Les dunes éoliennes, présentes sur Terre et d’autres planètes, résultent de l’interaction entre le vent et les sédiments. Leur cartographie aide à saisir les relations spatiales et les processus dynamiques du vent. Cependant, cette tâche reste complexe et chronophage avec les méthodes traditionnelles et manuelles de cartographie. Cette recherche propose une approche innovante utilisant le Deep Learning pour automatiser la cartographie des dunes à différentes échelles. L’algorithme développé lors de cette thèse atteint une précision de 90 % et a permis de créer pour la première fois une base de données massive de plus de 100 000 dunes du désert du Rub’Al Khali, plus grand désert actif terrestre.

Une analyse morphométrique spatialisée réalisée par une ACP a révélé trois paramètres clés qui traduisent la diversité morphologique des dunes : la longueur, la hauteur et la densité des défauts. Ces résultats statistiques illustrent trois pôles morphométriques des dunes : les dunes linéaires, les dunes en croissant et les dunes isolées (étoiles et dômes), chacune fortement exprimée par un des trois paramètres. En couplant ces résultats avec les données de vent, nous montrons que ces formes sont spatialement influencées par les flux de sable qui conduisent à deux modes de croissance : un étirement des dunes linéaires à l’ouest alignées avec le vent, et une croissance verticale des dunes en croissant et isolées à l’est, transverses au flux. L’association de ces résultats a abouti à un modèle d’évolution spatial unique des dunes du Rub’Al Khali.

Jimmy Daynac, université du Mans Université.

Lieu
LATMOS
Guyancourt
Salle 2202

Visio
https://cnrs.zoom.us/j/96562433092?pwd=vMlWtYnWOZJ4Aqa7V3T4T8gkVNYEy5.1