Bannière Cookies

En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour réaliser des statistiques de visites.

Environnement

Mieux prévenir les avalanches et les inondations dues à la fonte des neiges

Jesus revuelto

Nationality Spanish

Year of selection 2016

Institution CNRS

Country France

Risk Environnement

Post-Doctoral Fellowship

undefined year

130000 €

Dans les régions montagneuses, les avalanches et les inondations comptent parmi les risques naturels les plus dangereux.
Pour empêcher les catastrophes de se produire, divers systèmes expert de prévision ont été développés. Ces systèmes s’appuient sur des simulations détaillées des propriétés physiques du manteau neigeux et de son évolution par rapport à des facteurs tels que les conditions météorologiques, la topographie locale ou les caractéristiques du terrain. Toutefois, les simulations actuelles du manteau neigeux ne sont pas fiables à 100 %. Des divergences notables observées entre la réalité et la simulation peuvent parfois altérer la capacité des systèmes à anticiper des événements potentiellement catastrophiques. « Les incertitudes quant aux simulations s’accumulent sur toute la saison d’enneigement, car le manteau neigeux garde en mémoire les événements météorologiques passés. Actuellement, aucune correction n’est effectuée sur les simulations suite à des observations de la neige, principalement en raison du manque d’informations distribuées au quotidien. Mais, les nouvelles possibilités en matière de surveillance en temps réel de la répartition du manteau neigeux donnent de bons résultats et pourraient servir à rectifier les écarts observés sur les simulations », explique le Dr Jesús Revuelto. S’appuyant sur les dernières avancées dans le domaine des études de la neige, le projet de notre chercheur vise à affiner la résolution spatiale des modélisations et à réduire les écarts de simulation par l’acquisition, à grande échelle et en temps réel, de données sur la répartition du manteau neigeux. À terme, son objectif est d’améliorer davantage les capacités prévisionnelles et l’efficacité des systèmes actuellement utilisés dans les régions montagneuses.

Lire entre les pixels

« Représenter de manière précise l’évolution du manteau neigeux sur des surfaces étendues s’avère une tâche difficile, en raison des restrictions qu’impose chacune des méthodes et technologies », nous confie le Dr Jesús Revuelto. « Les mesures sur le terrain offrent plus de précisions sur l’observation du manteau neigeux, mais sont inappropriées pour les acquisitions de données à grande échelle de par le manque de spatialisation », poursuit-il. « D’autre part, les techniques de télédétection, y compris l’imagerie satellitaire, permettent l’obtention d’informations sur de vastes étendues, mais dans ce cas, c’est la résolution spatiale qui est limitée. » En effet, les capteurs des satellites optiques qui récupèrent quotidiennement des données sur les zones enneigées présentent une résolution spatiale de l’ordre de 250 à 500 m, et sont impactés par la présence de nuages. « Les informations satellite obtenues à cette échelle ne peuvent pas représenter l’extrême variabilité spatiale de la répartition du manteau neigeux sur des distances plus courtes, particulièrement pour certaines zones partiellement enneigées qui correspondent seulement à quelques pixels sur l’image satellite », précise le Dr Jesús Revuelto. « Afin d’améliorer la prévision des risques d’avalanche et d’inondation, il est essentiel de réduire l’échelle des simulations du manteau neigeux à une résolution spatiale qui prenne en compte les variabilités d’enneigement sur de plus courtes distances, car les caractéristiques du terrain qui agissent localement sur l’accumulation de neige peuvent avoir des répercussions considérables sur certaines situations dangereuses. »

Utiliser les études sur le terrain pour mieux interpréter les images satellite

Pour surmonter ces obstacles, ce projet prévoit de s’appuyer sur des contrôles topographiques in situ de la répartition de l’enneigement réalisés à petite échelle, afin de mieux comprendre et interpréter les images satellite. Le Dr Jesús Revuelto et l’équipe qui l’héberge, concentreront leurs recherches dans la vallée de l’Arve, une vallée alpine située en France dans le département de la Haute-Savoie. De par l’étude des facteurs topographiques qui influent sur la répartition du manteau neigeux dans cette zone, ils entendent combiner ces nouvelles connaissances avec une étude attentive des données satellite, afin de déterminer la variabilité du manteau neigeux pour chacun des pixels des images. « Divers facteurs doivent être pris en considération : l’incidence de l’angle d’ensoleillement, de la déclivité du terrain, de la présence de végétation, etc. », ajoute le Dr Jesús Revuelto. « Grâce à ces connaissances sur la topographie des régions montagneuses, il devrait être possible d’améliorer d’un facteur dix la détermination de la répartition du manteau neigeux à l’aide de capteurs satellite, et donc de passer d’une sensibilité de 250 m à 25 m », remarque-t-il. L’assimilation de cette méthode au modèle numérique de manteau neigeux Crocus – utilisé depuis 30 ans dans les montagnes françaises pour simuler la dynamique des couches de neige et prévoir les avalanches – pourrait permettre de réduire considérablement les écarts de prévision des inondations et des avalanches.

Les montagnes sont des régions particulièrement sensibles au changement climatique. L’amélioration de la modélisation du manteau neigeux est essentielle pour atténuer les risques d’avalanche et d’inondation, des phénomènes qui seront plus fréquents avec le changement climatique. Avec pour objectif d’affiner la résolution de la simulation du manteau neigeux et d’optimiser les performances de prévision par l’intégration des données satellite, le projet du Dr Jesús Revuelto donnera vraisemblablement lieu à de formidables avancées dans les études sur la neige. En outre, la collaboration avec Météo France, qui est dorénavant envisagée, lui donnera l’occasion de mettre rapidement en application les résultats de ses recherches.