Thèse en sciences de l’environnement, soutenue le 21 mars 2025 par Jalbert Aarnink, rattaché à l’Institut des dynamiques de la surface terrestre (IDYST) de la FGSE.
Le gros bois dans les rivières joue un rôle important dans les processus écologiques et géomorphologiques, influençant le transport des sédiments, les habitats aquatiques et la dynamique des inondations. Malgré son importance, la surveillance du bois reste complexe, aidée par les progrès des techniques de télédétection. Cette thèse explore la dynamique des gros bois dans les systèmes fluviaux grâce à des approches innovantes combinant les observations de terrain, les données satellitaires, la surveillance vidéo et l’apprentissage automatique. L’objectif de cette thèse est de combler les lacunes dans les connaissances sur le stockage et le transport du bois et d’améliorer les méthodologies de surveillance.
Une partie de l’étude examine les mécanismes de transport, notamment l’interaction du bois avec les régimes d’écoulement. Des inondations expérimentales et relevés par drone ont permis de modéliser les trajectoires et vitesses du bois, révélant que son transport varie significativement selon l’ampleur de l’inondation et la morphologie du canal. Les résultats montrent l’importance des fortes décharges dans la mobilisation du bois et le modelage des paysages fluviaux.
Un autre objectif de la thèse est d’évaluer le stockage du bois dans les systèmes fluviaux, ce qui est intéressant en termes d’équilibre entre les avantages écologiques et les risques potentiels d’inondation. Les embâcles de bois, formés par l’accumulation de gros bois, servent d’habitats aux espèces aquatiques mais peuvent exacerber les inondations en obstruant l’écoulement de l’eau. La thèse présente une nouvelle approche d’apprentissage automatique pour détecter les embâcles de bois à partir d’images aériennes, atteignant une grande précision dans la quantification du volume et de la distribution du bois. Ces résultats ont des implications pour la restauration des rivières et la gestion des risques d’inondation.
Une innovation importante de cette recherche réside dans l’intégration de l’imagerie à haute résolution et de l’intelligence artificielle (IA) pour surveiller le bois des rivières. En entraînant des réseaux neuronaux convolutifs (CNN) sur divers ensembles de données, la thèse a permis la détection automatisée du bois dans les images aériennes et vidéo. Cette approche réduit considérablement la nature laborieuse des méthodes traditionnelles tout en maintenant la précision de la détection. Les tests menés sur diverses rivières, y compris les Alpes suisses et les Andes argentines, démontrent la robustesse de ces techniques dans des conditions environnementales variées.
En conclusion, cette thèse fait progresser la compréhension de certaines parties du régime des gros bois des rivières et ouvre la voie à de nouvelles méthodologies de surveillance. Ses contributions dépassent la recherche académique, offrant des outils pratiques aux gestionnaires pour gérer le bois dans les rivières. Ces innovations peuvent améliorer la résilience écologique et hydrologique et constituer un outil précieux pour la recherche interdisciplinaire future en surveillance et gestion des rivières.
