Thèse Année : 2024

Contribution of Artificial Intelligence to mapping for desert-scale dune analysis : Rub' Al Khali case study

Contribution de l'Intelligence Artificielle à la cartographie pour l'analyse des dunes à l'échelle d'un désert : cas d'étude du Rub'Al Khali

Résumé

Aeolian dunes at different scales (m-km) are the primary topographic forms in aeolian systems and are found on various planetary bodies such as Earth, Mars, or Venus. They result from the interaction between wind, transported sediments, and the substrate. The shape, size, spatial arrangement, and movement of dunes allow for the analysis of interactions between airflows and sediment supply, modulated by surface conditions. The production of detailed maps of individual dune characteristics, coupled with spatial morphometric statistical analysis, is thus necessary to understand better and characterize the origin of dune formation and evolution.However, accurately mapping dunes over large areas remains a challenging task today for two reasons. Firstly, considering the availability of remote sensing datasets with ever-increasing spatial (and temporal) resolution, such mapping requires automated processes since manual digitization i) is time-consuming and ii) can be subjective and of uneven quality. These limitations are mainly because human operators cannot maintain consistent mapping criteria across large study areas, especially when dealing with complex morphologies. Secondly, this mapping is challenging, particularly due to the complexity of some forms and the lack of a universally accepted dune classification, despite recent research efforts.The primary objective of this work is to propose a new method for mapping aeolian dunes, focusing on an approach that couples Deep Learning to delineate the dune outlines, "skeletonization," and network analysis to map their crestlines and connectivities (defects). The originality of this study lies in the ability to map these features at various scales, ranging from a few kilometers to entire deserts. The developed algorithms demonstrate excellent performance in analyzing large and complex geographic areas with an accuracy of around 90%. This method has enabled the creation, for the first time, of a database containing several thousand dunes from the Rub'Al Khali desert (the largest active desert in the world), with high fidelity compared to visual observations of the dunes present in the Digital Elevation Model (DEM).From this database, we studied the morphological variability of the dunes by comparing them with wind data (ERA5 Land Reanalysis) on a desert scale, in order to quantify and understand their morphological changes and spatial distributions in relation to wind dynamics. This spatialized morphometric analysis is based on Principal Component Analysis (PCA) and highlights the dominant parameters as follows: dune length (PC1) explains more than 50% of the variance and describes the linear dunes in the SW of the desert; height (PC2) represents 18% of the variance and describes the crescent-shaped dunes in the NW; and defect density (PC3) explains 14% of the variance, representing star and dome dunes in the SE. P-value tests were also conducted on these parameters and revealed values below 0.05, thus confirming a significant spatial organization of dunes at the desert scale.Each archetypal dune form is dominated by one of the three parameters identified by the PCA, and transitions between these forms represent evolutionary stages. By comparing these results with wind data, we obtain an evolutionary model in which dunes shape, size, and orientation are strongly influenced by the directional characteristics of sand flow associated with the Shamal and Kharif winds. The analysis of wind data to the different statistically defined dune populations also revealed two dune growth modes: an elongation mode in the west, where the crests of linear dunes align with the sediment flow, favoring their stretching, and an instability mode in the east, where isolated and crescentic dunes, perpendicular to the flow, optimize their vertical growth.
Les dunes de sable éoliennes à différentes échelles (m-km) sont les principales formes topographiques dans les systèmes éoliens et se retrouvent sur divers corps planétaires comme la Terre, Mars ou Vénus. Elles résultent de l'interaction entre le vent, les sédiments transportés et le substratum. La forme, la taille, la disposition spatiale et le déplacement des dunes permet d'analyser les interactions entre les flux d'air et l'apport de sédiments, modulés par les conditions de surface. La production de cartes détaillées des caractéristiques individuelles des dunes couplée à une analyse statistique morphométrique spatialisée devient donc nécessaire pour mieux comprendre et caractériser l'origine de la formation et de l'évolution des dunes éoliennes.Cependant, cartographier les dunes avec précision sur de grandes étendues reste encore aujourd'hui une tâche difficile pour deux raisons. Tout d'abord, compte tenu de la disponibilité des ensembles de données de télédétection avec une résolution spatiale (et temporelle) toujours croissante, une telle cartographie nécessite des procédés automatisés car la numérisation manuelle i) est chronophage et ii) peut être d'une subjectivité et d'une qualité non-uniformes. Ces limites sont principalement dues au fait que les opérateurs humains ne peuvent pas suivre des critères de cartographie similaires sur de vastes zones d'étude, en particulier lorsqu'il s'agit de morphologies complexes. Ensuite, cette cartographie se révèle ardue ; notamment en raison de la complexité de certaines formes et de l'absence de classification universellement acceptée des dunes, malgré les efforts de recherche récents.Ce travail a donc pour objectif premier de proposer une nouvelle méthode de cartographie des dunes éoliennes axée sur une approche couplant du Deep Learning pour tracer le contour des dunes, une "squelettisation" et une analyse de réseau pour cartographier leurs crêtes et leurs connectivités (défauts). L'originalité de cette étude réside dans la capacité à cartographier ces caractéristiques à différentes échelles, allant de quelques kilomètres au désert entier. Les algorithmes développés montrent d'excellentes performances pour analyser des zones géographiques étendues et complexes avec une précision de l'ordre de 90 %. Cette méthode a permis de créer, pour la première fois, une base de données de plusieurs milliers de dunes du désert du Rub'Al Khali (le plus grand désert actif au monde), avec une fidélité élevée par rapport aux observations visuelles des dunes présentes sur le MNT.À partir de cette base de données, nous avons étudié la variabilité morphologique des dunes en les comparant avec les données de vent (ERA5 Land Reanalysis) à l'échelle du désert, afin de quantifier et de comprendre leurs changements morphologiques et leurs répartitions spatiales en lien avec la dynamique des vents. Cette analyse morphométrique spatialisée est basée sur une Analyse en Composante Principale (ACP) et met en évidence les paramètres dominants suivant : la longueur des dunes (PC1) explique plus de 50 % de la variance et décrit les dunes linéaires du SW du désert ; la hauteur (PC2) représente 18 % de la variance et décrit les dunes en croissant du NW ; et la densité de défauts (PC3) explique 14 % de la variance, représentant les dunes en étoile et en dôme au SE. Des tests de p-value ont aussi été réalisés sur ces paramètres et révèlent des valeurs inférieures à 0,05, confirmant ainsi une organisation spatiale significative des dunes à l’échelle du désert.Chaque forme archétypale de dune est dominée par l'un des trois paramètres identifiés par l'ACP, et les transitions entre ces formes représentent des étapes évolutives. En comparant ces résultats avec les données de vent, nous obtenons un modèle évolutif où la forme, la taille et l'orientation des dunes sont fortement influencées par les caractéristiques directionnelles du flux de sable associés aux vents du Shamal et du Kharif.(...)
Fichier principal
Vignette du fichier
2024LEMA1027.pdf (28.85 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04906491 , version 1 (22-01-2025)

Identifiants

  • HAL Id : tel-04906491 , version 1

Citer

Jimmy Daynac. Contribution de l'Intelligence Artificielle à la cartographie pour l'analyse des dunes à l'échelle d'un désert : cas d'étude du Rub'Al Khali. Géomorphologie. Le Mans Université, 2024. Français. ⟨NNT : 2024LEMA1027⟩. ⟨tel-04906491⟩
0 Consultations
0 Téléchargements

Partager

More