Guide d’utilisation#
Introduction#
floodsr est un outil qui améliore la résolution des rasters de profondeur d’inondation. Autrement dit, un outil de super-résolution (SR), dans le langage des modèles. Il prend en entrée un raster de profondeur à basse résolution et reconstruit une sortie à plus haute résolution en utilisant le contexte du terrain (DEM).
En gros, il s’agit de passer de la grille pixellisée de gauche à la grille plus lisse de droite :
Modèles numériques d’élévation (DEM)#
Contrairement à d’autres outils de super-résolution, floodsr exploite des données topographiques pour produire des reconstitutions de crues physiquement plus cohérentes. Cette information est fournie sous la forme d’un DEM à haute résolution. floodsr tohr propage l’eau sur la grille du DEM fournie ; il faut donc veiller à ce que le DEM représente bien la surface de propagation visée. Par exemple, en filtrant les bâtiments ou en ouvrant des brèches d’écoulement à travers les routes.
Image : Arbec, CC BY 4.0, via Wikimedia Commons.
Le DEM haute résolution peut être fourni avec l’option --dem.
Mosaïque HRDEM#
Pour les travaux au Canada, Ressources naturelles Canada développe et héberge le Modèle numérique d’élévation de haute résolution, qui fournit une représentation unique et continue des données d’élévation haute résolution disponibles au pays. Dans le sud du Canada, cet ensemble est principalement dérivé de données LiDAR aéroporté, ce qui en fait une excellente ressource de données de terrain accessibles via leurs services WCS. La couverture vers février 2026 est montrée ci-dessous :
Pour automatiser l’utilisation des données HRDEM pour le rehaussement de la résolution des trames d’inondation au Canada, floodsr tohr peut récupérer directement les tuiles HRDEM avec l’option --fetch-hrdem.
Modèles#
Pour couvrir un large éventail de cas d’usage et rester adaptable, floodsr s’appuie sur des modèles pour réaliser le rehaussement de la résolution. Pour voir les modèles pris en charge, utilisez la commande floodsr models list.
ResUNet_16x_DEM#
C’est le modèle d’origine, basé sur l’apprentissage automatique, implémenté dans floodsr. Il utilise une architecture ResUNet sensible au DEM qui fusionne les données de profondeur à faible résolution avec le contexte topographique à haute résolution, reconstitue les structures sur la trame à basse résolution, puis effectue un suréchantillonnage par un facteur de 16 pour prédire la profondeur à haute résolution.
Entraînement
Utilise Rim2D pour simuler un grand ensemble de tuiles d’inondation pour l’entraînement et le HRDEM.
Les entrées de profondeur et de DEM ont été normalisées pour stabiliser l’apprentissage.
L’optimisation utilise Adam avec un écrêtage du gradient et un taux d’apprentissage planifié.
Inférence
L’inférence valide les entrées et applique un prétraitement propre au modèle.
Le modèle s’exécute tuile par tuile, puis fusionne les prédictions chevauchantes en une surface continue.
Les résultats finaux sont convertis en unités de profondeur sur la trame cible.
CostGrow#
CostGrow_Terrain est un modèle intégré basé sur des règles pour propager une profondeur d’inondation basse résolution sur un DEM haute résolution. Au lieu d’utiliser des poids issus de l’apprentissage, il utilise une logique de croissance pénalisée par le terrain pour reconstruire une surface d’inondation à plus haute résolution à partir du raster de profondeur basse résolution préparé et du DEM fourni.
Ce modèle convient bien lorsque vous voulez un résultat déterministe piloté par le terrain ou si vous ne voulez pas télécharger de poids de modèle. Par rapport à ResUNet_16x_DEM, CostGrow est plus explicitement lié aux règles de propagation pilotées par le DEM, tandis que ResUNet utilise un modèle de reconstruction appris qui tient compte du DEM.
CostGrow_Terrain nécessite PCRaster, conformément au flux d’installation étendue décrit dans Installation. Si vous utilisez ce modèle dans vos travaux, veuillez citer Bryant et al. (2024).