Cartographier les inondations
sous couverture nuageuse

Le suivi des inondations en Afrique centrale se heurte à une contrainte structurelle : la période de plus forte exposition au risque coïncide avec celle où l'imagerie satellitaire optique est la moins disponible. Pendant la saison des pluies, la couverture nuageuse du bassin du Congo limite fortement l'acquisition d'observations exploitables par les capteurs optiques — une difficulté bien documentée pour le suivi forestier de la région (Reiche et al., 2021) et pour l'observation des milieux tropicaux en général (Langhorst et al., 2024).

L'imagerie radar offre une alternative robuste à cette limite. Cet article présente les principes physiques qui la fondent, une chaîne de traitement reproductible à partir des données Sentinel-1, et — point souvent sous-documenté — les sources d'erreur qu'il convient d'anticiper avant tout usage opérationnel.

1. Fondement physique : la transparence des nuages en bande C

Un capteur optique est un système passif : il mesure le rayonnement solaire réfléchi par la surface terrestre. Toute couche nuageuse interposée devient donc l'objet mesuré, ce qui rend l'observation du sol impossible.

Un radar à synthèse d'ouverture (SAR) est en revanche un système actif : il émet son propre rayonnement micro-ondes et mesure l'énergie rétrodiffusée par la surface. La mission Sentinel-1 du programme Copernicus opère en bande C, à une longueur d'onde d'environ 5,6 cm (Torres et al., 2012). Les gouttelettes constitutives des nuages étant de plusieurs ordres de grandeur inférieures à cette longueur d'onde, leur interaction avec le signal reste négligeable : l'atmosphère nuageuse est, à cette échelle, quasi transparente.

2. Signature radar des surfaces en eau

La détection des surfaces inondées repose sur une propriété bien établie : une étendue d'eau calme se comporte, à l'échelle de la longueur d'onde, comme une surface spéculaire. Le signal incident est réfléchi majoritairement dans la direction opposée au capteur, si bien que l'énergie rétrodiffusée mesurée est faible. L'eau libre apparaît en conséquence sombre sur l'image, en net contraste avec la végétation, les sols rugueux et les surfaces bâties, dont la diffusion est plus élevée.

Ce contraste se traduit quantitativement : en bande C, le coefficient de rétrodiffusion des surfaces en eau libre se situe généralement entre −15 et −20 dB, une plage largement rapportée dans la littérature et mobilisée dans les chaînes automatisées (Twele et al., 2016). Cette séparabilité explique qu'un seuillage de l'histogramme suffise, dans de nombreux contextes, à extraire l'eau — les approches par seuillage restant parmi les plus employées pour la cartographie des inondations par SAR (Landuyt et al., 2019).

Le choix de la polarisation mérite attention. Sentinel-1 acquiert le plus souvent en double polarisation VV et VH. Pour la détection d'eau libre, la polarisation VV est généralement privilégiée en raison de son meilleur contraste eau/non-eau. La polarisation VH, plus sensible à la diffusion de volume du couvert végétal, présente un intérêt complémentaire lorsque l'objectif est de détecter une inondation sous végétation — configuration nettement plus complexe (Tsyganskaya et al., 2018).

3. Chaîne de traitement en cinq étapes

L'intérêt opérationnel réside moins dans la production d'une carte isolée que dans la capacité à régénérer cette carte à chaque revisite du satellite, sans intervention manuelle. La plateforme Google Earth Engine, qui met à disposition l'archive Sentinel-1 prétraitée et exécute les calculs côté serveur (Gorelick et al., 2017), se prête bien à cette automatisation.

1. 1Établir une référence d'eau permanente. Un composite médian d'images de saison sèche caractérise l'état hydrologique de référence. Le jeu de données Global Surface Water du JRC, dérivé de trente-deux ans d'archives Landsat, constitue une alternative ou un complément robuste pour distinguer eau permanente et eau saisonnière (Pekel et al., 2016).
2. 2Réduire le chatoiement. Le speckle est un bruit multiplicatif inhérent à l'imagerie cohérente. Son atténuation par filtrage adaptatif, dont le filtre de Lee constitue la référence historique (Lee, 1980), ou par moyenne multi-temporelle, conditionne la qualité du seuillage ultérieur.
3. 3Déterminer le seuil de séparation. Un seuil fixe présente une stabilité limitée d'une scène à l'autre. La méthode d'Otsu, qui identifie le seuil minimisant la variance intra-classe d'un histogramme bimodal (Otsu, 1979), offre une détermination automatique plus reproductible. Les approches hiérarchiques par sous-fenêtres améliorent encore la robustesse lorsque l'eau occupe une faible proportion de la scène (Chini et al., 2017).
4. 4Isoler l'eau nouvelle. La différence entre l'eau détectée et la référence permanente délimite l'extension inondée proprement dite, seule grandeur pertinente pour un dispositif d'alerte.
5. 5Croiser et diffuser. L'intersection avec les couches d'exposition — localités, infrastructures, parcelles, zones d'intervention — convertit une surface en information décisionnelle. Le franchissement d'un seuil de superficie peut alors déclencher une alerte automatisée.

La fréquence de revisite de Sentinel-1 est de l'ordre de six à douze jours selon la latitude et la configuration de la constellation. Elle ne relève pas du temps réel, mais offre une régularité que l'optique ne peut garantir en contexte tropical humide. Les données sont distribuées gratuitement et sous licence ouverte.

4. Limites et sources d'erreur

La fiabilité opérationnelle d'une chaîne de détection dépend directement de la prise en compte explicite de ses limites. Les principales sont documentées et concernent aussi bien les faux négatifs que les faux positifs (Landuyt et al., 2019).

• Rugosité induite par le vent. Une surface d'eau agitée perd son comportement spéculaire et rétrodiffuse davantage de signal, ce qui élève sa valeur au-dessus du seuil de détection. Il en résulte une sous-estimation de l'étendue inondée lors d'épisodes venteux.
• Confusion avec des surfaces sèches lisses. Les sols nus très plans, les surfaces sableuses et les revêtements bitumés présentent également une faible rétrodiffusion et peuvent être classés à tort comme surfaces en eau.
• Inondation sous couvert végétal ou en milieu urbain. Sous végétation ou entre bâtiments, le mécanisme de double rebond entre la surface en eau et les structures verticales accroît la rétrodiffusion au lieu de la diminuer. L'inondation y apparaît alors en valeurs élevées, ce qui invalide le seuillage simple et requiert des approches dédiées (Tsyganskaya et al., 2018).
• Effets géométriques du relief. En terrain accidenté, les ombres radar et les phénomènes de repliement génèrent des zones de faible signal susceptibles d'être confondues avec de l'eau.

Le principal levier de correction est topographique. L'intégration d'un modèle numérique de terrain, et plus spécifiquement de l'indice de hauteur au-dessus du drainage le plus proche (HAND), permet d'écarter les détections situées sur des versants pentus ou nettement au-dessus du réseau hydrographique (Nobre et al., 2011). Cette contextualisation topographique et hydrologique réduit sensiblement le taux de faux positifs et fait aujourd'hui partie des bonnes pratiques des chaînes opérationnelles.

5. Portée opérationnelle

Pour une équipe projet, l'apport se mesure en délai de décision. Disposer d'une estimation d'étendue inondée dans les jours suivant l'événement, plutôt que dans les semaines, modifie la nature des questions auxquelles il est possible de répondre : localités affectées, axes de circulation interrompus, parcelles agricoles submergées, priorisation des missions de vérification.

L'apport est également méthodologique. Une estimation datée, reproductible et documentée — méthode, seuil, source, incertitude — constitue un élément de redevabilité plus solide qu'une appréciation qualitative reconstituée a posteriori. L'automatisation de la chaîne garantit en outre la comparabilité entre événements successifs.

6. Mise en œuvre : premiers pas

Les données Sentinel-1 sont accessibles via le Copernicus Data Space Ecosystem et disponibles sous forme prétraitée dans le catalogue de Google Earth Engine. Une démarche d'apprentissage efficace consiste à reconstituer l'étendue d'une crue passée et documentée sur son propre territoire, puis à confronter le résultat aux observations de terrain disponibles. Cette confrontation permet d'estimer les taux d'omission et de commission propres au contexte, et constitue le préalable raisonnable à tout usage en situation opérationnelle.

La valeur d'une donnée d'observation tient moins à sa résolution ou à son rendu visuel qu'à sa disponibilité au moment où la décision doit être prise. En contexte tropical humide, cette disponibilité est précisément ce que l'imagerie radar apporte.

Merveille Aganze Sami

Conseillère MEL & Gestion de Bases de Données. Plus de 9 ans d'expérience en suivi-évaluation, SIG et digitalisation auprès d'organisations internationales (GIZ, Enabel) en RD Congo.

LinkedIn Me contacter