Modèles de prévision spatio-temporelle d’avalanches

En cette période où les sports d’hiver en Suisse sont souvent associés dans l’actualité aux avalanches, nous revenons sur un article concernant les méthodes statistiques de prévision de ce danger naturel. Cette publication a été déposée sur Serval par Giona Matasci, assistant doctorant au CRET spécialisé en analyse d’images de télédétection, et co-auteur de cette publication.

Dans les dernières décennies, les méthodes statistiques de prévision d’avalanches ont été largement développées dans des régions diverses comme les Alpes, les montagnes Rocheuses ou en Ecosse. Ce type d’étude répond aux besoins spécifiques de régions sujettes aux avalanches, un danger naturel lié à l’habitat humain en montagne et à la pratique des sports d’hiver. La Suisse est emblématique de ce cas de figure. Dans ce contexte, l’Institut pour l’étude de la neige et des avalanches (SLF) utilise depuis les années ’80 un système automatisé d’aide à la prévision, appelé NXD, qui se base sur la méthode statistique des « plus proches voisins ». Il s’agit d’un outil de support pour les experts qui est utilisé lors de la production des bulletins et des cartes de danger d’avalanche à une échelle régionale (les différents secteurs de l’espace alpin suisse).

Dans la même idée du NXD, le but de la recherche de Giona était de mettre au point un modèle statistique fiable de prédiction de l’activité avalancheuse, mais cela à une échelle spatiale beaucoup plus fine. La méthode développée avait pour but d’intégrer efficacement des informations spatiales et temporelles détaillées sur les épisodes de déclenchement. Le cas d’étude a concerné la région de Lochaber en Écosse, dans laquelle on trouve le plus haut sommet du Royaume Uni, le Ben Nevis. Le travail a pris en compte les facteurs météorologiques tels que la température de l’air, la vitesse et la direction du vent et les facteurs liés au manteau neigeux, comme son épaisseur ou sa température. Ces variables décrivant globalement les conditions propices au déclenchement d’une avalanche ont ensuite été combinées avec des informations topographiques liées aux couloirs avalancheux où des événements ont été observés. En fait, grâce à un Modèle Numérique de Terrain, pour chaque couloir à risque, on a déterminé son altitude, sa pente et son orientation. Ainsi, grâce à une vaste base de données constituée de 18 années d’observations quotidiennes des situations d’avalanche et des déclenchements associés, une relation statistique de type cause à effet a pu être recherchée. Un modèle de prévision spatio-temporel a donc été mis en place à partir d’un algorithme d’apprentissage automatique appelé Support Vector Machines. Le système développé procède à des comparaisons entre les conditions du jour et des situations similaires enregistrées dans le passé, fournissant ainsi des prévisions sur le comportement de la masse neigeuse pour le jour en question. Cela permet d’obtenir un excellent instrument pour l’évaluation du danger d’avalanche actuel par les experts locaux.

Cette publication présente des résultats prometteurs concernant les prévisions de l’activité avalancheuse des différents couloirs répertoriés dans la région d’étude. De plus, une méthode pour la création de cartes très détaillées du danger à l’échelle locale (10 mètres de résolution spatiale) a aussi été proposée. Il s’agit d’un développement intéressant pour les analystes qui pourraient ainsi disposer d’outils d’aide à la décision à une échelle très fine.

Référence bibliographique

Alexei Pozdnoukhov, Giona Matasci, Mikhail Kanevski, Ross S. Purves, Spatio-temporal avalanche forecasting with Support Vector Machines, Natural Hazards and Earth System Science 2011 11(2), pp. 367-382 [full text]

Photo: © Maygutyak – Fotolia.com

Vous aimerez aussi...

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *