Cartographie à distance des glissements de terrain à l'aide de jumelles télémètres laser et GPS

Table des matières

1. Introduction

Les cartes d'inventaire fiables des glissements de terrain sont fondamentales pour les études géomorphologiques, l'évaluation des aléas et la gestion des risques. Les méthodes de cartographie traditionnelles, incluant les levés de terrain directs et l'interprétation de photos aériennes, sont souvent longues, laborieuses et peuvent être dangereuses sur un terrain instable. Cet article présente une expérience de terrain évaluant un nouveau système combinant des jumelles télémètres laser de haute précision, un récepteur GPS et un PC Tablet PC robuste exécutant un logiciel SIG pour la cartographie à distance de glissements de terrain récents induits par les pluies. L'objectif principal était d'évaluer si cette technologie pouvait faciliter une cartographie des glissements de terrain plus rapide, plus sûre et d'une précision comparable aux méthodes conventionnelles.

2. Méthodologie & Configuration expérimentale

2.1. Instrumentation

Le système central était composé de trois éléments intégrés :

• Jumelles télémètres Vectronix VECTOR IV : Utilisées pour les mesures à distance de la distance et du gisement vers les caractéristiques des glissements de terrain.
• Récepteur GPS/GLONASS Leica Geosystems ATX1230 GG : Fournissait une géolocalisation de haute précision pour la position de l'opérateur.
• PC Tablet robuste avec ESRI ArcGIS & Leica Mobilematrix : Servait de plateforme d'intégration des données et de cartographie, permettant la collecte de données SIG en temps réel.

Le système calculait les coordonnées des sommets des glissements de terrain en utilisant la position GPS de l'opérateur, la distance mesurée ($d$) et l'azimut ($\alpha$) provenant du télémètre.

2.2. Zone d'étude & Procédure de test

L'expérience a été menée dans la région de Monte Castello di Vibio (Ombrie, Italie centrale), une zone collinaire de 21 km² sujette aux glissements de terrain dans des roches sédimentaires. Treize glissements de terrain précédemment cartographiés ont été recartographiés en utilisant le nouveau système à distance. Pour validation, quatre glissements de terrain ont également été cartographiés en parcourant le périmètre avec le récepteur GPS (méthode du « GPS pédestre »). Ces résultats ont été comparés aux cartes de reconnaissance visuelle initiales.

3. Résultats & Analyse

3.1. Comparaison des techniques de cartographie

Le système de cartographie à distance a produit des limites de glissements de terrain géographiquement comparables à celles obtenues par la méthode du GPS pédestre. Les deux techniques se sont avérées supérieures à la cartographie de reconnaissance visuelle initiale, qui manquait de géoréférencement précis. La méthode à distance a permis de capturer avec succès la géométrie essentielle des ruptures de pente.

3.2. Évaluation de la précision et de l'efficacité

Bien qu'une évaluation statistique complète de la précision (par exemple, le calcul de l'erreur quadratique moyenne) ne soit pas détaillée dans l'extrait fourni, les auteurs concluent que le système est efficace pour cartographier les glissements de terrain récents. L'avantage clé est opérationnel : il permet la cartographie depuis des points de vue sûrs et stables, réduisant significativement le temps et les risques associés au déplacement sur un terrain de glissement instable. Il est positionné comme un outil pour la cartographie d'inventaire de reconnaissance rapide sur de vastes zones.

4. Détails techniques & Cadre mathématique

Le calcul géospatial central implique la détermination des coordonnées d'un point cible (sommet du glissement) à partir d'une position d'observateur connue. La formule utilisée est basée sur la résolution du problème géodésique direct :

Étant données les coordonnées de l'observateur (latitude $\phi_o$, longitude $\lambda_o$, hauteur ellipsoïdale $h_o$), la distance inclinée mesurée $d$, l'azimut $\alpha$ et l'angle vertical (ou distance zénithale $z$), les coordonnées du point cible ($\phi_t$, $\lambda_t$, $h_t$) sont calculées. Dans une approximation plane simplifiée pour de courtes distances, cela peut s'exprimer comme :

$\Delta N = d \cdot \cos(\alpha) \cdot \sin(z)$

$\Delta E = d \cdot \sin(\alpha) \cdot \sin(z)$

$\Delta h = d \cdot \cos(z)$

Où $\Delta N, \Delta E, \Delta h$ sont les différences nord, est et de hauteur par rapport à l'observateur. Les coordonnées de la cible sont alors : $Easting_t = Easting_o + \Delta E$, $Northing_t = Northing_o + \Delta N$, $h_t = h_o + \Delta h$. En pratique, un logiciel SIG/GPS dédié effectue ce calcul en utilisant des modèles géodésiques précis (par exemple, l'ellipsoïde WGS84).

5. Résultats & Description des graphiques

Figure 1 (Référencée dans le PDF) : Cette figure (non entièrement reproduite ici) montrerait typiquement des photographies ou un schéma des trois instruments clés : les jumelles Vectronix VECTOR IV, le récepteur GPS Leica et le PC Tablet robuste. Son but est de fournir une référence visuelle pour le système de terrain intégré, mettant en avant sa portabilité et la synergie entre la mesure (jumelles), le positionnement (GPS) et l'enregistrement/visualisation des données (Tablet PC avec SIG).

Analyse comparative sous-entendue : Les résultats textuels suggèrent un graphique conceptuel comparant les trois méthodes selon des axes comme « Précision positionnelle », « Vitesse de collecte des données », « Sécurité sur le terrain » et « Coût opérationnel ». La méthode laser/GPS à distance obtiendrait un score élevé en matière de sécurité et de vitesse pour la reconnaissance initiale, avec une précision approchant le « standard de référence » du GPS pédestre pour la cartographie du périmètre, tandis que la reconnaissance visuelle serait moins bien classée en précision et reproductibilité.

6. Cadre analytique : Exemple de cas

Scénario : Inventaire rapide des glissements de terrain après des pluies dans une région montagneuse de 50 km².

Application du cadre :

1. Planification & Reconnaissance : Utiliser l'imagerie satellitaire pré-événement (par exemple, Sentinel-2) pour identifier les zones à haute susceptibilité ou présentant des perturbations visibles.
2. Campagne de cartographie à distance : Déployer le système laser/GPS sur des crêtes ou routes accessibles surplombant les vallées cibles. Depuis chaque point de vue :
   • Établir une position GPS stable.
   • Scanner les pentes avec les jumelles pour identifier les cicatrices de glissements frais, les couloirs de débris et les dépôts au pied.
   • Pour chaque caractéristique identifiée, utiliser le télémètre pour marquer les sommets clés (par exemple, la couronne de la tête, les marges latérales, le pied). Le logiciel SIG trace ces points en temps réel, formant un polygone.
   • Les données attributaires (type, niveau de confiance) sont saisies via la tablette.
3. Intégration des données & Validation : Fusionner tous les polygones collectés en une seule couche SIG. Sélectionner un sous-ensemble de glissements plus grands ou critiques pour validation via :
   a) Levé GPS pédestre (si sûr).
   b) Photogrammétrie par drone pour générer un Modèle Numérique de Terrain (MNT) haute résolution et une orthophoto pour une numérisation précise.
4. Analyse : Calculer les statistiques de base de l'inventaire (nombre, densité, superficie totale) et comparer avec les données historiques pour évaluer l'ampleur de l'événement.

7. Idée centrale & Analyse critique

Idée centrale : Ce travail ne porte pas sur une avancée technologique, mais sur une astuce pragmatique de terrain. Il détourne des outils de levé haut de gamme (télémètre laser, GPS géodésique) pour un problème spécifique et complexe — l'inventaire rapide des glissements de terrain — là où les méthodes traditionnelles échouent en matière de sécurité et de vitesse. La véritable innovation est l'intégration systémique et la preuve de concept pour un relevé géomorphologique « à distance ».

Enchaînement logique : La logique des auteurs est solide mais prudente. Ils identifient un problème (cartographie dangereuse et lente), proposent une solution assistée par la technologie, la testent dans un cadre contrôlé par rapport à une référence (GPS pédestre) et constatent qu'elle fonctionne. L'enchaînement est classique en géoscience appliquée. Cependant, il manque une analyse d'erreur quantitative rigoureuse, attendue dans une revue axée sur la métrologie, ce qui est une occasion manquée de consolider sa contribution technique.

Points forts & Limites :

• Points forts : Gains démontrables en sécurité et efficacité. Le système est robuste, utilisant du matériel commercial standard (COTS). Il comble un créneau entre les levés au sol risqués et la télédétection aérienne/spatiale coûteuse et dépendante des conditions météorologiques (comme l'InSAR ou le LiDAR, discutés dans les travaux de l'USGS ou dans des revues comme Remote Sensing of Environment).
• Limites : La limitation de la « ligne de vue » est rédhibitoire en végétation dense ou topographie complexe — un défaut majeur pour une applicabilité mondiale. Le coût du matériel (Vectronix, Leica) est prohibitif pour une adoption généralisée dans les pays en développement, où le risque de glissement est souvent le plus élevé. L'étude manque d'une analyse coût-bénéfice par rapport à la photogrammétrie émergente par drone, qui peut atteindre une sécurité similaire et un détail supérieur.

Perspectives exploitables :

1. Pour les praticiens : Ce système est une option viable pour les équipes d'intervention rapide en terrain accessible et dégagé. Prioriser son utilisation pour le cadrage initial et l'identification de cibles pour des investigations plus détaillées.
2. Pour les chercheurs : L'avenir est la fusion. La prochaine étape logique est d'intégrer ces données vectorielles de terrain avec des données matricielles de drone ou satellite (par exemple, en utilisant l'IA pour l'extraction de caractéristiques comme dans Ghorbanzadeh et al., 2022). Utiliser les points précis GPS-laser comme données d'entraînement ou de validation pour les modèles d'apprentissage automatique appliqués à une imagerie plus large.
3. Pour les développeurs : Développer une version moins chère, basée sur une application, utilisant les capteurs des smartphones (LiDAR sur les iPhones récents, modules GPS RTK) et le traitement en nuage. Démocratiser la capacité.

En substance, Santangelo et al. fournissent un plan précieux, bien que quelque peu daté, pour un flux de travail de terrain spécifique. Son plus grand héritage devrait être d'inspirer des solutions plus abordables, intégrées et assistées par l'IA pour la cartographie des géorisques.

8. Perspectives d'application & Orientations futures

• Intégration avec les UAV (Drones) : Le système laser/GPS est idéal pour la vérification terrain et la validation des cartes de glissements créées à partir de la photogrammétrie ou du LiDAR par drone. L'opérateur peut mesurer avec précision à distance les caractéristiques identifiées dans l'imagerie drone.
• Évaluation rapide multi-aléas : La méthodologie peut être adaptée pour la cartographie rapide d'autres géorisques post-événement, comme les zones sources de chutes de pierres, les cicatrices d'érosion fluviale ou la cartographie des escarpements de faille après des séismes.
• Science citoyenne & Crowdsourcing : Des versions simplifiées de cet outil, basées sur une application, pourraient permettre à du personnel local formé ou à des scientifiques citoyens de contribuer à des données géospatiales structurées sur les occurrences de glissements, élargissant les réseaux de surveillance.
• Interfaces en Réalité Augmentée (RA) : Les futurs systèmes pourraient utiliser des lunettes RA pour superposer les données SIG et les outils de mesure directement sur le champ de vision, rationalisant encore le processus de cartographie.
• Reconnaissance de caractéristiques par IA : Coupler le système avec une IA d'analyse d'image en temps réel pourrait aider à suggérer et classer automatiquement les caractéristiques des glissements de terrain à travers le viseur des jumelles, réduisant le biais de l'opérateur et le temps de formation.

9. Références

1. Santangelo, M., Cardinali, M., Rossi, M., Mondini, A. C., & Guzzetti, F. (2010). Remote landslide mapping using a laser rangefinder binocular and GPS. Natural Hazards and Earth System Sciences, 10(12), 2539–2546. https://doi.org/10.5194/nhess-10-2539-2010
2. Guzzetti, F., Mondini, A. C., Cardinali, M., Fiorucci, F., Santangelo, M., & Chang, K. T. (2012). Landslide inventory maps: New tools for an old problem. Earth-Science Reviews, 112(1-2), 42–66.
3. Ghorbanzadeh, O., Blaschke, T., Gholamnia, K., & Aryal, J. (2022). Landslide mapping using deep learning and object-based image analysis. Scientific Reports, 12, 3042.
4. USGS Landslide Hazards Program. (n.d.). Landslide Mapping and Monitoring. Retrieved from https://www.usgs.gov/natural-hazards/landslide-hazards/science
5. Martha, T. R., Kerle, N., Jetten, V., van Westen, C. J., & Kumar, K. V. (2010). Characterising spectral, spatial and morphometric properties of landslides for semi-automatic detection using object-oriented methods. Geomorphology, 116(1-2), 24–36.