra Pandey, H. Sajjad, & B. S. Chaudhary (Éds.), Applications and Challenges of Geospatial Technology : Potential and Future Trends (p. 77 98). Springer International Publishing. https://doi.org/10.1007/978-3-319-99882- 4_6
23. Kurapati, P. V., Babu, A., Rajosarimalala, S. T., & Pyla, K. R. (2020). Flood mapping and damage assessment using sentinel – 1 & 2 in google earth engine of port berge & mampikony districts, sophia region, madagascar. 9.
24. Long, S., Fatoyinbo, T. E., & Policelli, F. (2014). Flood extent mapping for Namibia using change detection and thresholding with SAR. Environmental Research Letters, 9(3), 035002. https://doi.org/10.1088/1748-9326/9/3/035002
25. Mahaman Bachir, S., Kouamé, F., Penven, M. J., & Biémi, J. (2005). Cartographie des zones à risque d’inondation dans la région semimontagneuse à l’Ouest de la Côte d’Ivoire : Apport des MNA et de l’imagerie satellitaire.
26. Njeugeut, M. A. C., Ta, M. Y., Jean-Robert, K. S., Armel, K. K., Vincent, A. T., & Patrice, J. J. (2023). Mapping of land use units in the District of Abidjan using Google Earth Engine cloud, based on Sentinel-2 optical images and Machine Learning algorithms. International Journal of Innovation and Applied Studies, 40(1), Article 1.
27. Ouattara, T., Kouamé, F., Zo-Bi, C., Vaudry, R., & Grinand, C. (2021). Changements d’occupation et d’usage des terres entre 2016 et 2019 dans le Sud-Est de la Côte d’Ivoire : Impact des cultures de rente sur la forêt. Bois & Forets Des Tropiques, 347, 91 106. https://doi.org/10.19182/bft2021.347.a31868
28. Ouattara, Z. A., Kablan, A. K. M., Gahi, N. Z., Ndouffou, V., & Dongo, K. (2021). Analyse des facteurs anthropiques et des risques sanitaires associés aux inondations par débordement d’un canal d’évacuation des eaux à Abidjan. Environnement, Risques & Santé, 20(5), 467 482. https://doi.org/10.1684/ers.2021.1583
29. PopulationStat. (2021). Abidjan, Ivory Coast Population (2021) — Population Stat. https://populationstat.com/ivory-coast/abidjan
30. Savane, I., Coulibaly, K. M., & Gioan, P. (2003). Étude comparative de trois méthodes de calcul du coefficient de tarissement des cours d‘eau. Science et changements planétaires / Sécheresse, 14(1), 37 42.
31. Shahabi, H., Shirzadi, A., Ghaderi, K., Omidvar, E., Al-Ansari, N., Clague, J. J., Geertsema, M., Khosravi, K., Amini, A., Bahrami, S., Rahmati, O., Habibi, K., Mohammadi, A., Nguyen, H., Melesse, A. M., Ahmad, B. B., & Ahmad, A. (2020). Flood Detection and Susceptibility Mapping Using Sentinel-1 Remote Sensing Data and a Machine Learning Approach : Hybrid Intelligence of Bagging Ensemble Based on K-Nearest Neighbor Classifier. Remote Sensing, 12(2), Article 2. https://doi.org/10.3390/rs12020266
32. Vanama, V. S. K., Mandal, D., & Rao, Y. S. (2020). GEE4FLOOD : Rapid mapping of flood areas using temporal Sentinel-1 SAR images with Google Earth Engine cloud platform. Journal of Applied Remote Sensing, 14(3), 034505. https://doi.org/10.1117/1.JRS.14.034505