2- Descarregar os dados do IGN HD LIDAR e carreg\u00e1-los no QGis<\/a><\/p>\n\n\n\n 3- Ferramentas para dados LIDAR no QGis 3.32<\/a><\/p>\n\n\n\n 4-colorir a partir de uma imagem<\/a><\/p>\n\n\n\n 5-colorir a partir de uma imagem com LAStools<\/a><\/p>\n\n\n\n 6- modelo de superf\u00edcie digital (MDS) com CloudCompare e LAStools<\/a><\/p>\n\n\n\n 7- Cr\u00e9er un Mod\u00e8le Num\u00e9rique de Terrain avec CloudCompare<\/a><\/p>\n\n\n\n 8- Cria\u00e7\u00e3o de um modelo digital de terreno com o LAStools<\/a><\/p>\n\n\n\n 9- Cria\u00e7\u00e3o de um modelo de entidades digital com o Open Lidar Toolbox.<\/a><\/p>\n\n\n\n A interpola\u00e7\u00e3o tem uma influ\u00eancia significativa sobre a precis\u00e3o e a qualidade visual do modelo digital de eleva\u00e7\u00e3o (DEM) final. Esse processo envolve o ajuste de uma superf\u00edcie aos dados de eleva\u00e7\u00e3o de pontos, sobrepondo-os a uma grade definida por um tamanho de c\u00e9lula espec\u00edfico. \u00c9 importante observar que os pontos obtidos como resultado desse processo s\u00e3o deduzidos dos dados originais e n\u00e3o correspondem diretamente aos pontos de dados reais.<\/p>\n\n\n\n Apesar dos in\u00fameros esfor\u00e7os sobre o assunto, a interpola\u00e7\u00e3o continua sendo um grande desafio. Os m\u00e9todos existentes para gerar DEMs a partir de dados LiDAR a\u00e9reos encontram obst\u00e1culos significativos, especialmente em contextos de projetos em que as \u00e1reas t\u00eam caracter\u00edsticas n\u00e3o terrestres densas ou paisagens complexas. A grande quantidade de an\u00e1lises destinadas a avaliar a precis\u00e3o demonstra a complexidade da escolha do m\u00e9todo de interpola\u00e7\u00e3o correto, pois cada m\u00e9todo tem suas pr\u00f3prias vantagens e desvantagens espec\u00edficas.<\/p>\n\n\n\n Na pr\u00e1tica, sabe-se que os m\u00e9todos baseados em krigagem<\/a> geram DEMs com maior precis\u00e3o, mas isso exige mais recursos computacionais. Abordagens como a inverso da pot\u00e9ncia das dist O m\u00e9todo Spline <\/a>parece oferecer um compromisso entre o tempo de c\u00e1lculo e a precis\u00e3o em alta resolu\u00e7\u00e3o. Embora seja altamente preciso em alta resolu\u00e7\u00e3o, sua confiabilidade diminui em baixa resolu\u00e7\u00e3o.<\/p>\n\n\n\n <\/p>\n\n\n\n Em contraste com a profus\u00e3o de artigos dedicados \u00e0 interpola\u00e7\u00e3o de Modelos Digitais de Eleva\u00e7\u00e3o (DEMs), a interpola\u00e7\u00e3o de Modelos Digitais de Fei\u00e7\u00f5es (DFMs) espec\u00edficos para a arqueologia foi, at\u00e9 o momento, explorada apenas brevemente em um pequeno n\u00famero de estudos, levando a conclus\u00f5es divergentes: TLI, Kriging, Spline Interpolation e o M\u00e9todo do Vizinho Mais Pr\u00f3ximo foram todos apontados como os interpoladores mais adequados.<\/p>\n\n\n\n At\u00e9 o momento, considera-se que, apesar da superioridade da Krigagem em termos de resultados, atualmente \u00e9 o interpolador Inverse Distance Weighted (IDW) que \u00e9 especificamente adaptado \u00e0 arqueologia, principalmente devido \u00e0 sua facilidade de acesso.<\/p>\n\n\n\n No entanto, isso n\u00e3o significa que a interpola\u00e7\u00e3o por dist\u00e2ncia inversa ponderada (WIDI) esteja livre de falhas. Em \u00e1reas onde a amostragem \u00e9 extremamente inadequada (onde a densidade de pontos de medi\u00e7\u00e3o \u00e9 muito menor do que a densidade de c\u00e9lulas de grade), a IDW gera um padr\u00e3o relativamente denso de artefatos de interpola\u00e7\u00e3o negativos, resultando em erros na forma de valores negativos exagerados. Em \u00e1reas moderadamente subamostradas, os resultados ser\u00e3o visualmente mais satisfat\u00f3rios, pois n\u00e3o haver\u00e1 artefatos positivos. No entanto, podem ser observados artefatos negativos muito pequenos e um leve efeito de escala (que aparece como artefatos em escala de peixe) em declives. Embora esse efeito n\u00e3o seja particularmente perturbador do ponto de vista visual, ele pode induzir um observador inexperiente (ou at\u00e9 mesmo um observador experiente, na aus\u00eancia de metadados adequados) a concluir falsamente que a forma\u00e7\u00e3o \u00e9 em terra\u00e7os.<\/p>\n\n\n\n A krigagem ordin\u00e1ria se destaca como um interpolador de alta qualidade, mas ainda n\u00e3o est\u00e1 amplamente dispon\u00edvel na maioria dos softwares relevantes. Se sua acessibilidade fosse melhorada, ele poderia rapidamente se tornar a op\u00e7\u00e3o preferida para interpola\u00e7\u00e3o espec\u00edfica de arqueologia. Por outro lado, a opini\u00e3o mais difundida destaca o potencial de um interpolador h\u00edbrido que mesclaria as caracter\u00edsticas do IDW e do TLI. Esses dois m\u00e9todos se distinguem por sua alta acessibilidade e custo moderado de implementa\u00e7\u00e3o. Enquanto o TLI \u00e9 a melhor op\u00e7\u00e3o para \u00e1reas com excesso de amostragem, o IDW se destaca em \u00e1reas com falta de amostragem.<\/p>\n\n\n\n No passado, faltava um elemento fundamental para a cria\u00e7\u00e3o de um interpolador h\u00edbrido desse tipo. Era a falta de um m\u00e9todo de segmenta\u00e7\u00e3o adequado para dividir os dados em zonas mais adequadas a cada interpolador. Recentemente, esse problema foi resolvido com o uso da an\u00e1lise de \u00e1rvore de classifica\u00e7\u00e3o e regress\u00e3o para gerar um mapa de previs\u00e3o de incerteza do Modelo Digital de Terreno (DTM). Esse m\u00e9todo foi adaptado, no plug-in Open Lidar Toolbox<\/a>, para criar um mapa de confian\u00e7a espec\u00edfico de arqueologia para o Digital Feature Model (DEM), atribuindo um n\u00edvel de confian\u00e7a que varia de um a seis a cada c\u00e9lula da grade. Essa abordagem possibilita quantificar a qualidade do Digital Feature Model em n\u00edvel de pixel.<\/p>\n\n\n\n Quando os interpoladores foram avaliados em rela\u00e7\u00e3o ao mapa de confian\u00e7a do DEM, verificou-se que o m\u00e9todo de triangula\u00e7\u00e3o com interpola\u00e7\u00e3o linear (TLI) teve o melhor desempenho para \u00e1reas com n\u00edveis de confian\u00e7a cinco e seis e apresentou bons resultados para os n\u00edveis tr\u00eas e quatro. Depois de resolver o problema de segmenta\u00e7\u00e3o, um desafio permaneceu na implementa\u00e7\u00e3o do interpolador h\u00edbrido. Por defini\u00e7\u00e3o, os interpoladores TLI e IDW produzem modelos de grade ligeiramente diferentes.<\/p>\n\n\n\n Se esses dois modelos fossem simplesmente combinados usando a calculadora raster, apareceriam artefatos na forma de degraus nas zonas de transi\u00e7\u00e3o entre os dois interpoladores. Embora esse fen\u00f4meno seja intr\u00ednseco a qualquer interpolador h\u00edbrido e n\u00e3o possa ser completamente eliminado, ele pode ser atenuado. Tr\u00eas medidas distintas de atenua\u00e7\u00e3o foram implementadas no Open Lidar Toolbox.<\/p>\n\n\n\n Em primeiro lugar, as zonas de transi\u00e7\u00e3o podem ser reduzidas por uma opera\u00e7\u00e3o de desfragmenta\u00e7\u00e3o. Em determinadas condi\u00e7\u00f5es de paisagem e\/ou de coleta de dados, os valores do mapa de confian\u00e7a aparecem na forma de fragmentos dispersos. Nessas circunst\u00e2ncias, a zona de transi\u00e7\u00e3o aumenta exponencialmente, o que reduz os efeitos positivos da interpola\u00e7\u00e3o h\u00edbrida. Esse problema pode ser resolvido com a imposi\u00e7\u00e3o de um tamanho m\u00ednimo para cada zona de interpola\u00e7\u00e3o, que seria muito maior do que o tamanho de uma \u00fanica c\u00e9lula.<\/p>\n\n\n\n O m\u00e9todo estat\u00edstico zonal com uma vizinhan\u00e7a de 11 c\u00e9lulas foi selecionado como o mais eficiente. Essa escolha foi motivada pelo fato de que essa vizinhan\u00e7a garante a aus\u00eancia de zonas menores que 6 c\u00e9lulas, assegurando assim a consist\u00eancia nas an\u00e1lises.<\/p>\n\n\n\n Deve-se observar tamb\u00e9m que as diferen\u00e7as entre os interpoladores TLI e IDW n\u00e3o s\u00e3o uniformes. Suas varia\u00e7\u00f5es s\u00e3o mais acentuadas nas zonas de confian\u00e7a tr\u00eas e quatro, resultando em diferen\u00e7as relativamente pequenas entre os dois interpoladores nesses intervalos de confian\u00e7a. Como resultado, as transi\u00e7\u00f5es entre os dois interpoladores s\u00e3o mais suaves e menos percept\u00edveis quando os n\u00edveis de confian\u00e7a est\u00e3o entre tr\u00eas e quatro.<\/p>\n\n\n\n Al\u00e9m disso, foram tomadas medidas para atenuar o efeito restante das transi\u00e7\u00f5es entre os interpoladores. Uma estrat\u00e9gia adotada foi a introdu\u00e7\u00e3o de uma zona de buffer nas zonas de contato, em que a eleva\u00e7\u00e3o \u00e9 calculada como a m\u00e9dia ponderada entre os resultados dos interpoladores TLI e IDW. V\u00e1rios experimentos foram realizados com buffers de uma, tr\u00eas e cinco c\u00e9lulas, com m\u00e9dias ponderadas. Na maioria dos casos, os resultados foram semelhantes, embora, em alguns casos extremos, o uso de buffers maiores tenha produzido artefatos mais significativos. Como resultado, foi tomada a decis\u00e3o de usar um buffer de c\u00e9lula \u00fanica para obter um compromisso ideal.<\/p>\n\n\n\n Ficou evidente que os artefatos \u00ab\u00a0rosquinha\u00a0\u00bb poderiam se formar quando as \u00e1reas de n\u00edvel de confian\u00e7a 1 do mapa DFM fossem diretamente adjacentes \u00e0s \u00e1reas de n\u00edvel 4 ou superior. Para resolver esse problema, a zona de contato foi ampliada, ou seja, movida mais para dentro das zonas de n\u00edvel quatro: um movimento de tr\u00eas c\u00e9lulas provou ser uma solu\u00e7\u00e3o adequada para essa situa\u00e7\u00e3o.<\/p>\n\n\n\n Todas as condi\u00e7\u00f5es necess\u00e1rias para a interpola\u00e7\u00e3o h\u00edbrida foram atendidas. O processo \u00e9 o seguinte:<\/p>\n\n\n\n <\/p>\n\n\n\n Esse \u00e9 o modelo de processamento usado pela Open Lidar Toolbox no QGis para criar o mapa de confian\u00e7a:<\/p>\n\n\n\n O mapa de confian\u00e7a \u00e9 produzido a partir de tr\u00eas arquivos de entrada, duas nuvens de pontos e um raster:<\/p>\n\n\n\n Dependendo dos valores de densidade e inclina\u00e7\u00e3o calculados a partir do modelo digital, teremos seis classes:<\/p>\n\n\n\n A interpola\u00e7\u00e3o IDW \u00e9 usada para zonas classificadas como 1 a 3 e a interpola\u00e7\u00e3o TLI para zonas classificadas como 4 a 6.<\/p>\n\n\n\n Para aplicar a interpola\u00e7\u00e3o h\u00edbrida para produzir um Modelo Digital de Eleva\u00e7\u00e3o, como vimos no cap\u00edtulo anterior, usamos a ferramenta One Step Processing no plug-in Open Lidar Toolbox.<\/p>\n\n\n\n Para usar a ferramenta de interpola\u00e7\u00e3o h\u00edbrida, precisamos de<\/p>\n\n\n\n Os rasters criados pelo plug-in Open Lidar Toolbox usam as classes \u00ab\u00a0solo\u00a0\u00bb e \u00ab\u00a0edif\u00edcios\u00a0\u00bb como camadas de terreno. Voc\u00ea pode modificar os par\u00e2metros no c\u00f3digo Python do plug-in, mas ainda \u00e9 mais f\u00e1cil executar o plug-in para obter o mapa de confian\u00e7a, interpolar somente a classe \u00ab\u00a0solo\u00a0\u00bb e substituir o raster criado pelo plug-in por esses novos rasters.<\/p>\n\n\n\n Para criar o mapa de confian\u00e7a, precisamos de uma nuvem de pontos LIDAR classificados. N\u00e3o basta simplesmente ter os pontos de solo classificados, pois tamb\u00e9m precisamos da vegeta\u00e7\u00e3o mais baixa. Voc\u00ea pode come\u00e7ar a partir de uma nuvem de pontos LIDAR IGN classificada ou de uma nuvem de pontos n\u00e3o classificada \u00e0 qual voc\u00ea pode aplicar o LASclassify do LASTools<\/a>, o Classify LAS\/LAZ do Open Lidar Toolbox ou qualquer outro processo de classifica\u00e7\u00e3o, dependendo das suas necessidades e do tipo de dados que estiver usando.<\/p>\n\n\n\n No exemplo abaixo, come\u00e7amos com uma nuvem de pontos LIDAR HD classificada da IGN.<\/p>\n\n\n\n Para criar o mapa de confian\u00e7a, podemos usar a ferramenta One Step Processing<\/p>\n\n\n\n Certifique-se de que a op\u00e7\u00e3o The input Las\/Laz file is already classified<\/em><\/strong> o esteja marcada e desmarque todas as visualiza\u00e7\u00f5es que n\u00e3o forem \u00fateis.<\/p>\n\n\n\n O resultado \u00e9 o seguinte:<\/p>\n\n\n\n Voc\u00ea pode usar as ferramentas de interpola\u00e7\u00e3o IDW e TIN de sua prefer\u00eancia, mas aqui manteremos as mesmas ferramentas usadas pelo plug-in:<\/p>\n\n\n\n Observe que essas ferramentas n\u00e3o funcionam com arquivos .laz. Voc\u00ea precisar\u00e1 convert\u00ea-los para .las antes (Treatments->Point Cloud Conversion -> Convert format).<\/p>\n\n\n\n Insira todas as classes que n\u00e3o sejam a classe \u00ab\u00a0solo\u00a0\u00bb (2) na lista de exclus\u00e3o e aumente o raio de busca de acordo com os \u00ab\u00a0buracos\u00a0\u00bb sem pontos de solo. Se o raio de busca for muito pequeno, voc\u00ea ter\u00e1 buracos em seu raster IDW.<\/p>\n\n\n\n Agora que temos os dois rasters de que precisamos, podemos executar a ferramenta Hybrid Interpolation (Interpola\u00e7\u00e3o h\u00edbrida):<\/p>\n\n\n\n Usamos o mapa de confian\u00e7a do One Step Processing, mas os dois rasters foram interpolados usando apenas os pontos \u00ab\u00a0ground\u00a0\u00bb.<\/p>\n\n\n\n10-Papel da interpola\u00e7\u00e3o no contexto do modelo digital de eleva\u00e7\u00e3o (DEM)<\/h2>\n\n\n\n
Interpola\u00e7\u00e3o espacial: um grande desafio<\/h2>\n\n\n\n
Interpoladores dispon\u00edveis<\/h3>\n\n\n\n
Os problemas inerentes a cada interpolador<\/h3>\n\n\n\n
Em \u00e1reas com amostragem levemente insuficiente, o IDW tende a mostrar ru\u00eddo nos dados resultante da configura\u00e7\u00e3o dos pontos de medi\u00e7\u00e3o, que podem ser confundidos com caracter\u00edsticas geol\u00f3gicas ou outras. Em \u00e1reas em que a densidade dos pontos de medi\u00e7\u00e3o \u00e9 igual ou superior \u00e0 das c\u00e9lulas da grade, o IDW leva a uma suaviza\u00e7\u00e3o excessiva, o que n\u00e3o \u00e9 a solu\u00e7\u00e3o ideal para a interpola\u00e7\u00e3o adaptada ao contexto arqueol\u00f3gico.<\/p>\n\n\n\nConfigura\u00e7\u00e3o de um interpolador h\u00edbrido<\/h2>\n\n\n\n
O mapa de confian\u00e7a<\/h3>\n\n\n\n
Solu\u00e7\u00f5es para a hibridiza\u00e7\u00e3o de dois interpoladores<\/h3>\n\n\n\n
Como funciona a interpola\u00e7\u00e3o h\u00edbrida<\/h3>\n\n\n\n
\n
Algoritmo para criar o mapa de confian\u00e7a<\/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
Interpola\u00e7\u00e3o h\u00edbrida de modelos de eleva\u00e7\u00e3o<\/h2>\n\n\n\n
Para criar um modelo digital de terreno (DTM)<\/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