Au Québec, chaque année, les inondations printanières présentent un défi majeur pour les autorités québécoises. Ainsi, l'élaboration de nouveaux outils et de nouvelles méthodes pour diffuser et visualiser des données massives spatiotemporelles 3D dynamiques d'inondation est très important afin de mieux comprendre et gérer les risques reliés aux inondations. Cette recherche s'intéresse à la diffusion de données géospatiales massives 3D (modèles de bâtiments 3D, arbres, modèles numériques d'élévation de terrain (MNE), données LiDAR, imageries aériennes, etc.) en relation avec les inondations. Le problème est qu'il n'existe pas, à travers la littérature, des systèmes de diffusion efficaces des données massives 3D adaptées aux besoins de cette recherche. En ce sens, notre objectif général consiste à développer un outil de diffusion des données géospatiales massives 3D qui sont des bâtiments 3D et des modèles de terrains de haute résolution à l'échelle de la province du Québec. Les défis de diffusion du flux de données massives, nous ramènent à considérer la technique de tuilage 3D pour convertir les données brutes en formats et structures vectoriels plus légers et adaptés à la diffusion comme la spécification "3D Tiles" pour tuiler les bâtiments 3D, les nuages de points LiDAR et d'autres modèles géoréférencés 3D et le maillage irrégulier, notamment les TIN, pour tuiler les modèles numériques de terrain. Aussi, l'utilisation des techniques de traitement parallèle permet de gérer efficacement les flux massifs de données et d'améliorer le temps de traitement permettant ainsi la scalabilité et la flexibilité des systèmes existants. A cet effet, deux pipelines de tuilage ont été développés. Le premier pipeline concerne la création des tuiles de bâtiments 3D selon la spécification "3D Tiles". Le deuxième est pour créer des tuiles de terrain basées sur des maillages irréguliers. Ces pipelines sont ensuite intégrés dans un système de traitement distribué basé sur des conteneurs Docker afin de paralléliser les processus de traitements. Afin de tester l'efficacité et la validité du système développé, nous avons testé ce système sur un jeux de données massif d'environ 2.5 millions bâtiments 3D situés au Québec. Ces expérimentations ont permis de valider et de mesurer l'efficacité du système proposé par rapport à sa capacité de se mettre à l'échelle (Scalabilité) pour prendre en charge, efficacement, les flux massifs de données 3D. Ces expérimentations ont aussi permis de mettre en place des démarches d'optimisation permettant une meilleure performance dans la production et la diffusion des tuiles 3D. / Every year, floods present a major challenge for Quebec authorities. Thus, the development of new tools and methods to disseminate and visualize massive 3D dynamic flood data is very important to better understand and manage flood-related risks. This research focuses on the streaming of massive 3D geospatial data (3D building models, trees, digital elevation models (DEM), LiDAR data, aerial imagery, etc.) related to flooding. The problem is that there is no efficient streaming systems in the literature for massive 3D data adapted to the needs of this research. In this sense, our general objective is to develop a tool for the streaming of massive 3D geospatial data which are 3D buildings and high-resolution terrain models at the scale of the province of Quebec. The challenges of streaming massive data lead us to adopt the 3D tiling technique to convert raw data into lighter vector formats and structures suitable for streaming such as the "3D Tiles" specification to tile 3D buildings, LiDAR point clouds and other 3D georeferenced models and irregular meshes, including TIN, to tile digital terrain models. Also, the use of parallel processing techniques allows efficient management of massive data flows and improve processing time allowing the scalability and the flexibility of existing systems. For this purpose, two tiling pipelines have been developed. The first pipeline is for creating 3D building tiles according to the "3D Tiles" specification. The second is for creating terrain tiles based on irregular meshes. These pipelines are then integrated into a distributed processing system based on Docker containers in order to parallelize the treatment processes. To test the efficiency and validity of the developed system, we tested this system on a massive dataset of about 2.5 million 3D buildings located in Quebec. These experiments allowed us to validate and measure the efficiency of the proposed system to be scalable in order to efficiently handle massive 3D data flows. These experiments also allowed to set up optimization approaches allowing a better performance in the production and the streaming of 3D tiles.

La récurrence et l’ampleur des catastrophes naturelles présentent aujourd’hui des enjeux sociétaux majeurs, notamment sous l’angle de l’aménagement du territoire et de la gestion foncière pour réduire le risque inhérent à l’occupation humaine des zones vulnérables. En effet, la région dakaroise au Sénégal connait depuis les années 2000 des inondations saisonnières récurrentes, occasionnant des dommages importants. La ville périphérique de Pikine est la plus touchée. Entre 2005 et 2009, 360 000 personnes ont été touchées directement par les inondations dans la banlieue dakaroise (IAGU, 2009). Ces évènements saisonniers ne cessent d’accroître la vulnérabilité de la population, souvent pauvre, qui n’a d’autres options que d’habiter dans ces zones à risque. La présente étude de cas abordera les questions suivantes : Quels sont les facteurs d’occupation de ces zones à risques? Quelles sont les interrelations entre la gestion foncière et la vulnérabilité aux catastrophes naturelles? Quelles sont les interventions foncières mises en œuvre pour atténuer le risque d’inondation? L’obtention de réponses à ces questions nous permettra de mieux comprendre les caractéristiques foncières de la vulnérabilité, dans le but de proposer une stratégie de gestion du foncier à risque. / The recurrence and Scale of natural disasters have currently significant societal challenges, especially when looked at from the angle of territorial planning and land management for the reduction of the risk inherent to human settlement in vulnerable areas. As a matter of fact, the region of Dakar, Senegal, has been facing recurring seasonal floodings for decades, causing significant damage. Pikine, a town in the suburbs, is the most affected. Between 2005 and 2009 it is estimated that 360,000 people have been directly affected by floodings in that suburban area of Dakar (IAGU, 2009). These seasonal events continue to increase the vulnerability of the population who is often poor and has no option but to live in those areas at risk. This case study will address the following question: What are the factors associated with the settlements in those areas at risk? What are the interrelationships between land management and vulnerability to natural disasters? What land-management-related interventions have been implemented to mitigate the risk of flooding? The answers to these questions will enable us to better understand the land-management-related characteristics of vulnerability.

Thèse ou mémoire avec insertion d'articles / Les inondations entrainent de nombreux dommages et des coûts économiques énormes. Cette étude vise à identifier les prédicteurs de l'adaptation aux inondations à l'aide de l'analyse de régression par copules afin d'analyser les meilleurs profils d'adaptation à l'inondation dans quatre groupes de participants : 1. Un groupe formé des gens ayant vécu plus de 15 ans en zone inondable (FPA_15+), 2. Un groupe composé de gens ayant vécu 15 ans ou moins en zone inondable (FPA_15-), 3. Un groupe composé des gens ayant vécu plus de 15 ans en zone périphérique, soit à moins de 150 mètres d'une zone inondable (PERA_15+), et 4. Un groupe composé des gens ayant vécu 15 ans ou moins en zone périphérique (PERA_15-). L'étude a été menée auprès de 2925 participants à l'aide d'entrevues téléphoniques. Les données collectées sont relatives aux caractéristiques sociodémographiques, au sentiment d'appartenance à la communauté locale, à la perception du risque d'inondation, à la sévérité du risque sur la santé physique et mentale et sur les biens, ainsi qu'à la croyance d'habiter dans une zone inondable puis à l'expérience d'inondation. Les prédicteurs de l'adaptation ont été identifiés par l'analyse de régression par copules basée sur le Critère d'Information Bayésien Conditionnel (CBIC). En utilisant ces prédicteurs, les participants ont été regroupés en dix meilleurs profils (un meilleur profil est la combinaison de caractéristiques maximisant l'adaptation à l'inondation). Les meilleurs prédicteurs d'adaptation sont: l'expérience relative à l'inondation dans le groupe FPA_15+, la croyance d'habiter une zone inondable dans le groupe PERA_15+, la perception du risque d'inondation dans le groupe FPA_15- ainsi que dans le groupe PERA_15-. Les dix meilleurs profils ont révélé que les gens maximisent l'adaptation aux inondations même s'il y a des différences au sein et entre les profils. Cette étude pourrait ainsi contribuer à optimiser des interventions ciblées visant à améliorer l'adaptation à l'inondation. / Floods cause extensive damage and enormous economic costs. This study aims to identify predictors of flood adaptation using copula regression analysis in order to analyze the best flood adaptation profiles in four participant groups: 1. A group consisting of people who have lived in a flood zone for more than 15 years (FPA_15+), 2. A group of people who have lived in a flood zone for 15 years or less (FPA_15-), 3. A group consisting of people who have lived in the peripheral area, less than 150 meters from a flood zone, for more than 15 years (PERA_15+), and 4. A group consisting of people who have lived in the peripheral area for 15 years or less (PERA_15-). The study was conducted on 2925 participants using telephone interviews. The collected data are related to socio-demographic characteristics, the sense of belonging to the local community, perception of flood risk, severity of risk to physical and mental health and property, belief of living in a flood zone and flood experience. Copula regression analysis based on Conditional Bayesian Information Criterion (CBIC) was used to identify predictors of adaptation. Using these predictors, participants were grouped into top-ten adaptation profiles (a top profile being the combination of characteristics that maximize flood adaptation). The best adaptation predictors are: flood-related experience in the FPA_15+ group, belief of living in a flood zone in the PERA_15+ group, perception of flood risk in both the FPA_15- and PERA_15- groups. The top ten profiles revealed that people maximize flood adaptation even though there are differences within and between profiles. This study could thus contribute to optimizing targeted interventions aimed at improving flood adaptation.