Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

High resolution analysis of landscape morphology and processes from repeated airborne LiDAR and hydraulic simulation

Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique

Thomas Bernard

Résumé

The fundamental objective of geomorphology is the identification and characterisation of the processes shaping landscapes. By providing a high accuracy, high density 3D representation of landscapes, airborne LiDAR has revolutionised our ability to extract information from the topography providing new opportunities for the identification and understanding of geomorphological processes. This potential remains underutilized in many geomorphological problems due to the inability of current analysis methods to exploit the amount and detail of information provided by airborne LiDAR. This thesis integrates the latest developments in 2D hydraulic simulation and 3D change detection to improve analysis methods for (i) the description of fluvial landform structures and (ii) the identification and geometric analysis of landslides at high resolution. The main results show that 2D hydraulic simulation allows the definition of hydro-geomorphic indicators that fully account for the high resolution structure of flow patterns. These indicators allow for a better identification of hillslope-channel connexions and the characterisation of the hydraulic geometry of channels. The integration of 3D change detection allows the exploitation of the 3D structure of LiDAR data for the creation of robust, complete and objective landslide inventories. This approach allows a better quantification of landslide volume than traditional approaches.
L’objectif fondamental de la géomorphologie est l’identification et la caractérisation des processus façonnant les paysages. En fournissant une représentation 3D haute précision et haute densité des paysages, le LiDAR aéroporté a révolutionné notre capacité à extraire des informations sur la topographie fournissant ainsi de nouvelles opportunités pour l’identification et la compréhension des processus géomorphologiques. Ce potentiel reste sous-exploité dans de nombreuses problématiques en géomorphologie du fait de l’incapacité des méthodes d’analyse actuelles à exploiter la richesse d’information fournie par le LiDAR aéroporté. Cette thèse intègre les derniers développements sur la simulation hydraulique 2D et la détection de changements 3D afin d’améliorer les méthodes d’analyse pour (i) la description de la structure des paysages fluviaux et (ii) l’identification et l’analyse géométrique des glissements de terrain à haute résolution. Les principaux résultats montrent que la simulation hydraulique 2D permet la définition d’indicateurs hydro-géomorphiques prenant pleinement en compte la structure haute résolution des écoulements de surface. Ces indicateurs permettent une meilleure identification des connexions versants-rivières et la caractérisation de la géométrie hydraulique des chenaux. L’intégration de la détection de changement 3D permet d’exploiter la structure 3D des données LiDAR pour la création d’inventaires robustes, complets et objectifs des glissements de terrain. Cette approche permet une meilleure quantification du volume des glissements de terrain en comparaison des approches traditionnelles.
Fichier principal
Vignette du fichier
BERNARD_Thomas.pdf (13.09 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03783246 , version 1 (22-09-2022)

Identifiants

  • HAL Id : tel-03783246 , version 1

Citer

Thomas Bernard. Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique. Sciences de la Terre. Université de Rennes, 2022. Français. ⟨NNT : 2022REN1B011⟩. ⟨tel-03783246⟩
140 Consultations
92 Téléchargements

Partager

Gmail Facebook X LinkedIn More