Informations sur l’article

Résumé :
Les inondations constituent un défi majeur en Côte d’Ivoire et au Sénégal, entraînant d’importantes pertes économiques et humaines. Cette étude propose une approche innovante de détection et de cartographie des zones inondées en combinant l’intelligence artificielle (IA) et l’imagerie satellitaire. La détection rapide des inondations reste complexe en raison des conditions météorologiques, de la diversité topographique et du manque de systèmes automatisés. Cette recherche applique une méthodologie basée sur l’IA pour cartographier les inondations à Abidjan (Côte d’Ivoire) et Saint-Louis (Sénégal), deux villes vulnérables en raison de l’urbanisation rapide et du changement climatique. L’étude utilise des images Sentinel-2 et ALOS PolSAR, traitées via Google Earth Engine et Google Colab. Un modèle U-Net a été développé pour segmenter les images en quatre classes : eaux permanentes, zones inondées, terres sèches et nuages. Les performances du modèle (précision > 85 %) permettent une cartographie fine des superficies affectées et des infrastructures impactées. L’analyse spatiale révèle des vulnérabilités spécifiques : à Saint-Louis, l’urbanisation incontrôlée et la géomorphologie accentuent les risques ; à Abidjan, l’absence d’infrastructures de drainage aggrave la situation. Ces résultats soulignent la nécessité d’une gestion intégrée des risques, alliant innovation technologique et solutions basées sur la nature. L’étude recommande des stratégies d’adaptation pour renforcer la résilience urbaine face aux inondations croissantes.