Exploiter l’IA et l’imagerie satellitaire pour délimiter les inondations et soutenir la calibration des modèles hydrauliques en conditions extrêmes
Résumé de la présentation
La délimitation des zones inondées s’appuie largement sur les observations de terrain recueillies lors des crues, mais ces observations deviennent rares dès que les conditions deviennent extrêmes. L’imagerie satellitaire offre une alternative précieuse puisqu’elle permet d’obtenir des informations fiables sur l’étendue des inondations et peut soutenir la calibration des modèles hydrauliques lors d’épisodes majeurs.
Cette présentation abordera le développement d’une approche de cartographie des inondations fondée sur l’imagerie satellitaire radar et optique, l’apprentissage profond transférable au contexte québécois, et une méthode de régularisation hydraulique appliquée à la région d’inférence cible, le Québec.
La présentation portera brièvement sur la méthode, et mettra surtout en lumière les résultats obtenus, le potentiel de l’approche et les défis de généralisation en IA.
Objectifs d'apprentissage :
Se familiariser avec les principes de base de l’approche par apprentissage profond et la manière dont elle permet d’exploiter les images satellitaires pour délimiter les zones inondées
Comprendre le rôle complémentaire de la télédétection dans la calibration des modèles hydrauliques au Québec
Mieux saisir les défis de la généralisation de l’IA en contexte hydrologique
Inscrivez-vous au webinaire pour obtenir le lien ZOOM.
Présentatrice
Claudie Ratté-Fortin est associée de recherche à l’INRS et cofondatrice de l’entreprise Clean Nature. Elle est spécialisée en intelligence artificielle appliquée à l’hydrologie et en modélisation hydrologique. Elle s’intéresse à l’application des principes d’IA responsable dans la conception et le déploiement de systèmes où l’intégrité des résultats est critique.
