DataSud, Environnement, Spatia ...

Représentation du Mercantour par les données, avant et après la tempête Alex d’octobre 2020

En France, le risque d'inondation est le premier risque naturel par l’importance des dommages qu’il provoque, le nombre de communes concernées, l’étendue des zones inondables et les populations résidant dans ces zones. ( source Georisque) Les violentes intempéries qui ont frappé les vallées de la Vésubie, de la Roya et de la Tinée dans le Haut Pays des Alpes-Maritimes le 2 octobre 2020,  ont naturellement fait la "Une" de l'actualité et des médias. Et pour alimenter les rédactions, les besoins en informations fiables prédominent, d'où l'importance de rendre disponible des données de référence. Tout d'abord, des données météorologiques ont été communiquées pour expliquer ces inondations : Toutes les caractéristiques d'une crue rapide et torrentielle sont réunies sur cette zone de relief avec des rafales de vent de plus de 180 km et des pluies intenses (300 litres d’eau /m²), équivalentes à trois mois de pluie qui sont tombées en moins de 10h. Un fort accroissement de la vitesse d’écoulement des eaux des fleuves de la Roya et de la Vésubie a provoqué une très rapide montée de la hauteur des cours d’eau (A Breil-sur-Roya, 1200m3 d’eau / seconde ont été enregistrés). Avec le transport d’éléments solides par le courant, transformé en torrent de boue (sédiments, galets, rochers, bois morts et débris divers), des matériaux se sont accumulés en amont des passages étroits, formant des barrages appelés embâcles, qui en rompant peuvent-être à l’origine du déferlement d’une vague vers l’aval, dévastatrice pour les constructions situées dans l’axe d’écoulement du cours d’eau, et provoquant la submersion des constructions proches du fleuve. La prévention des risques naturels comme celui de la Tempête Alex, qualifié de "Bombe météorologique" par les médias, repose sur une véritable coopération entre les services publics pour permettre l'acquisition, la production et la mobilisation des données et plus largement des données géolocalisées.