Ce travail traite du développement d’un outil d’aide à la décision dans le cadre de l’analyse de risque d’érosion côtière. L’érosion côtière est un phénomène naturel complexe qui menace le littoral du monde entier. Ces régions sont généralement habitées et sous l'autorité de différents paliers d’organisations gouvernementales. Chaque organisation a sa propre source de données et ses propres critères pour évaluer le risque associé à l'érosion. Souvent, les données et les critères des organisations concernées sont en situation de conflit, ce qui empêche de fournir une vision cohérente des risques. Une telle situation ne permet donc pas d’avoir un processus décisionnel efficace. Un système d’analyse de risque multi échelles et intégré est ainsi nécessaire pour gérer des données contradictoires et des critères environnementaux, sociaux et économiques différents. Les systèmes d’information géographique (SIG) permettent l’intégration des données spatiales et non-spatiales pour l’aide à la décision. Par contre, la combinaison de plusieurs critères, de plusieurs époques, mais aussi d’échelles différentes d’information et enfin l’existence d’incertitudes à différents niveaux posent d’importants défis avec les outils existants. Gérer une telle analyse multidimensionnelle de manière efficace, permettant une synthèse rapide, des comparaisons faciles et l’interrogation multi-niveaux est encore très difficile au sein des SIG conventionnels. Cette recherche vise le développement d’un outil multidimensionnel intégré pour améliorer l'évaluation du risque d'érosion côtière à l'aide d’une technologie Spatial On-Line Analytical Processing (SOLAP). La technologie SOLAP a été développée pour de telles situations, lui permettant d’offrir de meilleures performances et des capacités adaptées pour de telles analyses. En particulier, on y inclue plusieurs types d’objets vulnérables à l’érosion en plus de leurs interactions avec les aspects environnementaux, sociaux et économiques. Pour prendre en compte l’incertitude inhérente, la théorie de l’ensemble flou est utilisée et permet de mieux gérer les zones à risques.

1. Présentée par: Amaneh Jadidi Mardkheh Candidate de doctorat en Sciences Géomatiques Université Laval Département des Sciences Géomatiques

19. Résultat I 15

22. Solution II 18 Load LiDAR Data Geo-referencing Create TIN & DTM Extract MSL Calculate Erosion Rate Classification: represent erosion sites Load other cartography Layers Extract and classify vulnerable features Determine segment size Gridding space as pixel Define Membership Function for each pixel Pre-calculate Measures based on risk formula Construct Fact table Fuzzy representation of risk for each pixel Aggregation of pixel (fuzzy object) Multi scale representation of risk zones Repeat for each epoch LP360 MF is defined for each criterion

23. Résultat attendu II 19

25. Fin 21