Abstract:
La problématique des risques naturels en général et des inondations en particulier est un sujet
d‘actualité qui marque une action mémorable dans le monde et spécifiquement dans les villes
et agglomérations urbaines pose un problème avec acuité, notamment au regard des dernières
grandes crues catastrophiques de la wilaya d'El Tarf. En effet, la gestion de ce risque devient
de plus en plus une nécessité qui doit inclure tous les acteurs et moyens disponibles et
possibles. A travers ce mémoire la portée de cette étude est d'étudier la faisabilité de
l'utilisation d'une méthode d'apprentissage automatique pour la cartographie de la sensibilité
aux inondations de la wilaya d'El Tarf. À cette fin, nous avons utilisé la méthode de Random
Forest (RF) la plus populaire pour ses performances de prédiction. Des cartes d'inventaire des
crues ont été générées pour les crues historiques (900 emplacements) et divisées en ensembles
de données de formation et de validation (70 % et 30 %) par un schéma de sélection aléatoire.
Les facteurs influençant la crue ont été construits dans l'espace sur la base de caractéristiques
topographiques, hydrologiques, géologiques et en tant qu'entrées dans les modèles. Ces
facteurs comprennent, élévation, pentes, aspect, ombrage, la courbure du plan, accumulation
de flux, l’indice d'humidité topographique (IHT), l’indice de transfert de sédiments (ITS),
l’indice de rugosité de terrain (IRT), l’indice de puissance de flux (IPF). Précipitation, Sens
d’écoulement, l'utilisation des terres/occupation du sol (UT/OS), lithologie, et l'indice de
végétation par différence normalisé (IVDN). Le modèle RF décrit la relation entre le nombre
d'inondations et les facteurs d'évaluation, et il a une précision de classification relativement
élevée. L'efficacité des étapes du modèle RF a finalement atteint une précision de simulation
moyenne de 84,81 %. Les analyses de 15 indicateurs montrent que les zones à fortes
inondations sont concentrées dans les zones côtières, les bassins, les zones autour des lacs et
divers bassins versants,
