Retour en haut

Expertises

Télédétection et hydrologie

Téléphone
418 654-2570

Courriel
karem.chokmani@inrs.ca

Centre Eau Terre Environnement

490, rue de la Couronne
Québec (Québec)  G1K 9A9
CANADA

Voir le centre

Intérêts de recherche

Les travaux du professeur Chokmani portent sur le développement de méthodes d’estimation et de suivi des ressources hydriques, tant à l’échelle locale que régionale, pour permettre l’application en hydrologie des données de télédétection et des outils géomatiques. Ses intérêts de recherche combinent les méthodes d’observation in situ, la modélisation statistique, la qualité synoptique des données de télédétection et la capacité de traitement spatial des outils géomatiques.

Le volet expérimental de sa démarche est principalement consacré à l’étude de l’interaction spécifique entre le rayonnement électromagnétique et l’eau douce dans tous ses états (liquide, neige, glace).

Le volet appliqué est orienté vers le développement d’algorithmes permettant de suivre les composantes clés du cycle hydrologique, les paramètres représentatifs de la demande et de l’utilisation de l’eau, la qualité des effluents et les impacts sur les milieux aquatiques.

 

Futurs étudiants

J’invite les étudiant(e)s intéressé(e)s par mes recherches et désireux de poursuivre des études de 2e et 3e cycles à me contacter. Vous pouvez aussi consulter le répertoire des offres de projets de maîtrise et de doctorat à l’INRS.

Son équipe

Anas El Alem

Associé de recherche

Rachid Lhissou

Associé de recherche

Marie-Christine Marmette

Agente de recherche

Hazhir Bahrami

Doctorat

Ghassen Ibrahim

Doctorat

Elnaz Mirzaei

Doctorat

Maryam Rahimzad

Doctorat – codirection (dir. S. Homayouni)

Aarthi Venkatesan

Doctorat

Aya Ben Youssef

Maîtrise

Moez Bouzguenda

Maîtrise

Mohamed Youssef Efrit

Maîtrise

David Andres Ramirez Gonzalez

Maîtrise

Chayma Chaabani

Stage postdoctoral – codirection (dir. S. Homayouni)

Ridha Guebsi

Stage postdoctoral

Sonia Mami

Stage postdoctoral

Claudie Ratté-Fortin

Stage postdoctoral

Samou Silas Dao

Stage

Samuel Jeffrey

Stage

Flavie Petitclerc

Stage

Formation universitaire

  • Ph. D. Sciences géomatiques, Université Laval
  • M. Sc. Génie rural, Université Laval
  • Diplôme d’ingénieur agronome en génie rural, Institut national agronomique de Tunis  (Tunisie)
  • Certificat, Administration des affaires, Université Laval

Projets de recherche récents

SILVA : Un outil QGIS pour la caractérisation morphologique et qualitative des bandes riveraines et des haies brise-vent dans les zones agricoles

Les zones tampons riveraines jouent un rôle crucial dans la préservation de la qualité des plans d’eau situés à proximité des terres agricoles. Fonctionnant comme un bouclier naturel, ils interceptent et filtrent les sédiments et les polluants issus des activités agricoles, notamment les pesticides, les herbicides et les engrais. Au Québec, l’indice de qualité des bandes riveraines (IQBR) a été développé afin de servir de mesure pour évaluer la santé écologique des bandes riveraines. Cette mesure qualitative évalue des facteurs tels que la largeur de la bande, la densité de la végétation et la diversité des espèces. D’autre part, les haies brise-vent sont reconnues pour réduire l’érosion éolienne dans les champs agricoles, augmenter le rendement des cultures et protéger les structures, le bétail et les routes.

Néanmoins, peu de recherches ont été consacrées à l’inventaire automatisé des alignements de bandes riveraines et des haies brise-vent. En effet, leur caractérisation par des méthodes conventionnelles est très limitative en raison des ressources humaines et matérielles intensives qu’elle nécessite.

Dans ce contexte, l’objectif principal du projet est de créer un outil SIG gratuit et facilement accessible pour la reconnaissance et la délimitation des bandes riveraines et des haies brise-vent dans les zones agricoles du Québec, en utilisant la télédétection LiDAR et l’intelligence artificielle (IA). Le projet comprend trois sous-objectifs spécifiques : 1) Détection et calcul automatisés des indices de qualité et d’efficacité des bandes riveraines ; 2) Détection et calcul automatisés des indices morphologiques (longueur, largeur, porosité, orientation des haies); et 3) Automatisation des méthodes développées, en les encapsulant dans un plugin au sein du logiciel libre QGIS.

Financement : Ministère de l’Agriculture, des Pêcheries et de l’Alimentation du Québec (MAPAQ)- Programme Prime-Vert

Ressources : https://silva.inrs.ca/

Visionner le tutoriel pour l’installation et l’utilisation de SILVA (Vidéo)

 

Gestion intrasaisonnière de la fertilisation azotée dans la pomme de terre à l’aide de drone

Une fertilisation azotée optimale est importante afin de maintenir les objectifs de production en termes de bonne qualité et de meilleur rendement. Outre le profit économique, une gestion appropriée de l’azote réduit les impacts environnementaux engendrés par le lessivage des nitrates vers les eaux souterraines et par les émissions d’oxyde nitreux, un gaz à effets de serre. La mise au point de méthodes précises de diagnostic du besoin des cultures en azote est donc nécessaire pour définir les bonnes doses au bon moment et au bon endroit. Pour ce faire, il est important de tenir compte à la fois des propriétés physiques du sol, des conditions hydriques et du statut azoté des cultures. Les méthodes classiques que ce soit pour la caractérisation du sol ou de l’état de l’azote dans la plante nécessitent un travail exorbitant sur terrain à des coûts élevés et donnent des résultats qui manquent d’exhaustivité spatiale. L’objectif du projet est développer une méthodologie de gestion intrasaisonnière de la fertilisation azotée dans la culture de la pomme de terre en utilisant l’imagerie hyperspectrale acquise à partir d’un drone. Les objectifs spécifiques sont : 1) développer une méthode de caractérisation des propriétés texturales du sol afin de définir les zones de gestion; 2) développer un modèle d’estimation de la dose optimale d’azote intégrant le statut azoté de la plante, la texture du sol et les conditions hydrométéorologiques (précipitation/irrigation)

Financement :  Ministère de l’Agriculture, des Pêcheries et de l’Alimentation du Québec- Programme Innov’Action

Collaboratrice : Athyna Cambouris, Agriculture et Agroalimentaire Canada

 

Développement et application d’un outil de gestion et d’analyse du risque d’inondation (GARI) sur le système transfrontalier du lac Champlain – rivière Richelieu

Les inondations sont, de toutes les catastrophes naturelles qui frappent la société canadienne chaque année, les plus fréquentes et les plus dommageables. Le Québec se trouve aussi régulièrement touché par ce type de phénomène. Entre 1990 et 2010, 27 inondations qualifiées de catastrophiques ont affecté le Québec. Les inondations survenues en juillet 1996 au Saguenay-Lac-Saint-Jean, et plus récemment, d’avril à juin 2011 le long de la rivière Richelieu, en sont des illustrations marquantes. Ce projet de recherche vise à développer un outil standardisé d’aide à la décision pour la prévention, la préparation et l’intervention face aux risques reliés aux inondations (GARI). Cet outil aura la forme d’une application intégrée à un système d’information géographique (SIG) comprenant un module de cartographie dynamique de l’aléa en temps réel et en mode préparatoire, et un module de cartographie des populations les plus vulnérables, des dommages physiques et des pertes socio-économiques. Le projet s’arrimera aux travaux en cours menés par l’INRS sur la cartographie dynamique des risques d’inondation en zones urbaines. Aussi, il s’arrimera aux travaux en cours menés par le Centre d’expertise hydrique du Québec visant à améliorer les prévisions hydrologiques sur ce bassin. Le projet appuiera également la Sécurité publique et la municipalité de St-Jean-sur-Richelieu dans l’élaboration de mesures d’atténuation des conséquences des inondations et le développement d’outils d’aide à la décision adaptés. Aussi, le projet s’appuiera sur les travaux en cours de Ressources naturelles Canada sur l’adaptation d’HAZUS pour le contexte canadien. Par ailleurs, le projet contribuera à répondre aux objectifs du Groupe de travail international du plan d’étude du lac Champlain et de la rivière Richelieu de la Commission mixte internationale.

Financement : Défense Canada – Programme canadien pour la sûreté et la sécurité et Ministère de la Sécurité publique du Québec

Collaborateurs : Monique Bernier (INRS), Miroslav Nastev (Commission géologique du Canada)

 

Suivi des fleurs d’eau d’algues bleu-vert ou cyanobactéries (FEA) par télédétection dans les petits lacs et dans le littoral près des rives

En partenariat avec l’INRS, len Groupe Hémisphères s’est doté d’un outil autonome permettant la production de cartes de la distribution spatiale de la concentration en chlorophylle a (Chl a), indice de présence des fleurs d’eau d’algues et/ou de cyanobactéries (FEA), basé sur l’imagerie du capteur MODIS. Avec la résolution spatiale (250 m) de ce capteur, il est impossible de suivre l’évolution des FEA dans les lacs de petites à très petites tailles (moins de 3 ha) et dans le littoral près des rives à cause des pixels mixtes. En 2008, de nouvelles modalités de gestion des plans d’eau au Québec ont été proposées par le gouvernement. Une des trois recommandations était d’assurer la surveillance des sources d’approvisionnement et de la qualité de l’eau dans les installations de traitement, notamment en cas d’observation d’une FEA à moins de 200 m. Ainsi et afin de compléter son offre de service, Groupe Hémisphères a besoin d’outils de suivi de l’évolution des FEA dans le littoral près des rives des lacs (moins de 200 m) ainsi que des lacs de taille petite à très petite (soit 80 % des plans d eau sur lesquels Groupe Hémisphère pose des diagnostics sur l’état de santé). Ce type de suivi pourrait être assuré avec des données du capteur Landsat dont la résolution spatiale est de 30 m. L’objectif du présent projet est de développer une approche d’estimation de la concentration en Chl a destinée aux zones près des rives et aux petits lacs avec les données Landsat en se basant sur le même concept méthodologique développé avec les données MODIS.

Financement : CRSNG – Subvention d’engagement partenarial et Groupe Hémisphères

 

L’utilisation de l’imagerie hyperspectrale embarquée sur drone pour la calibration et la validation d’un algorithme basé sur l’imagerie Sentinel-2 pour le suivi des fleurs d’eau d’algues et/ou de cyanobactéries dans les eaux douces du Québec méridional

Les fleurs d’eau d’algues et/ou de cyanobactéries (FEA) ont gagné en importance ces dernières années au Québec. Leur suivi par les méthodes d’échantillonnages standards est laborieux, coûteux et limité dans l’espace et le temps. Un modèle basé sur les méthodes d’ensembles (MBME) développé à partir d’images MODIS a démontré un grand potentiel pour détecter les FEA, particulièrement durant leur phase d’initiation. Cependant, leur suivi près des rives des lacs est impossible et c’est la zone qui pose le plus de risques à la santé publique. Le transfert conceptuel du MBME vers des données Sentinel-2 simulées d’imageries embarquées sur drone est possible. Les sorties générées de Sentinel-2, détaillées et récurrentes, seront très utiles pour les gestionnaires de l’eau afin de suivre les FEA près des rives des lacs.

Financement : Agence spatiale canadienne
Collaboratrice : Isabelle Laurion, INRS

 

Télédétection hyperspectrale pour les applications environnementales

L’objectif à long terme du programme de recherche est de contribuer à l’amélioration des connaissances dans l’utilisation de données de télédétection hyperspectrale pour des problématiques environnementales. Le programme vise ainsi le développement d’approches et d’algorithmes innovants de suivi de l’état de l’environnement basés sur la télédétection hyperspectrale. Grâce à l’accès à une infrastructure de recherche de pointe telle que le Laboratoire de télédétection environnementale par drone, ce programme permet d’allier les avantages de la télédétection hyperspectrale en termes de richesse et de qualité de l’information, à la souplesse de déploiement offerte par les drones. Ainsi, il sera question dans ce programme d’explorer de nouvelles données autrement inaccessibles en termes de qualité (large gamme spectrale, meilleures résolutions spatiale et spectrale), de caractéristiques temporelles (déploiement fréquent et au bon moment) et de caractéristiques spatiales (étendue et résolution spatiales modulables selon le besoin et zones inaccessibles). En plus de permettre l’étude de phénomènes impossibles/difficiles à suivre par des moyens conventionnels (satellitaires ou aéroportés) en raison de leur faible étendue et/ou leur grande dynamique spatiotemporelle, ces développements anticipent la mise en service de la prochaine génération de capteurs hyperspectraux satellitaires. Le programme comprend deux volets complémentaires. Le premier volet en recherche appliquée est l’étude de l’interaction spécifique entre le rayonnement électromagnétique (visible et l’infrarouge) et la végétation, le sol et l’eau douce dans tous ses états (liquide, neige, glace), ainsi que les matières en suspension qui s’y trouvent (inertes ou vivantes). Le deuxième volet a une portée analytique et est consacré au développement de techniques adaptées aux traitements des données hyperspectrales.

Financement: CRSNG – Subvention à la découverte

 

Réseau CAIMAN : CAméras aux Infrastructures MAritimes du Nunavik

http://caiman.ete.inrs.ca/

Réseau de caméras installées dans six communautés du Nunavik pour étudier l’évolution des conditions de glace et soutenir la recherche en impacts et adaptation aux changements climatiques.

Partenaires : Gouvernement du Québec (MTMDET, Fonds Vert), Savoir polaire Canada, Administration régionale Kativik, Centre d’études nordiques

Diplômé(e)s et anciens stagiaires postdoctoraux

Madaeni, Fatemehalsadat (Ph. D. 2024)
Oubennaceur, Khalid (Stage postdoctoral 2023)
Ratté-Fortin, Claudie (Stage postdoctoral 2023)
Ahamat Karambal, Zam Zam (Ph. D. 2023)
Plante Lévesque, Valérie (Ph. D. 2023)
Roberge, Sophie (Ph. D. 2023)
Persent, Marc-Antoine (M. Sc. 2023)
Ziadi, Samar (M. Sc. 2023)
Zidi, Haythem (M. S. 2023)
Ikani, Vahid (Stage postdoctoral 2022)
Lhissou, Rachid (Stage postdoctoral 2022)
El Oufir, Mohamed Karim (Ph .D. 2022)
El Alem, Anas (Stage postdoctoral 2020)
Attig, Imen (M. Sc. 2020)
Gignac, Charles (Ph. D. 2019)
Ratté-Fortin, Claudie (Ph. D. 2019)
Hmaissia, Amal (M. Sc. 2019)
Sleimi, Talha (M. Sc. 2019)
Thériault, Dominic (M.Sc. 2019)
Arbour, Guillaume (M. Sc. 2018)
Lajili, Abdelkarim (M. Sc. 2018)
Latapie, Romain (M. Sc. 2018)
Vargas Gutierrez, Miguel Felipe (M.Sc. 2018)
Tanguy, Marion (Ph. D. 2016)
Morier, Thomas (M. Sc. 2015)
Sena, Noumonvi Y. Guillaume (Ph. D. 2015)
El Alem, Anas (Ph .D. 2014)
Novoa, Julio (M. Sc. 2014)
Touati, Chaima (M.Sc. 2014)
Roberge, Sophie (M. Sc. 2013)
Dribault, Yann (M. Sc. 2012)
Perreault, Simon (M. Sc. 2012)
Bergeron, Thomas (M. Sc. 2011)
Lessard-Fontaine, Audrey (M. Sc. 2010)

Enseignement

  • Systèmes d’information géographique (ETE403)

Publications

Bahrami, Hazhir, Esmaeili, Pouya, Homayouni, Saeid, Pour, Amin Beiranvand, Chokmani, Karem et Bahroudi, Abbas (2024). Machine learning-based lithological mapping from ASTER remote-sensing imagery. Minerals, 14 (2) : art. 202.
DOI : 10.3390/min14020202

Ziadi, Samar, Chokmani, Karem, Chaabani, Chayma et El Alem, Anas (2024). Deep learning-based automatic river flow estimation using RADARSAT imagery. Remote Sensing, 16 (10) : art. 1808.
DOI : 10.3390/rs16101808

Martins, Sarah, Lhissou, Rachid, Chokmani, Karem et Cambouris, Athyna N. (2023). Determining the beginning of potato tuberization period using plant height detected by drone for irrigation purposes. Agronomy, 13 (2) : Art. 492.
DOI : 10.3390/agronomy13020492

Noyola Medrano, Cristina, Homayouni, Saeid et Chokmani, Karem (2023). Google Earth Engine, una aplicación inteligente en el análisis geoespacial. Revista Universitarios Potosinos, 273 : 28-34.

Ratté-Fortin, Claudie, Plante, Jean-François, Rousseau, Alain N. et Chokmani, Karem (2023). Parametric versus nonparametric machine learning modelling for conditional density estimation of natural events: Application to harmful algal blooms. Ecological Modelling, 482 (Août) : Art. 110415.
DOI : 10.1016/j.ecolmodel.2023.110415

Sahraei, Roya, Kanani-Sadat, Yousef, Homayouni, Saeid, Safari, Abdolreza, Oubennaceur, Khalid et Chokmani, Karem (2023). A novel hybrid GIS-based multi-criteria decision-making approach for flood susceptibility analysis in large ungauged watersheds. Journal of Flood Risk Management, 16 (2) : Art. e12879.
DOI : 10.1111/jfr3.12879

Barbouchi, Meriem, Chaabani, Chayma, M’hamed, Hatem Cheikh, Abdelfattah, Riadh, Lhissou, Rachid, Chokmani, Karem, Ben Aissa, Nadhira, Annabi, Mohamed et Bahri, Haithem (2022). Wheat water deficit monitoring using synthetic aperture radar backscattering coefficient and interferometric coherence. Agriculture, 12 (7) : Art. 1032.
DOI : 10.3390/agriculture12071032

Barbouchi, Meriem, Lhissou, Rachid, Abdelfattah, Riadh, El Alem, Anas, Chokmani, Karem, Ben Aissa, Nadhira, M’hamed, Hatem Cheikh, Annabi, Mohamed et Bahri, Haithem (2022). The potential of using Radarsat-2 satellite image for modeling and mapping wheat yield in a semiarid environment. Agriculture, 12 (3) : Art. 315.
DOI : 10.3390/agriculture12030315

El Alem, Anas et Chokmani, Karem (2022). A machine learning-based regional hybrid model for remote retrieving turbidity from landsat imagery. IEEE Geoscience and Remote Sensing Letters, 19 : Art. 8021605.
DOI : 10.1109/LGRS.2021.3115986

El Alem, Anas, Hmaissia, Amal, Chokmani, Karem et Cambouris, Athyna N. (2022). Quantitative study of the effect of water content on soil texture parameters and organic matter using proximal visible-near infrared spectroscopy. Remote Sensing, 14 (15) : Art. 3510.
DOI : 10.3390/rs14153510

El Oufir, Mohamed Karim, Chokmani, Karem, El Alem, Anas et Bernier, Monique (2022). Using ensemble-based systems with near-infrared hyperspectral data to estimate seasonal snowpack density. Remote Sensing, 14 (5) : Art. 1089.
DOI : 10.3390/rs14051089

Madaeni, Fatemehalsadat, Chokmani, Karem, Lhissou, Rachid, Homayouni, Saeid, Gauthier, Yves et Tolszczuk-Leclerc, Simon (2022). Convolutional neural network and long short-term memory models for ice-jam prediction. The Cryosphere, 16 : 1447-1468.
DOI : 10.5194/tc-16-1447-2022

Oubennaceur, Khalid, Chokmani, Karem, Lessard, Florence, Gauthier, Yves, Baltazar, Catherine et Toussaint, Jean-Patrick (2022). Understanding flood risk perception: A case study from Canada. Sustainability, 14 (5) : Art. 3057.
DOI : 10.3390/su14053087

Perreault, Simon, El Alem, Anas, Chokmani, Karem et Cambouris, Athyna N. (2022). Development of pedotransfer functions to predict soil physical properties in Southern Quebec (Canada). Agronomy, 12 (2) : Art. 526.
DOI : 10.3390/agronomy12020526

Ratté-Fortin, Claudie, Chokmani, Karem, El Alem, Anas et Laurion, Isabelle (2022). A regional model to predict the occurrence of natural events: Application to phytoplankton blooms in continental waterbodies. Ecological Modelling, 473 (Novembre) : Art. 110137.
DOI : 10.1016/j.ecolmodel.2022.110137

El Alem, Anas; Chokmani, Karem; Venkatesan, Aarthi; Lhissou, Rachid; Agili, Hachem et Dedieu, Jean-Pierre (2021). How accurate is an unmanned aerial vehicle data-based model applied on satellite imagery for chlorophyll-a estimation in freshwater bodies? Remote Sens., 13 (6) : Art. 1134.

El Alem, Anas et Chokmani, Karem (2021). A machine learning-based regional hybrid model for remote retrieving turbidity from landsat imagery. IEEE Geosci. Remote Sens. Letters, EN LIGNE.
DOI : 10.1109/LGRS.2021.3115986

El Alem, Anas, Lhissou, Rachid, Chokmani, Karem et Oubennaceur, Khalid (2021). Remote retrieval of suspended particulate matter in inland waters: Image-based or physical atmospheric correction models?. Water, 13 (16) : Art. 2149.
DOI : 10.3390/w13162149

El Oufir, Mohamed Karim, Chokmani, Karem, El Alem, Anas et Bernier, Monique (2021). Estimating snowpack density from near-infrared spectral reflectance using a hybrid model. Remote Sens., 13 (20) : Art. 4089.
DOI : 10.3390/rs13204089

El Oufir, Mohamed Karim, Chokmani, Karem, El Alem, Anas, Agili, Hachem et Bernier, Monique (2021). Seasonal snowpack classification based on physical properties using near-infrared proximal hyperspectral data. Sensors, 21 (16) : Art. 5259.
DOI : 10.3390/s21165259

Lajili, Abdelkarim; Cambouris, Athyna N.; Chokmani, Karem; Duchemin, Marc; Perron, Isabelle; Zebarth, Bernie J.; Biswas, Asim et Adamchuck, Vlacheslav I. (2021). Analysis of four delineation methods to identify potential management zones in a commercial potato field in Eastern Canada. Agronomy, 11 (3) : Art. 432.

Oubennaceur, Khalid, Chokmani, Karem, El Alem, Anas et Gauthier, Yves (2021). Flood risk communication using ArcGIS StoryMaps. Hydrology, 8 (4) : Art. 152.
DOI : 10.3390/hydrology8040152

Oubennaceur, Khalid, Chokmani, Karem, Gauthier, Yves, Ratté-Fortin, Claudie, Homayouni, Saeid et Toussaint, Jean-Patrick (2021). Flood risk assessment under climate change: The Petite Nation River watershed. Climate, 9 (8) : Art. 125.
DOI : 10.3390/cli9080125

Salgado, Hector, Zabala, Stella Maris, Romay, Catalina, Bernier, Monique et Chokmani, Karem (2021). Estimación de la humedad superficial del suelo mediante datos sar en banda X / Surface soil moisture estimation with X band SAR data. Meteorologica, 46 (1) : 1-11.
DOI : 10.24215/1850468Xe001

Madaeni, Fatemehalsadat; Lhissou, Rachid; Chokmani, Karem; Raymond, Sébastien et Gauthier, Yves (2020). Ice jam formation, breakup and prediction methods based on hydroclimatic data using artificial intelligence: A review. Cold Reg. Sci. Technol., 174 (Juin) : Art. 103032.
DOI : 10.1016/j.coldregions.2020.103032

Ratté-Fortin, Claudie; Chokmani, Karem et Laurion, Isabelle (2020). Spatiotemporal variability in phytoplankton bloom phenology in Eastern Canadian Lakes related to physiographic, morphologic, and climatic drivers. Environments, 7 (10) : Art. 77.
DOI : 10.3390/environments7100077

Sena, Guillaume Noumonvi Yawu; Chokmani, Karem; Gloaguen, Erwan et Bernier, Monique (2020). Multi-scale spatialization of snow water equivalent (SWE) according to their spatial structures in eastern Canada. Cryosphere Discuss., EN LIGNE.
DOI : 10.5194/tc-2020-316

Yavari, Adel; Homayouni, Saeid; Oubennaceur, Khalid et Chokmani, Karem (2020). Flood inundation modeling in ungauged basins using Unmanned Aerial Vehicles imagery. Earth Obs. Geomat. Eng., 4 (1) : 44-45.
DOI : 10.22059/eoge.2020.297824.1075

El Alem, Anas; Chokmani, Karem; Laurion, Isabelle; El Adlouni, Salah-Eddine; Raymond, Sébastien et Ratté-Fortin, Claudie (2019). Ensemble-based systems to monitor algal bloom with remote sensingIEEE Trans. Geosci. Remote Sens., 57 (10) : 7955-7971.
DOI : 10.1109/TGRS.2019.2917636

Gignac, Charles; Bernier, Monique et Chokmani, Karem (2019). ICEPAC – A probabilistic tool to study sea ice spatiotemporal dynamic: application to the Hudson Bay area, northeastern CanadaCryosphere, 13 (2) : 451-468.
DOI : 10.5194/tc-13-451-2019

Oubennaceur, Khalid; Chokmani, Karem; Nastev, Miroslav; Gauthier, Yves; Poulin, Jimmy; Tanguy, Marion; Raymond, Sébastien et Lhissou, Rachid (2019). New sensitivity indices of a 2D flood inundation model using gauss quadrature samplingGeosciences, 9 (5) : Art. 220.
DOI : 10.3390/geosciences9050220

Oubennaceur, Khalid; Chokmani, Karem; Nastev, Miroslav; Lhissou, Rachid et El Alem, Anas (2019). Flood risk mapping for direct damage to residential buildings in Quebec, CanadaInt. J. Disast. Risk Re., 33 (Février) : 44-54.
DOI : 10.1016/j.ijdrr.2018.09.007

Sena, Guillaume Noumonvi Yawu; Chokmani, Karem; Gloaguen, Erwan et Bernier, Monique (2019). Critical analysis of the snow survey network according to the spatial variability of snow water equivalent (swe) on Eastern Mainland CanadaHydrology, 6 (2) : Art. 55.
DOI : 10.3390/hydrology6020055

Chaabani, Chayma; Chini, Marco; Abdelfattah, Riadh; Hostache, Renaud et Chokmani, Karem (2018). Flood mapping in a complex environment using bistatic TanDEM-X/TerraSAR-X InSAR coherenceRemote Sens., 10 (12) : Art. 1873.
DOI : 10.3390/rs10121873

Novoa, Julia; Chokmani, Karem et Lhissou, Rachid (2018). A novel index for assessment of riparian strip efficiency in agricultural landscapes using high spatial resolution satellite imagerySci. Total Environ., 644 (Décembre) : 1439-1451.
DOI : 10.1016/j.scitotenv.2018.07.069

Oubennaceur, Khalid; Chokmani, Karem; Nastev, Miroslav; Tanguy, Marion et Raymond, Sébastien (2018). Uncertainty analysis of a two-dimensional hydraulic modelWater, 10 (3) : Art. 272.
DOI : 10.3390/w10030272

Oubennaceur, Khalid; Chokmani, Karem; Nastev, Miroslav; Tanguy, Marion et Raymond, Sébastien (2018). Correction: Oubennaceur, K., et al. Uncertainty Analysis of a Two-Dimensional Hydraulic ModelWater, 10 (3) : Art. 1071.
DOI : 10.3390/w10081071

Perron, Isabelle; Cambouris, Athyna N.; Chokmani, Karem; Vargas Gutierrez, Felipe Miguel; Zebarth, Bernie J.; Moreau, Gilles; Biswas, Asim et Adamchuck, Vlacheslav I. (2018). Delineating soil management zones using a proximal soil sensing system in two commercial potato fields in New Brunswick, CanadaCan. J. Soil Sci. / Rev. Can. Sci. Sol, 98 (4) : 724-737.
DOI : 10.1139/CJSS-2018-0063

Ratté-Fortin, Claudie; Chokmani, Karem et El Alem, Anas (2018). A novel algorithm of cloud detection for water quality studies using 250 m downscaled MODIS imageryInt. J. Remote Sens., 39 (19) : 6429-6439.
DOI : 10.1080/01431161.2018.1460506

De Munck, Stéphane; Gauthier, Yves; Bernier, Monique; Chokmani, Karem et Légaré, Serge (2017). River predisposition to ice jams: a simplified geospatial modelNat. Hazards Earth Syst. Sci., 17 (7) : 1033-1047.
DOI : 10.5194/nhess-17-1033-2017

Gignac, Charles; Bernier, Monique; Chokmani, Karem et Poulin, Jimmy (2017). IceMap250 – Automatic 250 m sea ice extent mapping using MODIS dataRemote Sens., 9 (1) : Art. 70.
DOI : 10.3390/rs9010070

Tanguy, Marion; Chokmani, Karem; Bernier, Monique; Poulin, Jimmy et Raymond, Sébastien (2017). River flood mapping in urban areas combining Radarsat-2 data and flood return period dataRemote Sens. Environ., 198 (Septembre) .
DOI : 10.1016/j.rse.2017.06.042

El Harti, Abderrazak; Lhissou, Rachid; Chokmani, Karem; Ouzemou, Jamal-eddine; Hassouna, Mohamed; Bachaoui, El Mostafa et El Ghmaria, Abderrahmene (2016). Spatiotemporal monitoring of soil salinization in irrigated Tadla Plain (Morocco) using satellite spectral indicesInt. J. Appl. Earth Observ. Geoinfo., 50 (Août) : 64-73.
DOI : 10.1016/j.jag.2016.03.008

Filion, Rébecca; Bernier, Monique; Paniconi, Claudio; Chokmani, Karem; Melis, Massimo; Soddu, Antonio; Talazac, Manon et Lafortune, François-Xavier (2016). Remote sensing for mapping soil moisture and drainage potential in semi-arid regions: Applications to the campidano plain of Sardinia, ItalySci. Total Environ., 543 (Part B) : 862-876.
DOI : 10.1016/j.scitotenv.2015.07.068

Sena, Guillaume Noumonvi Yawu; Chokmani, Karem; Gloaguen, Erwan et Bernier, Monique (2016). Analyse multi-échelles de la variabilité spatiale de l’équivalent en eau de la neige (EEN) sur le territoire de l’Est du CanadaHydrol. Sci. J., 62 (3) : 359-377.
DOI : 10.1080/02626667.2015.1022552

Barbouchi, M.; Abdelfattah, R.; Chokmani, K.; Ben Aissa, N.; Lhissou, R. et El Harti, A. (2015). Soil salinity characterization using polarimetric InSAR Coherence: Case studies in Tunisia and MoroccoIEEE J. Sel. Top. Appl. Earth Observ. Remote Sens., 8 (8) : 3823-3832.
DOI : 10.1109/JSTARS.2014.2333535

Ikani, Vahid; Chokmani, Karem; Turcotte, Caroline; Ferland, Martin; Rainville, Ève et Granberg, Hardy (2015). Micrometeorological observations for the evaluation of the selective inverted sink against radiation frost and the potential of a new hybrid systemProcedia Earth Planet. Sci., 15 (2015) : 920-927.
DOI : 10.1016/j.proeps.2015.08.147

Morier, T.; Cambouris, A. N. et Chokmani, K. (2015). In-season nitrogen status assessment and yield estimation using hyperspectral vegetation indices in a potato cropAgron. J., 107 (4) : 1295-1309.
DOI : 10.2134/agronj14.0402

Novoa, J.; Chokmani, K.; Nigel, R. et Dufour, P. (2015). Quality assessment from a hydrological perspective of a digital elevation model derived from WorldView-2 remote sensing data / Évaluation dans une perspective hydrologique de la qualité d’un modèle numérique de terrain provenant de données télédétectées par WorldView-2Hydrol. Sci. J., 60 (2) : 218-233.
DOI : 10.1080/02626667.2013.875179