Le suivi de trait de côte à partir d’images moyennes issues d’acquisitions vidéo aide à quantifier finement les processus d’érosion/accrétion d’une plage. Il tient donc une place importante dans nos activités. De multiples méthodes de calcul existent. Toutefois, elles manquent souvent de robustesse pour assurer un fonctionnement opérationnel.

Pour pallier ce problème, Waves’n see a développé une méthode de calcul automatique du trait de côte, adaptée à chaque site d’étude. Elle repose sur une approche de segmentation d’image par intelligence artificielle et méthode des k-means. Une analyse statistique de position du trait de côte permet ensuite d’optimiser la fiabilité des calculs.

Cette nouvelle méthodologie permet non seulement une automatisation des calculs, mais aussi une détection de trait de côte au moins trois fois plus efficace. Concrètement, un trait de côte valide était auparavant obtenu sur 20 à 30% des images, alors que maintenant il est obtenu pour 70 à 90% d’entre elles. Ce qui, pour une acquisition vidéo par heure, correspond à environ une détection journalière de 7 à 10 traits de côte en fonction du site et des variations saisonnières de la durée du jour dans l’année.

Voici un exemple de suivi de trait de côte à Etretat, de Mars à Juillet 2020:

On peut notamment y remarquer la capacité de l’algorithme à suivre l’évolution du trait de côte pendant les phases ascendantes et descendantes de la marée, et à capter les petites structures appelées « croissants de plage » ou « cusps ».

A partir des paramètres de calibration de caméra, les traits de côte obtenus sont transformés en données géoreférencées. Waves’n see peut ainsi fournir un suivi en temps réel du trait de côte, constituant une information précieuse d’aide à une gestion optimisée de stocks sédimentaires de plage, visant à anticiper et limiter les risques de submersion marine.

Les topographies intertidales bénéficient aussi de cette nouvelle méthodologie car elles sont maintenant générées à partir d’un plus grand nombre de détections de trait de côte. La qualité des topographies générées est sensiblement meilleure, comme en attestent les résultats de validation par un levé Lidar en baie d’Etretat. Les erreurs RMS (RMSE) sont de l’ordre 0.30m, et les erreurs absolues moyennes (MAE) de 0.20m.

Résultats de validation à un levé Lidar (31/08/2019) pour 3 caméras en baie d’Etretat, ancienne vs nouvelle méthodologie.

Enfin, l’automatisation de la détection de trait de côte constitue une avancée majeure dans notre développement. En effet, elle permet un changement d’échelle en augmentant significativement le nombre de sites que l’on est en mesure d’étudier simultanément. Par ailleurs, de nouveaux diagnostics à haute fréquence sont désormais possibles, parmi lesquelles le suivi de pente de plage. Ceci sera l’objet du prochain article !