Fermer

P4UF a automatisé la modélisation hydraulique par satellite

Publié le 20/01/2026
L’équipe projet a aussi bien tenu sa promesse que l’imagerie Pléiades : en novembre 2025, Pléaides4UrbanFlood (P4UF) met en ligne une plateforme cartographique ouverte avec tous les résultats de ses travaux. Vous pouvez y constater l’efficacité de l’imagerie satellite à très haute résolution spatiale pour classifier automatiquement l’occupation du sol et l’injecter en donnée d’entrée de la modélisation hydraulique des crues.

Nul besoin d’être scientifique pour constater l’augmentation des inondations, il suffit d’écouter les informations. En France comme partout ailleurs, ces inondations, souvent soudaines, résultent du ruissèlement de surface exacerbé par l’intensification des précipitations conjuguée à l’urbanisation croissante.

Dans ce contexte, serait-il possible – et pertinent - d’utiliser l’imagerie satellite haute et très haute résolution pour réaliser une estimation détaillée de la vulnérabilité urbaine face aux inondations ? Telle est la question à laquelle le projet P4UF, lancé à l’été 2023, s’est attaché à répondre avec les images monoscopiques Pléiades (50 cm) et Pléiades Neo (30 cm). Il s’est pour cela concentré sur la ville pilote de Grabels (Hérault), en tenant compte de la croissance urbaine de cette petite ville et des catastrophes naturelles qu'elle a subies, dont une inondation exceptionnelle en 2014 et un incendie en 2017.

Avec des résultats probants, les partenaires du projet offrent aujourd’hui une méthodologie rigoureuse et validée par les informations de terrain. Détaillée dans notre article du 19 mai 2025, cette méthodologie repose sur :

  1. 8 images monoscopiques Pléiades et Pléiades Neo (2D) de Grabels à des dates clés : situation « initiale » en 2012, inondations dues à la crue éclair de 2014, incendie de 2017, situation en 2024 ;
  2. À partir desquelles ont été générées des cartes d’occupation du sol de première description avec 6 classes majeures dont celles du bâti et de la végétation ;
  3. Qui ont servi de données d’entrée à un modèle hydraulique permettant d’estimer le ruissellement de surface (hauteur x vitesse de l’eau) en tenant compte des coefficients d’infiltration dans le sol et de frottements (surfaces rugueuses ou lisses) ;
  4. Pour faire ressortir les changements et impacts de chaque évènement et procéder à des simulations de futurs scénarii.

Une plateforme ouverte à tous

Construite à partir d’outils 100% open source, la plateforme cartographique SCO Pléiades4UrbanFlood permet de contextualiser et visualiser facilement les résultats du projet via des c ouches toutes superposables. Vous pouvez notamment afficher les 8 images satellite Pléiades et Pléiades Neo avec, pour chacune :

L’application P4UF est accessible via la plateforme de visualisation Greencity, développée dans le cadre du projet SCO GreenUrbanSat qui, également porté par le duo Cerema/TerraNIS, a automatisé une cartographie fine de la végétation urbaine.

  • Les cartes d’occupation du sol ;
  • Les modifications de surfaces imperméabilisées et de couvert végétal ;
  • L’impact de l’évolution de l’occupation du sol sur la hauteur d’eau et sur la vitesse d’écoulement.
    👉 Les hauteurs d’eau élevées permettent d’identifier les zones de submersion quasi permanentes ou touchées pendant les crues éclairs.
    👉 Les vitesses élevées mettent en évidence les couloirs d’écoulement rapide et destructeur.
    👉 La combinaison de ces deux facteurs permet de déterminer l’aléa inondation, orientant à la fois l’analyse des impacts et la conception de stratégies ciblées d’adaptation et de systèmes d’alerte.
P4UF

Superposition de l’occupation du sol de mai 2024 et, par application du modèle hydraulique à cette carte, de l’impact de ce dernier sur les hauteurs d’eau (à gauche) et sur la vitesse d’écoulement de l’eau (à droite), selon les caractéristiques de la crue éclair de 2014. © Cerema/TerraNIS

🖱 Aller sur le démonstrateur SCO Pléiades4UrbanFlood

Voir le détail des résultats sur la page projet

Une méthode socle et transposable

Saluons ici l’excellente coopération entre les partenaires privés, qui ont fourni les images satellite (Airbus DS), généré les cartes d’occupation du sol (Agenium IT System, TerraNIS, Airbus DS) et réalisé la plateforme de visualisation (TerraNIS), et le Cerema, organisme public, qui a mené les travaux de modélisation hydraulique. Ensemble, ils ont levé des verrous techniques et scientifiques qui vont libérer la création de nouveaux services opérationnels.

Comme l’explique Vanessya Laborie, responsable de la modélisation hydraulique pour le Cerema, « grâce à P4UF, nous disposons d’une chaine intégrée de modélisation hydraulique qui ouvre de belles perspectives pour aller plus loin et mettre en œuvre des chaines de pré et post traitement afin d’imaginer d’autres évènements du dérèglement climatique. Ce qui est une excellente nouvelle car, selon moi, appréhender la modélisation d’évènements ponctuels ne peut être envisagé avec d’autres outils que le satellitaire ». Un enthousiasme partagé par sa collègue Teodolina Lopez, chef de projet P4UF : « une modélisation full satellite, avec par exemple des données CO3D, constituera un gain de temps considérable pour créer et mettre à jour des cartes d’aléas dans différents milieux, comme des estuaires, en outre-mer... Cela permettra également de procéder à diverses simulations selon plusieurs scénarii climatiques, constituant ainsi un puissant outil de projection et d’aide à la décision ».

De leurs côtés, les partenaires industriels du projet, qui ont réalisé les différentes couches d’occupation du sol ainsi que la plateforme de visualisation, imaginent des services particulièrement pertinents à l’international.

Zoom sur la couche Bâti
Agenium IT & System a développé une chaîne automatique complète permettant de détecter les bâtiments dans les images satellites et de générer des empreintes de bâtiments directement exploitables dans des solutions cartographiques. Le cœur du système repose sur un modèle d’intelligence artificielle qui produit un masque précis du bâti après analyse de l’image. Ensuite, une étape de vectorisation transforme ce masque en contours vectoriels, donc adaptés aux usages cartographiques et SIG.  Cette vectorisation est générée grâce à des techniques de simplification et d’orthogonalisation pour obtenir des formes plus propres et cohérentes. Même si certains cas restent complexes (bâtiments mitoyens, formes irrégulières ou contours très détaillés), le modèle a été entraîné sur un ensemble d’images variées afin d’améliorer sa robustesse et sa capacité à gérer différents types de bâtiments.