2- T\u00e9l\u00e9charger les donn\u00e9es LIDAR HD de l\u2019IGN et les charger dans QGis<\/a><\/p>\n\n\n\n 3-Les outils pour les donn\u00e9es LIDAR dans QGis 3.32<\/a><\/p>\n\n\n\n 4-Coloriser un nuage de points \u00e0 partir d\u2019une orthophoto avec CloudCompare<\/a><\/p>\n\n\n\n 5-Coloriser un nuage de points \u00e0 partir d\u2019une orthophoto avec LAStools<\/a><\/p>\n\n\n\n 6- Cr\u00e9er un Mod\u00e8le num\u00e9rique de surface (MNS) avec CloudCompare ou LAStools<\/a><\/p>\n\n\n\n 7- Cr\u00e9er un Mod\u00e8le Num\u00e9rique de Terrain avec Clo<\/a>udCompare<\/p>\n\n\n\n 8- Cr\u00e9er un Mod\u00e8le Num\u00e9rique de Terrain avec LAStools<\/a><\/p>\n\n\n\n 9- Cr\u00e9er un Mod\u00e8le Num\u00e9rique d’Entit\u00e9s avec Open Lidar<\/a> <\/p>\n\n\n\n L’interpolation exerce une influence significative sur la pr\u00e9cision et la qualit\u00e9 visuelle du Mod\u00e8le Num\u00e9rique d’\u00c9l\u00e9vation (MNE) final. Ce processus implique l’ajustement d’une surface aux donn\u00e9es ponctuelles d’\u00e9l\u00e9vation en les superposant avec une grille d\u00e9finie par une taille de cellule sp\u00e9cifique. Il est important de noter que les points obtenus suite \u00e0 ce proc\u00e9d\u00e9 sont d\u00e9duits des donn\u00e9es originales et ne correspondent pas directement aux points de donn\u00e9es r\u00e9els<\/strong>.<\/p>\n\n\n\n <\/p>\n\n\n\n Malgr\u00e9 de multiples efforts sur le sujet, l’interpolation demeure un d\u00e9fi majeur. Les m\u00e9thodes existantes pour g\u00e9n\u00e9rer des MNE \u00e0 partir de donn\u00e9es LiDAR a\u00e9roport\u00e9es rencontrent des obstacles significatifs, particuli\u00e8rement dans des contextes de projets o\u00f9 les zones pr\u00e9sentent des caract\u00e9ristiques non-terrestres denses ou des paysages complexes. La profusion d’analyses visant \u00e0 \u00e9valuer la pr\u00e9cision d\u00e9montre la complexit\u00e9 du choix de la m\u00e9thode d’interpolation adapt\u00e9e, du fait que chaque m\u00e9thode poss\u00e8de ses avantages et inconv\u00e9nients sp\u00e9cifiques.<\/p>\n\n\n\n Dans la pratique, les m\u00e9thodes fond\u00e9es sur le krigeage <\/a>sont r\u00e9put\u00e9es pour g\u00e9n\u00e9rer des MNE avec une plus grande pr\u00e9cision, mais cela requiert davantage de ressources de calcul. Des approches telles que la pond\u00e9ration par la distance inverse (IDW)<\/a>, la m\u00e9thode du plus proche voisin<\/a>, et la triangulation avec interpolation lin\u00e9aire (TLI)<\/a> permettent d’obtenir des MNE plus pr\u00e9cis. Notamment, la triangulation avec interpolation lin\u00e9aire (TLI) et la m\u00e9thode du plus proche voisin sont des m\u00e9thodes simples et rapides pour cr\u00e9er des MNE relativement pr\u00e9cis. Toutefois, leur performance diminue et leur sensibilit\u00e9 \u00e0 la topographie s’accro\u00eet \u00e0 mesure que la r\u00e9solution spatiale du MNE augmente.<\/p>\n\n\n\n La m\u00e9thode Spline<\/a> semble offrir un compromis entre le temps de calcul et la pr\u00e9cision \u00e0 haute r\u00e9solution. Bien qu’elle d\u00e9montre une grande pr\u00e9cision \u00e0 haute r\u00e9solution, sa fiabilit\u00e9 d\u00e9cro\u00eet \u00e0 basse r\u00e9solution.<\/p>\n\n\n\n <\/p>\n\n\n\n Contrairement \u00e0 la profusion de documents consacr\u00e9s \u00e0 l’interpolation des Mod\u00e8les Num\u00e9riques d’\u00c9l\u00e9vation (MNE), l’interpolation des mod\u00e8les num\u00e9riques d’entit\u00e9s (DFM) sp\u00e9cifiques \u00e0 l’arch\u00e9ologie n’a jusqu’\u00e0 pr\u00e9sent \u00e9t\u00e9 que bri\u00e8vement explor\u00e9e dans un petit nombre d’\u00e9tudes, aboutissant \u00e0 des conclusions divergentes : le TLI, le Krigeage, l’interpolation spline ainsi que la m\u00e9thode du plus proche voisin ont tous \u00e9t\u00e9 d\u00e9sign\u00e9s comme les interpolateurs les plus appropri\u00e9s. <\/p>\n\n\n\n A ce jour, on consid\u00e8re que malgr\u00e9 la sup\u00e9riorit\u00e9 du Krigeage en termes de r\u00e9sultats, c’est actuellement l’Interpolation par la Distance Inverse Pond\u00e9r\u00e9e (IDW) qui est l’interpolateur sp\u00e9cifiquement adapt\u00e9 \u00e0 l’arch\u00e9ologie, principalement en raison de sa facilit\u00e9 d’acc\u00e8s.<\/p>\n\n\n\n Cependant, cela ne signifie pas que l’Interpolation par la Distance Inverse Pond\u00e9r\u00e9e (IDW) soit exempte de d\u00e9fauts. Dans les zones o\u00f9 l’\u00e9chantillonnage est nettement insuffisant (l\u00e0 o\u00f9 la densit\u00e9 des points de mesure est bien inf\u00e9rieure \u00e0 celle des cellules de la grille), l’IDW engendre un mod\u00e8le relativement dense d’artefacts d’interpolation n\u00e9gatifs, se traduisant par des erreurs sous forme de valeurs n\u00e9gatives exag\u00e9r\u00e9es. Dans les zones mod\u00e9r\u00e9ment sous-\u00e9chantillonn\u00e9es, les r\u00e9sultats seront visuellement plus satisfaisants, car aucun artefact positif ne sera pr\u00e9sent. Cependant, de tr\u00e8s petits artefacts n\u00e9gatifs ainsi qu’un l\u00e9ger effet d’\u00e9chelle (se manifestant comme des artefacts en forme d’\u00e9cailles de poisson) sur les pentes pourront \u00eatre observ\u00e9s. Bien que cet effet ne soit pas particuli\u00e8rement perturbant visuellement, il pourrait induire en erreur un observateur inexp\u00e9riment\u00e9 (ou m\u00eame un observateur exp\u00e9riment\u00e9 en l’absence de m\u00e9tadonn\u00e9es ad\u00e9quates), le conduisant \u00e0 faussement conclure \u00e0 une formation en terrasses.<\/p>\n\n\n\n Dans les zones l\u00e9g\u00e8rement sous-\u00e9chantillonn\u00e9es, l’IDW a tendance \u00e0 pr\u00e9senter un bruit de donn\u00e9es r\u00e9sultant de la configuration des points de mesure, ce qui pourrait \u00eatre confondu avec des caract\u00e9ristiques g\u00e9ologiques ou autres. Dans les r\u00e9gions o\u00f9 la densit\u00e9 des points de mesure \u00e9quivaut ou d\u00e9passe celle des cellules de la grille, l’IDW conduit \u00e0 un lissage excessif, ce qui ne repr\u00e9sente pas la solution optimale pour une interpolation adapt\u00e9e au contexte arch\u00e9ologique.<\/p>\n\n\n\n Le krigeage ordinaire se d\u00e9marque en tant qu’interpolateur de qualit\u00e9 sup\u00e9rieure, cependant, il demeure peu accessible dans la plupart des logiciels pertinents. Si son accessibilit\u00e9 \u00e9tait am\u00e9lior\u00e9e, il pourrait rapidement devenir l’option privil\u00e9gi\u00e9e en mati\u00e8re d’interpolation sp\u00e9cifique \u00e0 l’arch\u00e9ologie. Par ailleurs, l’opinion la plus r\u00e9pandue met en relief le potentiel d’un interpolateur hybride qui fusionnerait les caract\u00e9ristiques de l’IDW et du TLI. Ces deux m\u00e9thodes se distinguent par leur grande accessibilit\u00e9 et leur co\u00fbt de mise en \u0153uvre mod\u00e9r\u00e9. Tandis que le TLI s’affirme comme le meilleur choix pour les zones en situation de sur-\u00e9chantillonnage, l’IDW excelle dans les zones pr\u00e9sentant un sous-\u00e9chantillonnage.<\/p>\n\n\n\n Dans le pass\u00e9, un \u00e9l\u00e9ment cl\u00e9 manquait pour la r\u00e9alisation d’un interpolateur hybride de ce type. Ce manque r\u00e9sidait dans l’absence d’une m\u00e9thode de segmentation appropri\u00e9e permettant de diviser les donn\u00e9es en zones mieux adapt\u00e9es \u00e0 chaque interpolateur. R\u00e9cemment, ce probl\u00e8me a \u00e9t\u00e9 r\u00e9solu gr\u00e2ce \u00e0 l’utilisation de la classification et de l’analyse des arbres de r\u00e9gression pour g\u00e9n\u00e9rer une carte de pr\u00e9diction d’incertitude du Mod\u00e8le Num\u00e9rique de Terrain (MNT). Cette m\u00e9thode a \u00e9t\u00e9 adapt\u00e9e, dans le plugin Open Lidar Toolbox<\/a>, pour cr\u00e9er une carte de confiance sp\u00e9cifique \u00e0 l’arch\u00e9ologie pour le Mod\u00e8le Num\u00e9rique d’Entit\u00e9s (MNE), attribuant un niveau de confiance allant de un \u00e0 six \u00e0 chaque cellule de la grille. Cette approche permet ainsi de quantifier la qualit\u00e9 de la Mod\u00e8le Num\u00e9rique d’Entit\u00e9s au niveau du pixel.<\/p>\n\n\n\n <\/p>\n\n\n\n Lors de l’\u00e9valuation des interpolateurs par rapport \u00e0 la carte de confiance du MNE, il a \u00e9t\u00e9 constat\u00e9 que la m\u00e9thode de Triangulation avec Interpolation Lin\u00e9aire (TLI) \u00e9tait la plus performante pour les zones ayant des niveaux de confiance cinq et six, et donnait de bons r\u00e9sultats pour les niveaux trois et quatre. Apr\u00e8s avoir r\u00e9solu le probl\u00e8me de segmentation, il restait un d\u00e9fi \u00e0 relever pour la mise en \u0153uvre de l’interpolateur hybride. En effet, les interpolateurs TLI et IDW produisent, par d\u00e9finition, des mod\u00e8les de grille l\u00e9g\u00e8rement diff\u00e9rents.<\/p>\n\n\n\n Si ces deux mod\u00e8les \u00e9taient simplement combin\u00e9s \u00e0 l’aide de la calculatrice raster, des artefacts sous forme de marches appara\u00eetraient dans les zones de transition entre les deux interpolateurs. Bien que ce ph\u00e9nom\u00e8ne soit intrins\u00e8que \u00e0 tout interpolateur hybride et ne puisse \u00eatre totalement \u00e9limin\u00e9, il est possible de l’att\u00e9nuer. Trois mesures d’att\u00e9nuation distinctes ont \u00e9t\u00e9 mises en place dans Open Lidar Toolbox. <\/p>\n\n\n\n <\/p>\n\n\n\n Premi\u00e8rement, les zones de transition peuvent \u00eatre r\u00e9duites par une op\u00e9ration de d\u00e9fragmentation. En effet, dans certaines conditions de paysage et\/ou de collecte de donn\u00e9es les valeurs de la carte de confiance se pr\u00e9sentent sous forme de fragments dispers\u00e9s. Dans de telles circonstances, la zone de transition s’accro\u00eet de mani\u00e8re exponentielle, ce qui diminue les effets positifs de l’interpolation hybride. Ce probl\u00e8me peut \u00eatre r\u00e9solu en imposant une taille minimale pour chaque zone d’interpolation, qui serait bien sup\u00e9rieure \u00e0 la taille d’une seule cellule.<\/p>\n\n\n\n La m\u00e9thode statistique zonale avec un voisinage de 11 cellules a \u00e9t\u00e9 s\u00e9lectionn\u00e9e comme la plus efficace. Ce choix a \u00e9t\u00e9 motiv\u00e9 par le fait que ce voisinage garantit l’absence de zones plus petites que 6 cellules, assurant ainsi une coh\u00e9rence dans les analyses.<\/p>\n\n\n\n Par ailleurs, il convient de noter que les diff\u00e9rences entre les interpolateurs TLI et IDW ne sont pas uniformes. Leurs variations sont plus prononc\u00e9es dans les zones de confiance trois et quatre, ce qui engendre des \u00e9carts relativement faibles entre les deux interpolateurs dans ces plages de confiance. En cons\u00e9quence, les transitions entre les deux interpolateurs sont plus fluides et moins perceptibles lorsque les niveaux de confiance se situent entre trois et quatre.<\/p>\n\n\n\n En outre, des mesures ont \u00e9t\u00e9 prises pour att\u00e9nuer l’effet restant des transitions entre les interpolateurs. Une strat\u00e9gie adopt\u00e9e a \u00e9t\u00e9 l’introduction d’une zone tampon dans les zones de contact, o\u00f9 l’\u00e9l\u00e9vation est calcul\u00e9e comme la moyenne pond\u00e9r\u00e9e entre les r\u00e9sultats des interpolateurs TLI et IDW. Diverses exp\u00e9rimentations ont \u00e9t\u00e9 men\u00e9es avec des tampons de une, trois et cinq cellules, comportant des moyennes pond\u00e9r\u00e9es. Dans la majorit\u00e9 des cas, les r\u00e9sultats \u00e9taient similaires, n\u00e9anmoins, dans quelques cas extr\u00eames, l’utilisation de tampons plus larges a engendr\u00e9 des artefacts plus significatifs. En cons\u00e9quence, la d\u00e9cision a \u00e9t\u00e9 prise d’utiliser un tampon d’une seule cellule pour obtenir un compromis optimal.<\/p>\n\n\n\n Il est apparu que des artefacts en forme de \u00ab\u00a0beignet\u00a0\u00bb pouvaient se former lorsque des zones de niveau de confiance 1 de la carte DFM \u00e9taient directement adjacentes \u00e0 des zones de niveau 4 ou sup\u00e9rieur. Pour r\u00e9soudre ce probl\u00e8me, la zone de contact a \u00e9t\u00e9 \u00e9largie, c’est-\u00e0-dire d\u00e9plac\u00e9e davantage dans les zones de niveau quatre: un d\u00e9placement de trois cellules s’est r\u00e9v\u00e9l\u00e9 \u00eatre une solution ad\u00e9quate pour cette situation.<\/p>\n\n\n\n <\/p>\n\n\n\n Ainsi, toutes les conditions n\u00e9cessaires pour ex\u00e9cuter l’interpolation hybride ont \u00e9t\u00e9 satisfaites. Le processus se d\u00e9roule comme suit : <\/p>\n\n\n\n <\/p>\n\n\n\n Voici le mod\u00e8le de traitement utilis\u00e9 par Open Lidar Toolbox dans QGis pour cr\u00e9er la carte de confiance:<\/p>\n\n\n\n La carte de confiance est r\u00e9alis\u00e9e \u00e0 partir de trois fichiers en entr\u00e9e, deux nuages de points et un raster:<\/p>\n\n\n\n Selon les valeurs de densit\u00e9 et de la pente calcul\u00e9e \u00e0 partir du mod\u00e8le num\u00e9rique on aura six classes:<\/p>\n\n\n\n Pour les zones class\u00e9es de 1 \u00e0 3 on utilisera l’interpolation IDW et pour les zones class\u00e9es 4 \u00e0 6 l’interpolation TLI.<\/p>\n\n\n\n <\/p>\n\n\n\n Pour la mise en pratique de l’interpolation hybride pour r\u00e9aliser un Mod\u00e8le Num\u00e9rique d’Entit\u00e9s, comme nous l’avons vu dans le chapitre pr\u00e9c\u00e9dent, nous utilisons l’outil One Step Processing du plugin Open Lidar Toolbox.<\/p>\n\n\n\n <\/p>\n\n\n\n Pour utiliser l’outil d’interpolation hybride il nous faut:<\/p>\n\n\n\n Les rasters cr\u00e9\u00e9s par le plugin Open Lidar Toolbox utilisent la classe ‘sol’ et ‘b\u00e2timents’ comme couche de terrain. On peut aller modifier les param\u00e8tres au niveau du code Python du plugin, mais c’est tout de m\u00eame plus facile d’ex\u00e9cuter le plugin pour obtenir la carte de confiance, interpoler seulement la classe ‘sol’ et substituer avec ces nouveaux rasters les raster cr\u00e9\u00e9s pa le plugin.<\/p>\n\n\n\n Pour pouvoir cr\u00e9er la carte de confiance nous avons besoin d’un nuage de points LIDAR class\u00e9. Il ne suffit pas d’avoir simplement les points class\u00e9s du sol car nous avons besoin aussi de la v\u00e9g\u00e9tation basse. Soit vous partez d’un nuage de points LIDAR IGN class\u00e9, soit d’un nuage de points non class\u00e9 sur lequel vous appliquerez le traitement LASclassify de LASTools<\/a>, Classify LAS\/LAZ d’Open Lidar Toolbox ou tout autre proc\u00e9d\u00e9 de classification selon vos besoins et le type de donn\u00e9es que vous utilisez.<\/p>\n\n\n\n Dans l’exemple ci-apr\u00e8s nous partons d’un nuage de points LIDAR HD class\u00e9 de l’IGN.<\/p>\n\n\n\n Pour cr\u00e9er la carte de confiance on peut utiliser l’outil One Step Processing<\/p>\n\n\n\n On s’assure de bien cocher la case The input Las\/Laz file is already classified<\/em><\/strong> et on d\u00e9coche toutes les visualisations qui n’auront aucune utilit\u00e9.<\/p>\n\n\n\n On obtient le r\u00e9sultat suivant:<\/p>\n\n\n\n Vous pouvez utiliser les outils d’interpolation IDW et TIN de votre choix, mais ici on gardera les m\u00eames outils que ceux utilis\u00e9s par le plugin : <\/p>\n\n\n\n Attention, ces outils ne fonctionnent pas avec des fichier .laz, vous devrez les convertir en .las pr\u00e9alablement (Traitements->Point Cloud Conversion -> Convert format).<\/p>\n\n\n\n Rentrez toutes les autres classes que la classe ‘sol’ (2) dans la liste d’exclusion et augmentez le Search Radius en fonction des ‘trous’ sans points de sol. Si le rayon de recherche est trop petit, vous aurez des trous dans votre raster IDW.<\/p>\n\n\n\n Maintenant que nous avons les deux rasters n\u00e9cessaires, on peut ex\u00e9cuter l’outil Hybrid Interpolation<\/strong>:<\/p>\n\n\n\n On utilise la carte de confiance de One Step Processing, mais les deux rasters interpol\u00e9s en utilisant exclusivement les points ‘sol’.<\/p>\n\n\n\n10-R\u00f4le de l’Interpolation dans le Contexte du Mod\u00e8le Num\u00e9rique d’\u00c9l\u00e9vation (MNE)<\/strong><\/h2>\n\n\n\n
Interpolation spatiale : un d\u00e9fi majeur<\/h2>\n\n\n\n
Les interpolateurs disponibles<\/h3>\n\n\n\n
Les probl\u00e8mes inh\u00e9rents \u00e0 chaque interpolateur<\/h3>\n\n\n\n
Mise en place d’un interpolateur hybride<\/h2>\n\n\n\n
La carte de confiance<\/h3>\n\n\n\n
Les solutions pour l’hybridation de deux interpolateurs<\/h3>\n\n\n\n
Comment s’ex\u00e9cute l’interpolation hybride<\/h3>\n\n\n\n
\n
Algorithme de cr\u00e9ation de la carte de confiance<\/h2>\n\n\n\n
![\"algorithme](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/08\/algorithme_carte_de_confiance_open_lidar_toolbox.png?resize=640%2C512&ssl=1\")
<\/a><\/figure>\n\n\n\n\n
\n
Interpolation hybride des mod\u00e8les d’\u00e9l\u00e9vation<\/h2>\n\n\n\n
Pour r\u00e9aliser un Mod\u00e8le Num\u00e9rique de Terrain (MNT)<\/h3>\n\n\n\n
\n
![\"dialogue](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/09\/dialogue_one_qgis.png?resize=640%2C590&ssl=1\")
<\/a><\/figure>\n\n\n\n![\"carte](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/09\/carte_de_confiance_plugin_open_lidar_toolbox.png?resize=640%2C360&ssl=1\")
<\/a><\/figure>\n\n\n\n\n
![\"dialogue](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/09\/dialogue_interpolation_idw.png?resize=640%2C590&ssl=1\")
<\/a><\/figure>\n\n\n\n![\"dialogue](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/09\/dialogue_tin_gridding-1.png?resize=640%2C589&ssl=1\")
<\/a><\/figure>\n\n\n\n![\"dialoguie](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/09\/dialogue_hybrid_interpolation.png?resize=640%2C589&ssl=1\")
<\/a><\/figure>\n\n\n\n
![\"mnt](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/09\/vue_profil_trois_mnt.png?resize=640%2C360&ssl=1\")
<\/a><\/figure>\n\n\n\n