Susceptibilité aux glissements de terrain dans la ville d’Al Hoceima et sa périphérie : application de la méthode de la théorie de l’évidence

Abstract

Résumé : Le Rif Marocain en général et la ville d’Al Hoceima et sa périphérie urbaine plus particulièrement, connaissent fréquemment des aléas géomorphologiques, notamment les glissements de terrain qui entravent la gestion urbaine. Ce type d’aléa naturel est de grande actualité, aussi bien sur le plan scientifique que sur le plan médiatique, à cause de l’augmentation de la vulnérabilité, due aux circonstances des changements globaux (réchauffements climatiques) et à la forte urbanisation, souvent irrationnelle. L’objectif de cet article est la mise en place d’une approche objective visant l’évaluation de la susceptibilité aux glissements de terrain dans la ville d’Al Hoceima et sa périphérie. La théorie de l’évidence, qui est une méthode probabiliste bivariée, est fondée sur les règles de Bayes qui consistent à calculer la probabilité d’occurrence spatiale de glissements de terrain, en se basant sur la notion de probabilité à priori et de probabilité à posteriori, tout en considérant les glissements de terrain comme variable à modéliser et chaque facteur causatif comme variable prédictive. Le but de ce travail est de procéder à un zonage d’aléa glissement de terrain tout en assurant une bonne prédiction de ce phénomène avec une bonne résolution spatiale. Les résultats de la courbe de ROC (Receiver Operating Characteristic) montre que la confrontation de la carte de susceptibilité, des glissements de terrain à la carte d’inventaire, permet une capacité de prédiction considérable (AUC=0,889). Ceci pousse au constat selon lequel, plus de 2/3 des glissements de terrain inventoriés s’inscrivent dans des classes de susceptibilité élevée et très élevée. Ce produit cartographique peut constituer un puissant outil d’aide permettant la formulation des suggestions, dans le but d’optimiser l’évaluation du risque de glissements de terrain dans les zones exposées à ce phénomène.
 Mots clés : SIG, Théorie de l’évidence, Susceptibilité aux glissements de terrain, Al Hoceima (Maroc)

Evaluation of the landslide susceptibility map obtained by a GIS matrix method: a case of Al Hoceima city (northern Morocco)

“…There are several ways to carry out this step: using the landslide inventory dataset to perform both cartography and validation or using an independent dataset of inventoried landslides that are not integrating into the susceptibility analysis. The latter approach has been applying in this work by comparing the locations of 45 recent landslides occurring in 2004-2016 with the susceptibility map [6]. The area under the ROC curve is a valuable indicator to validate the prediction performance of the model [12,13].…”

“…These mountains have been marked by limestone and dolomitic crests. They reach 300 m at jebel Malmusi and 406 m at jebel Monte Palomas, and by high cliffs often going 100-140 m at the level of the dolomitic plateau "Morro nuevo" and Al Hoceima bay [6].…”

“…The study area has characterized by the Mediterranean, semi-arid climate, marked by hot summers and temperate winters. The average annual rainfall is 385 mm [6]. The seasonal alternation of the environment associated with the brutality of the rains and the decrease in plant cover aggravates the action of said rains on the soil and often promotes erosion and landslides.…”

Landslide Susceptibility Mapping Using Machine Learning Algorithms Study Case Al Hoceima Region, Northern Morocco

“…Landslide inventory was obtained based on the previous works of (Byou et al, 2020), for the entire city of Al Hoceima and its periphery. These events are represented by polygons (114 events as illustrated in Figure 2) based on the landslide inventory and the interpretation of Google Earth satellite images, as well as on GPS mobile mapping (Mobile Mapper) to locate landslides and determine their boundaries.…”

“…After reviewing 12 scientific papers published between 2017 and 2021 in different journals (Ayalew and Yamagishi, 2005;Benchelha et al, 2019;Byou et al, 2020;Can et al, 2021;Karakas et al, 2020;Lee et al, 2017;Muñoz et al, 2020;Onagh et al, 2012;Sevgen et al, 2019;Tien Bui et al, 2012;Yordanov and Brovelli, 2020;Youssef and Pourghasemi, 2021), 10 conditioning factors were selected in terms of disponibility and their higher influence on Landslides occurrence can be grouped into 3 groups: geological factor (including lithology, distance-tofault), topographical factors (including elevation, slope, aspect, curvature, profile curvature, plan curvature), anthropogenic (including distance to roads) and land used (Normalized Difference Vegetation Index NDVI). The processing of landslide conditioning factors was done by a spatial analysis tool (ArcGIS software) with a common pixel size of 30 m and a common spatial reference (Merchich North Morocco) and the Mediterranean Sea was excluded from the calculation.…”